সিইও ইন্টারভিউ: লেমুরিয়ান ল্যাবসের জে দাওয়ানি – সেমিউইকি

জে দাওয়ানি এর সহ-প্রতিষ্ঠাতা এবং প্রধান নির্বাহী কর্মকর্তা লেমুরিয়ান ল্যাবস, একটি স্টার্টআপ একটি ত্বরিত কম্পিউটিং প্ল্যাটফর্ম তৈরি করছে যা বিশেষভাবে এআই অ্যাপ্লিকেশনের জন্য তৈরি করা হয়েছে। প্ল্যাটফর্মটি AI ডেভেলপমেন্টকে দ্রুত, সস্তা, আরও টেকসই এবং কয়েকটি কোম্পানির চেয়ে বেশি অ্যাক্সেসযোগ্য করার জন্য হার্ডওয়্যার বাধাগুলি ভেঙে দেয়।

লেমুরিয়ান প্রতিষ্ঠার আগে, জে এআই স্পেসে আরও দুটি কোম্পানি প্রতিষ্ঠা করেছিলেন। তিনি টপ-রেটেড “এর লেখকওগভীর শিক্ষার জন্য গণিত. "

কৃত্রিম বুদ্ধিমত্তা, রোবোটিক্স এবং গণিত জুড়ে একজন বিশেষজ্ঞ, জে ব্লকপ্লে-এর CTO হিসাবে কাজ করেছেন, একটি পাবলিক কোম্পানি একটি ব্লকচেইন-ভিত্তিক গেমিং প্ল্যাটফর্ম তৈরি করেছে, এবং GEC-তে AI-এর ডিরেক্টর হিসেবে কাজ করেছেন, যেখানে তিনি বিভিন্ন ক্লায়েন্ট প্রকল্পের উন্নয়নের নেতৃত্ব দিয়েছেন। খুচরা, অ্যালগরিদমিক ট্রেডিং, প্রোটিন ভাঁজ, মহাকাশ অনুসন্ধানের জন্য রোবট, সুপারিশ সিস্টেম এবং আরও অনেক কিছু থেকে। তার অবসর সময়ে, তিনি NASA Frontier Development Lab, Spacebit এবং SiaClassic-এর উপদেষ্টাও ছিলেন।

শেষবার যখন আমরা লেমুরিয়ান ল্যাবগুলি ফিচার করেছিলাম তখন আপনি রোবোটিক্স এবং এজ এআই-এর উপর দৃষ্টি নিবদ্ধ করেছিলেন। এখন আপনি ডেটা সেন্টার এবং ক্লাউড অবকাঠামোতে মনোনিবেশ করছেন। কি ঘটেছে যে আপনি পিভট করতে চান?

প্রকৃতপক্ষে, আমরা স্বায়ত্তশাসিত রোবোটিক্স অ্যাপ্লিকেশনগুলির জন্য একটি উচ্চ কার্যক্ষমতা, কম লেটেন্সি, সিস্টেম-অন-চিপ তৈরির উপর ফোকাস করা থেকে রূপান্তর করেছি যা ডেটাসেন্টার-স্কেল অ্যাপ্লিকেশনগুলিতে ফোকাস করে এআই-এর জন্য একটি ডোমেন নির্দিষ্ট অ্যাক্সিলারেটর তৈরি করার জন্য সম্পূর্ণ সেন্স-প্ল্যান-অ্যাক্ট লুপকে ত্বরান্বিত করতে পারে। . তবে এটি কেবল একটি সাধারণ পিভট ছিল না; এটি একটি ক্ল্যারিয়ন কল ছিল আমরা অনুভব করেছি যে আমাদের উত্তর দেওয়ার দায়িত্ব ছিল।

2018 সালে, আমরা $2.1 বিলিয়ন প্যারামিটার মডেলের প্রশিক্ষণের জন্য কাজ করছিলাম, কিন্তু আমরা প্রচেষ্টাটি পরিত্যাগ করেছি কারণ খরচটি এতটাই বেশি ছিল যে আমরা এটিকে ন্যায়সঙ্গত করতে পারিনি। তাই আমার বিস্ময়ের কথা কল্পনা করুন যে GPT3, যেটি OpenAI ChatGPT হিসাবে 2022 সালের নভেম্বরে প্রকাশ করেছিল, এটি ছিল $175 বিলিয়ন প্যারামিটার মডেল। এই মডেলটি আমরা মাত্র 80 বছর আগে যা কাজ করছিলাম তার থেকে 4X বড়, যা উত্তেজনাপূর্ণ এবং ভীতিকর উভয়ই।

