Συνέντευξη CEO: Jay Dawani της Lemurian Labs – Semiwiki

Jay Dawani είναι συνιδρυτής και Διευθύνων Σύμβουλος στο Lemurian Labs, μια startup που αναπτύσσει μια ταχεία πλατφόρμα υπολογιστών προσαρμοσμένη ειδικά για εφαρμογές τεχνητής νοημοσύνης. Η πλατφόρμα ξεπερνά τα εμπόδια του υλικού για να κάνει την ανάπτυξη τεχνητής νοημοσύνης ταχύτερη, φθηνότερη, πιο βιώσιμη και προσβάσιμη σε περισσότερες από λίγες εταιρείες.

Πριν από την ίδρυση της Lemurian, ο Jay ίδρυσε δύο άλλες εταιρείες στον χώρο της τεχνητής νοημοσύνης. Είναι επίσης ο συγγραφέας του κορυφαίου "Μαθηματικά για βαθιά μάθηση. "

Ένας ειδικός σε θέματα τεχνητής νοημοσύνης, ρομποτικής και μαθηματικών, ο Jay έχει υπηρετήσει ως CTO της BlocPlay, μιας δημόσιας εταιρείας που κατασκευάζει μια πλατφόρμα τυχερών παιχνιδιών που βασίζεται σε blockchain, και υπηρέτησε ως διευθυντής AI στην GEC, όπου ηγήθηκε της ανάπτυξης πολλών έργων πελατών που καλύπτουν τομείς από το λιανικό εμπόριο, το αλγοριθμικό εμπόριο, το δίπλωμα πρωτεϊνών, τα ρομπότ για εξερεύνηση του διαστήματος, τα συστήματα συστάσεων και πολλά άλλα. Στον ελεύθερο χρόνο του, υπήρξε επίσης σύμβουλος στο Εργαστήριο Ανάπτυξης Συνόρων της NASA, στο Spacebit και στο SiaClassic.

Την τελευταία φορά που παρουσιάσαμε τα Lemurian Labs επικεντρωθήκατε στη ρομποτική και στο edge AI. Τώρα επικεντρώνεστε στο κέντρο δεδομένων και την υποδομή cloud. Τι συνέβη και σε έκανε να θελήσεις να κάνεις pivot;

Πράγματι, κάναμε τη μετάβαση από την εστίαση στη δημιουργία ενός συστήματος υψηλής απόδοσης, χαμηλής καθυστέρησης, συστήματος-on-chip για αυτόνομες εφαρμογές ρομποτικής που θα μπορούσαν να επιταχύνουν ολόκληρο τον βρόχο αίσθησης-σχεδίου-πράξης στη δημιουργία ενός ειδικού επιταχυντή τομέα για τεχνητή νοημοσύνη που εστιάζει σε εφαρμογές κλίμακας κέντρων δεδομένων . Αλλά δεν ήταν απλώς ένας συνηθισμένος άξονας. ήταν μια κλήρωση που νιώσαμε ότι είχαμε την ευθύνη να απαντήσουμε.

Το 2018, εργαζόμασταν για την εκπαίδευση ενός μοντέλου παραμέτρων 2.1 δισεκατομμυρίων δολαρίων, αλλά εγκαταλείψαμε την προσπάθεια επειδή το κόστος ήταν τόσο εξαιρετικά υψηλό που δεν μπορούσαμε να το δικαιολογήσουμε. Φανταστείτε λοιπόν την έκπληξή μου που το GPT3, το οποίο το OpenAI κυκλοφόρησε ως ChatGPT τον Νοέμβριο του 2022, ήταν ένα μοντέλο παραμέτρων 175 δισεκατομμυρίων δολαρίων. Αυτό το μοντέλο είναι περισσότερο από 80 φορές μεγαλύτερο από αυτό που εργαζόμασταν μόλις 4 χρόνια νωρίτερα, κάτι που είναι συναρπαστικό και τρομακτικό.

