उभरती प्रौद्योगिकियां जो कृत्रिम बुद्धिमत्ता हार्डवेयर के भविष्य को आकार दे रही हैं

एक नए प्रकार की गणना

कृत्रिम बुद्धिमत्ता प्रौद्योगिकी में पिछले कुछ वर्षों में तेजी से प्रगति के साथ, बड़े विजेता कृत्रिम बुद्धिमत्ता हार्डवेयर के निर्माता रहे हैं। यह इसलिए है क्योंकि आधुनिक कृत्रिम बुद्धिमत्ता, जो मुख्य रूप से न्यूरल नेटवर्क प्रौद्योगिकी का उपयोग करती है, एक बहुत ही अलग तरीके से गणना शक्ति का उपयोग करती है जो पारंपरिक कंप्यूटरों से अलग है।

इसके बजाय जटिल गणनाओं को एक शक्तिशाली सीपीयू के साथ करने के, वे हजारों या लाखों सरल गणनाओं को समानांतर में करते हैं।

(आप “नोबेल पुरस्कार की उपलब्धियों में निवेश – कृत्रिम न्यूरल नेटवर्क, एआई का आधार” में न्यूरल नेटवर्क कैसे काम करते हैं और उन्हें कैसे आविष्कार किया गया था, इसके बारे में अधिक जान सकते हैं)

अब तक, ग्राफिक कार्ड, या जीपीयू (ग्राफिक्स प्रोसेसिंग यूनिट), कृत्रिम बुद्धिमत्ता के विकास के लिए पसंदीदा उपकरण रहे हैं, जिससे क्षेत्र के नेताओं जैसे न्वीडिया (NVDA ) के राजस्व और लाभ में नाटकीय रूप से वृद्धि हुई है।

कृत्रिम बुद्धिमत्ता हार्डवेयर का बाजार 2025 से 2035 तक 31.2% की सीएजीआर से असाधारण रूप से तेजी से बढ़ने की उम्मीद है

स्रोत: रूट्स विश्लेषण

इस अवधि के दौरान, कई नए प्रकार के कृत्रिम बुद्धिमत्ता हार्डवेयर का उदय होने की संभावना है, क्योंकि एआई गणना के लिए पुनः उपयोग किए जाने वाले जीपीयू को इस अनुप्रयोग के लिए विशेष रूप से डिज़ाइन किए गए चिप्स द्वारा प्रगतिशील रूप से प्रतिस्थापित किया जाता है।

लंबे समय में, अधिक विलक्षण रूप से गणना के रूप से एआई हार्डवेयर बाजार में अपना रास्ता बनाने की संभावना है, एप्लिकेशन-विशिष्ट डिज़ाइन से लेकर गैर-सिलिकॉन चिप्स या यहां तक कि वास्तविक जैविक न्यूरॉन्स का उपयोग करने तक।

कृत्रिम बुद्धिमत्ता सोच कैसे काम करती है

क्लासिक सुपरकंप्यूटर और एआई के बीच मूलभूत अंतर यह है कि डेटा कैसे संसाधित किया जाता है। जटिल गणनाओं को हल करने के बजाय, न्यूरल नेटवर्क वर्चुअल नोड्स बनाते हैं जो एक नेटवर्क में जुड़े हुए हैं। जबकि शुरुआती न्यूरल नेटवर्क में केवल कुछ दर्जन नोड्स थे, जो कुछ सौ कनेक्शन बनाते थे, आधुनिक न्यूरल नेटवर्क जैसे कि चैटजीपीटी द्वारा उपयोग किए जाने वाले ट्रिलियन संभावित कनेक्शन का उपयोग करते हैं, जो मानव मस्तिष्क के समान जटिलता के स्तर तक पहुंचते हैं।

स्रोत: नोबेल पुरस्कार

इस अलग गणना विधि के लिए हार्डवेयर की आवश्यकता होती है जो लाखों ऑपरेशन एक साथ कर सके, भले ही प्रत्येक के लिए समर्पित गणना शक्ति अपेक्षाकृत छोटी हो।

सौभाग्य से, यह एक प्रकार का हार्डवेयर है जो पहले से ही कई वर्षों से संचालित है, जैसे कि ग्राफिक रेंडरिंग जीपीयू का उपयोग करके, मुख्य रूप से 3डी सिमुलेशन और वीडियो गेम के लिए, और समानांतर में कई छोटी गणनाओं का उपयोग करता है।