এই ধরনের একটি মডেল প্রশিক্ষণের খরচ বিস্ময়কর, অন্তত বলতে. বর্তমান স্কেলিং প্রবণতার উপর ভিত্তি করে, আমরা আশা করতে পারি যে একটি ফ্রন্টিয়ার এআই মডেলের প্রশিক্ষণের খরচ খুব দূর ভবিষ্যতে এক বিলিয়ন ডলার ছাড়িয়ে যাবে। যদিও এই মডেলগুলির ক্ষমতা আশ্চর্যজনক হবে, খরচ হাস্যকরভাবে বেশি। এই ট্র্যাজেক্টোরির উপর ভিত্তি করে, তাদের নিজস্ব ডেটাসেন্টার সহ খুব ভাল রিসোর্সড কোম্পানিগুলির একটি মাত্র মুষ্টিমেয় এই মডেলগুলিকে প্রশিক্ষণ, স্থাপন এবং সূক্ষ্ম-টিউন করতে সক্ষম হবে। এটি সম্পূর্ণরূপে নয় কারণ কম্পিউট ব্যয়বহুল এবং শক্তির ক্ষুধার্ত, বরং আমরা যে সফ্টওয়্যার স্ট্যাকগুলির উপর নির্ভর করি সেগুলি এই বিশ্বের জন্য তৈরি করা হয়নি৷

ভৌগলিক এবং শক্তির সীমাবদ্ধতার কারণে, ডেটাসেন্টার তৈরি করার জন্য শুধুমাত্র এতগুলি জায়গা রয়েছে। AI এর গণনার চাহিদা মেটাতে, আমাদের 20টি পারমাণবিক চুল্লির শক্তি ছাড়াই জেটাস্কেল মেশিন তৈরি করতে সক্ষম হতে হবে। আমাদের আরও ব্যবহারিক, মাপযোগ্য এবং অর্থনৈতিক সমাধান দরকার। আমরা চারপাশে তাকালাম এবং এটি সমাধানের পথে কাউকে দেখতে পেলাম না। এবং তাই, আমরা ড্রয়িং বোর্ডে গিয়েছিলাম সমস্যাটিকে সামগ্রিকভাবে সিস্টেমের একটি সিস্টেম হিসাবে এবং প্রথম নীতিগুলি থেকে একটি সমাধান সম্পর্কে যুক্তি হিসাবে দেখতে। আমরা নিজেদেরকে জিজ্ঞাসা করেছি, যদি আমাদের অর্থনৈতিকভাবে দিনে 10 বিলিয়ন LLM প্রশ্নগুলি পরিবেশন করতে হয়, তাহলে আমরা কীভাবে সফ্টওয়্যার থেকে হার্ডওয়্যার পর্যন্ত সম্পূর্ণ স্ট্যাক ডিজাইন করব। আমরা 200 সালের মধ্যে 2028MW এর নিচে একটি জেটাস্কেল মেশিনে আমাদের দৃষ্টিভঙ্গি সেট করেছি।

কৌশলটি হল এটিকে অসম স্কেলিং এর দৃষ্টিকোণ থেকে দেখা - একটি সিস্টেমের বিভিন্ন অংশ বিভিন্ন স্কেলিং নিয়ম অনুসরণ করে, তাই কিছু সময়ে জিনিসগুলি কাজ করা বন্ধ করে দেয়, ভাঙতে শুরু করে বা খরচের সুবিধা ট্রেডঅফের আর কোনো মানে হয় না। যখন এটি ঘটবে, একমাত্র বিকল্প হল সিস্টেমটি পুনরায় ডিজাইন করা। আমাদের মূল্যায়ন এবং সমাধান কাজের চাপ, নম্বর সিস্টেম, প্রোগ্রামিং মডেল, কম্পাইলার, রানটাইম এবং হার্ডওয়্যার সামগ্রিকভাবে অন্তর্ভুক্ত করে।

