Suresh egy technológiai vezető, aki mély műszaki szakértelemmel rendelkezik a félvezetők, a mesterséges intelligencia, a kiberbiztonság, a dolgok internete, a hardver, a szoftver stb. területén. 20 évet töltött az iparágban, legutóbb a nyílt forráskódú nulla-források ügyvezető igazgatójaként dolgozott. megbízik a chipek fejlesztésében az Abu Dhabi-i Technology Innovation Institute-nál és más Fortune 500 félvezetőgyártó cégeknél, mint például az Intel, a Qualcomm és a MediaTek, különböző vezetői beosztásokban, ahol nagy teljesítményű, energiahatékony, kvantum után biztonságos és biztonságos megoldásokat kutatott és fejlesztett. mikrochipek/rendszer-chipek (SoC)/gyorsítók az adatközpontok, az ügyfelek, az okostelefonok, a hálózatok, az IoT és az AI/ML piacokhoz. Közreműködött a Falcon LLM-ben (első helyen áll a huggingface-ben), és ő volt az egyéni mesterséges intelligencia hardverplatform vezető építésze (törölve – a prioritások megváltoztak). Több mint 1 amerikai szabadalom birtokosa, és több mint 15 konferencián publikált/előadást tartott.
Suresh emellett aktívan dolgozik vezető pozícióban a RISC-V Internationalnél, ahol a Trusted Computing Group elnöke a RISC-V bizalmas számítási képességének fejlesztése érdekében, és az AI/ML Group elnöke, hogy RISC-V hardveres gyorsítást fejlesszen ki AI/ML munkaterhelésekhez, mint pl. Transformer Large Language Models használt ChatGPT típusú alkalmazások. Ezenkívül tanácsot ad startupoknak és kockázatitőke-cégeknek befektetési döntések támogatásával, termékstratégiával, technológiai átvilágítással stb.
MBA fokozatot szerzett az INSEAD-tól, MS-fokozatot a Birla Institute of Technology & Science Pilani-tól, rendszermérnöki tanúsítványt az MIT-től, AI-tanúsítványt a Stanfordtól és gépjármű-funkcionális biztonsági tanúsítványt a TÜV SÜD-től.
Meséljen nekünk a cégéről
"Mastiṣka AI” (A Mastiṣka szanszkritul agyat jelent) egy mesterséges intelligencia-vállalat, amely agyszerű számítógépek építésére összpontosít, hogy hatékonyabban futtasson alapmodelleket a holnapi generatív mesterséges intelligencia felhasználási eseteihez.
Milyen problémákat old meg?
Tekintettel az AI/GenAI előnyeire, kereslete csak növekedni fog, és a bolygónkra gyakorolt mellékhatásai is. Hogyan csökkenthetjük vagy semlegesíthetjük a mesterséges intelligencia mellékhatásait bolygónkon? A szén-dioxid-leválasztás és az atomenergia jó irányba halad. De alapvetően újra kell gondolnunk a mesterséges intelligencia végzésének módját, vajon rossz módszer-e tonna mátrixszorzás?
Agyunk képes tanulni és számos feladatot elvégezni párhuzamosan, 10 W-on és 10 W alatt, de miért fogyasztanak ezek az AI-rendszerek XNUMX megawattot a modellek betanítására?
Talán a jövő olyan energiahatékony architektúrákat tartogat, mint például a neuromorf architektúrák és az emberi agyhoz legközelebb eső neurális hálózat alapú transzformátorok, amelyek 100-1000-szer kevesebb energiát fogyaszthatnak, ezáltal csökkentve a mesterséges intelligencia használatának költségeit, ezáltal demokratizálva és megmentve az emberi agyat. bolygó.
A mesterséges intelligencia jelenlegi kihívásai, nevezetesen a) elérhetőség, b) hozzáférhetőség, c) megfizethetőség és d) környezetbiztonság, valamint néhány javaslat a megoldásukra.
