सीईओ साक्षात्कार: लेमुरियन लैब्स के जय दावानी - सेमीविकी

जय दवानी के सह-संस्थापक और सीईओ हैं लेमुरियन लैब्स, एक स्टार्टअप जो विशेष रूप से एआई अनुप्रयोगों के लिए तैयार एक त्वरित कंप्यूटिंग प्लेटफॉर्म विकसित कर रहा है। प्लेटफ़ॉर्म हार्डवेयर बाधाओं को तोड़कर एआई विकास को तेज़, सस्ता, अधिक टिकाऊ और कुछ ही कंपनियों से अधिक के लिए सुलभ बनाता है।

लेमुरियन की स्थापना से पहले, जे ने एआई क्षेत्र में दो अन्य कंपनियों की स्थापना की। वह टॉप-रेटेड "" के लेखक भी हैं।गहन शिक्षण के लिए गणित".

कृत्रिम बुद्धिमत्ता, रोबोटिक्स और गणित के विशेषज्ञ, जे ने ब्लॉकचेन-आधारित गेमिंग प्लेटफ़ॉर्म बनाने वाली सार्वजनिक कंपनी ब्लॉकप्ले के सीटीओ के रूप में कार्य किया है, और जीईसी में एआई के निदेशक के रूप में कार्य किया है, जहां उन्होंने क्षेत्रों को कवर करने वाले कई ग्राहक परियोजनाओं के विकास का नेतृत्व किया है। खुदरा क्षेत्र से, एल्गोरिथम ट्रेडिंग, प्रोटीन फोल्डिंग, अंतरिक्ष अन्वेषण के लिए रोबोट, अनुशंसा प्रणाली और बहुत कुछ। अपने खाली समय में, वह नासा फ्रंटियर डेवलपमेंट लैब, स्पेसबिट और सियाक्लासिक में सलाहकार भी रहे हैं।

पिछली बार जब हमने लेमुरियन लैब्स प्रदर्शित की थी तो आपका ध्यान रोबोटिक्स और एज एआई पर केंद्रित था। अब आपका ध्यान डेटा सेंटर और क्लाउड इंफ्रास्ट्रक्चर पर है। ऐसा क्या हुआ जिसके कारण आप घूमना चाहते हैं?

वास्तव में, हमने स्वायत्त रोबोटिक्स अनुप्रयोगों के लिए उच्च प्रदर्शन, कम विलंबता, सिस्टम-ऑन-चिप के निर्माण पर ध्यान केंद्रित करने से लेकर डेटासेंटर-स्केल अनुप्रयोगों पर ध्यान केंद्रित करने वाले एआई के लिए एक डोमेन विशिष्ट त्वरक के निर्माण के लिए संपूर्ण सेंस-प्लान-एक्ट लूप को गति दे सकता है। . लेकिन यह कोई साधारण धुरी नहीं थी; यह एक स्पष्ट आह्वान था, हमें लगा कि उत्तर देना हमारी जिम्मेदारी है।

2018 में, हम 2.1 बिलियन डॉलर के पैरामीटर मॉडल के प्रशिक्षण पर काम कर रहे थे, लेकिन हमने प्रयास छोड़ दिया क्योंकि लागत इतनी असाधारण रूप से अधिक थी कि हम इसे उचित नहीं ठहरा सकते थे। तो मेरे आश्चर्य की कल्पना कीजिए कि GPT3, जिसे OpenAI ने नवंबर 2022 में ChatGPT के रूप में जारी किया था, 175 बिलियन डॉलर का पैरामीटर मॉडल था। यह मॉडल उस मॉडल से 80 गुना अधिक बड़ा है जिस पर हम केवल 4 साल पहले काम कर रहे थे, जो रोमांचक और डरावना दोनों है।