সৌভাগ্যবশত, আমাদের বিদ্যমান বিনিয়োগকারীরা এবং বাজারের বাকিরা এই দৃষ্টিভঙ্গি দেখেন, এবং আমরা আমাদের নম্বর বিন্যাস - PAL, ডিজাইনের স্থানটি অন্বেষণ করতে এবং আমাদের ডোমেন নির্দিষ্ট অ্যাক্সিলারেটরের জন্য একটি আর্কিটেকচারে একত্রিত করতে এবং আমাদের স্থপতির জন্য একটি $9M বীজ রাউন্ড উত্থাপন করেছি কম্পাইলার এবং রানটাইম। সিমুলেশনে, আমরা আধুনিক GPU গুলির তুলনায় ছোট শক্তির পদচিহ্নে একটি 20X থ্রুপুট লাভ অর্জন করতে সক্ষম হয়েছি, এবং একই ট্রানজিস্টর প্রযুক্তিতে মালিকানার মোট খরচের জন্য সিস্টেমের কার্যকারিতায় 8X সুবিধা প্রদান করতে সক্ষম হবেন বলে প্রজেক্ট করছি।

বলা বাহুল্য, আমাদের সামনে অনেক কাজ আছে, কিন্তু আমরা এমন একটি ভবিষ্যৎ নিশ্চিত করতে ডেটাসেন্টার অর্থনীতিকে পুনরায় সংজ্ঞায়িত করতে সক্ষম হওয়ার সম্ভাবনা নিয়ে বেশ উচ্ছ্বসিত যেখানে AI প্রচুর পরিমাণে সবার জন্য উপলব্ধ।

এটি অবশ্যই উত্তেজনাপূর্ণ শোনাচ্ছে এবং সেই সংখ্যাগুলি চিত্তাকর্ষক শোনাচ্ছে। কিন্তু আপনি নম্বর সিস্টেম, হার্ডওয়্যার, কম্পাইলার এবং রানটাইমগুলি উল্লেখ করেছেন যে সমস্ত জিনিসগুলিতে আপনি ফোকাস করছেন - এটি যেকোনো কোম্পানির জন্য একবারে নেওয়ার মতো অনেক কিছু বলে মনে হয়। এটি একটি খুব ঝুঁকিপূর্ণ প্রস্তাব মত মনে হচ্ছে. স্টার্টআপগুলি কি আরও বেশি মনোযোগী হওয়া উচিত নয়? 

এটি অনেকগুলি বিভিন্ন প্রচেষ্টার মতো শোনাচ্ছে, তবে এটি আসলে, অনেকগুলি আন্তঃসংযুক্ত অংশগুলির সাথে একটি প্রচেষ্টা। এই উপাদানগুলির মধ্যে শুধুমাত্র একটিকে অন্যদের থেকে বিচ্ছিন্ন করে সমাধান করা শুধুমাত্র উদ্ভাবনের সম্ভাবনাকে বাধা দেবে কারণ এটি পদ্ধতিগত অদক্ষতা এবং বাধাগুলিকে উপেক্ষা করে। জেনসেন হুয়াং এটি সর্বোত্তম বলেছেন, "একটি ত্বরিত কম্পিউটিং কোম্পানি হতে হলে, আপনাকে একটি সম্পূর্ণ স্ট্যাক কোম্পানি হতে হবে", এবং আমি সম্পূর্ণরূপে একমত। তারা একটি কারণে বর্তমান বাজার নেতা. কিন্তু আমি এই ধারণাটিকে চ্যালেঞ্জ করব যে আমরা মনোযোগী নই। আমরা কীভাবে সমস্যাটি সামগ্রিকভাবে চিন্তা করি এবং কীভাবে এটি আমাদের গ্রাহকদের জন্য সর্বোত্তমভাবে সমাধান করা যায়, সেখানেই আমাদের ফোকাস।

