चूहे के मस्तिष्क पर आधारित न्यूरल कंप्यूटिंग AWS क्लाउड में आएगी
The Biological Computing Company चूहे के मस्तिष्क की कोशिकाओं की गतिविधि के विश्लेषण पर आधारित एक टूल AWS के ग्राहकों को उपलब्ध कराना शुरू कर रही है; शुरुआत में यह सीमित पूर्वावलोकन मोड में उपलब्ध होगा। कंपनी का कहना है कि यह तकनीक वीडियो जनरेशन को तेज़ करती है और इन्फ़रेंस की लागत घटाती है, लेकिन वह यह नहीं बताती कि तुलना किस मॉडल से की गई थी।
यह विकास क्या है
The Biological Computing Company (TBC) चूहे के मस्तिष्क की कोशिकाओं के तंत्रिका पैटर्न पर आधारित एक AI मॉडल विकसित कर रही है। इसका उद्देश्य वीडियो जनरेशन मॉडल की दक्षता बढ़ाना है।
यह जैविक कोशिकाओं को क्लाउड में चलाने की बात नहीं है, बल्कि एक सॉफ़्टवेयर टूल की है जो पहचाने गए कंप्यूटेशनल पैटर्न का अनुकरण करता है। कंपनी कोशिकाओं के काम करने के तरीके का विश्लेषण करती है और उनसे मिले पैटर्न को सॉफ़्टवेयर में बदलती है।
कंप्यूटेशनल पैटर्न कैसे प्राप्त किए जाते हैं
चूहे के मस्तिष्क की कोशिकाओं को कई इलेक्ट्रोड वाले सिलिकॉन एरे पर रखा जाता है। इन्हें स्विस बायोटेक कंपनी 3Brain बनाती है।
शोधकर्ता न्यूरॉन्स को विद्युत संकेत देते हैं और उनकी प्रतिक्रिया रिकॉर्ड करते हैं। इसके बाद TBC तंत्रिका गतिविधि का विश्लेषण करके सॉफ़्टवेयर टूल के लिए पैटर्न पहचानती है।
कंपनी के सह-संस्थापक अलेक्ज़ेंडर क्सेन्ज़दोव्स्की के अनुसार, यह प्रक्रिया जैविक सामग्री के लिए जानकारी, जैसे छवियों, को एन्कोड करने से शुरू होती है। फिर टीम देखती है कि कोशिकाएँ इसे कैसे प्रोसेस करती हैं और इस प्रक्रिया का अनुकरण करने वाला टूल बनाती है।
यह विकास दृश्य डेटा पर क्यों केंद्रित है
TBC ने छवियों और वीडियो को चुना, क्योंकि इन्हें टेक्स्ट या भाषा की तुलना में ग्रिड पर दिखाना आसान है। इलेक्ट्रोड और न्यूरॉन्स के बीच परस्पर क्रिया एरे पर उनकी स्थिति से प्रभावित होती है।
- दृश्य जानकारी एरे के साथ काम करने का आधार है।
- यह मॉडल मौजूदा वीडियो जनरेशन सिस्टम को बेहतर बनाने के लिए बनाया गया है।
व्यावहारिक निष्कर्ष: विकास की घोषित विशेषज्ञता दृश्य कार्य हैं, न कि टेक्स्ट या भाषा के साथ काम करना।
प्रदर्शन के बारे में क्या जानकारी है
TBC का दावा है कि उसका मॉडल वीडियो पाँच गुना तक तेज़ी से जनरेट करता है और इन्फ़रेंस की लागत में काफ़ी कमी लाता है। कंपनी इसकी तुलना उस ओपन मॉडल से करती है जिस पर यह विकास आधारित है।
TBC ने तुलना के लिए इस्तेमाल किए गए मॉडल का नाम नहीं बताया है। कंपनी केवल इतना कहती है कि यह अग्रणी वीडियो जनरेशन मॉडलों में से एक है।
