AI എന്നത് സോഫ്റ്റ്‌വെയറിനെപ്പോലെ തന്നെ ഹാർഡ്‌വെയറിന്റെയും കഥയാണ്

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനെക്കുറിച്ചുള്ള പൊതുവായ ധാരണ മിക്കവാറും കോഡിംഗിൽ മാത്രമായി ഒതുങ്ങിനിൽക്കുന്നു. ലാർജ് ലാംഗ്വേജ് മോഡലുകൾ കേവലം ലോജിക് മാത്രമുള്ള ഒന്നാണെന്നാണ് ആളുകൾ കരുതുന്നത്. ഒരു അൽഗോരിതത്തിന്റെ മികവിനെക്കുറിച്ചോ ചാറ്റ്‌ബോട്ട് നൽകുന്ന മറുപടികളെക്കുറിച്ചോ അവർ ചർച്ച ചെയ്യുന്നു. എന്നാൽ ഇന്നത്തെ സാങ്കേതികവിദ്യയുടെ ഏറ്റവും പ്രധാനപ്പെട്ട ഘടകം ഈ കാഴ്ചപ്പാടിൽ വിട്ടുപോകുന്നു. AI എന്നത് വെറുമൊരു സോഫ്റ്റ്‌വെയർ കഥയല്ല; അതൊരു വലിയ വ്യവസായത്തിന്റെ കഥയാണ്. വൻതോതിലുള്ള വൈദ്യുതി ഉപഭോഗത്തെക്കുറിച്ചും സിലിക്കണിന്റെ ഭൗതിക പരിമിതികളെക്കുറിച്ചുമുള്ള കഥയാണത്. ഒരു ഉപയോക്താവ് ചാറ്റ്‌ബോട്ടിനോട് ഒരു ചോദ്യം ചോദിക്കുമ്പോഴെല്ലാം, മൈലുകൾ അകലെയുള്ള ഒരു ഡാറ്റാ സെന്ററിൽ ഭൗതികമായ പ്രവർത്തനങ്ങളുടെ ഒരു ശൃംഖല തന്നെ നടക്കുന്നുണ്ട്. ഈ പ്രക്രിയയിൽ ഉൾപ്പെടുന്ന സ്പെഷ്യലൈസ്ഡ് ചിപ്പുകൾ ഇന്ന് ലോകത്തിലെ ഏറ്റവും വിലപിടിപ്പുള്ള വസ്തുക്കളാണ്. ചില കമ്പനികൾ വിജയിക്കുന്നതും മറ്റുള്ളവർ പരാജയപ്പെടുന്നതും എന്തുകൊണ്ടാണെന്ന് മനസ്സിലാക്കണമെങ്കിൽ, നിങ്ങൾ ഹാർഡ്‌വെയറിലേക്ക് നോക്കണം. സോഫ്റ്റ്‌വെയർ എന്നത് സ്റ്റിയറിംഗ് വീൽ ആണെങ്കിൽ, ഹാർഡ്‌വെയർ എന്നത് എൻജിനും ഇന്ധനവുമാണ്. ഭൗതികമായ അടിസ്ഥാന സൗകര്യങ്ങളില്ലാതെ, ലോകത്തിലെ ഏറ്റവും മികച്ച മോഡൽ പോലും വെറും ഉപയോഗശൂന്യമായ ഗണിതശാസ്ത്രം മാത്രമാണ്.