এটি করতে আমাদের মত একটি বহুবিভাগীয় পদ্ধতির প্রয়োজন। আমাদের কাজের প্রতিটি অংশ অন্যদের জানায় এবং সমর্থন করে, আমাদেরকে একটি সমাধান তৈরি করতে সক্ষম করে যা এর অংশগুলির যোগফলের চেয়ে অনেক বেশি। কল্পনা করুন যদি আপনাকে একটি রেসকার তৈরি করতে হয়। আপনি নির্বিচারে একটি চ্যাসি বাছাই করবেন না, রেসিং টায়ার যোগ করবেন এবং সবচেয়ে শক্তিশালী ইঞ্জিনে ড্রপ করবেন যা আপনি খুঁজে পেতে এবং রেস করতে পারেন, তাই না? ড্র্যাগ কমাতে এবং ডাউনফোর্স বাড়ানোর জন্য আপনি গাড়ির বডির অ্যারোডাইনামিসটি সম্পর্কে চিন্তা করবেন, ভাল পরিচালনার জন্য ওজন বন্টন অপ্টিমাইজ করুন, সর্বাধিক পারফরম্যান্সের জন্য ইঞ্জিনকে কাস্টম ডিজাইন করুন, অতিরিক্ত গরম হওয়া রোধ করার জন্য একটি কুলিং সিস্টেম পান, ড্রাইভারকে সুরক্ষিত রাখতে একটি রোল কেজ উল্লেখ করুন। , ইত্যাদি। এই উপাদানগুলির প্রত্যেকটিই একে অপরকে অবহিত করে।

এটি বলেছে, যে কোনও শিল্পের যে কোনও সংস্থার জন্য একবারে এটি করার চেষ্টা করা এবং এটি করা ঝুঁকিপূর্ণ। ঝুঁকিগুলি পরিচালনা করার জন্য আমরা একটি পর্যায়ক্রমে পদ্ধতি গ্রহণ করছি, যা আমাদের গ্রাহকদের সাথে আমাদের প্রযুক্তি যাচাই করতে এবং প্রয়োজন অনুসারে আমাদের কৌশল সামঞ্জস্য করার অনুমতি দেয়। আমরা প্রমাণ করেছি যে আমাদের সংখ্যা বিন্যাস কাজ করে এবং এটিতে সমতুল্য ফ্লোটিং পয়েন্টের চেয়ে ভাল পাওয়ার-পারফরম্যান্স-এরিয়া রয়েছে, পাশাপাশি আরও ভাল সংখ্যাগত বৈশিষ্ট্য রয়েছে যা নিউরাল নেটওয়ার্কগুলিকে ছোট বিট-প্রস্থে পরিমাপ করা সহজ করে তোলে। আমরা একটি আর্কিটেকচার ডিজাইন করেছি যা আমরা আত্মবিশ্বাসী বোধ করি এবং এটি প্রশিক্ষণ এবং অনুমান উভয়ের জন্যই উপযুক্ত। কিন্তু এর থেকেও গুরুত্বপূর্ণ হল সফ্টওয়্যারটি সঠিকভাবে পাওয়া, এবং এটিই আমাদের তাত্ক্ষণিক ফোকাসের বড় অংশ। আমাদের নিশ্চিত করতে হবে যে আমরা আমাদের সফ্টওয়্যার স্ট্যাকে সঠিক সিদ্ধান্ত নিতে পারি যেখানে আমরা দেখতে পাচ্ছি যে পৃথিবী আজ থেকে এক বা দুই বা তার বেশি হতে চলেছে।

একটি হার্ডওয়্যার কোম্পানি তৈরি করা কঠিন, ব্যয়বহুল এবং দীর্ঘ সময় নেয়। সফ্টওয়্যারের উপর ফোকাস প্রথমে একটি খুব কার্যকর ব্যবসার মতো শোনায় এবং বর্তমান জলবায়ুতে বিনিয়োগকারীদের কাছে সম্ভবত আরও আকর্ষণীয়। আপনি কেন এমন হার্ডওয়্যারও করছেন যা মহাকাশের অনেক ভাল অর্থায়িত সংস্থাগুলি তাদের দরজা বন্ধ করে দিচ্ছে, গ্রাহকদের সাথে গ্রহণ করার জন্য লড়াই করছে এবং বড় খেলোয়াড়রা তাদের নিজস্ব হার্ডওয়্যার তৈরি করছে?

