تقوم Lemurian Labs ببناء نموذج حسابي جديد لتقليل تكلفة تشغيل نماذج الذكاء الاصطناعي

من العدل أن نقول إن Nvidia وجدت نفسها في المكان المناسب في الوقت المناسب مع ارتفاع الطلب على شرائح GPU الخاصة بها إلى أعلى مستوياته على الإطلاق، وذلك بفضل متطلبات الموارد لنماذج الذكاء الاصطناعي التوليدية، ولكن ماذا لو كانت هناك شريحة توفر قوة مماثلة بتكلفة أقل؟ هذا ما تحاول شركة Lemurian Labs، وهي شركة ناشئة في مرحلة مبكرة من خريجي Google وIntel وNvidia، بنائه.

من المؤكد أنها فكرة ناجحة جدًا، ويستغرق الأمر الكثير من الوقت والمال لطرح فكرة الرقائق في السوق، ولكنها تكون من النوع الذي يرغب المستثمرون في قبوله عندما تأتي من مؤسسين ذوي نسب معين. فرصة على. أعلنت الشركة الناشئة اليوم عن استثمار أولي بقيمة 9 ملايين دولار.

“في الأساس، هدفنا في Lemurian هو إعادة تصور الحوسبة المتسارعة. والسبب وراء رغبتنا في القيام بذلك هو أن الطريقة الحالية التي كنا نمارس بها الحوسبة بدأت في الانتهاء. وقال جاي دواني، المؤسس المشارك والرئيس التنفيذي لشركة Lemurian، لـ TechCrunch: “الأمر لا يتعلق بكونه ليس بنية أو نموذجًا عظيمًا، بل إن فيزياء أشباه الموصلات تقاوم هذا النموذج”.

هدف الشركة هو بناء شريحة جديدة جنبًا إلى جنب مع البرامج لجعل معالجة أعباء عمل الذكاء الاصطناعي أكثر سهولة وكفاءة وأرخص، وفي النهاية أكثر صداقة للبيئة.

كما لو كان يعقد فصلًا دراسيًا رئيسيًا في هندسة الكمبيوتر، يوضح ليموريان أن الحوسبة تتلخص في ثلاثة أشياء: “هناك الرياضيات، وهناك الذاكرة، ثم هناك الحركة. الهدف هو الترابط. لذلك يتم تخزين البيانات في الذكريات التي يتم نقلها من خلال الترابط إلى وحدة الرياضيات حيث يتم معالجتها، ثم يتم كتابتها مرة أخرى في الذاكرة. وأوضح دواني أن هذه هي النقطة التقليدية في الهندسة المعمارية: يجب أن تنتقل البيانات.

يريد ليموريان قلب هذا النهج. بدلاً من جعل البيانات تنتقل إلى موارد الحوسبة، فإنه يريد أن ينتقل الحوسبة إلى البيانات. وقال: “ما نقوله هو أننا بحاجة إلى تقليل تلك المسافة بشكل أساسي، حتى لا ننقل البيانات حقًا، بل نتحرك حول الحوسبة”.

ويقول إن وحدات معالجة الرسومات تم إنشاؤها أساسًا للمهام المتعلقة بالرسومات، ولكنها مع مرور الوقت اضطلعت بمجموعة متنوعة من الأدوار الأخرى بسبب قدرات المعالجة البحتة الخاصة بها. “لأنك تصمم لشيء ما، ولكنك تحاول أيضًا أن تفعل شيئًا آخر، وعندما تحاول أن تفعل كل شيء، فأنت لست جيدًا في فعل كل شيء. وهذا هو حقًا كعب أخيل لوحدة معالجة الرسومات. قال دواني: “وهذا ما نحاول إصلاحه”.

الطريقة التي يريد ليموريان الإجابة عن هذا السؤال هي تغيير الحسابات الحسابية على الرقاقة، وهي مهمة ضخمة بلا شك. وكما يقول دواني، في الأيام الأولى لتطوير الرقائق، اتخذ المهندسون قرارًا باتباع نهج النقطة العائمة لأنه لم يتمكن أحد من تنفيذ النهج اللوغاريتمي. ويدعي أن شركته قد حلت هذه المشكلة.

“إن جمال نظام أرقام السجل هو أنه يحول كل عمليات الضرب والقسمة الباهظة الثمن إلى عمليات جمع وطرح، وهي عمليات مجانية للغاية في الأجهزة. لذلك يمكنك توفير المساحة والطاقة وتكتسب السرعة. وستكتسب أيضًا القليل من الدقة والدقة،” وكلها عوامل جذابة للغاية عند محاولة خفض تكلفة المعالجة على نماذج اللغات الكبيرة.

كيف فعلوا ذلك؟ “لقد عثرنا في الواقع على إدراك أنه من خلال البناء بطريقة معينة وتوسيع تعريف نظام الأعداد الكبيرة، يمكنك في الواقع إنشاء حل دقيق، والذي ينتهي به الأمر إلى أن يكون أصغر وأكثر دقة من النقطة العائمة لنفس العدد من البتات ،” هو قال.

“وكلما قمت بزيادة عدد البتات، فإنها تنمو بشكل أفضل وأفضل في النطاق الديناميكي لنفس العدد من البتات، وهو أمر رائع حقًا. الآن، هذا جزء كبير مما يسمح لنا باستكشاف البنية التي قمنا بها لأنه بدون نظام الأرقام فإنك تستسلم لنفس القيود.

إنهم يتبعون نهجًا بطيئًا، حيث يطلقون الجزء البرمجي من المكدس أولاً، والذي يأملون أن يكون متاحًا بشكل عام في الربع الثالث من العام المقبل. تعد الأجهزة أكثر تحديًا وستستغرق وقتًا ومالًا لتطويرها وتصنيعها واختبارها في مرحلة الإنتاج، ولكن الهدف هو أن يتبع ذلك في السنوات القادمة.

يعمل لدى الشركة حاليًا 24 موظفًا، معظمهم من المهندسين الفنيين ذوي المهارات العالية ولديهم خلفية في هذا النوع من المشاريع. هذه مجموعة محدودة من الأشخاص، لكن هدفه هو توظيف ستة أشخاص آخرين خلال الأشهر القليلة القادمة، وإذا سارت الأمور على ما يرام، وحصلوا على السلسلة A، فسيحصلون على 35 شخصًا آخرين في العام المقبل.

تمت قيادة هذا الاستثمار الذي تبلغ قيمته 9 ملايين دولار من قبل شركة Oval Park Capital بمشاركة Good Growth Capital وRaptor Group وAlumni Ventures، من بين آخرين.

يمثل بناء شركة مثل هذه وطرح الرقائق في السوق تحديًا كبيرًا ومكلفًا، ولكن إذا تمكنوا من تحقيق ما يصفونه، فقد يجعل ذلك بناء نماذج الذكاء الاصطناعي التوليدية (وما يأتي بعد ذلك) أرخص بكثير وأكثر كفاءة.