सार:
Microsoft कृत्रिम बुद्धिमत्ता मॉडल को प्रशिक्षित करने के लिए सामान्य उपभोक्ता कंप्यूटरों की निष्क्रिय कंप्यूटिंग शक्ति का उपयोग करने का एक तरीका तलाश रहा है। हाल ही में प्रकाशित एक पेटेंट आवेदन के अनुसार, माइक्रोसॉफ्ट ने बड़े पैमाने पर एआई मॉडल प्रशिक्षण कार्यों को बड़ी संख्या में छोटे कार्यों में विभाजित करने और उन्हें निष्क्रिय गेमिंग कंप्यूटर, लैपटॉप और यहां तक कि स्मार्टफोन में वितरित करने के लिए एक वितरित कंप्यूटिंग नेटवर्क स्थापित करने का प्रस्ताव दिया है। जो उपयोगकर्ता उपकरण कंप्यूटिंग शक्ति प्रदान करने के इच्छुक हैं, उन्हें अंक, मुफ्त सॉफ्टवेयर, एआई मॉडल उपयोग अधिकार और यहां तक कि नकद पुरस्कार भी मिल सकते हैं।
इस तकनीक को "स्पेयर जीपीयू यूटिलाइजेशन का उपयोग कर एज डिवाइसेज पर अवसरवादी माइक्रो-ट्रेनिंग" कहा जाता है और इसे माइक्रोसॉफ्ट टेक्नोलॉजी लाइसेंसिंग कंपनी माइक्रोसॉफ्ट टेक्नोलॉजी लाइसेंसिंग द्वारा प्रस्तुत किया गया था। पेटेंट आवेदन 30 अप्रैल, 2025 को प्रस्तुत किया गया था और 5 नवंबर, 2026 को यूएस 2026/0349820 ए1 नंबर के साथ प्रकाशित किया गया था।
माइक्रोसॉफ्ट ने एप्लिकेशन दस्तावेजों में बताया कि कृत्रिम बुद्धिमत्ता मॉडल प्रशिक्षण के लिए जीपीयू की मांग लगातार बढ़ रही है, जिससे कंप्यूटिंग संसाधनों की कमी हो गई है और हार्डवेयर आपूर्ति पर दबाव पड़ा है। साथ ही, कई गेमिंग पीसी शक्तिशाली असतत ग्राफिक्स कार्ड से लैस हैं, लेकिन ये डिवाइस अक्सर लंबे समय तक कम लोड में रहते हैं जब उपयोगकर्ता गेम नहीं खेल रहा होता है। माइक्रोसॉफ्ट इन बिखरी हुई निष्क्रिय कंप्यूटिंग शक्ति को एकीकृत करके एक वितरित कंप्यूटिंग नेटवर्क बनाने की उम्मीद करता है जो एआई प्रशिक्षण प्रदान कर सके।
मूल विचार पारंपरिक बड़े डेटा केंद्रों से अलग है। बड़े पैमाने पर एआई प्रशिक्षण कार्यों के लिए आमतौर पर एक साथ काम करने के लिए हजारों या यहां तक कि हजारों जीपीयू की आवश्यकता होती है। Microsoft पहले मॉडल का विश्लेषण करने, विभिन्न कंप्यूटिंग कार्यों के बीच निर्भरता स्थापित करने और फिर संपूर्ण प्रशिक्षण प्रक्रिया को कई अपेक्षाकृत स्वतंत्र छोटे कार्यों में विभाजित करने का प्रस्ताव करता है, जिन्हें तथाकथित सूक्ष्म कार्य कहा जाता है।
फिर सिस्टम इन कार्यों को GPU प्रदर्शन, वीडियो मेमोरी क्षमता और विभिन्न उपकरणों के उपलब्ध समय के आधार पर नेटवर्क में भाग लेने वाले पीसी को वितरित करता है। डिवाइस गणना पूरी करने के बाद, यह परिणामों को केंद्रीय प्रणाली पर अपलोड करता है, जहां सर्वर उन्हें सत्यापित और एकीकृत करता है, और बाद के प्रशिक्षण को बढ़ावा देना जारी रखता है।
