ओम्री गेलर, रन: एआई के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला

ओम्री गेलर रन: एआई में सीईओ और सह-संस्थापक हैं

रन: एआई जीपीयू कंप्यूट रिसोर्सेज को पूल करके एआई को वर्चुअलाइज और तेज करता है, जिससे संसाधन प्राथमिकता और आवंटन पर दृश्यता और नियंत्रण सुनिश्चित होता है। इससे यह सुनिश्चित होता है कि एआई परियोजनाएं व्यावसायिक लक्ष्यों से मैप की जाती हैं और डेटा विज्ञान टीमों की उत्पादकता में महत्वपूर्ण सुधार होता है, जिससे वे संसाधन सीमाओं के बिना समानांतर मॉडल बनाने और प्रशिक्षित करने में सक्षम होते हैं।

आपको आर्टिफिशियल इंटेलिजेंस में शुरू में क्या आकर्षित किया?

जब मैंने तेल अवीव विश्वविद्यालय में इलेक्ट्रिकल और इलेक्ट्रॉनिक्स इंजीनियरिंग में स्नातक की डिग्री शुरू की, तो मैंने एआई के बारे में कुछ आकर्षक चीजें खोजीं, जिन्हें मुझे पता था कि वे हमें कंप्यूटिंग की संभावनाओं के अगले चरण में ले जाएंगी। उसके बाद से, मुझे एआई अनुसंधान में निवेश करने या एक कंपनी खोलने की इच्छा थी जो दुनिया में एआई के नए तरीके पेश करेगी।

क्या आप हमेशा से कंप्यूटर हार्डवेयर में रुचि रखते थे?

जब मुझे छह या सात साल की उम्र में इंटेल 486 प्रोसेसर वाला मेरा पहला कंप्यूटर मिला, तो मैं तुरंत यह जानने के लिए उत्सुक था कि सब कुछ कैसे काम करता है, भले ही मैं वास्तव में इसे समझने के लिए बहुत छोटा था। खेलों के अलावा, कंप्यूटर मेरे बड़े होने के दौरान मेरी सबसे बड़ी शौक में से एक बन गया। तब से, मैंने कंप्यूटर बनाए, उनके साथ काम किया और क्षेत्र में अध्ययन किया क्योंकि मुझे बचपन से जुनून था।

रन: एआई लॉन्च करने के पीछे आपकी प्रेरणा क्या थी?

मुझे पता था कि मैं एआई स्पेस में निवेश करना चाहता हूं। पिछले कुछ वर्षों में, उद्योग में एआई में जबरदस्त वृद्धि देखी गई है, और इस वृद्धि का एक बड़ा हिस्सा कंप्यूटर वैज्ञानिकों और हार्डवेयर से आया है जो अधिक अनुप्रयोगों का समर्थन कर सकता है। मुझे यह स्पष्ट हो गया कि मैं अंततः एक कंपनी शुरू करूंगा – और मेरे सह-संस्थापक रोनेन डार के साथ – एआई को और अधिक उद्यम कंपनियों में लाने में मदद करने के लिए नवाचार जारी रखने के लिए।

रन: एआई मशीन लर्निंग विशेषज्ञों को महंगे जीपीयू संसाधनों के आवंटन पर एक नए प्रकार का नियंत्रण प्राप्त करने में सक्षम बनाता है। आप बता सकते हैं कि यह कैसे काम करता है?

हमें यह समझने की आवश्यकता है कि मशीन लर्निंग इंजीनियर, शोधकर्ता और डेटा वैज्ञानिक लचीले तरीके से कंप्यूटिंग शक्ति की खपत करने की आवश्यकता है। न केवल आज की नवीनतम गणना बहुत गणना-गहन हैं, बल्कि डेटा विज्ञान में नए कार्य प्रवाह भी हैं जो प्रयोग और प्रयोग चलाने पर आधारित हैं।

अधिक कुशल प्रयोग चलाने के लिए नए समाधान विकसित करने के लिए, हमें समय के साथ कार्य प्रवाह प्रवृत्तियों का अध्ययन करने की आवश्यकता है। उदाहरण के लिए: एक डेटा वैज्ञानिक एक दिन में आठ जीपीयू का उपयोग करता है, लेकिन अगले दिन वे शून्य का उपयोग कर सकते हैं, या वे लंबे समय तक एक जीपीयू का उपयोग कर सकते हैं, लेकिन फिर उन्हें 100 जीपीयू का उपयोग करने की आवश्यकता है क्योंकि वे समानांतर में 100 प्रयोग चलाना चाहते हैं। एक बार जब हम एक उपयोगकर्ता के लिए प्रोसेसिंग शक्ति को अनुकूलित करने के लिए इस कार्य प्रवाह को समझ लेते हैं, तो हम इसे कई उपयोगकर्ताओं तक बढ़ा सकते हैं।

रन: एआई की एक कार्यक्षमता यह है कि यह स्थिर जीपीयू आवंटन द्वारा बनाए गए अंधे धब्बों को कम करने में सक्षम बनाता है। यह कैसे प्राप्त किया जाता है?

हमारे पास संसाधनों के समूह में पूर्ण दृश्यता प्रदान करने वाला एक उपकरण है। इस उपकरण का उपयोग करके, हम देख सकते हैं और समझ सकते हैं कि क्या कोई अंधे धब्बे हैं, और फिर उन जीपीयू का उपयोग करें जो निष्क्रिय हैं जिन उपयोगकर्ताओं को आवंटन की आवश्यकता है। वही उपकरण जो क्लस्टर में दृश्यता और नियंत्रण प्रदान करता है, यह सुनिश्चित करता है कि वे अंधे धब्बे कम हो जाते हैं।

हाल ही में एक भाषण में, आपने निर्माण और प्रशिक्षण कार्य प्रवाह के बीच कुछ अंतरों पर प्रकाश डाला। रन: एआई जीपीयू क्यूइंग प्रबंधन तंत्र का उपयोग करके दोनों के लिए संसाधन प्रबंधन कैसे आवंटित करता है?

एक एआई मॉडल दो चरणों में बनाया जाता है। पहला, निर्माण चरण है, जहां एक डेटा वैज्ञानिक वास्तविक मॉडल बनाने के लिए कोड लिखता है, जिस तरह एक इंजीनियर एक कार बनाता है। दूसरा चरण प्रशिक्षण चरण है, जहां पूरा मॉडल एक विशिष्ट कार्य को अनुकूलित करने के लिए सीखना और ‘प्रशिक्षित’ होना शुरू कर देता है। जैसे कि किसी को कार चलाना सिखाने के लिए कार बनाने के बाद।

एआई डेवलपर जो रन: एआई को अपने सिस्टम में एकीकृत करना चाहते हैं, वे कितना कच्चा कंप्यूटिंग समय/संसाधन बचा सकते हैं?

रन.एआई में हमारे समाधान डिजिटल संसाधनों को लगभग दो से तीन गुना तक बढ़ा सकते हैं, अर्थात् 2-3 गुना बेहतर समग्र उत्पादकता।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं वे रन: एआई पर जा सकते हैं।