আইবিএম-এর ব্রেন-অনুপ্রাণিত অ্যানালগ চিপের লক্ষ্য AI আরও টেকসই করা

চ্যাটজিপিটি, ডাল-ই, স্থিতিশীল বিস্তার, এবং অন্যান্য জেনারেটিভ এআই ঝড়ের মাধ্যমে বিশ্বকে নিয়ে গেছে। তারা চমত্কার কবিতা এবং চিত্র তৈরি করে। তারা বিপণন থেকে শুরু করে আইনি সংক্ষিপ্ত বিবরণ এবং ড্রাগ আবিষ্কার লেখা পর্যন্ত আমাদের বিশ্বের প্রতিটি প্রান্তে প্রবেশ করছে। তাদের মনে হচ্ছে একটি ম্যান-মেশিন মাইন্ড মেল্ড সাফল্যের গল্পের পোস্টার চাইল্ড।

কিন্তু ফণা অধীনে, জিনিস কম পীচী দেখাচ্ছে. এই সিস্টেমগুলি বিশাল শক্তির হগ, যার জন্য ডেটা সেন্টারের প্রয়োজন হয় যা হাজার হাজার টন কার্বন নির্গমনকে থুতু দেয়-আরও ইতিমধ্যে একটি অস্থির জলবায়ুকে চাপ দেয়-এবং বিলিয়ন ডলার চুষে নেয়। নিউরাল নেটওয়ার্কগুলি আরও পরিশীলিত এবং আরও ব্যাপকভাবে ব্যবহৃত হওয়ার সাথে সাথে শক্তির খরচ আরও বেশি হওয়ার সম্ভাবনা রয়েছে।

জেনারেটিভ এআই-এর উপর প্রচুর কালি ছড়িয়ে পড়েছে কার্বন পদচিহ্ন. এর শক্তির চাহিদা এর পতন হতে পারে, এটি আরও বৃদ্ধির সাথে সাথে বিকাশকে বাধাগ্রস্ত করতে পারে। বর্তমান হার্ডওয়্যার ব্যবহার করে, জেনারেটিভ AI "যদি এটি স্ট্যান্ডার্ড কম্পিউটিং হার্ডওয়্যারের উপর নির্ভর করতে থাকে তবে শীঘ্রই স্থবির হয়ে যাবে বলে আশা করা হচ্ছে," বলেছেন ইন্টেল ল্যাবসে ডঃ হেচেন ওয়াং।

আমাদের টেকসই এআই তৈরি করার সময় এসেছে।

এই সপ্তাহ, একটি গবেষণা আইবিএম থেকে সেই দিকে একটি বাস্তব পদক্ষেপ নিয়েছে। তারা 14 মিলিয়ন মেমরি ইউনিট সহ একটি 35-ন্যানোমিটার এনালগ চিপ তৈরি করেছে। বর্তমান চিপগুলির বিপরীতে, গণনা সরাসরি সেই ইউনিটগুলির মধ্যে ঘটে, যা ডাটাকে সামনে পিছনে শাটল করার প্রয়োজনকে নিক্সিং করে - পালাক্রমে শক্তি সঞ্চয় করে।

ডাটা শাটলিং প্রকৃত গণনার জন্য যা প্রয়োজন তার থেকে 3 থেকে 10,000 গুণ বেশি শক্তি খরচ বাড়াতে পারে, ওয়াং বলেছেন।

দুটি স্পিচ রিকগনিশন টাস্কের সাথে চ্যালেঞ্জ করার সময় চিপটি অত্যন্ত দক্ষ ছিল। এক, গুগল স্পিচ কমান্ড, ছোট কিন্তু ব্যবহারিক। এখানে, গতি চাবিকাঠি. অন্যটি, Librispeech, একটি বিশাল সিস্টেম যা বক্তৃতাকে পাঠ্যে প্রতিলিপিতে সাহায্য করে, চিপের বিপুল পরিমাণ ডেটা প্রক্রিয়া করার ক্ষমতাকে ট্যাক্স করে।

যখন প্রচলিত কম্পিউটারের বিপরীতে দাঁড় করানো হয়, তখন চিপটি সমানভাবে নির্ভুলভাবে কাজ করে কিন্তু কাজটি দ্রুত এবং অনেক কম শক্তির সাথে শেষ করে, কিছু কাজের জন্য সাধারণত যা প্রয়োজন তার দশমাংশেরও কম ব্যবহার করে।

