Google’ın ChatGPT ile rekabet etmesi gereken harika dil modeli Bard’ın hayal kırıklıkları, bize Mountain View’in yapay zeka (AI) konusunda bir dev olduğunu unutturmamalı. Şirketin araştırmacıları, 5 Nisan’da bu alandaki lider Nvidia’dan daha verimli olan şirket içi yapay zeka süper bilgisayarını tanıttıklarında hatırlamak istedikleri şey buydu.
Google çok erken gömülmek istemiyor
Nvidia, AI’ları eğitmek ve çalıştırmak için tasarlanan çip pazarının yaklaşık %90’ını oluşturuyor. A100 yongaları sayesinde OpenAI’nin ChatGPT’si oluşturuldu. Google’ın gıdıklamak için geldiği durum budur. Şirket, şirket içi çiplere dayalı süper bilgisayarının, aynı boyutta, rakibinden %20 ila %70 daha hızlı olduğunu ve %30 ila %90 daha az enerji kullandığını iddia ediyor.
Google, yapay zeka dünyasında basit bir rakip olmaktan çok uzak, hatta dev uzun zamandır bir köprübaşı oldu. Firma ürünlerinin pazarlama adımını atlamışsa teknolojisi vardır.
Çarşamba günü Oklahoma’da tanıtılan süper bilgisayar aslında 2020’den beri çalışıyor. Midjourney metin tabanlı görüntü oluşturucuyu aynı adı taşıyan başlangıçtan itibaren eğitmek için zaten kullanılıyor. GPT-3 175 milyar parametreye sahipken Google’ın ortaya koyduğu en büyük model olan 540 milyar parametreli PaLM modelini de eğitti.
Kredi bilgileri: Google
Cihazı oluşturan 4.096 yonga, ilk sürümlerinde 2016’dan beri var. Bunlar, şimdi dördüncü nesli olan Tensör İşleme Birimidir (TPU). Şirketin yapay zeka ile ilgili işlerinin %90’ında kullanılıyorlar. Ancak bu, Nvidia yongalarını kullanmaktan veya Bulut hizmeti dahilinde saat başı kiralamaktan çekinmiyor.
AI pahalıdır
İçinde Blog yazısı Makalenin yayınlanmasına eşlik eden iki baş yazarı, Norm Jouppi ve David Patterson, ” Performans, ölçeklenebilirlik ve kullanılabilirlik, TPU v4 süper bilgisayarlarını büyük dil modellerinin işgücü haline getirir “. Bununla birlikte, TPU’ların, performansı şirketin CEO’su Jen-Hsun Huang tarafından durmadan lanse edilen Nvidia’nın en son H100 modeliyle karşılaştırılmadığı konusunda hemfikirler.
Bugün, AI süper bilgisayarları ve onları oluşturan çipler için zorluk sadece güç değil, her şeyden önce verimliliktir. Üretken bir yapay zekayı eğitmek ve günün her saati aktif tutmak son derece pahalıdır. Bilgi işlem gücüne zarar vermeden enerji harcamasını azaltmak için bileşenlerin, yongaların ve diğerlerinin yanı sıra yapay zeka süper bilgisayar yazılımının optimizasyonuna öncelik verilir.