यही कारण है कि एआई चिप्स हासिल करने की दौड़ में शुरुआती (और वर्तमान) विजेता न्वीडिया रहा है, जो जीपीयू बाजार में एक नेता है।

तेजी से जीपीयू

कृत्रिम बुद्धिमत्ता में अधिक कुशल एल्गोरिदम के आविष्कार और उन्होंने जो तेजी से प्रगति की, इसके साथ 2020 के दशक में कृत्रिम बुद्धिमत्ता के संभावित अनुप्रयोगों में विस्फोट हुआ।

इसके परिणामस्वरूप न्वीडिया जीपीयू में 2023 में हार्डवेयर की एक बढ़ती हुई दौड़ हुई.

साथ ही, कृत्रिम बुद्धिमत्ता के संभावित अनुप्रयोगों से बढ़ती अपेक्षाओं के साथ, अधिक बुद्धिमान एआई की आवश्यकता होती है, जिसके लिए अधिक गणना शक्ति की आवश्यकता होती है। और जबकि अधिक जीपीयू हासिल करना एक समाधान था, बेहतर जीपीयू की भी आवश्यकता थी।

उद्योग ने वितरित किया, 8 वर्षों से कम समय में 1,000 गुना प्रदर्शन में वृद्धि के साथ।

स्रोत: एनवीडिया

क्या यह चल सकता है?

जीपीयू प्रदर्शन में प्रगति जल्द ही धीमी हो सकती है, इसके संकेत हैं। पहले, सभी “आसान” सुधार, जैसे कि जीपीयू को बड़ा और छोटा और घना बनाना, समाप्त हो रहे हैं। इसलिए, आगे के सुधार अधिक क्रांतिकारी पुनःडिज़ाइन और नवाचारों से आने चाहिए।

माध्यमिक समस्याएं भी उद्योग पर बढ़ रही हैं। उदाहरण के लिए, बहुत घने और शक्तिशाली जीपीयू बहुत अधिक अपशिष्ट गर्मी का उत्पादन कर रहे हैं, जिससे अधिक समान चिप्स पिघल सकते हैं।

यह अपशिष्ट गर्मी भी बहुत अधिक अपशिष्ट शक्ति का संकेत है। स्थिर, बेसलोड शक्ति की आपूर्ति सुरक्षित करना एआई कंपनियों के लिए एक मुद्दा बन रहा है, सभी बड़ी तकनीक कंपनियां परमाणु ऊर्जा संयंत्रों से आपूर्ति सुरक्षित करने के लिए भाग रही हैं.

अंत में, कृत्रिम बुद्धिमत्ता गणना अधिक विशेषज्ञता प्राप्त कर रही है, जिसमें विभिन्न कंपनियों और विभिन्न अनुप्रयोगों में विभिन्न विधियां उभर रही हैं, प्रत्येक के लिए अपने हार्डवेयर की विशिष्ट आवश्यकताएं हैं। इसलिए, सबसे अधिक संभावना है कि सभी एआई फर्मों द्वारा उपयोग किए जाने वाले सर्व-उद्देश्य जीपीयू का युग धीरे-धीरे समाप्त हो रहा है, भले ही यह धीरे-धीरे हो।

सुपर जीपीयू युग

अब तक, अधिकांश कृत्रिम बुद्धिमत्ता डेटा सेंटर हजारों जीपीयू को विशेष सर्वर में जोड़कर बनाए गए हैं।

तेजी से बढ़ती गर्मी और शक्ति की खपत समस्या का तत्काल समाधान एकीकृत हार्डवेयर का निर्माण करना होगा जो केवल व्यक्तिगत जीपीयू के संचय से परे है।

“आज के डेटा सेंटर में, आप पिछले जीपीयू पीढ़ियों की तुलना में एक कैबिनेट में उतने ही एनवीडिया एच100 सर्वर या जीबी200 सुपरचिप कंप्यूट ट्रे नहीं रख सकते हैं क्योंकि उच्च शक्ति और शीतलन मांग के कारण।

इस दिशा में एक बड़ा कदम न्वीडिया द्वारा जीबी200 एनवीएल72 की हालिया रिलीज़ है। यह हार्डवेयर एक विशाल जीपीयू के रूप में कार्य करने के लिए डिज़ाइन किया गया है, जो इसे पहले से ही रिकॉर्ड तोड़ने वाले एच100 मॉडल से भी अधिक शक्तिशाली बनाता है।