Το κόστος εκπαίδευσης ενός τέτοιου μοντέλου είναι τουλάχιστον εντυπωσιακό. Με βάση τις τρέχουσες τάσεις κλιμάκωσης, μπορούμε να αναμένουμε ότι το κόστος της εκπαίδευσης ενός μοντέλου τεχνητής νοημοσύνης συνόρων θα ξεπεράσει το ένα δισεκατομμύριο δολάρια στο όχι και τόσο μακρινό μέλλον. Αν και οι δυνατότητες αυτών των μοντέλων θα είναι εκπληκτικές, το κόστος είναι γελοία υψηλό. Με βάση αυτή την τροχιά, μόνο λίγες εταιρείες με πολύ καλούς πόρους και τα δικά τους κέντρα δεδομένων θα είναι σε θέση να αντέξουν οικονομικά να εκπαιδεύσουν, να αναπτύξουν και να τελειοποιήσουν αυτά τα μοντέλα. Αυτό δεν οφείλεται απλώς στο ότι ο υπολογισμός είναι ακριβός και απαιτεί ενέργεια, αλλά και επειδή οι στοίβες λογισμικού στις οποίες βασιζόμαστε δεν κατασκευάστηκαν για αυτόν τον κόσμο.

Λόγω των γεωγραφικών και ενεργειακών περιορισμών, υπάρχουν τόσα πολλά μέρη για την κατασκευή κέντρων δεδομένων. Για να ανταποκριθούμε στις υπολογιστικές απαιτήσεις της τεχνητής νοημοσύνης, πρέπει να είμαστε σε θέση να κατασκευάζουμε μηχανές ζεττακλίμακας χωρίς να απαιτούνται 20 πυρηνικοί αντιδραστήρες για την τροφοδοσία της. Χρειαζόμαστε μια πιο πρακτική, επεκτάσιμη και οικονομική λύση. Κοιτάξαμε τριγύρω και δεν είδαμε κανέναν στο δρόμο για να το λύσουμε. Και έτσι, πήγαμε στον πίνακα σχεδίασης για να εξετάσουμε το πρόβλημα ολιστικά ως ένα σύστημα συστημάτων και λογική για μια λύση από τις πρώτες αρχές. Ρωτήσαμε τους εαυτούς μας, πώς θα σχεδιάζαμε την πλήρη στοίβα, από λογισμικό μέχρι υλικό, εάν έπρεπε να εξυπηρετούμε οικονομικά 10 δισεκατομμύρια ερωτήματα LLM την ημέρα. Έχουμε θέσει το βλέμμα μας σε ένα μηχάνημα κλίμακας zetta κάτω των 200 MW, έως το 2028.

Το κόλπο είναι να το δούμε από τη σκοπιά της ασύμμετρης κλιμάκωσης – διαφορετικά μέρη ενός συστήματος ακολουθούν διαφορετικούς κανόνες κλιμάκωσης, οπότε κάποια στιγμή τα πράγματα σταματούν να λειτουργούν, αρχίζουν να σπάνε ή η αντιστάθμιση κόστους-οφέλους δεν έχει πλέον νόημα. Όταν συμβεί αυτό, η μόνη επιλογή είναι ο επανασχεδιασμός του συστήματος. Η αξιολόγηση και η λύση μας περιλαμβάνει τον φόρτο εργασίας, το σύστημα αριθμών, το μοντέλο προγραμματισμού, τον μεταγλωττιστή, το χρόνο εκτέλεσης και το υλικό ολιστικά.

Ευτυχώς, οι υφιστάμενοι επενδυτές μας και η υπόλοιπη αγορά βλέπουν το όραμα και συγκεντρώσαμε έναν κύκλο εκκίνησης 9 εκατομμυρίων δολαρίων για να αναπτύξουμε τη μορφή αριθμών μας - PAL, για να εξερευνήσουμε τον χώρο σχεδιασμού και να συγκλίνουμε σε μια αρχιτεκτονική για τον επιταχυντή του τομέα μας και να αρχιτεκτονήσουμε μεταγλωττιστή και χρόνο εκτέλεσης. Στις προσομοιώσεις, καταφέραμε να επιτύχουμε κέρδος απόδοσης 20 φορές στο μικρότερο ενεργειακό αποτύπωμα από τις σύγχρονες GPU και προβλέπουμε ότι θα είμαστε σε θέση να προσφέρουμε όφελος 8 φορές στην απόδοση του συστήματος για το συνολικό κόστος ιδιοκτησίας της ίδιας τεχνολογίας τρανζίστορ.

