समाचारं

한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina

ChatGPT इत्यस्य जन्मनः पूर्वं गूगलः एकहस्तेन विश्वे कृत्रिमबुद्धेः विकासे महत्त्वपूर्णं तरङ्गं प्रक्षेपितवान् आसीत् यत् विश्वे यत् प्रतिध्वनितम् आसीत् तत् आसीत् यत् गूगल आल्फागो इत्यनेन कोरियादेशस्य गो-क्रीडकं ली सेडोल् इत्येतम् "Man-Machine War" इत्यत्र पराजितम् । २०१६ तमे वर्षे । अस्य पृष्ठतः आल्फागो इत्यस्य "सर्वतोऽपि शक्तिशालिनः मस्तिष्कस्य" संचालनं समर्थयति इति TPU चिप् महत्त्वपूर्णम् अस्ति, अद्यापि तस्य पुनरावर्तनीयं सुधारः क्रियते ।

यद्यपि TPU मूलतः आन्तरिककार्यभारस्य कृते निर्मितम् आसीत् तथापि तस्य बहुविधलाभानां कारणात् न केवलं गूगलस्य अन्तः व्यापकरूपेण उपयोगः कृतः अस्ति तथा च AI इत्यस्य मेरुदण्डः अभवत्, अपितु एप्पल् इत्यादिभिः प्रौद्योगिकीविशालकायैः अनेकैः बृहत्-माडलैः च अनुकूलः प्रतिस्पर्धात्मकरूपेण च प्रयुक्तः अभवत् स्टार्टअप्स। पश्चात् पश्यन् जन्मतः दशवर्षेषु टीपीयू चिप्स् क्रमेण एआइ-उद्योगस्य धारात् मञ्चस्य केन्द्रं यावत् गतवन्तः । परन्तु यतः TPU आधारभूतसंरचना मुख्यतया TensorFlow तथा JAX इत्येतयोः परितः निर्मितः अस्ति, अतः गूगलः अपि किञ्चित्पर्यन्तं "तकनीकीद्वीपाः" इत्यादीनां आव्हानानां सामनां करोति ।

कृत्रिमबुद्धि-नवीनीकरणेन सह दशवर्षं “पालनं”

यन्त्रशिक्षणस्य गहनशिक्षणस्य च एल्गोरिदम् इत्यस्य गहनविकासेन सह उच्चप्रदर्शनस्य, न्यूनशक्तियुक्तस्य एआइ कम्प्यूटिंग् चिप्स् इत्यस्य उद्योगस्य माङ्गलिका तीव्रगत्या वर्धमाना अस्ति परन्तु पारम्परिकसामान्यउद्देश्ययुक्ताः CPU तथा GPU ये ग्राफिक्स् त्वरणं तथा च विडियो रेण्डरिंग् इत्यादिषु जटिलकार्येषु विशेषज्ञतां प्राप्नुवन्ति तथा च गहनशिक्षणकार्यभारस्य विशालमागधाः पूर्तयितुं न शक्नुवन्ति।

गूगलस्य मुख्यवैज्ञानिकः जेफ् डीन् इत्ययं कथयति यत्, "यदि प्रतिदिनं कोटिकोटिजनाः गूगलेन सह त्रिनिमेषात्मकं वार्तालापं कुर्वन्ति तर्हि कियत् कम्प्यूटिंग्-शक्तिः आवश्यकी भविष्यति इति विषये वयं केचन रूक्ष-गणनाः कृतवन्तः। तस्मिन् समये वयं शीघ्रमेव अवगच्छामः यत् एतस्य आवश्यकता भविष्यति" इति मूलतः गूगलेन नियोजितानां सर्वेषां सङ्गणकानां उपभोगः करणीयः अन्येषु शब्देषु, एतासां नूतनानां क्षमतानां समर्थनार्थं गूगलस्य दत्तांशकेन्द्रेषु सङ्गणकानां संख्यां दुगुणां कर्तुं प्रवृत्ता भविष्यति।

