आईबीएम के मस्तिष्क से प्रेरित एनालॉग चिप का लक्ष्य एआई को और अधिक टिकाऊ बनाना है

ChatGPT, DALL-E, स्थिर प्रसार, और अन्य जेनेरिक एआई ने दुनिया में तूफान ला दिया है। वे शानदार कविता और चित्र बनाते हैं। वे विपणन से लेकर कानूनी विवरण लिखने और दवा की खोज तक, हमारी दुनिया के हर कोने में घुसपैठ कर रहे हैं। वे मानव-मशीन मस्तिष्क मिश्रण की सफलता की कहानी के पोस्टर चाइल्ड की तरह प्रतीत होते हैं।

लेकिन हुड के नीचे, चीजें कम आकर्षक दिख रही हैं। ये सिस्टम बड़े पैमाने पर ऊर्जा हॉग हैं, जिनके लिए डेटा केंद्रों की आवश्यकता होती है जो हजारों टन कार्बन उत्सर्जन उगलते हैं - पहले से ही अस्थिर जलवायु पर और दबाव डालते हैं - और अरबों डॉलर चूसते हैं। जैसे-जैसे तंत्रिका नेटवर्क अधिक परिष्कृत और अधिक व्यापक रूप से उपयोग किए जाते हैं, ऊर्जा की खपत और भी अधिक बढ़ने की संभावना है।

जेनरेटिव एआई पर बहुत सारी स्याही बिखरी हुई है कार्बन पदचिह्न. इसकी ऊर्जा मांग इसके पतन का कारण बन सकती है, जो आगे बढ़ने पर विकास में बाधा बन सकती है। वर्तमान हार्डवेयर का उपयोग करते हुए, जेनेरेटिव एआई के "जल्द ही बंद होने की उम्मीद है यदि यह मानक कंप्यूटिंग हार्डवेयर पर निर्भर रहना जारी रखता है," कहा इंटेल लैब्स में डॉ. हेचेन वांग।

अब समय आ गया है कि हम टिकाऊ एआई का निर्माण करें।

इस हफ्ते, एक खोज आईबीएम ने उस दिशा में एक व्यावहारिक कदम उठाया। उन्होंने 14 मिलियन मेमोरी यूनिट से भरी 35-नैनोमीटर एनालॉग चिप बनाई। वर्तमान चिप्स के विपरीत, गणना सीधे उन इकाइयों के भीतर होती है, जिससे डेटा को आगे और पीछे ले जाने की आवश्यकता समाप्त हो जाती है - जिससे ऊर्जा की बचत होती है।

वांग ने कहा, डेटा शट्लिंग से ऊर्जा की खपत वास्तविक गणना के लिए आवश्यक मात्रा से 3 से 10,000 गुना तक बढ़ सकती है।

दो वाक् पहचान कार्यों के साथ चुनौती दिए जाने पर चिप अत्यधिक कुशल थी। एक, Google स्पीच कमांड, छोटा लेकिन व्यावहारिक है। यहाँ, गति प्रमुख है. दूसरा, लाइब्रिस्पीच, एक विशाल प्रणाली है जो भाषण को पाठ में स्थानांतरित करने में मदद करती है, जिससे भारी मात्रा में डेटा को संसाधित करने की चिप की क्षमता पर असर पड़ता है।

जब पारंपरिक कंप्यूटरों के सामने खड़ा किया गया, तो चिप ने समान रूप से सटीक प्रदर्शन किया, लेकिन काम को तेजी से और बहुत कम ऊर्जा के साथ पूरा किया, जो कुछ कार्यों के लिए सामान्य रूप से आवश्यक दसवें हिस्से से भी कम का उपयोग करता था।

टीम ने कहा, "हमारी जानकारी के अनुसार, ये एनालॉग चिप के लिए व्यावसायिक रूप से प्रासंगिक मॉडल पर दक्षता और बड़े पैमाने पर समानता के साथ व्यावसायिक रूप से प्रासंगिक सटीकता स्तरों का पहला प्रदर्शन है।"

दिमागदार बाइट्स

यह शायद पहली एनालॉग चिप है. हालाँकि, यह न्यूरोमॉर्फिक कंप्यूटिंग के विचार को व्यावहारिकता के दायरे में धकेलता है - एक चिप जो एक दिन आपके फोन, स्मार्ट होम और अन्य उपकरणों को मस्तिष्क के बराबर दक्षता के साथ शक्ति प्रदान कर सकती है।

उम्म क्या? चलिए वापस चलते हैं।

वर्तमान कंप्यूटरों का निर्माण किस पर किया जाता है? वॉन न्यूमैन वास्तुकला. इसे कई कमरों वाला एक घर समझें। एक, सेंट्रल प्रोसेसिंग यूनिट (सीपीयू), डेटा का विश्लेषण करती है। दूसरा मेमोरी स्टोर करता है.