Περιττό να πούμε ότι έχουμε πολλή δουλειά μπροστά μας, αλλά είμαστε πολύ ενθουσιασμένοι με την προοπτική να μπορέσουμε να επαναπροσδιορίσουμε τα οικονομικά κέντρα δεδομένων για να εξασφαλίσουμε ένα μέλλον όπου η τεχνητή νοημοσύνη θα είναι άφθονα διαθέσιμη σε όλους.

Αυτό ακούγεται σίγουρα συναρπαστικό και αυτοί οι αριθμοί ακούγονται εντυπωσιακοί. Αλλά αναφέρατε τα συστήματα αριθμών, το υλικό, τους μεταγλωττιστές και τους χρόνους εκτέλεσης ως όλα τα πράγματα στα οποία εστιάζετε – ακούγεται πολλά για κάθε εταιρεία να αναλάβει ταυτόχρονα. Φαίνεται πολύ ριψοκίνδυνη πρόταση. Οι νεοφυείς επιχειρήσεις δεν πρέπει να είναι πιο εστιασμένες; 

Ακούγεται σαν πολλές διαφορετικές προσπάθειες, αλλά στην πραγματικότητα είναι μια προσπάθεια με πολλά αλληλένδετα μέρη. Η επίλυση μόνο ενός από αυτά τα στοιχεία μεμονωμένα από τα άλλα θα παρεμποδίσει μόνο τη δυνατότητα για καινοτομία επειδή έχει ως αποτέλεσμα την παράβλεψη των συστημικών αναποτελεσματικών και συμφορήσεων. Ο Jensen Huang το είπε καλύτερα, «Για να είσαι μια εταιρεία επιταχυνόμενων υπολογιστών, πρέπει να είσαι μια εταιρεία full stack», και συμφωνώ απόλυτα. Είναι ο σημερινός ηγέτης της αγοράς για κάποιο λόγο. Αλλά θα αμφισβητούσα την ιδέα ότι δεν είμαστε συγκεντρωμένοι. Η εστίασή μας είναι στο πώς σκεφτόμαστε το πρόβλημα ολιστικά και πώς να το λύσουμε καλύτερα για τους πελάτες μας.

Για να γίνει αυτό απαιτείται μια διεπιστημονική προσέγγιση όπως η δική μας. Κάθε μέρος της δουλειάς μας ενημερώνει και υποστηρίζει τα άλλα, δίνοντάς μας τη δυνατότητα να δημιουργήσουμε μια λύση που είναι πολύ μεγαλύτερη από το άθροισμα των μερών της. Φανταστείτε αν έπρεπε να φτιάξετε ένα αγωνιστικό αυτοκίνητο. Δεν θα διαλέγατε αυθαίρετα ένα σασί, θα προσθέσετε αγωνιστικά ελαστικά και θα ρίξετε τον πιο ισχυρό κινητήρα που μπορείτε να βρείτε και να τον αγωνιστείτε, σωστά; Θα σκεφτόσασταν την αεροδυναμικότητα του αμαξώματος του αυτοκινήτου για μείωση της οπισθέλκουσας και ενίσχυση της κάθετης δύναμης, βελτιστοποίηση της κατανομής βάρους για καλό χειρισμό, προσαρμοσμένη σχεδίαση του κινητήρα για μέγιστη απόδοση, λήψη συστήματος ψύξης για την αποφυγή υπερθέρμανσης, προδιαγραφή roll cage για να κρατήσει τον οδηγό ασφαλή , κλπ. Κάθε ένα από αυτά τα στοιχεία βασίζεται και ενημερώνει το άλλο.

