AI ਅਸਲ ਵਿੱਚ ਸਾਫਟਵੇਅਰ ਨਾਲੋਂ ਹਾਰਡਵੇਅਰ ਦੀ ਕਹਾਣੀ ਕਿਉਂ ਹੈ

ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ (AI) ਬਾਰੇ ਆਮ ਧਾਰਨਾ ਲਗਭਗ ਪੂਰੀ ਤਰ੍ਹਾਂ ਕੋਡ ‘ਤੇ ਕੇਂਦਰਿਤ ਹੈ। ਲੋਕ ਵੱਡੇ ਲੈਂਗੂਏਜ ਮਾਡਲਾਂ ਬਾਰੇ ਇਸ ਤਰ੍ਹਾਂ ਗੱਲ ਕਰਦੇ ਹਨ ਜਿਵੇਂ ਉਹ ਸ਼ੁੱਧ ਤਰਕ ਦੇ ਖਲਾਅ ਵਿੱਚ ਮੌਜੂਦ ਹੋਣ। ਉਹ ਕਿਸੇ ਐਲਗੋਰਿਦਮ ਦੀ ਚਮਕ ਜਾਂ ਚੈਟਬੋਟ ਦੇ ਜਵਾਬਾਂ ਦੀ ਬਾਰੀਕੀ ਬਾਰੇ ਚਰਚਾ ਕਰਦੇ ਹਨ। ਇਹ ਨਜ਼ਰੀਆ ਤਕਨਾਲੋਜੀ ਦੇ ਮੌਜੂਦਾ ਦੌਰ ਵਿੱਚ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕਾਰਕ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦਾ ਹੈ। AI ਸਿਰਫ਼ ਇੱਕ ਸਾਫਟਵੇਅਰ ਦੀ ਕਹਾਣੀ ਨਹੀਂ ਹੈ। ਇਹ ਭਾਰੀ ਉਦਯੋਗ ਦੀ ਕਹਾਣੀ ਹੈ। ਇਹ ਬਿਜਲੀ ਦੀ ਭਾਰੀ ਖਪਤ ਅਤੇ ਸਿਲੀਕਾਨ ਦੀਆਂ ਭੌਤਿਕ ਸੀਮਾਵਾਂ ਬਾਰੇ ਹੈ। ਹਰ ਵਾਰ ਜਦੋਂ ਕੋਈ ਉਪਭੋਗਤਾ ਚੈਟਬੋਟ ਨੂੰ ਕੋਈ ਸਵਾਲ ਪੁੱਛਦਾ ਹੈ, ਤਾਂ ਮੀਲਾਂ ਦੂਰ ਇੱਕ ਡੇਟਾ ਸੈਂਟਰ ਵਿੱਚ ਭੌਤਿਕ ਘਟਨਾਵਾਂ ਦੀ ਇੱਕ ਲੜੀ ਵਾਪਰਦੀ ਹੈ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਚਿਪਸ ਸ਼ਾਮਲ ਹੁੰਦੀਆਂ ਹਨ ਜੋ ਵਰਤਮਾਨ ਵਿੱਚ ਧਰਤੀ ਉੱਤੇ ਸਭ ਤੋਂ ਕੀਮਤੀ ਵਸਤੂਆਂ ਹਨ। ਜੇਕਰ ਤੁਸੀਂ ਇਹ ਸਮਝਣਾ ਚਾਹੁੰਦੇ ਹੋ ਕਿ ਕੁਝ ਕੰਪਨੀਆਂ ਕਿਉਂ ਜਿੱਤ ਰਹੀਆਂ ਹਨ ਅਤੇ ਦੂਜੀਆਂ ਕਿਉਂ ਅਸਫਲ ਹੋ ਰਹੀਆਂ ਹਨ, ਤਾਂ ਤੁਹਾਨੂੰ ਹਾਰਡਵੇਅਰ ਵੱਲ ਦੇਖਣਾ ਪਵੇਗਾ। ਸਾਫਟਵੇਅਰ ਸਟੀਅਰਿੰਗ ਵ੍ਹੀਲ ਹੈ, ਪਰ ਹਾਰਡਵੇਅਰ ਇੰਜਣ ਅਤੇ ਬਾਲਣ ਹੈ। ਭੌਤਿਕ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਤੋਂ ਬਿਨਾਂ, ਦੁਨੀਆ ਦਾ ਸਭ ਤੋਂ ਉੱਨਤ ਮਾਡਲ ਸਿਰਫ਼ ਬੇਕਾਰ ਗਣਿਤ ਦਾ ਸੰਗ੍ਰਹਿ ਹੈ।

ਸਿਲੀਕਾਨ ਦੀ ਸੀਮਾ

ਦਹਾਕਿਆਂ ਤੋਂ, ਸਾਫਟਵੇਅਰ ਡਿਵੈਲਪਮੈਂਟ ਇੱਕ ਅਨੁਮਾਨਿਤ ਰਸਤੇ ‘ਤੇ ਚੱਲੀ। ਤੁਸੀਂ ਕੋਡ ਲਿਖਿਆ, ਅਤੇ ਇਹ ਸਟੈਂਡਰਡ ਸੈਂਟਰਲ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟਾਂ ਜਾਂ CPUs ‘ਤੇ ਚੱਲਿਆ। ਇਹ ਚਿਪਸ ਆਮ ਸਨ। ਉਹ ਇੱਕ ਤੋਂ ਬਾਅਦ ਇੱਕ ਕਈ ਤਰ੍ਹਾਂ ਦੇ ਕੰਮ ਸੰਭਾਲ ਸਕਦੇ ਸਨ। ਹਾਲਾਂਕਿ, AI ਨੇ ਲੋੜਾਂ ਬਦਲ ਦਿੱਤੀਆਂ। ਆਧੁਨਿਕ ਮਾਡਲਾਂ ਨੂੰ ਕਿਸੇ ਆਮ ਚਿਪ ਦੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ। ਉਹਨਾਂ ਨੂੰ ਇੱਕ ਅਜਿਹੇ ਮਾਹਿਰ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਇੱਕੋ ਸਮੇਂ ਅਰਬਾਂ ਸਧਾਰਨ ਗਣਿਤਿਕ ਕਾਰਵਾਈਆਂ ਕਰ ਸਕੇ। ਇਸਨੂੰ ਪੈਰਲਲ ਪ੍ਰੋਸੈਸਿੰਗ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਉਦਯੋਗ ਨੇ ਆਪਣਾ ਧਿਆਨ ਗ੍ਰਾਫਿਕਸ ਪ੍ਰੋਸੈਸਿੰਗ ਯੂਨਿਟਾਂ ਜਾਂ GPUs ਵੱਲ ਤਬਦੀਲ ਕਰ ਲਿਆ। ਇਹ ਚਿਪਸ ਅਸਲ ਵਿੱਚ ਵੀਡੀਓ ਗੇਮਾਂ ਨੂੰ ਰੈਂਡਰ ਕਰਨ ਲਈ ਤਿਆਰ ਕੀਤੀਆਂ ਗਈਆਂ ਸਨ, ਪਰ ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਪਾਇਆ ਕਿ ਉਹ ਮੈਟ੍ਰਿਕਸ ਗੁਣਾ ਲਈ ਸੰਪੂਰਨ ਸਨ ਜੋ ਨਿਊਰਲ ਨੈਟਵਰਕ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ। ਇਸ ਤਬਦੀਲੀ ਨੇ ਇੱਕ ਵੱਡੀ ਰੁਕਾਵਟ ਪੈਦਾ ਕੀਤੀ। ਤੁਸੀਂ ਸਿਰਫ਼ ਹੋਰ ਇੰਟੈਲੀਜੈਂਸ ਡਾਊਨਲੋਡ ਨਹੀਂ ਕਰ ਸਕਦੇ। ਤੁਹਾਨੂੰ ਇਸਨੂੰ ਉਹਨਾਂ ਭੌਤਿਕ ਹਿੱਸਿਆਂ ਨਾਲ ਬਣਾਉਣਾ ਪਵੇਗਾ ਜਿਨ੍ਹਾਂ ਨੂੰ ਬਣਾਉਣਾ ਬਹੁਤ ਮੁਸ਼ਕਲ ਹੈ। ਦੁਨੀਆ ਵਰਤਮਾਨ ਵਿੱਚ ਇੱਕ ਅਜਿਹੀ ਹਕੀਕਤ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਹੀ ਹੈ ਜਿੱਥੇ AI ਦੀ ਪ੍ਰਗਤੀ ਦੀ ਗਤੀ ਇਸ ਗੱਲ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਕਿ TSMC ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਸਿਲੀਕਾਨ ਵੇਫਰਾਂ ‘ਤੇ ਕਿੰਨੀ ਤੇਜ਼ੀ ਨਾਲ ਸਰਕਟ ਉੱਕਰ ਸਕਦੀਆਂ ਹਨ।

