Gradient သည် AI တိုးတက်မှုလှိုင်းသစ်ကို တားဆီးနေသော ကုန်ကျစရိတ်အဟန့်အတားကို ချိုးဖျက်ရန် Echo-2 ကို မိတ်ဆက်သည်

(SeaPRwire) –   စနစ်သစ်တစ်ခုဖြစ်သည့် Distributed Reinforcement Learning သည် လေ့ကျင့်ပြီးနောက် ကုန်ကျစရိတ်ကို ၈၀% အထိ လျှော့ချပေးပြီး AI တိုးတက်မှု၏ နောက်တစ်ဆင့်အတွက် အသုံးပြုခွင့်ကို ချဲ့ထွင်ပေးသည်

စင်ကာပူ၊ ဖေဖော်ဝါရီ ၁၁၊ ၂၀၂၆ —

• အွန်လိုင်းအခြေပြု Reinforcement Learning နှင့်နှိုင်းယှဉ်ပါက လေ့ကျင့်ရေး ကုန်ကျစရိတ် ၈၀% အထိ လျှော့ချနိုင်သည်။
• ဗဟိုချုပ်ကိုင်ထားသော ဒေတာစင်တာများပေါ်တွင်သာ မူတည်ခြင်းမရှိဘဲ အဆင့်မြင့်ဆုံး စွမ်းဆောင်ရည်ကို ရရှိသည်။
• တစ်ဒေါ်လာလျှင် စမ်းသပ်မှုများ ပိုမိုများပြားလာပြီး AI တိုးတက်မှုကို အခြေခံအဆောက်အအုံ ကန့်သတ်ချက်များမှ သုတေသနအမြန်နှုန်းသို့ ပြောင်းရွှေ့ပေးသည်။

, AI အခြေခံအဆောက်အအုံ ပံ့ပိုးပေးသူတစ်ဦးဖြစ်သည့် Gradient သည် ယနေ့တွင် Echo-2 ကို ကြေညာခဲ့သည်။ ၎င်းသည် အဆင့်မြင့် AI မော်ဒယ်များကို လေ့ကျင့်ရန် လိုအပ်သော ကုန်ကျစရိတ်နှင့် အခြေခံအဆောက်အအုံကို သိသိသာသာ လျှော့ချရန် ဒီဇိုင်းထုတ်ထားသော Reinforcement Learning စနစ်သစ်တစ်ခုဖြစ်သည်။ ဤထုတ်ကုန်သည် AI ဖွံ့ဖြိုးတိုးတက်မှုတွင် ပေါ်ပေါက်လာနေသော အကြီးမားဆုံး အတားအဆီးတစ်ခုကို ရည်ရွယ်ထားပြီး၊ ၎င်းတွင် တိုးတက်မှုသည် အကြံဉာဏ် သို့မဟုတ် အရည်အချင်းများဖြင့် ကန့်သတ်မထားတော့ဘဲ၊ အလွန်စျေးကြီးသော၊ ဗဟိုချုပ်ကိုင်ထားသော ကွန်ပျူတာစွမ်းအားကို ရယူနိုင်မှုအပေါ် မူတည်နေသည်။

Generative AI ၏ ပထမလှိုင်းသည် ကြီးမားသော ဒေတာအစုံအလင်ပေါ်တွင် မော်ဒယ်များကို လေ့ကျင့်ခြင်းဖြင့် မောင်းနှင်ခဲ့သည်။ သို့သော်၊ နောက်တစ်ဆင့်သည် မော်ဒယ်များသည် ထပ်ခါထပ်ခါ ကြိုးစား-မှားယွင်းခြင်းဖြင့် တိုးတက်ကောင်းမွန်လာသည့် လေ့ကျင့်ပြီးနောက်ပိုင်းတွင် တည်ရှိသည်။ Reinforcement learning ဟုခေါ်သော ဤလုပ်ငန်းစဉ်သည် AI စနစ်များကို ယုတ္တိကျကျ စဉ်းစားရန်၊ စီစဉ်ရန်နှင့် လိုက်လျောညီထွေဖြစ်စေရန် ကူညီပေးသည်။ ၎င်းသည် AI ဖွံ့ဖြိုးတိုးတက်မှု၏ အစျေးအကြီးဆုံး အဆင့်များထဲမှ တစ်ခုလည်းဖြစ်သည်။ ၎င်းသည် မကြာခဏဆိုသလို စွမ်းအင်များစွာ စားသုံးသော ဒေတာစင်တာကြီးများ လိုအပ်ပြီး အဆင့်မြင့် လေ့ကျင့်ရေးကို အများစုအတွက် အလွန်စျေးကြီးစေသည်။

