Անսովոր արհեստական ​​բանականությունը թափանցում է մեգա սերմնային փուլով և արհեստական ​​բանականության չիպերի նոր մոտեցմամբ։

ժամանումը Ոչ ավանդական արհեստական ​​բանականություն Այն ցնցել է արհեստական ​​​​բանականության սարքավորումների ոլորտը՝ ֆինանսավորման փուլով, որն արդեն քննարկվում է բոլոր արդյունաբերական շրջանակներում։ հազիվ մի քանի ամսական, ընկերությունը Այն կարողացել է գրավել տեխնոլոգիական աշխարհի ամենահզոր ֆոնդերի հետաքրքրությունը։խաղադրույք կատարելով մի գաղափարի վրա, որը թղթի վրա խոստանում է վերանայել, թե ինչպես են նախագծվում և սպառվում արհեստական ​​բանականության համար նախատեսված հաշվողական ռեսուրսները։

Հեռու կենտրոնանալով ավելի ու ավելի մեծ և ավելի որկրամոլ մոդելների վրա, ընկերությունը ցանկանում է լուծել խնդիրը իր արմատից. Էներգաարդյունավետությունը և չիպերի ֆիզիկական ճարտարապետությունըՆրա առաջարկը բացահայտորեն ոգեշնչված է կենսաբանությամբ և ուղեղի գործառույթով, որտեղ Նպատակն է մոտենալ մի համակարգի, որը կարող է ապահովել հսկայական հաշվողական հզորություն՝ միաժամանակ սպառելով այսօր անհրաժեշտ էներգիայի մի փոքր մասը։ խոշոր տվյալների կենտրոններ։

Տարվա ամենամեծ արհեստական ​​բանականության սարքավորումների ներդրման փուլը

Ոչ ավանդական արհեստական ​​բանականությունը փակել է 475 միլիոն դոլարի ներդրումային փուլըՄի ցուցանիշ, որը նույնիսկ մեծ թվերին սովոր շուկայում առանձնանում է իր մեծությամբ այդքան վաղ փուլում։ Գործարքի արդյունքում ընկերությունը գնահատվում է մոտ 4.500 միլիոն դոլար, ինչը այն դարձնում է արհեստական ​​բանականության սարքավորումների էկոհամակարգում սկզբնական ֆինանսավորման ամենացայտուն դեպքերից մեկը։

Շրջանառությունը գլխավորել են ռիսկային կապիտալի ֆոնդերը Անդրեեսեն Հորովից (a16z) y Lightspeed Venture PartnersԵրկու հիմնական խաղացողներ, երբ խոսքը վերաբերում է խորը տեխնոլոգիաների երկարաժամկետ ներդրումներին: Նրանց միացել են այլ առաջատար ներդրողներ, ինչպիսիք են՝ Լյուքս Քեփիթալ, DCVC, Տվյալների աղյուսներ և նույնիսկ Amazon-ի հիմնադիրը, Ջեֆ ԲեզոսՍա ամրապնդում է այն զգացողությունը, որ նախագիծը ընկալվում է որպես երկարաժամկետ ռազմավարական քայլ։

Արտաքին կապիտալից բացի, համահիմնադիրներից մեկը որոշել է ներդրում կատարել իր սեփական գրպանից։ 10 միլիոն դոլար...նույն պայմաններով, ինչ մյուս խոշոր ներդրողները։ Այս քայլը, գումարից անկախ, հստակ ազդանշան է ընկերության տեխնոլոգիական և բիզնես թեզի նկատմամբ նվիրվածության և ներքին վստահության մասին։

Տարբեր հարցազրույցների համաձայն, 475 միլիոնի այս սկզբնական տրանշը միայն սկիզբը կլիներ դրամահավաքի ծրագրի, որը կարող է հասնել մինչև 1.000 միլիոն դոլար այս նույն փուլում։ Նպատակի մասշտաբը ընդգծում է այն նախագծի տեսակը, որի առջև նրանք կանգնած են. բարդ սարքավորումներ, երկար մշակման ցիկլեր և հետազոտությունների և զարգացման մեջ մեծ նախնական ներդրումներ.

