केवळ दशकांत एमआयपीएसपासून एक्सफ्लॉप्सपर्यंत: उर्जा विस्फोट करते, कृत्रिम बुद्धिमत्ता रूपांतरित होईल

शेवटच्या एनव्हीडिया जीटीसी परिषदेत, कंपनीने सर्व्हरची पहिली एकल प्रणाली म्हणून वर्णन केलेल्या गोष्टींचे अनावरण केले आणि प्रति सेकंद फ्लोटिंग पॉईंट ऑपरेशन्स (फ्लॉप). हे प्रवेश नवीनतम जीबी 200 एनव्हीएल 72 सिस्टमवर अवलंबून आहे, ज्यात एनव्हीआयडीए (जीपीयू) मधील नवीनतम ग्राफिक्स प्रोसेसिंग युनिट्सचा समावेश आहे. मानक संगणक रॅक सुमारे 6 फूट आहे, खोली 3 फूटांपेक्षा जास्त आणि रुंदी 2 फूटांपेक्षा कमी आहे.

एक्सफ्लॉप कमी करणे: सीमेपासून ब्लॅकवेल पर्यंत

काही गोष्टी मला जाहिरातीबद्दल मारतात. प्रथम, एक्सफ्लॉपला सक्षम पहिला संगणक काही वर्षांपूर्वी, 2022 मध्ये ओक रिज नॅशनल लॅबोरेटरीमध्ये जगात स्थापित केला गेला. तुलनासाठी, “फ्रंटियर” संगणकांमध्ये एचपीई असते आणि एएमडी ग्राफिक्स प्रोसेसिंग युनिट्स आणि सेंट्रल प्रोसेसिंग युनिट्सद्वारे चालविली जाते, मूळतः सर्व्हरच्या 74 शेल्फमधून. नवीन एनव्हीडियाने केवळ तीन वर्षांत सुमारे 73x अधिक कामगिरीची घनता प्राप्त केली आहे, जे दरवर्षी कामगिरीच्या तीन पट आहे. ही प्रगती संगणकीय घनता, उर्जा कार्यक्षमता आणि आर्किटेक्चरल डिझाइनमध्ये उल्लेखनीय प्रगती प्रतिबिंबित करते.

दुसरे म्हणजे, असे म्हणणे आवश्यक आहे की जरी दोन्ही यंत्रणेने एका अतिशयोक्ती शिक्षकांना धडक दिली, परंतु त्या विविध आव्हानांसाठी बांधल्या गेल्या, त्यातील एक वेगासाठी सुधारित आहे, आणि दुसरे अचूकतेसाठी. एनव्हीआयडीए एक्झाफ्लॉप स्पेसिफिकेशन्स कमी अचूकता गणितावर अवलंबून असतात-विशेषत: 4-बिट फ्लोटिंग पॉईंट ऑपरेशन्स-कृत्रिम बुद्धिमत्ता वर्कच्या ओझीसाठी प्रशिक्षण आणि ऑपरेटिंग मोठ्या भाषा मॉडेल (एलएलएम) यासारख्या कार्यांसह आदर्श आहेत. या गणिते अचूकतेवर गती देतात. उलटपक्षी, फ्रंटियरचे एक्सफ्लॉप वर्गीकरण 64 -बिट ड्युअल गणिताचा वापर करून प्राप्त केले गेले, जे वैज्ञानिक सिम्युलेशनसाठी सुवर्ण मानक आहे जेथे अचूकता खूप महत्वाची आहे.

आम्ही खूप लांब आलो आहोत (खूप लवकर)

प्रगतीची ही पातळी जवळजवळ अवास्तव दिसते, विशेषत: जेव्हा संगणकीय उद्योगात माझी कारकीर्द सुरू झाली तेव्हा मला नवीनतम गोष्ट आठवते. माझे पहिले व्यावसायिक कार्य डिसें केएल 1090 मध्ये प्रोग्रामर होते. हे डिव्हाइस, जे डीईसी पीडीपी -10 मध्यवर्ती संगणकाच्या खांबाच्या मालिकेचा भाग आहे, प्रति सेकंद 1.8 दशलक्ष सूचना प्रदान करते. सीपीयूच्या कामगिरीची पर्वा न करता, कॅथोड रेडिओलॉजी (सीआरटी) शी जोडलेले डिव्हाइस सॉलिड केबल्सद्वारे प्रदर्शित केले जाते. कोणतीही ग्राफिक्स क्षमता नव्हती, फक्त गडद पार्श्वभूमीवर प्रकाशाचा प्रकाश. अर्थात, इंटरनेट नाही. वापरकर्ते मॉडेम डिव्हाइसचा वापर करून फोन लाइनद्वारे अंतरावर कनेक्ट केलेले आहेत जे प्रति सेकंद 1200 -बिट पर्यंत चालतात.