ਇਸ ਭੌਤਿਕ ਰੁਕਾਵਟ ਨੇ ਤਕਨੀਕੀ ਜਗਤ ਵਿੱਚ ਇੱਕ ਨਵੀਂ ਕਿਸਮ ਦੀ ਵਰਗ ਪ੍ਰਣਾਲੀ ਪੈਦਾ ਕੀਤੀ ਹੈ। ਇੱਥੇ ਕੰਪਿਊਟ ਅਮੀਰ ਅਤੇ ਕੰਪਿਊਟ ਗਰੀਬ ਹਨ। ਦਸ ਹਜ਼ਾਰ ਹਾਈ-ਐਂਡ ਚਿਪਸ ਵਾਲੀ ਕੰਪਨੀ ਇੱਕ ਅਜਿਹਾ ਮਾਡਲ ਸਿਖਲਾਈ ਦੇ ਸਕਦੀ ਹੈ ਜਿਸਦੀ ਕੋਸ਼ਿਸ਼ ਇੱਕ ਸੌ ਚਿਪਸ ਵਾਲੀ ਕੰਪਨੀ ਸ਼ੁਰੂ ਵੀ ਨਹੀਂ ਕਰ ਸਕਦੀ। ਇਹ ਪ੍ਰਤਿਭਾ ਜਾਂ ਚਲਾਕ ਕੋਡਿੰਗ ਦਾ ਮਾਮਲਾ ਨਹੀਂ ਹੈ। ਇਹ ਕੱਚੀ ਤਾਕਤ ਦਾ ਮਾਮਲਾ ਹੈ। ਇਹ ਗਲਤਫਹਿਮੀ ਕਿ AI ਇੱਕ ਬਰਾਬਰੀ ਵਾਲਾ ਖੇਤਰ ਹੈ ਜਿੱਥੇ ਲੈਪਟਾਪ ਵਾਲਾ ਕੋਈ ਵੀ ਵਿਅਕਤੀ ਮੁਕਾਬਲਾ ਕਰ ਸਕਦਾ ਹੈ, ਖਤਮ ਹੋ ਰਹੀ ਹੈ। AI ਡਿਵੈਲਪਮੈਂਟ ਦੇ ਸਿਖਰਲੇ ਪੱਧਰ ਲਈ ਦਾਖਲਾ ਕੀਮਤ ਹੁਣ ਅਰਬਾਂ ਡਾਲਰ ਦੇ ਹਾਰਡਵੇਅਰ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ। ਇਸੇ ਕਰਕੇ ਅਸੀਂ ਦੁਨੀਆ ਦੀਆਂ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਤਕਨੀਕੀ ਕੰਪਨੀਆਂ ਨੂੰ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ‘ਤੇ ਬੇਮਿਸਾਲ ਖਰਚ ਕਰਦੇ ਦੇਖ ਰਹੇ ਹਾਂ। ਉਹ ਸਿਰਫ਼ ਸਰਵਰ ਨਹੀਂ ਖਰੀਦ ਰਹੇ ਹਨ। ਉਹ ਭਵਿੱਖ ਦੀਆਂ ਫੈਕਟਰੀਆਂ ਬਣਾ ਰਹੇ ਹਨ। ਹਾਰਡਵੇਅਰ ਉਹ ਖਾਈ ਹੈ ਜੋ ਉਹਨਾਂ ਦੇ ਬਿਜ਼ਨਸ ਮਾਡਲਾਂ ਦੀ ਰੱਖਿਆ ਕਰਦੀ ਹੈ।