Համեմատած այլ վերջին գործարքների հետ, գնահատումը մի փոքր ցածր էր 5.000 միլիարդ որոնք քննարկվել էին առաջին լուրերում, սակայն դա դեռևս ոչ ավանդական արհեստական ​​բանականությունը դասում է այն ստարտափների շարքին, որոնք, գրեթե որևէ եկամուտ կամ առևտրային արտադրանք չունենալով, արդեն իսկ խաղում են կապիտալի այն մակարդակներում, որոնք նախկինում նախատեսված էին շատ ավելի հասուն ընկերությունների համար։

Նավին Ռաոյի տեսլականը և տեխնիկական ռիսկին սովոր թիմը

Նախագիծը ղեկավարում է Նավին ՌաոՌաոն արհեստական ​​բանականության աշխարհում հայտնի դեմք է՝ թե՛ իր ձեռնարկատիրական կողմի, թե՛ խոշոր տեխնոլոգիական ընկերություններում զբաղեցրած պաշտոնների համար։ Intel-ում արհեստական ​​բանականության հարթակների պատասխանատու իր առաջին ստարտափ՝ Nervana Systems-ի գնումից հետո, որը մասնագիտանում է մեքենայական ուսուցման համար նախատեսված պրոցեսորների մեջ:

Ավելի ուշ հիմնադիրը ևս մեկ քայլ կատարեց՝ համահիմնադրելով MosaicML, մոդելային ուսուցման հարթակ, որը մեծ ճանաչում ձեռք բերեց տվյալների և արհեստական ​​բանականության էկոհամակարգում և ի վերջո ձեռք բերվեց Databricks-ը՝ մոտ 1.300 միլիարդ դոլարովԱյս հաջողությունը՝ մեկ տասնամյակից էլ պակաս ժամանակահատվածում երկու նշանակալի դուրս գալով, մեծապես նպաստել է վստահության ձևավորմանը այն ֆոնդերի շրջանում, որոնք այժմ աջակցում են դրա նոր նախագիծը։

Ռաոյի հետ մեկտեղ, ընկերությունը ներառել է բարձր մակարդակի պրոֆիլներ խաչմերուկից սարքային, ծրագրային և ակադեմիական հետազոտություններ, ինչպես Մայքլ Կարբին, Սառա Աչուր y Միլան ԼիՍա մի թիմ է, որը սովոր է զբաղվել բարձր տեխնիկական ռիսկով, երկար ցիկլի նախագծերով և այնպիսի խնդիրներով, որոնք լուծվում են ոչ թե արագ ծրագրային իտերացիաներով, այլ բարդ նախատիպերով և ֆիզիկական ճարտարապետության ու ալգորիթմների միջև շատ սերտ ինտեգրմամբ։

Ռաոն ինքը բացատրել է, որ ոչ ավանդական արհեստական ​​բանականության աշխատանքային ծրագիրը ներառում է փորձարկել բազմաթիվ նախատիպեր մի քանի տարիների ընթացքումՆրանք գնահատում են, թե որ մոդելն է առավել մասշտաբային՝ արդյունավետության և արժեքի առումով։ Այլ կերպ ասած, նրանք չեն ձգտում արագորեն թողարկել որևէ ապրանք, այլ ստեղծել տեխնոլոգիական հիմք, որը կարող է տարբերություն ստեղծել արհեստական ​​բանականության հաշվարկների ոլորտում հաջորդ տասնամյակում։

Այս խաղադրույքը այսպես կոչվածի վրա «երկար ցիկլի ճարտարագիտություն» Սա հակասում է բազմաթիվ ծրագրային ապահովման ստարտափների բնորոշ մոտեցմանը, որոնք կենտրոնանում են հաճախորդների հետ հնարավորինս արագ վավերացման և արագ կրկնությունների միջոցով ապրանքի կատարելագործման վրա: Այստեղ ուղին ավելի նման է խոշոր կիսահաղորդչային ընկերությունների կամ կարևորագույն ենթակառուցվածքային նախագծերի ուղուն, որտեղ ներդրումների վերադարձը գալիս է ավելի ուշ, բայց, եթե ամեն ինչ լավ ընթանա, կարող է վերաիմաստավորել ամբողջ ոլորտը:

Արհեստական ​​բանականության համար նոր տեսակի մեքենա

Ոչ ավանդական արհեստական ​​բանականության առաջարկի հիմնական նպատակն է կառուցել արմատապես ավելի էներգաարդյունավետ համակարգիչ արհեստական ​​բանականության աշխատանքային բեռների համար։ Ռաոն նպատակը ամփոփել է մի արտահայտությամբ, որը ուշադրություն է գրավել ոլորտում. նախագծել մի համակարգ, որը «Կենսաբանության նման արդյունավետ», որպես հղում ընդունելով մարդու ուղեղի՝ բարդ հաշվարկներ կատարելու կարողությունը նվազագույն էներգիայի սպառմամբ։

Մինչդեռ արդյունաբերության մեծ մասը շարունակում է խթանել մոդելների մասշտաբավորումը՝ ավելի շատ պարամետրեր, ավելի շատ տվյալներ, ավելի շատ գրաֆիկական պրոցեսորներ— ընկերությունը սկսում է այն նախադրյալից, որ Այս ռազմավարությունն ունի հստակ սահմանափակում՝ ծախսերի և մատչելի էներգիայի առումով։Խոշոր տվյալների կենտրոններն արդեն իսկ բախվում են էլեկտրաէներգիայի սահմանափակումների, աճող ծախսերի և կայունության հետ կապված խնդիրների, ինչը հատկապես մտահոգիչ է Եվրոպայում և Իսպանիայում՝ կլիմայի և կարգավորիչ նպատակների պատճառով։

Այս դինամիկան խզելու համար ստարտափը առաջարկում է Հաշվողական ճարտարապետության մեջ պարադիգմայի փոփոխությունՓոխանակ շարունակելու կատարելագործել ավանդական թվային ճարտարապետությունները, ուսումնասիրեք այնպիսի նախագծեր, որոնք օգտագործում են Սիլիկոնի ֆիզիկական հատկությունները ինքնին և ուղեղի գործառույթից ոգեշնչված սկզբունքներ, ինչպիսիք են նեյրոնների ոչ գծային դինամիկան։

Իր կայքում հրապարակված տեքստում ընկերությունը նկարագրում է իր նպատակը որպես ստեղծում «Նոր հիմք ինտելեկտի համար»Գաղափարն այն է, որ գտնելով արհեստական ​​հաշվարկները կենսաբանական համակարգերի վարքագծի հետ կապող ճիշտ կառուցվածքը, հնարավոր է բացահայտել արդյունավետության աճ, որը շատ ավելի մեծ է, քան այն, ինչին հասնում են պարզապես դասական թվային ճարտարապետությունները բարելավելով։

Lightspeed-ի փուլին մասնակցող ներդրողները համաձայն են այդ ախտորոշման հետ՝ մատնանշելով անհրաժեշտությունը որոնել «ինտելեկտի համար համապատասխան իզոմորֆիզմը» Եթե ​​նպատակը արհեստական ​​ինտելեկտի էներգիայի սպառման կտրուկ կրճատումն է, ապա այս մտածողությունը համահունչ է նեյրոմորֆիկ հաշվարկների և առաջադեմ անալոգային համակարգերի ոլորտում հետազոտական ​​ջանքերին, որոնք մինչ օրս մեծ մասամբ մնացել են ակադեմիական շրջանակներում կամ խոշոր արտադրողների կողմից իրականացվող փորձարարական նախագծերի շրջանակներում։

