Intia tekoälykilpailun ytimessä – miten neuromorfinen laskenta voisi viedä kansakunnan eturintamaan

Tekoäly (AI) -ala on muuttaa maailmaa dramaattisesti kun siitä tulee olennainen osa yrityksiä eri toimialoilla. 

Terveydenhuollosta, vähittäiskaupasta, rahoituksesta, valmistuksesta ja toimitusketjusta koulutukseen, energia- ja viihdeteollisuuksiin on kasvava kysyntä AI-pohjaisille työkaluille. 

PWC:n mukaan PWC, AI voi muuttaa maailmanlaajuisen talouden tuottavuus- ja BKT-potentiaalia, ja suurimmat hyödyt nähdään Kiinassa ja Pohjois-Amerikassa, mikä vastaa yhteensä 10,7 biljoonaa dollaria.

Tämän kasvavan käytön myötä AI-markkinan odotetaan kasvavan 50 miljardista dollarista vuonna 2023 yli 800 miljardiin dollariin tämän vuosikymmenen loppuun mennessä, Statistan mukaan.

Tämä AI-boomi on johtanut kilpailuun suurten yritysten välillä kehittää maailman voimakkaimpia AI-malleja, ja maat ovat innokkaita edistämään omia kilpailevia AI-järjestelmiään.

Tässä tilanteessa Intia on noussut keskeiseksi toimijaksi, kun 92 % tietotyöläisistä käyttää generatiivista AI:ta verrattuna paljon alhaisempaan maailman keskiarvoon, 75 %.

Viime kuussa Aasian rikkaimman miehen, Reliance Industriesin puheenjohtajan Mukesh Ambanin, julkisti “JioBrain”-sarjan AI-työkaluja ja -sovelluksia, jotka muuttavat energia-, tekstiili- ja muita aloja. Reliancen telekommunikaatioyritys tekee parhaillaan yhteistyötä Indian Institute of Technologyn (IIT) kanssa julkaistakseen “Bharat GPT” intialaisille käyttäjille.  (RELIANCE.BO )

“Meidän on oltava datan käytön eturintamassa, ja AI:n on toimittava mahdollistajana tuottavuuden ja tehokkuuden kvanttihypyn saavuttamiseksi. “

– Mukesh Ambani

Rakentanutaan korkean suorituskyvyn IT-ala, jonka arvo on 250 miljardia dollaria, Intia suuntaa nyt katseensa AI-palveluihin, jotka Nasscomin ja BCG:n raportin mukaan voisivat olla 17 miljardia dollaria arvokkaita seuraavien kolmen vuoden aikana. 

Yli 900 miljoonan internetkäyttäjän kanssa Intia on noussut “maailman datapääkaupungiksi”. Se, että niin paljon dataa on julkisesti saatavilla, on äärimmäisen hyödyllistä yrityksille, koska ne voivat kirjoittaa omat AI-algoritminsä.

Kuitenkin laskentatehoa ja jaettuja resursseja tarvitaan nopeuttamaan maan AI-teollisuutta. Tämän vuoksi Intian hallitus on hankkinut tuhat GPU:ta tarjotakseen laskentakapasiteettia AI-kehittäjille. 

Aikaisemmin tänä vuonna ensimmäinen Nvidia (NVDA ) -sirujen lähetys saapui intialaisiin datakeskuksiin sen jälkeen, kun maailman suurimman sirujen valmistajan toimitusjohtaja Jensen Huang vieraili Intiassa ja keskusteli pääministeri Narendra Modin ja teknologiayritysten johtajien kanssa.

“Teillä on dataa, teillä on lahjakkuutta. Tämä tulee olemaan yksi maailman suurimmista AI-markkinoista.” 

– Huang kertoi pääministerille tuolloin

Läpimurto: Aivojen jäljittely älykkäämmän laskennan saavuttamiseksi

Kaiken keskellä tiedemiehet Centre for Nano Science and Engineering (CeNSe), Indian Institute of Science (IISc), Bangalore, Intiassa tekivät merkittävän läpimurron neuromorfisen laskentateknologian alalla. Tämä teknologia jäljittelee ihmisaivojen rakennetta ja toimintaa luodakseen tehokkaampia ja älykkäämpiä laskentajärjestelmiä.

