LLM-ലെ ക്വാഡ്രാറ്റിക് കുരുക്ക് പരിഹരിക്കുന്നതിൽ Subquadratic വലിയ മുന്നേറ്റം അവകാശപ്പെടുന്നു

ഏകദേശം ഒരു പതിറ്റാണ്ടായി Large Language Models (LLMs)-നെ പരിമിതപ്പെടുത്തിയിരുന്ന ഒരു ഗണിതശാസ്ത്രപരമായ പരിമിതി പരിഹരിച്ചതായി അവകാശപ്പെട്ടുകൊണ്ട്, മിയാമി ആസ്ഥാനമായുള്ള സ്റ്റാർട്ടപ്പായ Subquadratic ഇപ്പോൾ AI വ്യവസായത്തിൽ വലിയ ചർച്ചകൾക്ക് വഴിയൊരുക്കിയിരിക്കുകയാണ്. തുടക്കത്തിൽ വലിയ സംശയങ്ങൾ നിലനിന്നിരുന്നെങ്കിലും, അവരുടെ പുതിയ "SubQ" ആർക്കിടെക്ചർ ജനറേറ്റീവ് AI-യുടെ രീതിശാസ്ത്രത്തിൽ അടിസ്ഥാനപരമായ മാറ്റം വരുത്താൻ സാധ്യതയുണ്ടെന്ന് സമീപകാലത്തെ സ്വതന്ത്രമായ പരിശോധനകൾ സൂചിപ്പിക്കുന്നു.

പ്രശ്നം: Dense Attention-ന്റെ ക്വാഡ്രാറ്റിക് ചിലവ്

Subquadratic-ന്റെ അവകാശവാദത്തിന്റെ പ്രാധാന്യം മനസ്സിലാക്കാൻ, 2017-ൽ ഗൂഗിൾ അവതരിപ്പിച്ച "Transformer" ആർക്കിടെക്ചറിനെക്കുറിച്ച് അറിഞ്ഞിരിക്കണം. മിക്ക ആധുനിക LLM-കളും dense attention എന്ന സംവിധാനത്തെയാണ് ആശ്രയിക്കുന്നത്. ഈ പ്രക്രിയയിൽ, സന്ദർഭം (context) മനസ്സിലാക്കുന്നതിനായി ഒരു ക്രമത്തിലെ (sequence) ഓരോ ടോക്കണും (വാക്കോ വാക്കിന്റെ ഭാഗമോ) മറ്റെല്ലാ ടോക്കണുകളുമായും ഗുണനത്തിന് വിധേയമാക്കുന്നു.

ഇത് 'ക്വാഡ്രാറ്റിക് എക്സ്പാൻഷൻ' (quadratic expansion) എന്നറിയപ്പെടുന്ന വലിയൊരു കമ്പ്യൂട്ടേഷണൽ ഭാരമുണ്ടാക്കുന്നു. ഒരു ടെക്സ്റ്റിന്റെ നീളം ഇരട്ടിയാക്കിയാൽ, കമ്പ്യൂട്ടേഷണൽ ആവശ്യകത ഏകദേശം നാല് മടങ്ങ് വർദ്ധിക്കുന്നു. 10,000 വാക്കുകളുള്ള ഒരു ഡോക്യുമെന്റിന്, മോഡൽ ഏകദേശം 5 കോടി (50 million) ഗുണനങ്ങളാണ് നടത്തേണ്ടത്. ദീർഘമായ സന്ദർഭങ്ങൾ (contexts) പ്രോസസ്സ് ചെയ്യുന്നതിന് വൻതോതിലുള്ള ഊർജ്ജവും വിലകൂടിയ ഹാർഡ്‌വെയറും ആവശ്യമായതിനാൽ, LLM-കൾ അമിതമായി ഊർജ്ജം ഉപയോഗിക്കുന്നവ (power hogs) ആണെന്നത് ഈ കാര്യക്ഷമതയില്ലായ്മയുടെ പ്രധാന കാരണമാണ്.

