पुस्तक समीक्षा: स्टीफन विट द्वारा लिखित "द थिंकिंग मशीन: जेन्सेन हुआंग, एनवीडिया और दुनिया की सबसे प्रतिष्ठित माइक्रोचिप"

सोचने की मशीन: जेन्सेन हुआंग, एनवीडिया और दुनिया की सबसे प्रतिष्ठित माइक्रोचिप यह पुस्तक कृत्रिम बुद्धिमत्ता के बारे में लिखी गई अधिकांश पुस्तकों से अलग है क्योंकि यह विषय को एक ऐसे दृष्टिकोण से देखती है जिसे तकनीकी रूप से साक्षर कई पाठकों, जिनमें मैं भी शामिल हूं, ने ऐतिहासिक रूप से कम महत्व दिया है।

कई सालों से एआई का अनुसरण करने वाले कई लोगों की तरह, इस क्षेत्र के बारे में मेरी समझ भी कुछ परिचित महत्वपूर्ण पड़ावों से प्रभावित हुई है। कहानी आमतौर पर शुरू होती है... 1956 में डार्टमाउथ कार्यशाला के साथ, यह प्रारंभिक प्रतीकात्मक प्रणालियों से होकर गुजरता है, फिर आईबीएम जैसे महत्वपूर्ण क्षणों की ओर आगे बढ़ता है। डीप ब्लू ने गैरी कास्पारोव को हराया, डीपमाइंड में गो को महारत हासिल करनाऔर हाल ही में ओपनएआई ने यह प्रदर्शित किया है कि बड़े भाषा मॉडल जटिल मल्टीप्लेयर वातावरण में रणनीति का समन्वय कर सकते हैं। ये क्षण बौद्धिक रूप से संतोषजनक और आसानी से याद रखने योग्य होते हैं क्योंकि ये प्रत्यक्ष सफलताओं पर केंद्रित होते हैं।

स्टीफन विट की किताब की सबसे बड़ी खूबी यही है कि वह इस धारणा को चुनौती देती है। एआई ने दुनिया को कब प्रभावित किया, इस पर ध्यान केंद्रित करने के बजाय, सोचने की मशीन यह पुस्तक उन उपलब्धियों के नीचे छिपी हुई कम दिखाई देने वाली परत पर ध्यान केंद्रित करती है। यह तर्क देती है कि आधुनिक एआई युग केवल चतुर विचारों से ही नहीं, बल्कि गणना करने के तरीके में आए एक मौलिक बदलाव से संभव हुआ है।

एनवीडिया पर केंद्रित कथा के माध्यम से (एनवीडीए + 0.47%) विट और इसके सह-संस्थापक जेन्सेन हुआंग के साथ मिलकर, उन्होंने एआई क्रांति को कंप्यूटिंग आर्किटेक्चर, डेवलपर इकोसिस्टम और दीर्घकालिक दृढ़ विश्वास की कहानी के रूप में पुनर्परिभाषित किया है। इसका परिणाम मात्र एक कॉर्पोरेट जीवनी नहीं, बल्कि कृत्रिम बुद्धिमत्ता के व्यापक इतिहास का एक गुमशुदा अध्याय है।

वीडियो गेम से लेकर एक नए कंप्यूटिंग प्रतिमान तक

एनवीडिया की शुरुआत कृत्रिम बुद्धिमत्ता से जुड़ी आज की महत्वाकांक्षाओं से बहुत दूर है। कंपनी 1993 में उभरा एक ग्राफ़िक्स चिप निर्माता के रूप में, कंपनी का ध्यान वीडियो गेम की दुनिया को अधिक से अधिक यथार्थवादी बनाने पर केंद्रित था। उस समय चुनौती बुद्धिमत्ता नहीं, बल्कि गति थी। खेलों में प्रकाश, गति और गहराई का अनुकरण करने के लिए बड़ी संख्या में गणनाओं को तुरंत निष्पादित करने की आवश्यकता होती थी।

एनवीडिया ने जिस समाधान का अनुसरण किया वह यह था: समानांतर कंप्यूटिंग. पैरेलल कंप्यूटिंग का अर्थ है कई गणनाओं को एक साथ करना, न कि उन्हें क्रमानुसार निष्पादित करना। एक शक्तिशाली कोर द्वारा एक के बाद एक निर्देश संसाधित करने पर निर्भर रहने के बजाय, जीपीयू हजारों छोटे कोर का उपयोग करते हैं जो समान गणितीय क्रियाओं पर एक साथ काम करते हैं। यह दृष्टिकोण विशेष रूप से उन कार्यों के लिए शक्तिशाली है जिनमें बड़े डेटासेट पर समान गणनाओं को दोहराना शामिल होता है।

