नई चिप एआई के लिए संभावनाओं का विस्तार करती है

आर्टिफिशियल इंटेलिजेंस एल्गोरिदम अपनी वर्तमान गति से बढ़ते नहीं रह सकते। गहरे तंत्रिका नेटवर्क जैसे एल्गोरिदम - जो मस्तिष्क से बहुत कम प्रेरित होते हैं, कृत्रिम न्यूरॉन्स की कई परतें संख्यात्मक मानों के माध्यम से एक दूसरे से जुड़ी होती हैं जिन्हें वज़न कहा जाता है - हर साल बड़ा होता जाता है। लेकिन इन दिनों, इन विशाल एल्गोरिदम को चलाने के लिए आवश्यक भारी मात्रा में मेमोरी और प्रोसेसिंग क्षमता के साथ हार्डवेयर सुधार अब गति नहीं रख रहे हैं। जल्द ही, एआई एल्गोरिदम का आकार एक दीवार से टकरा सकता है।

और भले ही हम एआई की मांगों को पूरा करने के लिए हार्डवेयर को बढ़ाते रहें, एक और समस्या है: उन्हें पारंपरिक कंप्यूटरों पर चलाने से भारी मात्रा में ऊर्जा बर्बाद होती है। बड़े एआई एल्गोरिदम चलाने से उत्पन्न उच्च कार्बन उत्सर्जन पहले से ही पर्यावरण के लिए हानिकारक है, और यह केवल बदतर हो जाएगा क्योंकि एल्गोरिदम कभी भी अधिक विशाल हो जाते हैं।

एक समाधान, जिसे न्यूरोमॉर्फिक कंप्यूटिंग कहा जाता है, ऊर्जा-कुशल डिज़ाइन बनाने के लिए जैविक मस्तिष्क से प्रेरणा लेता है। दुर्भाग्य से, जबकि ये चिप्स ऊर्जा संरक्षण में डिजिटल कंप्यूटरों को पीछे छोड़ सकते हैं, उनके पास एक बड़े गहरे तंत्रिका नेटवर्क को चलाने के लिए आवश्यक कम्प्यूटेशनल शक्ति की कमी है। इससे उन्हें एआई शोधकर्ताओं के लिए अनदेखी करना आसान हो गया है।

आखिरकार अगस्त में बदल गया, जब वीयर वान, एच.-एस। फिलिप वोंग, गर्ट कॉवेनबर्ग और उनके सहयोगी एक नई न्यूरोमॉर्फिक चिप का खुलासा किया जिसे न्यूरोआरएएम कहा जाता है जिसमें एल्गोरिदम चलाने के लिए 3 मिलियन मेमोरी सेल और इसके हार्डवेयर में निर्मित हजारों न्यूरॉन्स शामिल हैं। यह अपेक्षाकृत नए प्रकार की मेमोरी का उपयोग करता है जिसे प्रतिरोधक रैम या आरआरएएम कहा जाता है। पिछले आरआरएएम चिप्स के विपरीत, अधिक ऊर्जा और स्थान बचाने के लिए न्यूरोआरएएम को एनालॉग फैशन में संचालित करने के लिए प्रोग्राम किया गया है। जबकि डिजिटल मेमोरी बाइनरी है - न्यूरोआरएएम चिप में या तो 1 या 0 - एनालॉग मेमोरी सेल स्टोर करना, प्रत्येक पूरी तरह से निरंतर सीमा के साथ कई मानों को स्टोर कर सकता है। यह चिप को समान मात्रा में चिप स्पेस में बड़े पैमाने पर AI एल्गोरिदम से अधिक जानकारी संग्रहीत करने की अनुमति देता है।