प्रत्येक गणना के लिए, कंप्यूटर को उन दो कमरों के बीच डेटा को आगे-पीछे करने की आवश्यकता होती है, और इसमें समय और ऊर्जा लगती है और दक्षता कम हो जाती है।

इसके विपरीत, मस्तिष्क गणना और स्मृति दोनों को एक स्टूडियो अपार्टमेंट में जोड़ता है। इसके मशरूम जैसे जंक्शन, जिन्हें सिनैप्स कहा जाता है, दोनों तंत्रिका नेटवर्क बनाते हैं और यादों को एक ही स्थान पर संग्रहीत करते हैं। सिनैप्स अत्यधिक लचीले होते हैं, वे संग्रहीत स्मृति और नई सीखों के आधार पर समायोजित करते हैं कि वे अन्य न्यूरॉन्स के साथ कितनी मजबूती से जुड़ते हैं - एक संपत्ति जिसे "वजन" कहा जाता है। हमारा दिमाग इन सिनैप्टिक भारों को समायोजित करके तेजी से बदलते परिवेश के अनुकूल ढल जाता है।

आईबीएम डिजाइनिंग के मामले में सबसे आगे रहा है एनालॉग चिप्स वह नकल मस्तिष्क गणना. एक सफलता 2016 में आया था, जब उन्होंने आम तौर पर दोबारा लिखने योग्य सीडी में पाई जाने वाली आकर्षक सामग्री पर आधारित एक चिप पेश की। बिजली के संपर्क में आने पर सामग्री अपनी भौतिक स्थिति और आकार बदल लेती है - एक गूपी सूप से क्रिस्टल जैसी संरचनाओं में बदल जाती है - डिजिटल 0 और 1 के समान।

यहाँ कुंजी है: चिप हाइब्रिड अवस्था में भी मौजूद हो सकती है। दूसरे शब्दों में, एक जैविक सिनैप्स के समान, कृत्रिम एक असंख्य अलग-अलग भारों को एनकोड कर सकता है - न कि केवल बाइनरी - जो इसे डेटा के एक भी बिट को स्थानांतरित किए बिना कई गणनाओं को जमा करने की अनुमति देता है।

जेकिल और हाईड

नया अध्ययन चरण-परिवर्तन सामग्री का उपयोग करके पिछले कार्य पर आधारित है। मूल घटक "मेमोरी टाइल्स" हैं। प्रत्येक ग्रिड संरचना में हजारों चरण-परिवर्तन सामग्रियों से भरा हुआ है। टाइलें आसानी से एक दूसरे के साथ संवाद करती हैं।

प्रत्येक टाइल को एक प्रोग्राम योग्य स्थानीय नियंत्रक द्वारा नियंत्रित किया जाता है, जिससे टीम को न्यूरॉन के समान घटक को सटीकता के साथ बदलने की अनुमति मिलती है। चिप क्रम में सैकड़ों कमांडों को संग्रहीत करती है, एक प्रकार का ब्लैक बॉक्स बनाती है जो उन्हें वापस खोदने और इसके प्रदर्शन का विश्लेषण करने की अनुमति देती है।

कुल मिलाकर, चिप में 35 मिलियन चरण-परिवर्तन मेमोरी संरचनाएं थीं। कनेक्शन की मात्रा 45 मिलियन सिनैप्स थी - मानव मस्तिष्क से बहुत दूर, लेकिन 14-नैनोमीटर चिप पर बहुत प्रभावशाली।

दिमाग को सुन्न कर देने वाली ये संख्याएं एआई चिप को आरंभ करने में एक समस्या पेश करती हैं: खोजने के लिए बस बहुत सारे पैरामीटर हैं। टीम ने इस समस्या से निपटा कि गणना शुरू होने से पहले एआई किंडरगार्टन, प्री-प्रोग्रामिंग सिनैप्टिक वेट की कितनी मात्रा होती है। (यह एक नए कच्चे लोहे के पैन में खाना पकाने से पहले उसे मसाला देने जैसा है।)

वांग ने बताया, जो अध्ययन में शामिल नहीं थे, उन्होंने "हार्डवेयर के लाभों और सीमाओं को ध्यान में रखते हुए अपनी नेटवर्क-प्रशिक्षण तकनीकों को तैयार किया," और फिर सबसे इष्टतम परिणामों के लिए वजन निर्धारित किया।

यह काम कर गया. एक प्रारंभिक परीक्षण में, चिप ने प्रत्येक वाट बिजली के लिए प्रति सेकंड 12.4 ट्रिलियन ऑपरेशनों के माध्यम से आसानी से मंथन किया। वांग ने कहा, "सबसे शक्तिशाली सीपीयू और जीपीयू की तुलना में ऊर्जा की खपत दसियों या यहां तक ​​कि सैकड़ों गुना अधिक है।"

