మెటా AI శిక్షణ కోసం అంతర్గత చిప్‌లను పరీక్షించవచ్చు

0
1

మెటా ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ (AI) మోడళ్లకు శిక్షణ ఇవ్వడానికి ఉపయోగించే మొదటి అంతర్గత చిప్‌సెట్‌లను పరీక్షించడం ప్రారంభించినట్లు తెలిసింది. నివేదిక ప్రకారం, కస్టమ్ చిప్‌సెట్‌ల పనితీరు మరియు స్థిరత్వాన్ని పరీక్షించడానికి కంపెనీ పరిమిత సంఖ్యలో ప్రాసెసర్‌లను అమలు చేసింది మరియు పరీక్షలు ఎంతవరకు వెళ్తాయో దాని ఆధారంగా, ఇది చెప్పిన హార్డ్‌వేర్ యొక్క పెద్ద ఎత్తున ఉత్పత్తిని ప్రారంభిస్తుంది. ఈ ప్రాసెసర్లు మెన్లో పార్క్-ఆధారిత టెక్ దిగ్గజం యొక్క మెటా ట్రైనింగ్ అండ్ ఇన్సరెన్స్ యాక్సిలరేటర్ (MTIA) చిప్‌సెట్‌ల కుటుంబంలో భాగమని చెబుతారు.

రాయిటర్స్ ప్రకారం నివేదిక. మెటా ఇటీవల చిప్ డిజైన్ ప్రక్రియ యొక్క టేప్-అవుట్ లేదా చివరి దశను పూర్తి చేసినట్లు తెలిసింది మరియు ఇప్పుడు చిప్స్ ను చిన్న స్థాయిలో అమలు చేయడం ప్రారంభించింది.

ఇది సంస్థకు మొదటి AI- కేంద్రీకృత చిప్‌సెట్ కాదు. గత సంవత్సరం, ఇది AI అనుమితి కోసం రూపొందించిన అనుమితి యాక్సిలరేటర్లు లేదా ప్రాసెసర్లను ఆవిష్కరించింది. ఏదేమైనా, మెటా తన లామా కుటుంబానికి పెద్ద భాషా నమూనాల (ఎల్‌ఎల్‌ఎంలు) శిక్షణ ఇవ్వడానికి అంతర్గత హార్డ్‌వేర్ యాక్సిలరేటర్లను కలిగి లేదు.

సంస్థలో పేరులేని మూలాలను ఉటంకిస్తూ, అంతర్గత చిప్‌సెట్‌లను అభివృద్ధి చేయడం వెనుక మెటా యొక్క పెద్ద దృష్టి అంతర్గత వినియోగం, వినియోగదారు-కేంద్రీకృత ఉత్పత్తులు మరియు డెవలపర్ సాధనాల కోసం సంక్లిష్టమైన AI వ్యవస్థలను అమలు చేయడం మరియు నడపడం యొక్క మౌలిక సదుపాయాల ఖర్చులను తగ్గించడం అని ప్రచురణ పేర్కొంది.

ఆసక్తికరంగా, జనవరిలో, మెటా సిఇఒ మార్క్ జుకర్‌బర్గ్ అమెరికాలోని అరిజోనాలోని మీసా డేటా సెంటర్‌ను కంపెనీ విస్తరించడం చివరకు పూర్తయిందని మరియు డివిజన్ కార్యకలాపాలను అమలు చేయడం ప్రారంభించిందని ప్రకటించారు. ఈ ప్రదేశంలో కొత్త శిక్షణా చిప్‌సెట్‌లను కూడా మోహరించే అవకాశం ఉంది.

కొత్త చిప్‌సెట్‌లు మొదట మెటా యొక్క సిఫార్సు ఇంజిన్‌తో దాని వివిధ సోషల్ మీడియా ప్లాట్‌ఫామ్‌లకు శక్తినిచ్చే నివేదిక పేర్కొంది, తరువాత ఉపయోగం కేసును ఉత్పాదక AI ఉత్పత్తులకు విస్తరించవచ్చు మెటా ఐ.

జనవరిలో, జుకర్‌బర్గ్ వెల్లడించారు 2025 లో AI కి సంబంధించిన ప్రాజెక్టులపై 2025 లో 65 బిలియన్ డాలర్లు (సుమారు రూ. 5,61,908 కోట్లు) పెట్టుబడి పెట్టాలని కంపెనీ యోచిస్తున్న ఫేస్‌బుక్ పోస్ట్‌లో. ఖర్చులు మీసా డేటా సెంటర్ విస్తరణకు కూడా కారణమయ్యాయి. ఇది దాని AI జట్ల కోసం ఎక్కువ మంది ఉద్యోగులను నియమించడం కూడా కలిగి ఉంది.



Source link