मूल रूप से, यह आर्किटेक्चर ग्राफिक्स के लिए बनाया गया था। फिर भी विट बताते हैं कि कैसे इस निर्णय ने दशकों बाद न्यूरल नेटवर्क के लिए आदर्श आधार तैयार किया। आधुनिक एआई मॉडल को प्रशिक्षित करने में भारी मात्रा में डेटा पर समान गणितीय संक्रियाओं की एक बड़ी संख्या को लागू करना शामिल है। जीपीयू पहले से ही इस प्रकार के कार्य के लिए अनुकूलित थे।

इस पुस्तक के इस भाग को दिलचस्प बनाने वाली बात यह है कि विट ने तकनीकी डिज़ाइन विकल्पों को अस्तित्व से कितनी स्पष्टता से जोड़ा है। एनवीडिया ने समानांतर कंप्यूटिंग को इसलिए नहीं चुना क्योंकि उसने कृत्रिम बुद्धिमत्ता की भविष्यवाणी की थी। उसने इसे इसलिए चुना क्योंकि वास्तविक समय ग्राफिक्स में प्रतिस्पर्धा करने का यही एकमात्र तरीका था। इस आवश्यकता ने कंपनी को एक ऐसे कंप्यूटिंग मॉडल में महारत हासिल करने के लिए मजबूर किया जो बाद में गेमिंग से कहीं आगे तक क्रांतिकारी साबित हुआ।

जेन्सेन हुआंग और सिस्टम के बारे में सोचना, उत्पादों के बारे में नहीं

इस कहानी के केंद्र में जेन्सेन हुआंग हैं, जिन्हें एक पारंपरिक कार्यकारी के रूप में नहीं, बल्कि एक ऐसे व्यक्ति के रूप में चित्रित किया गया है जो व्यक्तिगत उत्पादों के बजाय प्रणालियों के बारे में लगातार सोचते थे। विट हुआंग को मांग करने वाले, गंभीर और अक्सर कठिन व्यक्ति के रूप में प्रस्तुत करते हैं, लेकिन साथ ही लंबे समय तक प्रौद्योगिकी के प्रति उनके दृष्टिकोण में उल्लेखनीय स्थिरता भी दर्शाते हैं।

जहां प्रतिस्पर्धी जीपीयू को गेमिंग चक्रों से जुड़े डिस्पोजेबल घटकों के रूप में देखते थे, वहीं हुआंग ने उन्हें एक व्यापक कंप्यूटिंग प्लेटफॉर्म की नींव के रूप में माना। यह अंतर महत्वपूर्ण हो जाता है। उत्पाद बदले जाते हैं। प्लेटफॉर्म विकसित होते हैं।

आंतरिक रूप से, एनवीडिया की सोच भी इसी ओर झुकी हुई थी। इंजीनियरों को कई साल आगे की सोचने के लिए प्रोत्साहित किया जाता था। सॉफ्टवेयर को सिलिकॉन जितना ही रणनीतिक महत्व दिया जाता था। स्पष्ट मांग होने से बहुत पहले ही टूल्स और डेवलपर सपोर्ट में निवेश किया गया था। उस समय इनमें से कई विकल्प अत्यधिक या अनावश्यक प्रतीत हुए। लेकिन बाद में पता चला कि इन्होंने एक ऐसी मजबूत दीवार खड़ी कर दी जिसे पार करना प्रतिस्पर्धियों के लिए मुश्किल हो गया।

विट यह स्पष्ट करते हैं कि एनवीडिया का उदय अपरिहार्य नहीं था। कंपनी एक से अधिक बार विफलता के कगार पर पहुंची। इसे आगे बढ़ाने वाली चीज कोई एक अभूतपूर्व उपलब्धि नहीं थी, बल्कि यह अटूट विश्वास था कि त्वरित कंप्यूटिंग अंततः अपने मूल उपयोग से कहीं अधिक महत्वपूर्ण साबित होगी।

CUDA और AI की उत्पत्ति की कहानी जिसे कई लोगों ने नजरअंदाज कर दिया

सबसे महत्वपूर्ण योगदानों में से एक सोचने की मशीन यह एआई के इतिहास में CUDA की भूमिका को पुनर्परिभाषित करने का तरीका है।