"এগুলি, আমাদের জানার জন্য, একটি বাণিজ্যিকভাবে প্রাসঙ্গিক মডেলে বাণিজ্যিকভাবে প্রাসঙ্গিক নির্ভুলতার স্তরের প্রথম প্রদর্শনী... দক্ষতা এবং ব্যাপক সমান্তরালতার সাথে" একটি এনালগ চিপের জন্য, দলটি বলেছে৷

ব্রেইনি বাইটস

এটি কমই প্রথম এনালগ চিপ। যাইহোক, এটি নিউরোমর্ফিক কম্পিউটিং এর ধারণাটিকে বাস্তবতার জগতে ঠেলে দেয়—একটি চিপ যা একদিন আপনার ফোন, স্মার্ট হোম এবং অন্যান্য ডিভাইসকে মস্তিষ্কের কাছাকাছি দক্ষতার সাথে শক্তি দিতে পারে।

উম, কি? ব্যাক আপ চলুন.

বর্তমান কম্পিউটারের উপর নির্মিত হয় ভন নিউমান আর্কিটেকচার. এটিকে একাধিক কক্ষ সহ একটি ঘর হিসাবে ভাবুন। এক, কেন্দ্রীয় প্রক্রিয়াকরণ ইউনিট (সিপিইউ), ডেটা বিশ্লেষণ করে। আরেকজন মেমরি সঞ্চয় করে।

প্রতিটি গণনার জন্য, কম্পিউটারকে সেই দুটি কক্ষের মধ্যে ডেটা শাটল করতে হবে এবং এতে সময় এবং শক্তি লাগে এবং দক্ষতা হ্রাস পায়।

মস্তিষ্ক, বিপরীতে, একটি স্টুডিও অ্যাপার্টমেন্টে গণনা এবং মেমরি উভয়ই একত্রিত করে। এর মাশরুম-সদৃশ সংযোগস্থল, যাকে সিন্যাপ্স বলা হয়, উভয়ই নিউরাল নেটওয়ার্ক গঠন করে এবং একই স্থানে স্মৃতি সঞ্চয় করে। Synapses অত্যন্ত নমনীয়, সংরক্ষিত মেমরি এবং নতুন শিক্ষার উপর ভিত্তি করে তারা অন্যান্য নিউরনের সাথে কতটা দৃঢ়ভাবে সংযোগ স্থাপন করে — "ওজন" নামক একটি সম্পত্তি। এই সিনাপটিক ওজনগুলিকে সামঞ্জস্য করার মাধ্যমে আমাদের মস্তিষ্ক দ্রুত একটি পরিবর্তনশীল পরিবেশের সাথে খাপ খাইয়ে নেয়।

আইবিএম ডিজাইনিং এর অগ্রভাগে রয়েছে এনালগ চিপস যে অনুকরণ মস্তিষ্কের গণনা. একটি যুগান্তকারী 2016 সালে এসেছিল, যখন তারা একটি আকর্ষণীয় উপাদানের উপর ভিত্তি করে একটি চিপ প্রবর্তন করে যা সাধারণত পুনর্লিখনযোগ্য সিডিগুলিতে পাওয়া যায়। বিদ্যুতের সাথে জ্যাপ করা হলে উপাদানটি তার ভৌত অবস্থা এবং আকৃতি পরিবর্তন করে একটি গুপি স্যুপ থেকে স্ফটিক-সদৃশ কাঠামোতে - ডিজিটাল 0 এবং 1 এর মতো।

এখানে কী: চিপটি হাইব্রিড অবস্থায়ও থাকতে পারে। অন্য কথায়, বায়োলজিক্যাল সিন্যাপসের মতো, কৃত্রিমটি বিভিন্ন ওজনের অগণিত এনকোড করতে পারে-কেবল বাইনারি নয়-এটি এক বিট ডেটা স্থানান্তর না করে একাধিক গণনা জমা করার অনুমতি দেয়।

জ্যাকিল এবং হাইড

ফেজ-পরিবর্তন উপকরণ ব্যবহার করে পূর্ববর্তী কাজের উপর নির্মিত নতুন গবেষণা। মৌলিক উপাদানগুলি হল "মেমরি টাইলস।" প্রতিটি একটি গ্রিড কাঠামোতে হাজার হাজার ফেজ-পরিবর্তন উপকরণ দিয়ে জ্যাম-প্যাকড। টাইলস সহজেই একে অপরের সাথে যোগাযোগ করে।

