मेटा एआई

मेटा एआई एक कृत्रिम बुद्धिमत्ता प्रयोगशाला है जो मेटा प्लेटफार्म इंक (जिसे पहले फेसबुक, इंक. के नाम से जाना जाता था) से संबंधित है। मेटा एआई का इरादा कृत्रिम बुद्धिमत्ता के विभिन्न रूपों को विकसित करना, संवर्धित वास्तविकता और कृत्रिम वास्तविकता प्रौद्योगिकियों में सुधार करना है। मेटा एआई एक अकादमिक अनुसंधान प्रयोगशाला है जो एआई समुदाय के लिए ज्ञान उत्पन्न करने पर केंद्रित है। यह फेसबुक की एप्लाइड मशीन लर्निंग (एएमएल) टीम के विपरीत है, जो अपने उत्पादों के व्यावहारिक अनुप्रयोगों पर ध्यान केंद्रित करती है।

इतिहास
मेटा एआई की शुरुआत फेसबुक आर्टिफिशियल इंटेलिजेंस रिसर्च (एफएआईआर) के रूप में मेनलो पार्क, कैलिफोर्निया, मुख्यालय, लंडन, यूनाइटेड किंगडम और मैनहट्टन में एक नई प्रयोगशाला के साथ हुई। FAIR की आधिकारिक घोषणा सितंबर, 2013 में की गई थी। FAIR का निर्देशन न्यूयॉर्क विश्वविद्यालय के वाई एन एल ईसीयू के अंदर द्वारा किया गया था, जो एक गहन शिक्षण प्रोफेसर और ट्यूरिंग पुरस्कार विजेता हैं। NYU के सेंटर फॉर डेटा साइंस के साथ काम करते हुए, FAIR का प्रारंभिक लक्ष्य डेटा साइंस, मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस पर शोध करना था। FAIR का लक्ष्य बुद्धिमत्ता को समझना, उसके मूलभूत सिद्धांतों की खोज करना और मशीनों को काफी अधिक बुद्धिमान बनाना था। एफएआईआर के शोध ने उस तकनीक का नेतृत्व किया जिससे चेहरे की पहचान, तस्वीरों में टैगिंग और वैयक्तिकृत फ़ीड अनुशंसा को बढ़ावा मिला। सांख्यिकीय शिक्षा में अग्रणी, व्लादिमीर वापनिक, FAIR में शामिल हुए 2014 में, वह समर्थन वेक्टर यंत्र  के सह-आविष्कारक और वाप्निक-चेर्वोनेंकिस सिद्धांत के डेवलपर्स में से एक हैं।

FAIR ने 2015 में पेरिस, फ्रांस में एक अनुसंधान केंद्र खोला, और बाद में सिएटल, पिट्सबर्ग, टेल अवीव, मॉन्ट्रियल और लंदन में छोटी उपग्रह अनुसंधान प्रयोगशालाएँ शुरू कीं। 2016 में, FAIR ने लोगों और समाज को लाभ पहुंचाने के लिए आर्टिफिशियल इंटेलिजेंस पर साझेदारी बनाने के लिए Google, Amazon (कंपनी), IBM और Microsoft के साथ साझेदारी की, एक संगठन जो खुले लाइसेंस प्राप्त अनुसंधान पर ध्यान केंद्रित करता है, नैतिक और कुशल अनुसंधान प्रथाओं का समर्थन करता है और निष्पक्षता पर चर्चा करता है।, समावेशिता, और पारदर्शिता।

2018 में, IBM|IBM के बड़े डेटा समूह के पूर्व मुख्य प्रौद्योगिकी अधिकारी जेरोम पेसेंटी ने FAIR के अध्यक्ष की भूमिका निभाई, जबकि LeCun ने मुख्य AI वैज्ञानिक के रूप में सेवा करने के लिए पद छोड़ दिया। 2018 में, FAIR को AI रिसर्च रैंकिंग 2019 में 25वें स्थान पर रखा गया था, जिसने AI अनुसंधान में अग्रणी शीर्ष वैश्विक संगठनों को स्थान दिया था। FAIR 2019 में तेजी से आठवें स्थान पर पहुंच गया, और 2020 की रैंक में आठवां स्थान बरकरार रखा। 2018 में FAIR में लगभग 200 कर्मचारी थे, और 2020 तक उस संख्या को दोगुना करने का लक्ष्य था। एफएआईआर के प्रारंभिक कार्य में शिक्षण-मॉडल सक्षम मेमोरी नेटवर्क, स्व-पर्यवेक्षित शिक्षण और जनरेटिव प्रतिकूल नेटवर्क, टेक्स्ट वर्गीकरण और अनुवाद, साथ ही कंप्यूटर दृष्टि में अनुसंधान शामिल था। FAIR ने टॉर्च डीप-लर्निंग मॉड्यूल जारी किया और 2017 में, FAIR ने PyTorch, एक खुला स्त्रोत |ओपन-सोर्स मशीन लर्निंग फ्रेमवर्क जारी किया। बाद में PyTorch का उपयोग टेस्ला, इंक. के ऑटोपायलट जैसी कई गहन शिक्षण तकनीकों में किया गया और उबेर का पायरो। इसके अलावा 2017 में, FAIR ने एक शोध परियोजना बंद कर दी जब AI बॉट्स ने एक ऐसी भाषा विकसित की जो मनुष्यों के लिए समझ से बाहर थी, कृत्रिम बुद्धिमत्ता के नियंत्रण से बाहर हो जाने के डिस्टॉपियन डर के बारे में बातचीत को उकसाना। हालाँकि, FAIR ने स्पष्ट किया कि अनुसंधान बंद कर दिया गया था क्योंकि उन्होंने यह समझने का अपना प्रारंभिक लक्ष्य पूरा कर लिया था कि भाषाएँ कैसे उत्पन्न होती हैं, डर के कारण नहीं।

