Unconventional AI ਦਾ ਟੀਚਾ AI ਦੀ ਬਿਜਲੀ ਦੀ ਖਪਤ ਨੂੰ 1,000 ਗੁਣਾ ਘਟਾਉਣਾ ਹੈ

ਜਿਵੇਂ-ਜਿਵੇਂ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਦੀ ਵਿਸ਼ਵਵਿਆਪੀ ਮੰਗ ਉਪਲਬਧ ਊਰਜਾ ਸਪਲਾਈ ਤੋਂ ਵੱਧ ਜਾਣ ਦਾ ਖਤਰਾ ਬਣ ਰਹੀ ਹੈ, ਇੱਕ ਨਵਾਂ ਸਟਾਰਟਅੱਪ ਹਾਰਡਵੇਅਰ ਆਰਕੀਟੈਕਚਰ ਦੇ ਨਿਯਮਾਂ ਨੂੰ ਦੁਬਾਰਾ ਲਿਖਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਿਹਾ ਹੈ। Databricks ਦੇ ਸਾਬਕਾ AI ਮੁਖੀ Naveen Rao ਦੀ ਅਗਵਾਈ ਹੇਠ, Unconventional AI ਉਦਯੋਗ ਦੇ ਆਉਣ ਵਾਲੇ ਊਰਜਾ ਸੰਕਟ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਇੱਕ ਕ੍ਰਾਂਤੀਕਾਰੀ ਨਵੇਂ ਕੰਪਿਊਟਿੰਗ ਤਰੀਕੇ 'ਤੇ ਭਰੋਸਾ ਕਰ ਰਿਹਾ ਹੈ।

ਰਵਾਇਤੀ ਸਿਲੀਕਾਨ ਆਰਕੀਟੈਕਚਰ ਤੋਂ ਅੱਗੇ ਵਧਣਾ

Unconventional AI ਦੇ ਮਿਸ਼ਨ ਦਾ ਮੁੱਖ ਉਦੇਸ਼ ਉਨ੍ਹਾਂ ਰਵਾਇਤੀ ਚਿੱਪਾਂ ਤੋਂ ਦੂਰ ਹੋਣਾ ਹੈ ਜੋ ਵਰਤਮਾਨ ਵਿੱਚ Large Language Models (LLMs) ਅਤੇ diffusion models ਨੂੰ ਚਲਾਉਂਦੀਆਂ ਹਨ। ਜਦੋਂ ਕਿ ਉਦਯੋਗ ਜ਼ਿਆਦਾਤਰ ਮੌਜੂਦਾ GPU ਅਤੇ TPU ਆਰਕੀਟੈਕਚਰ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰ ਰਿਹਾ ਹੈ, Rao ਅਤੇ ਉਨ੍ਹਾਂ ਦੀ ਟੀਮ oscillator-based ਕੰਪਿਊਟਰ ਆਰਕੀਟੈਕਚਰ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜ਼ੀਰੋ ਤੋਂ ਸ਼ੁਰੂਆਤ ਕਰ ਰਹੀ ਹੈ।

ਇਹ ਪਹੁੰਚ ਸਟੈਂਡਰਡ ਡਿਜੀਟਲ ਕੰਪਿਊਟਿੰਗ ਵਿੱਚ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਟ੍ਰਾਂਜ਼ਿਸਟਰਾਂ ਤੋਂ ਬੁਨਿਆਦੀ ਤੌਰ 'ਤੇ ਵੱਖਰੀ ਹੈ। Oscillators ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਕੰਪਨੀ ਦਾ ਟੀਚਾ ਬੇਮਿਸਾਲ ਕੁਸ਼ਲਤਾ ਨਾਲ inference processing ਕਰਨਾ ਹੈ। Rao ਦਾ ਮੰਨਣਾ ਹੈ ਕਿ ਇਹ ਤਬਦੀਲੀ ਅੰਤ ਵਿੱਚ AI inference ਲਈ ਲੋੜੀਂਦੀ ਬਿਜਲੀ ਦੀ ਖਪਤ ਨੂੰ 1,000 ਗੁਣਾ ਤੱਕ ਘਟਾ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ AI ਨੂੰ ਇੱਕ ਊਰਜਾ-ਗੁਜ਼ਾਰੀ ਬੋਝ ਤੋਂ ਇੱਕ ਟਿਕਾਊ ਸਹੂਲਤ ਵਿੱਚ ਬਦਲਿਆ ਜਾ ਸਕਦਾ ਹੈ।

Un0: Oscillator-Based Computing ਦਾ "Hello World"