Ha előre látjuk a jövőt, néhány hasznos AGI-koncepciót mutat be a „HER” című film, ahol „Samantha” karakter – egy beszélgető ágens, aki természetes, megérti az érzelmeket, empátiát mutat, csodálatos másodpilóta a munkában – és tovább fut. kézi eszközöket egész nap, akkor lehet, hogy most meg kell küzdenünk az alábbi kihívásokkal.
1. probléma: Egy LLM képzése 150 10 és 10+ millió dollár közötti összegbe kerülhet, és csak a mélyebb zsebekkel rendelkezők számára teszi lehetővé az AI fejlesztését. Ráadásul a következtetés költségei is hatalmasak (tízszer többe kerül, mint egy internetes keresés)
-> Javítanunk kell a modellek/hardverek energiahatékonyságát, hogy demokratizáljuk a mesterséges intelligenciát az emberiség javára.
2. probléma: Hatalmas mesterséges intelligencia-modellek futtatása beszélgetőpartnerekhez vagy ajánlórendszerekhez, károsítja a környezetet az áramfogyasztás és a hűtés tekintetében.
-> Javítanunk kell a modellek/hardverek energiahatékonyságát, hogy megmentsük bolygónkat gyermekeink számára.
3. probléma: Az emberi agy képes és képes többfeladatos feladatok elvégzésére, de megawatt helyett csak 10 wattot fogyaszt.
—> Talán olyan gépeket kellene építeni, mint az agyunk, és nem a reguláris mátrixszorzókat gyorsabban.
Az emberiség csak fenntartható innovációkkal tud boldogulni, nem pedig úgy, hogy az innováció nevében minden erdőt kivágunk és felforraljuk az óceánokat. Meg kell védenünk bolygónkat gyermekeink és a következő generációk jóléte érdekében…
Mely alkalmazási területek a legerősebbek?
Transformer (és jövőbeli neurális architektúra) alapú alapmodellek betanítása és következtetése, 50-100x energiahatékonyabb a mai GPU-alapú megoldásokhoz képest.
Mi tartja fenn az ügyfeleit éjszaka?
Problémák azon ügyfelek számára, akik jelenleg más termékeket használnak:
A humungos nyelvi modellek betanításának villamosenergia-fogyasztása túl van a tetőn, például egy 13B paraméterű LLM képzése 390B szöveges tokeneken 200 GPU-n 7 napon keresztül 151,744 XNUMX dollárba kerül (Forrás: HuggingFace új képzési klaszter szolgáltatás oldala – https://lnkd.in/g6Vc5cz3). És még nagyobb, 100+B paraméterekkel rendelkező modellek 10+M dollárba kerülnek csak a betanítás. Ezután fizessen a következtetésért minden alkalommal, amikor új felszólítás érkezik.
A hűtéshez szükséges vízfogyasztás – a Kaliforniai Egyetem (Riverside) kutatói felbecsülték a ChatGPT-szerű szolgáltatás környezetre gyakorolt hatását, és azt mondják, hogy minden alkalommal 500 milliliter vizet nyel fel (közel egy 16 unciás vizes palackban található mennyiséghez). 5-50 felszólítást vagy kérdést tartalmazó sorozat. A tartomány a szerverek elhelyezkedésétől és az évszaktól függően változik. A becslés tartalmazza a közvetett vízhasználatot, amelyet a vállalatok nem mérnek – például az adatközpontokat árammal ellátó erőművek hűtésére. (Forrás: https://lnkd.in/gybcxX8C)
Problémák a jelenlegi termékek nem vásárlói számára:
Nem engedheti meg magának a CAPEX hardvert vásárolni
Nem engedheti meg magának a felhőszolgáltatások használatát
Nem lehet újítani vagy kihasználni az AI-t – megragadt a szolgáltatási modellnél, amely kiiktat minden versenyelőnyt
Hogyan néz ki a versenykörnyezet, és hogyan lehet megkülönböztetni egymástól?
- A GPU-k uralják a képzési teret, bár a speciális ASIC-ek is versenyeznek ebben a szegmensben
- A Cloud & Edge következtetés túl sok lehetőséget kínál
Digitális, analóg, fotonikus – nevezzük az embereknek ugyanazt a problémát.
