एंड्रू फेल्डमैन, सेरेब्रास सिस्टम्स के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

एंड्रू सेरेब्रास सिस्टम्स के सह-संस्थापक और सीईओ हैं। वह कंप्यूट स्पेस में सीमाओं को आगे बढ़ाने के लिए समर्पित एक उद्यमी हैं। सेरेब्रास से पहले, उन्होंने सीमाइक्रो की सह-स्थापना की और इसके सीईओ थे, जो ऊर्जा-कुशल, उच्च-बैंडविथ माइक्रोसर्वर के पioneer थे। सीमाइक्रो को 2012 में एएमडी द्वारा 357 मिलियन डॉलर में अधिग्रहित किया गया था। सीमाइक्रो से पहले, एंड्रू फोर्स10 नेटवर्क्स में उत्पाद प्रबंधन, विपणन और बीडी के उपाध्यक्ष थे, जिसे बाद में डेल कंप्यूटिंग ने 800 मिलियन डॉलर में बेच दिया था। फोर्स10 नेटवर्क्स से पहले, एंड्रू रिवरस्टोन नेटवर्क्स में विपणन और कॉर्पोरेट विकास के उपाध्यक्ष थे, जो कंपनी की स्थापना से 2001 में आईपीओ तक थे। एंड्रू के पास स्टैनफोर्ड विश्वविद्यालय से बीए और एमबीए है।

सेरेब्रास सिस्टम्स एक नए वर्ग की कंप्यूटर सिस्टम बना रहा है, जो कि केवल एक ही लक्ष्य के लिए डिज़ाइन किया गया है – एआई को तेज करना और एआई के भविष्य को बदलना।

क्या आप सेरेब्रास सिस्टम्स के पीछे की उत्पत्ति की कहानी साझा कर सकते हैं?

मेरे सह-संस्थापक और मैं सभी ने एक पिछले स्टार्टअप में साथ काम किया था जिसे मेरे सीटीओ गैरी और मैंने 2007 में शुरू किया था, जिसे सीमाइक्रो (जिसे 2012 में एएमडी द्वारा 334 मिलियन डॉलर में बेचा गया था) कहा जाता था। मेरे सह-संस्थापक उद्योग में अग्रणी कंप्यूटर आर्किटेक्ट और इंजीनियर हैं – गैरी लॉटरबах, शॉन ली, जेपी फ्रिकर और माइकल जेम्स। जब हम 2015 में फिर से मिले, तो हमने दो चीजें एक व्हाइटबोर्ड पर लिखीं – कि हम एक साथ काम करना चाहते थे, और कि हम कुछ ऐसा बनाना चाहते थे जो उद्योग को बदल देगा और कंप्यूटर हिस्ट्री म्यूजियम में होगा, जो कंप्यूट के हॉल ऑफ फेम के बराबर है। हमें सम्मानित किया गया जब कंप्यूटर हिस्ट्री म्यूजियम ने हमारी उपलब्धियों को मान्यता दी और हमारे डब्ल्यूएसई-2 प्रोसेसर को अपने संग्रह में जोड़ा, जिसमें कहा गया कि यह कृत्रिम बुद्धिमत्ता परिदृश्य को बदल देता है।

सेरेब्रास सिस्टम्स एक टीम है जो अग्रणी कंप्यूटर आर्किटेक्ट, कंप्यूटर वैज्ञानिक, गहरे शिक्षा अनुसंधानकर्ता और सभी प्रकार के इंजीनियर हैं जो निडर इंजीनियरिंग करना पसंद करते हैं। जब हम एक साथ आए, तो हमारा मिशन एक नए वर्ग की कंप्यूटर बनाना था जो गहरे शिक्षा को तेज करे, जो हमारे समय के सबसे महत्वपूर्ण कार्यभार में से एक के रूप में उभरा है।

