AI & ML Research 24 Hours

সর্বশেষ আপডেট: September 5, 2026, 6:09 AM ET

AI ও ML গবেষণা

ইনফারেন্স ওয়ার্কলোড প্রশিক্ষণের চেয়ে এগিয়ে যাওয়ার সাথে সাথে, মেমোরি এবং স্টোরেজ আর্কিটেকচারগুলিকে বিকশিত হতে বাধ্য করা হচ্ছে, এবং MIT Technology Review পরীক্ষা করে দেখছে যে সিস্টেমগুলিকে কীভাবে রিয়েল-টাইম AI অ্যাপ্লিকেশনগুলির জন্য কম-লেটেন্সি ডেটা অ্যাক্সেসকে অগ্রাধিকার দিতে হবে, যেমন স্বাস্থ্যসেবা বিশ্লেষণ, ঐতিহ্যবাহী স্টোরেজ স্তরবিন্যাস থেকে সরে এসে। এদিকে, সেই ওয়ার্কলোড চালানোর খরচ পরীক্ষা-নিরীক্ষার স্তরে অপ্টিমাইজেশন চালাচ্ছে। A/B পরীক্ষার জন্য যেখানে চিকিৎসার খরচ নিয়ন্ত্রণের চেয়ে বেশি, ডিফল্ট 50/50 বিভাজনটি সর্বোত্তম নয়, এবং খরচ-ভিত্তিক স্যাম্পলিং ওয়েট পরিসংখ্যানগত শক্তি বজায় রেখে ব্যয় কমাতে পারে।

LLM সার্ভিং অবকাঠামোও সতর্কতার সাথে ট্রেড-অফের দাবি করে। প্রিফিল থেকে ডিকোড আলাদা করা শুধুমাত্র প্রায় এক হাজার-GPU স্কেলে লাভজনক, এবং এর জন্য তিনটি নির্দিষ্ট শর্ত পূরণ করা প্রয়োজন; সেই থ্রেশহোল্ডের নীচে, চাঙ্কড প্রিফিলই আরও দক্ষ ডিফল্ট হিসেবে রয়ে গেছে। ডেভেলপার দিক থেকে, Power BI Premium-এর পরিবর্তে Microsoft Fabric-এর আগমন উল্লেখযোগ্য ওয়ার্কফ্লো পরিবর্তন নিয়ে আসে। Power BI ডেভেলপারদের জন্য একটি সারভাইভাল গাইড বিস্তারিতভাবে বর্ণনা করে কী পরিবর্তিত হয়েছে, কী একই রয়ে গেছে, এবং সামনের পথের একটি পরামর্শ দেয়।

ব্যবহারিক সম্পদের সীমাবদ্ধতা চতুর সমাধান চালাচ্ছে। ডেভেলপাররা এখন হালকা ওজনের অর্কেস্ট্রেশন ব্যবহার করে ব্যয়বহুল হার্ডওয়্যার ছাড়াই 10+ সমান্তরাল Claude Code সেশন চালাতে পারেন, যেমনটি এখানে ব্যাখ্যা করা হয়েছে। অবশেষে, একটি বিস্তৃত প্রবণতা দেখা দিচ্ছে: ইউক্রেনের যুদ্ধক্ষেত্রের ড্রোন ডেটা ডেটা বিক্রেতাদের জন্য একটি নতুন বাজার তৈরি করছে, যখন AI মডেলগুলি ভাষাকে নিজেই নতুন আকার দিচ্ছে—এই দুটি শক্তির দীর্ঘমেয়াদী প্রভাব রয়েছে কীভাবে ডেটা উত্পাদিত এবং খাওয়া হয় তার উপর।