मूर का नियम से “ओपनएआई का नियम” तक: एआई विकास की घातांकीय ट्रैजेक्टORY

कृत्रिम बुद्धिमत्ता इतनी तेजी से आगे बढ़ रही है कि इसे समझना मुश्किल है। इस घटना को वर्णित करने के लिए, अंदरूनी लोगों ने जिसे कुछ लोग “ओपनएआई का नियम” कहते हैं—मूर के नियम के समानांतर एक आधुनिक समानांतर, लेकिन बहुत अधिक तेजी से। यह शब्द पुस्तक एआई का साम्राज्य में व्यापक ध्यान में लाया गया था, जो ओपनएआई के उदय और कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) की ओर दौड़ को वर्णित करता है। पुस्तक में, “ओपनएआई का नियम” उस तेजी से गति को पकड़ने के लिए उपयोग किया जाता है जिस पर गणना आवश्यकताओं—और इस प्रकार एआई क्षमताओं—ने पिछले दशक में स्केल किया है।

जबकि यह एक औपचारिक वैज्ञानिक नियम नहीं है, ओपनएआई का नियम एक वास्तविक और मापने योग्य रुझान को संदर्भित करता है: फ्रंटियर एआई मॉडल के प्रशिक्षण में उपयोग की जाने वाली गणना शक्ति का तेजी से दोगुना होना, जो मूर के नियम से बहुत तेजी से होता है। व्यावहारिक शब्दों में, एआई गणना लगभग हर तीन से चार महीने में दोगुनी हो रही है, मूर के 18-24 महीनों की तुलना में। यह घातांकीय वक्र आधुनिक एआई बूम के अंतर्गत आता है और एक भविष्य के लिए मंच तैयार करता है जो अधिकांश लोगों की अपेक्षा से तेजी से आ रहा है।

मूर का नियम: डिजिटल युग को शक्ति प्रदान करने वाला इंजन

मूर का नियम व्यक्तिगत कंप्यूटर, स्मार्टफोन और क्लाउड कंप्यूटिंग के उदय के पीछे शक्ति थी। यह भविष्यवाणी की गई थी कि एक चिप पर ट्रांजिस्टर की संख्या लगभग हर दो साल में दोगुनी हो जाएगी, जिससे गणना शक्ति, ऊर्जा दक्षता और लागत में घातांकीय लाभ होगा।

दशकों तक, यह सरल पैटर्न सच साबित हुआ, जिससे प्रत्येक हार्डवेयर पीढ़ी पिछली पीढ़ी की तुलना में घातांकीय रूप से अधिक शक्तिशाली हो गई। लेकिन जब 2010 के दशक में भौतिक और आर्थिक सीमाएं पहुंच गईं, तो मूर का नियम धीमा होने लगा। इंजीनियरों ने प्रदर्शन को बढ़ाने के लिए अधिक कोर, 3डी चिप स्टैकिंग और विशेष प्रोसेसर का उपयोग करना शुरू किया—लेकिन आसान लाभ चले गए थे।

यह लगभग उस समय था जब एआई अनुसंधान, जो गहरे शिक्षण के माध्यम से शक्तिशाली हो रहा था, मूर के नियम के पारंपरिक ट्रेजेक्टरी से विचलित होने लगा।

ओपनएआई के नियम का जन्म: एआई की विस्फोटक गणना वक्र

2010 के दशक की शुरुआत में, शोधकर्ताओं ने पाया कि बड़े पैमाने पर तंत्रिका नेटवर्क में अधिक गणना शक्ति डालने से तेजी से शक्तिशाली एआई क्षमताएं मिलीं। लगभग 2012 से, सबसे बड़े एआई प्रशिक्षण रन में उपयोग की जाने वाली गणना शक्ति लगभग हर 3 से 4 महीने में दोगुनी होने लगी।

यह एक आश्चर्यजनक त्वरण था—मूर के नियम से बहुत तेजी। छह साल में, राज्य-of-the-art एआई मॉडल में गणना 300,000 गुना से अधिक बढ़ गई। जबकि मूर का नियम केवल 7 गुना वृद्धि देता, एआई गणना आक्रामक स्केलिंग के कारण आसमान छू गई।

