شرکت تراشه‌های هوش مصنوعی، انحلال خود را اعلام کرد

فاش شده است که استارتاپ نیمه هادی هوش مصنوعی LeapMind در 31 جولای 2024 منحل می شود.

Soichi Matsuda، مدیر و مدیر اجرایی این شرکت، در ایمیلی به طرف‌های علاقه‌مند گفت: «ما معتقدیم برای استفاده واقعی از هوش مصنوعی، باید نرم‌افزار و سخت‌افزار را در نظر بگیریم و علاوه بر این، شرکت‌های بسیار کمی مانند آن وجود دارند.» این ایده‌ها در سرتاسر جهان وجود دارد، بنابراین ما دائماً با چالش مواجه هستیم که فکر کنیم آنها ارزشمند هستند، اما از اینکه هنوز نتوانسته‌ایم ارزش آنها را ثابت کنیم بسیار ناامید هستیم. به طور داوطلبانه یک شرکت را در حالی که هنوز پول نقد و سپرده دارد منحل کنید تا از خطر نکول جلوگیری شود.

از ماه آگوست، شرکت قصد دارد روند عادی انحلال را آغاز کند و در آن زمان آقای ماتسودا به عنوان نماینده مدیر تصفیه عمل خواهد کرد.

LeapMind توسعه تراشه های هوش مصنوعی جدید را آغاز می کند

طبق وب سایت رسمی این شرکت، با پیشرفت تکنولوژی، جامعه دائما در حال تغییر است. نوآوری سریع در تجهیزات و گسترش زیرساخت ها امکان جمع آوری و استفاده از حجم زیادی از داده ها را فراهم کرده است. با کاربرد عملی یادگیری ماشین، دقت تحلیل افزایش یافته و استفاده از داده ها بیشتر آشنا شده است. جریان چرخه‌های داده، یعنی داده‌های بهتر تولید شده توسط دستگاه‌هایی که از طریق یادگیری ماشینی هوشمندتر می‌شوند، سریع‌تر از همیشه خواهد شد و زندگی مردم را راحت‌تر می‌کند.

LeapMind یکی از اولین شرکت هایی بود که این آینده را پیش بینی کرد و از سال 2012 یک تجارت مبتنی بر یادگیری ماشین را راه اندازی کرد.

LeapMind گفت که توانایی‌ها و دیدگاه‌های فنی این شرکت مورد تحسین بسیاری از شرکت‌ها و سازمان‌ها قرار گرفته است و در پروژه‌های بسیاری که از یادگیری ماشینی استفاده می‌کنند شرکت کرده است، اما متاسفانه موارد زیادی به پیاده‌سازی اجتماعی تبدیل نشده است. دو مشکل وجود دارد. اولین مورد ساخت مدل های یادگیری ماشینی عملی است. برای استفاده از یادگیری ماشینی برای حل کارهایی که تاکنون غیرقابل حل بودند، باید مدل های یادگیری ماشینی با کیفیت بالا را توسعه دهیم. دومی یک محیط محاسباتی است که به مدل‌های یادگیری ماشین اجازه می‌دهد واقعاً اجرا شوند. هیچ دستگاه واضحی وجود ندارد که به آن اجازه دهد واقعاً با استفاده محدود مانند لبه کار کند.

به منظور بهبود جامعه از طریق استفاده از دستگاه های یادگیری ماشین، LeapMind معتقد است که شرکت ها باید بر دو چالش غلبه کنند. با ادامه رویارویی با مشتریان و مشکلات با حسن نیت با همکارانی با مجموعه مهارت‌های مختلف، توانستیم مشکلات را از دو طریق حل کنیم: «توسعه مدل‌های یادگیری ماشینی با کیفیت بالا» و «توسعه IP سخت‌افزاری پرسرعت و کارآمد» «من آمدم». با پاسخ

با کار در هر دو جنبه نرم افزاری و سخت افزاری، می توانیم غیرممکن ها را ممکن کنیم. این آینده در دسترس است. ما بر این باوریم که با ارائه فناوری‌های کلیدی آینده به جهان، می‌توانیم شیوه زندگی انسانی‌تری ایجاد کنیم.

بر اساس این پیشینه‌ها و ملاحظات، LeapMind در اکتبر سال گذشته اعلام کرد که تراشه‌های هوش مصنوعی جدیدی را برای سرعت بخشیدن به پردازش محاسباتی مدل‌های هوش مصنوعی و پیگیری عملکرد پیشرو در صنعت تولید خواهد کرد.

