مصنوعی ذہانت کو تیز، زیادہ مؤثر، اور وسیع پیمانے پر دستیاب بنانے کے لئے رکاوٹ میں، اہم نقطہ نظر اکثر GPUs پر آتا ہے. وہ AI اختتام اور تربیت پر قبضہ کرتے ہیں، لیکن ان کی اہمیت ایک اہم سوال چھوڑ دیتا ہے: GPU ڈرائیونگ سسٹمز کے باہر کیا ہوتا ہے؟ جیسا کہ تنظیموں کو وسیع پیمانے پر حل کے لئے تلاش کر رہے ہیں جو مہنگی یا محدود ہارڈ ویئر پر منحصر نہیں ہیں، CPUs پر توجہ مرکوز میں واپس آتے ہیں. ان غیر GPU آرکیٹیکلز پر AI کام لوڈ کو بہتر بنانے کے لئے اب غیر ضروری نہیں ہے، یہ ضروری ہو رہا ہے. یہ وہاں ہے جہاں Rajalakshmi Srinivasaraghavan نے اپنی مہارت کی تعمیر کی ہے. ایک اعلی کارکردگی کمپیوٹرنگ میں گہری جڑوں کے ساتھ ایک محقق اور انجینئر، اس نے CPU پر AI انجینئرنگ کو بہتر بنانے کے لئے اپنی کیریئر کو وقف کیا ہے. اس کا سفر تکنیکی اختتاموں کو کمیونٹی ڈھانچے کے ساتھ تعاون کے ساتھ ملتا ہے. "ہمارے اوپن سورڈ کمیونٹیز کے ساتھ تعاون کرتے ہوئے، ہم اعلی کارکردگی کمپیوٹرنگ میں ایک اہم کھلاڑی کے طور پر ہماری ٹیم کو مضبوط کیا." اس کی شاندار کامیابیوں میں سے ایک CPU بہتر بنانے کی حکمت عملی میں ہے. جبکہ میدان میں بہت سے GPU پر مبنی نقطہ نظر پر توجہ مرکوز کرتے ہیں، Rajalakshmi نے دکھایا ہے کہ کس طرح ہدف شدہ CPU بہتریاں حقیقی نتائج فراہم کرتی ہیں. ان کی ٹیم نے CPU بہتر بنانے کے لئے اہم سافٹ ویئر پیکیجوں کو ترجیح دی ہے، جس میں قابل قدر کارکردگی میں اضافہ ہوتا ہے. "ہم نے اہم AI کام کے جریانوں کی شناخت اور بہتر بنانے کے ذریعہ اگلے نسل کے ہارڈ ویئر پر 50٪ تک کارکردگی میں اضافہ حاصل کیا ہے،" انہوں نے وضاحت کی. تنظیموں کے اندر ان کے اثر کوڈنگ سے بھی زیادہ تک پہنچتا ہے. انہوں نے وسیع پیکیجوں، خود کار طریقے سے ٹیسٹنگ اور انضمام کے وسیع سیٹ پر مسلسل انضمام (CI) کی تعمیر کا انعقاد کیا. "یہ خود کار طریقے سے قابل اعتماد کو بہتر بنانے اور بنیادی ترقی پر توجہ مرکوز کرنے کے لئے وسائل کو آزاد کر دیا،" وہ کہتے ہیں. اثرات فوری تھے: تیزی سے ترقی کے سائیکل اور سافٹ ویئر کو بہتر بنانے کے لئے جو ترقی کی ہارڈ ویئر کی ضروریات کے ساتھ چل سکتے ہیں. Rajalakshmi نے نئے انجینئرز کو ہدایت کی ہے، CPU بہتر بنانے کے لئے ضروری تکنیکی اور حکمت عملی کی بصیرت فراہم کرتے ہوئے. "نئی ارکان کی صلاحیت فراہم کرنے نے اس بات کو یقینی بنایا کہ کارکردگی میں بہتریاں صرف ایک بار کامیابی نہیں