“बेहतर थर्मल दक्षता और शक्ति की बचत हमें रैक में जीपीयू की संख्या के साथ अधिक उदार होने की अनुमति देती है – जिसका अर्थ है हमारे ग्राहकों के लिए अधिक जीपीयू।”

यह ऊर्जा की दक्षता में भी बहुत अधिक होना चाहिए, एक महत्वपूर्ण बिंदु के रूप में कृत्रिम बुद्धिमत्ता उद्योग में जैसे ही कृत्रिम बुद्धिमत्ता डेटा सेंटर का निर्माण किया जा रहा है, यह गति से ऊर्जा से पहले चिप्स की कमी हो सकती है।

इसका अर्थ है कम अपशिष्ट गर्मी भी, जो अस्थायी रूप से ओवरहीटिंग समस्या का समाधान करता है।

स्रोत: एनवीडिया

वर्तमान में, कोरवेव न्वीडिया जीबी200 एनवीएल72 इंस्टेंस के साथ सामान्य रूप से उपलब्ध पहला क्लाउड प्रदाता बन गया है.

(आप कोरवेव और इसके द्वारा कृत्रिम बुद्धिमत्ता समाधान विकसित करने वाली कंपनियों को क्लाउड कंप्यूटिंग प्रदान करने के बारे में “कोरवेव: द क्लाउड एआई हाइपरस्केलर” में और पढ़ सकते हैं)

गैर-जीपीयू कृत्रिम बुद्धिमत्ता हार्डवेयर

फील्ड प्रोग्रामेबल गेट अरेज (एफपीजीए)

कृत्रिम बुद्धिमत्ता विकास के लिए उपयोग किए जाने वाले एक अन्य प्रकार के हार्डवेयर फील्ड प्रोग्रामेबल गेट अरेज (एफपीजीए) हैं। एफपीजीए एक एकीकृत सर्किट हैं जिन्हें विशिष्ट कार्यों को अधिक कुशलता से करने के लिए पुनः प्रोग्राम किया जा सकता है। वे अपने घटकों के बीच कॉन्फ़िगर करने योग्य इंटरकonneक्ट्स का उपयोग करके काम करते हैं।

स्रोत: माइक्रोकंट्रोलर्स लैब

यह एफपीजीए को जीपीयू की तुलना में अधिक लचीला और विशिष्ट गणनाओं के लिए अनुकूलन की अधिक संभावना बनाता है।

एफपीजीए जीपीयू की तुलना में अधिक ऊर्जा कुशल भी हैं। उनकी कम विलंबता (तेज प्रतिक्रिया समय) भी उन्हें वास्तविक समय अनुप्रयोगों के लिए बहुत कुशल बनाती है जिन्हें तेजी से प्रतिक्रिया की आवश्यकता होती है।

हालांकि, एफपीजीए जीपीयू की तुलना में बहुत अधिक शक्तिशाली गणनाओं को संभालने में कम सक्षम हैं।

एक और मुद्दा यह है कि जबकि एफपीजीए पुनः प्रोग्राम करने योग्य हैं, यह एक समय लेने वाली और श्रमसाध्य प्रक्रिया हो सकती है। इसलिए, वे एक क्षेत्र में जो हर 6 महीने में क्रांतिकारी प्रगति कर रहा है, डिज़ाइन, निर्माण और प्रोग्राम करने में बहुत धीमे हो सकते हैं।

यह मतलब है कि अब तक, एफपीजीए के उपयोग मामले कुछ विशिष्ट कृत्रिम बुद्धिमत्ता अनुप्रयोगों पर केंद्रित रहे हैं, सामान्य विकास अभी भी कम कुशल, लेकिन सर्व-उद्देश्य जीपीयू पर निर्भर करता है:

• रियल-टाइम प्रोसेसिंग: जब आगामी डेटा को जल्दी से संसाधित करने की आवश्यकता होती है, जैसे कि डिजिटल सिग्नल प्रोसेसिंग, रडार सिस्टम, स्वायत्त वाहन और दूरसंचार के लिए。
• कस्टम हार्डवेयर त्वरण: कॉन्फ़िगर करने योग्य एफपीजीए को विशिष्ट गहरे शिक्षण कार्यों और एचपीसी क्लस्टर को अनुकूलित करने के लिए विशिष्ट डेटा प्रकार या एल्गोरिदम के लिए अनुकूलित किया जा सकता है।