ਰੇਤ ਅਤੇ ਸ਼ਕਤੀ ਦੀ ਭੂ-ਰਾਜਨੀਤੀ

ਹਾਰਡਵੇਅਰ-ਕੇਂਦ੍ਰਿਤ AI ਵੱਲ ਤਬਦੀਲੀ ਨੇ ਤਕਨੀਕੀ ਉਦਯੋਗ ਲਈ ਗੰਭੀਰਤਾ ਦੇ ਕੇਂਦਰ ਨੂੰ ਬਦਲ ਦਿੱਤਾ ਹੈ। ਇਹ ਹੁਣ ਸਿਰਫ਼ ਸਿਲੀਕਾਨ ਵੈਲੀ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਤਾਈਵਾਨ ਸਟ੍ਰੇਟ ਅਤੇ ਉੱਤਰੀ ਵਰਜੀਨੀਆ ਦੇ ਪਾਵਰ ਗਰਿੱਡਾਂ ਬਾਰੇ ਹੈ। ਸਭ ਤੋਂ ਉੱਨਤ AI ਚਿਪਸ ਲਈ ਨਿਰਮਾਣ ਪ੍ਰਕਿਰਿਆ ਇੰਨੀ ਗੁੰਝਲਦਾਰ ਹੈ ਕਿ ਸਿਰਫ਼ ਇੱਕ ਕੰਪਨੀ, TSMC, ਹੀ ਇਸਨੂੰ ਪੈਮਾਨੇ ‘ਤੇ ਕਰ ਸਕਦੀ ਹੈ। ਇਹ ਪੂਰੀ ਵਿਸ਼ਵ ਆਰਥਿਕਤਾ ਲਈ ਅਸਫਲਤਾ ਦਾ ਇੱਕੋ ਇੱਕ ਬਿੰਦੂ ਬਣਾਉਂਦਾ ਹੈ। ਜੇਕਰ ਤਾਈਵਾਨ ਵਿੱਚ ਉਤਪਾਦਨ ਰੁਕਦਾ ਹੈ, ਤਾਂ AI ਦੀ ਪ੍ਰਗਤੀ ਰੁਕ ਜਾਂਦੀ ਹੈ। ਇਸੇ ਕਰਕੇ ਸਰਕਾਰਾਂ ਹੁਣ ਚਿੱਪ ਨਿਰਮਾਣ ਨੂੰ ਰਾਸ਼ਟਰੀ ਸੁਰੱਖਿਆ ਦਾ ਮਾਮਲਾ ਮੰਨ ਰਹੀਆਂ ਹਨ। ਉਹ ਨਵੀਆਂ ਫੈਕਟਰੀਆਂ ਦੀ ਉਸਾਰੀ ਲਈ ਸਬਸਿਡੀ ਦੇ ਰਹੇ ਹਨ ਅਤੇ ਹਾਈ-ਐਂਡ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਨਿਰਯਾਤ ਨਿਯੰਤਰਣ ਲਗਾ ਰਹੇ ਹਨ। ਟੀਚਾ ਇਹ ਯਕੀਨੀ ਬਣਾਉਣਾ ਹੈ ਕਿ ਉਹਨਾਂ ਦੇ ਘਰੇਲੂ ਉਦਯੋਗਾਂ ਕੋਲ ਮੁਕਾਬਲੇਬਾਜ਼ ਬਣੇ ਰਹਿਣ ਲਈ ਲੋੜੀਂਦੇ ਭੌਤਿਕ ਹਿੱਸਿਆਂ ਤੱਕ ਪਹੁੰਚ ਹੋਵੇ।

ਚਿਪਸ ਤੋਂ ਇਲਾਵਾ, ਊਰਜਾ ਦਾ ਮੁੱਦਾ ਹੈ। AI ਮਾਡਲ ਬਿਜਲੀ ਲਈ ਬਹੁਤ ਭੁੱਖੇ ਹਨ। ਇੱਕ ਸਿੰਗਲ ਸਵਾਲ ਇੱਕ ਸਟੈਂਡਰਡ ਸਰਚ ਇੰਜਣ ਬੇਨਤੀ ਨਾਲੋਂ ਕਾਫ਼ੀ ਜ਼ਿਆਦਾ ਬਿਜਲੀ ਦੀ ਖਪਤ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਸਥਾਨਕ ਪਾਵਰ ਗਰਿੱਡਾਂ ‘ਤੇ ਭਾਰੀ ਦਬਾਅ ਪਾ ਰਿਹਾ ਹੈ। ਜਿੱਥੇ ਡੇਟਾ ਸੈਂਟਰ ਕੇਂਦਰਿਤ ਹਨ, ਉੱਥੇ ਬਿਜਲੀ ਦੀ ਮੰਗ ਸਪਲਾਈ ਨਾਲੋਂ ਤੇਜ਼ੀ ਨਾਲ ਵਧ ਰਹੀ ਹੈ। ਇਸ ਨਾਲ ਪ੍ਰਮਾਣੂ ਊਰਜਾ ਅਤੇ ਹੋਰ ਉੱਚ-ਸਮਰੱਥਾ ਵਾਲੇ ਊਰਜਾ ਸਰੋਤਾਂ ਵਿੱਚ ਦਿਲਚਸਪੀ ਵਧੀ ਹੈ। ਇੰਟਰਨੈਸ਼ਨਲ ਐਨਰਜੀ ਏਜੰਸੀ ਨੇ ਨੋਟ ਕੀਤਾ ਹੈ ਕਿ ਡੇਟਾ ਸੈਂਟਰ ਆਪਣੀ ਬਿਜਲੀ ਦੀ ਖਪਤ ਨੂੰ ਦੁੱਗਣਾ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਕੋਈ ਸਾਫਟਵੇਅਰ ਸਮੱਸਿਆ ਨਹੀਂ ਹੈ ਜਿਸਨੂੰ ਬਿਹਤਰ ਕੋਡ ਨਾਲ ਹੱਲ ਕੀਤਾ ਜਾ ਸਕੇ। ਇਹ ਇੱਕ ਭੌਤਿਕ ਹਕੀਕਤ ਹੈ ਕਿ ਇਹ ਸਿਸਟਮ ਕਿਵੇਂ ਕੰਮ ਕਰਦੇ ਹਨ। AI ਦਾ ਵਾਤਾਵਰਣ ਪ੍ਰਭਾਵ ਕੋਡ ਦੀਆਂ ਲਾਈਨਾਂ ਵਿੱਚ ਨਹੀਂ, ਸਗੋਂ ਕੂਲਿੰਗ ਸਿਸਟਮਾਂ ਅਤੇ ਪਾਵਰ ਪਲਾਂਟਾਂ ਦੇ ਕਾਰਬਨ ਫੁੱਟਪ੍ਰਿੰਟ ਵਿੱਚ ਪਾਇਆ ਜਾਂਦਾ ਹੈ ਜੋ ਸਰਵਰਾਂ ਨੂੰ ਚਲਾਉਂਦੇ ਹਨ। ਜਦੋਂ ਸੰਸਥਾਵਾਂ ਆਪਣੇ AI ਪਹਿਲਕਦਮੀਆਂ ਦੇ ਮੁੱਲ ਦੀ ਗਣਨਾ ਕਰਦੀਆਂ ਹਨ ਤਾਂ ਉਹਨਾਂ ਨੂੰ ਇਹਨਾਂ ਭੌਤਿਕ ਲਾਗਤਾਂ ਦਾ ਹਿਸਾਬ ਰੱਖਣਾ ਚਾਹੀਦਾ ਹੈ।

