AI విద్యుత్ వినియోగాన్ని 1,000 రెట్లు తగ్గించాలని Unconventional AI లక్ష్యం
కృత్రిమ మేధ (AI) యొక్క ప్రపంచవ్యాప్త డిమాండ్ అందుబాటులో ఉన్న ఇంధన సరఫరా కంటే వేగంగా పెరిగే ప్రమాదం ఉన్నందున, ఒక కొత్త స్టార్టప్ హార్డ్వేర్ ఆర్కిటెక్చర్ నియమాలను మార్చడానికి ప్రయత్నిస్తోంది. మాజీ Databricks AI చీఫ్ Naveen Rao నేతృత్వంలోని Unconventional AI, పరిశ్రమ ఎదుర్కొంటున్న ఇంధన సంక్షోభాన్ని పరిష్కరించడానికి ఒక వినూత్నమైన కొత్త కంప్యూటింగ్ పద్ధతిపై పందెం వేస్తోంది.
సాంప్రదాయ సిలికాన్ ఆర్కిటెక్చర్ల నుండి ముందుకు
Unconventional AI యొక్క ప్రధాన లక్ష్యం ప్రస్తుతం Large Language Models (LLMs) మరియు diffusion మోడళ్లకు శక్తినిచ్చే సాంప్రదాయ చిప్ల నుండి భిన్నంగా ఉండటం. పరిశ్రమ ప్రధానంగా ప్రస్తుతం ఉన్న GPU మరియు TPU ఆర్కిటెక్చర్లను మెరుగుపరచడంపై దృష్టి సారించినప్పటికీ, Rao మరియు అతని బృందం 'ఆసిలేటర్-ఆధారిత' (oscillator-based) కంప్యూటర్ ఆర్కిటెక్చర్ను ఉపయోగించి మొదటి నుండి కొత్తగా నిర్మిస్తున్నారు.
ఈ విధానం సాధారణ డిజిటల్ కంప్యూటింగ్లో ఉపయోగించే ట్రాన్సిస్టర్ల కంటే ప్రాథమికంగా భిన్నమైనది. ఆసిలేటర్లను ఉపయోగించడం ద్వారా, అపూర్వమైన సామర్థ్యంతో ఇన్ఫరెన్స్ ప్రాసెసింగ్ను (inference processing) నిర్వహించాలని కంపెనీ లక్ష్యంగా పెట్టుకుంది. ఈ మార్పు వల్ల AI ఇన్ఫరెన్స్కు అవసరమైన విద్యుత్ వినియోగాన్ని 1,000 రెట్లు తగ్గించవచ్చని, తద్వారా AIని శక్తి వినియోగం ఎక్కువగా ఉండే భారంగా కాకుండా, ఒక స్థిరమైన సదుపాయంగా మార్చవచ్చని Rao అభిప్రాయపడుతున్నారు.
Un0: ఆసిలేటర్-ఆధారిత కంప్యూటింగ్కు "Hello World"
ఈ వినూత్న హార్డ్వేర్ భావన యొక్క సాధ్యతను నిరూపించడానికి, కంపెనీ ఇటీవల తన మొదటి మోడల్ Un0ను ఆవిష్కరించింది. Un0 ప్రస్తుతం కంపెనీ రూపొందించబోయే ఆసిలేటర్ చిప్ల సాఫ్ట్వేర్ సిమ్యులేషన్పై నడుస్తున్నప్పటికీ, దీని ఫలితాలు గణనీయంగా ఉన్నాయి. ఈ మోడల్ ఒక ఇమేజ్-జనరేషన్ సిస్టమ్, ఇది Stable Diffusion లేదా OpenAI యొక్క GPT Image 1 వంటి అత్యాధునిక diffusion మోడళ్ల పనితీరును అనుకరిస్తుంది.