Megosztaná gondolatait az AI/ML chiparchitektúrájának jelenlegi állapotáról, vagyis miben látja jelenleg a legjelentősebb trendeket és lehetőségeket?
A következő trendek:
1. trend: 10 évvel ezelőtt virágzott a hardveralapú mély tanulás, most pedig ugyanez a hardver gátolja a fejlődést. A modellek üzemeltetéséhez szükséges hatalmas hardver- és villamosenergia-költségek miatt kihívást jelent a hardverhez való hozzáférés. Csak a nagy zsebekkel rendelkező cégek engedhetik meg maguknak ezeket és válnak monopóliumokká.
2. trend: Most, hogy ezek a modellek megvannak, gyakorlati célokra kell használnunk őket, hogy megnőjön a következtetési terhelés, így az AI-gyorsítóval ellátott CPU-k ismét a rivaldafénybe kerülhetnek.
3. trend: A startupok olyan alternatív lebegőpontos számábrázolásokat próbálnak kidolgozni, amelyekre a hagyományos IEEE formátum – például a logaritmikus és a poziciós alapú – jó, de nem elég. A PPA$ tervezési téroptimalizálása robbanásszerű, ha megpróbáljuk optimalizálni az egyiket, és a másik feldobásra megy.
4. trend: Az iparág elmozdul a mesterséges intelligencia szolgáltatásalapú modelljétől, és saját telephelyén helyezi el saját privát modelljeit – de a hardverhez való hozzáférés kihívást jelent az ellátási hiányok, a szankciók stb. miatt.
A dolgok jelenlegi állása:
10 évvel ezelőtt a hardver és az adatok elérhetősége ösztönözte az AI növekedését, most pedig ugyanaz a hardver gátolja – hadd magyarázzam el
Amióta a CPU-k szerencsétlenül működtek, és a GPU-kat újra AI-ra tervezték, sok minden történt
A vállalatok az AI/ML 4 szegmensével foglalkoztak, nevezetesen – 1) a felhőalapú képzéssel, 2) a felhőalapú következtetésekkel, 3) az élvonalkövetkeztetéssel és 4) az élvonalbeli képzéssel (egyesített tanulás az adatvédelmi érzékeny alkalmazásokhoz).
Digitális és analóg
Képzési oldal – GPU-kat, RISC-V-n alapuló ügyfélgyorsítókat, wafer-méretű chipeket (850K mag) és így tovább, ahol a hagyományos CPU-k hiányoznak (általános rendeltetésük). Következtetési oldal – Az NN-gyorsítók minden gyártótól elérhetőek okostelefonokban, laptopokban és más élvonalbeli eszközökben.
Az analóg memrisztor alapú architektúrák is megjelentek egy ideje.
Úgy gondoljuk, hogy a CPU-k nagyon jók lehetnek a következtetésekben, ha ezt gyorsítással, például mátrixbővítésekkel javítjuk
A dolgok RISC-V oldala:
A dolgok RISC-V oldalán gyorsítókat fejlesztünk a mátrixműveletekhez és más nemlineáris műveletekhez, hogy kiküszöböljük a transzformátorok munkaterhelésének lehetséges szűk keresztmetszeit. A Von Neumann szűk keresztmetszeteit a számítástechnikához közelebb álló memóriák felépítése is megszünteti, így végül az AI-gyorsítással rendelkező CPU-k a megfelelő választás a következtetésekhez.
lehetőségek:
Egyedülálló lehetőségek vannak az alapozómodellek piacának betöltésére. Példa – Az OpenAI megemlítette, hogy nem tud elég mesterséges intelligencia-számítógépet (GPU) biztosítani ahhoz, hogy továbbra is terjessze a ChatGPT szolgáltatásait… a hírek pedig arról szólnak, hogy a rendszeres internetes keresés 10-szeres villamosenergia-költsége és 500 ml víz szükséges a rendszerek hűtéséhez. minden lekérdezéshez. Van itt egy piac, amelyet ki kell tölteni – ez nem egy rése, hanem a teljes piac, amely demokratizálja az AI-t, és megbirkózik a fent említett kihívásokkal – a) elérhetőség, b) hozzáférhetőség, c) megfizethetőség és d) környezetbiztonság
Milyen új funkciókon/technológián dolgozik?