Ճարտարապետություն. անալոգային չիպերից մինչև պուլսացնող նեյրոններ

Ոչ ավանդական արհեստական ​​բանականության ամենացայտուն կողմերից մեկը դրա համակցված մոտեցումն է անալոգային, խառը և նեյրոմորֆիկ ճարտարապետություններԻ տարբերություն ներկայիս թվային չիպերի, որոնք տեղեկատվությունը ներկայացնում են դիսկրետ զրոների և միավորների միջոցով, անալոգային կոնստրուկցիաները թույլ են տալիս աշխատել անընդհատ արժեքների հետ և օգտվել ֆիզիկական երևույթներից, որոնք, պատշաճ կերպով վերահսկելու դեպքում, կարող են շատ ավելի արդյունավետ լինել որոշակի գործողությունների համար: Այս մոտեցումը մատնանշում է առաջընթացը... առաջադեմ չիպերի նախագծում և գործընթացներ որոնք ձգտում են օպտիմալացնել արդյունավետությունը ֆիզիկական հիմքից։

Ընկերությունը ուսումնասիրում է չիպեր, որոնք կարող են ֆիզիկապես պահպանել հավանականության բաշխումներըփոխարենը դրանք թվային մոտավորացնելու, ինչպես դա արվում է ավանդական պրոցեսորներում: Սա բացում է դուռը հավանականային մոդելների ավելի բնական ներկայացումների և, հնարավոր է, էներգիայի սպառման կրճատում մինչև հազար անգամ համեմատած այսօր տվյալների կենտրոններում գերիշխող թվային համակարգերի հետ։

Դրան հասնելու համար թիմը օգտագործում է հետևյալ հասկացությունները՝ օսցիլյատորներ, թերմոդինամիկա և սպիկավոր նեյրոններԱյս տեսակի մոդելը ոգեշնչված է իրական նեյրոնների ժամանակի ընթացքում դիսկրետ ազդակներով ակտիվացման եղանակով։ Այս ճարտարապետությունները, որոնք բնորոշ են նեյրոմորֆիկ դաշտին, կարող են անջատել չիպի մեծ մասերը, երբ դրանք չեն օգտագործվում, կտրուկ նվազեցնելով էներգիայի կորուստները՝ համեմատած այն սխեմաների հետ, որոնք պահպանում են մշտական ​​ակտիվություն։

Այս մոտեցումը որոշ չափով հիշեցնում է Intel-ի նման ընկերությունների նախորդ ջանքերը՝ իրենց նեյրոմորֆ պրոցեսորներով, որոնք վերացնում են ավանդական կենտրոնական ժամացույցը և թույլ են տալիս չիպին աշխատել ասինխրոն՝ ակտիվացնելով միայն անհրաժեշտ մասերը՝ կախված աշխատանքային ծանրաբեռնվածությունից։ Սակայն, Ոչ ավանդական արհեստական ​​բանականությունը ցանկանում է մեկ քայլ առաջ գնալոչ միայն նեյրոնային վարքագիծը ընդօրինակելով, այլև սիլիցիումի ֆիզիկական դիզայնը սերտորեն ինտեգրելով այդ միջավայրի համար հատուկ նախագծված արհեստական ​​բանականության մոդելների հետ։

Այս համադրությունը Մասնագիտացված սարքավորումներ և համատեղ մշակված մոդելներ Այն մատնանշում է մի ապագա, որտեղ չիպի և ալգորիթմի միջև սահմանը մշուշվում է, և որտեղ արտադրողականությունն այլևս այնքան կախված չէ նրանից, թե քանի գրաֆիկական պրոցեսոր կարելի է տեղադրել, որքան նրանից, թե որքան լավ են օգտագործվում նյութերի և սխեմաների ավելի խորը ֆիզիկական հատկությունները։

Արհեստական ​​բանականության հաջորդ ալիքի համար հատուկ նախագծված SoC

Ընդհանուր ակնարկից զատ, ի հայտ են գալիս տեխնիկական մանրամասներ այն չիպի տեսակի մասին, որը ոչ ավանդական արհեստական ​​բանականությունը նպատակ ունի արտադրության մեջ մտցնել: Ընկերության կողմից հրապարակված տարբեր աշխատանքային հայտարարություններ մատնանշում են... արհեստական ​​բանականության արագացուցիչ, որը հիմնված է չիպի վրա համակարգի (SoC) դիզայնի վրաԱյսինքն՝ մեկ բաղադրիչ, որը ինտեգրում է մի քանի մասնագիտացված հաշվողական մոդուլներ։