यह घटना अनौपचारिक रूप से ओपनएआई के नियम के रूप में जानी जाने लगी—एक स्व-निर्धारित ट्रेजेक्टरी जो संगठनों जैसे ओपनएआई द्वारा अपनाई गई थी, जो मानते थे कि मॉडल के आकार और गणना को स्केल करना कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) तक पहुंचने का सबसे तेज़ मार्ग था। पुस्तक एआई का साम्राज्य इस बदलाव को विस्तार से वर्णित करती है, जिसमें दिखाया गया है कि ओपनएआई और इसके नेतृत्व ने इस रणनीति को अपनाया,尽管 लागत बढ़ रही थी, क्योंकि उन्हें विश्वास था कि यह परिवर्तनकारी क्षमताओं को अनलॉक करने का सबसे直接 मार्ग था।

आलोचनात्मक रूप से, ओपनएआई का नियम एक भौतिक अपरिहार्यता नहीं है—यह एक रणनीतिक निर्णय है। “अधिक गणना बेहतर एआई के बराबर है” की धारणा एक मार्गदर्शक सिद्धांत बन गई, जो विशाल निवेश, बुनियादी ढांचे के निर्माण और क्लाउड प्रदाताओं के साथ साझेदारी द्वारा समर्थित थी।

स्केलिंग हाइपोथीसिस और नई हथियारों की दौड़

ओपनएआई के नियम के अंतर्गत स्केलिंग हाइपोथीसिस है: यह विचार कि बस मॉडल को बड़ा बनाना और अधिक डेटा पर अधिक गणना के साथ प्रशिक्षण देने से गुणात्मक रूप से बेहतर परिणाम मिलते हैं। यह हाइपोथीसिस तब प्राप्त किया गया जब प्रत्येक सफल मॉडल—जीपीटी-2, जीपीटी-3, जीपीटी-4—ने तरलता, तर्क और बहुमोडल समझ में छलांग लगाई।

इस प्रवृत्ति के केंद्र में एक तीव्र प्रतिस्पर्धा है जो तकनीकी कंपनियों के बीच एआई के क्षेत्र में प्रभुत्व के लिए है। परिणाम एक प्रकार की हथियारों की दौड़ है, जहां हर नए मील के पत्थर के लिए पिछले एक से अधिक गुणात्मक संसाधनों की आवश्यकता होती है।

अब बड़े मॉडल को प्रशिक्षित करने के लिए दस हजारों उच्च-अंत ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू) की आवश्यकता होती है जो समानांतर में संचालित होते हैं। भविष्य के मॉडल के लिए अनुमानित गणना बजट 100 अरब डॉलर तक पहुंच सकते हैं, जिसमें विशाल शक्ति और बुनियादी ढांचे की मांग होगी।

यह प्रवृत्ति एक नए प्रकार के घातांकीय वक्र की ओर ले जा रही है—एक जो अब ट्रांजिस्टर गणना से परिभाषित नहीं है, बल्कि गणना को स्केल करने की इच्छा और क्षमता से परिभाषित है।

यह कैसे तुलना करता है: हुआंग का नियम, और कुर्जवील का त्वरण रिटर्न का नियम

ओपनएआई के नियम के महत्व को पूरी तरह से समझने के लिए, यह अन्य मूलभूत ढांचों का अन्वेषण करने में मदद करता है जिन्होंने मूर के नियम से परे प्रौद्योगिकी प्रगति की हमारी समझ को आकार दिया है।

हुआंग का नियम, जिसे एनवीडिया के सीईओ जेन्सन हुआंग के नाम पर रखा गया है, यह अवलोकन का वर्णन करता है कि एआई कार्यभार के लिए जीपीयू का प्रदर्शन मूर के नियम से काफी तेजी से सुधर रहा है। पांच साल की अवधि में, जीपीयू ने 25 गुना से अधिक के प्रदर्शन लाभ देखे हैं, जो पारंपरिक ट्रांजिस्टर स्केलिंग के तहत अपेक्षित 10 गुना सुधार से अधिक है।