ਹਰ ਪ੍ਰੋਂਪਟ ਦੀ ਉੱਚ ਕੀਮਤ

ਹਾਰਡਵੇਅਰ ਦੀਆਂ ਸੀਮਾਵਾਂ ਦੇ ਵਿਹਾਰਕ ਪ੍ਰਭਾਵ ਨੂੰ ਸਮਝਣ ਲਈ, ਮੌਜੂਦਾ ਬਾਜ਼ਾਰ ਵਿੱਚ ਇੱਕ ਸਟਾਰਟਅੱਪ ਸੰਸਥਾਪਕ ਦੇ ਜੀਵਨ ਵਿੱਚ ਇੱਕ ਦਿਨ ‘ਤੇ ਵਿਚਾਰ ਕਰੋ। ਮੰਨ ਲਓ ਉਸਦਾ ਨਾਮ ਸਾਰਾਹ ਹੈ। ਸਾਰਾਹ ਕੋਲ ਇੱਕ ਨਵੇਂ ਮੈਡੀਕਲ ਡਾਇਗਨੌਸਟਿਕ ਟੂਲ ਲਈ ਇੱਕ ਸ਼ਾਨਦਾਰ ਵਿਚਾਰ ਹੈ। ਉਸ ਕੋਲ ਡੇਟਾ ਅਤੇ ਪ੍ਰਤਿਭਾ ਹੈ। ਹਾਲਾਂਕਿ, ਉਹ ਜਲਦੀ ਹੀ ਮਹਿਸੂਸ ਕਰਦੀ ਹੈ ਕਿ ਉਸਦੀ ਸਭ ਤੋਂ ਵੱਡੀ ਰੁਕਾਵਟ ਐਲਗੋਰਿਦਮ ਨਹੀਂ ਹੈ। ਇਹ ਇਨਫਰੈਂਸ ਦੀ ਲਾਗਤ ਹੈ। ਹਰ ਵਾਰ ਜਦੋਂ ਕੋਈ ਡਾਕਟਰ ਉਸਦੇ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਸਨੂੰ ਕਲਾਉਡ ਵਿੱਚ ਇੱਕ ਹਾਈ-ਐਂਡ GPU ‘ਤੇ ਸਮੇਂ ਲਈ ਭੁਗਤਾਨ ਕਰਨਾ ਪੈਂਦਾ ਹੈ। ਇਹ ਲਾਗਤਾਂ ਸਥਿਰ ਨਹੀਂ ਹਨ। ਉਹ ਗਲੋਬਲ ਮੰਗ ਦੇ ਆਧਾਰ ‘ਤੇ ਉਤਰਾਅ-ਚੜ੍ਹਾਅ ਕਰਦੀਆਂ ਹਨ। ਪੀਕ ਘੰਟਿਆਂ ਦੌਰਾਨ, ਕੰਪਿਊਟ ਦੀ ਕੀਮਤ ਵੱਧ ਸਕਦੀ ਹੈ, ਜੋ ਉਸਦੇ ਮੁਨਾਫੇ ਨੂੰ ਘਟਾ ਦਿੰਦੀ ਹੈ। ਉਹ ਅਸਲ ਮੈਡੀਕਲ ਖੋਜ ਨਾਲੋਂ ਆਪਣੇ ਕਲਾਉਡ ਕ੍ਰੈਡਿਟਸ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਅਤੇ ਆਪਣੇ ਹਾਰਡਵੇਅਰ ਦੀ ਵਰਤੋਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਵਿੱਚ ਜ਼ਿਆਦਾ ਸਮਾਂ ਬਿਤਾਉਂਦੀ ਹੈ। ਅੱਜ ਹਜ਼ਾਰਾਂ ਸਿਰਜਣਹਾਰਾਂ ਲਈ ਇਹ ਹਕੀਕਤ ਹੈ। ਉਹ ਹਾਰਡਵੇਅਰ ਦੀ ਭੌਤਿਕ ਉਪਲਬਧਤਾ ਨਾਲ ਬੱਝੇ ਹੋਏ ਹਨ।

ਔਸਤ ਉਪਭੋਗਤਾ ਲਈ, ਇਹ ਲੇਟੈਂਸੀ ਅਤੇ ਸੀਮਾਵਾਂ ਵਜੋਂ ਪ੍ਰਗਟ ਹੁੰਦਾ ਹੈ। ਕੀ ਤੁਸੀਂ ਕਦੇ ਦੇਖਿਆ ਹੈ ਕਿ ਇੱਕ ਚੈਟਬੋਟ ਦਿਨ ਦੇ ਕੁਝ ਸਮੇਂ ਦੌਰਾਨ ਹੌਲੀ ਜਾਂ ਘੱਟ ਸਮਰੱਥ ਹੋ ਜਾਂਦਾ ਹੈ? ਇਹ ਅਕਸਰ ਇਸ ਲਈ ਹੁੰਦਾ ਹੈ ਕਿਉਂਕਿ ਪ੍ਰਦਾਤਾ ਹਾਰਡਵੇਅਰ ਸੀਮਾ ਤੱਕ ਪਹੁੰਚ ਰਿਹਾ ਹੈ। ਉਹ ਲੋਡ ਨੂੰ ਸੰਭਾਲਣ ਲਈ ਆਪਣੇ ਉਪਲਬਧ ਕੰਪਿਊਟ ਨੂੰ ਰਾਸ਼ਨ ਦੇ ਰਹੇ ਹਨ। ਇਹ AI ਦੀ ਭੌਤਿਕ ਪ੍ਰਕਿਰਤੀ ਦਾ ਸਿੱਧਾ ਨਤੀਜਾ ਹੈ। ਰਵਾਇਤੀ ਸਾਫਟਵੇਅਰ ਦੇ ਉਲਟ, ਜਿਸਨੂੰ ਲਗਭਗ ਜ਼ੀਰੋ ਮਾਰਜਨਲ ਲਾਗਤ ‘ਤੇ ਕਾਪੀ ਅਤੇ ਵੰਡਿਆ ਜਾ ਸਕਦਾ ਹੈ, AI ਮਾਡਲ ਦੇ ਹਰ ਇੰਸਟੈਂਸ ਨੂੰ ਚਲਾਉਣ ਲਈ ਹਾਰਡਵੇਅਰ ਦੇ ਇੱਕ ਸਮਰਪਿਤ ਹਿੱਸੇ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਹ ਇੱਕ ਸੀਮਾ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਇੱਕੋ ਸਮੇਂ ਕਿੰਨੇ ਲੋਕ ਇਹਨਾਂ ਟੂਲਸ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਇਹ ਵੀ ਦੱਸਦਾ ਹੈ ਕਿ ਬਹੁਤ ਸਾਰੀਆਂ ਕੰਪਨੀਆਂ ਛੋਟੇ ਮਾਡਲਾਂ ਵੱਲ ਕਿਉਂ ਵਧ ਰਹੀਆਂ ਹਨ ਜੋ ਫੋਨ ਜਾਂ ਲੈਪਟਾਪ ਵਰਗੀਆਂ ਸਥਾਨਕ ਡਿਵਾਈਸਾਂ ‘ਤੇ ਚੱਲ ਸਕਦੇ ਹਨ। ਉਹ ਆਪਣੇ ਡੇਟਾ ਸੈਂਟਰਾਂ ਤੋਂ ਹਾਰਡਵੇਅਰ ਦਾ ਬੋਝ ਅੰਤਮ ਉਪਭੋਗਤਾ ‘ਤੇ ਪਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਤਬਦੀਲੀ ਖਪਤਕਾਰਾਂ ਦੇ ਹਾਰਡਵੇਅਰ ਅਪਗ੍ਰੇਡ ਦੇ ਇੱਕ ਨਵੇਂ ਚੱਕਰ ਨੂੰ ਚਲਾ ਰਹੀ ਹੈ। ਲੋਕ ਨਵੇਂ ਕੰਪਿਊਟਰ ਇਸ ਲਈ ਨਹੀਂ ਖਰੀਦ ਰਹੇ ਕਿਉਂਕਿ ਉਹਨਾਂ ਦੇ ਪੁਰਾਣੇ ਖਰਾਬ ਹੋ ਗਏ ਹਨ, ਸਗੋਂ ਇਸ ਲਈ ਕਿਉਂਕਿ ਉਹਨਾਂ ਦੇ ਪੁਰਾਣੇ ਕੰਪਿਊਟਰਾਂ ਵਿੱਚ ਆਧੁਨਿਕ AI ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸਥਾਨਕ ਤੌਰ ‘ਤੇ ਚਲਾਉਣ ਲਈ ਲੋੜੀਂਦੀਆਂ ਵਿਸ਼ੇਸ਼ ਚਿਪਸ ਦੀ ਘਾਟ ਹੈ।