चिप ने मेमोरी टाइल्स में केवल कुछ शास्त्रीय हार्डवेयर घटकों के साथ गहरे तंत्रिका नेटवर्क में अंतर्निहित एक मुख्य कम्प्यूटेशनल प्रक्रिया को पूरा किया। इसके विपरीत, पारंपरिक कंप्यूटरों को सैकड़ों या हजारों ट्रांजिस्टर (एक बुनियादी इकाई जो गणना करती है) की आवश्यकता होती है।

आओ शहर के बारे में बातचीत करें

इसके बाद टीम ने चिप को दो वाक् पहचान कार्यों के लिए चुनौती दी। प्रत्येक ने चिप के एक अलग पहलू पर जोर दिया।

अपेक्षाकृत छोटे डेटाबेस के साथ चुनौती दिए जाने पर पहला परीक्षण गति था। का उपयोग गूगल स्पीच कमांड डेटाबेस, कार्य के लिए एआई चिप को 12 छोटे शब्द बोलने वाले हजारों लोगों के लगभग 65,000 क्लिप के सेट में 30 कीवर्ड खोजने की आवश्यकता थी ("छोटा" गहन शिक्षण ब्रह्मांड में सापेक्ष है)। स्वीकृत बेंचमार्क का उपयोग करते समय-एमएलपीआरएफ- चिप ने सात गुना तेज प्रदर्शन किया पिछले काम की तुलना में.

बड़े डेटाबेस के साथ चुनौती मिलने पर चिप भी चमक उठी, लाइब्रिस्पीच. इस कोष में 1,000 घंटे से अधिक पढ़ा गया अंग्रेजी भाषण शामिल है जिसका उपयोग आमतौर पर भाषण को पार्स करने और स्वचालित भाषण-से-पाठ प्रतिलेखन के लिए एआई को प्रशिक्षित करने के लिए किया जाता है।

कुल मिलाकर, टीम ने 45 मिलियन चरण-परिवर्तन उपकरणों से डेटा का उपयोग करके अंततः 140 मिलियन से अधिक वजन को एन्कोड करने के लिए पांच चिप्स का उपयोग किया। जब पारंपरिक हार्डवेयर के मुकाबले खड़ा किया गया, तो चिप लगभग 14 गुना अधिक ऊर्जा-कुशल थी - प्रति वाट ऊर्जा खपत के प्रति सेकंड लगभग 550 नमूनों का प्रसंस्करण - 9 प्रतिशत से थोड़ा अधिक त्रुटि दर के साथ।

हालांकि प्रभावशाली, एनालॉग चिप्स अभी भी अपनी प्रारंभिक अवस्था में हैं। वांग ने कहा, वे "एआई से जुड़ी स्थिरता समस्याओं से निपटने के लिए बहुत बड़ा वादा दिखाते हैं", लेकिन आगे के रास्ते में कुछ और बाधाओं को दूर करने की आवश्यकता है।

एक कारक मेमोरी तकनीक और उसके आस-पास के घटकों के डिज़ाइन को बेहतर बनाना है - यानी, चिप को कैसे बिछाया जाता है। आईबीएम की नई चिप में अभी तक आवश्यक सभी तत्व शामिल नहीं हैं। अगला महत्वपूर्ण कदम अपनी प्रभावकारिता को बनाए रखते हुए हर चीज को एक चिप पर एकीकृत करना है।

सॉफ़्टवेयर पक्ष में, हमें एल्गोरिदम की भी आवश्यकता होगी जो विशेष रूप से एनालॉग चिप्स के लिए तैयार हो, और सॉफ़्टवेयर जो कोड को आसानी से उस भाषा में अनुवादित करता है जिसे मशीनें समझ सकती हैं। जैसे-जैसे ये चिप्स तेजी से व्यावसायिक रूप से व्यवहार्य होते जा रहे हैं, समर्पित एप्लिकेशन विकसित करने से भविष्य में एनालॉग चिप का सपना जीवित रहेगा।

वांग ने कहा, "कम्प्यूटेशनल इकोसिस्टम को आकार देने में दशकों लग गए जिसमें सीपीयू और जीपीयू इतनी सफलतापूर्वक काम करते हैं।" "और एनालॉग एआई के लिए उसी तरह का वातावरण स्थापित करने में शायद कई साल लगेंगे।"

छवि क्रेडिट: आईबीएम के लिए रयान लवाइन

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. ऑटोमोटिव/ईवीएस, कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• चार्टप्राइम. चार्टप्राइम के साथ अपने ट्रेडिंग गेम को उन्नत करें। यहां पहुंचें।
• BlockOffsets. पर्यावरणीय ऑफसेट स्वामित्व का आधुनिकीकरण। यहां पहुंचें।
• स्रोत: https://singularityhub.com/2023/08/25/ibms-brain-inspired-analog-chip-aims-to-make-ai-more-sustainable/