हमें एहसास हुआ कि गहरे शिक्षा में अद्वितीय, विशाल और बढ़ती हुई गणनात्मक आवश्यकताएं हैं। और यह विरासत मशीनों जैसे ग्राफिक्स प्रोसेसिंग यूनिट्स (जीपीयू) के साथ अच्छी तरह से मेल नहीं खाता है, जो मूल रूप से अन्य कार्यों के लिए डिज़ाइन किए गए थे। परिणामस्वरूप, एआई आज अनुप्रयोगों या विचारों से नहीं, बल्कि कंप्यूट की उपलब्धता से सीमित है। एक नए हाइपोथेसिस का परीक्षण करना – एक नए मॉडल को प्रशिक्षित करना – दिन, सप्ताह या даже महीनों में ले सकता है और कंप्यूट समय में सैकड़ों हजारों डॉलर की लागत आ सकती है। यह नवाचार के लिए एक बड़ा रोडब्लॉक है।

इसलिए, सेरेब्रास का उद्गम एक नए प्रकार की कंप्यूटर बनाने के लिए था जो केवल गहरे शिक्षा के लिए अनुकूलित था, एक साफ शीट से शुरू करना। गहरे शिक्षा की विशाल गणनात्मक मांगों को पूरा करने के लिए, हमने सबसे बड़ा चिप डिज़ाइन और निर्मित किया – वेफर-स्केल इंजन (डब्ल्यूएसई)। विश्व का पहला वेफर-स्केल प्रोसेसर बनाने में, हमने डिज़ाइन, फैब्रिकेशन और पैकेजिंग में चुनौतियों को पार किया – जो सभी 70 वर्षों के लिए असंभव माने जाते थे। डब्ल्यूएसई के हर तत्व को गहरे शिक्षा अनुसंधान को असाधारण गति और स्केल पर सक्षम करने के लिए डिज़ाइन किया गया है, जो उद्योग के सबसे तेज़ एआई सुपरकंप्यूटर, सेरेब्रास सीएस-2 को शक्ति प्रदान करता है।

हर घटक को एआई कार्य के लिए अनुकूलित किया गया है, सीएस-2 कम स्थान और कम शक्ति पर अन्य प्रणालियों की तुलना में अधिक कंप्यूट प्रदर्शन प्रदान करता है। यह करते हुए यह क्रांतिकारी रूप से प्रोग्रामिंग जटिलता, वॉल-क्लॉक कंप्यूट समय और समय को समाधान में कम करता है। कार्यभार के आधार पर, एआई से लेकर एचपीसी तक, सीएस-2 विरासत विकल्पों की तुलना में सैकड़ों या हजारों गुना अधिक प्रदर्शन प्रदान करता है। सीएस-2 सैकड़ों जीपीयू के बराबर गहरे शिक्षा कंप्यूट संसाधन प्रदान करता है, जबकि एक ही डिवाइस की प्रोग्रामिंग, प्रबंधन और तैनाती की आसानी प्रदान करता है।

पिछले कुछ महीनों में, सेरेब्रास समाचार में हर जगह दिखाई दे रहा है, तो आप हमें नए एंड्रोमेडा एआई सुपरकंप्यूटर के बारे में क्या बता सकते हैं?

हमने पिछले साल नवंबर में एंड्रोमेडा की घोषणा की, और यह सबसे बड़े और सबसे शक्तिशाली एआई सुपरकंप्यूटर में से एक है। 1 एक्साफ्लॉप एआई कंप्यूट और 120 पेटाफ्लॉप्स के घने कंप्यूट की डिलीवरी करते हुए, एंड्रोमेडा में 16 सीएस-2 सिस्टम में 13.5 मिलियन कोर हैं, और यह एकमात्र एआई सुपरकंप्यूटर है जिसने बड़े भाषा मॉडल कार्यभार पर लगभग पूर्ण रूप से रेखीय स्केलिंग का प्रदर्शन किया है। यह उपयोग करने में भी बहुत आसान है।

