শোনা যাচ্ছে যে Apple তার ইকোসিস্টেমে উন্নত মডেল কম্প্রেশন প্রযুক্তি যুক্ত করার জন্য Khosla Ventures-এর সহায়তায় পরিচালিত স্টার্টআপ PrismML-এর সাথে প্রাথমিক আলোচনা চালাচ্ছে। এই পদক্ষেপের লক্ষ্য হলো সরাসরি iPhone-এ উন্নত কৃত্রিম বুদ্ধিমত্তা (AI) নিয়ে আসা, যা মোবাইল হার্ডওয়্যারের সীমাবদ্ধতা এবং আধুনিক Large Language Models (LLMs)-এর বিশাল কম্পিউটেশনাল প্রয়োজনীয়তার মধ্যে ব্যবধান কমিয়ে দেবে।

অন-ডিভাইস AI-এর সীমাবদ্ধতা সমাধান করা

Apple যখন iOS 18 এবং একটি নতুন ডিজাইনের Siri উন্মোচন করছে, তখন কোম্পানিটি একটি বড় প্রযুক্তিগত বাধার সম্মুখীন হচ্ছে: উচ্চ-ক্ষমতাসম্পন্ন AI মডেলগুলোর সাধারণত প্রচুর মেমরি এবং প্রসেসিং পাওয়ারের প্রয়োজন হয়, যা সাধারণ স্মার্টফোনের ক্ষমতার বাইরে। PrismML-এর প্রযুক্তি ব্যবহারের মাধ্যমে Apple প্রসেসিং ক্লাউড থেকে সরাসরি ডিভাইসে নিয়ে আসার চেষ্টা করছে।

Apple-এর কৌশলগত অবস্থানের জন্য এই পরিবর্তনটি অত্যন্ত গুরুত্বপূর্ণ। অন-ডিভাইস AI ল্যাটেন্সি (latency) কমায়, ব্যয়বহুল ক্লাউড কম্পিউটিং খরচ হ্রাস করে এবং ব্যবহারকারীর সংবেদনশীল ডেটা ডিভাইসেই সুরক্ষিত রেখে Apple-এর মূল গোপনীয়তার প্রতিশ্রুতিকে আরও শক্তিশালী করে। তদুপরি, এটি ইন্টারনেট সংযোগ ছাড়াই মূল AI ফিচারগুলো কাজ করতে সাহায্য করে।

PrismML কীভাবে বিশাল AI মডেলগুলোকে ছোট করে

PrismML, যার উৎপত্তি California Institute of Technology-এর গবেষণা থেকে, একটি মডেলের অভ্যন্তরীণ মানগুলো (internal values) কীভাবে সংরক্ষিত হয় তা সহজ করার একটি উন্নত পদ্ধতি ব্যবহার করে। প্রচলিত পদ্ধতিগুলো হয়তো ১৬-বিট থেকে ৪-বিটে সংখ্যা কমিয়ে আনে, কিন্তু PrismML এটিকে আরও এক ধাপ এগিয়ে নিয়ে যায় এবং প্রতিটি সংখ্যাকে মাত্র এক বা তিনটি সম্ভাব্য মানে কমিয়ে আনে।

এর কার্যকারিতা উল্লেখযোগ্য। PrismML সম্প্রতি Alibaba-এর ওপেন-সোর্স Qwen মডেলটিকে বিশাল ৫৪ GB থেকে ৪ GB-এর নিচে সংকুচিত করে এটি প্রদর্শন করেছে। এই কম্প্রেশনের ফলে মডেলটির ২৭ বিলিয়ন প্যারামিটারই iPhone 15 বা তার পরবর্তী মডেলগুলোতে চালানো সম্ভব। CEO Babak Hassibi-এর মতে, এই সংকুচিত মডেলগুলো বেশ কিছু পারফরম্যান্স সুবিধা প্রদান করে:

  • Memory Efficiency: ১৫ গুণ পর্যন্ত কম মেমরি ব্যবহার করে।
  • Speed: ছয় থেকে আট গুণ দ্রুত চলে।
  • Power Consumption: ছয় গুণ পর্যন্ত কম শক্তি খরচ করে।

