Unconventional AI દ્વારા AI પાવર વપરાશમાં 1,000 ગણો ઘટાડો કરવાનો લક્ષ્ય

જેમ જેમ આર્ટિફિશિયલ ઇન્ટેલિજન્સ (AI) માટેની વૈશ્વિક માંગ ઉપલબ્ધ ઊર્જા પુરવઠા કરતાં વધી જવાની ભીતિ છે, તેમ એક નવું સ્ટાર્ટઅપ હાર્ડવેર આર્કિટેક્ચરના નિયમોને ફરીથી લખવાનો પ્રયાસ કરી રહ્યું છે. Databricks ના પૂર્વ AI ચીફ Naveen Rao ના નેતૃત્વ હેઠળ, Unconventional AI ઉદ્યોગના આગામી ઊર્જા સંકટને ઉકેલવા માટે એક ક્રાંતિકારી નવી કમ્પ્યુટિંગ પદ્ધતિ પર દાવ લગાવી રહ્યું છે.

પરંપરાગત સિલિકોન આર્કિટેક્ચર્સથી આગળ વધવું

Unconventional AI ના મિશનનું મુખ્ય કેન્દ્ર હાલમાં Large Language Models (LLMs) અને diffusion models ને પાવર આપતા પરંપરાગત ચિપ્સથી અલગ પડવામાં રહેલું છે. જ્યારે ઉદ્યોગ મોટાભાગે હાલના GPU અને TPU આર્કિટેક્ચર્સને ઓપ્ટિમાઇઝ કરવા પર ધ્યાન કેન્દ્રિત કરી રહ્યો છે, ત્યારે Rao અને તેમની ટીમ oscillator-based કમ્પ્યુટર આર્કિટેક્ચરનો ઉપયોગ કરીને પાયાથી બધું બનાવી રહી છે.

આ અભિગમ પ્રમાણભૂત ડિજિટલ કમ્પ્યુટિંગમાં વપરાતા ટ્રાન્ઝિસ્ટરથી મૂળભૂત રીતે અલગ છે. ઓસિલેટર્સનો ઉપયોગ કરીને, કંપની અપ્રતિમ કાર્યક્ષમતા સાથે inference processing કરવાના લક્ષ્ય સાથે કામ કરી રહી છે. Rao નો દાવો છે કે આ ફેરફાર અંતે AI inference માટે જરૂરી પાવર વપરાશમાં 1,000 ગણો ઘટાડો કરી શકે છે, જે AI ને ઊર્જા-સઘન બોજમાંથી એક ટકાઉ ઉપયોગિતામાં પરિવર્તિત કરી શકે છે.

Un0: Oscillator-Based Computing નું "Hello World"

આ ક્રાંતિકારી હાર્ડવેર ખ્યાલની વ્યવહારિકતા દર્શાવવા માટે, કંપનીએ તાજેતરમાં તેનું પ્રથમ મોડેલ, Un0 રજૂ કર્યું છે. જોકે Un0 હાલમાં કંપનીના નિર્ધારિત oscillator ચિપ્સના સોફ્ટવેર સિમ્યુલેશન પર ચાલે છે, તેમ છતાં તેના પરિણામો નોંધપાત્ર છે. આ મોડેલ એક ઇમેજ-જનરેશન સિસ્ટમ છે જે Stable Diffusion અથવા OpenAI ના GPT Image 1 જેવા અત્યાધુનિક diffusion models ના પ્રદર્શનની નકલ કરે છે.

આ રિલીઝને એક નવા પ્રકારના કમ્પ્યુટરનું "hello world" તરીકે વર્ણવતા, Rao એ ભાર મૂક્યો હતો કે ધ્યેય એ સાબિત કરવાનો હતો કે સંપૂર્ણપણે અલગ હાર્ડવેર લોજિક હજુ પણ ઉચ્ચ ગુણવત્તાવાળા અને ઉચ્ચ ચોકસાઈવાળા (high-fidelity) આઉટપુટ આપી શકે છે. તેની સાથે જોડાયેલ સંશોધન પત્ર વિગતવાર જણાવે છે કે કેવી રીતે આ સિમ્યુલેટેડ આર્કિટેક્ચર જટિલ જનરેટિવ કાર્યોને સફળતાપૂર્વક હેન્ડલ કરી શકે છે, જે ભૌતિક હાર્ડવેર માટે રોડમેપ પૂરો પાડે છે.

AI સ્કેલિંગમાં ઊર્જાની અવરોધક સમસ્યા (Energy Bottleneck) ને ઉકેલવી

આ વિકાસનો સમય અત્યંત મહત્વપૂર્ણ છે. જેમ જેમ AI મોડેલ્સ પેરામીટર સંખ્યા અને જટિલતામાં વધતા જાય છે, તેમ તેમ વૃદ્ધિ પરનો મુખ્ય અવરોધ ડેટાની ઉપલબ્ધતામાંથી બદલાઈને પાવરની ઉપલબ્ધતા તરફ જઈ રહ્યો છે. Rao એવી દલીલ કરે છે કે આગામી વર્ષોમાં ઊર્જા AI માટે "મૂળભૂત મર્યાદા" બની જશે, જે કેટલી બુદ્ધિ (intelligence) તૈનાત કરી શકાય તેની સામે એક કડક મર્યાદા ઊભી કરશે.

Unconventional AI એક સંપૂર્ણ inference stack બનાવીને આ સમસ્યાનો સામનો કરવાની યોજના ધરાવે છે. રોડમેપમાં નીચેનાનો સમાવેશ થાય છે:

• ભૌતિક oscillator-based ચિપ્સ વિકસાવવી અને તેમના schematics બહાર પાડવા.
• આ પ્રોપ્રાઇટરી ચિપ્સથી બનેલી સંપૂર્ણ સિસ્ટમ્સ બનાવવી.
• કમ્પ્યુટ ક્ષમતાને સેવા (as a service) તરીકે પૂરી પાડવી, જ્યાં વપરાશકર્તાઓ નેટવર્ક કેબલ દ્વારા પ્રોમ્પ્ટ્સ મોકલે છે અને વર્તમાન પાવર ખર્ચના 1/1000મા ભાગમાં inferences મેળવે છે.

જોકે કંપની 50 થી ઓછા કર્મચારીઓ સાથે નાની છે, પરંતુ તેનું મિશન સમગ્ર AI ક્ષેત્ર જે સૌથી મોટી વ્યાપક આર્થિક (macroeconomic) અવરોધનો સામનો કરી રહ્યું છે તે છે: વીજળીનો અસહ્ય ખર્ચ.

મુખ્ય મુદ્દાઓ

• ક્રાંતિકારી હાર્ડવેર ફેરફાર: Unconventional AI AI inference ને ઓપ્ટિમાઇઝ કરવા માટે પરંપરાગત સિલિકોનથી દૂર જઈને oscillator-based આર્કિટેક્ચર તરફ આગળ વધી રહ્યું છે.
• સાબિત થયેલ પ્રદર્શન: કંપનીનું Un0 મોડેલ દર્શાવે છે કે આ નવું આર્કિટેક્ચર Stable Diffusion જેવા ઉદ્યોગના અગ્રણીઓની ઇમેજ-જનરેશન ક્ષમતાઓ સાથે મેળ ખાઈ શકે છે.
• ઊર્જા સંકટનો ઉકેલ: અંતિમ ધ્યેય AI પાવર વપરાશમાં 1,000 ગણો ઘટાડો કરવાનો છે, જે AI સ્કેલિંગને મર્યાદિત કરવાની ભીતિ ધરાવતા ઊર્જાના અવરોધને દૂર કરશે.