ਇਸ ਕ੍ਰਾਂਤੀਕਾਰੀ ਹਾਰਡਵੇਅਰ ਸੰਕਲਪ ਦੀ ਵਿਵਹਾਰਕਤਾ ਨੂੰ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਨ ਲਈ, ਕੰਪਨੀ ਨੇ ਹਾਲ ਹੀ ਵਿੱਚ ਆਪਣਾ ਪਹਿਲਾ ਮਾਡਲ, Un0, ਪੇਸ਼ ਕੀਤਾ ਹੈ। ਹਾਲਾਂਕਿ Un0 ਵਰਤਮਾਨ ਵਿੱਚ ਕੰਪਨੀ ਦੀਆਂ ਸੰਭਾਵਿਤ oscillator ਚਿੱਪਾਂ ਦੇ ਸਾਫਟਵੇਅਰ ਸਿਮੂਲੇਸ਼ਨ 'ਤੇ ਚੱਲਦਾ ਹੈ, ਪਰ ਨਤੀਜੇ ਮਹੱਤਵਪੂਰਨ ਹਨ। ਇਹ ਮਾਡਲ ਇੱਕ image-generation ਸਿਸਟਮ ਹੈ ਜੋ Stable Diffusion ਜਾਂ OpenAI ਦੇ GPT Image 1 ਵਰਗੇ ਅਤਿ-ਆਧੁਨਿਕ diffusion models ਦੀ ਕਾਰਗੁਜ਼ਾਰੀ ਦੀ ਨਕਲ ਕਰਦਾ ਹੈ।

ਇਸ ਰਿਲੀਜ਼ ਨੂੰ ਇੱਕ ਨਵੇਂ ਕਿਸਮ ਦੇ ਕੰਪਿਊਟਰ ਦਾ "hello world" ਦੱਸਦੇ ਹੋਏ, Rao ਨੇ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਕਿ ਮਕਸਦ ਇਹ ਸਾਬਤ ਕਰਨਾ ਸੀ ਕਿ ਇੱਕ ਬਿਲਕੁਲ ਵੱਖਰਾ ਹਾਰਡਵੇਅਰ ਲੌਜਿਕ ਅਜੇ ਵੀ ਉੱਚ-ਗੁਣਵੱਤਾ ਵਾਲੇ ਅਤੇ ਸਹੀ (high-fidelity) ਆਉਟਪੁੱਟ ਦੇ ਸਕਦਾ ਹੈ। ਨਾਲ ਦਿੱਤਾ ਗਿਆ ਰਿਸਰਚ ਪੇਪਰ ਵਿਸਥਾਰ ਵਿੱਚ ਦੱਸਦਾ ਹੈ ਕਿ ਕਿਵੇਂ ਇਹ ਸਿਮੂਲੇਟਡ ਆਰਕੀਟੈਕਚਰ ਗੁੰਝਲਦਾਰ generative ਕੰਮਾਂ ਨੂੰ ਸਫਲਤਾਪੂਰਵਕ ਸੰਭਾਲ ਸਕਦਾ ਹੈ, ਜੋ ਕਿ ਭੌਤਿਕ ਹਾਰਡਵੇਅਰ ਲਈ ਇੱਕ ਰੋਡਮੈਪ ਪ੍ਰਦਾਨ ਕਰਦਾ ਹੈ।

AI Scaling ਵਿੱਚ ਊਰਜਾ ਦੀ ਰੁਕਾਵਟ ਨੂੰ ਹੱਲ ਕਰਨਾ

ਇਸ ਵਿਕਾਸ ਦਾ ਸਮਾਂ ਬਹੁਤ ਮਹੱਤਵਪੂਰਨ ਹੈ। ਜਿਵੇਂ-ਜਿਵੇਂ AI ਮਾਡਲਾਂ ਦੇ ਪੈਰਾਮੀਟਰਾਂ ਦੀ ਗਿਣਤੀ ਅਤੇ ਗੁੰਝਲਦਾਰਤਾ ਵਧ ਰਹੀ ਹੈ, ਵਿਕਾਸ 'ਤੇ ਮੁੱਖ ਰੁਕਾਵਟ ਡਾਟਾ ਦੀ ਉਪਲਬਧਤਾ ਤੋਂ ਹਟ ਕੇ ਬਿਜਲੀ ਦੀ ਉਪਲਬਧਤਾ ਵੱਲ ਜਾ ਰਹੀ ਹੈ। Rao ਦਾ ਤਰਕ ਹੈ ਕਿ ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਵਿੱਚ ਊਰਜਾ AI ਲਈ "ਮੁਢਲੀ ਸੀਮਾ" ਬਣ ਜਾਵੇਗੀ, ਜਿਸ ਨਾਲ ਇਹ ਨਿਰਧਾਰਤ ਹੋਵੇਗਾ ਕਿ ਕਿੰਨੀ ਬੁੱਧੀ (intelligence) ਤਾਇਨਾਤ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।