विभिन्न उपकरणों के बीच प्रदर्शन अंतर को समग्र दक्षता को प्रभावित करने से रोकने के लिए, Microsoft ने एक गतिशील कार्य आवंटन तंत्र भी डिज़ाइन किया है। सिस्टम कार्य विभाजन के बाद संचार लागत, अतिरिक्त मेमोरी ओवरहेड और विभिन्न उपकरणों के बीच डेटा ट्रांसमिशन की आवृत्ति का मूल्यांकन करेगा, और वितरित निष्पादन के लिए उपयुक्त कार्य विभाजन विधि चुनने का प्रयास करेगा।
इस प्रणाली की सबसे महत्वपूर्ण विशेषताओं में से एक यह निर्धारित करने की क्षमता है कि उपयोगकर्ता का कंप्यूटर वास्तव में कब निष्क्रिय है। Microsoft GPU उपयोग, वीडियो मेमोरी उपयोग, प्रोसेसर लोड, डिवाइस तापमान और बिजली की खपत की लगातार निगरानी करने और भविष्य में डिवाइस की उपलब्ध कंप्यूटिंग शक्ति का अनुमान लगाने के लिए इन डेटा का उपयोग करने की योजना बना रहा है।
उदाहरण के लिए, जब उपयोगकर्ता एक बड़ा गेम चला रहा होता है, तो सिस्टम कार्य आवंटन की आवृत्ति को कम कर सकता है या गणना को पूरी तरह से निलंबित भी कर सकता है; जब कंप्यूटर डेस्कटॉप स्टैंडबाय में होता है, GPU तापमान कम होता है और वीडियो मेमोरी पर्याप्त होती है, तो अधिक प्रशिक्षण कार्य आवंटित किए जा सकते हैं। बार-बार निरीक्षण के कारण होने वाले अतिरिक्त बोझ से बचने के लिए सिस्टम उपकरण की वास्तविक स्थिति के अनुसार निगरानी आवृत्ति को भी समायोजित करेगा।
Microsoft ने विशेष रूप से जोर दिया कि संपूर्ण तंत्र का डिज़ाइन लक्ष्य उपयोगकर्ताओं के कंप्यूटर के सामान्य उपयोग को यथासंभव प्रभावित होने से बचाना है, जिसमें एप्लिकेशन की चलने की गति को कम करना, डिवाइस की गर्मी बढ़ाना और बैटरी पावर की खपत शामिल है। विभिन्न उपकरणों को सौंपे गए कार्यों को उनकी हार्डवेयर क्षमताओं के आधार पर गतिशील रूप से समायोजित किया जाएगा। कमजोर प्रदर्शन वाले या किसी भी समय ऑफ़लाइन रहने वाले उपकरण केवल छोटे कंप्यूटिंग कार्य ही करेंगे।
वितरित कंप्यूटिंग नेटवर्क के लिए, एक और कठिन समस्या यह है कि यह कैसे सुनिश्चित किया जाए कि भाग लेने वाले उपकरणों द्वारा लौटाए गए परिणाम भरोसेमंद हैं। आख़िरकार, नेटवर्क पर कंप्यूटर गणना में त्रुटियाँ कर सकते हैं, अप्रत्याशित रूप से डिस्कनेक्ट हो सकते हैं, या जानबूझकर गलत परिणाम भी सबमिट कर सकते हैं।
इस उद्देश्य के लिए, Microsoft ने विभिन्न उपकरणों द्वारा लौटाए गए गणना परिणामों को क्रॉस-वैलिडेट करने और डिवाइस की पिछली विश्वसनीयता, अन्य उपकरणों के गणना परिणामों के साथ परिणामों की स्थिरता और डेटा की नवीनता के आधार पर लौटाए गए परिणामों को अलग-अलग भार देने का प्रस्ताव दिया। समय के साथ लगातार प्रदर्शन करने वाले उपकरणों को उच्च विश्वसनीयता दी जाएगी, जबकि अक्सर असामान्य परिणाम प्रस्तुत करने वाले उपकरणों को डाउनग्रेड किया जा सकता है।