• तो आधुनिक कृत्रिम बुद्धिमत्ता डेटा सेंटर धीरे-धीरे जीपीयू और एफपीजीए का मिश्रण बन सकते हैं, प्रत्येक हार्डवेयर को उन उप-कार्यों के लिए समर्पित किया जा सकता है जिन्हें वे सबसे अच्छा कर सकते हैं।
  • एज कंप्यूटिंग: यह कंप्यूट और स्टोरेज क्षमताओं को स्थानीय रूप से अंतिम उपयोगकर्ता के करीब ले जा रहा है, उदाहरण के लिए, सीधे एक कार या ड्रोन में। इन मामलों में, एफपीजीए की कम शक्ति की खपत और कompact आकार एक फायदा है।

एप्लिकेशन-स्पेसिफिक इंटीग्रेटेड सर्किट (एएसआईसी)

एएसआईसी प्रणाली विशिष्ट गणना प्रकार के लिए निर्मित होती हैं और केवल उन्हीं को ही करने में सक्षम होती हैं। इसलिए यह एक कंप्यूटर चिप से ज्यादा एक शुद्ध एकीकृत सर्किट है; एफपीजीए को कभी-कभी प्रोग्रामेबल एएसआईसी भी कहा जाता है।

इन्हें जीपीयू या एफपीजीए की तुलना में एएसआईसी का उपयोग करने का कारण यह है कि एएसआईसी किसी भी अन्य तर्क उपकरण से बहुत तेज हैं। वे अधिक ऊर्जा कुशल भी हैं और आकार में छोटे हैं।

यही कारण है कि क्रिप्टोकरेंसी माइनिंग में, एएसआईसी माइनर का उपयोग किया जाता है, जो विशिष्ट प्रकार की गणना के लिए अनुकूलित होते हैं जिसकी आवश्यकता होती है।

स्रोत: वेवोल्वर

हालांकि, एएसआईसी भी डिज़ाइन करने में बहुत जटिल हैं, इसलिए यह केवल तब ही समझ में आता है जब किसी ऐसे कार्य के लिए डिज़ाइन किया जाता है जो बार-बार दोहराया जाता है ताकि डिज़ाइन लागत को कवर किया जा सके।

कस्टम डिज़ाइन की आवश्यकता एक लाभ भी हो सकती है, क्योंकि यह अतिरिक्त बौद्धिक संपदा (आईपी) सुरक्षा बनाती है।

एएसआईसी के उपयोग मामले एफपीजीए के समान हैं: एज कंप्यूटिंग, छवि मान्यता, दूरसंचार और सिग्नल प्रोसेसिंग, लेकिन एफपीजीए की तुलना में अधिक बार-बार होने वाली गणना की आवश्यकता होती है।

क्योंकि वे लचीले नहीं हैं, वे जटिल कृत्रिम बुद्धिमत्ता कार्यों के लिए पर्याप्त नहीं हो सकते हैं। हालांकि, वे एक कृत्रिम बुद्धिमत्ता हार्डवेयर प्रणाली में एकीकृत हो सकते हैं ताकि इसे अधिक दक्षता और गति प्रदान की जा सके।
उल्लेखनीय है कि कंपनियां जैसे एटच्ड ट्रांसफॉर्मर गणना करने के लिए विशेष रूप से डिज़ाइन किए गए एएसआईसी विकसित कर रही हैं (चैटजीपीटी में “टी” के लिए)।

स्रोत: एटच्ड

न्यूरोमॉर्फिक चिप्स

जीपीयू में सुधार करने या अधिक कुशल एएसआईसी बनाने के अलावा, अन्य अवधारणाएं कंप्यूटिंग को पूरी तरह से बदलने पर विचार कर रही हैं।

एक विचार यह है कि यदि हम एक न्यूरल नेटवर्क डिज़ाइन कर रहे हैं, तो हमें एक चिप आर्किटेक्चर होनी चाहिए जो हार्डवेयर स्तर पर इसका अनुकरण करती है।