Unconventional AI ਇੱਕ ਪੂਰਾ inference stack ਬਣਾ ਕੇ ਇਸ ਦਾ ਸਾਹਮਣਾ ਕਰਨ ਦੀ ਯੋਜਨਾ ਬਣਾ ਰਹੀ ਹੈ। ਰੋਡਮੈਪ ਵਿੱਚ ਸ਼ਾਮਲ ਹਨ:

• ਭੌਤਿਕ oscillator-based ਚਿੱਪਾਂ ਵਿਕਸਿਤ ਕਰਨਾ ਅਤੇ ਉਹਨਾਂ ਦੇ ਸਕੀਮੈਟਿਕਸ (schematics) ਜਾਰੀ ਕਰਨਾ।
• ਇਹਨਾਂ ਪ੍ਰੋਪਰਾਈਟਰੀ ਚਿੱਪਾਂ ਤੋਂ ਬਣੇ ਪੂਰੇ ਸਿਸਟਮ ਬਣਾਉਣਾ।
• ਇੱਕ ਸੇਵਾ ਵਜੋਂ ਕੰਪਿਊਟ ਸਮਰੱਥਾ ਪ੍ਰਦਾਨ ਕਰਨਾ, ਜਿੱਥੇ ਉਪਭੋਗਤਾ ਨੈੱਟਵਰਕ ਕੇਬਲ ਰਾਹੀਂ ਪ੍ਰੋਂਪਟ ਭੇਜ ਸਕਦੇ ਹਨ ਅਤੇ ਮੌਜੂਦਾ ਬਿਜਲੀ ਦੀ ਲਾਗਤ ਦੇ 1/1000ਵੇਂ ਹਿੱਸੇ 'ਤੇ ਇਨਫਰੈਂਸ ਪ੍ਰਾਪਤ ਕਰ ਸਕਦੇ ਹਨ।

ਹਾਲਾਂਕਿ ਕੰਪਨੀ 50 ਤੋਂ ਘੱਟ ਕਰਮਚਾਰੀਆਂ ਨਾਲ ਇੱਕ ਛੋਟੀ ਟੀਮ ਵਜੋਂ ਕੰਮ ਕਰ ਰਹੀ ਹੈ, ਪਰ ਇਸਦਾ ਮਿਸ਼ਨ ਪੂਰੇ AI ਖੇਤਰ ਦੇ ਸਾਹਮਣੇ ਆ ਰਹੀ ਸਭ ਤੋਂ ਵੱਡੀ ਮੈਕਰੋ-ਇਕੋਨੋਮਿਕ (macroeconomic) ਰੁਕਾਵਟ ਨੂੰ ਹੱਲ ਕਰਦਾ ਹੈ: ਬਿਜਲੀ ਦੀ ਅਸਹਿਣਯੋਗ ਲਾਗਤ।

ਮੁੱਖ ਗੱਲਾਂ

• ਕ੍ਰਾਂਤੀਕਾਰੀ ਹਾਰਡਵੇਅਰ ਤਬਦੀਲੀ: Unconventional AI AI inference ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ ਲਈ ਰਵਾਇਤੀ ਸਿਲੀਕਾਨ ਤੋਂ ਦੂਰ ਹੋ ਕੇ oscillator-based ਆਰਕੀਟੈਕਚਰ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ।
• ਸਾਬਤ ਕੀਤੀ ਗਈ ਕਾਰਗੁਜ਼ਾਰੀ: ਕੰਪਨੀ ਦਾ Un0 ਮਾਡਲ ਇਹ ਪ੍ਰਦਰਸ਼ਿਤ ਕਰਦਾ ਹੈ ਕਿ ਇਹ ਨਵਾਂ ਆਰਕੀਟੈਕਚਰ Stable Diffusion ਵਰਗੇ ਉਦਯੋਗ ਦੇ ਮੋਹਰੀਆਂ ਦੀ image-generation ਸਮਰੱਥਾ ਦੇ ਬਰਾਬਰ ਹੋ ਸਕਦਾ ਹੈ।
• ਊਰਜਾ ਸੰਕਟ ਦਾ ਹੱਲ: ਅੰਤਿਮ ਟੀਚਾ AI ਦੀ ਬਿਜਲੀ ਦੀ ਖਪਤ ਨੂੰ 1,000 ਗੁਣਾ ਘਟਾਉਣਾ ਹੈ, ਜਿਸ ਨਾਲ ਊਰਜਾ ਦੀ ਉਸ ਰੁਕਾਵਟ ਨੂੰ ਹੱਲ ਕੀਤਾ ਜਾ ਸਕੇ ਜੋ AI scaling ਨੂੰ ਸੀਮਤ ਕਰਨ ਦਾ ਖਤਰਾ ਪੈਦਾ ਕਰ ਰਹੀ ਹੈ।