Tämä merkittävä edistys voi auttaa Intiaa nousemaan merkittäväksi toimijaksi globaalissa AI-kilpailussa ja tehdä AI-laskennasta kaikkien saatavilla olevan ja integroidun niihin henkilökohtaisiin laitteisiin.

Tämä on ehdottomasti suuri saavutus, kun otetaan huomioon, että perinteinen ‘pilvilaskennan malli’ vaatii suuria datakeskuksia, jotka kuluttavat paljon energiaa. Resurssitehokkaiden datakeskusten käyttö rajoittaa niiden käyttöä pieneen kehittäjäyhteisöön.

Neuromorfinen laitteisto lupaa parempaa energiatehokkuutta ja tilaa AI:lle. Kuitenkin tällä hetkellä se pystyy käsittelemään vain matalan tarkkuuden operaatioita. Tehtävät kuten NLP, neuroverkkojen koulutus ja signaalinkäsittely vaativat merkittävästi enemmän laskentaresoluutiota, ja ne ovat tällä hetkellä yksittäisten neuromorfisten piirikomponenttien ulottumattomissa. 

Kuitenkin IISc:n tiedemiesten uusin edistys voi todellakin auttaa tässä ja siirtää kenttää kohti ‘edge computing’ -laskentaa, jossa tiedon käsittely ja tallennus siirretään lähemmäs laitteita, jotka luovat ja käyttävät dataa. Tämä vähentää viivettä, parantaa sovellusten suorituskykyä ja säästää verkon kustannuksia. 

Edge computing mahdollistaa entistä paremmin reaaliaikaiset sovellukset sekä AI- ja koneoppimissovellukset käsittelemään suuria tietomääriä nopeammin ja luotettavammin. 

Julkaistu lehdessä Nature, CeNSe:n IISC:n professori Sreetosh Goswanin johdolla, joka johti joukkoa tiedemiehiä ja opiskelijoita, kehitti puolijohdekomponentin nimeltä Memristor. Perinteisen piipohjaisen teknologian sijaan Memristor luotiin metalliorgaanisesta kalvosta.

Molekyylikalvojen käyttö mahdollisti tutkijoille vapaan ioniliikkeen seurannan, mikä laajensi muistipolkuja.

Saadakseen kineettisen hallinnan molekyylisiirtymään, joka mahdollisti neuromorfiset ominaisuudet yhdessä piirikomponentissa, tutkijat sovelsivat jännitepulssia ja karttoivat molekyyliliikkeet erilliseen sähköiseen signaaliin. Tämä loi laajan ‘molekyylipäiväkirjan’ eri tiloista.

“Tämän vapaan ioniliikkeen vuoksi syntyi lukemattomia ainutlaatuisia muistitiloja ja -polkuja. Tällaiset välitilat ovat tähän mennessä olleet saavuttamattomia, koska suurin osa digitaalisista laitteista pystyy käyttämään vain kahta, joko korkean tai matalan johtavuuden tilaa.” 

– Professori Sreebrata Goswami, professori Sreetoshin isä, vieraileva tutkija CeNSe:ssa

Tämä alusta, yhdistämällä kemian luovuuden ja sähkötekniikan tarkkuuden, on “mahdollistanut meille molekyylikineettisen prosessin erittäin tarkan hallinnan nanosekuntijännitepulssien ohjaamassa elektronisessa piirikomponentissa,” hän lisäsi.

Molekyylimuutos oli pieni, mutta se oli juuri se, mikä mahdollisti erittäin tarkan ja tehokkaan neuromorfisen kiihdyttimen. Tämä ainutlaatuinen kiihdytin voi tallentaa ja käsitellä dataa samassa paikassa.

Materiaalin avulla puolijohdekomponentti pystyi periaatteessa jäljittelemään aivojemme tapaa käsitellä tietoa synapseja ja neuroneja käyttäen. Kun se integroidaan tavalliseen digitaaliseen tietokoneeseen, Memristor paransi sen energian- ja nopeus suorituskykyä sadoilla kertoimilla, jolloin siitä tuli energiatehokas ‘AI-kiihdytin’.