यह न्यूरोमॉर्फिक चिप्स की अवधारणा है, जो हार्डवेयर स्तर पर जुड़े हुए न्यूरॉन्स की तरह काम करती हैं, न कि जटिल गणितीय समीकरणों और लाखों समानांतर गणनाओं के माध्यम से।

इन उपकरणों को कभी-कभी एनपीयू (न्यूरल प्रोसेसिंग यूनिट) कहा जाता है, जो आमतौर पर एक इकाई में विभिन्न प्रकार के घटकों को जोड़ती है।

न्यूरोमॉर्फिक चिप्स अक्सर जटिल विद्युत संकेतों का उपयोग करते हैं, जो “सामान्य” कंप्यूटरों द्वारा उपयोग किए जाने वाले द्विआधारी संकेतों (0 और 1) से अधिक एनालॉग डेटा के करीब होते हैं।

स्रोत: टेक टार्गेट

न्यूरोमॉर्फिक चिप्स बनाने के लिए कई तरीके वर्तमान में अन्वेषण किए जा रहे हैं:

• प्रारंभिक फेरोइलेक्ट्रिसिटी का लाभ उठाना, एक अभी भी खराब समझा जाने वाला घटना।
• वैनेडियम या टाइटेनियम का उपयोग करके सक्रिय सब्सट्रेट।
• मेम्रिस्टर का उपयोग करना, एक नया प्रकार का इलेक्ट्रॉनिक घटक, जो सामान्य शक्ति की खपत के 1/800 वें^वेंहिस्से पर एआई कार्य कर सकता है।

फोटोनिक्स चिप्स

वर्तमान सिलिकॉन हार्डवेयर की कई सीमाओं को बायपास करने का एक अन्य विकल्प फोटोनिक्स कंप्यूटर में सwitch करना है। इसके बजाय इलेक्ट्रॉन जो जानकारी ले जाते हैं, यह लेजर से फोटॉन होते हैं।

इस विधि में यह लाभ है कि यह बहुत कम ओवरहीटिंग के लिए अतिसंवेदनशील है और प्रकाश ब्रह्मांड में सबसे तेजी से चलती चीज है।

अब तक, फोटोनिक्स घटकों, विशेष रूप से स्मृति की टिकाऊपन, एक मुद्दा रहा है, लेकिन यह तेजी से बदल रहा है.

हाल के वर्षों में फोटोनिक्स में हुए कुछ हाल के प्रगति में शामिल हैं:

• फेरोइलेक्ट्रिक हाई इलेक्ट्रॉन मोबिलिटी ट्रांजिस्टर (फेहेमटी), स्मार्टफोन पर संचार उपकरणों को सिकोड़ना।
• पेरोव्स्काइट्स, अधिक सटीक रूप से सेसियम-लेड-ब्रोमाइड (सीएसपीबीबीआर३) क्रिस्टल, फोटोनिक्स को “सामान्य” सिलिकॉन और गैलियम-आर्सेनाइड सब्सट्रेट के साथ मिलाते हुए।
• अल्ट्रा-फास्ट लेजर लेखन, फोटोनिक घटकों को डिजाइन करने के लिए नैनो-एचिंग के साथ।
• मल्टी-लेयर सिलिकॉन फोटोनिक्स विधि ऑफ फैब्रिकेशन।
• मैग्नेटाइट का उपयोग करके स्पिन्ट्रोनिक्स-फोटोनिक्स कंप्यूटर।

वास्तविक न्यूरॉन्स का उपयोग करना

कृत्रिम बुद्धिमत्ता को मानव मस्तिष्क के समान प्रदर्शन तक पहुंचाने का एक और तरीका शायद सिर्फ मस्तिष्क का उपयोग करना ही है।

अगर एक न्यूरल नेटवर्क जो वास्तविक न्यूरॉन्स से बना है, प्रकृति में पैटर्न मान्यता में बहुत अनुकूलनीय और उत्कृष्ट हो सकता है, तो यह एक कृत्रिम संदर्भ में काम क्यों नहीं करेगा?