नतीजतन, नई चिप जटिल एआई कार्यों जैसे छवि और भाषण पहचान पर डिजिटल कंप्यूटर के साथ-साथ प्रदर्शन कर सकती है, और लेखकों का दावा है कि यह 1,000 गुना अधिक ऊर्जा कुशल है, जिससे छोटे चिप्स के तेजी से जटिल एल्गोरिदम चलाने की संभावना खुलती है। स्मार्ट घड़ियों और फोन जैसे एआई के लिए पहले अनुपयुक्त छोटे उपकरणों के भीतर।

काम में शामिल नहीं होने वाले शोधकर्ता परिणामों से गहराई से प्रभावित हुए हैं। "यह कागज बहुत अनूठा है," कहा झोंगरूई वांग, हांगकांग विश्वविद्यालय में एक लंबे समय तक आरआरएएम शोधकर्ता। "यह विभिन्न स्तरों पर - डिवाइस स्तर पर, सर्किट आर्किटेक्चर स्तर पर और एल्गोरिथम स्तर पर योगदान देता है।"

नई यादें बनाना

डिजिटल कंप्यूटरों में, जब वे एआई एल्गोरिदम चलाते हैं तो बड़ी मात्रा में ऊर्जा बर्बाद हो जाती है, जो एक सरल और सर्वव्यापी डिज़ाइन दोष के कारण होता है जो हर एक गणना को अक्षम बनाता है। आमतौर पर, एक कंप्यूटर की मेमोरी - जो डेटा और संख्यात्मक मानों को धारण करती है, जिसे वह गणना के दौरान क्रंच करता है - मदरबोर्ड पर प्रोसेसर से दूर रखा जाता है, जहां कंप्यूटिंग होती है।

प्रोसेसर के माध्यम से आने वाली जानकारी के लिए, "यह उस तरह का है जैसे आप यात्रा पर आठ घंटे बिताते हैं, लेकिन आप दो घंटे का काम करते हैं," स्टैनफोर्ड विश्वविद्यालय के एक कंप्यूटर वैज्ञानिक वान ने कहा, जो हाल ही में एआई स्टार्टअप आइज़िप में चले गए।

इस समस्या को नए ऑल-इन-वन चिप्स के साथ ठीक करना जो स्मृति और गणना को एक ही स्थान पर रखता है, सीधा लगता है। यह इस बात के भी करीब है कि हमारा दिमाग जानकारी को कैसे प्रोसेस करता है, क्योंकि कई न्यूरोसाइंटिस्ट मानते हैं कि गणना न्यूरॉन्स की आबादी के भीतर होती है, जबकि यादें तब बनती हैं जब न्यूरॉन्स के बीच सिनेप्स उनके कनेक्शन को मजबूत या कमजोर करते हैं। लेकिन ऐसे उपकरण बनाना कठिन साबित हुआ है, क्योंकि स्मृति के वर्तमान रूप प्रोसेसर में प्रौद्योगिकी के साथ असंगत हैं।

कंप्यूटर वैज्ञानिकों ने दशकों पहले नए चिप्स बनाने के लिए सामग्री विकसित की थी जो कम्प्यूटेशन करते हैं जहां मेमोरी संग्रहीत होती है - एक तकनीक जिसे कंप्यूट-इन-मेमोरी के रूप में जाना जाता है। लेकिन पारंपरिक डिजिटल कंप्यूटरों के इतना अच्छा प्रदर्शन करने के कारण, इन विचारों को दशकों तक अनदेखा किया गया।

स्टैनफोर्ड के एक प्रोफेसर वोंग ने कहा, "वह काम, ज्यादातर वैज्ञानिक कार्यों की तरह, एक तरह से भुला दिया गया था।"

दरअसल, पहला ऐसा उपकरण कम से कम 1964 की तारीखें, जब स्टैनफोर्ड के इलेक्ट्रिकल इंजीनियरों ने पाया कि वे कुछ सामग्रियों में हेरफेर कर सकते हैं, जिन्हें मेटल ऑक्साइड कहा जाता है, ताकि बिजली को चालू और बंद करने की क्षमता को चालू किया जा सके। यह महत्वपूर्ण है क्योंकि सामग्री की दो राज्यों के बीच स्विच करने की क्षमता पारंपरिक मेमोरी स्टोरेज के लिए आधार प्रदान करती है। आमतौर पर, डिजिटल मेमोरी में, उच्च वोल्टेज की स्थिति 1 से और कम वोल्टेज 0 से मेल खाती है।