ఈ విడుదలను ఒక కొత్త రకమైన కంప్యూటర్ యొక్క "hello world"గా అభివర్ణిస్తూ, పూర్తిగా భిన్నమైన హార్డ్వేర్ లాజిక్ కూడా అధిక నాణ్యత కలిగిన అవుట్పుట్లను అందించగలదని నిరూపించడమే లక్ష్యమని Rao నొక్కి చెప్పారు. ఈ సిమ్యులేటెడ్ ఆర్కిటెక్చర్ సంక్లిష్టమైన జనరేటివ్ పనులను ఎలా విజయవంతంగా నిర్వహించగలదో ఈ పరిశోధనా పత్రం వివరిస్తుంది, ఇది భౌతిక హార్డ్వేర్ కోసం ఒక రోడ్మ్యాప్ను అందిస్తుంది.
AI స్కేలింగ్లో ఇంధన అడ్డంకిని పరిష్కరించడం
ఈ అభివృద్ధి యొక్క సమయం చాలా కీలకం. AI మోడళ్ల పారామీటర్ల సంఖ్య మరియు సంక్లిష్టత పెరిగేకొద్దీ, వృద్ధికి ప్రధాన అడ్డంకి డేటా లభ్యత నుండి విద్యుత్ లభ్యత వైపు మారుతోంది. రాబోయే సంవత్సరాల్లో ఇంధనం AIకి "ప్రాథమిక పరిమితి"గా మారుతుందని, తద్వారా ఎంత మేర మేధస్సును (intelligence) వినియోగించవచ్చనే దానిపై ఒక పరిమితి ఏర్పడుతుందని Rao వాదిస్తున్నారు.
Unconventional AI ఒక పూర్తి ఇన్ఫరెన్స్ స్టాక్ను నిర్మించడం ద్వారా దీనిని ఎదుర్కోవాలని యోచిస్తోంది. దీని రోడ్మ్యాప్లో ఇవి ఉన్నాయి:
- భౌతిక ఆసిలేటర్-ఆధారిత చిప్లను అభివృద్ధి చేయడం మరియు వాటి స్కెమాటిక్స్ను విడుదల చేయడం.
- ఈ ప్రొప్రైటరీ చిప్లతో కూడిన పూర్తి వ్యవస్థలను నిర్మించడం.
- కంప్యూట్ సామర్థ్యాన్ని ఒక సేవగా (compute capacity as a service) అందించడం, ఇక్కడ వినియోగదారులు నెట్వర్క్ కేబుల్ ద్వారా ప్రాంప్ట్లను పంపి, ప్రస్తుత విద్యుత్ ఖర్చులో 1/1000 వంతు ఖర్చుతో ఇన్ఫరెన్స్లను పొందవచ్చు.
ఈ కంపెనీలో 50 కంటే తక్కువ మంది ఉద్యోగులు మాత్రమే ఉన్నప్పటికీ, దీని లక్ష్యం మొత్తం AI రంగం ఎదుర్కొంటున్న అతిపెద్ద ఆర్థిక సవాలు అయిన విద్యుత్ యొక్క అసాధారణ ఖర్చును పరిష్కరించడానికి ప్రయత్నిస్తోంది.
ముఖ్య అంశాలు
- వినూత్న హార్డ్వేర్ మార్పు: AI ఇన్ఫరెన్స్ను ఆప్టిమైజ్ చేయడానికి Unconventional AI సాంప్రదాయ సిలికాన్ నుండి ఆసిలేటర్-ఆధారిత ఆర్కిటెక్చర్ వైపు మళ్లుతోంది.
- నిరూపితమైన పనితీరు: కంపెనీ యొక్క Un0 మోడల్, ఈ కొత్త ఆర్కిటెక్చర్ Stable Diffusion వంటి పరిశ్రమ అగ్రగామిల ఇమేజ్-జనరేషన్ సామర్థ్యాలను అందుకోగలదని నిరూపిస్తుంది.
- ఇంధన సంక్షోభ పరిష్కారం: AI స్కేలింగ్ను పరిమితం చేసే ఇంధన అడ్డంకిని పరిష్కరిస్తూ, AI విద్యుత్ వినియోగాన్ని 1,000 రెట్లు తగ్గించడమే దీని అంతిమ లక్ష్యం.