500 अब्ज पट अधिक

एमआयपीएसची फ्लॉपशी तुलना केल्यास प्रगतीची सामान्य जाणीव होते, हे लक्षात ठेवणे आवश्यक आहे की या उपायांनी वेगवेगळ्या संगणकीय कार्याचे ओझे मोजले आहेत. एमआयपीएस योग्य संख्येवर प्रक्रिया करण्याची गती प्रतिबिंबित करते, जे सामान्य हेतूंसाठी, विशेषत: व्यवसाय अनुप्रयोगांमध्ये मोजण्यासाठी उपयुक्त आहे. परफॉरमन्स फ्लाउंडरिंग परफॉरमन्स, जे वैज्ञानिक कार्याच्या ओझे आणि मॅट्रिक्स मठ आणि रेखीय अलेक्सब्रा सारख्या आधुनिक कृत्रिम बुद्धिमत्तेच्या मागे असलेल्या मशीन लर्निंग मॉडेल्स (एमएल) च्या सहाय्याने वापरल्या जाणार्‍या आधुनिक कृत्रिम बुद्धिमत्तेच्या मागे खूप महत्वाचे आहे.

जरी ही थेट तुलना नसली तरी, एमआयपी आणि नंतर फ्लॉन्डरिंगमधील भिन्नतेचे प्रचंड प्रमाण संगणकीय कामगिरीमध्ये वेगवान वाढीचे मजबूत स्पष्टीकरण प्रदान करते. अंमलात आणलेल्या कामाचे मोजमाप करण्यासाठी अंदाजे सल्ला म्हणून, नवीन एनव्हीडिया सिस्टम डीईसीपेक्षा सुमारे 500 अब्ज पट मजबूत आहे. या प्रकारच्या जंपमध्ये एका व्यावसायिक व्यवसायावर संगणनाच्या सामर्थ्याची नमुना वाढ आणि प्रश्न उद्भवतो: जर ही प्रगती 40 वर्षांच्या आत खूप असेल तर पुढील पाच काय आणू शकतात?

त्याच्या भागासाठी, एनव्हीडियाने काही पुरावे दिले. जीटीसीमध्ये, कंपनीने एक रस्ता नकाशा सामायिक केला आहे ज्याची अपेक्षा आहे की त्याची पूर्ण पिढी प्रणाली यावर्षी 14x ब्लॅकवेल अल्ट्रा रॅक चार्जिंग देईल अशा उत्कृष्ट “वेरा रुबिन” संरचनेवर अवलंबून आहे, पुढील वर्षी दोन किंवा दोन वर्षांच्या सुधारित कामात 14 ते 15 एक्सफ्लॉप्सपर्यंत पोहोचतील.

लक्षणीय म्हणजे कार्यक्षमता. एका शेल्फमध्ये या पातळीची कामगिरी साध्य करणे म्हणजे कामाच्या प्रत्येक युनिटसाठी कमी भौतिक जागा, सामग्रीची कमी संख्या आणि प्रत्येक प्रक्रियेसाठी उर्जेचा वापर कमी होतो, जरी या प्रणालींच्या परिपूर्ण उर्जा आवश्यकता प्रचंड आहेत.

कृत्रिम बुद्धिमत्तेला खरोखरच या सर्व गणिताच्या सामर्थ्याची आवश्यकता आहे?

या कामगिरीचे नफा आधीपासूनच प्रभावी आहेत, परंतु कृत्रिम बुद्धिमत्ता उद्योग आता एका मूलभूत प्रश्नाशी झगडत आहे: संगणकीय सामर्थ्य खरोखर किती आवश्यक आहे आणि कोणत्या किंमतीवर? एक्झास्केल कंप्यूटिंग आणि कृत्रिम बुद्धिमत्ता मॉडेल्सच्या वाढत्या आवश्यकतांमुळे चालविणारी प्रचंड नवीन कृत्रिम बुद्धिमत्ता केंद्रे तयार करण्यासाठी ही शर्यत तयार केली गेली आहे जी पूर्णपणे सक्षम आहेत.