कम से कम यह तो कहा जा सकता है कि ऐसे मॉडल को प्रशिक्षित करने की लागत चौंका देने वाली है। मौजूदा स्केलिंग रुझानों के आधार पर, हम निकट भविष्य में एक फ्रंटियर एआई मॉडल के प्रशिक्षण की लागत एक अरब डॉलर से अधिक होने की उम्मीद कर सकते हैं। हालांकि इन मॉडलों की क्षमताएं आश्चर्यजनक होंगी, लेकिन लागत हास्यास्पद रूप से अधिक है। इस प्रक्षेप पथ के आधार पर, केवल कुछ ही बहुत अच्छी तरह से संसाधन वाली कंपनियां अपने स्वयं के डेटासेंटर के साथ इन मॉडलों को प्रशिक्षित करने, तैनात करने और ठीक करने में सक्षम होंगी। यह पूरी तरह से इसलिए नहीं है क्योंकि गणना महंगी है और बिजली की भूखी है, बल्कि इसलिए भी है कि जिन सॉफ्टवेयर स्टैक पर हम भरोसा करते हैं, वे इस दुनिया के लिए नहीं बनाए गए थे।

भौगोलिक और ऊर्जा बाधाओं के कारण, डेटासेंटर बनाने के लिए केवल बहुत सारे स्थान हैं। एआई की गणना मांगों को पूरा करने के लिए, हमें इसे बिजली देने के लिए 20 परमाणु रिएक्टरों की आवश्यकता के बिना ज़ेटास्केल मशीनें बनाने में सक्षम होने की आवश्यकता है। हमें अधिक व्यावहारिक, स्केलेबल और किफायती समाधान की आवश्यकता है। हमने चारों ओर देखा और इसे हल करने के रास्ते पर कोई नहीं देखा। और इसलिए, हम पहले सिद्धांतों से समाधान के बारे में प्रणालियों और तर्कों की एक प्रणाली के रूप में समस्या को समग्र रूप से देखने के लिए ड्राइंग बोर्ड पर गए। हमने खुद से पूछा कि अगर हमें प्रतिदिन 10 अरब एलएलएम प्रश्नों को आर्थिक रूप से पूरा करना है तो हम सॉफ्टवेयर से लेकर हार्डवेयर तक पूरा स्टैक कैसे डिजाइन करेंगे। हमने 200 तक 2028 मेगावाट से कम क्षमता वाली ज़ेटास्केल मशीन बनाने की योजना बनाई है।

तरकीब यह है कि इसे असंगत स्केलिंग के दृष्टिकोण से देखा जाए - सिस्टम के विभिन्न हिस्से अलग-अलग स्केलिंग नियमों का पालन करते हैं, इसलिए कुछ बिंदु पर चीजें काम करना बंद कर देती हैं, टूटने लगती हैं या लागत लाभ ट्रेडऑफ़ का अब कोई मतलब नहीं रह जाता है। जब ऐसा होता है, तो सिस्टम को फिर से डिज़ाइन करना ही एकमात्र विकल्प होता है। हमारा मूल्यांकन और समाधान कार्यभार, संख्या प्रणाली, प्रोग्रामिंग मॉडल, कंपाइलर, रनटाइम और हार्डवेयर को समग्र रूप से शामिल करता है।

शुक्र है, हमारे मौजूदा निवेशक और बाजार के बाकी लोग इस दृष्टिकोण को देखते हैं, और हमने अपने नंबर प्रारूप - PAL को विकसित करने के लिए $9M का सीड राउंड जुटाया है, ताकि डिजाइन स्थान का पता लगाया जा सके और हमारे डोमेन विशिष्ट त्वरक के लिए एक आर्किटेक्चर पर ध्यान केंद्रित किया जा सके और हमारे आर्किटेक्ट को तैयार किया जा सके। कंपाइलर और रनटाइम। सिमुलेशन में, हम आधुनिक जीपीयू की तुलना में छोटे ऊर्जा पदचिह्न में 20X थ्रूपुट लाभ प्राप्त करने में सक्षम हैं, और उसी ट्रांजिस्टर तकनीक पर स्वामित्व की कुल लागत के लिए सिस्टम प्रदर्शन में 8X लाभ देने में सक्षम होने का अनुमान लगा रहे हैं।

