कथित तौर पर Apple, Khosla Ventures द्वारा समर्थित स्टार्टअप PrismML के साथ अपने इकोसिस्टम में उन्नत मॉडल कंप्रेशन तकनीक को एकीकृत करने के लिए प्रारंभिक चर्चा कर रहा है। इस कदम का उद्देश्य परिष्कृत आर्टिफिशियल इंटेलिजेंस को सीधे iPhone पर लाना है, जिससे मोबाइल हार्डवेयर की सीमाओं और आधुनिक लार्ज लैंग्वेज मॉडल्स (LLMs) की विशाल कम्प्यूटेशनल आवश्यकताओं के बीच के अंतर को पाटा जा सके।

ऑन-डिवाइस AI की बाधा को हल करना

जैसे-जैसे Apple iOS 18 और एक नए डिज़ाइन वाले Siri को रोल आउट कर रहा है, कंपनी को एक महत्वपूर्ण तकनीकी बाधा का सामना करना पड़ रहा है: उच्च-प्रदर्शन वाले AI मॉडल्स को आमतौर पर मेमोरी और प्रोसेसिंग पावर की भारी मात्रा की आवश्यकता होती है जो मानक स्मार्टफोन की क्षमताओं से अधिक होती है। PrismML की तकनीक को एकीकृत करके, Apple प्रोसेसिंग को क्लाउड से हटाकर सीधे डिवाइस पर लाने का प्रयास कर रहा है।

Apple की रणनीतिक स्थिति के लिए यह बदलाव महत्वपूर्ण है। ऑन-डिवाइस AI लेटेंसी (latency) को कम करता है, महंगे क्लाउड कंप्यूटिंग खर्चों को घटाता है, और यह सुनिश्चित करके Apple के गोपनीयता (privacy) के मूल वादे को मजबूत करता है कि संवेदनशील उपयोगकर्ता डेटा हैंडसेट पर ही रहे। इसके अलावा, यह प्रमुख AI फीचर्स को सक्रिय इंटरनेट कनेक्शन के बिना भी काम करने की अनुमति देता है।

PrismML विशाल AI मॉडल्स को कैसे छोटा करता है

PrismML, जिसकी शुरुआत California Institute of Technology के शोध से हुई थी, मॉडल के आंतरिक मानों (internal values) के संग्रहीत होने के तरीके को सरल बनाने की एक परिष्कृत विधि का उपयोग करता है। जबकि पारंपरिक तरीके आंकड़ों को 16 बिट से 4 बिट तक कम कर सकते हैं, PrismML इसे एक कदम आगे ले जाता है, प्रत्येक आंकड़े को केवल एक या तीन संभावित मानों तक कम कर देता है।

दक्षता में होने वाली वृद्धि काफी अधिक है। PrismML ने हाल ही में Alibaba के ओपन-सोर्स Qwen मॉडल को 54 GB से घटाकर 4 GB से भी कम करके इसका प्रदर्शन किया है। यह कंप्रेशन मॉडल के सभी 27 बिलियन पैरामीटर्स को iPhone 15 या उससे नए मॉडल पर चलाने की अनुमति देता है। CEO Babak Hassibi के अनुसार, ये कंप्रेस्ड मॉडल्स कई प्रदर्शन लाभ प्रदान करते हैं:

  • Memory Efficiency: 15 गुना तक कम मेमोरी का उपयोग करता है।
  • Speed: छह से आठ गुना तेजी से चलता है।
  • Power Consumption: छह गुना तक कम ऊर्जा की खपत करता है।

हालांकि Hassibi ने प्रदर्शन में मामूली गिरावट—विशेष रूप से तथ्यात्मक रिकॉल (factual recall) के संबंध में—नोट की, लेकिन मॉडल्स रीजनिंग और कोडिंग क्षमताओं में उच्च दक्षता बनाए रखते हैं।

सेमीकंडक्टर और हार्डवेयर बाजारों के लिए निहितार्थ

Apple जैसे दिग्गज द्वारा ऐसी कंप्रेशन तकनीक को अपनाए जाने से हार्डवेयर निर्माताओं के परिदृश्य में बदलाव आ सकता है। वर्तमान में, Morgan Stanley जैसे विश्लेषक भविष्यवाणी करते हैं कि AI को सपोर्ट करने के लिए Apple की मेमोरी लागत वित्त वर्ष 2027 तक तेजी से बढ़ सकती है, जिससे iPhone की कीमतें बढ़ सकती हैं।

हालांकि, यदि PrismML की तकनीक एक मानक बन जाती है, तो स्मार्टफोन में विशाल मेमोरी मॉड्यूल की मांग कम हो सकती है, भले ही हाई-स्पीड, कुशल लोकल प्रोसेसिंग की आवश्यकता बढ़ जाए। जैसे-जैसे PrismML Google के Gemma जैसे अन्य प्रमुख मॉडल्स को कंप्रेस करने की दिशा में बढ़ रहा है, लक्ष्य स्पष्ट है: उच्च-स्तरीय इंटेलिजेंस को उपभोक्ता हार्डवेयर पर स्थानीय, तेज़ और सुलभ बनाना।

मुख्य बातें

  • Massive Compression: PrismML एक 54 GB AI मॉडल को 4 GB से भी कम में सिकोड़ सकता है, जिससे यह iPhone 15 जैसे हाई-एंड स्मार्टफोन के लिए व्यवहार्य हो जाता है।
  • Efficiency Gains: यह तकनीक 15 गुना तक कम मेमोरी उपयोग और 6 गुना कम ऊर्जा खपत का वादा करती है, जो AI कार्यों के दौरान बैटरी लाइफ बनाए रखने के लिए महत्वपूर्ण है।
  • Privacy and Speed: AI को क्लाउड से डिवाइस पर ले जाने से लेटेंसी कम होगी और उपयोगकर्ता की गोपनीयता बढ़ेगी, जो Apple के प्रोडक्ट दर्शन का एक आधार स्तंभ है।

जोखिम और खुले प्रश्न

PrismML के परिणाम आशाजनक हैं लेकिन अभी शुरुआती चरण में हैं।

आगे क्या देखें

  • आधिकारिक पुष्टि: Apple ने अभी तक किसी साझेदारी की घोषणा नहीं की है, इसलिए ऑन-डिवाइस LLMs के बारे में कोई भी प्रेस विज्ञप्ति या iOS 18 बीटा नोट एक महत्वपूर्ण संकेत होगा।

निष्कर्ष: PrismML का कंप्रेशन iPhones को मेमोरी बढ़ाए बिना या बैटरी खत्म किए बिना वास्तव में बड़े लैंग्वेज मॉडल्स को होस्ट करने की अनुमति दे सकता है, जिससे तेज़ और निजी AI अनुभव मिलेंगे।