यह त्वरण केवल चिप घनत्व के कारण नहीं है—यह प्रणाली स्तर के नवाचार का परिणाम है। जीपीयू आर्किटेक्चर में सुधार, बढ़ी हुई मेमोरी बैंडविथ, हाई-स्पीड इंटरकonneक्ट्स और सॉफ्टवेयर पारिस्थितिकी तंत्र जैसे क्यूडीए और गहरे शिक्षण पुस्तकालयों में प्रगति ने इन लाभों में योगदान दिया है। अनुसूची, टेंसर संचालन और समांतरता में इंजीनियरिंग अनुकूलन ने भी एक महत्वपूर्ण भूमिका निभाई है।

एकल-जीपीयू अनुमान और प्रशिक्षण कार्यों में प्रदर्शन सुधार पिछले दशक में 1,000 गुना से अधिक हो गए हैं, जो इस सoftवेयर और हार्डवेयर नवाचार के संयोजन से प्रेरित है। प्रभावी रूप से, जीपीयू की क्षमता एआई कार्यों के लिए दोगुनी हो गई है हर 6 से 12 महीने में—मूर के मूल वक्र से तीन से चार गुना तेजी। यह निरंतर गति ने जीपीयू को आधुनिक एआई के लिए अपरिहार्य इंजन बना दिया है, जो ओपनएआई के नियम के अंतर्गत विशाल समानांतर प्रशिक्षण रन को सक्षम बनाता है।

कुर्जवील का त्वरण रिटर्न का नियम घातांकीय वृद्धि के विचार को एक कदम आगे ले जाता है—यह प्रस्ताव करता है कि घातांकीय वृद्धि की दर खुद समय के साथ तेज होती जाती है। इस सिद्धांत के अनुसार, प्रत्येक प्रौद्योगिकी प्रगति स्वतंत्र रूप से नहीं होती; यह उन उपकरणों, प्लेटफार्मों और ज्ञान का निर्माण करती है जो अगली प्रगति को तेजी से और अधिक कुशलता से होने में मदद करती है। इससे एक प्रभाव पड़ता है जहां प्रौद्योगिकी परिवर्तन स्वयं पर निर्भर करता है, जो पैमाने और आवृत्ति दोनों में तेजी से बढ़ता है।

कुर्जवील ने तर्क दिया है कि यह गतिविधि सदियों की प्रगति को कुछ दशकों में संपीड़ित कर देगी। यदि प्रगति की दर प्रति दशक दोगुनी हो जाती है, तो 21वीं सदी में एक आश्चर्यजनक छलांग देखी जा सकती है—जो ऐतिहासिक दरों पर दस हजार वर्षों की प्रगति के बराबर है।

यह नियम विशेष रूप से एआई के लिए प्रासंगिक है। आधुनिक एआई अब केवल प्रगति का विषय नहीं है—यह प्रगति का एक त्वरणक बन गया है। एआई प्रणालियां पहले से ही नए चिप्स के डिजाइन में मदद कर रही हैं, तंत्रिका नेटवर्क को अनुकूलित कर रही हैं, वैज्ञानिक अनुसंधान कर रही हैं और यहां तक कि अपने उत्तराधिकारियों के लिए उपयोग किए जाने वाले कोड को लिख रही हैं। इससे एक पुनरावृत्ति सुधार चक्र बनता है, जहां प्रत्येक एआई पीढ़ी अगली को बेहतर बनाती है, विकास की समय सीमा को सिकोड़ती है और क्षमता को बढ़ाती है।

यह फीडबैक चक्र कुछ लोगों द्वारा बुद्धिमत्ता विस्फोट के रूप में जाने जाने वाले दृश्य की ओर बढ़ रहा है: एक परिदृश्य जिसमें एआई प्रणालियां मानव हस्तक्षेप के बिना स्वयं को तेजी से सुधारने में सक्षम हो जाती हैं। परिणाम एक वक्र है जो न केवल तेजी से बढ़ता है, बल्कि नाटकीय रूप से ऊपर की ओर झुक जाता है, क्योंकि पुनरावृत्ति चक्र सिकुड़ जाते हैं और प्रगति का कैस्केड होता है। यदि यह पैटर्न जारी रहता है, तो हम एक प्रौद्योगिकी प्रगति का चरण देख सकते हैं जो लगभग तात्कालिक लगता है—जहां पूरे उद्योग, वैज्ञानिक क्षेत्र और विचार के तरीके महीनों में विकसित होते हैं, न कि दशकों में।