कहने की जरूरत नहीं है, हमारे सामने बहुत काम है, लेकिन हम एक ऐसे भविष्य को सुनिश्चित करने के लिए डेटासेंटर अर्थशास्त्र को फिर से परिभाषित करने में सक्षम होने की संभावना से काफी उत्साहित हैं जहां एआई सभी के लिए प्रचुर मात्रा में उपलब्ध है।

यह निश्चित रूप से रोमांचक लगता है और ये संख्याएँ प्रभावशाली लगती हैं। लेकिन आपने नंबर सिस्टम, हार्डवेयर, कंपाइलर और रनटाइम का उल्लेख उन सभी चीजों के रूप में किया है जिन पर आप ध्यान केंद्रित कर रहे हैं - यह किसी भी कंपनी के लिए एक ही बार में बहुत कुछ करने जैसा लगता है। यह बहुत ही जोखिम भरा प्रस्ताव लगता है. क्या स्टार्टअप्स पर अधिक ध्यान केंद्रित नहीं किया जाना चाहिए? 

ऐसा प्रतीत होता है कि यह बहुत सारे अलग-अलग प्रयास हैं, लेकिन वास्तव में, यह एक ही प्रयास है जिसके कई हिस्से आपस में जुड़े हुए हैं। इनमें से केवल एक घटक को दूसरों से अलग करके हल करने से नवप्रवर्तन की संभावना में केवल बाधा आएगी क्योंकि इसके परिणामस्वरूप प्रणालीगत अक्षमताओं और बाधाओं की अनदेखी होगी। जेन्सेन हुआंग ने इसे सबसे अच्छा कहा, "एक त्वरित कंप्यूटिंग कंपनी बनने के लिए, आपको एक पूर्ण स्टैक कंपनी बनना होगा", और मैं पूरी तरह से सहमत हूं। वे एक कारण से वर्तमान बाज़ार नेता हैं। लेकिन मैं इस धारणा को चुनौती दूंगा कि हम केंद्रित नहीं हैं। हम समस्या के बारे में समग्र रूप से कैसे सोचते हैं और अपने ग्राहकों के लिए इसे सर्वोत्तम तरीके से कैसे हल कर सकते हैं, इसी पर हमारा ध्यान केंद्रित है।

ऐसा करने के लिए हमारे जैसे बहु-विषयक दृष्टिकोण की आवश्यकता है। हमारे कार्य का प्रत्येक भाग दूसरों को सूचित करता है और उनका समर्थन करता है, जिससे हमें एक ऐसा समाधान बनाने में मदद मिलती है जो उसके भागों के योग से कहीं अधिक है। कल्पना कीजिए यदि आपको एक रेसकार बनानी हो। आप मनमाने ढंग से चेसिस नहीं चुनेंगे, रेसिंग टायर नहीं लगाएंगे और सबसे शक्तिशाली इंजन नहीं लगाएंगे जो आप पा सकते हैं और उससे रेस नहीं लगा सकते हैं, है ना? आप ड्रैग को कम करने और डाउनफोर्स को बढ़ाने के लिए कार की बॉडी की वायुगतिकीयता के बारे में सोचेंगे, अच्छी हैंडलिंग के लिए वजन वितरण को अनुकूलित करेंगे, अधिकतम प्रदर्शन के लिए इंजन को कस्टम डिजाइन करेंगे, ओवरहीटिंग को रोकने के लिए कूलिंग सिस्टम प्राप्त करेंगे, ड्राइवर को सुरक्षित रखने के लिए रोल केज की कल्पना करेंगे। , आदि। इनमें से प्रत्येक तत्व दूसरे का निर्माण करता है और उसे सूचित करता है।