ਇਹ ਸਾਡੇ ਡਿਵਾਈਸਾਂ ਅਤੇ ਸਾਡੇ ਦੁਆਰਾ ਵਰਤੀਆਂ ਜਾਣ ਵਾਲੀਆਂ ਸੇਵਾਵਾਂ ਵਿਚਕਾਰ ਸਬੰਧ ਬਾਰੇ ਸਾਡੀ ਸੋਚ ਵਿੱਚ ਇੱਕ ਵੱਡੀ ਤਬਦੀਲੀ ਹੈ।

ਕੀ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ AI ਕਹਾਣੀ, ਟੂਲ, ਰੁਝਾਨ ਜਾਂ ਸਵਾਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਸਾਨੂੰ ਕਵਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? ਸਾਨੂੰ ਆਪਣਾ ਲੇਖ ਦਾ ਵਿਚਾਰ ਭੇਜੋ — ਅਸੀਂ ਇਸਨੂੰ ਸੁਣਨਾ ਪਸੰਦ ਕਰਾਂਗੇ।

ਕਾਰੋਬਾਰੀ ਸ਼ਕਤੀ ਦੀ ਗਤੀਸ਼ੀਲਤਾ ਵੀ ਬਦਲ ਰਹੀ ਹੈ। ਅਤੀਤ ਵਿੱਚ, ਇੱਕ ਸਾਫਟਵੇਅਰ ਕੰਪਨੀ ਬਹੁਤ ਛੋਟੇ ਭੌਤਿਕ ਪੈਰਾਂ ਦੇ ਨਿਸ਼ਾਨ ਨਾਲ ਵਿਸ਼ਵ ਪੱਧਰ ‘ਤੇ ਸਕੇਲ ਕਰ ਸਕਦੀ ਸੀ। ਅੱਜ, ਸਭ ਤੋਂ ਵੱਧ ਸ਼ਕਤੀ ਵਾਲੀਆਂ ਕੰਪਨੀਆਂ ਉਹ ਹਨ ਜੋ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ਦੀ ਮਾਲਕ ਹਨ। ਇਸੇ ਕਰਕੇ NVIDIA ਦੁਨੀਆ ਦੀਆਂ ਸਭ ਤੋਂ ਕੀਮਤੀ ਕੰਪਨੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਬਣ ਗਈ ਹੈ। ਉਹ AI ਗੋਲਡ ਰਸ਼ ਲਈ ਸੰਦ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਇੱਥੋਂ ਤੱਕ ਕਿ ਸਭ ਤੋਂ ਸਫਲ AI ਸਾਫਟਵੇਅਰ ਕੰਪਨੀਆਂ ਅਕਸਰ ਆਪਣੇ ਵੱਡੇ ਪ੍ਰਤੀਯੋਗੀਆਂ ਦੇ ਡੇਟਾ ਸੈਂਟਰਾਂ ਵਿੱਚ ਸਿਰਫ਼ ਕਿਰਾਏਦਾਰ ਹੁੰਦੀਆਂ ਹਨ। ਇਹ ਇੱਕ ਅਨਿਸ਼ਚਿਤ ਸਥਿਤੀ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਮਕਾਨ ਮਾਲਕ ਕਿਰਾਇਆ ਵਧਾਉਣ ਜਾਂ ਆਪਣੇ ਖੁਦ ਦੇ ਅੰਦਰੂਨੀ ਪ੍ਰੋਜੈਕਟਾਂ ਨੂੰ ਤਰਜੀਹ ਦੇਣ ਦਾ ਫੈਸਲਾ ਕਰਦਾ ਹੈ, ਤਾਂ ਸਾਫਟਵੇਅਰ ਕੰਪਨੀ ਕੋਲ ਜਾਣ ਲਈ ਹੋਰ ਕੋਈ ਜਗ੍ਹਾ ਨਹੀਂ ਹੈ। ਭੌਤਿਕ ਪਰਤ ਆਧੁਨਿਕ ਤਕਨੀਕੀ ਅਰਥਵਿਵਸਥਾ ਵਿੱਚ ਲੀਵਰੇਜ ਦਾ ਅੰਤਮ ਸਰੋਤ ਹੈ। ਇਹ ਮੁਕਾਬਲੇ ਦੇ ਵਧੇਰੇ ਉਦਯੋਗਿਕ ਰੂਪ ਵਿੱਚ ਵਾਪਸੀ ਹੈ ਜਿੱਥੇ ਸਕੇਲ ਅਤੇ ਭੌਤਿਕ ਸੰਪਤੀਆਂ ਸਿਰਫ਼ ਚਲਾਕ ਵਿਚਾਰਾਂ ਨਾਲੋਂ ਵਧੇਰੇ ਮਹੱਤਵ ਰੱਖਦੀਆਂ ਹਨ।