സിലിക്കൺ സീലിംഗ്

ദശകങ്ങളായി സോഫ്റ്റ്‌വെയർ വികസനം ഒരു നിശ്ചിത പാതയിലൂടെയാണ് സഞ്ചരിച്ചത്. നിങ്ങൾ കോഡ് എഴുതുന്നു, അത് സാധാരണ സെൻട്രൽ പ്രോസസിംഗ് യൂണിറ്റുകളിൽ അഥവാ CPUs-ൽ പ്രവർത്തിക്കുന്നു. ഈ ചിപ്പുകൾ പൊതുവായ ആവശ്യങ്ങൾക്കുള്ളവയാണ്. അവയ്ക്ക് ഒന്നിനുപുറകെ ഒന്നായി പലതരം ജോലികൾ ചെയ്യാൻ കഴിയും. എന്നാൽ AI ആവശ്യങ്ങൾ മാറ്റിമറിച്ചു. ആധുനിക മോഡലുകൾക്ക് ഒരു ജനറലിസ്റ്റിനെ ആവശ്യമില്ല. ഒരേസമയം കോടിക്കണക്കിന് ലളിതമായ ഗണിത പ്രവർത്തനങ്ങൾ ചെയ്യാൻ കഴിയുന്ന ഒരു സ്പെഷ്യലിസ്റ്റിനെയാണ് അവർക്ക് ആവശ്യം. ഇതിനെ പാരലൽ പ്രോസസിംഗ് എന്ന് വിളിക്കുന്നു. വ്യവസായം അതിന്റെ ശ്രദ്ധ ഗ്രാഫിക്സ് പ്രോസസിംഗ് യൂണിറ്റുകളിലേക്ക് അഥവാ GPUs-ലേക്ക് മാറ്റി. വീഡിയോ ഗെയിമുകൾ റെൻഡർ ചെയ്യാൻ രൂപകൽപ്പന ചെയ്ത ഈ ചിപ്പുകൾ, ന്യൂറൽ നെറ്റ്‌വർക്കുകളെ നയിക്കുന്ന മാട്രിക്സ് ഗുണനത്തിന് ഏറ്റവും അനുയോജ്യമാണെന്ന് ഗവേഷകർ കണ്ടെത്തി. ഈ മാറ്റം വലിയൊരു തടസ്സം സൃഷ്ടിച്ചു. നിങ്ങൾക്ക് കൂടുതൽ ഇന്റലിജൻസ് ഡൗൺലോഡ് ചെയ്യാൻ കഴിയില്ല. നിർമ്മിക്കാൻ അങ്ങേയറ്റം പ്രയാസമുള്ള ഭൗതിക ഘടകങ്ങൾ ഉപയോഗിച്ച് അത് കെട്ടിപ്പടുക്കേണ്ടതുണ്ട്. TSMC പോലുള്ള കമ്പനികൾക്ക് സിലിക്കൺ വേഫറുകളിൽ എത്ര വേഗത്തിൽ സർക്യൂട്ടുകൾ കൊത്തിയെടുക്കാൻ കഴിയുമെന്നതിനെ ആശ്രയിച്ചാണ് AI പുരോഗതിയുടെ വേഗത തീരുമാനിക്കപ്പെടുന്നത് എന്ന യാഥാർത്ഥ്യമാണ് ലോകം ഇപ്പോൾ നേരിടുന്നത്.

ഈ ഭൗതിക പരിമിതി ടെക് ലോകത്ത് ഒരു പുതിയ തരം വർഗ്ഗവ്യവസ്ഥ സൃഷ്ടിച്ചിട്ടുണ്ട്. കമ്പ്യൂട്ട് സമ്പന്നരും കമ്പ്യൂട്ട് ദരിദ്രരും ഇവിടെയുണ്ട്. പതിനായിരം ഹൈ-എൻഡ് ചിപ്പുകളുള്ള ഒരു കമ്പനിക്ക് ചെയ്യാൻ കഴിയുന്ന മോഡൽ പരിശീലനം, നൂറ് ചിപ്പുകൾ മാത്രമുള്ള ഒരു കമ്പനിക്ക് ചിന്തിക്കാൻ പോലും കഴിയില്ല. ഇത് കഴിവിന്റെയോ മികച്ച കോഡിംഗിന്റെയോ പ്രശ്നമല്ല. ഇത് കേവലമായ ശക്തിയുടെ പ്രശ്നമാണ്. ലാപ്ടോപ്പുള്ള ആർക്കും മത്സരിക്കാവുന്ന ഒരു തുല്യമായ മേഖലയാണ് AI എന്ന തെറ്റിദ്ധാരണ മാറിക്കൊണ്ടിരിക്കുകയാണ്. AI വികസനത്തിന്റെ ഉന്നത തലത്തിലേക്കുള്ള പ്രവേശന വില ഇപ്പോൾ കോടിക്കണക്കിന് ഡോളർ വിലമതിക്കുന്ന ഹാർഡ്‌വെയറിലാണ് അളക്കുന്നത്. അതുകൊണ്ടാണ് ലോകത്തിലെ ഏറ്റവും വലിയ ടെക് കമ്പനികൾ അടിസ്ഥാന സൗകര്യങ്ങൾക്കായി അഭൂതപൂർവ്വമായ തുക ചെലവഴിക്കുന്നത്. അവർ സെർവറുകൾ വാങ്ങുക മാത്രമല്ല ചെയ്യുന്നത്; അവർ ഭാവിയിലെ ഫാക്ടറികൾ നിർമ്മിക്കുകയാണ്. ഹാർഡ്‌വെയർ എന്നത് അവരുടെ ബിസിനസ്സ് മോഡലുകളെ സംരക്ഷിക്കുന്ന കോട്ടയാണ്.