Τούτου λεχθέντος, είναι επικίνδυνο να προσπαθείς να τα κάνεις όλα ταυτόχρονα για οποιαδήποτε εταιρεία σε οποιονδήποτε κλάδο. Για να διαχειριστούμε τους κινδύνους ακολουθούμε μια σταδιακή προσέγγιση, επιτρέποντάς μας να επικυρώνουμε την τεχνολογία μας με τους πελάτες και να προσαρμόζουμε τη στρατηγική μας όπως απαιτείται. Έχουμε αποδείξει ότι η μορφή αριθμών μας λειτουργεί και ότι έχει καλύτερη περιοχή απόδοσης ισχύος από ισοδύναμους τύπους κινητής υποδιαστολής, ενώ έχει επίσης καλύτερες αριθμητικές ιδιότητες που διευκολύνουν τον κβαντισμό των νευρωνικών δικτύων σε μικρότερα πλάτη bit. Έχουμε σχεδιάσει μια αρχιτεκτονική για την οποία αισθανόμαστε σίγουροι και είναι κατάλληλη τόσο για εκπαίδευση όσο και για εξαγωγή συμπερασμάτων. Αλλά πιο σημαντικό από όλα αυτά είναι να κάνουμε σωστά το λογισμικό, και αυτό είναι το μεγαλύτερο μέρος της άμεσης εστίασής μας. Πρέπει να διασφαλίσουμε ότι παίρνουμε τις σωστές αποφάσεις στη στοίβα λογισμικού μας για το πού βλέπουμε τον κόσμο να βρίσκεται σε ένα ή δύο ή περισσότερα χρόνια από σήμερα.

Η οικοδόμηση μιας εταιρείας υλικού είναι δύσκολη, δαπανηρή και απαιτεί πολύ χρόνο. Η εστίαση στο λογισμικό αρχικά ακούγεται σαν μια πολύ βιώσιμη επιχείρηση από μόνη της, και ενδεχομένως πιο ελκυστική για τους επενδυτές στο τρέχον κλίμα. Γιατί ασχολείστε επίσης με το υλικό, δεδομένου ότι τόσες πολλές καλά χρηματοδοτούμενες εταιρείες στον χώρο κλείνουν τις πόρτες τους, αγωνίζονται να υιοθετήσουν τους πελάτες και οι μεγαλύτεροι παίκτες κατασκευάζουν το δικό τους υλικό;

Έχετε απόλυτο δίκιο ότι οι επιχειρήσεις λογισμικού γενικά μπόρεσαν να αντλήσουν κεφάλαια πολύ πιο εύκολα από τις εταιρείες υλικού και ότι το υλικό είναι πολύ σκληρό. Η τρέχουσα εστίασή μας είναι πολύ στο λογισμικό γιατί εκεί βλέπουμε το μεγαλύτερο πρόβλημα. Επιτρέψτε μου να είμαι σαφής, το πρόβλημα δεν είναι αν μπορώ να εκτελώ πυρήνες σε CPU ή GPU με υψηλή απόδοση. αυτό είναι ένα πρόβλημα λυμένο εδώ και καιρό. Το σημερινό πρόβλημα είναι πώς μπορούμε να διευκολύνουμε τους προγραμματιστές να έχουν μεγαλύτερη απόδοση, παραγωγικά από αρκετές χιλιάδες ομάδες κόμβων που αποτελούνται από ετερογενείς υπολογισμούς χωρίς να τους ζητάμε να αναθεωρήσουν τη ροή εργασίας τους.

Αυτό είναι το πρόβλημα που εστιάζουμε επί του παρόντος στο να λύσουμε με μια στοίβα λογισμικού που δίνει στους προγραμματιστές υπερδυνάμεις και ξεκλειδώνει την πλήρη ικανότητα των υπολογιστών σε κλίμακα αποθήκης, ώστε να μπορούμε να εκπαιδεύσουμε και να αναπτύξουμε πιο οικονομικά μοντέλα τεχνητής νοημοσύνης.

Τώρα, όσον αφορά τις επενδύσεις, ναι, τα VC είναι πιο επιλεκτικά στο είδος των εταιρειών που υποστηρίζουν, αλλά σημαίνει επίσης ότι τα VC αναζητούν εταιρείες με τη δυνατότητα να προσφέρουν πραγματικά πρωτοποριακά προϊόντα που έχουν μια σαφή πορεία προς την εμπορευματοποίηση, ενώ έχουν σημαντικό αντίκτυπο. Έχουμε διδαχθεί από τις προκλήσεις και τα λάθη των άλλων και έχουμε σχεδιάσει ενεργά το επιχειρηματικό μας μοντέλο και τον οδικό χάρτη για την αντιμετώπιση των κινδύνων. Είναι επίσης σημαντικό να σημειωθεί ότι αυτό που έκανε τις startup επιτυχημένες σπάνια ήταν το πόσο εύκολα μπορούν να αντλήσουν χρηματοδότηση VC, αλλά έχει να κάνει περισσότερο με την επινοητικότητα, το πείσμα και την εστίασή τους στον πελάτη.