जैसा कि कहा गया है, किसी भी उद्योग में किसी भी कंपनी के लिए यह सब एक साथ करने का प्रयास करना जोखिम भरा है। जोखिमों का प्रबंधन करने के लिए हम चरणबद्ध दृष्टिकोण अपना रहे हैं, जिससे हम ग्राहकों के साथ अपनी तकनीक को मान्य कर सकते हैं और आवश्यकतानुसार अपनी रणनीति को समायोजित कर सकते हैं। हमने साबित कर दिया है कि हमारा संख्या प्रारूप काम करता है और इसमें समतुल्य फ़्लोटिंग पॉइंट प्रकारों की तुलना में बेहतर शक्ति-प्रदर्शन-क्षेत्र है, जबकि इसमें बेहतर संख्यात्मक गुण भी हैं जो तंत्रिका नेटवर्क को छोटी बिट-चौड़ाई में परिमाणित करना आसान बनाते हैं। हमने एक ऐसा आर्किटेक्चर डिज़ाइन किया है जिसमें हम आत्मविश्वास महसूस करते हैं और यह प्रशिक्षण और अनुमान दोनों के लिए उपयुक्त है। लेकिन इन सब से भी अधिक महत्वपूर्ण है सॉफ्टवेयर को सही करना, और हमारा तत्काल फोकस इसी पर है। हमें यह सुनिश्चित करने की आवश्यकता है कि हम अपने सॉफ़्टवेयर स्टैक में सही निर्णय लें जहां हम दुनिया को आज से एक या दो वर्ष या उससे अधिक समय में देखते हैं।

एक हार्डवेयर कंपनी बनाना कठिन, महंगा है और इसमें लंबा समय लगता है। सॉफ़्टवेयर पर ध्यान केंद्रित करना सबसे पहले अपने आप में एक बहुत ही व्यवहार्य व्यवसाय जैसा लगता है, और वर्तमान माहौल में निवेशकों के लिए संभावित रूप से अधिक आकर्षक है। आप हार्डवेयर का काम क्यों कर रहे हैं, जबकि क्षेत्र में इतनी अच्छी तरह से वित्त पोषित कंपनियां अपने दरवाजे बंद कर रही हैं, ग्राहकों के साथ जुड़ने के लिए संघर्ष कर रही हैं और बड़े खिलाड़ी अपना हार्डवेयर बना रहे हैं?

आप बिल्कुल सही हैं कि सॉफ्टवेयर व्यवसाय आमतौर पर हार्डवेयर कंपनियों की तुलना में अधिक आसानी से पूंजी जुटाने में सक्षम हैं, और हार्डवेयर बहुत कठिन है। हमारा वर्तमान ध्यान सॉफ़्टवेयर पर बहुत अधिक है क्योंकि यहीं हमें बड़ी समस्या दिखाई देती है। मैं स्पष्ट कर दूं, समस्या यह नहीं है कि क्या मैं कर्नेल को उच्च प्रदर्शन के साथ सीपीयू या जीपीयू पर चला सकता हूं; यह एक लंबे समय से सुलझी हुई समस्या है। आज की समस्या यह है कि हम डेवलपर्स के लिए अपने वर्कफ़्लो को ओवरहाल करने के लिए कहे बिना, विषम गणना से बने कई हज़ार नोड क्लस्टरों में से अधिक प्रदर्शन प्राप्त करना कैसे आसान बनाते हैं।

यही वह समस्या है जिसे हम वर्तमान में एक सॉफ्टवेयर स्टैक के साथ हल करने पर ध्यान केंद्रित कर रहे हैं जो डेवलपर्स को सुपरपावर देता है और वेयरहाउस स्केल कंप्यूटरों की पूरी क्षमता को अनलॉक करता है, ताकि हम अधिक आर्थिक रूप से एआई मॉडल को प्रशिक्षित और तैनात कर सकें।