राज्यों को स्विच करने के लिए आरआरएएम डिवाइस प्राप्त करने के लिए, आप मेटल ऑक्साइड के दो सिरों तक जुड़े धातु इलेक्ट्रोड में वोल्टेज लागू करते हैं। आम तौर पर, धातु ऑक्साइड इन्सुलेटर होते हैं, जिसका अर्थ है कि वे बिजली का संचालन नहीं करते हैं। लेकिन पर्याप्त वोल्टेज के साथ, करंट बनता है, अंततः सामग्री के कमजोर स्थानों के माध्यम से धकेलता है और दूसरी तरफ इलेक्ट्रोड के लिए रास्ता बनाता है। एक बार जब करंट टूट जाता है, तो यह उस रास्ते पर स्वतंत्र रूप से प्रवाहित हो सकता है।

वोंग इस प्रक्रिया की तुलना बिजली से करते हैं: जब एक बादल के अंदर पर्याप्त चार्ज बनता है, तो यह जल्दी से एक कम प्रतिरोध वाला रास्ता खोज लेता है और बिजली गिरती है। लेकिन बिजली के विपरीत, जिसका मार्ग गायब हो जाता है, धातु ऑक्साइड के माध्यम से पथ बना रहता है, जिसका अर्थ है कि यह अनिश्चित काल तक प्रवाहकीय रहता है। और सामग्री पर एक और वोल्टेज लगाने से प्रवाहकीय पथ को मिटाना संभव है। तो शोधकर्ता दो राज्यों के बीच एक आरआरएएम स्विच कर सकते हैं और डिजिटल मेमोरी स्टोर करने के लिए उनका इस्तेमाल कर सकते हैं।

मध्य-शताब्दी के शोधकर्ताओं ने ऊर्जा-कुशल कंप्यूटिंग की क्षमता को नहीं पहचाना, और न ही उन्हें अभी तक छोटे एल्गोरिदम के साथ इसकी आवश्यकता थी, जिसके साथ वे काम कर रहे थे। शोधकर्ताओं को संभावनाओं का एहसास करने के लिए, नए धातु आक्साइड की खोज के साथ, 2000 के दशक की शुरुआत तक लग गया।

वोंग, जो उस समय आईबीएम में काम कर रहे थे, याद करते हैं कि आरआरएएम पर काम कर रहे एक पुरस्कार विजेता सहयोगी ने स्वीकार किया कि वह इसमें शामिल भौतिकी को पूरी तरह से नहीं समझता है। "अगर वह इसे नहीं समझता है," वोंग सोच को याद करता है, "शायद मुझे इसे समझने की कोशिश नहीं करनी चाहिए।"

लेकिन 2004 में, सैमसंग इलेक्ट्रॉनिक्स के शोधकर्ताओं ने घोषणा की कि उनके पास है आरआरएएम मेमोरी को सफलतापूर्वक एकीकृत किया एक पारंपरिक कंप्यूटिंग चिप के शीर्ष पर निर्मित, यह सुझाव देता है कि एक कंप्यूट-इन-मेमोरी चिप अंततः संभव हो सकती है। वोंग ने कम से कम प्रयास करने का संकल्प लिया।

