$GOOGL está em todo o lado! 👇

Google revela algoritmos para abordar desafios de memória em IA; ações de memória e armazenamento caem
Google (GOOG)(GOOGL) revelou hoje um conjunto de novos algoritmos concebidos para reduzir a quantidade de memória necessária para executar grandes modelos de linguagem e motores de pesquisa vetorial.
As ações dos principais fornecedores de memória e armazenamento tinham caído durante as transações do início da sessão de quarta-feira. Micron Technology (MU) caiu 4%, Western Digital desceu 4,4%, Seagate Technology (STX) recuou 5,6%, e Sandisk (SNDK) caiu 6,5%. Sandisk revelou hoje que celebrou um acordo de subscrição de colocação privada para fazer um investimento de capital na empresa de semicondutores Nanya Technology.
Os algoritmos introduzidos pelo Google incluem TurboQuant, Quantized Johnson-Lindenstrauss e PolarQuant. TurboQuant é um algoritmo de compressão que aborda otimamente o desafio da sobrecarga de memória na quantização vetorial.
Uma técnica matemática conhecida como Transformação Johnson-Lindenstrauss encolhe dados complexos de alta dimensionalidade mantendo as distâncias essenciais e as relações entre pontos de dados. Este algoritmo cria um método de atalho de alta velocidade que não requer qualquer sobrecarga de memória.
Por fim, PolarQuant aborda o problema de sobrecarga de memória utilizando coordenadas polares. Isto permite que os LLMs saltem a etapa de normalização de dados porque mapeia dados numa grelha "circular" fixa e previsível, onde os limites já são conhecidos.
"À medida que a IA se torna mais integrada em todos os produtos, desde LLMs até pesquisa semântica, este trabalho em quantização vetorial fundamental será mais crítico do que nunca," disse o cientista de pesquisa do Google Amir Zandieh e Vahab Mirrokni, VP e Google Fellow, numa publicação no blogue.
Google planeia apresentar TurboQuant na Conferência Internacional sobre Representações de Aprendizagem no Rio de Janeiro em abril.