एक अनुस्मारक के रूप में, पृथ्वी पर सबसे बड़ा सुपरकंप्यूटर – फ्रंटियर – में 8.7 मिलियन कोर हैं। कच्चे कोर गणना में, एंड्रोमेडा लगभग एक और आधा गुना बड़ा है। यह अलग काम करता है, लेकिन यह दायरे का एक विचार देता है: लगभग 100 टेराबिट्स की आंतरिक बैंडविथ, लगभग 20,000 एएमडी ईपीसी कोर इसे खिलाते हैं, और – जैसे विशाल सुपरकंप्यूटर जो वर्षों में खड़े होते हैं – हमने एंड्रोमेडा को तीन दिनों में खड़ा किया और तुरंत बाद, यह एआई की लगभग पूर्ण रूप से रेखीय स्केलिंग का प्रदर्शन कर रहा था।

अर्गोन नेशनल लैब्स हमारा पहला ग्राहक था जिसने एंड्रोमेडा का उपयोग किया, और उन्होंने इसे एक समस्या पर लागू किया जो उनके 2,000 जीपीयू क्लस्टर को तोड़ रहा था जिसे पोलारिस कहा जाता है। समस्या बहुत बड़े, जीपीटी-3एक्सएल जेनरेटिव मॉडल चला रही थी, जबकि कोविड जीनोम को पूरी तरह से अनुक्रम विंडो में रखा गया था, ताकि आप कोविड के पूरे जीनोम के संदर्भ में प्रत्येक जीन का विश्लेषण कर सकें। एंड्रोमेडा ने 1, 2, 4, 8 और 16 नोड्स पर एक अद्वितीय जेनेटिक कार्यभार के साथ लगभग पूर्ण रूप से रेखीय स्केलिंग के साथ चलाया। रेखीय स्केलिंग बड़े क्लस्टर की सबसे अधिक मांग वाली विशेषताओं में से एक है। एंड्रोमेडा ने 16 सीएस-2 सिस्टम पर 15.87एक्स थ्रूपुट डिलीवर किया, एक एकल सीएस-2 की तुलना में, और प्रशिक्षण समय में कमी आई।

क्या आप जैस्पर के साथ साझेदारी के बारे में बता सकते हैं जो नवंबर के अंत में घोषित की गई थी और इसका दोनों कंपनियों के लिए क्या अर्थ है?

जैस्पर एक बहुत ही दिलचस्प कंपनी है। वे विपणन के लिए जेनरेटिव एआई सामग्री में एक नेता हैं, और उनके उत्पादों का उपयोग दुनिया भर में 100,000 से अधिक ग्राहकों द्वारा विपणन, विज्ञापन, पुस्तकों और अधिक के लिए प्रतिलिपि लिखने के लिए किया जाता है। यह स्पष्ट रूप से एक बहुत ही रोमांचक और तेजी से बढ़ता हुआ स्थान है जो वर्तमान में है। पिछले साल, हमने एक साझेदारी की घोषणा की जिसमें उन्होंने एआई को तेज करने और उद्यम और उपभोक्ता अनुप्रयोगों में जेनरेटिव एआई की सटीकता में सुधार करने के लिए हमारे साथ मिलकर काम किया। जैस्पर हमारे एंड्रोमेडा सुपरकंप्यूटर का उपयोग अपने गहन रूप से गणनात्मक मॉडल को प्रशिक्षित करने के लिए कर रहा है, जो समय के एक अंश में हो रहा है। यह जनसंख्या के लिए जेनरेटिव एआई मॉडल की पहुंच का विस्तार करेगा।

एंड्रोमेडा सुपरकंप्यूटर की शक्ति के साथ, जैस्पर गहरे शिक्षा कार्य में काफी प्रगति कर सकता है, जिसमें जीपीटी नेटवर्क को एआई आउटपुट को सभी स्तरों की उपयोगकर्ता जटिलता और विस्तार के लिए फिट करने के लिए प्रशिक्षित करना शामिल है। यह जेनरेटिव मॉडल की संदर्भ सटीकता में सुधार करता है और जैस्पर को जल्दी और आसानी से विभिन्न वर्गों के ग्राहकों के लिए सामग्री को व्यक्तिगत करने में सक्षम बनाता है।