सर्वात महत्वाकांक्षी प्रयत्न म्हणजे billion 500 अब्ज स्टारगेट प्रकल्प, जो अमेरिकेत 20 डेटा सेंटरची कल्पना करतो, त्यातील प्रत्येक अर्धा दशलक्ष चौरस फूटांपेक्षा जास्त आहे. जगभरातील इतर अत्यधिक प्रकल्पांची एक लाट आहे, कारण जगभरातील कंपन्या आणि देशांनी उद्या कृत्रिम बुद्धिमत्ता कार्याच्या ओझे पाठिंबा देण्यासाठी त्यांच्या पायाभूत सुविधांना सुनिश्चित करण्यासाठी भितीदायक आहे.

काही विश्लेषक आता चिंताग्रस्त आहेत की आम्ही कृत्रिम बुद्धिमत्ता डेटा सेंटरच्या क्षमतेपेक्षा जास्त असू शकतो. आर 1 च्या सुटकेनंतर चिंता अधिक तीव्र होते, जे चीनमधील दीपसीकचे विचार मॉडेल आहे ज्यास त्याच्या बर्‍याच साथीदारांपेक्षा खूपच कमी खाते आवश्यक आहे. मायक्रोसॉफ्टने नंतर एकाधिक डेटा सेंटर सर्व्हिस प्रदात्यांसह भाडे रद्द केले आहे, ज्यामुळे ती भविष्यातील पायाभूत सुविधांसाठी तिच्या अपेक्षांचे कॅलिब्रेट करू शकेल अशी अटकळ निर्माण झाली आहे.

पण, रेकॉर्ड त्यांनी असे सुचवले की या माघार घेण्यामुळे काही नियोजित कृत्रिम बुद्धिमत्ता केंद्रांशी मोठे संबंध असू शकतात जे आगामी कृत्रिम बुद्धिमत्ता प्रणालींसाठी उर्जा आणि शीतकरण आवश्यकतेस समर्थन देण्यासाठी पुरेसे मजबूत नाहीत. खरंच, कृत्रिम बुद्धिमत्ता मॉडेल सध्याच्या पायाभूत सुविधांना काय समर्थन देऊ शकतात याची मर्यादा देतात. मेसाचुसेट्स इन्स्टिट्यूट ऑफ टेक्नॉलॉजीच्या पुनरावलोकनाने सांगितले की, चीनमधील अनेक डेटाबेस संघर्ष करीत आणि अयशस्वी होण्याचे कारण असू शकते, सध्याच्या गरजेच्या संभाव्य विशिष्ट वैशिष्ट्यांनुसार ते बांधले गेले आहेत.

बुद्धिमत्तेला अधिक चढउतारांची आवश्यकता असते

विचार मॉडेल्सने अनुमान म्हणून ओळखल्या जाणार्‍या प्रक्रियेद्वारे ऑपरेशनच्या वेळी त्यांचे बहुतेक कार्य केले जातात. ही मॉडेल्स आज काही अत्यंत प्रगत अनुप्रयोग आणि संसाधनांच्या घनतेवर कार्य करतात, ज्यात कृत्रिम बुद्धिमत्ता प्रणालीची सखोल संशोधन आणि लाट यांचा समावेश आहे.

डीपसीक-आर 1 ने सुरुवातीला उद्योगाला घाबरवले होते की भविष्यात कृत्रिम बुद्धिमत्तेची आवश्यकता असू शकते कमी संगणकीय शक्ती, एनव्हीडिया जेन्सेन हुआंगचे मुख्य कार्यकारी अधिकारी यांनी जोरदार ढकलले. सीएनबीसीशी बोलताना, त्यांना या समजुतीचा सामना करावा लागला: “प्रत्येकाला हा पूर्णपणे उलट निष्कर्ष होता.” ते पुढे म्हणाले की कृत्रिम बुद्धिमत्तेबद्दल विचार केल्यास असामान्य कृत्रिम बुद्धिमत्तेपेक्षा 100x संगणन जास्त वापरते.

विचारांच्या मॉडेल्सपासून स्वतंत्र घटकांपर्यंत आणि त्यापलीकडे कृत्रिम बुद्धिमत्तेचा सतत विकास केल्यामुळे संगणनाची मागणी पुन्हा वाढण्याची शक्यता आहे. पुढील प्रगती भाषा किंवा दृष्टीमध्ये येऊ शकत नाहीत, परंतु कृत्रिम बुद्धिमत्ता एजंटच्या समन्वयामध्ये, फ्यूजनचे अनुकरण किंवा अगदी डिजिटल जुळे, त्यातील प्रत्येक आपण नुकत्याच पाहिलेल्या संगणक क्षमतेद्वारे शक्य आहे.

