Intel और वेज़मन इंस्टीट्यूट की सफलता से AI मॉडल की गति बढ़ी

Investing.com -- Intel (NASDAQ:INTC) Labs और वेज़मन इंस्टीट्यूट ऑफ साइंस ने एक नई विधि विकसित की है जो लार्ज लैंग्वेज मॉडल्स (LLMs) को आउटपुट की गुणवत्ता से समझौता किए बिना 2.8 गुना तक तेज़ बनाती है, कंपनी ने घोषणा की।

'स्पेकुलेटिव डिकोडिंग' में यह सफलता वैंकूवर, कनाडा में इंटरनेशनल कॉन्फ्रेंस ऑन मशीन लर्निंग में प्रस्तुत की गई। यह तकनीक किसी भी छोटे "ड्राफ्ट" मॉडल को किसी भी बड़े लैंग्वेज मॉडल को तेज करने की अनुमति देती है, भले ही वे अलग-अलग शब्दावली का उपयोग करते हों।

"हमने जेनरेटिव AI में एक मूल अक्षमता को हल किया है। हमारा शोध दिखाता है कि स्पेकुलेटिव एक्सेलरेशन को एक सार्वभौमिक उपकरण में कैसे बदला जा सकता है। यह सिर्फ एक सैद्धांतिक सुधार नहीं है; ये व्यावहारिक उपकरण हैं जो पहले से ही डेवलपर्स को तेज़ और स्मार्ट एप्लिकेशन बनाने में मदद कर रहे हैं," Intel Labs के नेचुरल लैंग्वेज प्रोसेसिंग ग्रुप के सीनियर रिसर्चर ओरेन पेरेग ने कहा।

ऐप प्राप्त करें

Investing.com ऐप का रोज़ाना प्रयोग करके लाखों लोगों से जुड़ें एवं वैश्विक वित्तीय बाज़ारों के शीर्ष पर रहें।

अभी डाउनलोड करें

स्पेकुलेटिव डिकोडिंग एक छोटे, तेज़ मॉडल को एक बड़े, अधिक सटीक मॉडल के साथ जोड़कर काम करती है। जब "फ्रांस की राजधानी क्या है" जैसे प्रॉम्प्ट दिए जाते हैं, तो एक पारंपरिक LLM प्रत्येक शब्द को चरण-दर-चरण जनरेट करता है, जिससे प्रत्येक चरण में महत्वपूर्ण संसाधनों का उपयोग होता है। स्पेकुलेटिव डिकोडिंग के साथ, छोटा सहायक मॉडल जल्दी से "पेरिस, एक प्रसिद्ध शहर" जैसे पूरे वाक्यांश का मसौदा तैयार करता है, जिसे बड़ा मॉडल फिर सत्यापित करता है, जिससे कंप्यूट चक्र कम होते हैं।

नई विधि उन सीमाओं को हटाती है जिन्हें पहले साझा शब्दावली या सह-प्रशिक्षित मॉडल परिवारों की आवश्यकता थी, जिससे यह विभिन्न प्रकार के मॉडलों में व्यावहारिक हो जाती है। यह तकनीक वेंडर-अज्ञेयवादी है, जो विभिन्न डेवलपर्स और इकोसिस्टम के मॉडलों के साथ काम करती है।

"यह काम जेनरेटिव AI को तेज़ और सस्ता बनाने में एक प्रमुख तकनीकी बाधा को दूर करता है," वेज़मन इंस्टीट्यूट में प्रोफेसर डेविड हैरेल के शोध समूह में पीएचडी छात्र नदव टिमोर ने कहा। "हमारे एल्गोरिदम स्टेट-ऑफ-द-आर्ट स्पीडअप को अनलॉक करते हैं जो पहले केवल उन संगठनों के लिए उपलब्ध थे जो अपने स्वयं के छोटे ड्राफ्ट मॉडल प्रशिक्षित करते हैं।"

शोध में तीन नए एल्गोरिदम पेश किए गए हैं जो स्पेकुलेटिव कोडिंग को शब्दावली संरेखण से अलग करते हैं। इन एल्गोरिदम को पहले से ही हगिंग फेस ट्रांसफॉर्मर्स ओपन सोर्स लाइब्रेरी में एकीकृत किया गया है, जिससे उन्नत LLM त्वरण लाखों डेवलपर्स के लिए कस्टम कोड की आवश्यकता के बिना उपलब्ध हो गया है।

यह लेख AI के समर्थन से तैयार और अनुवादित किया गया था और एक संपादक द्वारा इसकी समीक्षा की गई थी। अधिक जानकारी के लिए हमारे नियम एवं शर्तें देखें।