ਉਹ ਸਵਾਲ ਜੋ ਅਸੀਂ ਨਹੀਂ ਪੁੱਛ ਰਹੇ

ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਇਸ ਹਾਰਡਵੇਅਰ-ਨਿਰਭਰ ਯੁੱਗ ਵਿੱਚ ਡੂੰਘਾਈ ਨਾਲ ਅੱਗੇ ਵਧਦੇ ਹਾਂ, ਸਾਨੂੰ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲ ਪੁੱਛਣੇ ਚਾਹੀਦੇ ਹਨ। ਜਦੋਂ ਦਾਖਲੇ ਦੀਆਂ ਰੁਕਾਵਟਾਂ ਇੰਨੀਆਂ ਉੱਚੀਆਂ ਹੁੰਦੀਆਂ ਹਨ ਤਾਂ ਅਸਲ ਵਿੱਚ ਕਿਸ ਨੂੰ ਫਾਇਦਾ ਹੁੰਦਾ ਹੈ? ਜੇਕਰ ਸਿਰਫ਼ ਮੁੱਠੀ ਭਰ ਕੰਪਨੀਆਂ ਹੀ ਸਭ ਤੋਂ ਉੱਨਤ ਮਾਡਲ ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦੇ ਹਾਰਡਵੇਅਰ ਨੂੰ ਖਰੀਦ ਸਕਦੀਆਂ ਹਨ, ਤਾਂ ਮੁਕਾਬਲੇ ਅਤੇ ਨਵੀਨਤਾ ਲਈ ਇਸਦਾ ਕੀ ਅਰਥ ਹੈ? ਅਸੀਂ ਸ਼ਕਤੀ ਦਾ ਇੱਕ ਅਜਿਹਾ ਕੇਂਦਰੀਕਰਨ ਦੇਖ ਰਹੇ ਹਾਂ ਜੋ ਤਕਨਾਲੋਜੀ ਦੇ ਇਤਿਹਾਸ ਵਿੱਚ ਬੇਮਿਸਾਲ ਹੈ। ਇਹ ਕੇਂਦਰੀਕਰਨ ਗੋਪਨੀਯਤਾ ਅਤੇ ਸੈਂਸਰਸ਼ਿਪ ਲਈ ਇੱਕ ਵੱਡਾ ਖਤਰਾ ਪੈਦਾ ਕਰਦਾ ਹੈ। ਜੇਕਰ ਸਾਰੀ AI ਪ੍ਰੋਸੈਸਿੰਗ ਤਿੰਨ ਜਾਂ ਚਾਰ ਕੰਪਨੀਆਂ ਦੀ ਮਲਕੀਅਤ ਵਾਲੇ ਕੁਝ ਹਜ਼ਾਰ ਸਰਵਰਾਂ ‘ਤੇ ਹੁੰਦੀ ਹੈ, ਤਾਂ ਉਹਨਾਂ ਕੰਪਨੀਆਂ ਦਾ ਇਸ ਗੱਲ ‘ਤੇ ਪੂਰਾ ਕੰਟਰੋਲ ਹੁੰਦਾ ਹੈ ਕਿ ਕੀ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ ਅਤੇ ਤਕਨਾਲੋਜੀ ਨਾਲ ਕੀ ਕੀਤਾ ਜਾ ਸਕਦਾ ਹੈ। ਉਹਨਾਂ ਛੋਟੇ ਦੇਸ਼ਾਂ ਦੀ ਪ੍ਰਭੂਸੱਤਾ ਦਾ ਕੀ ਹੁੰਦਾ ਹੈ ਜੋ ਆਪਣਾ AI ਬੁਨਿਆਦੀ ਢਾਂਚਾ ਬਣਾਉਣ ਲਈ ਖਰਚ ਨਹੀਂ ਕਰ ਸਕਦੇ?

ਇਹਨਾਂ ਮਸ਼ੀਨਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਲੋੜੀਂਦੀਆਂ ਭੌਤਿਕ ਸਮੱਗਰੀਆਂ ਦਾ ਵੀ ਸਵਾਲ ਹੈ। AI ਹਾਰਡਵੇਅਰ ਦੁਰਲੱਭ ਧਰਤੀ ਦੇ ਖਣਿਜਾਂ ਅਤੇ ਗੁੰਝਲਦਾਰ ਸਪਲਾਈ ਚੇਨਾਂ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਜੋ ਅਕਸਰ ਅਸਥਿਰ ਖੇਤਰਾਂ ਵਿੱਚ ਸਥਿਤ ਹੁੰਦੇ ਹਨ। ਇਹਨਾਂ ਸਮੱਗਰੀਆਂ ਦੀ ਮਾਈਨਿੰਗ ਦੀ ਵਾਤਾਵਰਣਕ ਲਾਗਤ ਬਾਰੇ AI ਪ੍ਰਗਤੀ ਦੇ ਸੰਦਰਭ ਵਿੱਚ ਘੱਟ ਹੀ ਚਰਚਾ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਅਸੀਂ ਮਾਡਲ ਦੀ ਖੂਬਸੂਰਤੀ ਬਾਰੇ ਗੱਲ ਕਰਦੇ ਹਾਂ ਜਦੋਂ ਕਿ ਓਪਨ ਪਿਟ ਖਾਣਾਂ ਅਤੇ ਨਿਰਮਾਣ ਪ੍ਰਕਿਰਿਆ ਦੌਰਾਨ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਜ਼ਹਿਰੀਲੇ ਕੂੜੇ ਨੂੰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੇ ਹਾਂ। ਕੀ ਥੋੜਾ ਬਿਹਤਰ ਚੈਟਬੋਟ ਦਾ ਫਾਇਦਾ ਹਾਰਡਵੇਅਰ ਦੁਆਰਾ ਹੋਣ ਵਾਲੇ ਵਾਤਾਵਰਣ ਦੇ ਨੁਕਸਾਨ ਦੇ ਬਰਾਬਰ ਹੈ? ਇਸ ਤੋਂ ਇਲਾਵਾ, ਸਾਨੂੰ ਮੌਜੂਦਾ ਊਰਜਾ ਖਪਤ ਦੇ ਰੁਝਾਨਾਂ ਦੀ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸਥਿਰਤਾ ‘ਤੇ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ। ਇੰਟਰਨੈਸ਼ਨਲ ਐਨਰਜੀ ਏਜੰਸੀ ਦੀਆਂ ਰਿਪੋਰਟਾਂ ਦੇ ਅਨੁਸਾਰ, ਡੇਟਾ ਸੈਂਟਰ ਦੀ ਬਿਜਲੀ ਦੀ ਮੰਗ ਵਿੱਚ ਵਾਧਾ ਪਹਿਲਾਂ ਹੀ ਕੁਝ ਖੇਤਰਾਂ ਵਿੱਚ ਨਵਿਆਉਣਯੋਗ ਊਰਜਾ ਦੇ ਵਾਧੇ ਨੂੰ ਪਛਾੜ ਰਿਹਾ ਹੈ। ਕੀ ਅਸੀਂ ਇੱਕ ਅਜਿਹਾ ਤਕਨੀਕੀ ਭਵਿੱਖ ਬਣਾ ਰਹੇ ਹਾਂ ਜਿਸਦਾ ਗ੍ਰਹਿ ਅਸਲ ਵਿੱਚ ਸਮਰਥਨ ਨਹੀਂ ਕਰ ਸਕਦਾ? ਇਹ ਠੀਕ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਤਕਨੀਕੀ ਬੱਗ ਨਹੀਂ ਹਨ। ਇਹ ਬੁਨਿਆਦੀ ਵਪਾਰ-ਆਫ ਹਨ ਜੋ ਇਸ ਪੈਮਾਨੇ ‘ਤੇ AI ਨੂੰ ਅੱਗੇ ਵਧਾਉਣ ਦੇ ਫੈਸਲੇ ਨਾਲ ਆਉਂਦੇ ਹਨ। ਸਾਨੂੰ ਇਸ ਤੱਥ ਬਾਰੇ ਇਮਾਨਦਾਰ ਹੋਣ ਦੀ ਲੋੜ ਹੈ ਕਿ AI ਦੁਨੀਆ ਵਿੱਚ ਇੱਕ ਭੌਤਿਕ ਦਖਲ ਹੈ, ਨਾ ਕਿ ਸਿਰਫ਼ ਇੱਕ ਡਿਜੀਟਲ।