যদিও Hassibi পারফরম্যান্সে সামান্য ঘাটতির কথা উল্লেখ করেছেন—বিশেষ করে তথ্যগত স্মৃতির (factual recall) ক্ষেত্রে—তবে মডেলগুলো যুক্তি প্রদান (reasoning) এবং কোডিং দক্ষতার ক্ষেত্রে উচ্চ পারদর্শিতা বজায় রাখে।

সেমিকন্ডাক্টর এবং হার্ডওয়্যার বাজারের ওপর প্রভাব

Apple-এর মতো একটি বিশাল প্রতিষ্ঠানের এই ধরনের কম্প্রেশন প্রযুক্তি গ্রহণ করার সম্ভাবনা হার্ডওয়্যার নির্মাতাদের বাজারের চিত্র বদলে দিতে পারে। বর্তমানে, Morgan Stanley-এর মতো বিশ্লেষকরা ভবিষ্যদ্বাণী করছেন যে, AI সমর্থন করার জন্য ২০২৭ অর্থবছর নাগাদ Apple-এর মেমরি খরচ নাটকীয়ভাবে বৃদ্ধি পেতে পারে, যা iPhone-এর দাম বাড়িয়ে দিতে পারে।

তবে, যদি PrismML-এর প্রযুক্তি একটি মানদণ্ড (standard) হয়ে ওঠে, তবে স্মার্টফোনে বিশাল মেমরি মডিউলের চাহিদা কমতে পারে, যদিও উচ্চ-গতির এবং দক্ষ লোকাল প্রসেসিংয়ের প্রয়োজনীয়তা বাড়বে। PrismML যখন Google-এর Gemma-র মতো অন্যান্য বড় মডেলগুলোকে সংকুচিত করার দিকে এগোচ্ছে, তখন লক্ষ্যটি স্পষ্ট: উচ্চ-স্তরের বুদ্ধিমত্তাকে সাধারণ কনজিউমার হার্ডওয়্যারে স্থানীয়ভাবে, দ্রুত এবং সহজলভ্য করে তোলা।

মূল বিষয়সমূহ

  • বিশাল কম্প্রেশন: PrismML একটি ৫৪ GB AI মডেলকে ৪ GB-এর নিচে নামিয়ে আনতে পারে, যা iPhone 15-এর মতো হাই-এন্ড স্মার্টফোনের জন্য উপযোগী করে তোলে।
  • দক্ষতা বৃদ্ধি: এই প্রযুক্তি ১৫ গুণ পর্যন্ত কম মেমরি ব্যবহার এবং ৬ গুণ কম শক্তি খরচের প্রতিশ্রুতি দেয়, যা AI টাস্ক চলাকালীন ব্যাটারি লাইফ বজায় রাখার জন্য অত্যন্ত গুরুত্বপূর্ণ।
  • গোপনীয়তা এবং গতি: AI-কে ক্লাউড থেকে ডিভাইসে নিয়ে আসা ল্যাটেন্সি কমাবে এবং ব্যবহারকারীর গোপনীয়তা বৃদ্ধি করবে, যা Apple-এর পণ্য দর্শনের একটি মূল ভিত্তি।

ঝুঁকি এবং অমীমাংসিত প্রশ্নসমূহ

PrismML-এর ফলাফল আশাব্যঞ্জক হলেও এটি এখনও প্রাথমিক পর্যায়ে রয়েছে।

পরবর্তীতে যা লক্ষ্য রাখতে হবে

  • অফিসিয়াল নিশ্চিতকরণ: Apple এখনও কোনো অংশীদারিত্বের ঘোষণা দেয়নি, তাই অন-ডিভাইস LLM সম্পর্কে যেকোনো প্রেস রিলিজ বা iOS 18 বিটা নোট একটি গুরুত্বপূর্ণ সংকেত হবে।

সারকথা: PrismML-এর কম্প্রেশন প্রযুক্তি মেমরি বা ব্যাটারি খরচ না বাড়িয়েই iPhone-এ সত্যিকারের বড় ল্যাঙ্গুয়েজ মডেল চালানোর সুযোগ করে দিতে পারে, যা দ্রুত এবং ব্যক্তিগত AI অভিজ্ঞতা প্রদান করবে।