बेशक, सामान्य कंप्यूटर उपयोगकर्ताओं के लिए इस पेटेंट की सबसे आकर्षक बात कंप्यूटिंग शक्ति प्रदान करने के लिए भुगतान प्राप्त करने की संभावना है।
जैसा कि आवेदन दस्तावेजों द्वारा प्रस्तुत किया गया है, उपयोगकर्ताओं को सक्रिय रूप से पंजीकरण करने और गणना में भाग लेने के लिए डिवाइस को स्पष्ट रूप से अधिकृत करने की आवश्यकता है। सिस्टम प्रत्येक डिवाइस द्वारा किए गए कंप्यूटिंग कार्य की मात्रा को रिकॉर्ड कर सकता है और योगदान के आधार पर डिवाइस मालिक को मुआवजा दे सकता है। ये मुआवज़े खाता बिंदुओं के रूप में हो सकते हैं, जिन्हें उपयोगकर्ता मुफ्त सॉफ़्टवेयर, प्रशिक्षित एआई मॉडल तक पहुंच या बस नकद प्राप्त करने के लिए भुना सकते हैं।
यह ध्यान देने योग्य है कि Microsoft ने दस्तावेज़ में विशिष्ट मुआवजे मानकों की घोषणा नहीं की, न ही यह बताया कि विभिन्न ग्राफिक्स कार्ड प्रति घंटे कितना राजस्व कमा सकते हैं। पेटेंट केवल संभावित प्रोत्साहन तंत्र का वर्णन करता है और इसका मतलब यह नहीं है कि माइक्रोसॉफ्ट उपभोक्ताओं के लिए सशुल्क सेवा शुरू करने के लिए तैयार है।
इसके अलावा, यह सिस्टम आवश्यक रूप से केवल Microsoft के अपने AI मॉडल की सेवा नहीं करता है। पेटेंट एक संभावित मॉडल का भी वर्णन करता है जिसमें एक तृतीय-पक्ष संगठन प्रशिक्षण कार्य प्रदान करता है और Microsoft कार्य अनुरोधकर्ताओं और व्यक्तिगत डिवाइस मालिकों को जोड़ने के लिए जिम्मेदार है। दूसरे शब्दों में, माइक्रोसॉफ्ट के पास वितरित जीपीयू कंप्यूटिंग पावर बाजार में एक मध्यवर्ती मंच बनने का अवसर है, जिससे उन कंपनियों को सामान्य उपभोक्ता कंप्यूटरों में निष्क्रिय जीपीयू पावर किराए पर लेने की अनुमति मिलती है जिनके पास कंप्यूटिंग संसाधनों की कमी है।
हालाँकि, इस मॉडल में कुछ व्यावहारिक समस्याएँ भी हैं। सबसे पहले, सिर्फ इसलिए कि GPU निष्क्रिय है इसका मतलब यह नहीं है कि कंप्यूटिंग कार्यों को चलाने से बिजली की खपत नहीं होती है। एक बार जब ग्राफिक्स कार्ड एआई प्रशिक्षण कार्य करना शुरू कर देता है, तो पूरे कंप्यूटर की बिजली खपत काफी बढ़ सकती है, और उपयोगकर्ता को अतिरिक्त बिजली बिल वहन करने की आवश्यकता होगी। यदि मुआवज़ा राशि बिजली की लागत को कवर करने के लिए पर्याप्त नहीं है, तो प्रतिभागी वास्तव में लाभ कमाने में सक्षम नहीं हो सकते हैं।
