Indien i spidsen for AI‑kapløbet – Hvordan neuromorfisk computing kan bringe nationen i front

Den kunstige intelligens (AI) industri er ved at ændre verden på en dramatisk måde efterhånden som den bliver en integreret del af virksomheder på tværs af sektorer. 

Fra sundhedssektoren, detailhandel, finans, fremstilling og forsyningskæde til uddannelse, energi og underholdningsindustrier har der været en stigende efterspørgsel efter AI‑drevne værktøjer. 

Ifølge PWC kan AI transformere produktiviteten og BNP‑potentialet i den globale økonomi med de største gevinster, der vil ses i Kina og Nordamerika, svarende til i alt 10,7 billioner dollars.

Drevet af denne stigende brug, AI‑markedet forventes at vokse fra 50 milliarder dollars i 2023 til langt over 800 milliarder dollars inden udgangen af dette årti, ifølge Statista.

Dette AI‑boom har ført til konkurrence mellem store virksomheder om at udvikle de mest kraftfulde AI‑modeller på verdensplan, og lande er ivrige efter at fremme deres egne konkurrerende AI‑systemer.

Midt i dette er Indien fremstået som en nøglespiller, med 92 % af vidensarbejdere, der bruger generativ AI, sammenlignet med det meget lavere globale gennemsnit på 75 %.

Lige sent sidste måned afslørede Asiens rigeste mand, Mukesh Ambani, formand for Reliance Industries (RELIANCE.BO ), “JioBrain”, en suite af AI‑værktøjer og -applikationer til at transformere virksomheder inden for energi, tekstil og mere. Reliance’s telekommunikationsforretning arbejder i øjeblikket sammen med Indian Institute of Technology (IIT) om at lancere “Bharat GPT” for indiske brugere. 

“Vi skal være i frontlinjen af at bruge data, med AI som en muliggjører for at opnå et kvantespring i produktivitet og effektivitet. “

– Mukesh Ambani

Efter at have opbygget en højtudviklet IT‑industri til en værdi af 250 milliarder dollars, har Indien nu sat fokus på AI‑tjenester, som ifølge en rapport fra Nasscom og BCG kan være 17 milliarder dollars værd i de næste tre år. 

Med over 900 millioner internetbrugere er Indien fremstået som “verdens datakapital.” Det faktum, at så meget data er offentligt tilgængeligt, er ekstremt gavnligt for virksomheder, da de kan skrive deres egne AI‑algoritmer.

Dog er regnekraft og delte ressourcer nødvendige for at accelerere landets AI‑industri. Til dette har den indiske regering anskaffet tusind GPU’er for at tilbyde beregningskapacitet til AI‑udviklere. 

Tidligere i år ankom den første forsendelse af Nvidia (NVDA ) ‑chips til indiske datacentre, efter at administrerende direktør for verdens største chipproducent, Jensen Huang, besøgte Indien og havde en samtale med premierminister Narendra Modi og teknologiledere.

“I har data, I har talentet. Dette kommer til at blive et af de største AI‑markeder i verden.” 

– Huang sagde til premierministeren på det tidspunkt

Et gennembrud: Efterligning af hjernen for smartere computing

Midt i alt dette gjorde forskere ved Centre for Nano Science and Engineering (CeNSe), Indian Institute of Science (IISc), Bangalore, Indien, et stort gennembrud inden for neuromorfisk computing‑teknologi. Denne teknologi efterligner den menneskelige hjernes struktur og funktion for at skabe mere effektive og intelligente computersystemer.

Denne betydningsfulde fremgang kan hjælpe Indien med at blive en stor spiller i det globale AI‑kapløb og gøre AI‑computing tilgængelig for alle og integreret i deres personlige enheder.

Dette er uden tvivl en stor bedrift, da den konventionelle ‘cloud computing‑model’ kræver store datacentre, der forbruger meget energi. Brug af ressourcekrævende datacentre begrænser deres anvendelse til en lille gruppe udviklere.

Neuromorfisk hardware lover forbedret energieffektivitet og plads til AI. Dog kan det på nuværende tidspunkt kun håndtere lavpræcisionsoperationer. Opgaver som NLP, træning af neurale netværk og signalbehandling kræver væsentligt mere beregningsopløsning og ligger i øjeblikket uden for rækkevidde for individuelle neuromorfe kredselementer. 

