Python في الذكاء الاصطناعي: لماذا هو أبطأ من C بنحو 70 مرة ويفقد مواقعه على الأجهزة الطرفية

يُجري قطاع الذكاء الاصطناعي، وهو الأكثر استهلاكًا للقدرات الحاسوبية في التاريخ، حساباته في معظمها بلغة البرمجة Python، وهي أبطأ من C بنحو 70 مرة وتحتل المرتبة 26 من 27 في تصنيف كفاءة الطاقة بين لغات البرمجة.

كم يكلّف عرش Python؟

يحلّل كاتب مقال نُشر على موقع Habr ثمن هذا الخيار في ثلاثة أبعاد: الميكروثواني المهدورة في الحسابات، والغيغاواط-ساعة التي تستهلكها مراكز البيانات، والجهد المضاعف للمهندسين الذين يضطرون إلى تعويض بطء اللغة بتحسينات إضافية وبطبقات ربط فوق مكتبات أسرع. ويستند المقال إلى أرقام وروابط لمصادر أولية، ويعرض كذلك حجج الدفاع عن Python بإنصاف، أي إنه لا يقتصر على اتهام اللغة وحدها بكل مشكلات القطاع.

لماذا اختار القطاع Python رغم ذلك؟

جاءت هيمنة Python في تعلّم الآلة تاريخيًا: فقد نشأ حول اللغة نظام بيئي ضخم من المكتبات، وتُفوَّض الأجزاء «البطيئة» من الشيفرة عمليًا، في أغلب الأحيان، إلى تطبيقات سريعة مكتوبة بلغتَي C وCUDA تعمل في الخلفية. لكن مع انتقال العبء من تدريب النماذج الكبيرة في السحابة إلى تشغيلها على جانب المستخدم، بدأ هذا القرار المعماري يعمل ضد مصلحة القطاع.

طالما جرى التدريب والاستدلال في مراكز البيانات على عناقيد GPU قوية، لم تكن التكاليف الإضافية لـ Python ظاهرة أمام التكلفة الإجمالية للحوسبة. ويتغيّر الوضع حين يلزم تشغيل النموذج على هاتف ذكي أو حاسوب محمول أو جهاز مدمج بميزانية طاقة محدودة: فهناك يصبح الفرق بين التنفيذ المفسَّر والتنفيذ المُصرَّف حاسمًا لزمن الاستجابة وعمر البطارية، ولا يقتصر على سطر في تقرير استهلاك الطاقة في مركز البيانات.

أين بدأت المزاحمة؟

مع انتقال الاستدلال بنماذج الذكاء الاصطناعي إلى أجهزة المستخدمين، أي سيناريوهات on-device وedge والاستدلال المحلي دون الرجوع إلى السحابة، تضعف مواقع Python. وتنتزع اللغات المُصرَّفة هذه المساحات الجديدة بالفعل، وفي مقدمتها Swift، التي تتمتع في هذه السيناريوهات بأفضلية في سرعة التنفيذ واستهلاك الطاقة.

• Python أبطأ من لغة C بنحو 70 مرة
• تحتل Python المرتبة 26 من 27 في تصنيف كفاءة الطاقة بين لغات البرمجة
• يُقاس ثمن هيمنة Python بالميكروثواني والغيغاواط-ساعة وجهد المهندسين
• في الاستدلال على الجهاز (on-device) وعلى الأجهزة الطرفية (edge)، تزاحم اللغات المُصرَّفة لغة Python، وفي مقدمتها Swift

ماذا يعني هذا الثمن لمراكز البيانات؟

الغيغاواط-ساعة في هذه المقارنة ليست مفهومًا مجرّدًا، بل نتيجة مباشرة لأن لغة Python المفسَّرة تحتاج إلى دورات حسابية أكثر لإنجاز المهمة نفسها مقارنةً بالشيفرة المُصرَّفة، ما يعني كهرباء أكثر لتبريد الخوادم وتشغيلها. أما الجهد المضاعف للمهندسين فهو ثمن البناء المتواصل فوق الأساس: ربط شيفرة Python بمكتبات أسرع مكتوبة بـ C وCUDA، وتحليل أداء الاختناقات (profiling)، وإعادة كتابة المقاطع الحرجة بمستوى أدنى لتعويض بطء اللغة نفسها.

ماذا يعني ذلك؟

تظل Python اللغة الافتراضية لتدريب نماذج الذكاء الاصطناعي ونمذجتها الأولية، لكن مع انتقال الاستدلال إلى الأجهزة المحلية وسيناريوهات edge، حيث يُحسب كل ميلي واط وكل ميلي ثانية، يزداد ثمنها وضوحًا، وهناك تحديدًا تحصل اللغات المُصرَّفة على فرصة لمزاحمة صاحبة الصدارة منذ سنوات طويلة. والمقصود ليس استبدال Python بالكامل في السنوات القريبة، بل تقسيمًا تدريجيًا لمجالات الاستخدام: تبقى السحابة والنمذجة الأولية لها، بينما ينتقل edge وon-device بثقة متزايدة إلى بدائل مُصرَّفة مثل Swift.