മണലിന്റെയും ശക്തിയുടെയും ഭൗമരാഷ്ട്രീയം

ഹാർഡ്‌വെയർ കേന്ദ്രീകൃതമായ AI-യിലേക്കുള്ള മാറ്റം ടെക് വ്യവസായത്തിന്റെ ശ്രദ്ധാകേന്ദ്രം മാറ്റിയിരിക്കുന്നു. ഇത് ഇനി സിലിക്കൺ വാലിയെക്കുറിച്ച് മാത്രമല്ല. ഇത് തായ്‌വാൻ കടലിടുക്കിനെയും വടക്കൻ വിർജീനിയയിലെ പവർ ഗ്രിഡുകളെയും കുറിച്ചാണ്. ഏറ്റവും നൂതനമായ AI ചിപ്പുകളുടെ നിർമ്മാണ പ്രക്രിയ വളരെ സങ്കീർണ്ണമാണ്, TSMC എന്ന ഒരൊറ്റ കമ്പനിക്ക് മാത്രമേ ഇത് വലിയ തോതിൽ ചെയ്യാൻ കഴിയൂ. ഇത് ആഗോള സമ്പദ്‌വ്യവസ്ഥയ്ക്ക് തന്നെ ഒരു വലിയ ഭീഷണിയാണ്. തായ്‌വാനിലെ ഉൽപ്പാദനം നിലച്ചാൽ, AI പുരോഗതിയും നിലയ്ക്കും. അതുകൊണ്ടാണ് ഗവൺമെന്റുകൾ ഇപ്പോൾ ചിപ്പ് നിർമ്മാണത്തെ ദേശീയ സുരക്ഷയുടെ വിഷയമായി കാണുന്നത്. അവർ പുതിയ ഫാക്ടറികളുടെ നിർമ്മാണത്തിന് സബ്‌സിഡി നൽകുകയും ഹൈ-എൻഡ് ഹാർഡ്‌വെയറുകൾക്ക് കയറ്റുമതി നിയന്ത്രണങ്ങൾ ഏർപ്പെടുത്തുകയും ചെയ്യുന്നു. മത്സരാധിഷ്ഠിതമായി തുടരാൻ ആവശ്യമായ ഭൗതിക ഘടകങ്ങൾ തങ്ങളുടെ ആഭ്യന്തര വ്യവസായങ്ങൾക്ക് ലഭ്യമാണെന്ന് ഉറപ്പാക്കുകയാണ് ഇതിന്റെ ലക്ഷ്യം.

ചിപ്പുകൾക്ക് പുറമെ, ഊർജ്ജത്തിന്റെ പ്രശ്നവുമുണ്ട്. AI മോഡലുകൾക്ക് വലിയ തോതിൽ വൈദ്യുതി ആവശ്യമാണ്. ഒരു സാധാരണ സെർച്ച് എൻജിൻ അഭ്യർത്ഥനയേക്കാൾ കൂടുതൽ വൈദ്യുതി ഒരു സിംഗിൾ ക്വറിക്ക് ആവശ്യമായി വന്നേക്കാം. ഇത് പ്രാദേശിക പവർ ഗ്രിഡുകളിൽ വലിയ സമ്മർദ്ദം ചെലുത്തുന്നു. ഡാറ്റാ സെന്ററുകൾ കേന്ദ്രീകരിച്ചിരിക്കുന്ന സ്ഥലങ്ങളിൽ, വൈദ്യുതിയുടെ ആവശ്യം വിതരണത്തേക്കാൾ വേഗത്തിൽ വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ്. ഇത് ആണവോർജ്ജത്തിലേക്കും മറ്റ് ഉയർന്ന ശേഷിയുള്ള ഊർജ്ജ സ്രോതസ്സുകളിലേക്കും വീണ്ടും ശ്രദ്ധ തിരിക്കാൻ കാരണമായി. ഡാറ്റാ സെന്ററുകൾക്ക് അവരുടെ വൈദ്യുതി ഉപഭോഗം ഇരട്ടിയാക്കാൻ കഴിയുമെന്ന് ഇന്റർനാഷണൽ എനർജി ഏജൻസി ചൂണ്ടിക്കാട്ടിയിട്ടുണ്ട്. മികച്ച കോഡ് ഉപയോഗിച്ച് പരിഹരിക്കാവുന്ന ഒരു സോഫ്റ്റ്‌വെയർ പ്രശ്നമല്ല ഇത്. ഈ സംവിധാനങ്ങൾ എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിന്റെ ഭൗതിക യാഥാർത്ഥ്യമാണിത്. AI-യുടെ പാരിസ്ഥിതിക ആഘാതം കോഡ് വരികളിലല്ല, മറിച്ച് സെർവറുകൾ പ്രവർത്തിപ്പിക്കുന്ന കൂളിംഗ് സിസ്റ്റങ്ങളിലും പവർ പ്ലാന്റുകളുടെ കാർബൺ ഫുട്പ്രിന്റിലുമാണ്. AI സംരംഭങ്ങളുടെ മൂല്യം കണക്കാക്കുമ്പോൾ സംഘടനകൾ ഈ ഭൗതിക ചെലവുകൾ കൂടി കണക്കിലെടുക്കണം.