Olyan agyat építünk, mint a számítógép, kihasználva a neuromodrfikus technikákat és testreszabva a modelleket, hogy kihasználjuk az energiahatékony hardver előnyeit, felhasználva a rendelkezésre álló nyílt keretrendszerek lehetőségét.
Hogyan képzeli el az AI/ML szektor növekedését vagy változását a következő 12-18 hónapban?
Mivel a GPU-k iránti kereslet megcsappant (mintegy 30 XNUMX dollárba kerül), és a világ egyes részein szankciókkal néznek szembe ezeknek a GPU-knak a megvásárlása miatt, a világ egyes részein úgy érzik, hogy befagytak az AI-kutatásban és -fejlesztésben anélkül, hogy hozzáférnének a GPU-khoz. Alternatív hardverplatformok fogják megragadni a piacot.
A modellek talán zsugorodni fognak – az egyedi modellek, vagy akár alapvetően az információsűrűség növekedni fog
Ugyanez a kérdés, de mi lesz a növekedéssel és a változással a következő 3-5 évben?
a) Az AI-bővítésekkel rendelkező CPU-k megragadják az AI-következtetési piacot
b) A modellek fürgevé válnak, és a paraméterek kiesnek, ahogy az információsűrűség 16%-ról 90%-ra javul
c) Javul az energiahatékonyság, csökken a CO2 lábnyom
d) Új architektúrák jelennek meg
e) csökkennek a hardver- és energiaköltségek, így a modellek létrehozására és betanítására irányuló kisebb vállalatok belépési korlátja megfizethetővé válik
f) az emberek az AGI előtti pillanatokról beszélnek, de az én etalonom a karakteres Samantha (beszélgető mesterséges intelligencia) lenne a „her” című filmben. Ez talán nem valószínű, tekintettel a felnagyítás magas költségeire.
Melyek azok a kihívások, amelyek befolyásolhatják vagy korlátozhatják az AI/ML szektor növekedését?
a) Hozzáférés a hardverhez
b) Energiaköltségek és hűtési költségek és környezeti ártalmak
Is Read:
CEO Interjú: David Moore, a Pragmatic
Vezérigazgatói interjú: Dr. Meghali Chopra a Sandbox Semiconductortól
- SEO által támogatott tartalom és PR terjesztés. Erősödjön még ma.
- PlatoData.Network Vertical Generative Ai. Erősítse meg magát. Hozzáférés itt.
- PlatoAiStream. Web3 Intelligence. Felerősített tudás. Hozzáférés itt.
- PlatoESG. Carbon, CleanTech, Energia, Környezet, Nap, Hulladékgazdálkodás. Hozzáférés itt.
- PlatoHealth. Biotechnológiai és klinikai vizsgálatok intelligencia. Hozzáférés itt.
