Extropic क्या बना रहा है
Extropic क्या बनाने का दावा कर रहा है
- कई लोग “थर्मोडायनामिक एआई” पिच का अर्थ इस तरह निकालते हैं:
- एक हार्डवेयर प्लेटफ़ॉर्म जो संभाव्य (probabilistic) गणना के लिए भौतिक शोर/उतार-चढ़ाव का उपयोग करता है।
- ऊर्जा-आधारित मॉडल या संभाव्य ग्राफ़िकल मॉडल, जिन्हें सीधे स्टोकास्टिक एनालॉग सर्किटों के रूप में लागू किया गया हो।
- शुरुआत में कम तापमान पर सुपरकंडक्टिंग Josephson-junction चिप्स, और आगे चलकर ट्रांजिस्टर-आधारित, कमरे के तापमान वाली लाइन।
टिप्पणीकर्ता तकनीकी विचार को कैसे समझते हैं
- कई लोग इसे एआई के लिए अनुकूलित एनालॉग कंप्यूटिंग के रूप में देखते हैं, जो संभवतः एनालॉग में matmuls / sampling कर सकती है।
- अन्य इसे “संभाव्य मॉडलों को हार्डवेयर में पकाना” कहकर देखते हैं, ताकि sampling और inference तेज़ हो सकें।
- एक छोटा समूह इसे मुख्यतः एक बेहतर रैंडम-नंबर जनरेटर समझ बैठता है; अन्य लोग सुधारते हैं कि यह दृष्टि बहुत संकीर्ण है।
- संबंधित “thermodynamic computing” और संभाव्य हार्डवेयर कार्यों के लिंक साझा किए जाते हैं, जिससे कुछ पूर्व कार्य (prior art) का संकेत मिलता है।
संदेह और हाइप को लेकर चिंताएँ
- कई लोग इसे buzzword-heavy, अस्पष्ट, या “new-agey” कहते हैं, और नोट करते हैं कि ब्लॉग पोस्ट समझना कठिन है।
- इस पर संदेह है कि RNG या sampling सचमुच mainstream AI में bottleneck है, matrix multiply और memory bandwidth की तुलना में।
- कई लोग इसकी भाषा की तुलना लंबे समय से चल रही quantum computing hype से करते हैं और “बस आने ही वाला है” वाली एक और कहानी की चिंता जताते हैं।
- superconducting hardware की व्यावहारिकता और system-level ऊर्जा दक्षता (cooling costs) को लेकर चिंताएँ हैं।
व्यावहारिक प्रभाव के बारे में प्रश्न
- यह स्पष्ट नहीं है कि ऐसा संभाव्य हार्डवेयर गुणवत्ता या लागत में मौजूदा LLMs और diffusion models की बराबरी या उनसे बेहतर कर पाएगा या नहीं।
- कुछ लोग उनके मॉडलों के conventional hardware पर simulations और ठोस benchmarks मांगते हैं (जैसे GPUs के मुकाबले speedup या cost)।
- अन्य लोग संभावित niches की ओर इशारा करते हैं: MCMC, probabilistic finance, PGMs, neuromorphic/thermodynamic learning।
संचार, ब्रांडिंग, और सोशल मीडिया पर्सोना
- कई लोगों का तर्क है कि marketing style (घना jargon, “full-stack,” Spotify widgets, meme-heavy founder persona) विश्वसनीयता को नुकसान पहुँचाता है।
- अन्य लोग कहते हैं कि founders तकनीकी रूप से मजबूत हैं, analog ML एक उचित दांव है, और महत्वाकांक्षी hardware प्रयासों के लिए धैर्य रखना चाहिए।
- समग्र स्वर: जिज्ञासा के साथ भारी संदेह, और अधिकांश टिप्पणीकार दावों पर भरोसा करने से पहले स्पष्ट demos और सरल explanations चाहते हैं।