ओपनएआई का नियम इस वंशावली में घातांकीय वृद्धि की मांग के रूप में फिट होता है। मूर या हुआंग के नियमों के विपरीत, जो हार्डवेयर सुधार की गति का वर्णन करते हैं, ओपनएआई का नियम यह दर्शाता है कि एआई प्रगति अब केवल चिप्स द्वारा परिभाषित नहीं है, बल्कि शोधकर्ता क्या स्केल करने का चुनाव करते हैं। विशाल क्लाउड बुनियादी ढांचे और अरबों डॉलर के निवेश से संचालित, ओपनएआई का नियम एक नए युग को चिह्नित करता है जहां क्षमता न केवल नवाचार के माध्यम से बढ़ती है, बल्कि एकत्रित, केंद्रित बल के माध्यम से।

एक साथ, ये नियम घातांकीय वृद्धि का एक बहुस्तरीय दृश्य बनाते हैं। मूर और हुआंग गणना की आपूर्ति को परिभाषित करते हैं। कुर्जवील मेटा-प्रवृत्ति को मैप करता है। और ओपनएआई का नियम एक नए प्रकार की प्रौद्योगिकी महत्वाकांक्षा को उजागर करता है—जहां सीमाओं को धक्का देना अब वैकल्पिक नहीं है, बल्कि केंद्रीय रणनीति है।

वादा: क्यों घातांकीय एआई महत्वपूर्ण है

ओपनएआई के नियम के परिणाम गहरे हैं।

आशावादी पक्ष पर, घातांकीय स्केलिंग ने आश्चर्यजनक परिणाम दिए हैं। एआई प्रणालियां अब निबंध लिख सकती हैं, कोड जेनरेट कर सकती हैं, वैज्ञानिक अनुसंधान में मदद कर सकती हैं और आश्चर्यजनक रूप से तरल बातचीत में शामिल हो सकती हैं। प्रत्येक 10 गुना वृद्धि नए उभरते क्षमताओं को अनलॉक करती है, जो सुझाव देती है कि हम कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) के करीब पहुंच रहे हैं।

एआई जल्द ही शिक्षा, स्वास्थ्य सेवा, वित्त और सामग्री विज्ञान जैसे उद्योगों को बदल सकता है। यदि ओपनएआई का नियम बना रहता है, तो हम दशकों की नवाचार को कुछ वर्षों में देख सकते हैं।

यह घातांकीय एआई के लिए एक नए शब्द का सार है जिसे हमने गढ़ा है: “एआई एस्केप वेलोसिटी“—वह क्षण जब एआई स्वयं को बेहतर बनाने लगता है, जो प्रगति को एक स्व-प्रबलित, घातांकीय उछाल में धकेलता है।

मूल्य: पर्यावरण, आर्थिक और नैतिक लागत

लेकिन घातांकीय वृद्धि के साथ एक मूल्य आता है।

फ्रंटियर मॉडल को प्रशिक्षित करने से अब बड़ी मात्रा में बिजली और पानी की खपत होती है। हजारों जीपीयू को हफ्तों तक चलाने से गंभीर पर्यावरण चिंताएं पैदा होती हैं, जिनमें कार्बन उत्सर्जन और तापीय अपशिष्ट शामिल हैं। एआई चिप्स की आपूर्ति श्रृंखला भी दबाव में है, जो भू-राजनीतिक और स्थिरता मुद्दों को बढ़ाती है।

वित्तीय रूप से, केवल सबसे बड़ी टेक कंपनियों या अच्छी तरह से वित्तपोषित स्टार्टअप ही इस वक्र पर बने रहने का खर्च उठा सकते हैं। इससे शक्ति का केंद्रीकरण होता है, जहां बुद्धिमत्ता के क्षेत्र पर एक छोटा समूह नियंत्रण रखता है।

नैतिक रूप से, ओपनएआई का नियम एक दौड़ की मानसिकता को बढ़ावा देता है—बड़ा, तेज़, जल्दी—जो समय से पहले तैनाती, परीक्षण किए बिना प्रणाली और सुरक्षा छोटे रास्ते की ओर ले जा सकता है। यह चिंता बढ़ रही है कि कुछ फ्रंटियर मॉडल समाज द्वारा उनके प्रभाव को पूरी तरह से समझने से पहले जारी किए जा सकते हैं।

इसे कम करने के लिए, शोधकर्ताओं ने शासन ढांचे का प्रस्ताव किया है जो एआई विकास को मॉडल की क्षमता से नहीं, बल्कि उन्हें प्रशिक्षित करने के लिए उपयोग की जाने वाली गणना से मापते हैं। चूंकि गणना मॉडल की क्षमता के लिए सबसे अच्छे भविष्यवाणियों में से एक है, यह जोखिम मूल्यांकन और नियमन के लिए एक प्रॉक्सी बन सकता है।

स्केलिंग की सीमाएं: वक्र मुड़ने पर क्या होता है

尽管 प्रगति के प्रभावशाली लाभ हैं, लेकिन स्केलिंग प्रवृत्ति कितनी देर तक जारी रह सकती है, इस बारे में बहस है।

कुछ लोगों का मानना है कि हम पहले से ही घटती वापसी देख रहे हैं: बड़े मॉडल अधिक गणना की खपत करते हैं लेकिन केवल हाशिए के सुधार प्रदान करते हैं।

दूसरे तर्क देते हैं कि दक्षता, एल्गोरिदम डिज़ाइन या मॉडल वास्तुकला में सफलता वक्र को समतल कर सकती है without प्रगति को धीमा करे। छोटे, चतुर मॉडल बड़े पैमाने पर मॉडल की तुलना में अधिक आकर्षक हो सकते हैं।

इसके अलावा, सार्वजनिक दबाव, नियमन और बुनियादी ढांचे की सीमाएं उद्योग को “स्केल एट एण्य कॉस्ट” मानसिकता को फिर से सोचने के लिए मजबूर कर सकती हैं। यदि बिजली ग्रिड, बजट या सामाजिक सहमति तेजी से आगे बढ़ने के साथ तालमेल नहीं बिठा सकते हैं, तो घातांकीय एआई एक छत या कम से कम एक मोड़ पर पहुंच सकता है।

आगे का रास्ता: घातांकीय एआई के भविष्य का मानचित्रण

अब के लिए, ओपनएआई का नियम कृत्रिम बुद्धिमत्ता के भविष्य को देखने के लिए सबसे स्पष्ट लेंस में से एक बना हुआ है। यह समझाता है कि हम कैसे एक दशक से कम समय में मूल बातचीत बॉट से बहुमोडल सामान्य प्रणाली तक कैसे पहुंचे, और अगली प्रगति क्यों और भी नाटकीय हो सकती है।

हालांकि, यह नियम ट्रेड-ऑफ के साथ आता है: असमान पहुंच, बढ़ती लागत, पर्यावरणीय बोझ और सुरक्षा चुनौतियां। जब हम इस नए युग में तेजी से आगे बढ़ते हैं, तो समाज को मूलभूत प्रश्नों का सामना करना होगा:

• कौन एआई के भविष्य को आकार देने जा रहा है?
• हम प्रगति के साथ सावधानी कैसे संतुलित करते हैं?
• मानव नियंत्रण से बाहर निकलने से पहले घातांकीय क्षमता को प्रबंधित करने के लिए कौन से सिस्टम आवश्यक हैं?

ओपनएआई का नियम अपरिवर्तनीय नहीं है। मूर के नियम की तरह, यह अंततः धीमा हो सकता है, समतल हो सकता है या एक नए परिदृश्य द्वारा प्रतिस्थापित हो सकता है। लेकिन अब के लिए, यह एक चेतावनी के रूप में कार्य करता है और एक मानचित्र—यह याद दिलाता है कि एआई का भविष्य न केवल आगे बढ़ रहा है, बल्कि घातांकीय रूप से बढ़ रहा है।

हम केवल इतिहास को देख नहीं रहे हैं—हम इसे घातांकीय गति से इंजीनियर कर रहे हैं। लेकिन इस शक्ति के साथ एक जिम्मेदारी आती है: सुनिश्चित करना कि मानवता घातांकीय प्रगति के साथ घातांकीय नुकसान को नहीं झेलती।