- Forrás: https://semiwiki.com/ceo-interviews/338703-ceo-interview-suresh-sugumar-of-mastiska-ai/
- :van
- :is
- :nem
- :ahol
- $ UP
- 1
- 10
- 150
- 20
- 20 év
- 200
- 50
- 500
- 7
- a
- Képes
- Rólunk
- felett
- abu dhabi
- gyorsulás
- gyorsítók
- hozzáférés
- megközelíthetőség
- aktívan
- cím
- címzett
- címzés
- Előny
- ügyek
- újra
- Ügynök
- szerek
- AGI
- Augusztus
- AI
- AI modellek
- ai kutatás
- AI rendszerek
- ai használati esetek
- AI / ML
- igazított
- Minden termék
- lehetővé téve
- lehetővé teszi, hogy
- mentén
- Is
- alternatív
- elképesztő
- an
- és a
- Másik
- bármilyen
- bárhol
- Alkalmazás
- alkalmazások
- építészet
- VANNAK
- területek
- érkezik
- mesterséges
- mesterséges intelligencia
- AS
- Asics
- kérdez
- At
- autóipari
- elérhetőség
- elérhető
- el
- b
- korlát
- alapján
- BE
- válik
- válik
- egyre
- óta
- hogy
- Hisz
- lent
- benchmark
- haszon
- Előnyök
- között
- Túl
- szűk
- köteles
- Agy
- agyvelő
- épít
- Épület
- de
- megvesz
- by
- Kalifornia
- TUD
- törölve
- képesség
- képes
- tőke
- elfog
- szén
- szén-dioxid-leválasztás
- esetek
- Centers
- vezérigazgató
- Vezérigazgatói interjú
- igazolás
- kihívás
- kihívások
- változik
- megváltozott
- változó
- karakter
- ChatGPT
- Gyerekek
- csip
- játékpénz
- választás
- Chopra
- vásárló
- közel
- közelebb
- felhő
- Fürt
- co2
- hogyan
- Companies
- vállalat
- képest
- versenyez
- versenyképes
- Kiszámít
- számítógép
- számítógépek
- számítástechnika
- fogalmak
- konferenciák
- fogyaszt
- fogyasztás
- folytatódik
- hozzájárultak
- társalgó
- társalgási AI
- Hűvös
- Költség
- kiadások
- tudott
- teremt
- Jelenlegi
- Jelenlegi állapot
- Jelenleg
- szokás
- vevő
- Ügyfelek
- vágás
- Kiberbiztonság
- dátum
- adatközpontok
- Datacenter
- David
- nap
- Nap
- döntés
- mély
- mély tanulás
- mélyebb
- Kereslet
- demokratizálni
- demokratizálásának
- igazolták
- sűrűség
- attól
- Design
- Fejleszt
- fejlett
- fejlesztése
- Fejlesztés
- Eszközök
- Dhabi
- különbséget
- szorgalom
- irány
- Igazgató
- do
- nem
- Ennek
- dollár
- ne
- le-
- dr
- Csepp
- két
- szerzett
- él
- hatások
- hatékonyság
- hatékony
- eredményesen
- villamos energia
- villamosenergia-fogyasztás
- megszüntetése
- megszünteti
- érzelmek
- Átélés
- energia
- energiahatékonyság
- Mérnöki
- növelése
- elég
- Egész
- belépés
- Környezet
- környezeti
- felidézi vminek a képét
- becslés
- becsült
- stb.
- Eter (ETH)
- Még
- végül is
- Minden
- példa
- végrehajtó
- Ügyvezető igazgató
- létezik
- szakvélemény
- felrobban
- kiterjesztések
- Arc
- néző
- sólyom
- gyorsabb
- érzés
- kitöltése
- cégek
- úszó
- összpontosított
- Láb
- A
- előre lát
- formátum
- Szerencse
- Alapítvány
- keretek
- ból ből
- fagyasztva
- táplálta
- funkcionális
- alapvetően
- jövő
- általános
- generációk
- nemző
- Generatív AI
- adott
- Go
- Goes
- megy
- jó
- GPU
- Csoport
- Növekvő
- Növekedés
- hardver
- Legyen
- he
- ennélfogva
- itt
- Magas
- tart
- tárhely
- Hogyan
- HTTPS
- hatalmas
- HuggingFace
- emberi
- Emberiség
- IEEE
- if
- kép
- Hatás
- javul
- javítja
- in
- Más
- magában foglalja a
- Növelje
- ipar
- információ
- újít
- Innováció
- újítások
- helyette
- Intézet
- Intel
- Intelligencia
- Nemzetközi
- Internet
- Interjú
- beruházás
- tárgyak internete
- IT
- ITS
- éppen
- gyerekek
- Kedves
- hiány
- táj
- nyelv
- laptopok
- nagy
- nagyobb
- vezet
- Vezetés
- TANUL
- tanulás
- hadd
- Tőkeáttétel
- erőfölény
- mint
- rivaldafény
- LIMIT
- kiszámításának
- található
- néz
- hasonló
- alacsonyabb
- gép
- Gyártás
- Gyártó
- sok
- piacára
- piacok
- Mátrix
- max-width
- Lehet..