एआई के लिए कंप्यूट-इन-मेमोरी चिप्स

 एक दशक से अधिक समय तक, वोंग जैसे शोधकर्ताओं ने आरआरएएम तकनीक को उस बिंदु तक बनाने के लिए काम किया जहां यह उच्च शक्ति वाले कंप्यूटिंग कार्यों को मज़बूती से संभाल सके। 2015 के आसपास, कंप्यूटर वैज्ञानिकों ने बड़े एआई एल्गोरिदम के लिए इन ऊर्जा-कुशल उपकरणों की विशाल क्षमता को पहचानना शुरू किया, जो उड़ान भरने लगे थे। उस वर्ष, कैलिफोर्निया विश्वविद्यालय, सांता बारबरा के वैज्ञानिक पता चला कि आरआरएएम डिवाइस मेमोरी को नए तरीके से स्टोर करने से ज्यादा कुछ कर सकते हैं। वे मूल कंप्यूटिंग कार्यों को स्वयं निष्पादित कर सकते हैं - जिसमें तंत्रिका नेटवर्क के कृत्रिम न्यूरॉन्स के भीतर होने वाली अधिकांश संगणनाएँ शामिल हैं, जो सरल मैट्रिक्स गुणन कार्य हैं।

न्यूरोआरएएम चिप में, सिलिकॉन न्यूरॉन्स हार्डवेयर में निर्मित होते हैं, और आरआरएएम मेमोरी सेल वजन को स्टोर करते हैं - न्यूरॉन्स के बीच कनेक्शन की ताकत का प्रतिनिधित्व करने वाले मान। और क्योंकि न्यूरोआरएएम मेमोरी सेल एनालॉग हैं, जो वज़न वे स्टोर करते हैं वे प्रतिरोध राज्यों की पूरी श्रृंखला का प्रतिनिधित्व करते हैं जो तब होते हैं जब डिवाइस कम-प्रतिरोध से उच्च-प्रतिरोध स्थिति के बीच स्विच करता है। यह डिजिटल आरआरएएम मेमोरी की तुलना में उच्च ऊर्जा दक्षता को भी सक्षम बनाता है क्योंकि चिप समानांतर में कई मैट्रिक्स संगणना चला सकती है - बजाय एक के बाद एक लॉकस्टेप में, जैसा कि डिजिटल प्रोसेसिंग संस्करणों में होता है।

लेकिन चूंकि एनालॉग प्रोसेसिंग अभी भी डिजिटल प्रोसेसिंग से दशकों पीछे है, इसलिए अभी भी कई मुद्दों को सुलझाना बाकी है। एक यह है कि एनालॉग आरआरएएम चिप्स को असामान्य रूप से सटीक होना चाहिए क्योंकि भौतिक चिप पर खामियां परिवर्तनशीलता और शोर का परिचय दे सकती हैं। (पारंपरिक चिप्स के लिए, केवल दो अवस्थाओं के साथ, ये खामियां लगभग उतनी ही मायने नहीं रखती हैं।) यह एआई एल्गोरिदम को चलाने के लिए एनालॉग आरआरएएम उपकरणों के लिए काफी कठिन बना देता है, यह देखते हुए कि एक छवि को पहचानने की सटीकता, मान लें, अगर नुकसान होगा आरआरएएम डिवाइस की प्रवाहकीय स्थिति हर बार बिल्कुल समान नहीं होती है।

"जब हम एक प्रकाश पथ को देखते हैं, तो हर बार यह अलग होता है," वोंग ने कहा। "तो इसके परिणामस्वरूप, आरआरएएम एक निश्चित डिग्री स्टोचैस्टिसिटी प्रदर्शित करता है - हर बार जब आप उन्हें प्रोग्राम करते हैं तो यह थोड़ा अलग होता है।" वोंग और उनके सहयोगियों ने साबित किया कि आरआरएएम डिवाइस निरंतर एआई वज़न स्टोर कर सकते हैं और अभी भी डिजिटल कंप्यूटर के रूप में सटीक हो सकते हैं यदि एल्गोरिदम को चिप पर मिलने वाले शोर के लिए इस्तेमाल करने के लिए प्रशिक्षित किया जाता है, एक अग्रिम जिसने उन्हें न्यूरोआरएएम चिप का उत्पादन करने में सक्षम बनाया।