हमारी साझेदारी जैस्पर को जेनरेटिव एआई के भविष्य का आविष्कार करने की अनुमति देती है, जो पारंपरिक बुनियादी ढांचे के साथ असंभव या व्यावहारिक रूप से असंभव चीजें करना है, और जेनरेटिव एआई की संभावना को तेज करना है, जो इसके लाभों को दुनिया भर में तेजी से बढ़ते ग्राहक आधार तक ले जाना है।

हाल ही में एक प्रेस रिलीज में, नेशनल एनर्जी टेक्नोलॉजी लेबोरेटरी और पिट्सबर्ग सुपरकंप्यूटिंग सेंटर ने सेरेब्रास वेफर-स्केल इंजन पर पहली बार कंप्यूटेशनल फ्लूइड डायनामिक्स सिमुलेशन की घोषणा की। क्या आप विशेष रूप से बता सकते हैं कि वेफर-स्केल इंजन क्या है और यह कैसे काम करता है?

हमारा वेफर-स्केल इंजन (डब्ल्यूएसई) हमारे गहरे शिक्षा कंप्यूटर सिस्टम, सीएस-2 के लिए क्रांतिकारी एआई प्रोसेसर है। विरासत, सामान्य-उद्देश्य प्रोसेसर के विपरीत, डब्ल्यूएसई को गहरे शिक्षा को तेज करने के लिए जमीन से बनाया गया था: इसमें 850,000 एआई-अनुकूलित कोर स्पार्स टेंसर ऑपरेशन के लिए हैं, विशाल उच्च बैंडविथ ऑन-चिप मेमोरी, और इंटरकonneक्ट ऑर्डर की तुलना में बहुत तेजी से है मैग्निट्यूड एक पारंपरिक क्लस्टर संभव हो सकता है। एक साथ, यह आपको एक ही डिवाइस में विरासत मशीनों के एक क्लस्टर के बराबर गहरे शिक्षा कंप्यूट संसाधन प्रदान करता है, एक ही नोड की तरह आसानी से प्रोग्राम किया जा सकता है – जटिलता, वॉल-क्लॉक कंप्यूट समय और समय को समाधान में क्रांतिकारी रूप से कम करता है।

हमारा दूसरा पीढ़ी का डब्ल्यूएसई-2, जो हमारे सीएस-2 सिस्टम को शक्ति प्रदान करता है, समस्याओं को बहुत तेजी से हल कर सकता है। इतनी तेजी से कि यह वास्तविक समय, उच्च-विश्वसनीयता मॉडल की अनुमति देता है जो इंजीनियर्ड सिस्टम में रुचि के हैं। यह “स्ट्रॉन्ग स्केलिंग” का एक दुर्लभ उदाहरण है, जो एक निश्चित आकार की समस्या को हल करने के लिए समानांतरवाद का उपयोग करना है।

और यही काम नेशनल एनर्जी टेक्नोलॉजी लेबोरेटरी और पिट्सबर्ग सुपरकंप्यूटिंग सेंटर हम इसका उपयोग कर रहे हैं। हमने हाल ही में एक कंप्यूटेशनल फ्लूइड डायनामिक्स (सीएफडी) सिमुलेशन के परिणामों की घोषणा की, जो लगभग 200 मिलियन सेल्स से बना है, लगभग वास्तविक समय की दरों पर। यह वीडियो रेले-बेनार्ड कन्वेक्शन की उच्च-रिज़ॉल्यूशन सिमुलेशन दिखाता है, जो तब होता है जब एक तरल परत को नीचे से गर्म किया जाता है और शीर्ष से ठंडा किया जाता है। ये थर्मल रूप से चालित तरल प्रवाह हमारे चारों ओर हैं – हवादार दिनों से, झील प्रभाव स्नोस्टॉर्म्स से, पृथ्वी के कोर में मैग्मा धाराओं तक, और सूर्य में प्लाज्मा आंदोलन। जैसा कि वक्ता कहता है, यह सिमुलेशन की दृश्य सुंदरता के बारे में नहीं है: यह गणना करने की गति है जिसके साथ हम ऐसा करते हैं। पहली बार, हमारे वेफर-स्केल इंजन के साथ, नेटीएल लगभग 200 मिलियन सेल्स के ग्रिड को लगभग वास्तविक समय में मैनिपुलेट कर सकता है।