- talán
- MBA
- me
- jelenti
- eszközök
- intézkedés
- Memories
- említett
- esetleg
- millió
- millió dollár
- MIT
- modell
- modellek
- pillanat
- monopóliumok
- hónap
- több
- a legtöbb
- film
- mozgó
- MS
- kell
- my
- név
- ugyanis
- Természetes
- Szükség
- hálózati alapú
- hálózatba
- ideg-
- Új
- hír
- következő
- fülke
- éjszaka
- fürge
- Most
- nukleáris
- Atomenergia
- szám
- óceánok
- of
- on
- ONE
- csak
- nyitva
- nyílt forráskódú
- OpenAI
- Művelet
- Lehetőségek
- optimalizálás
- Optimalizálja
- Opciók
- or
- Más
- mi
- ki
- saját
- oldal
- Párhuzamos
- paraméter
- paraméterek
- alkatrészek
- Szabadalmak
- Fizet
- Emberek (People)
- talán
- bolygó
- növények
- emelvény
- Platformok
- Plató
- Platón adatintelligencia
- PlatoData
- rengeteg
- plusz
- zsebek
- pont
- pozíció
- lehetséges
- hatalom
- erőművek
- Gyakorlati
- magán
- Probléma
- problémák
- Termékek
- Termékek
- profil
- Haladás
- utasításokat
- védelme
- cél
- célokra
- Nyomja
- helyezi
- Qualcomm
- kérdés
- Kérdések
- hatótávolság
- rangsorolt
- Olvass
- nemrég
- Ajánlást
- ajánlások
- csökkenteni
- csökkentő
- szabályos
- Jelentések
- kérni
- kutatás
- kutatás és fejlesztés
- kutatók
- jobb
- Folyóparti
- szerepek
- tető
- futás
- futás
- fut
- biztonságos
- Biztonság
- azonos
- Szankciók
- sandbox
- Megtakarítás
- megtakarítás
- azt mondják
- skálázás
- Tudomány
- Keresés
- Évad
- szektor
- biztonság
- lát
- szegmensek
- félvezető
- Félvezetők
- Series of
- szerverek
- szolgáltatás
- Szolgáltatások
- szolgáló
- Megosztás
- hiány
- kellene
- kimutatta,
- Műsorok
- oldal
- jelentős
- óta
- kisebb
- okostelefon
- okostelefonok
- So
- szoftver
- Megoldások
- Megoldása
- néhány
- forrás
- Hely
- specializált
- költött
- Stanford
- kezdet
- Startups
- Állami
- Stratégia
- legerősebb
- ilyen
- kínálat
- támogatás
- fenntartható
- Systems
- felszerelés
- szerelések
- szabászat
- Vesz
- Beszél
- feladatok
- Műszaki
- Technológia
- technológiai innováció
- feltételek
- szöveg
- mint
- hogy
- A
- A jövő
- az információ
- a világ
- azok
- Őket
- akkor
- Ott.
- ezáltal
- Ezek
- ők
- dolgok
- ezt
- azok
- bár?
- Gyarapodás
- idő
- nak nek
- mai
- tokenek
- holnap
- is
- felső
- dobás
- hagyományos
- Vonat
- Képzések
- transzformátor
- transzformerek
- Trends
- Megbízható
- megpróbál
- próbál
- alatt
- megérti
- egyetemi
- University of California
- valószínűtlen
- us
- Használat
- használ
- használt
- segítségével
- különféle
- vállalkozás
- kockázati tőke
- kockázati tőke cégek
- nagyon
- az
- volt
- Víz
- Út..
- we
- háló
- Jólét
- voltak
- Mit
- amikor
- ami
- WHO
- miért
- lesz
- val vel
- nélkül
- Munka
- dolgozó
- világ
- lenne
- Rossz
- év
- te
- A te
- zephyrnet