Teknologian lopullisen skaalaamisen odotetaan mahdollistavan monimutkaisimpien ja laajamittaisten AI-tehtävien, kuten LLM-koulutuksen, suorittamisen tavallisella kuluttajaläppärillä tai älypuhelimella sen sijaan, että tarvittaisiin datakeskuksia.

AI-kyvykkyyksien vahvistaminen Memristor-teknologian avulla

Kasvavan kysynnän myötä nopeampien ja tehokkaampien älypuhelimien osalta, piisilaitteisiin perustuva digitaalinen laskenta on jo kohdannut rajoituksia. AI:n kasvun lisäksi on nyt kriittinen tarve innovaatioille, jotka voivat merkittävästi parantaa nykyisten laskentajärjestelmien prosessointinopeutta ja energiatehokkuutta. 

Luodakseen tällaisen laitteen IISc:n tiedemiehet käyttivät metalliorgaanista kalvomenetelmää Memristoreille — mikä on In-Memory Computing -lähestymistapa, jonka sirujen valmistajat ovat ottaneet käyttöön ongelmien ratkaisemiseksi, mutta ilman suurta menestystä — ja se toimii kuin aivojen neuron-synapsi -piiri.

2010-luvulla yritykset yrittivät jäljitellä aivoja, mutta jatkoivat piilis-transistorien käyttöä eivätkä saavuttaneet merkittäviä edistysaskeleita.

“2020-luvulla tutkimusinvestoinnit siirtyvät takaisin akatemiaan, koska on havaittu, että tarvitsemme paljon enemmän perustavanlaatuisia löytöjä saavuttaaksemme aivojen inspiroiman laskennan. Jos vain otetaan brute-force -lähestymistapa transistorien käyttöön ja pakotetaan tietyt algoritmit, se ei toimi.”

– Sreetosh sanoi haastattelussa

Aivoissamme muisti ja prosessointi eivät ole lainkaan kuin digitaalisessa tietokoneessa. Täällä ei käytetä 0:ia ja 1:itä tiedon prosessointiin tai datan pilkkomiseen pieniksi osiksi. Aivomme syövät suuria tietomassoja prosessoidakseen informaatiota, mikä vähentää merkittävästi vastausten saamiseen tarvittavien vaiheiden määrää, tehden siitä erittäin energiatehokkaan. 

Analogisen laskennan ja Memristor-teknologian yhdistelmä tekee neuromorfisesta laskennasta nopeaa ja erittäin tehokasta.

Tiimi siis tallensi ja käsitteli dataa 16 520 tilassa kerrallaan kahden (nollien ja ykkösten) tilan sijaan. Tämä vähensi AI-algoritmien peruslaskennan vaatiman vaiheiden määrän, 64 × 64 matriisien kertolaskun, vain 64 vaiheeseen, mikä muuten olisi vaatinut 262 144 operaatioita.

Testatakseen laitetta tiimi kytki sen perinteiseen pöytätietokoneeseen ja käytti sitä suorittamaan monimutkaisen tehtävän, jossa rekonstruiitiin NASA:n ‘Creationin pylväät’ -kuva James Webb -avaruusteleskoopin datasta. Tehtävä saatiin suoritettua paljon nopeammin ja huomattavasti vähemmän energiaa kuluttavasti kuin tavallisessa tietokoneessa.

An energiatehokkuus 4,1 teraoperaatiota sekunnissa per watti (TOPS/W) raportoitiin tiimin toimesta, mikä on 220 kertaa tehokkaampi kuin a NVIDIA K80 -GPU, ja siinä on huomattavaa parannuspotentiaalia.

“Neuromorfisella laskennalla on ollut oma osuutensa ratkaisemattomia haasteita yli vuosikymmenen ajan,“ totesi Sreetosh, lisäten että kymmenen vuoden tutkimuksensa ja “harvinaisen“ löydön aikana tiimi pystyi ratkaisemaan kaikki kuusi alussa asetettua haastetta ja prosessissa “lähes saatiin täydellinen järjestelmä”.