Այս նկարագրությունների համաձայն, SoC-ն կներառի կենտրոնական պրոցեսոր (CPU) պատասխանատու է նախնական առաջադրանքների համար, ինչպիսիք են զգայական տվյալների կազմակերպումը և պատրաստումը, նախքան դրանք ավելի կոնկրետ արհեստական ​​բանականության ստորաբաժանումներին փոխանցելը: Այս ընդհանուր հիմքի հիման վրա կավելացվեն օպտիմալացված բլոկներ՝ կատարելու համար գծային հանրահաշվի գործողություններորոնք գրեթե բոլոր խորը ուսուցման մոդելների մաթեմատիկական սիրտն են՝ սկսած մեծ լեզվական մոդելներից մինչև համակարգչային տեսողության համակարգեր։

Դիզայնը հաշվի է առնում նաև օգտագործումը՝ երրորդ կողմի մտավոր սեփականություն Որոշ մոդուլների համար սա տարածված պրակտիկա է կիսահաղորդչային արդյունաբերության մեջ, որտեղ ավելի արդյունավետ է լիցենզավորել որոշակի ապացուցված բլոկներ, քան դրանք մշակել զրոյից։ Այդ դեպքում ոչ ավանդական արհեստական ​​բանականության ավելացված արժեքը կկենտրոնանա SoC-ի ամենանորարարական մասերում։

Այս տարբերակիչ տարրերը ներառում են խառը ազդանշանային սխեմաներԱյս սխեմաները, որոնք կարող են մշակել ինչպես անալոգային, այնպես էլ թվային տեղեկատվություն, շատ օգտակար են սենսորներից ստացված տվյալները կառավարելու կամ ֆիզիկայից ոգեշնչված գործողություններ ուղղակիորեն իրականացնելու համար: Այս տեսակի սխեման բանալին է չիպի համար՝ ընկերության կողմից հետապնդվող ոչ գծային դինամիկան և հավանականային ներկայացումները շահագործելու համար:

Մեկ այլ կարևոր կետ է ընկերության հետաքրքրությունը ի հայտ եկող ոչ անկայուն հիշողություններ, ինչպիսիք են RRAM-ըԱյս տեխնոլոգիաները պահպանում են տեղեկատվությունը նույնիսկ էլեկտրաէներգիայի անջատման դեպքում: Որոշակի իրավիճակներում դրանք կարող են ապահովել արդյունավետության առավելություններ ավանդական ֆլեշ հիշողության համեմատ, չնայած դրանք դեռևս բախվում են տեխնիկական մարտահրավերների, որոնք սահմանափակել են դրանց լայն տարածումը տվյալների կենտրոններում: Հիշողության շուկայի զարգացումը և արտադրողների կողմից կայացված որոշումները, ինչպիսիք են՝ Միկրոն՝ կապված արտադրանքի գծերի հետ Նրանք ընդգծում են այս մարտահրավերներն ու հնարավորությունները։

Սարքավորումների և արհեստական ​​բանականության մոդելների համատեղ նախագծում

Ոչ ավանդական արհեստական ​​բանականությունը չի ցանկանում մնալ միայն պրոցեսորի ֆիզիկական շերտում։ Ռազմավարությունը ներառում է նաև իրենց չիպերին հարմարեցված արհեստական ​​բանականության մոդելների մշակում։, օգտագործելով սկզբից ծրագրային և սարքային ապահովման համատեղ ստեղծման միջոցով առաջարկվող օպտիմալացման մարժան։

Այս մոտեցումը համատեղ դիզայն Այն թույլ է տալիս առավելագույնս վերահսկել տվյալների ներկայացման, կատարվող գործողությունների և չիպի ներսում աշխատանքի բաշխման եղանակը։ Ընդհանուր նշանակության գրաֆիկական պրոցեսորների համար նախատեսված առկա մոդելները հարմարեցնելու փոխարեն, ընկերությունը կարող է նախագծել ալգորիթմներ, որոնք կօգտագործեն իր անալոգային սխեմաների, զարկերակային նեյրոնների կամ ոչ ավանդական հիշողության մոդուլների եզակի բնութագրերը։