Και προτού ρωτήσετε, εξακολουθούμε να εργαζόμαστε σε υλικό, αλλά κυρίως σε προσομοίωση αυτή τη στιγμή. Δεν σκοπεύουμε να σβήσουμε για λίγο. Αλλά μπορούμε να κρατήσουμε αυτή τη συνομιλία για άλλη φορά.

Αυτό είναι σίγουρα συναρπαστικό και η σταδιακή προσέγγισή σας είναι πολύ διαφορετική σε σύγκριση με αυτό που έχουμε δει να κάνουν άλλες εταιρείες υλικού. Κατανοώ το πρόβλημα που λέτε ότι θα αντιμετωπίσει η στοίβα λογισμικού σας, αλλά πώς διαφοροποιείται το λογισμικό σας από τις διάφορες προσπάθειες στην αγορά;

Οι περισσότερες από τις εταιρείες στις οποίες αναφέρεστε επικεντρώνονται στο να διευκολύνουν τον προγραμματισμό των GPU εισάγοντας μοντέλα προγραμματισμού που βασίζονται σε πλακίδια ή χαρτογράφηση εργασιών για να έχουν μεγαλύτερη απόδοση από τις GPU ή δημιουργώντας νέες γλώσσες προγραμματισμού για να αποκτήσουν πυρήνες υψηλής απόδοσης προγραμματισμένους σε διαφορετικά πλατφόρμες με υποστήριξη για εν σειρά συναρμολόγηση. Αυτά είναι σημαντικά προβλήματα που αντιμετωπίζουν, αλλά βλέπουμε το πρόβλημα που λύνουμε ως σχεδόν ορθογώνιο.

Ας σκεφτούμε για λίγο τον ρυθμό των μεταβάσεων υλικού και λογισμικού. Οι μονοπύρηνες αρχιτεκτονικές κέρδισαν απόδοση από την ταχύτητα του ρολογιού και την πυκνότητα των τρανζίστορ, αλλά τελικά οι ταχύτητες ρολογιού έφτασαν στο οροπέδιο. Ο παραλληλισμός που χρησιμοποιεί πολλούς πυρήνες το παρέκαμψε αυτό και παρείχε σημαντικές επιταχύνσεις. Το λογισμικό χρειάστηκε περίπου μια δεκαετία για να καλυφθεί, επειδή τα μοντέλα προγραμματισμού, οι μεταγλωττιστές και οι χρόνοι εκτέλεσης έπρεπε να επανεξεταστούν για να βοηθήσουν τους προγραμματιστές να εξάγουν την αξία σε αυτό το παράδειγμα. Στη συνέχεια, οι GPU άρχισαν να γίνονται επιταχυντές γενικής χρήσης, πάλι με διαφορετικό μοντέλο προγραμματισμού. Και πάλι, χρειάστηκε σχεδόν μια δεκαετία για να εξάγουν αξία εδώ οι προγραμματιστές.

Και πάλι, το υλικό χτυπά σε ένα οροπέδιο – ο νόμος του Moore, οι ενεργειακές και θερμικές περιορισμοί, τα σημεία συμφόρησης στη μνήμη και η ποικιλία των φόρτων εργασίας συν η ανάγκη για εκθετικά περισσότερους υπολογισμούς μας ωθεί προς τη δημιουργία ολοένα και πιο ετερογενών αρχιτεκτονικών υπολογιστών για καλύτερη απόδοση, αποδοτικότητα και συνολικό κόστος. Αυτή η αλλαγή στο υλικό θα δημιουργήσει φυσικά προκλήσεις για το λογισμικό επειδή δεν έχουμε τους κατάλληλους μεταγλωττιστές και χρόνους εκτέλεσης για να υποστηρίξουμε την επόμενη εξέλιξη της πληροφορικής. Αυτή τη φορά όμως, δεν θα πρέπει να περιμένουμε άλλα 10 χρόνια για το λογισμικό να εξαγάγει την αξία των ετερογενών αρχιτεκτονικών ή των μεγάλων συμπλεγμάτων, ειδικά όταν αυτά είναι πάνω από 80% αχρησιμοποίητα.

