روش محاسباتی شرکت Recogni برای ارتقای کارایی سیستم‌های هوش مصنوعی

شرکت نوپای Recogni، پیشرو در حوزه طراحی و توسعه تراشه‌ها و نرم‌افزارهای هوش مصنوعی، از معرفی روشی محاسباتی نوین خبر داد که می‌تواند به طور قابل توجهی کارایی و بهره‌وری 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 سرعت بیشتر، مصرف انرژی کمتر و در ابعادی کوچک‌تر انجام دهند.

روش جدید Recogni با نام “Pareto” از یک رویکرد لگاریتمی مبتکرانه بهره می‌برد که به طور قابل توجهی عملکرد سیستم‌های هوش مصنوعی را بهبود می‌بخشد. به ویژه در اجرای مدل‌های بزرگ زبان طبیعی، این روش نسبت به روش‌های سنتی برتری چشمگیری دارد. گیلز باک‌هوس، یکی از بنیان‌گذاران و معاون بخش هوش مصنوعی شرکت Recogni، در این خصوص اظهار داشت: “روش Pareto تحولی عظیم در طراحی سیستم‌های سخت‌افزاری سیلیکونی برای محاسبات هوش مصنوعی ایجاد کرده است و تمامی شاخص‌های کلیدی عملکرد این سیستم‌ها را بهبود بخشیده است.”

مدل‌های پیشرفته هوش مصنوعی مانند GPT-4 و Gemini برای انجام حتی ساده‌ترین وظایف، به تعداد بسیار زیادی عملیات ریاضی نیاز دارند. روش Pareto با تبدیل عملیات ضرب به عملیات جمع، به طور قابل توجهی پیچیدگی محاسبات را کاهش داده و در نتیجه، مصرف انرژی را به میزان چشمگیری کاهش می‌دهد. شرکت Recogni تأیید کرده است که روش Pareto بر روی مدل‌های هوش مصنوعی توسعه‌یافته توسط شرکت‌های پیشرو مانند Meta Platforms و Stability AI با موفقیت آزمایش شده است.

اولین تراشه طراحی شده توسط Recogni بر روی فرآیند ساخت هفت نانومتری TSMC تولید شده است. این شرکت در حال حاضر در حال همکاری با یک شریک استراتژیک برای تجاری‌سازی گسترده روش Pareto می‌باشد و جزئیات این همکاری در آینده نزدیک اعلام خواهد شد. باک‌هوس در ادامه افزود: “ما در حال مذاکره با شرکت‌هایی هستیم که زیرساخت‌های محاسباتی ابری را ارائه می‌دهند. هدف ما آن است که روش Pareto را به عنوان یک سرویس محاسباتی در اختیار توسعه‌دهندگان و محققان قرار دهیم.”

منبع خبر روش محاسباتی شرکت Recogni برای ارتقای کارایی سیستم‌های هوش مصنوعی پایگاه خبری تکنا به آدرس تکنا میباشد.