Ընկերությունը հույս ունի, որ այս ինտեգրացիան թույլ կտա իրեն հասնել արդյունավետությունը մոտ 1.000 անգամ ավելի է ներկայիս սիլիցիումի համեմատ որոշակի աշխատանքային ծանրաբեռնվածության պայմաններում: Չնայած այս թվերը պետք է վավերացվեն առաջին անկախ նախատիպերի և չափորոշիչների հայտնվելու ժամանակ, դրանք պատկերացում են տալիս թիմի կողմից նպատակաուղղված հավակնությունների մասշտաբի մասին:

Այս տեսակի մոտեցումը հատկապես կարևոր է Եվրոպա և Իսպանիաորտեղ տեխնոլոգիական ինքնիշխանության և օտարերկրյա սարքավորումների մատակարարներից կախվածության վերաբերյալ բանավեճը թափ է հավաքում։ Նոր, ավելի արդյունավետ արհեստական ​​բանականության ճարտարապետությունների առկայությունը բացում է դուռը դեպի ավելի կայուն և ավելի էժան տվյալների կենտրոններ։Սա համապատասխանում է տարածաշրջանի էներգետիկ և կարգավորող առաջնահերթություններին: Ամպային խոշոր մատակարարների և սարքավորումների արտադրողների միջև դաշինքները, ինչպիսիք են նրանք, որոնք վերջերս վերաձևավորել են արդյունաբերության լանդշաֆտը, օրինակ՝ այն համատեքստն են, որում կարող են տեղավորվել այս լուծումները:ամպային տեխնոլոգիաների և արտադրողների միջև համագործակցություն).

Եթե ​​ոչ ավանդական արհեստական ​​բանականության մոդելը, ի վերջո, ապացուցի իր մրցունակությունը, Զարմանալի չէր լինի տեսնել, թե ինչպես են եվրոպական ամպային ընկերությունները, հետազոտական ​​լաբորատորիաները և խոշոր կորպորացիաները ինտեգրում այս տեսակի լուծումները։ իր ենթակառուցվածքներում՝ փնտրելով նվազեցնել էներգիայի ծախսերը և ածխածնային հետքը առանց զոհաբերելու առաջադեմ արհեստական ​​բանականության հնարավորությունները։

Շուկայի համատեքստ. Մեգա-ռաունդներ և արհեստական ​​բանականության ենթակառուցվածքների համար մրցավազք

Ոչ ավանդական արհեստական ​​բանականության դեպքը ավելի լայն միտման մի մասն է. արհեստական ​​բանականության ստարտափների ի հայտ գալը, որոնք շատ վաղ փուլերում հավաքում են հարյուր միլիոնավոր դոլարներ, այնպիսի գնահատականներով, որոնք մի քանի տարի առաջ նախատեսված էին ցուցակված կամ շատ կոնսոլիդացված եկամուտ ունեցող ընկերությունների համար։

Վերջին տարիներին այնպիսի անուններ, ինչպիսիք են՝ Բաց արհեստական ​​բանականություն, Մարդածին կամ այնպիսի գործիչների կողմից խթանված նախաձեռնություններ, ինչպիսիք են Իլյա Սուցկեվեր o Միրա Մուրատի Նրանք մասնակցել են պատմական ռիսկային կապիտալի փուլերին։ 2025 թվականին արհեստական ​​բանականության տասնյակ ստարտափներ գերազանցեցին 100 միլիոն դոլարի ֆինանսավորումայս հատվածում աննախադեպ ներդրումային ծավալի համախմբում։

Այս ալիքի մեջ, պայքար ենթակառուցվածքների համար Չիպերը, մասնագիտացված ամպային տեխնոլոգիաները, արագացուցիչները և մարզման համակարգերը դարձել են ամենաթեժ մրցակցային ոլորտներից մեկը։ պրոցեսորի կախվածություն Մի քանի արտադրողների, մասնավորապես՝ բարձրակարգ գրաֆիկական պրոցեսորների պակասը ներդրողներին և ձեռնարկատերերին դրդել է փնտրել այլընտրանքներ, որոնք կմեղմացնեն մատակարարման և գների խցանումները։