تھیں بلکہ ایک طویل مدتی راستہ کا حصہ ہیں،" وہ سوچتی ہے. وہ ہارڈ ویئر ریلیز کرنے سے پہلے سمیلیٹرز میں کوڈ کو بہتر بنانے اور تصدیق کرکے صنعت کی تکرار شدہ ہتھیاروں میں سے ایک کا حل کیا. اس پیشہ ورانہ نقطہ نظر نے ٹیموں کو ابتدائی طور پر مسائل کو پکڑنے اور نئے ہارڈ ویئر کے ساتھ ساتھ مکمل طور پر کام کرنے والے سافٹ ویئر سٹاک کو شروع کرنے کی اجازت دی. ”اس کا مطلب یہ تھا کہ ہماری سافٹ ویئر سٹاک ایک دن میں مکمل طور پر کام کرتا ہے اور پیداوار کے لئے تیار ہے۔“ وہ کہتے ہیں. چند ٹیموں کو یہ کام کرسکتا ہے، اور کامیابی کی تاخیر کو کم کرتا ہے جبکہ اگلے نسل کے نظام پر فوری کارکردگی کو یقینی بناتا ہے۔ اس کے اثرات تحقیق اور تعلیمی اداروں میں بھی شامل ہیں. جیسے دستاویزات "بلبلنگ میٹریکس انجن کے لئے نقل و حمل اور کارکردگی" اور "پوری ISA پروسیسرز کے لئے ایک میٹریکس میٹریکس فیکٹری" اس کے نظریے کو عملی ایپلی کیشنز کے ساتھ پلگ ان کرنے کے لئے اس کی ذمہ داری کو ظاہر کرتے ہیں. آگے دیکھتے ہوئے، وہ گرافکس کے علاوہ گرافکس حلوں کے لئے بڑھتی ہوئی طلب کو دیکھتی ہے. وہ سمجھتی ہے کہ مستقبل ہارڈ ویئر اور سافٹ ویئر کے درمیان زیادہ مضبوط توازن میں ہے. "گرافکس کے رجحانات کو قریب سے پیروی کرتے ہوئے اور تبدیلیوں کی توقع کرتے ہوئے، ہم ہارڈ ویئر اور سافٹ ویئر میں آگے بڑھنے والی صلاحیتوں کو شامل کرتے ہیں، "وہ کہتے ہیں. انہوں نے کہا کہ صنعت کے لئے AI انشورنس کی ایک زیادہ شامل نقطہ نظر پر قبضہ کرنے کی ضرورت ہے. CPUs اور دیگر غیر GPU آرکیٹیکلز پر اختیارات کو بہتر بنانے کے لئے ایک بیک اپ منصوبہ نہیں ہے؛ یہ زیادہ سستے، مستحکم، اور دستیاب AI ایشیائی نظام کی تعمیر کرنے کا ایک طریقہ ہے. جیسا کہ وہ ختم کرتا ہے، "ایچ آئی میں طویل مدتی کامیابی کے بنیادی طور پر حلوں کی تعمیر میں ہے جو ہارڈ ویئر اور مقیاس کے ساتھ ترقی کرتی ہے." GPU پر مبنی دنیا میں، Rajalakshmi ہمیں دکھاتا ہے کہ حقیقی نوکری اکثر بھول جانے والی جگہوں میں بڑھتی ہے. وہ CPU پر توجہ مرکوز کرتا ہے، AI کی تنصیب کے لئے نئے امکانات کھولتا ہے اور ایک مستقبل کی تعمیر کرتا ہے جہاں AI زیادہ انصاف، مؤثر اور مستحکم محسوس ہوتا ہے. یہ کہانی HackerNoon کے کاروباری بلاگنگ پروگرام کے تحت Kashvi Pandey کی طرف سے جاری کی گئی تھی. یہ کہانی HackerNoon کے کاروباری بلاگنگ پروگرام کے تحت Kashvi Pandey کی طرف سے جاری کی گئی تھی.