फलतः गूगलः अधिकव्यय-प्रभाविणः ऊर्जा-बचत-यन्त्रशिक्षणसमाधानस्य अन्वेषणाय प्रतिबद्धः, तत्क्षणमेव TPU परियोजनां प्रारब्धवान्, तथा च २०१५ तमे वर्षे प्रथमपीढीयाः TPU चिप् (TPU v1) आन्तरिकरूपेण ऑनलाइन अस्ति इति घोषितवान् TPU इति एकविशिष्टप्रयोजनाय डिजाइनं कृतं अनुप्रयोगविशिष्टं एकीकृतं परिपथं (ASIC) अस्ति, यत्र एआइ मॉडल् निर्मातुं आवश्यकं अद्वितीयं मैट्रिक्सं तथा सदिश-आधारितं गणितीयसञ्चालनं चालयति GPU इत्यस्य matrix operations इत्यस्मात् भिन्नं PU इत्यस्य प्रतिष्ठितं वैशिष्ट्यं तस्य matrix multiplication unit (MXU) अस्ति ।

गूगलस्य उपाध्यक्षः अभियांत्रिकी शिक्षाविदः च नॉर्म जौप्पी इत्यस्य मते टीपीयू इत्यस्य उद्भवेन गूगलेन १५ डाटा सेण्टर् रक्षितुं शक्यते । यथा महत्त्वपूर्णं कारणं यत् TPU अधिकं व्यय-प्रभावी अस्ति, तत् अस्ति यत् Google इत्यस्य सॉफ्टवेयर-स्टैक् GPU इत्यस्मात् अधिकं लम्बवत् एकीकृतः अस्ति । गूगलस्य सम्पूर्णं सॉफ्टवेयर-ढेरं निर्माय समर्पितं अभियांत्रिकीदलम् अस्ति, मॉडल-कार्यन्वयनात् (Vertex Model Garden) गहन-शिक्षण-रूपरेखा (Keras, JAX, and TensorFlow) यावत् TPUs (XLA) कृते अनुकूलित-कम्पाइलर्-पर्यन्तं

कार्यक्षमतायाः दृष्ट्या TPU v1 इत्यस्मिन् 65536 8-बिट् MAC (Matrix Multiplication Unit), 92 TOPS इत्यस्य शिखरप्रदर्शनं, 28 MiB इत्यस्य ऑन-चिप् स्मृतिस्थानं च अस्ति । CPU तथा GPU इत्येतयोः तुलने TPU v1 प्रतिक्रियासमये ऊर्जादक्षता अनुपाते च उत्तमं प्रदर्शनं करोति, तथा च तंत्रिकाजालस्य अनुमानवेगं महत्त्वपूर्णतया सुधारयितुं शक्नोति TPU v1 इत्यस्य सफलतायाः कारणात् गूगलः अवगच्छत् यत् मशीन् लर्निङ्ग् चिप्स् इत्यस्य विकासस्य व्यापकसंभावनाः सन्ति, अतः सः TPU v1 इत्यस्य आधारेण अधिक उन्नतप्रदर्शनस्य उच्चतरदक्षतायाः च सह उत्पादानाम् उन्नयनं प्रक्षेपणं च निरन्तरं करोति

उदाहरणार्थं, TPU v2 तथा TPU v3 अधिकजटिल AI कार्याणां समर्थनार्थं सर्वर-पक्षीय AI अनुमानं प्रशिक्षणचिपं च रूपेण डिजाइनं कृतम् अस्ति । TPU v4 अधिकं मापनीयतां लचीलतां च वर्धयति तथा च बृहत्-परिमाणस्य AI कम्प्यूटिंग् क्लस्टरस्य निर्माणस्य समर्थनं करोति । तेषु TPU v2 प्रथमवारं एकचिप्-डिजाइनं बृहत्तरं सुपरकम्प्यूटिङ्ग्-प्रणाल्यां विस्तारयति, २५६ TPU चिप्स्-इत्यनेन निर्मितं TPU Pod निर्माति तदतिरिक्तं TPU v3 द्रवशीतलनप्रौद्योगिकीम् योजयति, तथा च TPU v4 इत्यनेन कार्यक्षमतां कार्यक्षमतां च अधिकं सुधारयितुम् ऑप्टिकल् सर्किट् स्विचः प्रवर्तते ।

