साक्षात्कार
एटान गिंसबर्ग, मार्टियन के सह-संस्थापक – साक्षात्कार श्रृंखला

मुख्य बिंदुमार्शियन प्रत्येक प्रॉम्प्ट को हर विकल्प का परीक्षण करने के बजाय मॉडल के व्यवहार को…
और देखें
- मार्शियन प्रत्येक प्रॉम्प्ट को हर विकल्प का परीक्षण करने के बजाय मॉडल के व्यवहार को समझकर सर्वोत्तम मॉडल तक पहुँचाता है।
- मॉडल मैपिंग अपारदर्शी भाषा मॉडलों को व्याख्यायोग्य प्रणालियों में बदल देती है, ताकि प्रत्येक मॉडल को चलाए बिना रूटिंग निर्णय लिए जा सकें।
- कंपनी का लक्ष्य व्याख्यायोग्यता में ऐसी सफलताएँ हासिल करना है जब तक कृत्रिम बुद्धिमत्ता के पास बुद्धिमत्ता का एक सुदृढ़ सिद्धांत न हो जाए।
एटान गिंसबर्ग मार्टियन के सह-संस्थापक हैं, जो एक ऐसा प्लेटफ़ॉर्म है जो हर प्रॉम्प्ट को सबसे अच्छे एलएलएम में डायनामिक रूप से रूट करता है। रूटिंग के माध्यम से, मार्टियन किसी भी व्यक्तिगत प्रदाता की तुलना में उच्च प्रदर्शन और कम लागत प्राप्त करता है, जिसमें जीपीटी-4 भी शामिल है। यह प्रणाली कंपनी की विशिष्ट मॉडल मैपिंग प्रौद्योगिकी पर बनाई गई है जो एलएलएम को जटिल ब्लैक बॉक्स से अधिक व्याख्यात्मक वास्तुकला में अनपैक करती है, जिससे यह मैकेनिस्टिक व्याख्यात्मकता का पहला व्यावसायिक अनुप्रयोग बन जाता है।
एटान ने मध्य विद्यालय में ही कोडिंग, वेबसाइट डिज़ाइनिंग और ग्राहकों के लिए ई-बिजनेस बनाना शुरू कर दिया था। एक बहुमुखी एटान विश्व मेमोरी चैंपियनशिप प्रतियोगी हैं और शेन्ज़ेन, चीन में विश्व स्पीड रीडिंग चैंपियनशिप में दूसरे स्थान पर रहे।
वह उत्साही हैकाथॉन प्रतियोगी हैं। पिछले पुरस्कारों में टेक क्रंच एसजेड में तीसरा पुरस्कार, प्रिंसटन हैकाथॉन में शीर्ष 7 फाइनलिस्ट और येल हैकाथॉन में 3 उद्योग पुरस्कार शामिल हैं।
आप पहले दो स्टार्टअप स्थापित कर चुके हैं, वे कंपनियां क्या थीं और आप इस अनुभव से क्या सीखे?
मेरी पहली कंपनी अमेरिकन निंजा वॉरियर के खेल के प्रचार और उन्नति के लिए पहला प्लेटफ़ॉर्म था। 2012 में, मैंने अमेरिकन निंजा वॉरियर को एक ऐसा खेल जो अभी मुख्यधारा में नहीं आया था (90 के दशक में एमएमए की तरह) के रूप में देखा और मैंने वह पहला प्लेटफ़ॉर्म बनाया जहां लोग ब्लूप्रिंट खरीद सकते थे, बाधाओं का ऑर्डर दे सकते थे और प्रशिक्षण के लिए जिम ढूंढ सकते थे। मैंने कंपनियों के लिए परामर्श किया जो अपने स्वयं के जिम शुरू करना चाहते थे, जिसमें यूएस स्पेशल फोर्सेस के लिए एक प्रशिक्षण पाठ्यक्रम और एक सुविधा को नैपकिन पर बने शुरुआती खाके से आगे बढ़ाकर पहले तीन महीनों में 300,000 डॉलर का राजस्व अर्जित करने लायक बनाने में मदद करना शामिल था। हालांकि मैं हाई स्कूल में था, मैंने 20+ कर्मचारियों की टीमों को प्रबंधित करने का अपना पहला अनुभव प्राप्त किया और प्रभावी प्रबंधन और अंतरव्यक्तिगत संबंधों के बारे में सीखा।
मेरी दूसरी कंपनी एक वैकल्पिक परिसंपत्ति प्रबंधन कंपनी थी जिसकी मैंने 2017 में सह-स्थापना की थी, जो क्रिप्टो में आईसीओ-लहर से पहले थी। यह मेरा एनएलपी के साथ पहला संपर्क था, जहां हमने सोशल मीडिया डेटा के भावना विश्लेषण का उपयोग एक निवेश रणनीति के रूप में किया था।
मैंने स्टार्टअप चलाने के लिए आवश्यक तकनीकी और पारस्परिक कौशल सीखे, जिसमें एक टीम को प्रबंधित करने से लेकर एनएलपी के तकनीकी पहलुओं तक। उसी समय, मैंने खुद के बारे में और मुझे किस क्षेत्र में काम करना है यह जानने के लिए बहुत कुछ सीखा। मुझे लगता है कि सबसे सफल कंपनियां उन संस्थापकों द्वारा शुरू की जाती हैं जिनके पास एक व्यापक दृष्टिकोण या लक्ष्य होता है जो उन्हें चला रहा होता है। मैं 2017 में एनएलपी पर ध्यान केंद्रित करने के लिए क्रिप्टो छोड़ने के लिए खुश था क्योंकि मानव बुद्धिमत्ता को बढ़ाने और समझने की बात वास्तव में मुझे प्रेरित करती है।
पेंसिल्वेनिया विश्वविद्यालय में भाग लेते समय आपने कुछ एआई अनुसंधान किया, आप विशेष रूप से क्या अनुसंधान कर रहे थे?