दूसरी बात, लंबे समय तक उच्च-लोड कंप्यूटिंग कार्यों को चलाने से ग्राफिक्स कार्ड की गर्मी उत्पादन और गर्मी अपव्यय दबाव बढ़ जाएगा, और पंखे और बिजली आपूर्ति प्रणालियों जैसे हार्डवेयर के उपयोग पर भी असर पड़ सकता है। भले ही सिस्टम तापमान के आधार पर कार्यों को गतिशील रूप से समायोजित कर सकता है, वास्तविक ऑपरेटिंग प्रभाव को अभी भी दीर्घकालिक परीक्षण के माध्यम से सत्यापित करने की आवश्यकता है।
डेटा सुरक्षा भी ध्यान देने योग्य है। पर्सनल कंप्यूटरों को तीसरे पक्ष से कंप्यूटिंग कार्य प्राप्त होंगे। बाहरी कोड को कैसे अलग किया जाए, स्थानीय फ़ाइलों और उपयोगकर्ता की गोपनीयता की रक्षा कैसे की जाए, और दुर्भावनापूर्ण कार्यों को डिवाइस की कमजोरियों का फायदा उठाने से कैसे रोका जाए, ये सभी मुद्दे हैं जिन्हें इस प्रकार के वितरित कंप्यूटिंग नेटवर्क में हल किया जाना चाहिए।
एक और विवरण है जिसे आसानी से नजरअंदाज कर दिया जाता है: हालांकि पेटेंट आवेदन में उपकरण मालिक को मुआवजे के भुगतान का उल्लेख है, लेकिन प्रासंगिक मुआवजा उसके 20 दावों में दिखाई नहीं देता है। दूसरे शब्दों में, पेटेंट प्रशिक्षण कार्यों को विभाजित करने, उपकरण निष्क्रिय स्थिति की निगरानी करने, कंप्यूटिंग कार्य आवंटित करने और परिणामों को सत्यापित करने पर केंद्रित है, जबकि भुगतान तंत्र केवल विनिर्देश में वर्णित एक वैकल्पिक कार्यान्वयन है।
वर्तमान में, Microsoft ने इस सेवा के लॉन्च की घोषणा नहीं की है, न ही इसने समर्थित ग्राफिक्स कार्ड मॉडल, भागीदारी शर्तों, पारिश्रमिक मानकों या आधिकारिक लॉन्च समय की घोषणा की है। किसी पेटेंट आवेदन के प्रकाशन का मतलब यह नहीं है कि संबंधित उत्पाद निश्चित रूप से बाजार में प्रवेश करेंगे।
यदि यह विचार अंततः साकार हो जाता है, तो इसका मॉडल प्रारंभिक वितरित कंप्यूटिंग परियोजनाओं की याद दिला सकता है, जैसे कि फोल्डिंग@होम, जो वैज्ञानिक अनुसंधान में भाग लेने के लिए व्यक्तिगत कंप्यूटर की निष्क्रिय कंप्यूटिंग शक्ति का उपयोग करता है। अंतर यह है कि माइक्रोसॉफ्ट इस मॉडल को और अधिक व्यावसायीकरण करने और आम उपभोक्ताओं के गेमिंग कंप्यूटरों को एआई उद्योग के कंप्यूटिंग बुनियादी ढांचे का हिस्सा बनाने की उम्मीद करता है।
उच्च-प्रदर्शन ग्राफिक्स कार्ड वाले उपयोगकर्ताओं के लिए, भविष्य में कंप्यूटर का उपयोग केवल गेम, रेंडरिंग और स्थानीय एआई अनुमान के लिए नहीं किया जा सकता है। जब कंप्यूटर उपयोग में नहीं होता है, तो निष्क्रिय GPU एक कंप्यूटिंग संसाधन भी बन सकता है जिसे किराए पर लिया जा सकता है। हालाँकि, वास्तव में एक आकर्षक व्यवसाय मॉडल अंततः बनाया जा सकता है या नहीं यह अभी भी इस बात पर निर्भर करता है कि पारिश्रमिक बिजली बिल, हार्डवेयर हानि और डिवाइस सुरक्षा और गोपनीयता में उपयोगकर्ताओं के विश्वास को कवर करने के लिए पर्याप्त है या नहीं।
टिप्पणियाँ