एक अन्य प्रमुख मुद्दा जिसे उन्हें हल करना था, उसमें विविध तंत्रिका नेटवर्क का समर्थन करने के लिए आवश्यक लचीलापन शामिल था। अतीत में, चिप डिजाइनरों को छोटे आरआरएएम उपकरणों को बड़े सिलिकॉन न्यूरॉन्स के बगल में एक क्षेत्र में पंक्तिबद्ध करना पड़ता था। आरआरएएम डिवाइस और न्यूरॉन्स प्रोग्राम करने की क्षमता के बिना हार्ड-वायर्ड थे, इसलिए गणना केवल एक ही दिशा में की जा सकती थी। द्विदिश संगणना के साथ तंत्रिका नेटवर्क का समर्थन करने के लिए, अतिरिक्त तार और सर्किट आवश्यक थे, ऊर्जा और अंतरिक्ष की जरूरतों को बढ़ाते हुए।

तो वोंग की टीम ने एक नया चिप आर्किटेक्चर तैयार किया जहां आरआरएएम मेमोरी डिवाइस और सिलिकॉन न्यूरॉन्स को एक साथ मिलाया गया। डिजाइन में इस छोटे से बदलाव से कुल क्षेत्रफल कम हो गया और ऊर्जा की बचत हुई।

"मैंने सोचा [व्यवस्था] वास्तव में सुंदर थी," कहा मेलिका पायवंड, स्विस फेडरल इंस्टीट्यूट ऑफ टेक्नोलॉजी ज्यूरिख में एक न्यूरोमॉर्फिक शोधकर्ता। "मैं निश्चित रूप से इसे एक शानदार काम मानता हूं।"

कई वर्षों तक, वोंग की टीम ने सहयोगियों के साथ न्यूरोआरएएम चिप पर एआई एल्गोरिदम को डिजाइन, निर्माण, परीक्षण, अंशांकन और चलाने के लिए काम किया। उन्होंने अन्य उभरती प्रकार की मेमोरी का उपयोग करने पर विचार किया जिसका उपयोग कंप्यूट-इन-मेमोरी चिप में भी किया जा सकता है, लेकिन एनालॉग प्रोग्रामिंग में इसके फायदों के कारण आरआरएएम में बढ़त थी, और क्योंकि पारंपरिक कंप्यूटिंग सामग्री के साथ एकीकृत करना अपेक्षाकृत आसान था।

उनके हाल के परिणाम पहली आरआरएएम चिप का प्रतिनिधित्व करते हैं जो इतने बड़े और जटिल एआई एल्गोरिदम को चला सकती है - एक उपलब्धि जो पहले केवल सैद्धांतिक सिमुलेशन में ही संभव थी। "जब वास्तविक सिलिकॉन की बात आती है, तो वह क्षमता गायब थी," कहा अनूप दास, ड्रेक्सेल विश्वविद्यालय में एक कंप्यूटर वैज्ञानिक। "यह काम पहला प्रदर्शन है।"

कॉवेनबर्ग्स ने कहा, "डिजिटल एआई सिस्टम लचीले और सटीक हैं, लेकिन परिमाण कम कुशल हैं।" अब, कॉवेनबर्ग्स ने कहा, उनके लचीले, सटीक और ऊर्जा-कुशल एनालॉग आरआरएएम चिप ने "पहली बार अंतर को पाट दिया है।"