আপনি একেবারে সঠিক যে সফ্টওয়্যার ব্যবসাগুলি সাধারণত হার্ডওয়্যার কোম্পানিগুলির তুলনায় অনেক বেশি সহজে মূলধন বাড়াতে সক্ষম হয়েছে এবং সেই হার্ডওয়্যারটি খুব কঠিন। আমাদের বর্তমান ফোকাস সফ্টওয়্যারের উপর অনেক বেশি কারণ সেখানেই আমরা বড় সমস্যা দেখতে পাই। আমাকে পরিষ্কার করা যাক, সমস্যা হল আমি উচ্চ কার্যকারিতা সহ সিপিইউ বা জিপিইউতে কার্নেল চালাতে পারি কিনা তা নয়; এটি একটি দীর্ঘ সমাধান সমস্যা। আজকের সমস্যা হল কীভাবে আমরা ডেভেলপারদের জন্য তাদের কর্মপ্রবাহকে ওভারহল করতে না বলে ভিন্ন ভিন্ন কম্পিউট দিয়ে তৈরি কয়েক হাজার নোড ক্লাস্টারের মধ্যে উৎপাদনশীলভাবে আরও কর্মক্ষমতা পেতে পারি।

এই সমস্যাটিই আমরা বর্তমানে একটি সফ্টওয়্যার স্ট্যাকের সাথে সমাধান করার দিকে মনোনিবেশ করছি যা বিকাশকারীদের সুপার পাওয়ার দেয় এবং গুদাম স্কেল কম্পিউটারগুলির সম্পূর্ণ ক্ষমতা আনলক করে, যাতে আমরা আরও অর্থনৈতিকভাবে এআই মডেলগুলিকে প্রশিক্ষণ এবং স্থাপন করতে পারি।

এখন, বিনিয়োগের ক্ষেত্রে, হ্যাঁ, ভিসিরা যে ধরনের কোম্পানিগুলিকে সমর্থন করে সেগুলির ক্ষেত্রে আরও বেশি নির্বাচনী হচ্ছে, কিন্তু এর মানে হল VCগুলি এমন কোম্পানিগুলিকে খুঁজছে যেগুলি সত্যিকারের যুগান্তকারী পণ্যগুলি অফার করার সম্ভাবনা রয়েছে যা বাণিজ্যিকীকরণের একটি পরিষ্কার পথ রয়েছে এবং উল্লেখযোগ্য প্রভাব রয়েছে৷ আমরা অন্যদের চ্যালেঞ্জ এবং ভুল থেকে শিখেছি এবং ঝুঁকি মোকাবেলায় সক্রিয়ভাবে আমাদের ব্যবসার মডেল এবং রোডম্যাপ তৈরি করেছি। এটাও মনে রাখা গুরুত্বপূর্ণ যে স্টার্টআপগুলিকে যা সফল করেছে তা খুব কমই হয়েছে যে তারা ভিসি তহবিল সংগ্রহ করতে পারে, তবে তাদের সম্পদশালীতা, একগুঁয়েমি এবং গ্রাহক ফোকাসের সাথে আরও বেশি সম্পর্ক রয়েছে।

এবং আপনি জিজ্ঞাসা করার আগে, আমরা এখনও হার্ডওয়্যারে কাজ করছি, তবে প্রাথমিকভাবে এই মুহূর্তে সিমুলেশনে। আমরা কিছু সময়ের জন্য টেপ আউট করার ইচ্ছা নেই. কিন্তু আমরা সেই কথোপকথনটিকে অন্য সময়ের জন্য সংরক্ষণ করতে পারি।

এটি অবশ্যই বাধ্যতামূলক এবং আমরা অন্যান্য হার্ডওয়্যার সংস্থাগুলি যা করতে দেখেছি তার তুলনায় আপনার পর্যায়ক্রমে পদ্ধতিটি খুব আলাদা। আপনি যে সমস্যাটি বলছেন তা আমি বুঝতে পারছি আপনার সফ্টওয়্যার স্ট্যাকটি সমাধান করবে, কিন্তু কীভাবে আপনার সফ্টওয়্যারটি বাজারের বিভিন্ন প্রচেষ্টা থেকে আলাদা করে?