हमारा शोध मूल रूप से एलएलएम के अनुप्रयोगों का निर्माण करने पर केंद्रित था। विशेष रूप से, हमने एलएलएम के शैक्षिक अनुप्रयोगों पर काम किया और एलएलएम-संचालित संज्ञानात्मक ट्यूटर का निर्माण किया। परिणाम काफी अच्छे थे – हमने छात्र परिणामों में 0.3 मानक विचलन में सुधार देखा और हमारी प्रणाली का उपयोग पेंसिल्वेनिया विश्वविद्यालय से लेकर भूटान विश्वविद्यालय तक किया गया है।
क्या आप बता सकते हैं कि यह अनुसंधान आपको मार्टियन के सह-संस्थापक के रूप में कैसे ले गया?
चूंकि हम एलएलएम पर अनुप्रयोग बनाने वाले पहले लोगों में से थे, हम उन समस्याओं का सामना करने वाले पहले लोगों में से थे जो लोग एलएलएम पर अनुप्रयोग बनाते समय आती हैं। इससे हमारे शोध को बुनियादी ढांचे की परत की ओर दिशा मिली। उदाहरण के लिए, हमने जल्द ही बड़े मॉडलों के आउटपुट पर छोटे मॉडलों को फ़ाइन-ट्यून करना शुरू किया और प्रोग्रामिंग और गणित समस्या समाधान जैसे कार्यों के लिए विशेषज्ञता वाले डेटा स्रोतों पर मॉडल को फ़ाइन-ट्यून किया। यह अंततः हमें मॉडल व्यवहार और मॉडल रूटिंग के बारे में समस्याओं की ओर ले गया।
मार्टियन नाम की उत्पत्ति और इसका बुद्धिमत्ता से संबंध भी दिलचस्प है, क्या आप इस नाम की कहानी साझा कर सकते हैं?
हमारी कंपनी का नाम हंगेरियन-अमेरिकी वैज्ञानिकों के एक समूह के नाम पर रखा गया है, जिन्हें “मार्टियन” के रूप में जाना जाता है। यह समूह, जो 20 वीं शताब्दी में रहता था, कुछ इतिहास के कुछ सबसे बुद्धिमान लोगों से मिलकर बना था:
- उनमें से सबसे प्रसिद्ध जॉन वॉन न्यूमैन थे; उन्होंने गेम थ्योरी, आधुनिक कंप्यूटर आर्किटेक्चर, ऑटोमाटा थ्योरी का आविष्कार किया और दर्जनों अन्य क्षेत्रों में मौलिक योगदान दिया।
- पॉल एर्डोस इतिहास में सबसे अधिक प्रकाशित गणितज्ञ थे, जिन्होंने 1500 से अधिक पेपर प्रकाशित किए थे।
- थियोडोर वॉन कारमैन ने एरोडायनामिक्स के मूल सिद्धांतों की स्थापना की और अमेरिकी अंतरिक्ष कार्यक्रम की सह-स्थापना की। मानव-परिभाषित सीमा को पृथ्वी और बाहरी अंतरिक्ष के बीच “कारमैन लाइन” के रूप में जाना जाता है।
- लियो स्जिलार्ड ने परमाणु बम, विकिरण चिकित्सा और कण त्वरक का आविष्कार किया।
इन वैज्ञानिकों और 14 अन्य लोगों (जिनमें हाइड्रोजन बम के आविष्कारक, आधुनिक भौतिकी में समूह सिद्धांत को पेश करने वाले व्यक्ति, और संयोजन, संख्या सिद्धांत, संख्यात्मक विश्लेषण और संभाव्यता सिद्धांत जैसे क्षेत्रों में मौलिक योगदानकर्ता शामिल हैं) ने एक उल्लेखनीय समानता साझा की – वे सभी बुडापेस्ट के एक ही हिस्से में पैदा हुए थे। इससे लोगों को यह पूछने के लिए प्रेरित किया गया कि इतनी बुद्धिमत्ता का स्रोत क्या था?