इसलिए गति और लागत से जुड़े दावे को कंपनी का अपना अनुमान मानना चाहिए। चुनाव करने के लिए अपने कार्य पर तुलना करना महत्वपूर्ण है: उपलब्ध जानकारी ठोस मॉडलों की तुलना करने के लिए पर्याप्त नहीं है।
यह तकनीक कहाँ उपलब्ध होगी
पहले TBC का मॉडल केवल neocloud प्रदाता Bluesky Compute के ज़रिए उपलब्ध था। अब मंगलवार से Amazon Web Services के चुनिंदा ग्राहकों के लिए सीमित प्रारंभिक पहुँच शुरू होगी।
Amazon और TBC को उम्मीद है कि जल्द ही AWS के सभी एंटरप्राइज़ ग्राहकों के लिए यह तकनीक उपलब्ध करा दी जाएगी। फिलहाल विशिष्ट ग्राहकों के लिए उपलब्धता सीमित है और व्यापक लॉन्च की शर्तें नहीं बताई गई हैं।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
इंटरैक्टिव XR विकास में कोडिंग एजेंटों का मूल्यांकन: GenXR-Bench के निष्कर्ष
GenXR-Bench प्रकाशित किया गया है—इंटरैक्टिव XR विकास में coding एजेंटों के एंड-टू-एंड मूल्यांकन के लिए 112 विशेषज्ञ कार्यों का एक सेट: सुविधाओं को बेहतर बनाने और दोषों को ठीक करने से लेकर उपभोक्ता उपकरणों पर व्यवहार की जाँच के साथ ऐप्लिकेशन बनाने तक। परीक्षण किए गए दस मॉडलों में सर्वश्रेष्ठ परिणाम 50,9% Pass@1 रहा; बार-बार सामने आने वाली विफलताओं में सेंसर की असिंक्रोनस घटनाओं को संभालना, वस्तुओं को वास्तविक स्थान से जोड़ना और भौतिक संदर्भ में अंतःक्रिया को समझना शामिल हैं।
5 नवम्बर 2026
हाइब्रिड इमेज एनोटेशन: ऑटोमेशन कंप्यूटर विज़न मॉडल्स के प्रशिक्षण को तेज़ करता है
यह लेख बताता है कि एल्गोरिदम द्वारा पूर्व-लेबलिंग मैन्युअल काम को कैसे कम करती है और प्रशिक्षण डेटासेट की गुणवत्ता कैसे बढ़ाती है, साथ ही यह भी कि इंसानों द्वारा नमूना-आधारित सत्यापन अब भी क्यों ज़रूरी है। इसमें कठिन शूटिंग परिस्थितियों और दुर्लभ प्रकार की वस्तुओं के मामले में इस विधि की सीमाओं पर चर्चा की गई है।
5 नवम्बर 2026
स्केलर पुरस्कार से पारेतो फ्रंट तक: बहु-उद्देश्यीय रीइन्फोर्समेंट लर्निंग के साथ RTL का LLM संश्लेषण
एक भाषा मॉडल को एक ही डिज़ाइन के बजाय क्षेत्रफल, विलंबता और ऊर्जा खपत के बीच अलग-अलग समझौतों वाले RTL उम्मीदवारों का एक सेट तैयार करने के लिए प्रशिक्षित करने का तरीका प्रस्तावित किया गया है; इनाम की गणना पारेतो फ्रंट के हाइपरवॉल्यूम में प्रत्येक उम्मीदवार के योगदान के आधार पर की जाती है। RTLLM v2 पर, PPA अनुकूलन के बिना मूल संस्करण की तुलना में सापेक्ष हाइपरवॉल्यूम 13,3 प्रतिशत अंक और एकल-उद्देश्यीय सुदृढीकरण सीखने की तुलना में 14,4 प्रतिशत अंक बढ़ा।
5 नवम्बर 2026