आनुपातिक दरों से बढ़ाएँ

टीम का डिज़ाइन न्यूरोआरएएम चिप को छोटा रखता है - केवल एक नाखून का आकार - जबकि 3 मिलियन आरआरएएम मेमोरी डिवाइस को निचोड़ते हैं जो एनालॉग प्रोसेसर के रूप में काम कर सकते हैं। और जबकि यह कम से कम डिजिटल कंप्यूटरों की तरह तंत्रिका नेटवर्क चला सकता है, चिप भी (और पहली बार) एल्गोरिदम चला सकती है जो विभिन्न दिशाओं में संगणना करते हैं। उनकी चिप आरआरएएम सरणी की पंक्तियों में वोल्टेज इनपुट कर सकती है और आरआरएएम चिप्स के लिए मानक के रूप में कॉलम से आउटपुट पढ़ सकती है, लेकिन यह इसे कॉलम से पंक्तियों तक पीछे भी कर सकती है, इसलिए इसका उपयोग न्यूरल नेटवर्क में किया जा सकता है जो काम करता है विभिन्न दिशाओं में डेटा प्रवाहित होने के साथ।

आरआरएएम प्रौद्योगिकी के साथ ही, यह लंबे समय से संभव है, लेकिन किसी ने ऐसा करने के बारे में नहीं सोचा। "हमने इसके बारे में पहले क्यों नहीं सोचा?" पायवंड ने पूछा। "आखिरकार, मुझे नहीं पता।"

दास ने कहा, "यह वास्तव में कई अन्य अवसरों को खोलता है।" उदाहरण के तौर पर, उन्होंने बहुआयामी भौतिकी सिमुलेशन या स्व-ड्राइविंग कारों के लिए आवश्यक विशाल एल्गोरिदम को चलाने के लिए एक सरल प्रणाली की क्षमता का उल्लेख किया।

फिर भी आकार एक मुद्दा है। सबसे बड़े तंत्रिका नेटवर्क में अब अरबों वजन होते हैं, न कि नए चिप्स में शामिल लाखों। वोंग एक दूसरे के ऊपर कई न्यूरोआरएएम चिप्स को ढेर करके स्केल करने की योजना बना रहा है।

भविष्य के उपकरणों में ऊर्जा की लागत को कम रखना या उन्हें और भी कम करना उतना ही महत्वपूर्ण होगा। वहां पहुंचने का एक तरीका है मस्तिष्क की नकल करना वास्तविक न्यूरॉन्स के बीच उपयोग किए जाने वाले संचार सिग्नल को और भी बारीकी से अपनाने के लिए: विद्युत स्पाइक। यह एक न्यूरॉन से दूसरे न्यूरॉन तक जाने वाला सिग्नल है जब सेल के अंदर और बाहर वोल्टेज में अंतर एक महत्वपूर्ण सीमा तक पहुंच जाता है।

"वहाँ बड़ी चुनौतियां हैं," कहा टोनी केन्योन, यूनिवर्सिटी कॉलेज लंदन में एक नैनो टेक्नोलॉजी शोधकर्ता। "लेकिन हम अभी भी उस दिशा में आगे बढ़ना चाह सकते हैं, क्योंकि ... संभावना है कि यदि आप बहुत कम स्पाइक्स का उपयोग कर रहे हैं तो आपके पास अधिक ऊर्जा दक्षता होगी।" हालांकि, केन्याई ने कहा कि मौजूदा न्यूरोआरएएम चिप पर स्पाइक करने वाले एल्गोरिदम को चलाने के लिए पूरी तरह से अलग आर्किटेक्चर की आवश्यकता होगी।

अभी के लिए, न्यूरोआरएएम चिप पर बड़े एआई एल्गोरिदम को चलाने के दौरान टीम ने जो ऊर्जा दक्षता हासिल की है, उसने नई आशा पैदा की है कि मेमोरी प्रौद्योगिकियां एआई के साथ कंप्यूटिंग के भविष्य का प्रतिनिधित्व कर सकती हैं। हो सकता है कि एक दिन हम मानव मस्तिष्क के 86 अरब न्यूरॉन्स और उन खरबों सिनेप्स का मिलान करने में भी सक्षम हो जाएं जो उन्हें शक्ति से बाहर किए बिना जोड़ते हैं।