Unconventional AI کا مقصد AI بجلی کے استعمال میں 1,000 گنا کمی لانا ہے

چونکہ مصنوعی ذہانت (AI) کی عالمی طلب دستیاب توانائی کی فراہمی سے تجاوز کرنے کا خطرہ پیدا کر رہی ہے، ایک نیا اسٹارٹ اپ ہارڈ ویئر آرکیٹیکچر کے اصولوں کو نئے سرے سے لکھنے کی کوشش کر رہا ہے۔ Databricks کے سابق AI سربراہ Naveen Rao کی قیادت میں، Unconventional AI صنعت کے بڑھتے ہوئے توانائی کے بحران کو حل کرنے کے لیے ایک انقلابی نئے کمپیوٹنگ طریقے پر بھروسہ کر رہا ہے۔

روایتی سلیکون آرکیٹیکچرز سے آگے بڑھنا

Unconventional AI کے مشن کا بنیادی مقصد ان روایتی چپس سے ہٹنا ہے جو اس وقت Large Language Models (LLMs) اور diffusion models کو طاقت فراہم کرتی ہیں۔ اگرچہ صنعت کا زیادہ تر مرکز موجودہ GPU اور TPU آرکیٹیکچرز کو بہتر بنانے پر رہا ہے، لیکن Rao اور ان کی ٹیم ایک oscillator-based کمپیوٹر آرکیٹیکچر کا استعمال کرتے ہوئے بالکل نئے سرے سے بنیاد رکھ رہے ہیں۔

یہ طریقہ کار معیاری ڈیجیٹل کمپیوٹنگ میں استعمال ہونے والے ٹرانزسٹرز سے بنیادی طور پر مختلف ہے۔ Oscillators کا فائدہ اٹھاتے ہوئے، کمپنی کا مقصد بے مثال کارکردگی کے ساتھ inference processing کرنا ہے۔ Rao کا خیال ہے کہ یہ تبدیلی بالآخر AI inference کے لیے درکار بجلی کے استعمال کو 1,000 گنا تک کم کر سکتی ہے، جس سے AI ایک توانائی کے بھاری بوجھ سے بدل کر ایک پائیدار سہولت بن جائے گا۔

Un0: Oscillator-Based کمپیوٹنگ کا "Hello World"

اس انقلابی ہارڈ ویئر تصور کی عملی صلاحیت کو ثابت کرنے کے لیے، کمپنی نے حال ہی میں اپنا پہلا ماڈل، Un0، متعارف کرایا ہے۔ اگرچہ Un0 فی الحال کمپنی کے مجوزہ oscillator چپس کے سافٹ ویئر سیمولیشن پر چل رہا ہے، لیکن اس کے نتائج انتہائی اہم ہیں۔ یہ ماڈل ایک امیج جنریشن سسٹم ہے جو Stable Diffusion یا OpenAI کے GPT Image 1 جیسے جدید ترین diffusion models کی کارکردگی کی نقل کرتا ہے۔

اس ریلیز کو ایک نئے قسم کے کمپیوٹر کا "hello world" قرار دیتے ہوئے، Rao نے اس بات پر زور دیا کہ مقصد یہ ثابت کرنا تھا کہ ایک بالکل مختلف ہارڈ ویئر لاجک بھی اعلیٰ معیار اور درست نتائج فراہم کر سکتی ہے۔ اس کے ساتھ منسلک تحقیقی مقالہ تفصیل سے بتاتا ہے کہ یہ سیمولیٹڈ آرکیٹیکچر کس طرح پیچیدہ جنریٹیو ٹاسک کو کامیابی سے سنبھال سکتا ہے، جو کہ فزیکل ہارڈ ویئر کے لیے ایک روڈ میپ فراہم کرتا ہے۔

AI Scaling میں توانائی کے رکاوٹ کا حل

اس ترقی کا وقت انتہائی اہم ہے۔ جیسے جیسے AI ماڈلز پیرامیٹر کی تعداد اور پیچیدگی میں بڑھ رہے ہیں، ترقی پر بنیادی رکاوٹ ڈیٹا کی دستیابی سے ہٹ کر بجلی کی دستیابی کی طرف منتقل ہو رہی ہے۔ Rao کا استدلال ہے کہ آنے والے سالوں میں توانائی AI کے لیے "بنیادی حد" بن جائے گی، جو اس بات پر ایک سخت حد مقرر کر دے گی کہ کتنی ذہانت (intelligence) کو استعمال کیا جا سکتا ہے۔

Unconventional AI ایک مکمل inference stack بنا کر اس مسئلے سے نمٹنے کا منصوبہ رکھتی ہے۔ روڈ میپ میں شامل ہے:

  • فزیکل oscillator-based چپس تیار کرنا اور ان کے خاکے (schematics) جاری کرنا۔
  • ان ملکیتی (proprietary) چپس پر مشتمل مکمل سسٹمز بنانا۔
  • کمپیوٹ کی صلاحیت بطور سروس فراہم کرنا، جہاں صارفین نیٹ ورک کیبل کے ذریعے پرامپٹس (prompts) بھیجیں گے اور موجودہ بجلی کے اخراجات کے 1/1000 حصے پر انفرنسز حاصل کریں گے۔

اگرچہ کمپنی 50 سے کم ملازمین کے ساتھ ایک مختصر ٹیم ہے، لیکن اس کا مشن پورے AI سیکٹر کو درپیش سب سے بڑے میکرو اکنامک (macroeconomic) مسئلے کو حل کرتا ہے: بجلی کی ناقابل برداشت قیمت۔

اہم نکات

  • انقلابی ہارڈ ویئر تبدیلی: Unconventional AI AI inference کو بہتر بنانے کے لیے روایتی سلیکون سے ہٹ کر ایک oscillator-based آرکیٹیکچر کی طرف بڑھ رہی ہے۔
  • ثابت شدہ کارکردگی: کمپنی کا Un0 ماڈل ظاہر کرتا ہے کہ یہ نیا آرکیٹیکچر Stable Diffusion جیسے صنعت کے رہنماؤں کی امیج جنریشن کی صلاحیتوں کا مقابلہ کر سکتا ہے۔
  • توانائی کے بحران کا حل: حتمی مقصد AI بجلی کے استعمال کو 1,000 گنا کم کرنا ہے، تاکہ توانائی کے اس بڑھتے ہوئے بحران کو حل کیا جا سکے جو AI scaling کو محدود کرنے کا خطرہ رکھتا ہے۔