वरवर पाहता, ओपनईआयने नुकतीच billion 40 अब्ज नवीन वित्तपुरवठा जाहीर केला आहे, जो आतापर्यंतचा सर्वात मोठा विशेष तांत्रिक वित्तपुरवठा फेरी आहे. कंपनीने ब्लॉगच्या प्रकाशनात म्हटले आहे की निधी “आम्हाला कृत्रिम बुद्धिमत्ता संशोधनाच्या सीमांना अधिक पैसे देण्यास सक्षम करते, आमच्या खात्याच्या पायाभूत सुविधांचा विस्तार करते आणि दर आठवड्याला CHATGPT वापरणार्‍या 500 दशलक्ष लोकांना वाढत्या मजबूत साधने प्रदान करते.”

बरेच भांडवल कृत्रिम बुद्धिमत्तेत का जाते? स्पर्धात्मकतेपासून ते राष्ट्रीय सुरक्षेपर्यंतची कारणे आहेत. जरी विशिष्ट घटकांपैकी एक उदयास आला आहे, परंतु मॅककिन्से शीर्षकातून हे स्पष्ट झाले आहे: “हे कॉर्पोरेट नफ्यातून कृत्रिम बुद्धिमत्ता दर वर्षी $ 4.4 ट्रिलियनने वाढवू शकते.”

त्यानंतर काय येते? हे कोणाचाही अंदाज लावत आहे

थोडक्यात, माहिती प्रणाली जटिलता काढण्याच्या आसपास फिरतात, आपत्कालीन वाहन मार्गदर्शन प्रणालीद्वारे, एकदा फोरट्रानमध्ये लिहिलेले, सीओबीओएलमध्ये तयार केलेले विद्यार्थी तयारी साधन किंवा औषधांच्या शोधास गती देणारी आधुनिक कृत्रिम बुद्धिमत्ता प्रणाली. ध्येय नेहमीच एकसारखेच होते: जगातील मोठे समजून घेणे.

आता, मजबूत कृत्रिम बुद्धिमत्तेच्या सुरूवातीस, आम्ही उंबरठा ओलांडतो. प्रथमच, आपल्याकडे मानवी जन्मासमोरील समस्या सोडविण्यासाठी संगणकीय आणि बुद्धिमत्ता शक्ती असू शकते.

न्यूयॉर्क टाईम्सचे लेखक केविन गुलाब यांनी अलीकडेच हा क्षण विकत घेतला: “दर आठवड्याला मी अभियंता आणि व्यावसायिकांना भेटतो जे कृत्रिम बुद्धिमत्तेवर काम करतात ज्यांनी मला सांगितले की बदल-महान बदल, जगातील प्रचंड बदल, आपण पूर्वी कोप around ्याच्या आसपास न पाहिलेला परिवर्तनाचा प्रकार.” हे दर आठवड्याला पोहोचणार्‍या ब्रेकथ्रू देखील मोजले जात नाही.

केवळ गेल्या काही दिवसांत, आम्ही ओपनईच्या जीपीटी -4 ओने मजकूराच्या जवळजवळ परिपूर्ण प्रतिमा तयार करताना पाहिले आहे, कारण Google ने सर्वात प्रगत विचारांचे मॉडेल काय केले आहे परंतु मिथुन 2.5 प्रो आणि रनवे येथे चित्रित आणि त्या दृश्याशी सुसंगत व्हिडिओ मॉडेलचे अनावरण केले आणि आतापर्यंत व्हेंचरबिट नोट्सच्या क्षेत्रात काहीतरी आयोजित केले गेले आहे.

त्यानंतर जे येते ते खरोखर एक अंदाज आहे. मजबूत कृत्रिम बुद्धिमत्ता आत प्रवेश करणे किंवा कोसळेल की नाही हे आम्हाला माहित नाही, ते एकत्रीकरण क्षमता सोडविण्यात किंवा नवीन जैविक जोखीम सोडण्यात मदत करेल की नाही. परंतु पुढील पाच वर्षांत अधिक ऑनलाइन चढउतारांसह, असे दिसते की एक गोष्ट निश्चित आहे: नाविन्यपूर्ण द्रुतगतीने येईल – आणि सुरू झाले. हे देखील स्पष्ट आहे की प्रगतीसह आपण जबाबदारी, संस्था आणि स्वत: ची नियंत्रण याबद्दल बोलणे आवश्यक आहे.

गॅरी ग्रॉसमॅन एडेलमनमधील तंत्रज्ञानासाठी ईव्हीपी आणि एडेलमन एआय एक्सलन्ससाठी ग्लोबल लीड आहे.