আপনি যেসব কোম্পানির কথা উল্লেখ করছেন তাদের বেশিরভাগই GPU গুলিকে আরও সহজ করার জন্য টাইল-ভিত্তিক বা টাস্ক-ম্যাপিং প্রোগ্রামিং মডেলগুলি প্রবর্তন করে GPU গুলি থেকে আরও বেশি পারফরম্যান্স পেতে, বা বিভিন্ন সময়ে নির্ধারিত উচ্চ কার্যকারিতা কার্নেল পেতে নতুন প্রোগ্রামিং ভাষা তৈরি করার উপর ফোকাস করছে। ইন-লাইন সমাবেশের জন্য সমর্থন সহ প্ল্যাটফর্ম। এগুলি গুরুত্বপূর্ণ সমস্যা যা তারা সমাধান করছে, কিন্তু আমরা দেখতে পাচ্ছি যে সমস্যাটি আমরা প্রায় অর্থোগোনাল হিসাবে সমাধান করছি।

আসুন এক মুহুর্তের জন্য হার্ডওয়্যার এবং সফ্টওয়্যার পরিবর্তনের ক্যাডেনস সম্পর্কে চিন্তা করি। একক-কোর আর্কিটেকচারগুলি ঘড়ির গতি এবং ট্রানজিস্টরের ঘনত্ব থেকে কার্যক্ষমতা অর্জন করে, কিন্তু অবশেষে ঘড়ির গতি একটি মালভূমিতে আঘাত করে। অনেকগুলি কোর ব্যবহার করে সমান্তরালতা এটিকে বাধা দেয় এবং বড় গতি প্রদান করে। সফ্টওয়্যারটি ধরতে প্রায় এক দশক সময় লেগেছিল, কারণ প্রোগ্রামিং মডেল, কম্পাইলার এবং রানটাইমগুলি বিকাশকারীদের এই দৃষ্টান্তের মান বের করতে সহায়তা করার জন্য পুনর্বিবেচনা করতে হয়েছিল। তারপরে, জিপিইউগুলি আবার একটি ভিন্ন প্রোগ্রামিং মডেলের সাথে সাধারণ উদ্দেশ্যের ত্বরণকারী হতে শুরু করে। আবার, এখানে মান বের করতে ডেভেলপারদের প্রায় এক দশক লেগেছে।

আবার, হার্ডওয়্যার একটি মালভূমিতে আঘাত করছে - মুরের আইন, শক্তি এবং তাপীয় সীমাবদ্ধতা, মেমরির প্রতিবন্ধকতা এবং কাজের বৈচিত্র্য এবং দ্রুতগতিতে আরও গণনার প্রয়োজনীয়তা আমাদের উন্নত কর্মক্ষমতা, দক্ষতা এবং মোট খরচের জন্য ক্রমবর্ধমান ভিন্ন ভিন্ন কম্পিউটার আর্কিটেকচার তৈরির দিকে ঠেলে দিচ্ছে। হার্ডওয়্যারের এই পরিবর্তন অবশ্যই সফ্টওয়্যারের জন্য চ্যালেঞ্জ তৈরি করবে কারণ কম্পিউটিংয়ের পরবর্তী বিবর্তনকে সমর্থন করার জন্য আমাদের কাছে সঠিক কম্পাইলার এবং রানটাইম নেই। এইবার যদিও, ভিন্নধর্মী আর্কিটেকচার বা বড় ক্লাস্টারের মান বের করার জন্য সফ্টওয়্যারের জন্য আমাদের আর 10 বছর অপেক্ষা করতে হবে না, বিশেষ করে যখন সেগুলি 80% এর বেশি অব্যবহৃত হয়।

আমরা যে বিষয়ে ফোকাস করছি তা হল টাস্ক-ভিত্তিক সমান্তরালতার সাথে একটি ভিন্নতা-সচেতন প্রোগ্রামিং মডেল তৈরি করা, ক্রস প্রসেসর অপ্টিমাইজেশান, প্রসঙ্গ-সচেতন সংকলন এবং গতিশীল সম্পদ বরাদ্দের সাথে পোর্টেবল পারফরম্যান্সকে সম্বোধন করা। এবং আমাদের জন্য, এটি একটি সিপিইউ, জিপিইউ, টিপিইউ, এসপিইউ (লেমুরিয়ানের আর্কিটেকচার) বা তাদের সকলের একটি জাল কিনা তা বিবেচ্য নয়। আমি জানি যে এটি অনেক অভিনব শব্দের মতো শোনাচ্ছে, কিন্তু এটি আসলে যা বলছে তা হল যে আমরা একটি একক পদ্ধতির সাথে যে কোনও ধরণের প্রসেসরকে প্রোগ্রাম করা সম্ভব করেছি এবং আমরা ন্যূনতম সাথে এক ধরণের প্রসেসর থেকে অন্যটিতে কোড পোর্ট করতে পারি কর্মক্ষমতা ত্যাগ করার প্রয়োজন ছাড়াই প্রচেষ্টা, এবং নোড জুড়ে অভিযোজিত এবং গতিশীলভাবে কাজ করার সময়সূচী।