Den seneste fremgang fra IISc‑forskere kan dog faktisk hjælpe med dette og flytte området mod ‘edge computing’, som flytter databehandling og -lagring tættere på de enheder, der skaber og bruger dataene. Dette reducerer latenstid, forbedrer applikationsydelse og sparer netværksomkostninger. 

Edge computing muliggør yderligere realtidsapplikationer samt AI‑ og maskinlæringsapplikationer, så de kan behandle store datamængder med større hastighed og pålidelighed. 

Udgivet i Nature, den seneste forskning af professor Sreetosh Goswami ved CeNSe, IISc, som ledte en gruppe af forskere og studerende, udviklede en type halvlederenhed kaldet Memristor. I stedet for at bruge traditionel siliciumbaseret teknologi blev Memristor skabt ved hjælp af en metal‑organisk film.

Brugen af molekylære film gjorde det muligt for forskerne at spore frie ioniske bevægelser, hvilket udvidede hukommelsesvejene.

For at etablere kinetisk kontrol over den molekylære overgang, der muliggør de neuromorfe egenskaber i et enkelt kredselement, anvendte forskerne spændingspulsere og kortlagde derefter molekylære bevægelser til et særskilt elektrisk signal. Dette skabte en omfattende ‘molekylær dagbog’ over forskellige tilstande.

“På grund af denne frie ioniske bevægelse, blev utallige unikke hukommelsestilstande og -veje genereret. Sådanne mellemliggende tilstande har hidtil været utilgængelige, da de fleste digitale enheder kun kan få adgang til to tilstande, henholdsvis høj og lav ledningsevne.” 

– Professor Sreebrata Goswami, far til Prof Sreetosh, en besøgende videnskabsmand ved CeNSe

Denne platform, ved at kombinere kemiens kreativitet og den elektriske ingeniørs præcision, har “givet os mulighed for at kontrollere molekylær kinetik meget præcist inden i en elektronisk kreds drevet af nanosekundspændingspulsere,” tilføjede han.

Den molekylære ændring var lille, men den var præcis det, der gjorde den højt præcise og effektive neuromorfe accelerator mulig. Denne banebrydende accelerator kan gemme og behandle data på samme sted.

Materialet gjorde i bund og grund, at halvlederenheden kunne efterligne den måde, vores hjerne behandler information på ved hjælp af synapser og neuroner. Når den integreres med en almindelig digital computer, øgede Memristor dens energi‑ og hastighedspræstationer med hundredvis af gange, og blev dermed en energieffektiv ‘AI‑accelerator’.

Den endelige skalering af teknologien forventes at muliggøre de mest komplekse og store AI‑opgaver, såsom LLM‑træning, at blive udført på en simpel forbruger‑laptop eller smartphone i stedet for at kræve datacentre.

Forbedring af AI‑kapaciteter med Memristor‑teknologi

Med den stigende efterspørgsel efter hurtigere og mere effektive smartphones har digital computing baseret på silicium‑transistor‑teknologi allerede mødt begrænsninger. Ud over AI‑væksten er der nu et kritisk behov for innovationer, der kan forbedre behandlingshastigheden og energieffektiviteten i nutidens computersystemer betydeligt. 

For at skabe en sådan enhed brugte IISc‑forskere metal‑organisk filmmetoden til deres Memristors — en In‑Memory Computing‑tilgang, som chipproducenter har forsøgt at anvende for at overvinde problemerne, men som har haft begrænset succes — som fungerer som hjernens neuron‑synapse‑kreds.

Mens virksomheder i løbet af 2010’erne forsøgte at efterligne hjernen, fortsatte de med at bruge silicium‑transistorer og opnåede ikke betydelige gevinster.

“I 2020’erne flytter forskningsinvesteringerne sig tilbage til akademia, fordi der er en erkendelse af, at vi har brug for meget mere grundlæggende opdagelser for faktisk at opnå hjerneinspireret computing. Hvis man blot anvender en brute‑force‑tilgang med transistorer og påtvinger visse algoritmer, vil det ikke fungere.”

– Sreetosh sagde i et interview

I vores hjerne er hukommelse og behandling ikke som i en digital computer. Der er ingen 0’er og 1’er, der bruges til informationsbehandling eller opdeling af data i små dele. Vores hjerne indtager store datamængder for at behandle information, hvilket drastisk reducerer antallet af trin, der kræves for at få svar, og gør den ekstremt energieffektiv. 

