روش محاسباتی شرکت Recogni برای ترقی کارایی سیستم‌های هوش مصنوعی_خبررسان

شرکت نوپای Recogni، پیشرو در حوزه طراحی و گسترش تراشه‌ها و نرم‌افزارهای هوش مصنوعی، از معارفه روشی محاسباتی نوین خبر داد که می‌تواند به طور قابل توجهی کارایی و منفعت‌وری سیستم‌های هوش مصنوعی را افزایش دهد. این روش نوین، به تراشه‌های این شرکت اجازه می‌دهد تا عملیات محاسباتی مورد نیاز برای آموزش و اجرای مدل‌های هوش مصنوعی را با شدت زیاد تر، مصرف انرژی کمتر و در ابعادی کوچک‌تر انجام بدهند.

روش تازه Recogni با نام “Pareto” از یک رویکرد لگاریتمی مبتکرانه منفعت می‌برد که به طور قابل توجهی کارکرد سیستم‌های هوش مصنوعی را بهبود می‌بخشد. به اختصاصی در اجرای مدل‌های بزرگ زبان طبیعی، این روش نسبت به راه حلهای سنتی برتری چشمگیری دارد. گیلز باک‌هوس، یکی از بنیان‌گذاران و معاون قسمت هوش مصنوعی شرکت Recogni، در این خصوص اظهار داشت: “روش Pareto تحولی عظیم در طراحی سیستم‌های سخت‌افزاری سیلیکونی برای محاسبات هوش مصنوعی به وجود اورده است و همه شاخص‌های کلیدی کارکرد این سیستم‌ها را بهبود بخشیده است.”

مدل‌های پیشرفته هوش مصنوعی همانند GPT-4 و Gemini برای انجام حتی ساده‌ترین ماموریت های، به تعداد زیاد بسیاری عملیات ریاضی نیاز دارند. روش Pareto با تبدیل عملیات ضرب به عملیات جمع، به طور قابل توجهی پیچیدگی محاسبات را افت داده و در نتیجه، مصرف انرژی را به مقدار چشمگیری افت می‌دهد. شرکت Recogni قبول کرده است که روش Pareto بر روی مدل‌های هوش مصنوعی گسترش‌یافته توسط شرکت‌های پیشرو همانند Meta Platforms و Stability AI با پیروزی آزمایش شده است.

اولین تراشه طراحی شده توسط Recogni بر روی فرآیند ساخت هفت نانومتری TSMC تشکیل شده است. این شرکت اکنون در حال همکاری با یک شریک استراتژیک برای تجاری‌سازی گسترده روش Pareto می‌باشد و جزئیات این همکاری در آینده نزدیک اظهار خواهد شد. باک‌هوس در ادامه افزود: “ما در حال مذاکره با شرکت‌هایی هستیم که زیرساخت‌های محاسباتی ابری را اراعه خواهند داد. مقصد ما آن است که روش Pareto را به گفتن یک سرویس محاسباتی در اختیار گسترش‌دهندگان و محققان قرار دهیم.”