अब, निवेश के संबंध में, हाँ, वीसी उन कंपनियों के मामले में अधिक चयनात्मक हो रहे हैं जिनका वे समर्थन करते हैं, लेकिन इसका मतलब यह भी है कि वीसी उन कंपनियों की तलाश कर रहे हैं जो वास्तव में अभूतपूर्व उत्पाद पेश करने की क्षमता रखते हैं जिनके पास महत्वपूर्ण प्रभाव डालने के साथ-साथ व्यावसायीकरण का स्पष्ट रास्ता है। हमने दूसरों की चुनौतियों और गलतियों से सीखा है और जोखिमों से निपटने के लिए सक्रिय रूप से अपना बिजनेस मॉडल और रोडमैप डिजाइन किया है। यह ध्यान रखना भी महत्वपूर्ण है कि स्टार्टअप को सफल बनाने वाली बात यह नहीं है कि वे कितनी आसानी से वीसी फंडिंग जुटा सकते हैं, बल्कि इसका संबंध उनकी संसाधनशीलता, जिद और ग्राहक फोकस से कहीं अधिक है।

और आपके पूछने से पहले, हम अभी भी हार्डवेयर पर काम कर रहे हैं, लेकिन अभी मुख्य रूप से सिमुलेशन में। हमारा कुछ समय के लिए टेप आउट करने का इरादा नहीं है। लेकिन हम उस बातचीत को किसी और समय के लिए सहेज सकते हैं।

यह निश्चित रूप से सम्मोहक है और हमने अन्य हार्डवेयर कंपनियों को जो करते देखा है उसकी तुलना में आपका चरणबद्ध दृष्टिकोण बहुत अलग है। मैं उस समस्या को समझता हूं जिसके बारे में आप कह रहे हैं कि आपका सॉफ़्टवेयर स्टैक समाधान करेगा, लेकिन आपका सॉफ़्टवेयर बाज़ार में विभिन्न प्रयासों से कैसे भिन्न है?

आप जिन कंपनियों का उल्लेख कर रहे हैं, उनमें से अधिकांश जीपीयू से अधिक प्रदर्शन प्राप्त करने के लिए टाइल-आधारित या टास्क-मैपिंग प्रोग्रामिंग मॉडल पेश करके जीपीयू को प्रोग्राम करना आसान बनाने पर ध्यान केंद्रित कर रही हैं, या विभिन्न पर उच्च प्रदर्शन कर्नेल प्राप्त करने के लिए नई प्रोग्रामिंग भाषाओं का निर्माण कर रही हैं। इन-लाइन असेंबली के समर्थन वाले प्लेटफ़ॉर्म। वे महत्वपूर्ण समस्याएं हैं जिनका वे समाधान कर रहे हैं, लेकिन हम जिस समस्या को हल कर रहे हैं वह लगभग रूढ़िवादी के रूप में देखते हैं।

आइए एक पल के लिए हार्डवेयर और सॉफ्टवेयर बदलावों के तालमेल के बारे में सोचें। सिंगल-कोर आर्किटेक्चर ने घड़ी की गति और ट्रांजिस्टर घनत्व से प्रदर्शन प्राप्त किया, लेकिन अंततः घड़ी की गति स्थिर हो गई। कई कोर का उपयोग करके समानांतरवाद ने इसे दरकिनार कर दिया और बड़े पैमाने पर स्पीडअप प्रदान किया। सॉफ़्टवेयर को समझने में लगभग एक दशक लग गया, क्योंकि डेवलपर्स को इस प्रतिमान में मूल्य निकालने में मदद करने के लिए प्रोग्रामिंग मॉडल, कंपाइलर और रनटाइम पर पुनर्विचार करना पड़ा। फिर, जीपीयू एक अलग प्रोग्रामिंग मॉडल के साथ, फिर से सामान्य प्रयोजन त्वरक बनने लगे। फिर, डेवलपर्स को यहां मूल्य निकालने में लगभग एक दशक लग गया।