Kombinationen af analog computing og Memristor‑teknologi gør neuromorfisk computing hurtig og yderst effektiv.

Teamet gemte og behandlede data i 16.520 tilstande ad gangen i stedet for kun to (nul og en) tilstande. Dette reducerede antallet af trin, der kræves for at udføre den grundlæggende matematik bag AI‑algoritmer, multiplicering af 64×64‑matricer, til kun 64 trin, hvilket ellers ville have krævet 262.144 operationer.

For at teste enheden tilsluttede teamet den til en konventionel stationær computer og brugte den derefter til at udføre den komplekse opgave at genskabe NASA’s ‘Pillars of Creation’-billede ved hjælp af data fra James Webb‑rumteleskopet. Opgaven blev udført meget hurtigere og med betydeligt mindre energi end en almindelig computer.

En energieffektivitet på 4,1 tera‑operationer per sekund per watt (TOPS/W) blev rapporteret af teamet, hvilket er 220 gange mere effektivt end en NVIDIA K80 GPU, med betydeligt plads til yderligere forbedringer.

“Neuromorphic computing har haft sin del af uløste udfordringer i over et årti,“ bemærkede Sreetosh, og tilføjede, at under deres tiårige forskning og \”sjældne“ opdagelse, var teamet i stand til at løse alle seks udfordringer, de startede med, og i processen, \”næsten ramte det perfekte system.\”

I den nuværende fase er det kun et bevis på princippet, men på trods af at det er i de tidlige faser, faktum, at teamet opnåede fire størrelsesordener forbedring i forhold til de avancerede metoder, mens de forbrugte 460× mindre energi end digitale computere, forskere mener, at denne fremgang kan hjælpe Indien med at tage et betydeligt spring i AI‑hardware.

Ifølge Navakanta Bhat, en silikonelektronikekspert, der er professor ved CeNSE (og også ledede projektets design):

“Det, der skiller sig ud, er hvordan vi har transformeret kompleks fysik‑ og kemiforståelse til banebrydende teknologi for AI‑hardware. I konteksten af India Semiconductor Mission kunne denne udvikling være en spilskifter, der revolutionerer industrielle, forbruger‑ og strategiske anvendelser. Den nationale betydning af sådan forskning kan ikke overvurderes.“  

I den næste fase vil teamet bygge større arrays, der går op til 256×256. Finansieret af Ministeriet for Elektronik og Informationsteknologi (MeitY) har forskningen desuden til formål at udvikle og demonstrere en System-on-Chip‑løsning og til sidst inkubere en startup for at kommercialisere den, hvilket forventes at ske i løbet af de næste tre år. 

Positionering af Indien som en global leder inden for AI 

En kombination af forskningsinstitutioner, startups og store teknologivirksomheder driver den betydelige vækst, som AI‑sektoren i Indien i øjeblikket oplever. Det er på grund af disse deltagere, at den teoretiske AI med succes omsættes til virkelige anvendelser.

Men det er ikke alt. Indiens hastigt voksende AI‑industri har også modtaget betydelig støtte fra regeringen, som har indført flere strategiske politikker og initiativer, såsom National AI Strategy, AI Task Force og AI Mission, for at fremskynde dens udvikling. 

Ved at øge investeringerne til 1,25 milliarder dollars mod \”IndiaAI Mission,“ fungerer regeringen som den primære drivkraft bag Indiens AI‑transformation.

Ministeriet for Elektronik og Informationsteknologi (MeitY), som finansierede det seneste computing‑gennembrud ved IISc, har søgt efter AI‑løsninger under IndiaAI Mission.

MeitY har inviteret ansøgninger om AI‑løsninger til at tackle primære udfordringer inden for klimaændringer, landbrug, sundhedspleje og assisterende teknologier. Ansøgerne vil gennemgå flere evalueringsrunder, og når de er udvalgt, vil de modtage midler til yderligere at udvikle og implementere deres løsning til brug for regeringen og de tilknyttede enheder i fire år.

Initiativet er taget under IndiaAI Application Development Initiative (IADI), en af IndiaAI’s syv søjler. Ministeriet har specificeret op til femten problemstillinger i ansøgningsdokumentet. 