Tällä hetkellä se on vain periaatekokeilu, mutta vaikka se on varhaisessa vaiheessa, se tosiasia että tiimi saavutti neljän suuruusluokan parannuksen kehittyneisiin menetelmiin verrattuna kuluttaen 460‑kertaa vähemmän energiaa kuin digitaaliset tietokoneet, tutkijat uskovat, että tämä edistys voi auttaa Intiaa ottamaan merkittävän harppauksen AI-laitteistossa.

According to Navakanta Bhat, a silicon electronics expert who’s a professor at CeNSE (who also led the project’s design):

“Mitä erottuu, on se, miten olemme muuntaneet monimutkaisen fysiikan ja kemian ymmärryksen mullistavaksi teknologiaksi AI-laitteistolle. Intian puolijohdeohjelman kontekstissa tämä kehitys voi olla pelin muuttaja, mullistaen teollisuus-, kuluttaja- ja strategiset sovellukset. Tämän tutkimuksen kansallinen merkitys on korostamaton.“  

Seuraavassa vaiheessa tiimi rakentaa suurempia matriiseja, jotka ulottuvat 256 × 256:een. Elektroniikka- ja tietotekniikkaministeriön (MeitY) rahoittamana tutkimus pyrkii lisäksi kehittämään ja esittelemään System-on-Chip -ratkaisun ja lopulta inkuboimaan startupin kaupallistamista varten, mikä odotetaan tapahtuvan seuraavan kolmen vuoden aikana. 

Intian asemoiminen globaaliksi AI-johtajaksi 

Tutkimuslaitosten, startupien ja suurten teknologiayritysten yhdistelmä ajaa merkittävää kasvua, jota Intian AI-sektori tällä hetkellä kokee. On juuri näiden osallistujien ansiosta teoreettinen AI käännetään menestyksekkäästi todellisiksi sovelluksiksi.

Mutta se ei ole kaikki. Intian nopeasti kasvava AI-teollisuus on saanut myös merkittävää tukea hallitukselta, joka on ottanut käyttöön useita strategisia politiikkoja ja aloitteita, kuten Kansallinen AI-strategia, AI-työryhmä ja AI-missio, nopeuttaakseen sen kehitystä. 

Lisäämällä 1,25 miljardia dollarin investointeja \”IndiaAI Mission,“ hallitus toimii Intian AI-muutoksen pääasiallisena ajurina.

Elektroniikka- ja tietotekniikkaministeriö (MeitY), joka rahoitti viimeisimmän laskentaläpimurron IISc:ssä, on etsinyt AI-ratkaisuja IndiaAI-mission alla.

MeitY on kutsunut hakemuksia AI-ratkaisuihin, jotka käsittelevät keskeisiä haasteita ilmastonmuutoksen, maatalouden, terveydenhuollon ja avustavien teknologioiden aloilla. Hakijat käyvät läpi useita arviointikierroksia, ja valittujen jälkeen heille myönnetään rahoitusta ratkaisun edelleen kehittämiseen ja käyttöönottoon hallituksen ja siihen liittyvien tahojen käyttöön neljän vuoden ajan.

Aloite toteutetaan IndiaAI Application Development Initiative (IADI) -ohjelman alla, yksi IndiaAI:n seitsemästä pilarista. Ministeriö on määritellyt hakemusasiakirjassa jopa viisitoista ongelmalauseketta. 

Muualla AWS valitsi seitsemän intialaista startupia globaaliin Generative AI -kiihdytysohjelmaansa. Näihin startup-yrityksiin kuuluvat Zocket, Unscripted AI, Phot.ai, Orbo.ai, Neural Garage, House of Models ja Converse. AWS:n maailmanlaajuisesti valitsemista 80 yrityksestä nämä startupit valittiin niiden innovatiivisen AI:n käytön ja globaalien kasvutavoitteiden perusteella. 

Kaikilla valituilla yrityksillä on pääsy yrityksen AI-siru- ja laskenta- ja tallennustekniikkaan. Niille annetaan myös AWS-kyvyt, koulutus ja mentorointi AI- ja koneoppimisteknologioiden käytön edistämiseksi.

Vaikka maa tekee merkittäviä edistysaskeleita, AI-hallinnan saavuttamisen tiellä on yhä monia esteitä. Intian on käsiteltävä osaamisen ja riittävän infrastruktuurin puute voidakseen täysin toteuttaa potentiaalinsa globaaliksi AI-johtajaksi. 

