Multiverse Computing – CompactifAI
Multiverse Computing
Sector: Generalista
Business Case
El reto al que se enfrenta CompactifAI es la necesidad de reducir significativamente el consumo de recursos computacionales y energéticos requeridos por los LLMS. Estos modelos, suelen ser extremadamente grandes y complejos, lo que conlleva altos costos operativos y limita su uso en dispositivos con capacidades computacionales restringidas. CompactifAI busca resolver este problema mediante la implementación de tecnologías cuánticas y cuánticamente inspiradas para comprimir estos modelos sin perder eficacia, haciendo la inteligencia artificial más accesible y sostenible.
Objetivos
CompactifAI se propone revolucionar la eficiencia de los Modelos de Lenguaje Grande (LLMs) mediante la compresión avanzada de estos modelos utilizando tecnologías cuánticas y cuánticamente inspiradas. Su objetivo es reducir drásticamente el consumo de recursos y energía, disminuir los costos operativos y permitir la implementación de estos modelos en dispositivos con limitaciones computacionales, ampliando así el alcance y la accesibilidad de las soluciones impulsadas por inteligencia artificial.
Use case
CompactifAI propone una solución basada en el uso de redes tensoriales y tecnologías cuánticas para comprimir los LLMs, reduciendo su consumo de recursos y energía y los costos asociados. La construcción de esta solución implica el desarrollo continuo de herramientas de compresión que se integrarán progresivamente en dispositivos tanto locales como en la nube, optimizando modelos públicos y propietarios para una amplia gama de aplicaciones. Este enfoque incremental asegura la adaptabilidad y mejora continua del software, facilitando su adopción en diversos entornos operativos.
Infraestructura
Híbrida
Tecnologías utilizadas
Cuántica
Datos utilizados
Dependiendo del enfoque y la aplicación específica del modelo se podrían utilizar datasets variados
