Unconventional AI, Yapay Zeka Güç Tüketimini 1.000 Kat Azaltmayı Hedefliyor
Yapay zekaya yönelik küresel talebin mevcut enerji arzını aşma tehdidi oluşturduğu bir dönemde, yeni bir girişim donanım mimarisinin kurallarını yeniden yazmaya çalışıyor. Eski Databricks yapay zeka yöneticisi Naveen Rao liderliğindeki Unconventional AI, sektörün yaklaşan enerji krizini çözmek için radikal ve yeni bir hesaplama yöntemine güveniyor.
Geleneksel Silikon Mimarilerinin Ötesine Geçmek
Unconventional AI'nin misyonunun temelinde, şu anda Büyük Dil Modellerini (LLM'ler) ve difüzyon modellerini besleyen geleneksel çiplerden uzaklaşması yatıyor. Sektör büyük ölçüde mevcut GPU ve TPU mimarilerini optimize etmeye odaklanmışken, Rao ve ekibi osilatör tabanlı bir bilgisayar mimarisi kullanarak her şeyi sıfırdan inşa ediyor.
Bu yaklaşım, standart dijital hesaplamada kullanılan transistörlerden temelden farklıdır. Şirket, osilatörlerden yararlanarak çıkarım (inference) işlemlerini eşi benzeri görülmemiş bir verimlilikle gerçekleştirmeyi hedefliyor. Rao, bu değişimin yapay zeka çıkarımı için gereken güç tüketimini nihayetinde 1.000 kata kadar azaltabileceğini ve yapay zekayı enerji yoğun bir yük olmaktan çıkarıp sürdürülebilir bir hizmete dönüştürebileceğini öne sürüyor.
Un0: Osilatör Tabanlı Hesaplamanın "Hello World"ü
Bu radikal donanım konseptinin uygulanabilirliğini kanıtlamak için şirket, kısa süre önce ilk modeli Un0'ı tanıttı. Un0 şu anda şirketin hedeflediği osilatör çiplerinin bir yazılım simülasyonu üzerinde çalışıyor olsa da sonuçlar oldukça önemli. Model, Stable Diffusion veya OpenAI'ın GPT Image 1'i gibi son teknoloji difüzyon modellerinin performansını taklit eden bir görüntü oluşturma sistemidir.
Bu sürümü yeni bir bilgisayar türünün "hello world"ü olarak tanımlayan Rao, amacın tamamen farklı bir donanım mantığının hala yüksek kaliteli ve yüksek sadakatli çıktılar üretebileceğini kanıtlamak olduğunu vurguladı. Eşlik eden araştırma makalesi, bu simüle edilmiş mimarinin karmaşık üretken görevleri nasıl başarıyla yerine getirebileceğini ayrıntılarıyla açıklayarak fiziksel donanımın izleyeceği yol haritasını sunuyor.
Yapay Zeka Ölçeklendirmesindeki Enerji Darboğazını Çözmek
Bu gelişmenin zamanlaması kritik bir öneme sahip. Yapay zeka modelleri parametre sayısı ve karmaşıklık açısından ölçeklendikçe, büyüme üzerindeki temel kısıtlama veri kullanılabilirliğinden güç kullanılabilirliğine kayıyor. Rao, enerjinin önümüzdeki yıllarda yapay zeka için "temel sınır" haline geleceğini ve ne kadar zekanın devreye alınabileceği konusunda katı bir tavan oluşturacağını savunuyor.
Unconventional AI, eksiksiz bir çıkarım yığını (inference stack) inşa ederek bu sorunu çözmeyi planlıyor. Yol haritası şunları içeriyor:
- Fiziksel osilatör tabanlı çipler geliştirmek ve şemalarını yayınlamak.
- Bu tescilli çiplerden oluşan bütün sistemler inşa etmek.
- Kullanıcıların bir ağ kablosu üzerinden istemler (prompt) gönderdiği ve çıkarımları mevcut güç maliyetinin 1/1000'i oranında aldığı bir hizmet olarak hesaplama kapasitesi sağlamak.
Şirket 50'den az çalışanla yalın bir yapıda kalsa da misyonu, tüm yapay zeka sektörünün karşı karşıya olduğu en önemli makroekonomik engeli, yani sürdürülemez elektrik maliyetini ele alıyor.
Önemli Çıkarımlar
- Radikal Donanım Değişimi: Unconventional AI, yapay zeka çıkarımını optimize etmek için geleneksel silikondan uzaklaşarak osilatör tabanlı bir mimariye geçiyor.
- Kanıtlanmış Performans: Şirketin Un0 modeli, bu yeni mimarinin Stable Diffusion gibi sektör liderlerinin görüntü oluşturma yetenekleriyle eşleşebileceğini gösteriyor.
- Enerji Krizini Çözmek: Nihai hedef, yapay zeka ölçeklendirmesini sınırlama tehdidi taşıyan yaklaşan enerji darboğazını ele alarak yapay zeka güç tüketimini 1.000 kat azaltmaktır.