Echo-2 သည် ထိုပြောင်းလဲမှုကို ပြုလုပ်ရန် ဒီဇိုင်းထုတ်ထားသည်။ လေ့ကျင့်ရေးအားလုံးကို တင်းကျပ်စွာ ထိန်းချုပ်ထားသော cluster များအတွင်းတွင် လုပ်ဆောင်ရန် အတင်းအကျပ် မခိုင်းစေဘဲ၊ ဤစနစ်သည် Reinforcement Learning လုပ်ငန်းဆောင်တာများကို အမျိုးမျိုးသော ဟာ့ဒ်ဝဲများပေါ်တွင် ဖြန့်ကျက်ခွင့်ပြုသည်။ အစောပိုင်း စမ်းသပ်မှုများတွင် Gradient သည် ပုံမှန် အွန်လိုင်းအခြေပြု ချဉ်းကပ်မှုများနှင့် နှိုင်းယှဉ်ပါက ၈၀% အထိ ကုန်ကျစရိတ် လျှော့ချမှုများကို အစီရင်ခံပြီး၊ ယုတ္တိကျကျ စဉ်းစားခြင်းနှင့် အေးဂျင့်အခြေပြု လုပ်ငန်းဆောင်တာများတွင် စွမ်းဆောင်ရည်ကို ကိုက်ညီခြင်း သို့မဟုတ် ကျော်လွန်ခြင်းတို့ဖြစ်သည်။ ရလဒ်အနေဖြင့် အဖွဲ့များသည် ပိုမိုများပြားသော စမ်းသပ်မှုများကို လုပ်ဆောင်နိုင်ပြီး၊ ပိုမိုမြန်ဆန်စွာ သင်ယူနိုင်ပြီး၊ အလွန်ကြီးမားသော အခြေခံအဆောက်အအုံပေါ်တွင်သာ မူတည်ဘဲ မော်ဒယ်များကို တိုးတက်ကောင်းမွန်စေနိုင်သည်။

“AI တိုးတက်မှုသည် စိတ်အားထက်သန်မှုဖြင့် မကန့်သတ်တော့ဘဲ အခြေခံအဆောက်အအုံဖြင့် ကန့်သတ်နေသည်” ဟု Gradient ၏ ပူးတွဲတည်ထောင်သူနှင့် CEO ဖြစ်သူ Eric Yang က ပြောကြားခဲ့သည်။ “Reinforcement learning သည် စစ်မှန်သော ဉာဏ်ရည်၏ အင်ဂျင်ဖြစ်လာနေသည်၊ သို့သော် ယနေ့တွင် ၎င်းသည် အလွန်ကြီးမားသော ဒေတာစင်တာ ကုန်ကျစရိတ်များ၏ နောက်ကွယ်တွင် ပိတ်မိနေသည်။ Echo-2 သည် စမ်းသပ်မှု ကုန်ကျစရိတ်ကို လျှော့ချပေးသည်၊ ထို့ကြောင့် အဖွဲ့များ ပိုမိုများပြားလာပြီး အလွန်ကြီးမားသော ကွန်ပျူတာ အခြေခံအဆောက်အအုံကို ရယူရန် မလိုအပ်ဘဲ AI စနစ်များကို တည်ဆောက်၊ စမ်းသပ်ပြီး တိုးတက်ကောင်းမွန်စေနိုင်သည်။”

ဤထုတ်ကုန်သည် အစိုးရများနှင့် လုပ်ငန်းအဖွဲ့အစည်းများသည် AI ဒေတာစင်တာကြီးများနှင့် ဆက်စပ်နေသော လျှပ်စစ်ဓာတ်အား ရရှိနိုင်မှု၊ ပတ်ဝန်းကျင်အပေါ် သက်ရောက်မှုနှင့် ဒေတာထိန်းချုပ်မှုတို့တွင် တိုးများလာနေသော ကန့်သတ်ချက်များနှင့် ရင်ဆိုင်နေရချိန်တွင် ထွက်ပေါ်လာခဲ့သည်။ AI သည် အဖွဲ့အစည်းများ လည်ပတ်ပုံနှင့် ယှဉ်ပြိုင်ပုံတွင် ပိုမိုအရေးပါလာသည်နှင့်အမျှ၊ အလုပ်များစွာကို တစ်နေရာတည်းတွင် စုစည်းခြင်းမရှိဘဲ မော်ဒယ်များကို လေ့ကျင့်ရန်နှင့် တိုးတက်ကောင်းမွန်စေရန် စွမ်းရည်သည် ပိုမိုအရေးကြီးလာသည်။ Echo-2 ကဲ့သို့သော စနစ်များသည် ဗဟိုချုပ်ကိုင်ထားသော အခြေခံအဆောက်အအုံအပေါ် ဖိအားကို သက်သာစေပြီး ဆက်လက် AI တိုးတက်မှုကို ပံ့ပိုးပေးသည့် အခြားလမ်းကြောင်းကို ပေးဆောင်သည်။