Andre steder har AWS udvalgt syv indiske startups til sit globale Generative AI accelerator‑program. Disse startups inkluderer Zocket, Unscripted AI, Phot.ai, Orbo.ai, Neural Garage, House of Models og Converse. Blandt de 80 virksomheder, som AWS har udvalgt fra hele verden, er startupsene valgt for deres innovative brug af AI og deres globale vækstambitioner. 

Alle de udvalgte virksomheder vil få adgang til virksomhedens AI‑chips og beregnings‑ og lagringsteknologi. De vil også få tildelt AWS‑kreditter, uddannelse og mentorordning for at videreudvikle deres brug af AI‑ og maskinlæringsteknologier.

Selvom landet gør betydelige fremskridt, er der stadig mange forhindringer på vejen mod AI‑overlegenhed. Indien skal tackle manglen på færdigheder og tilstrækkelig infrastruktur for fuldt ud at realisere sit potentiale for at blive en global leder inden for AI. 

Virksomheder, der hjælper med at fremme Indiens AI‑marked

Det voksende AI‑marked i Indien har ført til, at flere virksomheder arbejder på at fremme AI. For eksempel blev AI‑startupen Krutrim Indiens første unicorn i år, da den sikrede 50 millioner dollars i finansiering fra Lightspeed Venture Partners og milliardæren Vinod Khosla. Imens har Asiens næstrigeste person, Gautam Adani, annonceret et joint venture med UAE for at udforske AI og diversificere ind i digitale tjenester. 

Microsoft (MSFT ) driver også initiativer i Indien, der har til formål at udstyre 2 millioner mennesker med AI‑færdigheder. Infosys, Wipro, Tech Mahindra (TECHM.BO ) og Larsen & Toubro (LT.BO ) (L&T), blandt andre, anvender AI i deres forretninger. HCL Technologies (HCLTECH.BO ) har i mellemtiden indgået en aftale med Kinas Foxconn om at etablere en chip‑testfacilitet.

Lad os nu se på et fremtrædende navn i Indiens AI‑industri:

Tata Consultancy Services (TCS)

Det største softwarefirma i Indien, TCS, investerede 1,5 milliarder dollars i en generativ AI‑projektpipeline i juli i år. Dette kommer efter, at TCS etablerede en dedikeret AI Cloud‑forretningsenhed sidste år. Derudover er der en AI‑oplevelseszone, der giver medarbejderne mulighed for at udvikle og eksperimentere med AI‑løsninger. Hidtil har over 300.000 TCS‑medarbejdere modtaget grundlæggende AI‑træning, mens virksomheden i øjeblikket håndterer mere end 270 AI‑ og generative AI‑engagementer.

TCS arbejder også på at styrke halvlederindustrien i Indien og samarbejder med Tata Electronics om at udvikle chips inden 2026. Tata Electronics leder i mellemtiden produktionen med to godkendte halvlederanlæg. Det første anlæg på 11 milliarder USD vil blive etableret sammen med Taiwans Powerchip Semiconductor Manufacturing Corporation (PSMC) med mål om at producere 50.000 wafer pr. måned. Det andet anlæg på 3,26 milliarder USD vil være en chip‑samle- og testfacilitet, som forventes at starte driften i de kommende år.

Når det gælder finanserne, TCS rapporterede en stigning på +3,9 % år-til-år i omsætningen til US$7,51 milliarder for Q2 2024. Nettoresultatet var US$1,44 milliarder, mens netto kontant fra driften var US$1,34 milliarder. Virksomheden rapporterede “meget stærk” vækst i fremvoksende markeder, ledet af Indien. 

Konklusion

Indien, med sin unge og digitalt dygtige befolkning, er godt positioneret til at drive AI‑væksten ikke kun lokalt men på globalt plan. AI‑markedet i Indien er faktisk forudsagt at nå 8 milliarder dollars i 2025. 

Gennem løbende forskning og udvikling, som demonstreret af IISc, kan landet blive en nøglespiller i AI‑kapløbet. Men for at Indien virkelig skal tage føringen, skal alle interessenter arbejde sammen for at hjælpe landets AI‑rejse, frigøre det enorme potentiale og fuldstændigt transformere AI.

Klik her for at lære alt om investering i kunstig intelligens.