२०२३ तमे वर्षे TPU v5 चिप् इत्यस्य सम्मुखे "अतिशयोक्ताः" संशयाः विवादाः च दृष्ट्वा गूगलः प्रत्यक्षतया TPU v5e संस्करणं प्रति कूर्दितवान् । TPU v5e आर्किटेक्चरमध्ये समायोजितम् अस्ति, एकस्य TensorCore आर्किटेक्चरस्य उपयोगेन INT8 इत्यस्य शिखरगणनाशक्तिः 393 TFLOPS यावत् भवति, यत् v4 इत्यस्य 275 TFLOPS इत्यस्मात् अधिकं भवति तथापि BF16 इत्यस्य शिखरगणनाशक्तिः केवलं 197 TFLOPS इत्यस्मात् न्यूना अस्ति पूर्वजन्मस्य स्तरः v4. एतेन ज्ञायते यत् TPU v5e तर्ककार्यस्य कृते अधिकं उपयुक्तं भवति तथा च AI कम्प्यूटिंग् पावरसेवाविपण्यस्य कृते Google इत्यस्य रणनीतिकपरिचयं प्रतिबिम्बयितुं शक्नोति।

अस्मिन् वर्षे मेमासे I/O Developer Conference इत्यस्मिन् गूगलेन षष्ठपीढीयाः TPU Trillium इति यंत्रं प्रकाशितम् । गूगल क्लाउड् मशीन लर्निङ्ग्, सिस्टम्स् तथा क्लाउड् एआइ इत्यस्य उपाध्यक्षः महाप्रबन्धकः च अमीन वधाट् इत्यनेन उक्तं यत् ट्रिलियम टीपीयू इत्यस्य शिखरगणनाप्रदर्शनं पूर्वपीढीयाः टीपीयू v5e इत्यस्मात् ४.७ गुणाधिकं भवति, ऊर्जादक्षता च ६७% अधिका अस्ति । higher than TPU v5e तस्मिन् एव काले उच्च-बैण्डविड्थ-स्मृतिः क्षमता तथा बैण्डविड्थ् दुगुणा भवति, अपि च अधिक-उन्नत-AI-प्रणालीनां आवश्यकतां पूरयितुं अन्तर-चिप्-अन्तर-संयोजन-बैण्डविड्थ् अपि दुगुणा भवति

उल्लेखनीयं यत् Trillium एकस्मिन् उच्च-बैण्डविड्थ, न्यून-विलम्बता Pod मध्ये 256 TPUs यावत् स्केल कर्तुं शक्नोति । गूगलस्य फल-स्तरीय-मापनीयता, बहु-स्लाइस्-प्रौद्योगिक्याः, टाइटेनियम-बुद्धिमान्-प्रक्रियाकरण-एककानां च लाभं गृहीत्वा, उपयोक्तारः पेटाबाइट्-परिमाणस्य सुपरकम्प्यूटर-दत्तांश-केन्द्र-जालस्य निर्माणार्थं ट्रिलियम-टीपीयू-सैकशः व्यक्तिगत-फली-सम्बद्धं कर्तुं समर्थाः भविष्यन्ति

