Unconventional AI चा उद्देश AI वीज वापर १,००० पटीने कमी करणे आहे

कृत्रिम बुद्धिमत्तेची (AI) जागतिक मागणी उपलब्ध ऊर्जा पुरवठ्यापेक्षा वेगाने वाढण्याची शक्यता असल्याने, एक नवीन स्टार्टअप हार्डवेअर आर्किटेक्चरचे नियम बदलण्याचा प्रयत्न करत आहे. Databricks चे माजी AI प्रमुख नवीन राव (Naveen Rao) यांच्या नेतृत्वाखालील Unconventional AI, उद्योगातील आगामी ऊर्जा संकट सोडवण्यासाठी एका क्रांतिकारी नवीन संगणन पद्धतीवर (computing method) विश्वास ठेवत आहे.

पारंपारिक सिलिकॉन आर्किटेक्चरच्या पलीकडे जाणे

Unconventional AI च्या मोहिमेचा गाभा सध्या Large Language Models (LLMs) आणि डिफ्यूजन मॉडेल्सना (diffusion models) चालवणाऱ्या पारंपारिक चिप्सपासून वेगळे होण्यात आहे. उद्योग प्रामुख्याने विद्यमान GPU आणि TPU आर्किटेक्चरच्या ऑप्टिमायझेशनवर लक्ष केंद्रित करत असताना, राव आणि त्यांची टीम 'ऑसिलेटर-आधारित' (oscillator-based) कॉम्प्युटर आर्किटेक्चर वापरून शून्यापासून नवीन प्रणाली तयार करत आहेत.

हा दृष्टिकोन मानक डिजिटल कॉम्प्युटिंगमध्ये वापरल्या जाणाऱ्या ट्रान्झिस्टरपेक्षा मूलभूतपणे वेगळा आहे. ऑसिलेटर्सचा वापर करून, कंपनी अभूतपूर्व कार्यक्षमतेसह इन्फरन्स प्रोसेसिंग (inference processing) करण्याचे उद्दिष्ट ठेवत आहे. राव यांच्या मते, या बदलामुळे AI इन्फरन्ससाठी लागणारा वीज वापर शेवटी १,००० पटीने कमी होऊ शकतो, ज्यामुळे AI हे ऊर्जा-केंद्रित ओझे न राहता एक शाश्वत उपयुक्तता (sustainable utility) बनेल.

Un0: ऑसिलेटर-आधारित कॉम्प्युटिंगचे "Hello World"

या क्रांतिकारी हार्डवेअर संकल्पनेची व्यवहार्यता सिद्ध करण्यासाठी, कंपनीने नुकतेच आपले पहिले मॉडेल, Un0 सादर केले आहे. जरी Un0 सध्या कंपनीच्या नियोजित ऑसिलेटर चिप्सच्या सॉफ्टवेअर सिम्युलेशनवर चालत असले, तरी त्याचे परिणाम लक्षणीय आहेत. हे मॉडेल एक इमेज-जनरेशन सिस्टम आहे जे Stable Diffusion किंवा OpenAI च्या GPT Image 1 सारख्या अत्याधुनिक डिफ्यूजन मॉडेल्सची कामगिरी हुबेहूब करते.

या रिलीजचे वर्णन एका नवीन प्रकारच्या संगणकाचे "hello world" असे करत, राव यांनी यावर भर दिला की, पूर्णपणे वेगळे हार्डवेअर लॉजिक देखील उच्च-गुणवत्तेचे आणि अचूक आउटपुट देऊ शकते हे सिद्ध करणे हे त्यांचे ध्येय होते. सोबतच्या संशोधन पेपरमध्ये हे तपशील दिले आहेत की, हे सिम्युलेटेड आर्किटेक्चर कशा प्रकारे जटिल जनरेटिव्ह कार्ये यशस्वीरित्या हाताळू शकते, जे प्रत्यक्ष हार्डवेअरसाठी एक रोडमॅप प्रदान करते.

AI स्केलिंगमधील ऊर्जा अडथळा (Energy Bottleneck) सोडवणे

या विकासाची वेळ अत्यंत महत्त्वाची आहे. जसजसे AI मॉडेल्सचे पॅरामीटर काउंट आणि जटिलता वाढत आहे, तसतसा वाढीवरील मुख्य अडथळा डेटा उपलब्धतेकडून ऊर्जा उपलब्धतेकडे वळत आहे. राव यांचा असा युक्तिवाद आहे की, येत्या काही वर्षांत ऊर्जा हे AI साठी "मूलभूत मर्यादा" (fundamental limit) बनेल, ज्यामुळे किती बुद्धिमत्ता तैनात केली जाऊ शकते यावर एक मर्यादा येईल.

Unconventional AI एक संपूर्ण इन्फरन्स स्टॅक (inference stack) तयार करून यावर मात करण्याचा विचार करत आहे. यामध्ये खालील गोष्टींचा समावेश आहे:

  • भौतिक ऑसिलेटर-आधारित चिप्स विकसित करणे आणि त्यांचे स्कीमॅटिक्स (schematics) प्रसिद्ध करणे.
  • या प्रोप्रायटरी चिप्सपासून बनलेली संपूर्ण प्रणाली तयार करणे.
  • सेवा म्हणून कॉम्प्युट क्षमता (compute capacity) प्रदान करणे, जिथे वापरकर्ते नेटवर्क केबलद्वारे प्रॉम्प्ट्स पाठवू शकतील आणि सध्याच्या वीज खर्चाच्या १/१००० व्या भागात इन्फरन्स प्राप्त करू शकतील.

कंपनीमध्ये ५० पेक्षा कमी कर्मचारी असूनही, तिचे ध्येय संपूर्ण AI क्षेत्रासमोर असलेल्या सर्वात मोठ्या मॅक्रोइकॉनॉमिक (macroeconomic) अडथळ्याला संबोधित करते: विजेचा खर्च जो शाश्वत नाही.

मुख्य मुद्दे (Key Takeaways)

  • क्रांतिकारी हार्डवेअर बदल: Unconventional AI, AI इन्फरन्स ऑप्टिमाइझ करण्यासाठी पारंपारिक सिलिकॉनपासून दूर जाऊन ऑसिलेटर-आधारित आर्किटेक्चरकडे वळत आहे.
  • सिद्ध कामगिरी: कंपनीचे Un0 मॉडेल हे सिद्ध करते की हे नवीन आर्किटेक्चर Stable Diffusion सारख्या उद्योगातील आघाडीच्या कंपन्यांच्या इमेज-जनरेशन क्षमतेशी स्पर्धा करू शकते.
  • ऊर्जा संकट सोडवणे: अंतिम ध्येय AI वीज वापर १,००० पटीने कमी करणे हे आहे, ज्यामुळे AI स्केलिंगला मर्यादा आणणाऱ्या आगामी ऊर्जा अडथळ्यावर मात करता येईल.