मार्च 2025 में, यह अवधारणा कॉर्टिकल लैब्स द्वारा सीएल1 की रिलीज़ के साथ आगे बढ़ी, जो पहली सिंथेटिक जैविक बुद्धिमत्ता (एसबीआई) है।

स्रोत: कॉर्टिकल लैब्स

वास्तविक न्यूरॉन्स को एक पोषक तत्व समृद्ध समाधान के भीतर पाला जाता है, जो उन्हें स्वस्थ रहने के लिए आवश्यक सभी चीजों की आपूर्ति करता है। वे एक सिलिकॉन चिप पर बढ़ते हैं, जो न्यूरल संरचना में इलेक्ट्रिकल इंपल्स भेजता और प्राप्त करता है।

यह वास्तव में कृत्रिम और प्राकृतिक बुद्धिमत्ता के बीच की रेखा को धुंधला करता है। क्या वास्तविक न्यूरॉन्स से बना एक कंप्यूटर अभी भी कृत्रिम है?

हम न्यूरॉन्स को बायोस के साथ एक मिश्रण के साथ एकीकृत करते हैं जो कठोर सिलिकॉन और नरम ऊतक का मिश्रण है। आप सीधे इन न्यूरॉन्स से जुड़ सकते हैं। न्यूरॉन्स पर सीधे कोड तैनात करें, और आज की सबसे कठिन चुनौतियों का समाधान करें।

न्यूरॉन स्व-प्रोग्रामिंग, अनंत रूप से लचीला है, और चार अरब वर्षों के विकास का परिणाम है। जो डिजिटल एआई मॉडल को बहुत संसाधनों का उपयोग करके अनुकरण करने की कोशिश करते हैं, हम उसके साथ शुरू करते हैं।

यह एक सच्चा ब्रेकथ्रू हो सकता है यदि मानव मस्तिष्क को एक क्वांटम कंप्यूटर के रूप में अधिक और एक इलेक्ट्रिकल सिस्टम के रूप में कम मानने वाले कुछ सिद्धांत सच साबित होते हैं.

हालांकि यह अभी भी एक उभरती हुई प्रौद्योगिकी है, यह संबंधित क्षेत्रों में प्रगति से बढ़ावा मिल सकता है, जैसे कि मानव अंगों का 3डी प्रिंटिंग, जिसमें कार्यात्मक मस्तिष्क ऊतक शामिल है, साथ ही ऑर्गनॉइड्स का उत्पादन फाइनल स्पार्क और बायोलॉजिक जैसी कंपनियों द्वारा किया जा रहा है।

मस्तिष्क-कंप्यूटर इंटरफेस

कृत्रिम बुद्धिमत्ता हार्डवेयर को बढ़ावा देने का एक और तरीका यह हो सकता है कि इसे एक अन्य प्रकार के जैविक सुपरकंप्यूटर के साथ सीधे इंटरफेस में उपयोग किया जाए: हमारे खोपड़ी में मौजूद मस्तिष्क।

प्रारंभ में, ब्रेन-कंप्यूटर इंटरफेस (बीसीआई) मुख्य रूप से तंत्रिका संबंधी स्थितियों से पीड़ित लोगों की मदद के लिए उपयोग किए जाने की संभावना है।

न्यूरल इम्प्लांट्स को अधिक दीर्घायु और कम आक्रामक बनाने के लिए नए तरीके भी मदद करेंगे .

लंबे समय में, यह भी मशीन और मानव बुद्धिमत्ता के बीच की रेखा को धुंधला कर सकता है। यदि आप एक एआई के साथ बीसीआई के माध्यम से सीधे बातचीत के साथ कुछ सोचते हैं, तो वास्तव में किसने सोचा?

हालांकि, नैतिक और सुरक्षा चिंताओं के कारण, यह संभवतः सबसे दूर की प्रौद्योगिकी है, विज्ञान कथा कार्यों जैसे अल्टर्ड कार्बन, न्यूरोमांसर, या साइबरपंक 2077 की प्रत्याशा के बावजूद।
(हमने “5 सर्वश्रेष्ठ ब्रेन-कंप्यूटर इंटरफेस (बीसीआई) कंपनियां” में क्षेत्र में सबसे प्रमुख कंपनियों को कवर किया है)

वास्तव में कितना कंप्यूटिंग आवश्यक है?