रीब्रांडिंग के बाद FAIR का नाम बदलकर मेटा AI कर दिया गया, जिसने फेसबुक, इंक को मेटा प्लेटफ़ॉर्म इंक में बदल दिया।

2022 में, मेटा एआई ने दो सप्ताह में 600 मिलियन संभावित प्रोटीन के 3डी आकार की भविष्यवाणी की।

वर्तमान शोध
23 फरवरी, 2022 के लाइव इवेंट इनसाइड द लैब: बिल्डिंग फॉर द मेटावर्स विद एआई में, मेटा एआई टीम ने कृत्रिम बुद्धिमत्ता में अनुसंधान और विकास में प्रमुख प्रगति पर चर्चा की। ऐसा ही एक टूल बिल्डरबॉट है, जो उपयोगकर्ताओं को वॉयस कमांड का उपयोग करके आभासी दुनिया उत्पन्न करने की अनुमति देता है। अन्य उपकरणों में नो लैंग्वेज लेफ्ट बिहाइंड, एक प्रणाली जो लिखित भाषाओं के बीच स्वचालित अनुवाद करने में सक्षम है, और एक यूनिवर्सल स्पीच ट्रांसलेटर, एक प्रणाली जो तात्कालिक वाक्-से-वाक् अनुवाद करने में सक्षम है, शामिल हैं।

कंप्यूटर दृष्टि
मेटा एआई के कंप्यूटर विज़न अनुसंधान का उद्देश्य डिजिटल छवियों और वीडियो से पर्यावरण के बारे में जानकारी निकालना है। एआई द्वारा विकसित कंप्यूटर विज़न तकनीक का एक उदाहरण पैनोप्टिक सेगमेंटेशन है, जो अग्रभूमि में वस्तुओं को पहचानता है लेकिन पृष्ठभूमि में दृश्यों को भी वर्गीकृत करता है। मेटा एआई विज़ुअल क्वेश्चन आंसरिंग तकनीक में सुधार करना चाहता है, जिसमें एक मशीन चक्र-स्थिरता का उपयोग करके छवियों के बारे में मानव उपयोगकर्ता के सवालों का जवाब देती है, जिससे मशीन प्रश्नों में भाषाई विविधताओं को संबोधित करने के लिए उत्तर के अलावा एक प्रश्न भी उत्पन्न करती है।

प्राकृतिक भाषा प्रसंस्करण और संवादात्मक एआई
कृत्रिम बुद्धिमत्ता संचार के लिए प्राकृतिक भाषा को समझने और स्वाभाविक भाषा निर्माण के लिए एक मशीन की आवश्यकता होती है। मेटा एआई सुरक्षित संचार को बेहतर बनाने के लिए इन तकनीकों में सुधार करना चाहता है, भले ही उपयोगकर्ता कोई भी भाषा बोलता हो। इस प्रकार, एक केंद्रीय कार्य में अन्य भाषाओं के लिए प्राकृतिक भाषा प्रसंस्करण (एनएलपी) तकनीक का सामान्यीकरण शामिल है। जैसे, मेटा एआई सक्रिय रूप से बिना पर्यवेक्षित मशीन अनुवाद पर काम करता है। मेटा एआई पुनरावृत्ति, विशिष्टता, प्रतिक्रिया-संबंधितता और प्रश्न-पूछने जैसे चिटचैट संवाद के पहलुओं को विकसित करके प्राकृतिक भाषा उपयोगकर्ता इंटरफ़ेस में सुधार करना चाहता है। छवि कैप्शनिंग में व्यक्तित्व को शामिल करना, और रचनात्मकता-आधारित भाषा उत्पन्न करना। 2018 में, मेटा एआई ने ओपन-सोर्स पायटेक्स्ट लॉन्च किया, जो एनएलपी सिस्टम पर केंद्रित एक मॉडलिंग फ्रेमवर्क है। 2023 में, मेटा एआई ने एक 65बी पैरामीटर बड़े भाषा मॉडल एलएलएएमए ( बड़ा भाषा मॉडल मेटा एआई) की घोषणा की और ओपन सोर्स किया।

रैंकिंग और सिफ़ारिशें
फेसबुक और इंस्टाग्राम अपने न्यूज़फ़ीड, विज्ञापनों और खोज परिणामों में रैंकिंग और अनुशंसाओं में मेटा एआई अनुसंधान का उपयोग करते हैं। मेटा एआई ने रीएजेंट भी पेश किया है, जो एक टूलसेट है जो निर्णय लेता है और उपयोगकर्ता प्रतिक्रिया का मूल्यांकन करता है।

सिस्टम अनुसंधान
मशीन लर्निंग और एआई नवीन एल्गोरिदम, सॉफ्टवेयर और हार्डवेयर प्रौद्योगिकियों के विकास पर निर्भर करते हैं। जैसे, मेटा एआई की सिस्टम अनुसंधान टीमें कंप्यूटर भाषाओं, संकलक ों और इलेक्ट्रॉनिक हार्डवेयर अनुप्रयोगों का अध्ययन करती हैं।

सिद्धांत
मेटा एआई कृत्रिम बुद्धिमत्ता की गणितीय और सैद्धांतिक नींव का अध्ययन करता है। मेटा एआई के पास लर्निंग थ्योरी (सांख्यिकी), गणितीय अनुकूलन और संकेत आगे बढ़ाना  में प्रकाशन हैं।

हार्डवेयर
MTIA v1 मेटा की पहली पीढ़ी का AI प्रशिक्षण और अनुमान हार्डवेयर त्वरण है, जिसे विशेष रूप से मेटा की अनुशंसा कार्यभार के लिए विकसित किया गया है। इसे TSMC की 7nm प्रक्रिया प्रौद्योगिकी का उपयोग करके निर्मित किया गया था और यह 800 मेगाहर्ट्ज की आवृत्ति पर संचालित होता है। प्रसंस्करण शक्ति के संदर्भ में, त्वरक INT8 परिशुद्धता पर 102.4 TOPS और FP16 परिशुद्धता पर 51.2 TFLOPS प्रदान करता है, जबकि 25 W की थर्मल डिज़ाइन पावर (TDP) बनाए रखता है। त्वरक को 64 प्रसंस्करण तत्वों (पीई) के ग्रिड के आसपास संरचित किया गया है, जो 8x8 कॉन्फ़िगरेशन में व्यवस्थित है, और यह आवश्यक इंटरकनेक्ट के साथ ऑन-चिप और ऑफ-चिप मेमोरी संसाधनों से सुसज्जित है। प्रत्येक पीई में दो प्रोसेसर कोर (एक वेक्टर एक्सटेंशन के साथ) और मैट्रिक्स गुणन, संचय, डेटा आंदोलन और नॉनलाइनियर फ़ंक्शन गणना जैसे कार्यों के लिए अनुकूलित कई निश्चित-फ़ंक्शन इकाइयां होती हैं। प्रोसेसर कोर आवश्यक गणना और नियंत्रण कार्यों को करने के लिए व्यापक अनुकूलन के साथ RISC-वी ी ओपन  अनुदेश सेट वास्तुकला  (आईएसए) का उपयोग करते हैं।

एक्सेलरेटर का मेमोरी सबसिस्टम ऑफ-चिप DRAM संसाधनों के लिए LPDDR का उपयोग करता है और इसे 128 जीबी तक बढ़ाया जा सकता है। इसके अतिरिक्त, इसमें 128 एमबी का ऑन-चिप एसआरएएम है जो अक्सर उपयोग किए जाने वाले डेटा और निर्देशों तक तेज़ पहुंच के लिए सभी पीई के बीच साझा किया जाता है। डिज़ाइन समानांतर कंप्यूटिंग और डेटा पुन: उपयोग को प्रोत्साहित करता है, थ्रेड और डेटा-स्तरीय समानता (टीएलपी और डीएलपी), निर्देश-स्तरीय समानता (आईएलपी), और मेमोरी-स्तरीय समानता (एमएलपी) की पेशकश करता है।

MTIA एक्सेलेरेटर कॉम्पैक्ट डुअल M.2 बोर्ड पर लगाए गए हैं, जो सर्वर में आसान एकीकरण को सक्षम बनाता है। बोर्ड PCI Express Gen4 x8 लिंक के माध्यम से होस्ट सीपीयू से जुड़ते हैं और उनकी बिजली की खपत 35 W जितनी कम होती है। इन एक्सेलेरेटर को होस्ट करने वाले सर्वर कंप्यूट प्रोजेक्ट खोलें  से योसेमाइट V3 सर्वर विनिर्देश का उपयोग करते हैं। प्रत्येक सर्वर में 12 एक्सेलेरेटर होते हैं, जो पीसीआईई स्विच के पदानुक्रम के माध्यम से परस्पर जुड़े होते हैं, जिससे कार्यभार को कई एक्सेलेरेटर में वितरित किया जा सकता है और समवर्ती रूप से निष्पादित किया जा सकता है।