প্রতিটি টাইল একটি প্রোগ্রামেবল স্থানীয় নিয়ন্ত্রক দ্বারা নিয়ন্ত্রিত হয়, যা দলটিকে নির্ভুলতার সাথে - একটি নিউরনের অনুরূপ উপাদানটিকে টুইক করার অনুমতি দেয়৷ চিপটি ক্রমানুসারে শত শত কমান্ড সঞ্চয় করে, একটি কালো বাক্স তৈরি করে যা তাদের পুনরায় খনন করতে এবং এর কার্যকারিতা বিশ্লেষণ করতে দেয়।

সামগ্রিকভাবে, চিপটিতে 35 মিলিয়ন ফেজ-চেঞ্জ মেমরি স্ট্রাকচার রয়েছে। সংযোগের পরিমাণ ছিল 45 মিলিয়ন সিন্যাপ্স - মানুষের মস্তিষ্ক থেকে অনেক দূরে, কিন্তু 14-ন্যানোমিটার চিপে খুব চিত্তাকর্ষক।

এই মন-মানসিক সংখ্যাগুলি এআই চিপ শুরু করার জন্য একটি সমস্যা উপস্থাপন করে: অনুসন্ধান করার জন্য খুব বেশি প্যারামিটার রয়েছে। দলটি গণনা শুরু করার আগে এআই কিন্ডারগার্টেন, প্রাক-প্রোগ্রামিং সিনাপটিক ওজনের পরিমাণ নিয়ে সমস্যাটি মোকাবেলা করেছে। (এটি রান্না করার আগে একটি নতুন কাস্ট-আয়রন প্যানে সিজন করার মতো।)

তারা "হার্ডওয়্যারের সুবিধা এবং সীমাবদ্ধতাগুলিকে মাথায় রেখে তাদের নেটওয়ার্ক-প্রশিক্ষণের কৌশলগুলি তৈরি করেছে" এবং তারপরে সবচেয়ে অনুকূল ফলাফলের জন্য ওজন নির্ধারণ করেছে, ওয়াং ব্যাখ্যা করেছেন, যিনি গবেষণায় জড়িত ছিলেন না।

এটা কাজ আউট. একটি প্রাথমিক পরীক্ষায়, চিপটি প্রতিটি ওয়াটের শক্তির জন্য প্রতি সেকেন্ডে 12.4 ট্রিলিয়ন অপারেশনের মাধ্যমে সহজেই মন্থন করে। শক্তি খরচ "সবচেয়ে শক্তিশালী সিপিইউ এবং জিপিইউগুলির তুলনায় দশগুণ বা এমনকি শতগুণ বেশি," ওয়াং বলেছেন।

চিপটি মেমরি টাইলগুলিতে মাত্র কয়েকটি ক্লাসিক্যাল হার্ডওয়্যার উপাদান সহ গভীর নিউরাল নেটওয়ার্কের অন্তর্নিহিত একটি মূল গণনামূলক প্রক্রিয়াকে পেরেক দিয়েছিল। বিপরীতে, ঐতিহ্যগত কম্পিউটারের জন্য শত শত বা হাজার হাজার ট্রানজিস্টর প্রয়োজন (একটি মৌলিক ইউনিট যা গণনা করে)।

টক অফ দ্য টাউন

দলটি পরবর্তীতে চিপটিকে দুটি স্পিচ রিকগনিশন টাস্কে চ্যালেঞ্জ করেছিল। প্রত্যেকে চিপের একটি ভিন্ন দিকে জোর দিয়েছে।

তুলনামূলকভাবে ছোট ডাটাবেসের সাথে চ্যালেঞ্জ করার সময় প্রথম পরীক্ষাটি গতি ছিল। ব্যবহার করে গুগল স্পিচ কমান্ড ডাটাবেস, কাজটির জন্য AI চিপকে প্রায় 12 ক্লিপের একটি সেটে 65,000টি কীওয়ার্ড খুঁজে বের করতে হবে হাজার হাজার লোকের 30টি ছোট শব্দ ("ছোট" গভীর শিক্ষার মহাবিশ্বে আপেক্ষিক)। একটি স্বীকৃত বেঞ্চমার্ক ব্যবহার করার সময়-এমএলপারফ- চিপটি সাত গুণ দ্রুত কাজ করেছে আগের কাজের তুলনায়.