ഓരോ പ്രോംപ്റ്റിന്റെയും ഉയർന്ന ചെലവ്

ഹാർഡ്‌വെയർ പരിമിതികളുടെ പ്രായോഗിക പ്രഭാവം മനസ്സിലാക്കാൻ, ഇന്നത്തെ വിപണിയിലെ ഒരു സ്റ്റാർട്ടപ്പ് സ്ഥാപകയുടെ ഒരു ദിവസം പരിശോധിക്കാം. നമുക്ക് അവളെ സാറ എന്ന് വിളിക്കാം. പുതിയൊരു മെഡിക്കൽ ഡയഗ്നോസ്റ്റിക് ടൂളിനായി സാറയ്ക്ക് മികച്ചൊരു ആശയമുണ്ട്. അവൾക്ക് ഡാറ്റയും കഴിവും ഉണ്ട്. എന്നാൽ അവളുടെ ഏറ്റവും വലിയ തടസ്സം അൽഗോരിതമല്ല, മറിച്ച് ഇൻഫറൻസിന്റെ ചെലവാണെന്ന് അവൾ പെട്ടെന്ന് തിരിച്ചറിയുന്നു. ഒരു ഡോക്ടർ അവളുടെ ടൂൾ ഉപയോഗിക്കുമ്പോഴെല്ലാം, ക്ലൗഡിലെ ഒരു ഹൈ-എൻഡ് GPU-ൽ സമയം ചെലവഴിക്കാൻ അവൾ പണം നൽകണം. ഈ ചെലവുകൾ സ്ഥിരമല്ല. ആഗോള ഡിമാൻഡ് അനുസരിച്ച് അവ മാറിക്കൊണ്ടിരിക്കും. തിരക്കുള്ള സമയങ്ങളിൽ, കമ്പ്യൂട്ടിന്റെ വില കുതിച്ചുയരുകയും അത് അവളുടെ ലാഭത്തെ ബാധിക്കുകയും ചെയ്യുന്നു. മെഡിക്കൽ ഗവേഷണത്തേക്കാൾ കൂടുതൽ സമയം അവൾ തന്റെ ക്ലൗഡ് ക്രെഡിറ്റുകൾ കൈകാര്യം ചെയ്യാനും ഹാർഡ്‌വെയർ ഉപയോഗം ഒപ്റ്റിമൈസ് ചെയ്യാനുമാണ് ചെലവഴിക്കുന്നത്. ഇതാണ് ഇന്ന് ആയിരക്കണക്കിന് ക്രിയേറ്റർമാരുടെ യാഥാർത്ഥ്യം. അവർ ഹാർഡ്‌വെയറിന്റെ ഭൗതിക ലഭ്യതയുമായി ബന്ധിപ്പിക്കപ്പെട്ടിരിക്കുന്നു.

സാധാരണ ഉപയോക്താവിനെ സംബന്ധിച്ചിടത്തോളം, ഇത് ലേറ്റൻസിയിലും പരിമിതികളിലും പ്രകടമാകുന്നു. ദിവസത്തിലെ ചില സമയങ്ങളിൽ ചാറ്റ്‌ബോട്ട് മന്ദഗതിയിലാകുന്നത് നിങ്ങൾ ശ്രദ്ധിച്ചിട്ടുണ്ടോ? പലപ്പോഴും പ്രൊവൈഡർ ഒരു ഹാർഡ്‌വെയർ പരിധിയിൽ എത്തുന്നതുകൊണ്ടാണ് അത് സംഭവിക്കുന്നത്. ലോഡ് കൈകാര്യം ചെയ്യാൻ അവർ ലഭ്യമായ കമ്പ്യൂട്ട് റേഷൻ ചെയ്യുകയാണ്. ഇത് AI-യുടെ ഭൗതിക സ്വഭാവത്തിന്റെ നേരിട്ടുള്ള ഫലമാണ്. ഏതാണ്ട് പൂജ്യം ചെലവിൽ പകർത്താനും വിതരണം ചെയ്യാനും കഴിയുന്ന പരമ്പരാഗത സോഫ്റ്റ്‌വെയറുകളിൽ നിന്ന് വ്യത്യസ്തമായി, പ്രവർത്തിക്കുന്ന ഓരോ AI മോഡലിനും ഒരു പ്രത്യേക ഹാർഡ്‌വെയർ സ്ലൈസ് ആവശ്യമാണ്. ഇത് ഒരേസമയം എത്രപേർക്ക് ഈ ടൂളുകൾ ഉപയോഗിക്കാം എന്നതിന് ഒരു പരിധി നിശ്ചയിക്കുന്നു. ഫോണുകൾ അല്ലെങ്കിൽ ലാപ്ടോപ്പുകൾ പോലുള്ള പ്രാദേശിക ഉപകരണങ്ങളിൽ പ്രവർത്തിക്കാൻ കഴിയുന്ന ചെറിയ മോഡലുകളിലേക്ക് പല കമ്പനികളും മാറുന്നതിന്റെ കാരണവും ഇതാണ്. അവർ ഹാർഡ്‌വെയർ ഭാരം ഡാറ്റാ സെന്ററുകളിൽ നിന്ന് ഉപയോക്താവിലേക്ക് മാറ്റാൻ ശ്രമിക്കുകയാണ്. ഈ മാറ്റം ഉപഭോക്തൃ ഹാർഡ്‌വെയർ അപ്‌ഗ്രേഡുകളുടെ ഒരു പുതിയ ചക്രത്തിന് വഴിയൊരുക്കുന്നു. ആളുകൾ പുതിയ കമ്പ്യൂട്ടറുകൾ വാങ്ങുന്നത് പഴയത് കേടായതുകൊണ്ടല്ല, മറിച്ച് ആധുനിക AI ഫീച്ചറുകൾ ലോക്കലായി പ്രവർത്തിപ്പിക്കാൻ ആവശ്യമായ സ്പെഷ്യലൈസ്ഡ് ചിപ്പുകൾ അവയിൽ ഇല്ലാത്തതുകൊണ്ടാണ്.

