Εάν οι ερευνητές τεχνητής νοημοσύνης της Google είχαν αίσθηση του χιούμορ, θα είχαν καλέσει TurboQuantο νέος, εξαιρετικά αποδοτικός αλγόριθμος συμπίεσης μνήμης AI ανακοίνωσε την Τρίτη, “Pied Piper” — ή, στο ελάχιστα αυτό είναι Τι ο Internet σκέφτεται.
Το αστείο είναι μια αναφορά στη φανταστική startup Pied Piper που ήταν το επίκεντρο της τηλεοπτικής σειράς “Silicon Valley” του HBO που προβλήθηκε από το 2014 έως το 2019.
Το σόου ακολούθησε τους ιδρυτές της startup καθώς περιηγούνταν στο τεχνολογικό οικοσύστημα, αντιμετωπίζοντας προκλήσεις όπως ο ανταγωνισμός από μεγαλύτερες εταιρείες, η συγκέντρωση κεφαλαίων, τα θέματα τεχνολογίας και προϊόντων, και ακόμη (προς μεγάλη μας χαρά) εντυπωσίασε τους κριτές σε μια φανταστική έκδοση του TechCrunch Disrupt.
Η πρωτοποριακή τεχνολογία του Pied Piper στην τηλεοπτική εκπομπή ήταν ένας αλγόριθμος συμπίεσης που μείωσε σημαντικά τα μεγέθη αρχείων με συμπίεση σχεδόν χωρίς απώλειες. Το νέο της Google Research TurboQuantαφορά επίσης την ακραία συμπίεση χωρίς απώλεια ποιότητας, αλλά εφαρμόζεται σε ένα βασικό σημείο συμφόρησης σε συστήματα τεχνητής νοημοσύνης. Εξ ου και οι συγκρίσεις.
Έρευνα Google περιέγραψε την τεχνολογία ως ένας νέος τρόπος συρρίκνωσης της μνήμης εργασίας του AI χωρίς να επηρεαστεί η απόδοση. Σύμφωνα με τους ερευνητές, η μέθοδος συμπίεσης, η οποία χρησιμοποιεί μια μορφή διανυσματικής κβαντοποίησης για να καθαρίσει τα σημεία συμφόρησης της κρυφής μνήμης στην επεξεργασία τεχνητής νοημοσύνης, θα επέτρεπε ουσιαστικά στην τεχνητή νοημοσύνη να θυμάται περισσότερες πληροφορίες καταλαμβάνοντας λιγότερο χώρο και διατηρώντας την ακρίβεια, σύμφωνα με τους ερευνητές.
Σκοπεύουν να παρουσιάσουν τα ευρήματά τους στο ICLR 2026 συνέδριο τον επόμενο μήνα, μαζί με τις δύο μεθόδους που καθιστούν δυνατή αυτή τη συμπίεση: τη μέθοδο κβαντοποίησης PolarQuant και μια μέθοδος εκπαίδευσης και βελτιστοποίησης που ονομάζεται QJL.
Η κατανόηση των μαθηματικών που εμπλέκονται εδώ είναι κάτι που μπορούν να κάνουν οι ερευνητές και οι επιστήμονες υπολογιστών, αλλά τα αποτελέσματα είναι συναρπαστικά για την ευρύτερη βιομηχανία τεχνολογίας στο σύνολό της.
Εάν εφαρμοστεί επιτυχώς στον πραγματικό κόσμο, το TurboQuant θα μπορούσε να κάνει την τεχνητή νοημοσύνη φθηνότερη στην εκτέλεση μειώνοντας τη «μνήμη εργασίας» του χρόνου εκτέλεσης – γνωστή ως κρυφή μνήμη KV – κατά «τουλάχιστον 6 φορές».
Κάποιοι, όπως ο Διευθύνων Σύμβουλος της Cloudflare, Matthew Prince, είναι ακόμη και καλώντας αυτό Η στιγμή του DeepSeek της Google — μια αναφορά στα κέρδη απόδοσης που προέκυψαν από το κινεζικό μοντέλο AI, το οποίο εκπαιδεύτηκε με ένα κλάσμα του κόστους των αντιπάλων του σε χειρότερες μάρκες, ενώ παρέμεινε ανταγωνιστικό στα αποτελέσματά του.
Ωστόσο, αξίζει να σημειωθεί ότι το TurboQuant δεν έχει ακόμη αναπτυχθεί ευρέως. είναι ακόμα μια ανακάλυψη εργαστηρίου αυτή τη στιγμή.
Αυτό κάνει τις συγκρίσεις με κάτι σαν το DeepSeek, ή ακόμα και το φανταστικό Pied Piper, πιο δύσκολες. Στην τηλεόραση, η τεχνολογία του Pied Piper επρόκειτο να αλλάξει ριζικά τους κανόνες της πληροφορικής. Το TurboQuant, εν τω μεταξύ, θα μπορούσε να οδηγήσει σε κέρδη αποδοτικότητας και σε συστήματα που απαιτούν λιγότερη μνήμη κατά την εξαγωγή συμπερασμάτων. Αλλά δεν θα έλυνε απαραίτητα τις ευρύτερες ελλείψεις RAM που προκαλούνται από την τεχνητή νοημοσύνη, δεδομένου ότι στοχεύει μόνο στη μνήμη συμπερασμάτων, όχι στην εκπαίδευση – η τελευταία από τις οποίες συνεχίζει να απαιτεί τεράστιες ποσότητες μνήμης RAM.
Via: techcrunch.com