इस किताब को पढ़ने से पहले, यह सोचना आसान है कि CUDA इसे केवल एक सफल डेवलपर टूल के रूप में नहीं देखा जाना चाहिए। विट बताते हैं कि यह कहीं अधिक ध्यान देने योग्य क्यों है। CUDA को ग्राफिक्स के बाहर समानांतर कंप्यूटिंग को उपयोगी बनाने के लिए बनाया गया था। CUDA से पहले, सामान्य गणना के लिए GPU का उपयोग करने के लिए ग्राफिक्स विशिष्ट इंटरफेस के माध्यम से समस्याओं को हल करना आवश्यक था। यह तरीका नाजुक, अक्षम और केवल विशेषज्ञों तक ही सीमित था।

CUDA ने इस स्थिति को बदल दिया, जिससे डेवलपर्स परिचित प्रोग्रामिंग मॉडल का उपयोग करके GPU को प्रोग्राम कर सकते थे। हजारों कंप्यूटिंग कोर एक सामान्य संसाधन के रूप में उपलब्ध हो गए। इससे उच्च प्रदर्शन कंप्यूटिंग में प्रवेश की बाधा इतनी कम हो गई कि उस समय कुछ ही लोगों ने इसकी पूरी तरह से सराहना की।

यहीं पर यह पुस्तक एआई इतिहास सीखने के मेरे अपने अनुभव से गहराई से मेल खाती है। मैंने जो वर्णन ग्रहण किया, वह मुख्य रूप से मॉडल और एल्गोरिदम पर केंद्रित था। सोचने की मशीन इससे यह स्पष्ट होता है कि इनमें से कई विचार तभी व्यावहारिक बन पाए जब शोधकर्ता वास्तव में बड़े पैमाने पर उन्हें प्रशिक्षित कर सके।

कृत्रिम बुद्धिमत्ता के शोधकर्ताओं ने शीघ्र ही पहचान लिया कि न्यूरल नेटवर्क समानांतर कंप्यूटिंग के लिए लगभग पूर्णतः उपयुक्त हैं। प्रशिक्षण में बड़े डेटासेट पर समान क्रियाओं को दोहराना और समय के साथ लाखों या अरबों मापदंडों को समायोजित करना शामिल है। CUDA ने इस प्रक्रिया को CPU की तुलना में कहीं अधिक तेज़, सस्ता और विश्वसनीय बना दिया।

डीप लर्निंग के तीव्र विकास और बाद में ट्रांसफॉर्मर-आधारित मॉडलों के उभरने के साथ यह विशेष रूप से महत्वपूर्ण हो गया। ट्रांसफॉर्मर मॉडल बड़े पैमाने पर काम करने में सक्षम होते हैं। जीपीयू एक्सेलरेशन के बिना, आज के एआई परिदृश्य को परिभाषित करने वाले कई मॉडल सैद्धांतिक ही रह जाते या बेहद महंगे होते। CUDA ने इन आर्किटेक्चरों का आविष्कार नहीं किया, लेकिन इसने इनके तीव्र विकास को संभव बनाया।

विट ने जिस बात को विशेष रूप से बखूबी दर्शाया है, वह यह है कि यह परिणाम पूरी तरह से योजनाबद्ध नहीं था। CUDA को वैज्ञानिक कंप्यूटिंग के लिए बनाया गया था। AI शोधकर्ताओं ने इसकी शक्ति का पता लगाया और NVIDIA को AI की दौड़ के केंद्र में ला खड़ा किया।

एल्गोरिदम के बजाय बुनियादी ढांचा

इस पुस्तक की सबसे महत्वपूर्ण अंतर्दृष्टियों में से एक यह है कि कृत्रिम बुद्धिमत्ता की प्रगति विचारों के साथ-साथ बुनियादी ढांचे से भी उतनी ही बाधित होती है। कई लोकप्रिय लेख एल्गोरिदम, प्रशिक्षण युक्तियों और डेटासेट पर केंद्रित होते हैं। सोचने की मशीन यह पाठक को याद दिलाता है कि पर्याप्त कंप्यूटिंग क्षमता के बिना इनमें से किसी का कोई महत्व नहीं है।