Αυτό στο οποίο εστιάζουμε είναι η δημιουργία ενός μοντέλου προγραμματισμού με επίγνωση της ετερογένειας με παραλληλισμό βάσει εργασιών, αντιμετώπιση φορητής απόδοσης με βελτιστοποιήσεις μεταξύ των επεξεργαστών, μεταγλώττιση με επίγνωση του περιβάλλοντος και δυναμική κατανομή πόρων. Και για εμάς, δεν έχει σημασία αν είναι CPU, GPU, TPU, SPU (αρχιτεκτονική της Λεμούριας) ή ένα πλέγμα από όλα αυτά. Ξέρω ότι ακούγεται σαν πολλές φανταχτερές λέξεις, αλλά αυτό που πραγματικά λέει είναι ότι έχουμε καταστήσει δυνατό τον προγραμματισμό οποιουδήποτε είδους επεξεργαστή με μια ενιαία προσέγγιση και μπορούμε να μεταφέρουμε κώδικα από ένα είδος επεξεργαστή σε άλλο με ελάχιστο προσπάθεια χωρίς να χρειάζεται να θυσιάσετε την απόδοση και να προγραμματίσετε την εργασία προσαρμοστικά και δυναμικά μεταξύ των κόμβων.

Εάν αυτό που λέτε είναι αλήθεια, μπορείτε απλώς να επαναπροσδιορίσετε εντελώς τον υπολογισμό. Ας μιλήσουμε για χρηματοδότηση. Συγκεντρώσατε 9 εκατομμύρια δολάρια σε χρηματοδότηση εκκίνησης πέρυσι, κάτι που σημαίνει ισχυρή υποστήριξη από τους επενδυτές και πίστη στο όραμά σας. Τι έκανες από τότε;

Κατά τη διάρκεια του περασμένου έτους, τροφοδοτούμενοι από τη χρηματοδότηση εκκίνησης, έχουμε κάνει σημαντικά βήματα. Με την ομάδα μας τώρα με 20 μέλη, αντιμετωπίσαμε σχολαστικά τις προκλήσεις, ασχοληθήκαμε με τους πελάτες και βελτιώσαμε την προσέγγισή μας.

Εστιάσαμε στη βελτίωση του PAL για εκπαίδευση και εξαγωγή συμπερασμάτων, εξερευνήσαμε την αρχιτεκτονική υπολογιστών για τον επιταχυντή μας και αναπτύξαμε έναν προσομοιωτή για μετρήσεις απόδοσης. Ταυτόχρονα, επαναλάβαμε τη στοίβα λογισμικού μας για εφαρμογές datacenter, δίνοντας έμφαση στους ετερογενείς υπολογιστές.

Αυτή η προσπάθεια κατέληξε σε μια καλά καθορισμένη αρχιτεκτονική, που δείχνει την αποτελεσματικότητα του PAL για την τεχνητή νοημοσύνη σε κλίμακα. Πέρα από τις τεχνολογικές εξελίξεις, επιδιώξαμε συνεργασίες και προσέγγιση για τον εκδημοκρατισμό της πρόσβασης. Αυτές οι προσπάθειες τοποθετούν τη Lemurian Labs να αντιμετωπίζει τις άμεσες προκλήσεις των πελατών, προετοιμάζοντας την απελευθέρωση του πυριτίου παραγωγής μας.

Ποια είναι τα μεσοπρόθεσμα σχέδια της Lemurian Labs σχετικά με την ανάπτυξη στοίβας λογισμικού, τις συνεργασίες και τη βελτίωση της αρχιτεκτονικής του επιταχυντή;