डीपसीक

कई वर्षों से, हर कृत्रिम बुद्धिमत्ता कंपनी ने जितनी जल्दी हो सके उतनी अधिक गणना जोड़ने की दौड़ में भाग लिया, यह मानकर कि अधिक हमेशा बेहतर होता है।

यह चीनी कृत्रिम बुद्धिमत्ता कंपनी डीपसीक के आक्रामक आगमन द्वारा चुनौती दी गई थी। अपने प्रतिस्पर्धियों की तुलना में 10-100 गुना अधिक कुशल मॉडल के साथ, और केवल 3%-5% की लागत पर समान या बेहतर प्रदर्शन, डीपसीक ने अधिक कंप्यूटिंग शक्ति की आवश्यकता को बेहतर एआई बनाने के लिए चुनौती दी है।

डीपसीक ने मॉडल की दक्षता पर इतना ध्यान केंद्रित किया क्योंकि चीनी एआई फर्मों के पास एआई चिप्स तक सीमित पहुंच थी। यह तब स्पष्ट हो गया जब इसके लॉन्च के तुरंत बाद यह खुलासा किया गया कि अन्य चीनी फर्मों के एआई मॉडल भी उतने ही प्रभावशाली प्रदर्शन करते हैं: अलीबाबा का क्वेन, मूनशॉट एआई का किमी, बाइटडांस का डोबाओ, या बaidu का अर्नी बॉट।

जैसा कि कहा जाता है, “आवश्यकता आविष्कार की मां है।”

यह संभावना है कि आगामी वर्षों में, बेहतर प्रदर्शन और अधिक दक्षता पर दोहरा ध्यान कृत्रिम बुद्धिमत्ता उद्योग को परिभाषित करेगा।

हालांकि, यह कहना नहीं है कि अधिक कंप्यूटिंग बेहतर परिणाम नहीं देगा। बस, यह कृत्रिम बुद्धिमत्ता उद्योग में सफलता का एकमात्र मार्ग नहीं है, और बहुत अच्छी तरह से वित्त पोषित कंपनियां जैसे ओपनएआई अपने खर्च में थोड़ी लापरवाह हो सकती हैं।

अब तक, अधिकांश एआई काम-प्रगति और प्रयोगात्मक डिज़ाइन रहे हैं जिनके केवल सीमित अनुप्रयोग हैं। जैसे ही वे दुनिया भर की लाखों कंपनियों के कार्य प्रवाह में एकीकृत होते हैं, कृत्रिम बुद्धिमत्ता कंप्यूटिंग की अधिक आवश्यकता होगी।

और जितना अधिक कंप्यूटिंग की आवश्यकता होगी, उतना ही अधिक कुशल और कम ऊर्जा-गहन हार्डवेयर की मांग होगी।

इसलिए, जैसे कि पारंपरिक कंप्यूटिंग के लिए, हम मान सकते हैं कि बाजार अभी भी बेहतर चिप्स की मांग करेगा, खासकर जब कृत्रिम बुद्धिमत्ता जल्द ही दुनिया की सबसे बड़ी ऊर्जा उपभोक्ता बनने जा रही है।

एजएआई और एआई पीसी

डीपसीक और अन्य चीनी मॉडलों के उदय का एक और प्रभाव जो कम कंप्यूटिंग आवश्यकताओं के साथ आते हैं, यह है कि एआई मॉडल, विशेष रूप से “डिस्टिल्ड” लोग, अब व्यक्तिगत मशीनों पर चल सकते हैं, न कि केवल गीगावाट्स-स्तर के विशाल एआई डेटा सेंटर में।

यह एजएआई के प्रस्तावकों को सही साबित करता है, जो तर्क देते हैं कि एआई कंप्यूटिंग का एक बड़ा हिस्सा “ऑन-साइट” होना चाहिए, न कि केवल क्लाउड में।

जैसा कि डीपसीक एक ओपन-सोर्स मॉडल है, यह व्यक्तिगत प्रयोगों के साथ एआई कंप्यूटरों के लिए दरवाजा खोलता है: एआई मॉडल चलाने के लिए पर्याप्त शक्तिशाली, लेकिन इतना सस्ता और छोटा कि व्यक्तिगत लोगों द्वारा खरीदा जा सकता है।

कुल मिलाकर, यह कृत्रिम बुद्धिमत्ता कंप्यूटिंग मांग में कमी नहीं लाता है, लेकिन कृत्रिम बुद्धिमत्ता अनुप्रयोगों के विकास और उपयोग के लिए एक अधिक विकेन्द्रीकृत प्रक्रिया की ओर जाता है।