একটি বড় ডাটাবেসের সাথে চ্যালেঞ্জ করার সময় চিপটিও জ্বলজ্বল করে, লিব্রিস্পিচ. কর্পাসটিতে 1,000 ঘন্টারও বেশি পঠিত ইংরেজি বক্তৃতা রয়েছে যা সাধারণত ভাষ্য পার্সিং এবং স্বয়ংক্রিয় স্পিচ-টু-টেক্সট ট্রান্সক্রিপশনের জন্য AI প্রশিক্ষণের জন্য ব্যবহৃত হয়।

সামগ্রিকভাবে, দলটি 45 মিলিয়ন ফেজ-চেঞ্জ ডিভাইস থেকে ডেটা ব্যবহার করে অবশেষে 140 মিলিয়নেরও বেশি ওজন এনকোড করতে পাঁচটি চিপ ব্যবহার করেছে। প্রচলিত হার্ডওয়্যারের বিপরীতে চিপটি মোটামুটি 14 গুণ বেশি শক্তি-দক্ষ ছিল-প্রতি ওয়াট প্রতি সেকেন্ডে প্রায় 550টি নমুনা প্রক্রিয়াকরণ করা হয় শক্তি খরচ-এর সাথে ত্রুটির হার 9 শতাংশেরও বেশি।

যদিও চিত্তাকর্ষক, অ্যানালগ চিপগুলি এখনও তাদের শৈশবকালে রয়েছে। তারা "AI এর সাথে যুক্ত টেকসই সমস্যা মোকাবেলার জন্য বিশাল প্রতিশ্রুতি দেখায়," ওয়াং বলেন, তবে এগিয়ে যাওয়ার পথে আরও কয়েকটি বাধা দূর করতে হবে।

একটি ফ্যাক্টর হল মেমরি টেকনোলজির ডিজাইন এবং এর আশেপাশের উপাদানগুলিকে জরিমানা করা—অর্থাৎ, কীভাবে চিপ তৈরি করা হয়। আইবিএম-এর নতুন চিপে এখনও প্রয়োজনীয় সমস্ত উপাদান নেই। এর কার্যকারিতা বজায় রাখার সময় একটি পরবর্তী গুরুত্বপূর্ণ পদক্ষেপ হল একটি একক চিপে সবকিছুকে একীভূত করা।

সফ্টওয়্যারের দিকে, আমাদের অ্যালগরিদমেরও প্রয়োজন হবে যা বিশেষভাবে অ্যানালগ চিপগুলির জন্য উপযোগী করে এবং সফ্টওয়্যার যা মেশিনগুলি বুঝতে পারে এমন ভাষায় কোডকে সহজেই অনুবাদ করে৷ যেহেতু এই চিপগুলি ক্রমবর্ধমানভাবে বাণিজ্যিকভাবে কার্যকর হয়ে উঠছে, ডেডিকেটেড অ্যাপ্লিকেশনগুলি বিকাশ করা একটি অ্যানালগ চিপের ভবিষ্যতের স্বপ্নকে বাঁচিয়ে রাখবে৷

"কম্পিউটেশনাল ইকোসিস্টেমগুলিকে আকৃতি দিতে কয়েক দশক সময় লেগেছে যেখানে CPU এবং GPU গুলি সফলভাবে কাজ করে," ওয়াং বলেছেন৷ "এবং অ্যানালগ AI এর জন্য একই ধরণের পরিবেশ স্থাপন করতে সম্ভবত কয়েক বছর সময় লাগবে।"

চিত্র ক্রেডিট: আইবিএম-এর জন্য রায়ান ল্যাভিন

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। মোটরগাড়ি / ইভি, কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• চার্টপ্রাইম। ChartPrime এর সাথে আপনার ট্রেডিং গেমটি উন্নত করুন। এখানে প্রবেশ করুন.
• ব্লকঅফসেট। পরিবেশগত অফসেট মালিকানার আধুনিকীকরণ। এখানে প্রবেশ করুন.
• উত্স: https://singularityhub.com/2023/08/25/ibms-brain-inspired-analog-chip-aims-to-make-ai-more-sustainable/