लिन कियाओ, फायरवर्क्स एआई के सीईओ और सह-संस्थापक – साक्षात्कार श्रृंखला

लिन कियाओ, मेटा के पूर्व पाइथन के प्रमुख और फायरवर्क्स एआई के सह-संस्थापक और सीईओ हैं। फायरवर्क्स एआई एक उत्पादन एआई प्लेटफ़ॉर्म है जो डेवलपर्स के लिए बनाया गया है, फायरवर्क्स दुनिया के अग्रणी जनरेटिव एआई शोधकर्ताओं के साथ साझेदारी करता है ताकि सबसे अच्छे मॉडल, सबसे तेज़ गति से परोसे जा सकें। फायरवर्क्स एआई ने हाल ही में एक $25M श्रृंखला ए जुटाया है।

आपको कंप्यूटर विज्ञान में शुरुआती रूप से आकर्षित क्या था?

मेरे पिता एक वरिष्ठ यांत्रिक इंजीनियर थे जो एक शिपयार्ड में कार्गो जहाजों का निर्माण करते थे। एक युवा उम्र से, मैंने जहाज के ब्लूप्रिंट के सटीक कोणों और मापदंडों को पढ़ना सीखा और मुझे यह पसंद आया।

मैं मध्य विद्यालय से ही स्टेम विषयों में रुचि लेने लगा था – गणित, भौतिकी और रसायन विज्ञान में सब कुछ मैंने पढ़ा। मेरे एक हाई स्कूल के प्रोजेक्ट में बेसिक प्रोग्रामिंग सीखना था, और मैंने एक गेम बनाया जिसमें एक सांप अपनी पूंछ खाता था। उसके बाद, मुझे पता था कि कंप्यूटर विज्ञान मेरे भविष्य में है।

मेटा में रहते हुए आपने 300+ विश्व-स्तरीय इंजीनियरों का नेतृत्व किया जो एआई फ्रेमवर्क और प्लेटफ़ॉर्म में काम करते थे, जहां आपने कैफ़े2 और बाद में पाइथन बनाया और तैनात किया। इस अनुभव से आपके कुछ प्रमुख निष्कर्ष क्या थे?

बिग टेक कंपनियां जैसे मेटा हमेशा पांच या अधिक वर्षों से आगे होती हैं। जब मैं 2015 में मेटा में शामिल हुआ, तो हम अपनी एआई यात्रा की शुरुआत में थे – सीपीयू से जीपीयू में स्थानांतरण कर रहे थे। हमें एआई इंफ्रास्ट्रक्चर को शून्य से डिज़ाइन करना था। कैफ़े2 जैसे मॉडल जब वे बनाए गए थे तो ग्राउंडब्रेकिंग थे, लेकिन एआई इतनी तेजी से विकसित हुआ कि वे जल्द ही पुराने हो गए। हमने पाइथन और उसके चारों ओर पूरी प्रणाली को एक समाधान के रूप में विकसित किया।

पाइथन में मैंने सीखा कि डेवलपर्स को एआई बनाने की दौड़ में किन सबसे बड़ी बाधाओं का सामना करना पड़ता है। पहली चुनौती यह है कि स्थिर और विश्वसनीय मॉडल आर्किटेक्चर खोजना जो कम विलंबता और लचीला हो ताकि मॉडल स्केल कर सकें। दूसरी चुनौती कुल स्वामित्व लागत है, ताकि कंपनियां अपने मॉडल को बढ़ाने की कोशिश में दिवालिया न हो जाएं।

मेटा में मेरा समय मुझे यह दिखाने में मदद किया कि मॉडल और फ्रेमवर्क जैसे पाइथन को ओपन-सोर्स रखना कितना महत्वपूर्ण है। यह नवाचार को प्रोत्साहित करता है। हम पाइथन में इतनी तेजी से वृद्धि नहीं कर पाते अगर ओपन-सोर्स अवसरों के लिए हमने नवाचार नहीं किया होता। इसके अलावा, यह असंभव है कि हम नवीनतम शोध पर अप-टू-डेट रहें बिना सहयोग के।

आप फायरवर्क्स एआई लॉन्च करने के लिए क्या प्रेरित किया?

मैंने टेक उद्योग में 20 से अधिक वर्षों तक काम किया है, और मैंने एक के बाद एक उद्योग-स्तरीय परिवर्तन देखे हैं – क्लाउड से मोबाइल ऐप्स तक। लेकिन यह एआई परिवर्तन एक पूर्ण टेक्टोनिक पुनर्संरचना है। मैंने कई कंपनियों को इस परिवर्तन से जूझते हुए देखा है। हर कोई तेजी से आगे बढ़ना चाहता था और एआई को पहले रखना चाहता था, लेकिन उन्हें यह हासिल करने के लिए बुनियादी ढांचे, संसाधनों और प्रतिभा की कमी थी। जितना अधिक मैंने इन कंपनियों से बात की, उतना ही अधिक मुझे एहसास हुआ कि मैं इस बाजार में इस अंतर को भर सकता हूं।

मैंने फायरवर्क्स एआई को इस समस्या का समाधान करने और पाइथन में हमारे द्वारा किए गए अद्भुत कार्य के विस्तार के रूप में लॉन्च किया। यहां तक कि हमारा नाम भी पाइथन से प्रेरित है! पाइथन आग पकड़ने वाला एक मशाल है – लेकिन हम चाहते हैं कि यह आग हर जगह फैल जाए। इसलिए: फायरवर्क्स।

मैंने हमेशा प्रौद्योगिकी को लोकतांत्रिक बनाने और इसे विकसित करने वालों के लिए सुलभ और सस्ता बनाने के लिए जुनून दिखाया है, चाहे उनके पास कोई भी संसाधन हों। यही कारण है कि हमारे पास एक उपयोगकर्ता-मित्र इंटरफ़ेस और मजबूत समर्थन प्रणाली है जो निर्माताओं को अपने दृष्टिकोण को जीवन में लाने में सशक्त बनाती है।

विकासकर्ता-केंद्रित एआई क्या है और यह इतना महत्वपूर्ण क्यों है?

यह सरल है: “विकासकर्ता-केंद्रित” का अर्थ है एआई डेवलपर्स की जरूरतों को प्राथमिकता देना। उदाहरण के लिए: ऐसे उपकरण, समुदाय और प्रक्रियाएं बनाना जो डेवलपर्स को अधिक कुशल और स्वायत्त बनाते हैं।

फायरवर्क्स जैसे विकासकर्ता-केंद्रित एआई प्लेटफ़ॉर्म मौजूदा कार्य प्रवाह और तकनीकी स्टैक में एकीकृत होना चाहिए। उन्हें डेवलपर्स के लिए प्रयोग करना, गलतियाँ करना और अपना काम सुधारना आसान बनाना चाहिए। उन्हें प्रतिक्रिया को प्रोत्साहित करना चाहिए, क्योंकि यह डेवलपर्स ही हैं जो जानते हैं कि उन्हें सफल होने के लिए क्या चाहिए। अंत में, यह केवल एक प्लेटफ़ॉर्म होने से अधिक है – यह एक समुदाय है जहां सहयोगी डेवलपर एआई के साथ संभव की सीमाओं को आगे बढ़ा सकते हैं।

आपने जेनएआई प्लेटफ़ॉर्म विकसित किया है जो बड़े भाषा मॉडल (एलएलएम) के साथ काम करने वाले डेवलपर्स के लिए एक महत्वपूर्ण प्रगति है। क्या आप अपने प्लेटफ़ॉर्म की विशिष्ट विशेषताओं और लाभों पर प्रकाश डाल सकते हैं, विशेष रूप से मौजूदा समाधानों की तुलना में?

हमारा पूरा दृष्टिकोण एक एआई उत्पादन प्लेटफ़ॉर्म के रूप में अद्वितीय है, लेकिन हमारी कुछ सर्वोत्तम विशेषताएं हैं:

कुशल अनुमान – हमने फायरवर्क्स एआई को कुशलता और गति के लिए डिज़ाइन किया है। हमारे प्लेटफ़ॉर्म का उपयोग करने वाले डेवलपर अपने एलएलएम एप्लिकेशन को सबसे कम संभव विलंबता और लागत पर चला सकते हैं। हम इसे नवीनतम मॉडल और सेवा अनुकूलन तकनीकों के साथ प्राप्त करते हैं, जिनमें प्रॉम्प्ट कैशिंग, अनुकूल शार्डिंग, क्वांटाइजेशन, निरंतर बैचिंग, फायरएटेंशन और अधिक शामिल हैं।

लोरा-ट्यून्ड मॉडल के लिए सस्ता समर्थन – हम लो-रैंक एडैप्टेशन (लोरा) फाइन-ट्यून्ड मॉडल को बेस मॉडल पर मल्टी-टेनेंसी के माध्यम से सस्ता सेवा प्रदान करते हैं। इसका मतलब है कि डेवलपर एक ही मॉडल पर कई अलग-अलग उपयोग के मामलों या भिन्नताओं के साथ प्रयोग कर सकते हैं बिना अपनी जेब खाली किए।

सरल इंटरफ़ेस और एपीआई – हमारे इंटरफ़ेस और एपीआई सीधे और आसान हैं ताकि डेवलपर उन्हें अपने अनुप्रयोगों में एकीकृत कर सकें। हमारे एपीआई ओपनएआई संगत हैं ताकि माइग्रेशन आसान हो।

तैयार मॉडल और फाइन-ट्यून्ड मॉडल – हम 100 से अधिक प्री-ट्रेन्ड मॉडल प्रदान करते हैं जिन्हें डेवलपर तुरंत उपयोग कर सकते हैं। हम एलएलएम, इमेज जेनरेशन मॉडल, एम्बेडिंग मॉडल आदि में सर्वश्रेष्ठ कवर करते हैं। लेकिन डेवलपर अपने स्वामित्व वाले कस्टम मॉडल को होस्ट और सर्व करना भी चुन सकते हैं। हम स्व-सेवा फाइन-ट्यूनिंग सेवाएं भी प्रदान करते हैं ताकि डेवलपर अपने स्वामित्व वाले डेटा के साथ इन कस्टम मॉडल को अनुकूलित कर सकें।

समुदाय सहयोग: हम खुले स्रोत के नैतिकता में विश्वास करते हैं जो समुदाय सहयोग को प्रोत्साहित करता है। हमारा प्लेटफ़ॉर्म डेवलपर्स को अपने फाइन-ट्यून्ड मॉडल साझा करने और एआई संपत्ति और ज्ञान के बढ़ते बैंक में योगदान देने के लिए प्रोत्साहित करता है। हर कोई हमारे सामूहिक विशेषज्ञता के विकास से लाभान्वित होता है।

मॉडल पैरेललिज़म और डेटा पैरेललिज़म के बीच हाइब्रिड दृष्टिकोण पर चर्चा कर सकते हैं?

मशीन लर्निंग मॉडल को पैरेललाइज़ करने से मॉडल प्रशिक्षण की दक्षता और गति में सुधार होता है और डेवलपर्स को एकल जीपीयू द्वारा संसाधित नहीं किए जा सकने वाले बड़े मॉडल को संभालने में मदद मिलती है।

मॉडल पैरेललिज़म मॉडल को कई भागों में विभाजित करने और प्रत्येक भाग को अलग-अलग प्रोसेसर पर प्रशिक्षित करने के बारे में है। दूसरी ओर, डेटा पैरेललिज़म डेटासेट को उपसेट में विभाजित करने और एक ही समय में अलग-अलग प्रोसेसर पर मॉडल को प्रशिक्षित करने के बारे में है। एक हाइब्रिड दृष्टिकोण इन दोनों विधियों को जोड़ती है। मॉडल को अलग-अलग भागों में विभाजित किया जाता है, जिन्हें अलग-अलग डेटा उपसेट पर प्रशिक्षित किया जाता है, जिससे दक्षता, मापनीयता और लचीलापन में सुधार होता है।

फायरवर्क्स एआई का उपयोग 20,000 से अधिक डेवलपर्स द्वारा किया जा रहा है और यह वर्तमान में प्रतिदिन 60 बिलियन टोकन की सेवा कर रहा है। आपने अपने संचालन को इस स्तर तक बढ़ाने में किन चुनौतियों का सामना किया और आप उन्हें कैसे पार किया?

मैं ईमानदारी से कहूंगा, फायरवर्क्स एआई की स्थापना के बाद से कई उच्च पहाड़ियों को पार करना पड़ा है।

हमारे ग्राहक पहले हमारे पास बहुत कम विलंबता वाले समर्थन की मांग के साथ आए क्योंकि वे उपभोक्ताओं, प्रोसुमर्स या अन्य डेवलपर्स के लिए अनुप्रयोग बना रहे थे – सभी दर्शकों को तेज़ समाधानों की आवश्यकता होती है। फिर, जब हमारे ग्राहकों के अनुप्रयोग तेजी से बढ़ने लगे, तो उन्हें एहसास हुआ कि वे सामान्य रूप से जुड़े लागतों को वहन नहीं कर सकते थे। उन्होंने हमसे कुल स्वामित्व लागत (टीसीओ) को कम करने में मदद करने के लिए कहा, जो हमने किया। फिर, हमारे ग्राहक ओपनएआई से ओएसएस मॉडल में माइग्रेट करना चाहते थे और उन्होंने हमसे ओपनएआई की तुलना में समान या बेहतर गुणवत्ता प्रदान करने के लिए कहा। हमने यह भी किया।

उत्पाद के विकास में प्रत्येक चरण एक चुनौतीपूर्ण समस्या थी जिसे हल करना था, लेकिन इसका मतलब था कि हमारे ग्राहकों की जरूरतें वास्तव में फायरवर्क्स को आकार देने में मदद की – एक बिजली की गति वाला अनुमान इंजन जो कम टीसीओ प्रदान करता है। इसके अलावा, हम दोनों एक उच्च गुणवत्ता वाले मॉडल का चयन प्रदान करते हैं जो तुरंत उपयोग के लिए तैयार हैं और फाइन-ट्यूनिंग सेवाएं जो डेवलपर्स को अपने स्वामित्व वाले मॉडल बनाने में मदद करती हैं।

एआई और मशीन लर्निंग में तेजी से प्रगति के साथ, नैतिक मान्यताओं का महत्व अब पहले से कहीं अधिक है। फायरवर्क्स एआई पूर्वाग्रह, गोपनीयता और एआई के नैतिक उपयोग से संबंधित चिंताओं का समाधान कैसे करता है?

मेरी दो किशोर बेटियां हैं जो अक्सर जेनएआई ऐप्स जैसे चैटजीपीटी का उपयोग करती हैं। एक माँ के रूप में, मैं चिंतित हूं कि वे भ्रामक या अनुचित सामग्री पा सकती हैं, क्योंकि उद्योग अभी भी सामग्री सुरक्षा की महत्वपूर्ण समस्या से जूझ रहा है। मेटा प्रोजेक्ट पर्पल लामा पर बहुत काम कर रहा है, और स्टेबिलिटी एआई के नए एसडी3 मोड बहुत अच्छे हैं। दोनों कंपनियां अपने नए लामा3 और एसडी3 मॉडल में सुरक्षा लाने के लिए कई फिल्टर परतों के साथ काम कर रही हैं। इनपुट-आउटपुट सुरक्षा मॉडल, लामा गार्ड, हमारे प्लेटफ़ॉर्म पर अच्छी मात्रा में उपयोग प्राप्त करता है, लेकिन इसका अपनाना अभी भी अन्य एलएलएम के साथ तुलनीय नहीं है। उद्योग को अभी भी सामग्री सुरक्षा और एआई नैतिकता को आगे बढ़ाने के लिए एक लंबा रास्ता तय करना है।

हम फायरवर्क्स में गोपनीयता और सुरक्षा की देखभाल करते हैं। हम हिप्पा और एसओसी2 अनुपालन हैं, और सुरक्षित वीपीसी और वीपीएन कनेक्टिविटी प्रदान करते हैं। कंपनियां अपने स्वामित्व वाले डेटा और मॉडल के साथ अपना व्यवसाय मोआत बनाने के लिए फायरवर्क्स पर भरोसा करती हैं।

एआई के भविष्य के लिए आपकी दृष्टि क्या है?

जैसे कि अल्फागो ने शतरंज खेलने के लिए स्वयं सीखने के दौरान स्वायत्तता का प्रदर्शन किया, मुझे लगता है कि हम जेनएआई अनुप्रयोगों में अधिक से अधिक स्वायत्तता देखेंगे। अनुप्रयोग स्वचालित रूप से अनुरोधों को सही एजेंट या एपीआई तक रूट करेंगे और आउटपुट प्राप्त करने तक पाठ्यक्रम को सही करेंगे। और एक फंक्शन-कॉलिंग मॉडल के नियंत्रक के रूप में अन्य लोगों से पोलिंग करने के बजाय, हम अधिक स्व-व्यवस्थित, स्व-संगठित एजेंटों को समस्याओं का समाधान करने के लिए एकजुट होते हुए देखेंगे।

फायरवर्क्स की बिजली की गति वाली अनुमान, फंक्शन-कॉलिंग मॉडल और फाइन-ट्यूनिंग सेवा ने इस वास्तविकता के लिए मार्ग प्रशस्त किया है। अब यह नवाचारी डेवलपर्स पर निर्भर है कि वे इसे साकार करें।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें फायरवर्क्स एआई पर जाना चाहिए。