समग्रतया TPU प्रौद्योगिकीसमाधानस्य लाभः अस्य अधिककेन्द्रीकृतवास्तुकलानिर्माणे अस्ति । एकस्मिन् बोर्डेन सह सम्बद्धानां बहुविध-जीपीयू-इत्यस्य विपरीतम्, टीपीयू-इत्येतत् घनरूपेण संगठितं भवति, येन द्रुततरं अन्तर-चिप्-सञ्चारः भवति, तथा च ब्रॉडकॉम-सङ्गठनेन सह गहनसहकार्यं कृत्वा संचार-सञ्चार-दरस्य महती उन्नतिः अभवत् तदतिरिक्तं समर्पितानां परिदृश्यानां तथा उपयोगप्रकरणानाम् आवश्यकतानां अन्तर्गतं, एतत् उत्पादस्य अनुकूलनं पुनरावृत्तिं च अधिकशीघ्रं प्रवर्तयितुं शक्नोति । परन्तु यतः TPU आधारभूतसंरचना मुख्यतया TensorFlow तथा JAX इत्येतयोः परितः निर्मितः अस्ति, तथा च उद्योगः नवीनतायै HuggingFace मॉडल् तथा PyTorch इत्येतयोः उपयोगे अधिकं मुख्यधारा अस्ति, अतः गूगलः अपि किञ्चित्पर्यन्तं "तकनीकीद्वीपस्य" समस्यायाः सामनां करोति

एप्पल् तथा बहूनां एआइ स्टार्टअप्स इत्यनेन स्वीकृतम्

अनुप्रयोगानाम् दृष्ट्या गूगल-टीपीयू-प्रकल्पः मूलतः विशिष्टानां आन्तरिक-आवश्यकतानां कृते निर्मितः आसीत् तथा च शीघ्रमेव विभिन्नेषु विभागेषु व्यापकरूपेण उपयुज्यते स्म, तथा च एआइ-क्षेत्रे परिपक्वतम-उन्नत-कस्टम्-चिप्-मध्ये अन्यतमः अभवत् गूगलस्य यन्त्रशिक्षणहार्डवेयरप्रणाल्याः मुख्यइञ्जिनीयरः एण्डी स्विंग् इत्यस्य मते ते मूलतः १०,००० TPU v1 इत्यस्मात् न्यूनं निर्मातुम् अपेक्षितवन्तः, परन्तु अन्ततः एकलक्षाधिकं उत्पादनं कृतवन्तः, यत्र विज्ञापनं, अन्वेषणं, स्वरं, AlphaGo, अपि च स्वायत्तवाहनचालनं च समाविष्टानि अनुप्रयोगाः सन्ति अन्यक्षेत्राणि ।

यथा यथा कार्यक्षमता, कार्यक्षमता च निरन्तरं सुधरति तथा तथा TPU चिप्स् क्रमेण गूगलस्य AI आधारभूतसंरचना, प्रायः सर्वेषां उत्पादानाम् AI मेरुदण्डः च अभवन् । उदाहरणार्थं, Google Cloud Platform इत्यस्य AI आधारभूतसंरचनायाः समर्थनार्थं TPU चिप्स् इत्यस्य व्यापकरूपेण उपयोगः भवति । गूगल क्लाउड् प्लेटफॉर्म इत्यस्य माध्यमेन उपयोक्तारः स्वस्य यन्त्रशिक्षणप्रतिमानस्य प्रशिक्षणार्थं परिनियोजनाय च TPU चिप्स् इत्यस्य आधारेण वर्चुअल् मशीन इन्स्टान्स् (VM) अभिगन्तुं शक्नुवन्ति ।