इसके जवाब में, स्जिलार्ड ने मजाक में कहा कि “मार्टियन पहले से ही यहां हैं और वे खुद को हंगरियन कहते हैं!” वास्तव में, कोई नहीं जानता।
आज, मानवता खुद को एक नए सेट के सुपरइंटेलिजेंट दिमागों के साथ एक समान स्थिति में पाती है: आर्टिफ़िशियल इंटेलिजेंस। लोग जानते हैं कि मॉडल अविश्वसनीय रूप से चतुर हो सकते हैं, लेकिन उन्हें यह नहीं पता कि वे कैसे काम करते हैं।
हमारा मिशन उस प्रश्न का उत्तर देना है – आधुनिक सुपरइंटेलिजेंस को समझना और उपयोग करना।
आपके पास अविश्वसनीय स्मृति कारनामों का एक इतिहास है, आप इन स्मृति चुनौतियों में कैसे शामिल हुए और यह ज्ञान मार्टियन की अवधारणा में आपकी मदद कैसे की?
अधिकांश खेलों में, एक पेशेवर एथलीट एक औसत व्यक्ति की तुलना में लगभग 2-3 गुना बेहतर प्रदर्शन कर सकता है (एक फील्ड गोल कितनी दूर तक किक कर सकता है या एक फास्ट बॉल कितनी तेजी से फेंक सकता है, इसकी तुलना एक पेशेवर से करें)। स्मृति खेल दिलचस्प हैं क्योंकि शीर्ष एथलीट एक औसत व्यक्ति की तुलना में 100 गुना या यहां तक कि 1000 गुना अधिक याद रख सकते हैं, और अक्सर कम प्रशिक्षण के साथ जो अधिकांश खेलों में होता है। इसके अलावा, ये अक्सर औसत प्राकृतिक स्मृति वाले लोग होते हैं जो अपने प्रदर्शन के लिए विशिष्ट तकनीकों का श्रेय देते हैं जो कोई भी सीख सकता है। मैं मानव ज्ञान को अधिकतम करना चाहता हूं, और मैंने विश्व मेमोरी चैंपियनशिप को यह जानने के लिए एक अनदेखी अंतर्दृष्टि के रूप में देखा कि हम मानव बुद्धिमत्ता में असाधारण रिटर्न कैसे बढ़ा सकते हैं।
मैंने शिक्षा प्रणाली में स्मृति तकनीकों को तैनात करना चाहा, इसलिए मैंने यह देखने के लिए अन्वेषण किया कि एनएलपी और एलएलएम मुख्यधारा की शिक्षा प्रणाली में सबसे प्रभावी शैक्षिक विधियों को उपयोग में लाने से रोकने वाली सेटअप लागत को कम करने में कैसे मदद कर सकते हैं। याश और मैंने पहले एलएलएम-संचालित संज्ञानात्मक ट्यूटर बनाया और इससे हमें एलएलएम को तैनात करने में आने वाली समस्याओं का पता चला जो हम आज हल करने में मदद करते हैं।
मार्टियन मूल रूप से यह तय करने की जटिलता को छिपाता है कि किस बड़े भाषा मॉडल (एलएलएम) का उपयोग किया जाए, यह वर्तमान में डेवलपर्स के लिए इतना दर्दनाक क्यों है?
भाषा मॉडल बनाना आसान और आसान होता जा रहा है – कंप्यूट की लागत कम हो रही है, एल्गोरिदम अधिक कुशल हो रहे हैं, और मॉडल बनाने के लिए अधिक ओपन-सोर्स टूल उपलब्ध हैं। इसके परिणामस्वरूप, अधिक कंपनियां और डेवलपर्स कस्टम मॉडल बना रहे हैं जो कस्टम डेटा पर प्रशिक्षित हैं। चूंकि इन मॉडलों की अलग-अलग लागत और क्षमताएं होती हैं, आप बेहतर प्रदर्शन प्राप्त कर सकते हैं यदि आप कई मॉडलों का उपयोग करते हैं, लेकिन उन सभी का परीक्षण करना और सही मॉडल खोजना मुश्किल है। हम डेवलपर्स के लिए इसका ध्यान रखते हैं।
क्या आप बता सकते हैं कि प्रणाली कैसे समझती है कि प्रत्येक विशिष्ट कार्य के लिए कौन सा एलएलएम सबसे अच्छा उपयोग किया जाता है?