फिर से, हार्डवेयर एक पठार पर पहुंच रहा है - मूर का नियम, ऊर्जा और थर्मल बाधाएं, मेमोरी बाधाएं, और वर्कलोड की विविधता और तेजी से अधिक गणना की आवश्यकता हमें बेहतर प्रदर्शन, दक्षता और कुल लागत के लिए तेजी से विषम कंप्यूटर आर्किटेक्चर बनाने की ओर प्रेरित कर रही है। हार्डवेयर में यह बदलाव निश्चित रूप से सॉफ्टवेयर के लिए चुनौतियां पैदा करेगा क्योंकि कंप्यूटिंग के अगले विकास का समर्थन करने के लिए हमारे पास सही कंपाइलर और रनटाइम नहीं हैं। हालाँकि, इस बार, हमें विविध आर्किटेक्चर या बड़े समूहों का मूल्य निकालने के लिए सॉफ़्टवेयर के लिए अगले 10 वर्षों तक इंतजार नहीं करना चाहिए, खासकर जब वे 80% से अधिक अप्रयुक्त हो रहे हों।

हम जिस चीज़ पर ध्यान केंद्रित कर रहे हैं वह कार्य-आधारित समानता के साथ एक विविधता-जागरूक प्रोग्रामिंग मॉडल का निर्माण करना है, क्रॉस प्रोसेसर अनुकूलन, संदर्भ-जागरूक संकलन और गतिशील संसाधन आवंटन के साथ पोर्टेबल प्रदर्शन को संबोधित करना है। और हमारे लिए, इससे कोई फर्क नहीं पड़ता कि यह सीपीयू, जीपीयू, टीपीयू, एसपीयू (लेमुरियन आर्किटेक्चर) या इन सभी का एक जाल है। मुझे पता है कि यह बहुत सारे फैंसी शब्दों की तरह लगता है, लेकिन यह वास्तव में क्या कह रहा है कि हमने एक ही दृष्टिकोण के साथ किसी भी प्रकार के प्रोसेसर को प्रोग्राम करना संभव बना दिया है, और हम न्यूनतम लागत के साथ एक प्रकार के प्रोसेसर से दूसरे में कोड पोर्ट कर सकते हैं प्रदर्शन को त्यागने की आवश्यकता के बिना प्रयास करें, और सभी नोड्स में अनुकूली और गतिशील रूप से कार्य शेड्यूल करें।

यदि आप जो कहते हैं वह सच है तो आप कंप्यूटिंग को पूरी तरह से फिर से परिभाषित कर सकते हैं। चलिए फंडिंग के बारे में बात करते हैं। आपने पिछले साल सीड फंडिंग में $9 मिलियन जुटाए थे जो आपके दृष्टिकोण में मजबूत निवेशक समर्थन और विश्वास का प्रतीक है। आपने तब से क्या किया है?

पिछले वर्ष के दौरान, शुरुआती फंडिंग से प्रेरित होकर, हमने महत्वपूर्ण प्रगति की है। हमारी टीम में अब 20 सदस्य हैं, हमने चुनौतियों का सावधानीपूर्वक समाधान किया, ग्राहकों के साथ जुड़े रहे और अपने दृष्टिकोण को परिष्कृत किया।

हमने प्रशिक्षण और अनुमान के लिए PAL को बढ़ाने पर ध्यान केंद्रित किया, अपने त्वरक के लिए कंप्यूटर आर्किटेक्चर का पता लगाया और प्रदर्शन मेट्रिक्स के लिए एक सिम्युलेटर विकसित किया। इसके साथ ही, हमने विषम कंप्यूटिंग पर जोर देते हुए डेटासेंटर अनुप्रयोगों के लिए अपने सॉफ़्टवेयर स्टैक की फिर से कल्पना की।

इस प्रयास के परिणामस्वरूप एक अच्छी तरह से परिभाषित वास्तुकला तैयार हुई, जो बड़े पैमाने पर एआई के लिए पीएएल की प्रभावकारिता को प्रदर्शित करती है। तकनीकी प्रगति से परे, हमने पहुंच को लोकतांत्रिक बनाने के लिए सहयोग और आउटरीच को आगे बढ़ाया। ये प्रयास लेमुरियन लैब्स को तत्काल ग्राहक चुनौतियों का समाधान करने और हमारे उत्पादन सिलिकॉन की रिहाई के लिए तैयार करने में सक्षम बनाते हैं।

सॉफ्टवेयर स्टैक विकास, सहयोग और त्वरक की वास्तुकला में सुधार के संबंध में लेमुरियन लैब्स की मध्यम अवधि की योजनाएं क्या हैं?