यद्यपि मेघसेवानां कृते उत्तमं उपयोक्तृमूलं प्राप्तवान् तथापि गूगलः प्रत्यक्षतया उपयोक्तृभ्यः हार्डवेयरं न विक्रयति । उद्योगविश्लेषकाः दर्शयन्ति यत् गूगलः ओपनएआइ इत्यनेन सह जनरेटिव् एआइ इत्यस्य कृते भृशं स्पर्धां करोति यदि सः टीपीयू विक्रयति तर्हि सः प्रत्यक्षतया एनवीडिया इत्यस्य आव्हानं करिष्यति यत् अस्मिन् क्षणे सर्वाधिकं बुद्धिमान् रणनीतिः न भवेत्। तस्मिन् एव काले हार्डवेयरविक्रये प्रत्यक्षतया उच्चभारः जटिलः आपूर्तिशृङ्खलाप्रबन्धनः च भवति, यदा तु क्लाउड्सेवाद्वारा TPU प्रदातुं संस्थापनं, परिनियोजनं, प्रबन्धनप्रक्रिया च सरलं कर्तुं शक्यते, अनिश्चिततां अतिरिक्तभारं च न्यूनीकर्तुं शक्यते

अपरपक्षे गूगलक्लाउड्-एन्विडिया-योः निकटसहकार्यस्य अपि विचारः करणीयः । गूगलः न केवलं NVIDIA GPUs इत्यस्य आन्तरिकरूपेण उपयोगं करोति, अपितु उच्च-प्रदर्शन-गणना-AI-अनुप्रयोगानाम् ग्राहकानाम् आवश्यकतानां पूर्तये स्वस्य क्लाउड्-सेवा-मञ्चे NVIDIA GPU-आधारित-सेवाः अपि प्रदाति

सत्यमेव यत् एनवीडिया इत्यस्य एआइ चिप्स् प्रौद्योगिकीदिग्गजानां कृते "अवश्यस्पर्धा" अभवन्, परन्तु उद्योगः अधिकविविधविकल्पानां अन्वेषणमपि कुर्वन् अस्ति । यद्यपि आन्तरिकरूपेण अस्य व्यापकरूपेण उपयोगः कृतः अस्ति तथापि अधिकग्राहकेभ्यः एआइ-सेवाः प्रदातुं कृत्रिमबुद्धि-नवीनीकरणस्य तालमेलं स्थापयितुं गूगलः टीपीयू-इत्यस्य उपयोगं कर्तुं अपि प्रयतते एण्डी स्विंग् इत्यनेन उक्तं यत्, “अस्माकं TPU तथा pod सेटअप वर्तमानदत्तांशकेन्द्रक्षमतया सह सर्वोत्तमरूपेण मेलनं करोति इति स्थाने अस्ति, परन्तु वयं आवश्यकतानां पूर्तये दत्तांशकेन्द्रस्य डिजाइनं परिवर्तयामः अतः अद्य सज्जीकृतं समाधानं समाधानात् बहु भिन्नं भविष्यति श्वः भिन्नरूपेण वयं TPUs पूर्णं वैश्विकं दत्तांशकेन्द्रजालं निर्मामः।”

सम्प्रति विश्वे बहवः प्रौद्योगिकीकम्पनयः गूगलस्य TPU चिप्स् इत्यस्य उपयोगं कुर्वन्ति । यथा, एप्पल् इत्यनेन स्वीकृतं यत् सः स्वस्य कृत्रिमबुद्धिप्रतिरूपस्य प्रशिक्षणार्थं गूगल टीपीयू इत्यस्य उपयोगं करोति, यत् "एषा प्रणाली अस्मान् एएफएम-उपकरणं, एएफएम-सर्वर्, बृहत्तर-माडलं च सहितं एएफएम-माडल-प्रशिक्षणं कुशलतया, स्केलेबल-रूपेण च कर्तुं शक्नोति" इति सर्वर AFM इत्यस्य प्रशिक्षणं ८१९२ TPUv4 चिप्स् इत्यत्र आद्यतः एव कृतवान्, ४०९६ अनुक्रमदीर्घतायाः ४०९६ अनुक्रमस्य बैच आकारस्य च उपयोगेन ६.३ खरब टोकन प्रशिक्षणं कृतवान् तदतिरिक्तं अन्त्यपक्षीय एएफएम २०४८ गूगल टीपीयूवी५पी चिप्स् इत्यत्र प्रशिक्षितः अस्ति ।