আপনি যা বলছেন তা সত্য হলে আপনি কম্পিউটিংকে সম্পূর্ণরূপে পুনরায় সংজ্ঞায়িত করতে পারেন। এর অর্থায়ন সম্পর্কে কথা বলা যাক. আপনি গত বছর বীজ তহবিলে $9 মিলিয়ন উত্থাপন করেছেন যা দৃঢ় বিনিয়োগকারীদের সমর্থন এবং আপনার দৃষ্টিভঙ্গিতে বিশ্বাসকে নির্দেশ করে। তারপর থেকে আপনি কি করেছেন?

গত এক বছরে, বীজ তহবিল দ্বারা জ্বালানী, আমরা উল্লেখযোগ্য অগ্রগতি করেছি। আমাদের টিমের সাথে এখন 20 জন সদস্য, আমরা সতর্কতার সাথে চ্যালেঞ্জ মোকাবেলা করেছি, গ্রাহকদের সাথে জড়িত এবং আমাদের পদ্ধতিকে পরিমার্জিত করেছি।

আমরা প্রশিক্ষণ এবং অনুমানের জন্য PAL বাড়ানোর উপর ফোকাস করেছি, আমাদের অ্যাক্সিলারেটরের জন্য কম্পিউটার আর্কিটেকচার অন্বেষণ করেছি এবং পারফরম্যান্স মেট্রিক্সের জন্য একটি সিমুলেটর তৈরি করেছি। একই সাথে, আমরা ভিন্ন ভিন্ন কম্পিউটিংকে জোর দিয়ে ডেটাসেন্টার অ্যাপ্লিকেশনগুলির জন্য আমাদের সফ্টওয়্যার স্ট্যাকের পুনর্নির্মাণ করেছি।

এই প্রচেষ্টার ফলে একটি সু-সংজ্ঞায়িত স্থাপত্য তৈরি হয়েছে, যা স্কেলে AI-এর জন্য PAL-এর কার্যকারিতা প্রদর্শন করে। প্রযুক্তিগত অগ্রগতির বাইরে, আমরা অ্যাক্সেসকে গণতান্ত্রিক করার জন্য সহযোগিতা এবং আউটরিচ অনুসরণ করেছি। এই প্রচেষ্টাগুলি লেমুরিয়ান ল্যাবগুলিকে অবিলম্বে গ্রাহকদের চ্যালেঞ্জগুলি মোকাবেলা করার জন্য অবস্থান করে, আমাদের উত্পাদন সিলিকন প্রকাশের জন্য প্রস্তুত।

সফ্টওয়্যার স্ট্যাক ডেভেলপমেন্ট, সহযোগিতা এবং অ্যাক্সিলারেটরের আর্কিটেকচারের উন্নতি সম্পর্কিত লেমুরিয়ান ল্যাবসের মধ্যমেয়াদী পরিকল্পনাগুলি কী কী?

আমাদের তাৎক্ষণিক লক্ষ্য হল একটি সফ্টওয়্যার স্ট্যাক তৈরি করা যা পোর্টেবল পারফরম্যান্স সহ সিপিইউ, জিপিইউ এবং আমাদের এআই অ্যাক্সিলারেটরকে লক্ষ্য করে, যা বছরের শেষের দিকে অংশীদারদের কাছে উপলব্ধ করা হবে। আমরা বর্তমানে বেশিরভাগ নেতৃস্থানীয় সেমিকন্ডাক্টর কোম্পানি, ক্লাউড পরিষেবা প্রদানকারী, হাইপারস্কেলার এবং এআই কোম্পানির সাথে কথোপকথন করছি যাতে তারা আমাদের কম্পাইলার এবং রানটাইম অ্যাক্সেস করতে পারে। সমান্তরালভাবে, আমরা হার্ডওয়্যার এবং সফ্টওয়্যারের সত্যিকারের সহ-পরিকল্পিত সিস্টেমের জন্য আমাদের এক্সিলারেটরের আর্কিটেকচারের উপর কাজ এবং উন্নতি চালিয়ে যাচ্ছি। এবং অবশ্যই, আমরা সবেমাত্র বিনিয়োগকারী সম্প্রদায়ের কাছ থেকে অত্যন্ত প্রবল আগ্রহ নিয়ে আমাদের সিরিজ A বাড়াতে শুরু করেছি, যা আমাদের দল বাড়াতে এবং বছরের শেষে সফ্টওয়্যার পণ্য সরবরাহের লক্ষ্য পূরণ করতে সক্ষম হবে।