آنها می گویند که با توجه به افزایش اخیر در اندازه و پیچیدگی محاسباتی مدل های هوش مصنوعی، از جمله مدل های زبان در مقیاس بزرگ (LLM)، هزینه آموزش مدل های پیشرفته هوش مصنوعی نسبت به 10 سال پیش به طور قابل توجهی افزایش یافته است. این افزایش هزینه یک گلوگاه بزرگ در توسعه هوش مصنوعی است.

برای ایجاد یک مدل هوش مصنوعی خوب، تعداد زیادی پردازنده برای محاسبات موازی مورد نیاز است. تهیه تعداد زیادی پردازنده نیاز به بودجه زیادی دارد. اگر بتوانید از یک پردازنده مقرون به صرفه استفاده کنید، می توانید مدل های هوش مصنوعی بهتری را حتی با همان بودجه توسعه دهید. به عبارت دیگر، ویژگی های پردازنده مورد نیاز برای یادگیری هوش مصنوعی از عملکرد مطلق به عملکرد قیمت-عملکرد تغییر می کند.

با توجه به این شرایط، LeapMind شروع به توسعه نیمه هادی های پردازنده جدید (از این پس به عنوان "تراشه های AI" نامیده می شود) برای یادگیری و استنتاج هوش مصنوعی، با استفاده از فناوری که ما در توسعه شتاب دهنده های هوش مصنوعی لبه انباشته ایم، کرد. تراشه جدید هوش مصنوعی بر یادگیری و استنتاج مدل هوش مصنوعی متمرکز است، با هدف عملکرد محاسباتی 2 PFLOPS (پتافلاپ) و 10 برابر قیمت/عملکرد پردازنده‌های گرافیکی با عملکرد مشابه. انتظار می رود این محصول حداکثر تا سال 2025 ارسال شود.

 

بر اساس گزارش ها، تراشه هوش مصنوعی جدید دارای ویژگی های زیر است: طراحی شده برای یادگیری و استدلال مدل AI · تأکید بر عبارات کم بیت مانند درایورها و کامپایلرهای متن باز FP8 آنها می گویند زمانی که یادگیری و استنتاج مدل هوش مصنوعی وظایف محاسباتی در نظر گرفته شود، دارای ویژگی های زیر است: · ضرب ماتریس یک گلوگاه محاسباتی است، به راحتی قابل موازی کردن است و دارای چند شاخه شرطی است.

LeapMind تأکید می‌کند که هدف این شرکت بهبود عملکرد رایانه‌های همه منظوره نیست، بلکه از ویژگی‌های فوق استفاده می‌کند تا به طور خاص برای یادگیری و استدلال مدل هوش مصنوعی طراحی شود. به عنوان مثال، از آنجایی که انشعابات شرطی کمی در برنامه وجود دارد، می توان با حذف واحد پیش بینی انشعاب، تعداد ترانزیستورها را کاهش داد.

دلیل تاکید بر عبارات سطح پایین مانند fp8 این است که از نظر آنها گلوگاه محاسباتی مدل‌های هوش مصنوعی ضرب ماتریسی است که شامل ضرب و جمع زیادی است. ضریب ها معمولا مدارهای بزرگی هستند، اما با استفاده از یک نوع داده با عرض بیت کمتر از قبل، مانند FP8، می توانید تعداد ترانزیستورهای مورد نیاز را کاهش دهید. علاوه بر این، به دلیل کوچک بودن داده های پردازش شده، می توان از پهنای باند DRAM که در سال های اخیر به یک گلوگاه تبدیل شده است، استفاده موثری کرد.

در مورد درایورها و کامپایلرهای منبع باز، این به این دلیل است که توسعه مدل‌های هوش مصنوعی به یک پشته نرم‌افزار پیشرفته نیاز دارد که توسط یک شرکت ارائه نمی‌شود. در حال حاضر یک اکوسیستم نرم‌افزار متن‌باز وجود دارد که شرکت‌های متعددی را در بر می‌گیرد، و برای اینکه بخشی از این اکوسیستم باشید، پیوستن به جامعه به عنوان نرم‌افزار منبع باز مهم است.

تحت برنامه LeapMind، این شرکت تا حد امکان مشخصات سخت افزاری را افشا می کند و نرم افزارهایی مانند درایورها و کامپایلرها را تحت مجوز سازگار با OSI منتشر می کند.