ਆਰਕੀਟੈਕਚਰ ਅਤੇ ਲੇਟੈਂਸੀ

ਪਾਵਰ ਉਪਭੋਗਤਾਵਾਂ ਅਤੇ ਡਿਵੈਲਪਰਾਂ ਲਈ, ਹਾਰਡਵੇਅਰ ਦੀ ਕਹਾਣੀ ਹੋਰ ਵੀ ਖਾਸ ਹੋ ਜਾਂਦੀ ਹੈ। ਇਹ ਸਿਰਫ਼ ਇੱਕ GPU ਹੋਣ ਬਾਰੇ ਨਹੀਂ ਹੈ। ਇਹ ਉਸ GPU ਦੇ ਖਾਸ ਆਰਕੀਟੈਕਚਰ ਬਾਰੇ ਹੈ। ਆਧੁਨਿਕ AI ਵਿੱਚ ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਰੁਕਾਵਟਾਂ ਵਿੱਚੋਂ ਇੱਕ ਪ੍ਰੋਸੈਸਰ ਦੀ ਗਤੀ ਨਹੀਂ, ਸਗੋਂ ਮੈਮੋਰੀ ਦੀ ਗਤੀ ਹੈ। ਇਸਨੂੰ ਮੈਮੋਰੀ ਵਾਲ ਕਿਹਾ ਜਾਂਦਾ ਹੈ। ਹਾਈ ਬੈਂਡਵਿਡਥ ਮੈਮੋਰੀ ਜਾਂ HBM ਪ੍ਰੋਸੈਸਰ ਨੂੰ ਡੇਟਾ ਨਾਲ ਭਰਪੂਰ ਰੱਖਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਜੇਕਰ ਮੈਮੋਰੀ ਬਹੁਤ ਹੌਲੀ ਹੈ, ਤਾਂ ਪ੍ਰੋਸੈਸਰ ਵਿਹਲਾ ਬੈਠਦਾ ਹੈ, ਮਹਿੰਗੇ ਕੰਪਿਊਟ ਚੱਕਰਾਂ ਨੂੰ ਬਰਬਾਦ ਕਰਦਾ ਹੈ। ਇਸੇ ਕਰਕੇ ਪ੍ਰਮੁੱਖ ਨਿਰਮਾਤਾਵਾਂ ਦੀਆਂ ਨਵੀਨਤਮ ਚਿਪਸ ਮੈਮੋਰੀ ਬੈਂਡਵਿਡਥ ਅਤੇ ਸਮਰੱਥਾ ‘ਤੇ ਇੰਨਾ ਜ਼ੋਰ ਦਿੰਦੀਆਂ ਹਨ। ਜੇਕਰ ਤੁਸੀਂ ਇੱਕ ਸਥਾਨਕ ਮਾਡਲ ਚਲਾ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਹਾਡੇ ਕਾਰਡ ‘ਤੇ VRAM ਦੀ ਮਾਤਰਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕਾਰਕ ਹੈ। ਇਹ ਮਾਡਲ ਦੇ ਆਕਾਰ ਨੂੰ ਨਿਰਧਾਰਤ ਕਰਦਾ ਹੈ ਜਿਸਨੂੰ ਤੁਸੀਂ ਲੋਡ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਉਹ ਗਤੀ ਜਿਸ ‘ਤੇ ਇਹ ਟੈਕਸਟ ਤਿਆਰ ਕਰ ਸਕਦਾ ਹੈ।

ਵਰਕਫਲੋ ਏਕੀਕਰਣ ਵੀ ਇੱਕ ਹਾਰਡਵੇਅਰ ਸਮੱਸਿਆ ਬਣ ਰਿਹਾ ਹੈ। ਬਹੁਤ ਸਾਰੇ ਪੇਸ਼ੇਵਰ ਟੂਲ ਹੁਣ AI ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਜੋੜ ਰਹੇ ਹਨ ਜਿਨ੍ਹਾਂ ਲਈ ਖਾਸ API ਸੀਮਾਵਾਂ ਜਾਂ ਸਥਾਨਕ ਪ੍ਰਵੇਗ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਜੇਕਰ ਤੁਸੀਂ ਕਲਾਉਡ-ਅਧਾਰਿਤ API ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਪ੍ਰਦਾਤਾ ਦੀ ਹਾਰਡਵੇਅਰ ਉਪਲਬਧਤਾ ਦੇ ਅਧੀਨ ਹੋ। ਇਹ ਅਣਪਛਾਤੀ ਲੇਟੈਂਸੀ ਦਾ ਕਾਰਨ ਬਣ ਸਕਦਾ ਹੈ ਜੋ ਉਪਭੋਗਤਾ ਅਨੁਭਵ ਨੂੰ ਖਰਾਬ ਕਰ ਦਿੰਦਾ ਹੈ। ਸਥਾਨਕ ਸਟੋਰੇਜ ਲਈ, ਲੋੜਾਂ ਵੀ ਵਧ ਰਹੀਆਂ ਹਨ। ਵੱਡੇ ਮਾਡਲਾਂ ਨੂੰ ਸਟੋਰ ਕਰਨ ਅਤੇ ਉਹਨਾਂ ਨੂੰ ਫਾਈਨ-ਟਿਊਨ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਡੇਟਾਸੈਟਾਂ ਲਈ ਟੈਰਾਬਾਈਟ ਤੇਜ਼ NVMe ਸਟੋਰੇਜ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਅਸੀਂ NVLink ਵਰਗੇ ਵਿਸ਼ੇਸ਼ ਇੰਟਰਕਨੈਕਟਸ ਦਾ ਉਭਾਰ ਵੀ ਦੇਖ ਰਹੇ ਹਾਂ, ਜੋ ਕਈ GPUs ਨੂੰ ਅਵਿਸ਼ਵਾਸ਼ਯੋਗ ਗਤੀ ‘ਤੇ ਇੱਕ ਦੂਜੇ ਨਾਲ ਗੱਲ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਇਹ ਜ਼ਰੂਰੀ ਹੈ ਕਿਉਂਕਿ ਸਭ ਤੋਂ ਵੱਡੇ ਮਾਡਲ ਹੁਣ ਇੱਕ ਚਿੱਪ ‘ਤੇ ਫਿੱਟ ਨਹੀਂ ਹੁੰਦੇ। ਉਹਨਾਂ ਨੂੰ ਦਰਜਨਾਂ ਜਾਂ ਸੈਂਕੜੇ ਚਿਪਸ ਵਿੱਚ ਫੈਲਾਉਣਾ ਪੈਂਦਾ ਹੈ, ਜੋ ਸਾਰੇ ਸੰਪੂਰਨ ਸਮਕਾਲੀਕਰਨ ਵਿੱਚ ਕੰਮ ਕਰਦੇ ਹਨ। ਜੇਕਰ ਉਹਨਾਂ ਚਿਪਸ ਵਿਚਕਾਰ ਭੌਤਿਕ ਕਨੈਕਸ਼ਨ ਬਹੁਤ ਹੌਲੀ ਹੈ, ਤਾਂ ਪੂਰਾ ਸਿਸਟਮ ਟੁੱਟ ਜਾਂਦਾ ਹੈ। ਹਾਰਡਵੇਅਰ ਦੀ ਇਹ ਗੁੰਝਲਤਾ ਲੈਪਟਾਪ ‘ਤੇ ਸਿਰਫ਼ ਇੱਕ ਸਕ੍ਰਿਪਟ ਲਿਖਣ ਅਤੇ ਚਲਾਉਣ ਦੇ ਦਿਨਾਂ ਤੋਂ ਬਹੁਤ ਦੂਰ ਹੈ। ਤੁਸੀਂ AI ਮੈਗਜ਼ੀਨ ਵੈੱਬਸਾਈਟ ‘ਤੇ ਆਪਣੇ ਸਥਾਨਕ ਸੈੱਟਅੱਪ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਬਾਰੇ ਵਧੇਰੇ ਵਿਸਤ੍ਰਿਤ ਗਾਈਡਾਂ ਲੱਭ ਸਕਦੇ ਹੋ। ਇਹਨਾਂ ਤਕਨੀਕੀ ਵਿਸ਼ੇਸ਼ਤਾਵਾਂ ਨੂੰ ਸਮਝਣਾ ਹੁਣ ਕਿਸੇ ਵੀ ਵਿਅਕਤੀ ਲਈ ਵਿਕਲਪਿਕ ਨਹੀਂ ਹੈ ਜੋ ਇਸ ਖੇਤਰ ਦੇ ਕਿਨਾਰੇ ‘ਤੇ ਕੰਮ ਕਰਨਾ ਚਾਹੁੰਦਾ ਹੈ। ਇੱਕ ਸਫਲ ਤੈਨਾਤੀ ਅਤੇ ਅਸਫਲਤਾ ਵਿਚਕਾਰ ਅੰਤਰ ਅਕਸਰ ਇਸ ਗੱਲ ‘ਤੇ ਨਿਰਭਰ ਕਰਦਾ ਹੈ ਕਿ ਤੁਸੀਂ ਆਪਣੇ ਹਾਰਡਵੇਅਰ ਸਟੈਕ ਦੀਆਂ ਭੌਤਿਕ ਸੀਮਾਵਾਂ ਦਾ ਕਿੰਨੀ ਚੰਗੀ ਤਰ੍ਹਾਂ ਪ੍ਰਬੰਧਨ ਕਰਦੇ ਹੋ।