നമ്മൾ ഉപയോഗിക്കുന്ന ഉപകരണങ്ങളും സേവനങ്ങളും തമ്മിലുള്ള ബന്ധത്തെക്കുറിച്ച് നമ്മൾ ചിന്തിക്കുന്ന രീതിയിലെ വലിയൊരു മാറ്റമാണിത്.

ഞങ്ങൾ ഉൾപ്പെടുത്തണമെന്ന് നിങ്ങൾ കരുതുന്ന ഒരു AI സ്റ്റോറിയോ, ടൂളോ, ട്രെൻഡോ, ചോദ്യമോ നിങ്ങളുടെ പക്കലുണ്ടോ? നിങ്ങളുടെ ലേഖന ആശയം ഞങ്ങൾക്ക് അയയ്ക്കുക — അത് കേൾക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു.

ബിസിനസ്സ് പവർ ഡൈനാമിക്സും മാറിക്കൊണ്ടിരിക്കുകയാണ്. മുൻകാലങ്ങളിൽ, ഒരു സോഫ്റ്റ്‌വെയർ കമ്പനിക്ക് വളരെ ചെറിയ ഭൗതിക സാന്നിധ്യത്തോടെ ആഗോളതലത്തിൽ വളരാൻ കഴിയുമായിരുന്നു. ഇന്ന്, അടിസ്ഥാന സൗകര്യങ്ങൾ കൈവശമുള്ള കമ്പനികളാണ് ഏറ്റവും ശക്തർ. അതുകൊണ്ടാണ് NVIDIA ലോകത്തിലെ ഏറ്റവും മൂല്യമുള്ള കമ്പനികളിലൊന്നായി മാറിയത്. AI ഗോൾഡ് റഷിനായി അവർ പിക്കാക്സുകളും മൺവെട്ടികളും നൽകുന്നു. ഏറ്റവും വിജയകരമായ AI സോഫ്റ്റ്‌വെയർ കമ്പനികൾ പോലും പലപ്പോഴും അവരുടെ വലിയ എതിരാളികളുടെ ഡാറ്റാ സെന്ററുകളിലെ വാടകക്കാരാണ്. ഇത് അപകടകരമായ ഒരു സാഹചര്യമാണ്. വാടക കൂട്ടാനോ സ്വന്തം ആന്തരിക പ്രോജക്റ്റുകൾക്ക് മുൻഗണന നൽകാനോ ഉടമ തീരുമാനിച്ചാൽ, സോഫ്റ്റ്‌വെയർ കമ്പനിക്ക് മറ്റെങ്ങും പോകാനില്ല. ആധുനിക ടെക് സമ്പദ്‌വ്യവസ്ഥയിൽ ഭൗതികമായ തലമാണ് സ്വാധീനത്തിന്റെ യഥാർത്ഥ ഉറവിടം. മികച്ച ആശയങ്ങളേക്കാൾ സ്കെയിലും ഭൗതിക ആസ്തികളും പ്രധാനമായ കൂടുതൽ വ്യാവസായിക മത്സര രീതിയിലേക്കുള്ള തിരിച്ചുവരവാണിത്.