সমাপ্তিতে, আপনি কীভাবে লেমুরিয়ান ল্যাবগুলিকে আগামী বছরগুলিতে এআই বিকাশ, অ্যাক্সেসযোগ্যতা এবং ইক্যুইটির ল্যান্ডস্কেপ পরিবর্তনে অবদান রাখতে দেখছেন?

আমরা শুধুমাত্র বাণিজ্যিক লাভের জন্য বা এর মজার জন্য কম্পিউটিংকে পুনরায় সংজ্ঞায়িত করতে আসিনি। লেমুরিয়ানস হিসাবে, আমাদের চালিকা শক্তি হল আমরা AI এর রূপান্তরমূলক সম্ভাবনায় বিশ্বাস করি এবং এই প্রযুক্তির ভবিষ্যত এবং আমরা কীভাবে এটি ব্যবহার করি তা নির্ধারণ করার জন্য শুধুমাত্র কয়েকটি কোম্পানির সম্পদ থাকা উচিত। আমরা এটাও গ্রহণযোগ্য মনে করি না যে AI-এর ডেটাসেন্টার অবকাঠামো 20 সালের মধ্যে বিশ্বের 2030% শক্তি খরচ করার পথে রয়েছে। আমরা সবাই একত্রিত হয়েছি কারণ আমরা বিশ্বাস করি যদি আমরা করতে পারি তাহলে সমাজের জন্য আরও ভাল পথ রয়েছে। AI এর সংশ্লিষ্ট খরচ নাটকীয়ভাবে কমিয়ে, AI-তে উদ্ভাবনের গতি ত্বরান্বিত করে এবং এর প্রভাবকে প্রসারিত করে আরও অ্যাক্সেসযোগ্য। বর্তমান হার্ডওয়্যার অবকাঠামোর চ্যালেঞ্জ মোকাবেলা করার মাধ্যমে, আমরা এই উন্নত প্রযুক্তির সুষম বন্টন নিশ্চিত করে AI এর সক্ষমতা সহ এক বিলিয়ন লোককে ক্ষমতায়নের পথ প্রশস্ত করতে চাই। আমরা আশা করি পণ্য-কেন্দ্রিক সমাধান, সহযোগিতা এবং ক্রমাগত উদ্ভাবনের প্রতি আমাদের প্রতিশ্রুতি AI বিকাশের ভবিষ্যতকে ইতিবাচক রূপ দেওয়ার জন্য একটি চালিকা শক্তি হিসাবে অবস্থান করবে।

এছাড়াও পড়ুন:

এর মাধ্যমে এই পোস্টটি ভাগ করুন:

• এসইও চালিত বিষয়বস্তু এবং পিআর বিতরণ। আজই পরিবর্ধিত পান।
• PlatoData.Network উল্লম্ব জেনারেটিভ Ai. নিজেকে ক্ষমতায়িত করুন। এখানে প্রবেশ করুন.
• প্লেটোএআইস্ট্রিম। Web3 ইন্টেলিজেন্স। জ্ঞান প্রসারিত. এখানে প্রবেশ করুন.
• প্লেটোইএসজি। কার্বন, ক্লিনটেক, শক্তি, পরিবেশ সৌর, বর্জ্য ব্যবস্থাপনা. এখানে প্রবেশ করুন.
• প্লেটো হেলথ। বায়োটেক এবং ক্লিনিক্যাল ট্রায়াল ইন্টেলিজেন্স। এখানে প্রবেশ করুন.
• উত্স: https://semiwiki.com/ceo-interviews/341485-ceo-interview-jay-dawani-of-lemurian-labs-2/