इस दृष्टिकोण से, आधुनिक एआई का उछाल यह बदलाव अब उतना अचानक नहीं बल्कि विलंबित प्रतीत होता है। तंत्रिका नेटवर्क दशकों से मौजूद हैं। जो बदलाव आया है, वह है उन्हें सार्थक पैमाने पर प्रशिक्षित करने में सक्षम हार्डवेयर की उपलब्धता।

एनवीडिया ने केवल तेज़ चिप्स ही नहीं दिए। इसने हार्डवेयर, सॉफ़्टवेयर लाइब्रेरी और डेवलपर टूल्स का एक ऐसा इकोसिस्टम बनाया जो समय के साथ एक-दूसरे को मज़बूत करता गया। जैसे-जैसे शोधकर्ताओं ने एनवीडिया प्लेटफॉर्म के लिए अपने काम को अनुकूलित किया, एनवीडिया ने एआई वर्कलोड को बेहतर ढंग से संभालने के लिए अपने उत्पादों को परिष्कृत किया। इस फीडबैक लूप ने एक ऐसा स्थायी लाभ पैदा किया जो केवल प्रदर्शन तक ही सीमित नहीं था।

यह पुस्तक चुपचाप एक ऐसी वास्तविकता को रेखांकित करती है जो आज तेजी से स्पष्ट होती जा रही है: एआई में नेतृत्व केवल अनुसंधान की उत्कृष्टता से नहीं, बल्कि आपूर्ति श्रृंखलाओं, विनिर्माण क्षमता, सॉफ्टवेयर पारिस्थितिकी तंत्र और प्लेटफॉर्म नियंत्रण से निर्धारित होता है।

दृष्टि, जोखिम और इसके बढ़ते परिणाम

विट, एनवीडिया के प्रभुत्व के निहितार्थों को उजागर करने से पीछे नहीं हटते। जैसे-जैसे कंपनी वैश्विक एआई अवसंरचना का आधार बनती जा रही है, उसका प्रभाव भी उसी अनुपात में बढ़ता जा रहा है। जेन्सेन हुआंग का यह विश्वास कि त्वरित कंप्यूटिंग तकनीकी प्रगति के अगले चरण को परिभाषित करेगी, पूरी पुस्तक में झलकता है।

उपदेश देने के बजाय, सोचने की मशीन यह लेख इस बात पर केंद्रित है कि कैसे समय के साथ इंजीनियरिंग और रणनीतिक निर्णयों में निरंतरता का प्रभाव बढ़ता गया। एनवीडिया ने रुझानों का पीछा करके सफलता हासिल नहीं की। इसने समानांतर कंप्यूटिंग के प्रति शुरुआती प्रतिबद्धता, बार-बार आने वाले बाजार चक्रों का सामना करने और उन उपकरणों में निरंतर निवेश करने के कारण सफलता प्राप्त की, जिन्होंने इसके हार्डवेयर को अपरिहार्य बना दिया।

उन पाठकों के लिए जो यह समझना चाहते हैं कि एआई वास्तव में किस प्रकार व्यापक स्तर पर काम करता है

उन पाठकों के लिए जो पहले से ही सुर्खियों में रहने वाले क्षणों से परिचित हैं एआई इतिहासयह पुस्तक उन अनसुलझे पहलुओं को उजागर करती है। यह बताती है कि वे सफलताएँ उस समय इतनी व्यापक क्यों हो सकीं, और इस प्रक्रिया में एनवीडिया एक केंद्रीय शक्ति के रूप में क्यों उभरी।

यह पुस्तक उन पाठकों के लिए है जो कृत्रिम बुद्धिमत्ता को चतुर मॉडलों के संग्रह के बजाय एक औद्योगिक प्रणाली के रूप में समझना चाहते हैं। चिप्स, डेटा केंद्रों और उन अदृश्य इंजीनियरिंग निर्णयों में रुचि रखने वालों को यह पुस्तक बहुत पसंद आएगी जो चुपचाप तकनीकी शक्ति को आकार देते हैं।

सोचने की मशीन यह पुस्तक इसलिए सफल है क्योंकि यह एआई की कहानी को बिल्कुल नए सिरे से प्रस्तुत करती है, यह दर्शाती है कि कैसे समानांतर कंप्यूटिंग, डेवलपर प्लेटफॉर्म और दीर्घकालिक दृष्टिकोण ने उस नींव का निर्माण किया जिस पर आधुनिक कृत्रिम बुद्धिमत्ता आज टिकी हुई है।