നമ്മൾ ചോദിക്കാത്ത ചോദ്യങ്ങൾ

ഹാർഡ്‌വെയർ ആശ്രിതത്വമുള്ള ഈ കാലഘട്ടത്തിലേക്ക് നമ്മൾ കൂടുതൽ കടക്കുമ്പോൾ, മറഞ്ഞിരിക്കുന്ന ചെലവുകളെക്കുറിച്ച് നമ്മൾ ബുദ്ധിമുട്ടുള്ള ചോദ്യങ്ങൾ ചോദിക്കണം. പ്രവേശന തടസ്സങ്ങൾ വളരെ കൂടുതലായിരിക്കുമ്പോൾ യഥാർത്ഥത്തിൽ ആർക്കാണ് പ്രയോജനം ലഭിക്കുന്നത്? ഏറ്റവും നൂതനമായ മോഡലുകൾ നിർമ്മിക്കാൻ ആവശ്യമായ ഹാർഡ്‌വെയർ വാങ്ങാൻ ചുരുക്കം ചില കമ്പനികൾക്ക് മാത്രമേ കഴിയൂ എങ്കിൽ, അത് മത്സരത്തെയും നവീകരണത്തെയും എങ്ങനെ ബാധിക്കും? സാങ്കേതികവിദ്യയുടെ ചരിത്രത്തിൽ അഭൂതപൂർവ്വമായ അധികാര കേന്ദ്രീകരണമാണ് നമ്മൾ കാണുന്നത്. ഈ കേന്ദ്രീകരണം സ്വകാര്യതയ്ക്കും സെൻസർഷിപ്പിനും വലിയ ഭീഷണിയാണ്. എല്ലാ AI പ്രോസസ്സിംഗും മൂന്നോ നാലോ കമ്പനികളുടെ ഉടമസ്ഥതയിലുള്ള കുറച്ച് സെർവറുകളിൽ നടക്കുകയാണെങ്കിൽ, സാങ്കേതികവിദ്യ ഉപയോഗിച്ച് എന്തൊക്കെ പറയാം, എന്തൊക്കെ ചെയ്യാം എന്നതിൽ ആ കമ്പനികൾക്ക് പൂർണ്ണ നിയന്ത്രണമുണ്ടാകും. സ്വന്തമായി AI അടിസ്ഥാന സൗകര്യങ്ങൾ നിർമ്മിക്കാൻ കഴിയാത്ത ചെറിയ രാജ്യങ്ങളുടെ പരമാധികാരത്തിന് എന്ത് സംഭവിക്കും?

ഈ യന്ത്രങ്ങൾ നിർമ്മിക്കാൻ ആവശ്യമായ ഭൗതിക വസ്തുക്കളെക്കുറിച്ചുള്ള ചോദ്യവുമുണ്ട്. AI ഹാർഡ്‌വെയർ അപൂർവ്വമായ എർത്ത് മിനറലുകളെയും പലപ്പോഴും അസ്ഥിരമായ പ്രദേശങ്ങളിൽ സ്ഥിതി ചെയ്യുന്ന സങ്കീർണ്ണമായ സപ്ലൈ ചെയിനുകളെയും ആശ്രയിച്ചിരിക്കുന്നു. ഈ വസ്തുക്കൾ ഖനനം ചെയ്യുന്നതിലെ പാരിസ്ഥിതിക ചെലവ് AI പുരോഗതിയുടെ പശ്ചാത്തലത്തിൽ അപൂർവ്വമായാണ് ചർച്ച ചെയ്യപ്പെടുന്നത്. നിർമ്മാണ പ്രക്രിയയിൽ ഉണ്ടാകുന്ന തുറന്ന ഖനികളെയും വിഷമാലിന്യങ്ങളെയും അവഗണിച്ച് നമ്മൾ മോഡലിന്റെ ചാരുതയെക്കുറിച്ച് സംസാരിക്കുന്നു. അല്പം മികച്ചൊരു ചാറ്റ്‌ബോട്ടിന്റെ പ്രയോജനം അതിന് ആവശ്യമായ ഹാർഡ്‌വെയർ മൂലമുണ്ടാകുന്ന പാരിസ്ഥിതിക നാശത്തിന് തുല്യമാണോ? കൂടാതെ, നിലവിലെ ഊർജ്ജ ഉപഭോഗ പ്രവണതകളുടെ ദീർഘകാല സുസ്ഥിരതയെക്കുറിച്ച് നമ്മൾ ചിന്തിക്കണം. International Energy Agency-യുടെ റിപ്പോർട്ടുകൾ പ്രകാരം, ചില പ്രദേശങ്ങളിൽ ഡാറ്റാ സെന്റർ വൈദ്യുതി ആവശ്യകതയിലെ വളർച്ച പുനരുൽപ്പാദിപ്പിക്കാവുന്ന ഊർജ്ജത്തിന്റെ കൂട്ടിച്ചേർക്കലിനേക്കാൾ വേഗത്തിലാണ്. ഗ്രഹത്തിന് യഥാർത്ഥത്തിൽ പിന്തുണയ്ക്കാൻ കഴിയാത്ത ഒരു സാങ്കേതിക ഭാവിയാണോ നമ്മൾ കെട്ടിപ്പടുക്കുന്നത്? ഇവ പരിഹരിക്കേണ്ട സാങ്കേതിക ബഗുകളല്ല. ഈ തോതിൽ AI പിന്തുടരാനുള്ള തീരുമാനത്തോടൊപ്പം വരുന്ന അടിസ്ഥാനപരമായ വിട്ടുവീഴ്ചകളാണിവ. AI എന്നത് വെറുമൊരു ഡിജിറ്റൽ ഇടപെടലല്ല, മറിച്ച് ലോകത്തിലെ ഒരു ഭൗതിക ഇടപെടലാണെന്ന സത്യത്തെക്കുറിച്ച് നമ്മൾ സത്യസന്ധരായിരിക്കണം.