Echo-2 သည် Gradient ၏ ဖြန့်ဝေထားသော AI အခြေခံအဆောက်အအုံတွင် ကျယ်ပြန့်သော လုပ်ငန်းဆောင်တာများကို တည်ဆောက်ထားပြီး၊ ကုမ္ပဏီ၏ ယခင်ထုတ်ကုန် Logits ကို လိုက်နာသည်။ ၎င်းသည် ဖြန့်ဝေထားသော စနစ်များအကြား ဒေတာဆက်သွယ်ရေးကို ကိုင်တွယ်သည့် ၎င်း၏ networking layer ဖြင့် ပံ့ပိုးပေးထားသော စနစ်များစွာတွင် ကြီးမားသော AI မော်ဒယ်များကို လည်ပတ်ခွင့်ပြုသည်။ အတူတကွ၊ ဤစနစ်များသည် AI မော်ဒယ်များကို ဖြန့်ဝေထားသော ပတ်ဝန်းကျင်များတွင် တည်ရှိနေသော ဟာ့ဒ်ဝဲကို အသုံးပြု၍ လေ့ကျင့်ရန်၊ ဖြန့်ချိရန်နှင့် တိုးတက်ကောင်းမွန်စေရန် ခွင့်ပြုခြင်းဖြင့် ဗဟိုချုပ်ကိုင်ထားသော ကွန်ပျူတာအပေါ် မှီခိုမှုကို လျှော့ချရန် ရည်ရွယ်သည်။

ကုန်ကျစရိတ်ကို လျှော့ချပြီး ပြောင်းလွယ်ပြင်လွယ်တိုးမြှင့်ခြင်းဖြင့် Echo-2 သည် သုတေသနအဖွဲ့များကို ပိုမိုမြန်ဆန်စွာ ရွေ့လျားနိုင်ပြီး ပိုမိုများပြားသော စမ်းသပ်မှုများကို လုပ်ဆောင်နိုင်စေပြီး၊ လုပ်ငန်းအဖွဲ့အစည်းများကို စျေးကြီးသော အွန်လိုင်း ကတိကဝတ်များအပေါ် ရေရှည်မှီခိုမှုကို လျှော့ချရန် နည်းလမ်းတစ်ခု ပေးသည်။ ကုန်ကျစရိတ်၊ လျှပ်စစ်ဓာတ်အားနှင့် အခြေခံအဆောက်အအုံ ကန့်သတ်ချက်များသည် AI ၏ အနာဂတ်ကို ပိုမိုများပြားစွာ ပုံဖော်လာသည်နှင့်အမျှ၊ Gradient က Echo-2 သည် အရေးကြီးသောအချိန်တွင် အဆင့်မြင့် Reinforcement Learning ကို အသုံးပြုခွင့်ကို ချဲ့ထွင်ပေးသည်ဟု ဆိုသည်။ ကုမ္ပဏီသည် ၎င်း၏ ဖြန့်ဝေထားသော အခြေခံအဆောက်အအုံပေါ်တွင် တည်ဆောက်ထားသော RL-as-a-Service ပလက်ဖောင်း Logits နှင့်အတူ ဖြန့်ဝေထားသော Reinforcement Learning ပလက်ဖောင်းတစ်ခု၏ တစ်စိတ်တစ်ဒေသအဖြစ် Echo-2 ကို ထုတ်ကုန်အဖြစ် ထုတ်လုပ်နေပြီး၊ ၂၀၂၆ ခုနှစ်နှောင်းပိုင်းတွင် လုပ်ငန်းသုံး အသုံးပြုခွင့်ကို မျှော်လင့်ထားသည်။

— အဆုံး —

Gradient အကြောင်း:
Gradient သည် ဖြန့်ဝေထားသော လေ့ကျင့်ရေး၊ ဝန်ဆောင်မှု၊ အေးဂျင့်စနစ်များနှင့် အခြားအရာများ ပါဝင်သော OIS (Open Intelligence Stack) ဟုခေါ်သော လုံးဝ ဗဟိုချုပ်ကိုင်မှု ကင်းသော အခြေခံအဆောက်အအုံမှတစ်ဆင့် ပွင့်လင်းသော ဉာဏ်ရည်ကို တည်ဆောက်ရန် ရည်စူးထားသော AI R&D ဓာတ်ခွဲခန်းတစ်ခုဖြစ်သည်။

ထိပ်တန်း ရင်းနှီးမြှုပ်နှံသူများနှင့် ကမ္ဘာ့အဆင့် သုတေသီအဖွဲ့မှ ပံ့ပိုးထားသော Gradient သည် မည်သူမဆို၊ မည်သည့်နေရာမဆို တည်ဆောက်၊ ချဲ့ထွင်ပြီး တိုးတက်စေနိုင်သော အနာဂတ်ကို ဖွင့်လှစ်ပေးမည့် ရှေ့တန်းသုတေသနကို ပိုမိုထုတ်ပြန်ရန် ကတိကဝတ်ပြုထားသည်။

ဆက်သွယ်ရန်: မီဒီယာ ဆက်သွယ်ရန်:
Athraa Bheekoo
athraa@lunapr.io