किस प्रकार का डेटा सिम्युलेट किया जा रहा है?

परीक्षण किया गया कार्यभार थर्मल रूप से चालित तरल प्रवाह था, जिसे प्राकृतिक संवहन कहा जाता है, जो कंप्यूटेशनल फ्लूइड डायनामिक्स (सीएफडी) का एक अनुप्रयोग है। तरल प्रवाह प्राकृतिक रूप से हमारे चारों ओर होते हैं – हवादार दिनों से, झील प्रभाव स्नोस्टॉर्म्स से, टेक्टोनिक प्लेट मूवमेंट से, और सूर्य में प्लाज्मा आंदोलन से। यह सिमुलेशन, जो लगभग 200 मिलियन सेल्स से बना है, रेले-बेनार्ड संवहन की घटना पर केंद्रित है, जो तब होता है जब एक तरल को नीचे से गर्म किया जाता है और शीर्ष से ठंडा किया जाता है। प्रकृति में, यह घटना डाउनबुर्स्ट, माइक्रोबुर्स्ट, और डेरेचोस जैसी गंभीर मौसम की घटनाओं का कारण बन सकती है। यह पृथ्वी के कोर में मैग्मा आंदोलन और सूर्य में प्लाज्मा आंदोलन के लिए भी जिम्मेदार है।

पिछले साल नवंबर 2022 में, नेटीएल ने एक नए फील्ड समीकरण मॉडलिंग एपीआई की शुरुआत की, जो सीएस-2 सिस्टम द्वारा संचालित है, जो उनके जूल सुपरकंप्यूटर की तुलना में 470 गुना तेज था। यह क्लस्टर्स ऑफ सीपीयू या जीपीयू की किसी भी संख्या की तुलना में गति प्रदान कर सकता है। वेफर-स्केल प्रोसेसिंग के लिए एक सरल पाइथन एपीआई का उपयोग करके, जो गणनात्मक विज्ञान के लिए डब्ल्यूएफए को सक्षम बनाता है, यह प्रदर्शन और उपयोगिता में लाभ प्रदान करता है जो पारंपरिक कंप्यूटर और सुपरकंप्यूटर पर प्राप्त नहीं किया जा सकता है – वास्तव में, यह नेटीएल के जूल 2.0 सुपरकंप्यूटर पर ओपनफोम को दो ऑर्डर ऑफ मैग्निट्यूड से अधिक समय में समाधान में बेहतर प्रदर्शन करता है।

चूंकि डब्ल्यूएफए एपीआई की सरलता के कारण, परिणाम कुछ हफ्तों में प्राप्त किए गए और नेटीएल, पीएससी और सेरेब्रास सिस्टम्स के बीच घनिष्ठ सहयोग जारी रखते हैं।