ആർക്കിടെക്ചറും ലേറ്റൻസിയും

പവർ യൂസർമാർക്കും ഡെവലപ്പർമാർക്കും വേണ്ടി, ഹാർഡ്‌വെയർ കഥ കൂടുതൽ വ്യക്തമാകുന്നു. ഒരു GPU ഉണ്ടായിരിക്കുക എന്നത് മാത്രമല്ല കാര്യം. ആ GPU-വിന്റെ പ്രത്യേക ആർക്കിടെക്ചറിനെക്കുറിച്ചാണ്. ആധുനിക AI-യിലെ ഏറ്റവും വലിയ തടസ്സങ്ങളിലൊന്ന് പ്രോസസറിന്റെ വേഗതയല്ല, മറിച്ച് മെമ്മറിയുടെ വേഗതയാണ്. ഇതിനെ മെമ്മറി വാൾ എന്ന് വിളിക്കുന്നു. പ്രോസസറിലേക്ക് ഡാറ്റ എത്തിക്കാൻ ഹൈ ബാൻഡ്‌വിഡ്ത്ത് മെമ്മറി അഥവാ HBM അത്യന്താപേക്ഷിതമാണ്. മെമ്മറി വളരെ മന്ദഗതിയിലാണെങ്കിൽ, പ്രോസസർ വെറുതെയിരിക്കുകയും വിലയേറിയ കമ്പ്യൂട്ട് സൈക്കിളുകൾ പാഴാകുകയും ചെയ്യുന്നു. അതുകൊണ്ടാണ് പ്രധാന നിർമ്മാതാക്കളുടെ ഏറ്റവും പുതിയ ചിപ്പുകൾ മെമ്മറി ബാൻഡ്‌വിഡ്ത്തിലും ശേഷിയിലും ഇത്രയധികം ശ്രദ്ധ കേന്ദ്രീകരിക്കുന്നത്. നിങ്ങൾ ഒരു ലോക്കൽ മോഡൽ പ്രവർത്തിപ്പിക്കുകയാണെങ്കിൽ, നിങ്ങളുടെ കാർഡിലെ VRAM-ന്റെ അളവാണ് ഏറ്റവും പ്രധാനപ്പെട്ട ഘടകം. നിങ്ങൾക്ക് ലോഡ് ചെയ്യാൻ കഴിയുന്ന മോഡലിന്റെ വലുപ്പവും അത് ടെക്സ്റ്റ് ജനറേറ്റ് ചെയ്യുന്ന വേഗതയും ഇത് നിർണ്ണയിക്കുന്നു.

വർക്ക്ഫ്ലോ ഇന്റഗ്രേഷനും ഒരു ഹാർഡ്‌വെയർ പ്രശ്നമായി മാറുകയാണ്. പല പ്രൊഫഷണൽ ടൂളുകളും ഇപ്പോൾ പ്രത്യേക API പരിധികളോ ലോക്കൽ ആക്സിലറേഷനോ ആവശ്യമുള്ള AI ഫീച്ചറുകൾ സംയോജിപ്പിക്കുന്നു. നിങ്ങൾ ഒരു ക്ലൗഡ് അധിഷ്ഠിത API ഉപയോഗിക്കുകയാണെങ്കിൽ, നിങ്ങൾ പ്രൊവൈഡറുടെ ഹാർഡ്‌വെയർ ലഭ്യതയ്ക്ക് വിധേയനാണ്. ഇത് ഉപയോക്തൃ അനുഭവം നശിപ്പിക്കുന്ന പ്രവചനാതീതമായ ലേറ്റൻസിയിലേക്ക് നയിച്ചേക്കാം. ലോക്കൽ സ്റ്റോറേജിനായി, ആവശ്യകതകളും വർദ്ധിച്ചുകൊണ്ടിരിക്കുകയാണ്. വലിയ മോഡലുകളും അവ ഫൈൻ-ട്യൂൺ ചെയ്യാൻ ഉപയോഗിക്കുന്ന ഡാറ്റാസെറ്റുകളും സൂക്ഷിക്കാൻ ടെറാബൈറ്റ് കണക്കിന് വേഗതയേറിയ NVMe സ്റ്റോറേജ് ആവശ്യമാണ്. ഒന്നിലധികം GPU-കളെ അവിശ്വസനീയമായ വേഗതയിൽ പരസ്പരം സംസാരിക്കാൻ അനുവദിക്കുന്ന NVLink പോലുള്ള സ്പെഷ്യലൈസ്ഡ് ഇന്റർകണക്ടുകളുടെ ഉയർച്ചയും നമ്മൾ കാണുന്നു. ഏറ്റവും വലിയ മോഡലുകൾ ഒരൊറ്റ ചിപ്പിൽ ഒതുങ്ങാത്തതുകൊണ്ടാണ് ഇത് ആവശ്യമായി വരുന്നത്. അവ ഡസൻ കണക്കിനോ നൂറുകണക്കിനോ ചിപ്പുകളിൽ വ്യാപിച്ചുകിടക്കണം, എല്ലാം തികഞ്ഞ ഏകോപനത്തോടെ പ്രവർത്തിക്കണം. ആ ചിപ്പുകൾ തമ്മിലുള്ള ഭൗതിക കണക്ഷൻ വളരെ മന്ദഗതിയിലാണെങ്കിൽ, മുഴുവൻ സംവിധാനവും തകരാറിലാകും. ഈ തലത്തിലുള്ള ഹാർഡ്‌വെയർ സങ്കീർണ്ണത ഒരു സ്ക്രിപ്റ്റ് എഴുതി ലാപ്ടോപ്പിൽ പ്രവർത്തിപ്പിക്കുന്നതിൽ നിന്ന് വളരെ വ്യത്യസ്തമാണ്. നിങ്ങളുടെ ലോക്കൽ സെറ്റപ്പ് ഒപ്റ്റിമൈസ് ചെയ്യുന്നതിനെക്കുറിച്ചുള്ള കൂടുതൽ വിശദമായ ഗൈഡുകൾ നിങ്ങൾക്ക് AI Magazine വെബ്സൈറ്റിൽ കണ്ടെത്താം. ഈ ഫീൽഡിന്റെ അറ്റത്ത് പ്രവർത്തിക്കാൻ ആഗ്രഹിക്കുന്ന ആർക്കും ഈ സാങ്കേതിക സ്പെസിഫിക്കേഷനുകൾ മനസ്സിലാക്കുന്നത് ഇനി ഓപ്ഷണലല്ല. ഒരു വിജയകരമായ വിന്യാസവും പരാജയവും തമ്മിലുള്ള വ്യത്യാസം പലപ്പോഴും നിങ്ങളുടെ ഹാർഡ്‌വെയർ സ്റ്റാക്കിന്റെ ഭൗതിക പരിമിതികൾ നിങ്ങൾ എത്ര നന്നായി കൈകാര്യം ചെയ്യുന്നു എന്നതിനെ ആശ്രയിച്ചിരിക്കും.