Yritykset, jotka edistävät Intian AI-markkinaa

Intian kasvava AI-markkina on johtanut useisiin yrityksiin, jotka työskentelevät AI:n edistämiseksi. Esimerkiksi AI-startup Krutrimista tuli Intian ensimmäinen yksisarvinen tänä vuonna, kun se sai 50 miljoonaa dollaria rahoitusta Lightspeed Venture Partnersilta ja miljardööri Vinod Khoslalta. Samaan aikaan Aasian toiseksi rikkaimman henkilön, Gautam Adanin, on ilmoittanut yhteisyrityksestä Yhdistyneiden Arabiemiirikuntien kanssa AI:n tutkimiseksi ja digitaalisiin palveluihin laajentumiseksi. 

Microsoft (MSFT ) tukee myös Intian aloitteita, joiden tavoitteena on varustaa 2 miljoonaa ihmistä AI-taidoilla. Infosys, Wipro, Tech Mahindra (TECHM.BO ) ja Larsen & Toubro (LT.BO ) (L&T) hyödyntävät AI:ta liiketoiminnassaan. HCL Technologies (HCLTECH.BO ) on puolestaan tehnyt sopimuksen Kiinan Foxconnin kanssa piiritestauslaitoksen perustamiseksi.

Katsotaanpa nyt merkittävää nimeä Intian AI-teollisuudessa:

Tata Consultancy Services (TCS)

Intian suurin ohjelmistoyritys, TCS, sijoitti 1,5 miljardia dollaria generatiivisen AI-projektiputkeen heinäkuussa tänä vuonna. Tämä tapahtui sen jälkeen, kun TCS perusti viime vuonna omistautuneen AI Cloud -liiketoimintayksikön. Lisäksi on AI-kokemusalue, joka mahdollistaa työntekijöiden kehittää ja kokeilla AI-ratkaisuja. Tähän mennessä yli 300 000 TCS:n työntekijää on saanut peruskoulutuksen AI:ssa, ja yritys käsittelee tällä hetkellä yli 270 AI- ja generatiivista AI-projektia.

TCS työskentelee myös Intian puolijohdeteollisuuden vahvistamiseksi ja tekee yhteistyötä Tata Electronicsin kanssa kehittääkseen siruja vuoteen 2026 mennessä. Tata Electronics puolestaan johtaa valmistusta kahdella hyväksytyllä puolijohteiden tehtaalla. Ensimmäinen 11 miljardia USD:n arvoinen laitoksesta perustetaan Taiwanin Powerchip Semiconductor Manufacturing Corporation (PSMC) -yhtiön kanssa, tavoitteena valmistaa 50 000 waferia kuukaudessa. Toinen 3,26 miljardia USD:n arvoinen laitoksesta on sirujen kokoonpano- ja testauslaitos, jonka odotetaan aloittavan toiminnansa lähivuosina.

Taloudellisista tiedoista puhuttaessa TCS raportoi 3,9 %:n vuotuista kasvua liikevaihdossaan 7,51 miljardia USD:ta Q2 2024:lle. Nettotulos oli 1,44 miljardia USD, kun taas operatiivinen nettokassa oli 1,34 miljardia USD. Yritys raportoi “erittäin vahvaa“ kasvua kehittyvillä markkinoilla, joihin Intia johti. 

Yhteenveto

Intia, nuoren ja digitaalisesti taitavan väestönsä ansiosta, on hyvin asemoitunut ajamaan AI:n kasvua paitsi paikallisesti myös globaalilla tasolla. Intian AI-markkina on itse asiassa ennustettu saavuttaakseen 8 miljardia dollaria vuoteen 2025 mennessä. 

Jatkuvan tutkimuksen ja kehityksen avulla, kuten IISc on osoittanut, maa voi tulla keskeiseksi toimijaksi AI-kilpailussa. Mutta jotta Intia todella ottaisi johdon, kaikkien sidosryhmien on tehtävä yhteistyötä auttaakseen maan AI-matkaa, vapauttaakseen sen valtavan potentiaalin ja muuttaakseen AI:n täysin.

Klikkaa tästä oppiaksesi kaiken tekoälyyn sijoittamisesta.