अच्छी तरह से रूटिंग मूल रूप से मॉडल को समझने के बारे में एक समस्या है। मॉडल के बीच प्रभावी ढंग से रूटिंग करने के लिए, आप मॉडल की विफलता या सफलता के कारणों को समझना चाहते हैं। मॉडल-मैपिंग के साथ इन विशेषताओं को समझने से हमें यह निर्धारित करने की अनुमति मिलती है कि कोई दिया गया मॉडल किसी अनुरोध पर कितना अच्छा प्रदर्शन करेगा, बिना उस मॉडल को चलाए। इसके परिणामस्वरूप, हम उस अनुरोध को उस मॉडल में भेज सकते हैं जो सर्वोत्तम परिणाम उत्पन्न करेगा।
क्या आप एलएलएम को अनुकूलित करने से होने वाली लागत बचत के प्रकार पर चर्चा कर सकते हैं?
हम उपयोगकर्ताओं को लागत और प्रदर्शन के बीच संतुलन तय करने की अनुमति देते हैं। यदि आप केवल प्रदर्शन की परवाह करते हैं, तो हम ओपनएआई/एवल्स पर जीपीटी-4 से बेहतर प्रदर्शन कर सकते हैं। यदि आप अपने इकाई अर्थशास्त्र को काम करने के लिए एक विशिष्ट लागत की तलाश में हैं, तो हम आपको अपने अनुरोध के लिए अधिकतम लागत निर्दिष्ट करने देते हैं, फिर उस अनुरोध को पूरा करने के लिए सर्वोत्तम मॉडल खोजते हैं। और यदि आप कुछ अधिक गतिशील चाहते हैं, तो हम आपको यह निर्दिष्ट करने देते हैं कि आप एक बेहतर उत्तर के लिए कितना भुगतान करने को तैयार हैं – इससे हमें कम खर्चीले मॉडल का उपयोग करने देता है यदि दो मॉडलों का प्रदर्शन समान है लेकिन लागत में बड़ा अंतर है। हमारे कुछ ग्राहकों ने लागत में 12 गुना तक की कमी देखी है।
मार्टियन के भविष्य के लिए आपकी दृष्टि क्या है?
प्रत्येक बार जब हम मॉडल की हमारी मूलभूत समझ में सुधार करते हैं, तो यह एआई के लिए एक परिवर्तनकारी परिवर्तन का परिणाम होता है। फ़ाइन-ट्यूनिंग आउटपुट की समझ से प्रेरित प्रतिमान था। प्रॉम्प्टिंग इनपुट की समझ से प्रेरित प्रतिमान है। मॉडल की हमारी समझ में यह एकमात्र अंतर है जो पारंपरिक एमएल (“एक रिग्रेसर प्रशिक्षित करें”) और आधुनिक जनरेटिव एआई (“एक शुरुआती अवस्था वाले एजीआई को प्रॉम्प्ट दें”) के बीच बहुत कुछ अलग करता है।
हमारा लक्ष्य व्याख्येयता में लगातार नई उपलब्धियाँ हासिल करना है, जब तक कि एआई पूरी तरह समझ में न आ जाए और हमारे पास बुद्धिमत्ता का ऐसा सिद्धांत न हो जो तर्कशास्त्र या कलन के हमारे सिद्धांतों जितना सुदृढ़ हो।
हमारे लिए, इसका अर्थ है निर्माण करना। इसका अर्थ है लोगों के हाथों में अद्भुत एआई टूलिंग बनाना। इसका अर्थ है ऐसी चीजें जारी करना जो मोल्ड तोड़ती हैं, जो किसी ने पहले नहीं की हैं, और जो – सबसे ज्यादा – दिलचस्प और उपयोगी हैं।
सर फ्रांसिस बेकन के शब्दों में, “ज्ञान शक्ति है।” तदनुसार, एआई को समझने का सबसे अच्छा तरीका यह है कि हम शक्तिशाली उपकरण जारी करें। हमारे विचार में, एक मॉडल राउटर इस तरह का एक उपकरण है। हम इसे बनाने, विकसित करने और लोगों के हाथों में रखने के लिए उत्साहित हैं।
यह आने वाले महीनों में जारी किए जाने वाले कई उपकरणों में से पहला है। एक सुंदर कृत्रिम बुद्धिमत्ता के सिद्धांत की खोज करने के लिए, पूरी तरह से नए प्रकार के एआई बुनियादी ढांचे को सक्षम करने के लिए, मानव और मशीन दोनों के लिए एक उज्ज्वल भविष्य बनाने में मदद करने के लिए – हम उन उपकरणों को आपके साथ साझा करने के लिए उत्सुक हैं।
इस शानदार साक्षात्कार के लिए धन्यवाद। अधिक जानने के इच्छुक पाठकों को मार्टियन पर जाना चाहिए।