अन्ये आँकडानि दर्शयन्ति यत् वित्तपोषणं प्राप्तवन्तः ६०% अधिकाः जननात्मकाः एआइ-स्टार्टअपः तथा च प्रायः ९०% जननात्मक-एआइ-एकशृङ्गाः गूगल-क्लाउड्-ए.आइ.-अन्तर्गत-संरचनायाः, क्लाउड्-टीपीयू-सेवानां च उपयोगं कुर्वन्ति, तथा च विभिन्नेषु सामाजिक-आर्थिकक्षेत्रेषु व्यापकरूपेण उपयुज्यन्ते

यथा, Anthropic, Midjourney, Salesforce, Hugging Face, AssemblyAI इत्यादीनि सुप्रसिद्धानि AI स्टार्टअप-संस्थाः Cloud TPU इत्यस्य व्यापकरूपेण उपयोगं कुर्वन्ति । तेषु "OpenAI प्रतिद्वन्द्वी" इति नाम्ना एन्थ्रोपिक् गूगल क्लाउड् TPU v5e चिप् इत्यस्य उपयोगं करोति यत् तस्य बृहत् भाषा मॉडल् क्लाउड् इत्यस्य हार्डवेयर समर्थनं प्रदातुं शक्नोति यत् मॉडल् प्रशिक्षणं अनुमानप्रक्रिया च त्वरयति तदतिरिक्तं बहवः वैज्ञानिकसंशोधनशैक्षिकसंस्थाः अपि स्वस्य एआइ-सम्बद्धानां शोधपरियोजनानां समर्थनार्थं गूगल-टीपीयू-चिप्स-इत्यस्य उपयोगं कुर्वन्ति । एताः संस्थाः प्रयोगात्मकप्रक्रियाणां त्वरिततायै TPU चिप्स् इत्यस्य उच्चप्रदर्शनकम्प्यूटिंगशक्तिं उपयोक्तुं शक्नुवन्ति, येन अत्याधुनिकवैज्ञानिकसंशोधनं शिक्षाप्रगतिः च प्रवर्तते

ज्ञातव्यं यत् गूगलस्य आधिकारिकसूचनानुसारं तस्य नवीनतमस्य TPU इत्यस्य परिचालनव्ययः प्रतिघण्टां $2 तः न्यूनः भवति, परन्तु ग्राहकाः तस्य उपयोगं सुनिश्चित्य वर्षत्रयपूर्वं आरक्षितुं प्रवृत्ताः भवेयुः एतेन द्रुतगत्या परिवर्तमानस्य उद्योगे बृहत्-माडल-कम्पनीनां कृते महत्त्वपूर्णानि आव्हानानि आनेतुं शक्यन्ते ।

सर्वथा TPU इत्यस्य दशवर्षीययात्रायाः सफलतापूर्वकं सिद्धं जातं यत् CPU तथा GPU इत्येतयोः अतिरिक्तं AI कृते आवश्यकं कम्प्यूटिंग् शक्तिं अनुसरणं कर्तुं उद्योगस्य नूतनः मार्गः अस्ति यत् प्रायः सर्वेषु Google उत्पादेषु AI कार्याणां मूलं अपि अभवत् तथा च supports Google DeepMind's advanced मूलभूतमाडलस्य द्रुतविकासः अपि च सम्पूर्णस्य बृहत् मॉडल उद्योगस्य। भविष्ये यथा यथा ए.आइ. परन्तु एआइ हार्डवेयर अपि अधिकं विशेषं भवितुम् अर्हति, यत् हार्डवेयरं मॉडल् च अधिकं निकटतया एकीकृतं करिष्यति, येन नूतनानां नवीनतायाः सम्भावनानां कृते ढाञ्चात् बहिः द्रष्टुं कठिनं भविष्यति