Ο άμεσος στόχος μας είναι να δημιουργήσουμε μια στοίβα λογισμικού που θα στοχεύει τις CPU, τις GPU και τους επιταχυντές τεχνητής νοημοσύνης μας με φορητή απόδοση, η οποία θα διατεθεί στους πρώτους συνεργάτες στο τέλος του έτους. Αυτήν τη στιγμή βρισκόμαστε σε συζητήσεις με τις περισσότερες από τις κορυφαίες εταιρείες ημιαγωγών, παρόχους υπηρεσιών cloud, υπερκλιμακωτές και εταιρείες τεχνητής νοημοσύνης για να τους δώσουμε πρόσβαση στον μεταγλωττιστή και στο χρόνο εκτέλεσης. Παράλληλα, συνεχίζουμε να εργαζόμαστε και να βελτιώνουμε την αρχιτεκτονική του επιταχυντή μας για ένα πραγματικά συν-σχεδιασμένο σύστημα υλικού και λογισμικού. Και φυσικά, μόλις ξεκινήσαμε να αυξάνουμε τη σειρά Α με πολύ έντονο ενδιαφέρον από την κοινότητα των επενδυτών, κάτι που θα μας επιτρέψει να αναπτύξουμε την ομάδα μας και να πετύχουμε τον στόχο μας για παράδοση προϊόντων λογισμικού στο τέλος του έτους.

Κλείνοντας, πώς βλέπετε τα Lemurian Labs να συμβάλλουν στην αλλαγή του τοπίου της ανάπτυξης της τεχνητής νοημοσύνης, της προσβασιμότητας και της δικαιοσύνης τα επόμενα χρόνια;

Δεν ξεκινήσαμε να επαναπροσδιορίσουμε τον υπολογιστή μόνο για εμπορικό κέρδος ή για διασκέδαση. Ως Λεμούριοι, η κινητήρια δύναμή μας είναι ότι πιστεύουμε στο μετασχηματιστικό δυναμικό της τεχνητής νοημοσύνης και ότι περισσότερες από λίγες εταιρείες θα πρέπει να έχουν τους πόρους για να καθορίσουν το μέλλον αυτής της τεχνολογίας και πώς τη χρησιμοποιούμε. Επίσης, δεν θεωρούμε αποδεκτό ότι η υποδομή των κέντρων δεδομένων για την τεχνητή νοημοσύνη είναι σε καλό δρόμο για να καταναλώνει έως και το 20% της παγκόσμιας ενέργειας έως το 2030. Μαζευτήκαμε όλοι γιατί πιστεύουμε ότι υπάρχει καλύτερος δρόμος προς τα εμπρός για την κοινωνία, αν μπορέσουμε Η τεχνητή νοημοσύνη είναι πιο προσιτή μειώνοντας δραματικά το σχετικό κόστος της, επιταχύνουν τον ρυθμό της καινοτομίας στην τεχνητή νοημοσύνη και διευρύνουν τον αντίκτυπό της. Αντιμετωπίζοντας τις προκλήσεις της τρέχουσας υποδομής υλικού, επιδιώκουμε να ανοίξουμε το δρόμο για την ενδυνάμωση ενός δισεκατομμυρίου ανθρώπων με τις δυνατότητες της τεχνητής νοημοσύνης, διασφαλίζοντας τη δίκαιη κατανομή αυτής της προηγμένης τεχνολογίας. Ελπίζουμε η δέσμευσή μας για λύσεις εστιασμένες στο προϊόν, τη συνεργασία και τη συνεχή καινοτομία να μας τοποθετήσει ως κινητήρια δύναμη στη διαμόρφωση του μέλλοντος της ανάπτυξης της τεχνητής νοημοσύνης που θα είναι θετικό.

Διαβάστε επίσης:

Μοιραστείτε αυτήν την ανάρτηση μέσω:

• SEO Powered Content & PR Distribution. Ενισχύστε σήμερα.
• PlatoData.Network Vertical Generative Ai. Ενδυναμώστε τον εαυτό σας. Πρόσβαση εδώ.
• PlatoAiStream. Web3 Intelligence. Ενισχύθηκε η γνώση. Πρόσβαση εδώ.
• PlatoESG. Ανθρακας, Cleantech, Ενέργεια, Περιβάλλον, Ηλιακός, Διαχείριση των αποβλήτων. Πρόσβαση εδώ.
• PlatoHealth. Ευφυΐα βιοτεχνολογίας και κλινικών δοκιμών. Πρόσβαση εδώ.
• πηγή: https://semiwiki.com/ceo-interviews/341485-ceo-interview-jay-dawani-of-lemurian-labs-2/