हमारा तात्कालिक लक्ष्य एक सॉफ्टवेयर स्टैक बनाना है जो पोर्टेबल प्रदर्शन के साथ सीपीयू, जीपीयू और हमारे एआई एक्सेलेरेटर को लक्षित करता है, जिसे वर्ष के अंत में शुरुआती भागीदारों के लिए उपलब्ध कराया जाएगा। हम वर्तमान में अधिकांश प्रमुख सेमीकंडक्टर कंपनियों, क्लाउड सेवा प्रदाताओं, हाइपरस्केलर्स और एआई कंपनियों के साथ बातचीत कर रहे हैं ताकि उन्हें हमारे कंपाइलर और रनटाइम तक पहुंच प्रदान की जा सके। समानांतर में, हम हार्डवेयर और सॉफ्टवेयर की वास्तव में सह-डिज़ाइन की गई प्रणाली के लिए अपने त्वरक की वास्तुकला पर काम करना और सुधार करना जारी रखते हैं। और निश्चित रूप से, हमने निवेशक समुदाय की गहरी रुचि के साथ अपनी श्रृंखला ए को बढ़ाना शुरू कर दिया है, जो हमें अपनी टीम को बढ़ाने और वर्ष के अंत में सॉफ्टवेयर उत्पाद वितरण के हमारे लक्ष्य को पूरा करने में सक्षम बनाएगी।

अंत में, आप आने वाले वर्षों में एआई विकास, पहुंच और इक्विटी के परिदृश्य को बदलने में लेमुरियन लैब्स को कैसे योगदान देते हुए देखते हैं?

हमने केवल व्यावसायिक लाभ या मनोरंजन के लिए कंप्यूटिंग को फिर से परिभाषित करने की योजना नहीं बनाई है। लेमुरियन के रूप में, हमारी प्रेरक शक्ति यह है कि हम एआई की परिवर्तनकारी क्षमता में विश्वास करते हैं और केवल कुछ कंपनियों के अलावा इस तकनीक के भविष्य को परिभाषित करने और हम इसका उपयोग कैसे करते हैं, इसके लिए संसाधन होने चाहिए। हमें यह भी स्वीकार्य नहीं लगता कि एआई के लिए डेटासेंटर बुनियादी ढांचा 20 तक दुनिया की 2030% ऊर्जा का उपभोग करने की राह पर है। हम सभी एक साथ आए क्योंकि हमारा मानना ​​​​है कि अगर हम ऐसा कर सकते हैं तो समाज के लिए आगे बढ़ने का एक बेहतर रास्ता है। एआई अपनी संबद्ध लागत को नाटकीय रूप से कम करके अधिक सुलभ है, एआई में नवाचार की गति को तेज करता है और इसके प्रभाव को व्यापक बनाता है। वर्तमान हार्डवेयर बुनियादी ढांचे की चुनौतियों का समाधान करके, हम इस उन्नत तकनीक के समान वितरण को सुनिश्चित करते हुए, एआई की क्षमताओं के साथ एक अरब लोगों को सशक्त बनाने का मार्ग प्रशस्त करना चाहते हैं। हमें उम्मीद है कि उत्पाद-केंद्रित समाधान, सहयोग और निरंतर नवाचार के प्रति हमारी प्रतिबद्धता हमें एआई विकास के भविष्य को सकारात्मक रूप देने में एक प्रेरक शक्ति के रूप में स्थापित करेगी।

यह भी पढ़ें:

इस पोस्ट को इसके माध्यम से साझा करें:

• एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
• प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
• प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
• प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
• प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
• स्रोत: https://semiwiki.com/ceo-interviews/341485-ceo-interview-jay-dawani-of-lemurian-labs-2/