Pinterest ने Nvidia के साथ बनाई साझा मल्टीमॉडल AI परत

Pinterest की नई घोषणा किसी एक नए उपभोक्ता फीचर की नहीं, बल्कि साझा AI इंफ्रास्ट्रक्चर की है। कंपनी ने Nvidia के साथ ऐसी तकनीकी परत बनाई है, जिस पर इमेज और भाषा को साथ समझने वाले उत्पाद चल सकें। इसका मतलब है कि अलग-अलग प्रोडक्ट टीमें विज़ुअल AI अनुभवों के लिए हर बार अलग सर्विंग सिस्टम बनाने के बजाय एक ही आधार का उपयोग कर सकती हैं। 46

Pinterest ने क्या बनाया है?

इस प्लेटफॉर्म के तीन प्रमुख हिस्से हैं:

• Nvidia Blackwell B200 GPU: विज़न-लैंग्वेज मॉडल चलाने के लिए तेज़ कंप्यूटिंग क्षमता देने वाला हार्डवेयर। 4
• Nvidia Dynamo: मल्टीमॉडल AI वर्कलोड—यानी टेक्स्ट और इमेज, दोनों वाले अनुरोधों—को कुशलता से चलाने और रूट करने वाला सर्विंग सॉफ्टवेयर। 24
• Pinterest के विज़ुअल एम्बेडिंग्स: तस्वीरों के पहले से तैयार संख्यात्मक प्रतिनिधित्व, जिन्हें मॉडल को दिया जा सकता है; इससे हर अनुरोध पर वही मूल इमेज दोबारा प्रोसेस करने की जरूरत घटती है। 26

इस संयोजन का उद्देश्य मल्टीमॉडल उत्पादों को बड़े पैमाने पर चलाना और उन्हें तैनात करना आसान बनाना है। यानी विज़ुअल सर्च, असिस्टेंट और सेफ्टी टूल्स अलग-अलग इंफ्रास्ट्रक्चर प्रोजेक्ट न रहकर एक साझा तकनीकी आधार पर बन सकते हैं। 6

किन फीचर्स को मिलेगा आधार?

Pinterest के अनुसार, यह साझा परत इमेज और भाषा पर आधारित सुविधाओं के बढ़ते दायरे को सक्षम करती है। इनमें विज़ुअल सर्च, कंटेंट को समझना, AI-आधारित डिस्कवरी और शॉपिंग, बातचीत करने वाला Pinterest Assistant, मल्टीमॉडल रीरैंकिंग, कंटेंट-सेफ्टी सिस्टम और सिग्नल जनरेशन शामिल हैं। 46

इसका अहम पहलू यह है कि सिस्टम उपयोगकर्ता के लिखे शब्दों के साथ तस्वीर के भीतर मौजूद चीज़ों का संदर्भ भी ले सकता है। विज़ुअल डिस्कवरी प्लेटफॉर्म के लिए यह समझने में मददगार हो सकता है कि व्यक्ति क्या खोज रहा है, कौन-सा कंटेंट प्रासंगिक है और सिफारिशों को कैसे बेहतर किया जाए।

Pinterest का कहना है कि वह हर महीने होने वाली 80 अरब से अधिक खोजों से AI-आधारित डिस्कवरी और शॉपिंग के लिए सिग्नल तैयार करता है। नई इंफ्रास्ट्रक्चर परत का मकसद इन सिग्नलों को अधिक विज़ुअल और संवादात्मक अनुभवों में अधिक उपयोगी बनाना है। 6

पहले से तैयार विज़ुअल प्रतिनिधित्व क्यों अहम हैं?

विज़न-लैंग्वेज मॉडल महंगे हो सकते हैं, क्योंकि उन्हें टेक्स्ट के साथ बड़ी इमेज फाइलें संभालनी पड़ती हैं और मॉडल कैश की काफी स्थिति बनाए रखनी होती है। Pinterest के तरीके में प्रोजेक्शन एम्बेडिंग्स शामिल हैं, जिन्हें तकनीकी कवरेज में PinCLIP एम्बेडिंग्स कहा गया है। ये विज़ुअल जानकारी को मॉडल के टोकन स्पेस में मैप करती हैं।

इससे हर बार कच्ची इमेज भेजकर उसे फिर से एन्कोड करने के बजाय, अनुरोध पहले से तैयार विज़ुअल प्रतिनिधित्व का इस्तेमाल कर सकता है। 210

Pinterest ने इस तरीके और Dynamo के अनुकूलनों के लिए ये प्रदर्शन नतीजे बताए हैं:

• Pinterest Assistant में प्रति अनुरोध 25 गुना अधिक विज़ुअल संदर्भ। 4
• बेंचमार्क परीक्षण में जवाब शुरू होने का समय करीब 85 गुना तेज़। 13
• बेंचमार्क परीक्षण में एंड-टू-एंड लेटेंसी 7.3 गुना तेज़। 13

ये कंपनी द्वारा बताए गए बेंचमार्क परिणाम हैं। इन्हें इसी आर्किटेक्चर और वर्कलोड कॉन्फ़िगरेशन की माप के रूप में देखना चाहिए, न कि हर Pinterest सर्च या असिस्टेंट बातचीत में समान सुधार की गारंटी के रूप में।

एक बार का लॉन्च नहीं, दीर्घकालिक प्लेटफॉर्म

Pinterest और Nvidia के मुताबिक, यह काम उनकी करीब पांच साल पुरानी साझेदारी का विस्तार है, जो रिकमेंडेशन सिस्टम और जनरेटिव AI तक फैली हुई है। Pinterest के पास 14,000 Nvidia GPU का बेड़ा है। 4

यही पैमाना इस रणनीति को समझाता है: एक सामान्य सर्विंग लेयर के जरिए कंपनी विज़ुअल और संवादात्मक AI सुविधाओं का विस्तार कर सकती है, जबकि उनके नीचे का इंफ्रास्ट्रक्चर एकरूप बना रहता है। Nvidia के केस स्टडी में इस सिस्टम को Pinterest Assistant, रीरैंकिंग, कंटेंट सेफ्टी और सिग्नल जनरेशन जैसे अनुभवों के लिए प्लेटफॉर्म बताया गया है। 4

इंफ्रास्ट्रक्चर की घोषणा के बाद सोमवार के कारोबार में Pinterest के शेयर करीब 1.8% बढ़े, Investing.com के अनुसार। 17

उपयोगकर्ता के लिए इसका सीधा मतलब

Pinterest उत्पाद-दर-उत्पाद AI सिस्टम बनाने के बजाय एक केंद्रीकृत मल्टीमॉडल आधार की ओर बढ़ रहा है। Blackwell हार्डवेयर कंप्यूटिंग क्षमता देता है, Dynamo मॉडल चलाने और अनुरोधों को रूट करने में मदद करता है, जबकि Pinterest के विज़ुअल एम्बेडिंग्स बार-बार इमेज प्रोसेसिंग घटाते हैं।

मिलकर ये हिस्से विज़ुअल डिस्कवरी, शॉपिंग और असिस्टेंट-जैसे अनुभवों को प्लेटफॉर्म पर चलाने और विस्तार देने को अधिक तेज़ व आसान बनाने के लिए तैयार किए गए हैं। 246