इसलिए, एआई पीसी 2025 में पीसी बिल्डिंग का नया बड़ा रुझान होने की संभावना है, विशेषज्ञ प्रेस पहले से ही विस्तार से इस प्रश्न और कौन सा ब्रांड सबसे अच्छा है पर चर्चा कर रही है, विशेष रूप से जब कृत्रिम बुद्धिमत्ता माइक्रोसॉफ्ट (MSFT ) जैसी अधिकांश प्रौद्योगिकी कंपनियों के प्रसाद में अपना रास्ता बना रही है, विंडोज ओएस और कंपनी के अन्य सॉफ्टवेयर में कोपायलट लगभग सर्वव्यापी हो गया है।

निष्कर्ष

गेमिंग जीपीयू से, कृत्रिम बुद्धिमत्ता के लिए हार्डवेयर तेजी से विकसित हो रहा है। यह एआई के लिए डिज़ाइन किए गए जीपीयू के साथ शुरू हुआ है और “सुपर जीपीयू” के साथ विकसित हो रहा है जो कृत्रिम बुद्धिमत्ता डेटा सेंटर में फिट होने के लिए डिज़ाइन किए गए हैं जो कम ऊर्जा की खपत और गर्मी उत्पादन के साथ हैं।

अगला कदम संभवतः जीपीयू के साथ जनरलिस्ट जीपीयू के और भी एकीकरण के साथ होगा, जो विशिष्ट एआई कार्यों को कम शक्ति और स्थान की आवश्यकताओं के साथ करने के लिए एएसआईसी और एफपीजीए चिप्स का उपयोग करते हैं।

आगे की सड़क में, दांव यह है कि कौन सी प्रौद्योगिकी एआई कंप्यूटिंग के लिए विजेता होगी: न्यूरोमॉर्फिक चिप्स, फोटोनिक्स, स्पिन्ट्रोनिक्स, या यहां तक कि वास्तविक जैविक न्यूरॉन्स जो सिलिकॉन सब्सट्रेट के साथ बातचीत करने के लिए प्रशिक्षित हैं।

इन सभी प्रौद्योगिकियों के लिए, यह निश्चित है कि कृत्रिम बुद्धिमत्ता की क्षमता में विस्फोटक वृद्धि और इसके साथ जुड़े अनुप्रयोगों की विस्फोटक वृद्धि कृत्रिम बुद्धिमत्ता हार्डवेयर की मांग को बढ़ाती रहेगी।

इसलिए, भले ही अधिक कुशल एआई मॉडल बाजार में आ रहे हों, जैसे कि डीपसीक, एआई हार्डवेयर की मांग अभी भी आगामी वर्षों में मांग से कम रहेगी।

कृत्रिम बुद्धिमत्ता हार्डवेयर में एक नेता

न्वीडिया

न्वीडिया एक निचे सेमीकंडक्टर कंपनी से विकसित हुआ है, जो ग्राफिक कार्ड में माहिर है, एक प्रौद्योगिकी दिग्गज में जो कृत्रिम बुद्धिमत्ता क्रांति और इसके द्वारा आवश्यक बड़ी मात्रा में हार्डवेयर के सामने है।

यह सीडीए (कम्प्यूट यूनिफाइड डिवाइस आर्किटेक्चर) के विकास के माध्यम से प्राप्त किया गया था, जो न्वीडिया के जीपीयू के लिए एक सामान्य उद्देश्य प्रोग्रामिंग इंटरफेस है, जो गेमिंग के अलावा अन्य उपयोगों के लिए खोलता है।

“शोधकर्ताओं ने महसूस किया कि न्वीडिया के गेमिंग कार्ड जीफोर्स को खरीदकर, आप अपने कंप्यूटर में जोड़कर, आपके पास वास्तव में एक व्यक्तिगत सुपरकंप्यूटर है।”

जेन्सन हुआंग, सिक्वोइया के साथ एक साक्षात्कार में

जीपीयू के इस व्यापक अपनाने ने एक सकारात्मक प्रतिक्रिया पाश बनाया, जो नेटवर्क प्रभाव पर आधारित है: अधिक उपयोग, अधिक अंतिम उपयोगकर्ता और प्रोग्रामर जो इसके साथ परिचित हैं, अधिक बिक्री, अधिक अनुसंधान और विकास बजट, तेजी से गणना गति में तेजी, अधिक उपयोग, आदि।

स्रोत: न्वीडिया