वेफर-स्केल इंजन पर सीएफडी (जो हमेशा एक धीमी, ऑफलाइन कार्य रहा है) की गति को बदलकर, हम वास्तविक समय के लिए एक पूरी नई श्रृंखला खोल सकते हैं और कई अन्य मुख्य एचपीसी अनुप्रयोगों के लिए उपयोग के मामलों को खोल सकते हैं। हमारा लक्ष्य है कि अधिक कंप्यूट शक्ति को सक्षम करके, हमारे ग्राहक अधिक प्रयोग कर सकते हैं और बेहतर विज्ञान का आविष्कार कर सकते हैं। नेटीएल लैब निदेशक ब्रायन एंडरसन ने हमें बताया है कि यह नेटीएल द्वारा काम की जा रही परियोजनाओं को तेजी से तेज और बेहतर बनाने में मदद करेगा – जैसे कि कार्बन सिक्वेस्ट्रेशन और ब्लू हाइड्रोजन उत्पादन जैसी परियोजनाएं।

सेरेब्रास सुपरकंप्यूटर्स को जारी करने के मामले में सेरेब्रास लगातार प्रतिस्पर्धा से बेहतर प्रदर्शन कर रहा है, सुपरकंप्यूटर्स बनाने के पीछे कुछ चुनौतियां क्या हैं?

विरोधाभासी रूप से, बड़े एआई की सबसे बड़ी चुनौतियों में से एक एआई नहीं है। यह वितरित कंप्यूट है।

आज के राज्य-ऑफ-द-आर्ट न्यूरल नेटवर्क को प्रशिक्षित करने के लिए, शोधकर्ता अक्सर सैकड़ों से लेकर हजारों जीपीयू का उपयोग करते हैं। और यह आसान नहीं है। बड़े भाषा मॉडल प्रशिक्षण को जीपीयू के क्लस्टर में वितरित करने से डिवाइस मेमोरी के आकार और मेमोरी बैंडविथ प्रतिबंधों को संभालना, और संचार और सिंक्रोनाइजेशन ओवरहेड्स को ध्यान से प्रबंधित करना शामिल है।

हमने अपने सुपरकंप्यूटरों को डिज़ाइन करने के लिए एक पूरी तरह से अलग दृष्टिकोण अपनाया है – सेरेब्रास वेफर-स्केल क्लस्टर और सेरेब्रास वेट स्ट्रीमिंग निष्पादन मोड के माध्यम से। इन प्रौद्योगिकियों के साथ, सेरेब्रास तीन मुख्य बिंदुओं पर आधारित एक नए तरीके से स्केलिंग का समाधान करता है:

सीपीयू और जीपीयू प्रोसेसिंग को वेफर-स्केल एक्सेलरेटर जैसे सेरेब्रास सीएस-2 सिस्टम द्वारा प्रतिस्थापित करना। यह परिवर्तन स्वीकार्य कंप्यूट गति प्राप्त करने के लिए आवश्यक कंप्यूट इकाइयों की संख्या को कम करता है।

मॉडल आकार की चुनौती का सामना करने के लिए, हम एक सिस्टम आर्किटेक्चर का उपयोग करते हैं जो कंप्यूट से मॉडल स्टोरेज को अलग करता है। एक कंप्यूट सेवा जो पर्याप्त कंप्यूट बैंडविथ प्रदान करने वाले सीएस-2 सिस्टम के क्लस्टर पर आधारित है, मॉडल के उपसेट को कंप्यूट क्लस्टर को मांग पर प्रदान करता है। जैसा कि आम तौर पर होता है, एक डेटा सेवा कंप्यूट सेवा को प्रशिक्षण डेटा के बैच प्रदान करती है जैसा कि आवश्यक है।

सीएस-2 क्लस्टर में प्रशिक्षण कार्य की अनुसूची और समन्वय के लिए एक नवाचार मॉडल जो डेटा समानांतरवाद, प्रत्येक बार एक परत के साथ प्रशिक्षण, और मांग पर क्षीण वजनों को धारा में लाने का उपयोग करता है, और कंप्यूट सेवा में सक्रियण को बनाए रखने का उपयोग करता है।

करीब एक दशक से मूर के नियम के अंत के डर हैं, आगे कितने साल तक उद्योग इसे निचोड़ सकता है और इसके लिए किस प्रकार के नवाचारों की आवश्यकता है?