Ոչ ավանդական արհեստական ​​բանականությունը մտնում է այս մրցավազքի մեջ՝ առաջարկելով այլ ուղի, քան պարզապես աստիճանական մրցակցությունը խոշոր GPU արտադրողների հետԱվելի բարձր արտադրողականության համար պարզապես պայքարելու փոխարեն՝ կենտրոնացեք էներգաարդյունավետության զգալի բարելավման վրա, ինչը միջնաժամկետ հեռանկարում կարևոր է արհեստական ​​բանականության համակարգերի համար՝ շարունակելու աճը՝ առանց ֆիզիկական և տնտեսական սահմանափակումների մեջ ընկնելու։

Եվրոպական էկոհամակարգի համար, որտեղ էներգիայի ծախսերը և արտանետումների վերաբերյալ կարգավորիչ պահանջները հատկապես խիստ են, այս տեսակի առաջարկների հաջողությունը կարող է վճռորոշ լինել։ Շատ ավելի արդյունավետ արհեստական ​​բանականության սարքավորում Սա կհամապատասխանի կանաչ անցման ռազմավարություններին, միաժամանակ թույլ տալով ընկերություններին և վարչակազմերին տեղակայել առաջադեմ արհեստական ​​բանականության հավելվածներ՝ առանց իրենց սպառումը մեծացնելու։

Նախագիծը Ոչ ավանդական արհեստական ​​բանականություն Այն մարմնավորում է պահի հիմնական միտումներից շատերը՝ մեգա-ռաունդներ սկզբնական փուլում, արհեստական ​​բանականության համար մշակված սարքավորումներ՝ զրոյից մինչև վերջ, կենսաբանությունից ուղղակի ոգեշնչում և էներգաարդյունավետության նկատմամբ մոլուցք, որը արձագանքում է ավելի ու ավելի ակնհայտ իրականությանը: Եթե ընկերությանը հաջողվի իրականացնել իր խոստումները սիլիցիումում, այն կարող է դառնալ հիմնական խաղացողներից մեկը, որը կորոշի, թե ինչպես են արհեստական ​​բանականության մոդելները մարզվում և գործում հաջորդ տասնամյակում՝ թե՛ Միացյալ Նահանգներում, թե՛ Եվրոպայում, և, ընդլայնմամբ, այնպիսի շուկաներում, ինչպիսին է Իսպանիան:

Առնչվող հոդված՝

Nvidia-ն ամրապնդում է իր ռազմավարական դաշինքը Synopsys-ի հետ՝ չիպերի նախագծման կենտրոնում

Ալբերտո Նավարո

Ես տեխնոլոգիայի էնտուզիաստ եմ, ով իր «գիկ» հետաքրքրությունները վերածել է մասնագիտության։ Ես իմ կյանքի ավելի քան 10 տարին անցկացրել եմ՝ օգտագործելով նորագույն տեխնոլոգիաներ և զուտ հետաքրքրասիրությունից դրդված բոլոր տեսակի ծրագրերի հետ աշխատելիս: Այժմ ես մասնագիտացել եմ համակարգչային տեխնիկայի և տեսախաղերի մեջ։ Դա պայմանավորված է նրանով, որ ավելի քան 5 տարի ես գրում եմ տարբեր կայքերի համար տեխնոլոգիայի և վիդեոխաղերի վերաբերյալ՝ ստեղծելով հոդվածներ, որոնք փորձում են ձեզ տրամադրել ձեզ անհրաժեշտ տեղեկատվությունը բոլորին հասկանալի լեզվով:

Եթե ​​ունեք հարցեր, իմ գիտելիքները տատանվում են Windows օպերացիոն համակարգի հետ կապված ամեն ինչից, ինչպես նաև բջջային հեռախոսների համար նախատեսված Android-ից: Եվ իմ հանձնառությունն է ձեզ, ես միշտ պատրաստ եմ մի քանի րոպե ծախսել և օգնել ձեզ լուծել ցանկացած հարց, որը կարող եք ունենալ այս ինտերնետային աշխարհում: