भविष्याचे वेध आणि कॉम्पुटिंग रिसॉर्सेस:

भविष्याचे वेध आणि कॉम्पुटिंग रिसॉर्सेस: ६ मार्च २०२४ रोजी NVidia कॉर्पोरेशन हि २.१५ ट्रिलीयन डॉलर मार्केट कॅपिटलाझेशन असलेली जगातील ४ थी आणि अमेरिकेतील ३ ऱी जास्तीतजास्त किमती कंपनी ठरली. ऍपल आणि मायक्रोसॉफ्ट नंतर अमेरिकेत ३ नंबर वर आणि जगात सौदी आरामको ह्या कंपनी नंतर ४ थी किमती कंपनी म्हणून तिचा नंबर लागतो. काय आहे ह्या NVidia चे प्रॉडक्ट्स? आपण आतापर्यंत कॉम्पुटर मध्ये CPU हा शब्द ऐकला असणार. CPU म्हणजे सेंट्रल प्रोसेसिंग युनिट. कोणत्याही कॉम्प्युटर चा CPU हा एक अविभाज्य भाग आहे. CPU हे कॉम्पुटर चे हृदय आहे. कॉम्पुटर मधील सर्व गणिते तसेच डेटा वाहतूक CPU मधून होते. CPU बंद पडला की कॉम्पुटर बंद. तर CPU चा नवीन अवतार GPU आहे. GPU म्हणजे ग्राफिकलं प्रोसेसिंग युनिट. हा GPU, ग्राफिक्स, अतिशय किचकट असे गेम्स, भलीमोठी गणिते तो CPU पेक्षा जास्त वेगाने सोडवतो. प्रत्यक्ष GPU हा साधे काम करण्यासाठी आखलेला आहे परंतु त्याचे अनेक GPU जोडून संच तयार केले की तो अतिशय वेगवान काम करतो. तो ह्या मध्ये Parallel processing करतो त्यामुळे एक काम अनेक GPU मध्ये वाटतो आणि लवकर परिणाम तयार करतो, जशी आपण एक भाजी ४ लोकांना सोलायला किंवा चिरायला दिली की पटकन तयार होईल तसे. सध्या जगभरात बोलबाला असलेल्या आर्टिफिशल इन्टीलीजन्स ( कृत्रिम बुद्धिमत्ता ), मशीन लर्निंग सारख्या अध्ययावत विषयात प्रश्नांची उत्तरे शोधण्यासाठी लाखो पॅरामीटर्स ( बदलणारी गृहिते ) असतात आणि ती वापरून निष्कर्ष तयार करण्यासाठी प्रचंड कॉम्पुटर मेमरी आणि वेग लागतो आणि तो वेग ह्या GPU मध्ये CPU पेक्षा जास्त असतो. ( एक GPU हा साधारण पणे १० ते २०० पट वेगवान असतो. ). तर असे GPU बनवण्यात NVidia, AMD, intel, Qualcom ( for mobile and telecom) ह्या काही प्रमुख कंपन्या आहेत. त्यात सर्वात जास्त वेगवान GPU बनवणारी कंपनी NVidia आहे. त्यांचे H100 GPU मॉडेल आहे. हे त्याच्या आधीच्या मॉडेल A100 पेक्षा ६ पट जास्त वेगवान आहे. NVidia link switch वापरून असे २५६ H100 एकत्र जोडता येतात. अशा प्रकारचे संच Cloud computing मध्ये वापरतात जे पुढे AI अँड मशीन लर्निंग मध्ये वापरतात. सध्या ह्या गोष्टीचे पेव आल्यामुळे NVidia च्या H100 ला खूप मागणी आहे. तुलनाचं करायची झाली तर AMD च्या GPU असलेल्या MI300X ह्या चिपसेट ची किमत १० ते १५ हजार डॉलर्स आहे तर Nvidia च्या H100 ची किमत साधारण ४०,००० डॉलर्स आहे. २०२३-२४ च्या तिसऱ्या तिमाही मध्ये NVedia ने सुमारे ५,००,००० H100 विकले. मायक्रोसॉफ्ट आणि मेटा हे त्यांचे दोन मोठे ग्राहक आहेत. Perplexity Ai म्हणून एक San Fransisco, California मधील आर्टिफिशल इन्टीलीजन्स वर काम करणाऱया कंपनीचा एक संस्थापक अरविंद श्रीनिवास म्हणतो, मी मेटा( पूर्वीची फेसबुक ) कंपनी मधील एका आर्टिफिशल इन्टीलीजन्स शास्त्रज्ञाला आमच्याकडे काम करतोस कां म्हूणन विचारले तर तो म्हणाला की आधी "१०,००० H1000" काम करण्यासाठी उपलब्ध कर मग माझ्याकडे विचारायला ये. इतकी सध्या कॉम्पुटर रिसॉर्सेसची गरज आहे. आणि इतकी GPU ला मागणी आहे. AI चा पूर्ण प्रवास हा कॉम्पुटर रिसॉर्सेस वरतीच अवलंबुन आहे. आणि अर्थात ह्या रिसॉर्सेस साठी सेमी कंडक्टर, सिलिकॉन इत्यादी मटेरियल ला विशेष महत्व आले आहे. मायक्रोसॉफ्ट ची अझूरे नावाची एक cloud computing शाखा आहे आणि आर्टिफिशल इन्टीलीजन्स मध्ये आतापर्यंत पुढे असलेली कंपनी Open AI जीचा मुख्य प्रवर्तक सॅम अल्टमन आहे ( चॅट जीपिटी ४ वाला). तर काळाची पावले ओळखून, सॉफ्टवेअर मध्ये दादा असलेल्या मायक्रोसॉफ्टने OPEN Ai कंपनी मध्ये एकंदर १३ बिलीयन डॉलर्स गुंतवून ४९% भागीदारी घेतली आहे. ती सुद्धा या अटीवर की ओपन AI यातील बहुतेक रक्कम अझूरे प्लॅटफॉर्म वापरून खर्च करेल. म्हणजे चित भी मेरी और पट भी मेरी. म्हणजे इकडे १३ बिलीयन गुंतवायचे आणि इकडे १३ बिलीयन चा व्यवसाय बांधून घ्यायचा. असो अशाच प्रकारे ज्या टेक्नॉलॉजी वर आधारित हे GPU आहेत त्या तंत्रज्ञातील एक भारतीय शास्त्रज्ञ्, गणिती, पुण्यातील डॉ. नरेंद्र करमरकर, हे आहेत, आणि त्यांनी सिम्प्लेक्स मेथड ह्या मॅनेजमेंट थियरी वापरून parallel processing च्या वर आधारित सुपर कॉम्पुटर काढण्याचा आराखडा २००६ मध्येच तयार केला होता आणि भारतातील दिग्गज अशा एक मोठ्या व्यवसायिक ग्रुपबरोबर भागीदारी सुरु केली होती परंतु बौद्धिक संपदा हक्क कोणाचे राहतील यावर काही अटींवर मान्यता न झाल्यामुळे ती भागीदारी रद्द झाली. या साठी दोन्ही पार्टीचे नक्की कुठे बिनसले ते कळले नाही परंतु एक गोष्ट नक्की की व्यवहारात दोन्ही बाजूनी अडेल तट्टू पणा झाला की व्यवहार पूर्ण होत नाही आणि कार्य नाश होतो. करमरकर यांचे नावावर अनेक पेटंट्स आहेत. हे झाले असते तर कॉम्पुटिंग पावर मध्ये भारताचा झेंडा अटकेपारच काय पण जगाच्या पुढे गेला असता. अर्थात हे सर्व करायला दूर दृष्टी लागते, त्याचा अभाव भारतीय व्यवसायिकात आहे. संशोधनावर पैसे खर्च करणे म्हणजे त्यांचे मते वाया घालवणे आहे. तसेच प्रत्येकाला ते नोकरच समजतात. माधव भोळे