मुझे लगता है कि हम सभी जिस प्रश्न से जूझ रहे हैं वह यह है कि क्या मूर का नियम – जैसा कि मूर द्वारा लिखा गया है – मृत है। यह दो साल में अधिक ट्रांजिस्टर नहीं ले रहा है। यह अब चार या पांच साल ले रहा है। और वे ट्रांजिस्टर उसी कीमत पर नहीं आ रहे हैं – वे बहुत अधिक कीमत पर आ रहे हैं। तो प्रश्न यह है कि क्या हम अभी भी सात से पांच से तीन नैनोमीटर तक जाने से लाभ प्राप्त कर रहे हैं? लाभ छोटे हैं और वे अधिक महंगे हैं, और इसलिए समाधान अधिक जटिल हो जाते हैं।

जैक डोंगारा, एक प्रमुख कंप्यूटर आर्किटेक्ट, ने हाल ही में एक बातचीत में कहा कि “हम फ्लॉप्स बनाने और आई/ओ बनाने में बहुत बेहतर हो गए हैं।” यह वास्तव में सच है। हम चिप से डेटा को बाहर ले जाने की हमारी क्षमता हमारे चिप पर प्रदर्शन में वृद्धि से बहुत कम है। सेरेब्रास में, हम खुश थे जब उन्होंने ऐसा कहा, क्योंकि यह हमारे निर्णय को मान्य करता है कि एक बड़ा चिप बनाया जाए और कम चीजों को चिप से बाहर ले जाया जाए। यह भविष्य में चिप के साथ प्रणालियों को बेहतर प्रदर्शन करने के तरीकों पर भी कुछ मार्गदर्शन प्रदान करता है। वहां काम करने की जरूरत है, न केवल अधिक फ्लॉप्स निकालने के लिए, बल्कि उन्हें स्थानांतरित करने के लिए और चिप से चिप तक डेटा को स्थानांतरित करने के लिए – यहां तक कि बहुत बड़े चिप से बहुत बड़े चिप तक।

क्या सेरेब्रास सिस्टम्स के बारे में और कुछ है जो आप साझा करना चाहेंगे?

बेहतर या बदतर के लिए, लोग अक्सर सेरेब्रास को “बड़े चिप वाले लोगों” की श्रेणी में रखते हैं। हम बड़े तंत्रिका नेटवर्क के लिए आकर्षक समाधान प्रदान करने में सक्षम रहे हैं, जिससे वितरित कंप्यूटिंग की आवश्यकता समाप्त हो जाती है। मुझे लगता है कि यह बहुत दिलचस्प है और यही कारण है कि हमारे ग्राहक हमें प्यार करते हैं। 2023 के लिए दिलचस्प डोमेन बड़े कंप्यूट को उच्च सटीकता के साथ कम फ्लॉप्स का उपयोग करके करना होगा।

हमारा कार्य स्पार्सिटी पर एक बहुत ही दिलचस्प दृष्टिकोण प्रदान करता है। हम ऐसा काम नहीं करते हैं जो हमें गोल लाइन तक ले जाने में मदद नहीं करता है। शून्य से गुणा करना एक बुरा विचार है। हम जल्द ही स्पार्सिटी पर एक बहुत ही दिलचस्प पेपर जारी करेंगे, और मुझे लगता है कि अधिक प्रयास कुशल बिंदुओं तक पहुंचने के लिए कैसे और कम शक्ति का उपयोग करके कैसे करना है, इस पर देखा जाएगा। और न केवल प्रशिक्षण के लिए; अनुमान में उपयोग किए जाने वाले लागत और शक्ति को कम करने के लिए कैसे? मुझे लगता है कि स्पार्सिटी दोनों मोर्चों पर मदद करती है।

धन्यवाद इन विस्तृत उत्तरों के लिए, पाठक जो अधिक जानना चाहते हैं उन्हें सेरेब्रास सिस्टम्स पर जाना चाहिए।