പരിഹാരം: Sparse Attention ഉപയോഗിച്ചുള്ള സ്കെയിലിംഗ്

Dense attention ഒഴിവാക്കി sparse attention ഉപയോഗിക്കാനാണ് Subquadratic-ന്റെ SubQ മോഡൽ ലക്ഷ്യമിടുന്നത്. വാക്കുകൾ തമ്മിലുള്ള എല്ലാ ബന്ധങ്ങളും ഒരു ഡോക്യുമെന്റ് മനസ്സിലാക്കാൻ നിർണ്ണായകമല്ല എന്നതാണ് ഇതിന്റെ അടിസ്ഥാന തത്വം. ഓരോ ടോക്കണും മറ്റെല്ലാ ടോക്കണുകളുമായും ഗുണിക്കുന്നതിന് പകരം, ഏറ്റവും പ്രസക്തമായ ബന്ധങ്ങൾ മാത്രം തിരഞ്ഞെടുത്ത് കണക്കുകൂട്ടുകയാണ് sparse attention ചെയ്യുന്നത്.

"Sparse attention" എന്നത് പുതിയൊരു ആശയമല്ലെങ്കിലും, മുൻപത്തെ ശ്രമങ്ങൾ dense-attention മോഡലുകളിൽ കാണപ്പെടുന്ന ഉയർന്ന നിലവാരത്തിലുള്ള യുക്തിചിന്തയും (reasoning) സൂക്ഷ്മതയും (nuance) നിലനിർത്തുന്നതിൽ പരാജയപ്പെട്ടിരുന്നു. ബുദ്ധിശക്തിയിലുള്ള കുറവുണ്ടാക്കാതെ തന്നെ sparse attention-ന്റെ കാര്യക്ഷമത നൽകുന്ന ഒരു മോഡൽ നിർമ്മിച്ചുകൊണ്ട് ഈ വിടവ് നികത്തിയതായി Subquadratic അവകാശപ്പെടുന്നു.

അവകാശവാദങ്ങൾ ശരിവെക്കുന്നു: Appen-ൽ നിന്നുള്ള ഫലങ്ങൾ

തുടക്കത്തിലെ സംശയങ്ങൾക്ക് പിന്നാലെ—ചില വിമർശകർ തെളിവുകളില്ലാത്ത ഈ അവകാശവാദങ്ങളെ "AI Theranos"-നോട് ഉപമിച്ചിരുന്നു—പ്രമുഖ AI മൂല്യനിർണ്ണയ സ്ഥാപനമായ Appen നൽകിയ തേർഡ് പാർട്ടി ബെഞ്ച്മാർക്കുകൾ Subquadratic പുറത്തുവിട്ടിട്ടുണ്ട്. Appen-ന്റെ സ്വതന്ത്രമായ പരിശോധനകൾ SubQ ആർക്കിടെക്ചറിനെ ശരിവെക്കുകയും, ഈ കണ്ടെത്തലുകളെ "അമ്പരപ്പിക്കുന്നതായും" (shocking) ഒരു വലിയ "ഗെയിം ചേഞ്ചറായും" (game changer) വിശേഷിപ്പിക്കുകയും ചെയ്തിട്ടുണ്ട്.

According to the startup, SubQ offers several transformative technical advantages:

  • Context Window: SubQ can process up to 12 times more text at once compared to most current models, making it ideal for analyzing entire codebases or massive document libraries.
  • Performance: Despite the leaner architecture, SubQ matches the performance of industry leaders like OpenAI, Google DeepMind, and Anthropic on critical tasks such as coding.
  • Efficiency: The model is significantly faster, cheaper, and more energy-efficient than existing transformer-based models.

A New Era Beyond Transformers?

Subquadratic is not just looking to optimize current models; they are looking to replace the foundational architecture of the industry. CEO Justin Dangel has stated that the company believes the era of building on Transformers may be coming to an end. If SubQ can continue to prove its efficacy at scale, the transition from dense to sparse attention could represent the most significant shift in AI architecture since the invention of the Transformer itself.

Key Takeaways

  • Breaking the Quadratic Barrier: SubQ uses sparse attention to avoid the exponential increase in computation required by traditional dense attention.
  • Superior Context Handling: The model can process 12x more data at once, enabling deep analysis of large-scale datasets and long-form code.
  • Verified Efficiency: Independent testing by Appen confirms that SubQ achieves high-tier performance (matching OpenAI and Google) at a fraction of the cost and energy.