ਭੌਤਿਕ ਹਕੀਕਤ

AI ਦੇ ਇੱਕ ਸ਼ੁੱਧ ਡਿਜੀਟਲ ਵਰਤਾਰੇ ਵਜੋਂ ਬਿਰਤਾਂਤ ਖਤਮ ਹੋ ਗਿਆ ਹੈ। ਹਕੀਕਤ ਇਹ ਹੈ ਕਿ AI ਇੱਕ ਭੌਤਿਕ ਉਦਯੋਗ ਹੈ ਜਿਸ ਲਈ ਜ਼ਮੀਨ, ਪਾਣੀ, ਊਰਜਾ ਅਤੇ ਸਿਲੀਕਾਨ ਦੀ ਵੱਡੀ ਮਾਤਰਾ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਆਉਣ ਵਾਲੇ ਸਾਲਾਂ ਵਿੱਚ ਅਸੀਂ ਜੋ ਪ੍ਰਗਤੀ ਦੇਖਦੇ ਹਾਂ, ਉਹ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਵਿੱਚ ਸਫਲਤਾਵਾਂ ਦੇ ਨਾਲ-ਨਾਲ ਸਮੱਗਰੀ ਵਿਗਿਆਨ ਅਤੇ ਬਿਜਲੀ ਉਤਪਾਦਨ ਵਿੱਚ ਸਫਲਤਾਵਾਂ ਦੁਆਰਾ ਨਿਰਧਾਰਤ ਕੀਤੀ ਜਾਵੇਗੀ। ਅਸੀਂ ਇੱਕ ਅਜਿਹੇ ਦੌਰ ਵਿੱਚ ਦਾਖਲ ਹੋ ਰਹੇ ਹਾਂ ਜਿੱਥੇ ਭੌਤਿਕ ਸੰਸਾਰ ਡਿਜੀਟਲ ਸੰਸਾਰ ਉੱਤੇ ਆਪਣਾ ਦਬਦਬਾ ਮੁੜ ਸਥਾਪਿਤ ਕਰ ਰਿਹਾ ਹੈ। ਜੋ ਕੰਪਨੀਆਂ ਇਸਨੂੰ ਸਮਝਦੀਆਂ ਹਨ ਅਤੇ ਆਪਣੇ ਖੁਦ ਦੇ ਹਾਰਡਵੇਅਰ ਅਤੇ ਊਰਜਾ ਸਪਲਾਈ ਵਿੱਚ ਨਿਵੇਸ਼ ਕਰਦੀਆਂ ਹਨ, ਉਹ ਅਗਵਾਈ ਕਰਨਗੀਆਂ। ਜੋ ਹਾਰਡਵੇਅਰ ਨੂੰ ਬਾਅਦ ਵਿੱਚ ਵਿਚਾਰਨ ਵਾਲੀ ਚੀਜ਼ ਮੰਨਦੇ ਹਨ, ਉਹ ਆਪਣੇ ਆਪ ਨੂੰ ਬਾਜ਼ਾਰ ਤੋਂ ਬਾਹਰ ਪਾਉਣਗੇ। ਯਾਦ ਰੱਖਣ ਵਾਲੀ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ ਹਰ ਡਿਜੀਟਲ ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਇੱਕ ਭੌਤਿਕ ਘਰ ਹੁੰਦਾ ਹੈ। AI ਸੰਸਾਰ ਦਾ ਨਕਸ਼ਾ ਦੁਨੀਆ ਦੇ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਉਦਯੋਗਿਕ ਹੱਬਾਂ ਦੇ ਨਕਸ਼ੇ ਵਰਗਾ ਦਿਖਾਈ ਦੇਵੇਗਾ। ਸਿਲੀਕਾਨ ਦੀ ਸੀਮਾ ਅਸਲ ਹੈ, ਅਤੇ ਅਸੀਂ ਸਾਰੇ ਇਸਦੇ ਹੇਠਾਂ ਰਹਿ ਰਹੇ ਹਾਂ।

Editor’s note: We created this site as a multilingual AI news and guides hub for people who are not computer geeks, but still want to understand artificial intelligence, use it with more confidence, and follow the future that is already arriving.

ਕੋਈ ਗਲਤੀ ਮਿਲੀ ਜਾਂ ਕੁਝ ਠੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? ਸਾਨੂੰ ਦੱਸੋ।