ഭൗതിക യാഥാർത്ഥ്യം

AI എന്നത് പൂർണ്ണമായും ഡിജിറ്റൽ പ്രതിഭാസമാണെന്ന വിവരണം അവസാനിച്ചു. AI എന്നത് ഭൂമി, വെള്ളം, ഊർജ്ജം, സിലിക്കൺ എന്നിവ വൻതോതിൽ ആവശ്യമുള്ള ഒരു ഭൗതിക വ്യവസായമാണ് എന്നതാണ് യാഥാർത്ഥ്യം. വരും വർഷങ്ങളിൽ നമ്മൾ കാണുന്ന പുരോഗതി മെഷീൻ ലേണിംഗിലെ മുന്നേറ്റങ്ങൾ പോലെ തന്നെ മെറ്റീരിയൽ സയൻസിലെയും ഊർജ്ജ ഉൽപ്പാദനത്തിലെയും മുന്നേറ്റങ്ങളാലും നിർണ്ണയിക്കപ്പെടും. ഡിജിറ്റൽ ലോകത്തിന് മേൽ ഭൗതിക ലോകം അതിന്റെ ആധിപത്യം വീണ്ടും ഉറപ്പിക്കുന്ന ഒരു കാലഘട്ടത്തിലേക്കാണ് നമ്മൾ പ്രവേശിക്കുന്നത്. ഇത് മനസ്സിലാക്കുകയും സ്വന്തം ഹാർഡ്‌വെയറിലും ഊർജ്ജ വിതരണത്തിലും നിക്ഷേപം നടത്തുകയും ചെയ്യുന്ന കമ്പനികളായിരിക്കും മുന്നിലെത്തുക. ഹാർഡ്‌വെയറിനെ ഒരു അപ്രധാന കാര്യമായി കാണുന്നവർ വിപണിയിൽ നിന്ന് പുറന്തള്ളപ്പെടും. ഓർമ്മിക്കേണ്ട ഏറ്റവും പ്രധാനപ്പെട്ട കാര്യം, ഓരോ ഡിജിറ്റൽ ഇന്റലിജൻസിനും ഒരു ഭൗതിക ഭവനമുണ്ട് എന്നതാണ്. , AI ലോകത്തിന്റെ ഭൂപടം ലോകത്തിലെ ഏറ്റവും ശക്തമായ വ്യാവസായിക കേന്ദ്രങ്ങളുടെ ഭൂപടം പോലെയായിരിക്കും. സിലിക്കൺ സീലിംഗ് യാഥാർത്ഥ്യമാണ്, നമ്മളെല്ലാവരും അതിന് താഴെയാണ് ജീവിക്കുന്നത്.

Nota dell'editore: Abbiamo creato questo sito come un hub multilingue di notizie e guide sull'IA per le persone che non sono esperti di computer, ma che desiderano comunque comprendere l'intelligenza artificiale, usarla con maggiore fiducia e seguire il futuro che sta già arrivando.

ഒരു പിശകോ തിരുത്തേണ്ട എന്തെങ്കിലും കണ്ടെത്തിയോ? ഞങ്ങളെ അറിയിക്കുക.