अपने एआई टेक स्टैक को विकेंद्रीकृत करने का मामला

एआई विकास पर इतनी बातचीत भविष्यवाणी और दार्शनिक बहस से भर गई है – क्या हमें सामान्य कृत्रिम बुद्धिमत्ता की ओर बढ़ना चाहिए, जहां एआई इतना उन्नत हो जाएगा कि वह मानव की तरह किसी भी कार्य को कर सकेगा? क्या यह संभव भी है?

जबकि त्वरण बनाम धीमा करने वाली चर्चा महत्वपूर्ण और समय पर है जैसे कि Q-स्टार मॉडल जैसी प्रगति के साथ, अन्य पहलू भी मायने रखते हैं। मुख्य रूप से, अपने प्रौद्योगिकी स्टैक को विकेंद्रीकृत करने का महत्व, और यह कैसे करना है ताकि यह बहुत अधिक लागत का बोझ न बने। ये दो चुनौतियाँ विरोधाभासी लगती हैं: मॉडल बनाना और तैनात करना अविश्वसनीय रूप से महंगा है, लेकिन एक मॉडल पर बहुत अधिक निर्भर रहना लंबे समय में हानिकारक हो सकता है। मैं इस चुनौती को व्यक्तिगत रूप से एक एआई संस्थापक के रूप में जानता हूं।

बुद्धिमत्ता बनाने के लिए, आपको प्रतिभा, डेटा और स्केलेबल कंप्यूट की आवश्यकता है। समय-समय पर बाजार में उतारने और कम से अधिक करने के लिए, कई कंपनियां मौजूदा मॉडल के ऊपर बनाने का विकल्प चुनेंगी, न कि शून्य से शुरू करने का। और यह दृष्टिकोण तब समझ में आता है जब आप जो बना रहे हैं वह इतना संसाधन गहन है। इस चुनौती को जोड़कर यह है कि सॉफ्टवेयर के विपरीत, अब तक एआई में अधिकांश लाभ स्केल जोड़कर बनाए गए हैं, जिसके लिए अधिक कंप्यूटिंग शक्ति और इसलिए लागत की आवश्यकता होती है।

लेकिन जब कंपनी में जिस पर आप अपना समाधान बना रहे हैं उसमें शासन विफलता या उत्पाद आउटेज होता है? व्यावहारिक दृष्टिकोण से, एक मॉडल पर निर्भर रहना आपके उत्पाद को बनाने के लिए इसका मतलब है कि आप अब किसी भी चीज़ के लिए नकारात्मक प्रभाव का हिस्सा हैं।

हमें यह भी याद रखना होगा कि संभावित प्रणालियों के साथ काम करने के जोखिम। हम इसकी आदी नहीं हैं और हम जिस दुनिया में रहते हैं वह अब तक एक निश्चित उत्तर के साथ काम करने के लिए डिज़ाइन की गई है। मॉडल आउटपुट के मामले में तरल हैं, और कंपनियां लगातार मॉडल को ट्वीक करती हैं, जिसका अर्थ है कि आप समर्थन के लिए लिखा गया कोड और आपके ग्राहकों पर निर्भर परिणाम आपकी ज्ञान या नियंत्रण के बिना बदल सकते हैं।

केंद्रीकरण सुरक्षा चिंताओं को भी पैदा करता है क्योंकि यह एक एकल विफलता बिंदु पेश करता है। हर कंपनी अपने आप में सबसे अच्छे हित में काम कर रही है। यदि मॉडल के साथ एक सुरक्षा या जोखिम चिंता है, तो आपके पास उस मुद्दे को ठीक करने या वैकल्पिकों तक पहुंच का कम नियंत्रण है।

हमें यह कहां छोड़ता है?

एआई निस्संदेह हमारे जीवन को बेहतर बनाने जा रहा है। इसमें इतना कुछ हासिल करने और ठीक करने की क्षमता है, जिस तरह से हम जानकारी इकट्ठा करते हैं और जिस तरह से हम बड़ी मात्रा में डेटा को समझते हैं। लेकिन इस अवसर के साथ जोखिम भी आता है। यदि हम एक ही मॉडल पर बहुत अधिक निर्भर रहते हैं, तो सभी कंपनियां सुरक्षा और उत्पाद चुनौतियों के लिए खुद को खोल रही हैं।

इसे ठीक करने के लिए, हमें अनुमान लागत को कम करने और कंपनियों के लिए एक बहु-मॉडल दृष्टिकोण को आसान बनाने की आवश्यकता है। और निश्चित रूप से, सब कुछ डेटा पर आता है। डेटा और डेटा स्वामित्व महत्वपूर्ण होगा। जितना अधिक अद्वितीय, उच्च गुणवत्ता और उपलब्ध डेटा, उतना ही यह उपयोगी होगा।

अधिकांश समस्याओं के लिए, आप एक विशिष्ट अनुप्रयोग के लिए मॉडल को अनुकूलित कर सकते हैं। एआई की अंतिम मील कंपनियां विभिन्न मॉडलों के ऊपर मार्ग निर्देशन तर्क, मूल्यांकन और ऑर्केस्ट्रेशन परतें बना रही हैं, उन्हें विभिन्न ऊर्ध्वाधरों के लिए विशेषज्ञता प्रदान कर रही हैं।

इस स्थान में कई महत्वपूर्ण निवेश हुए हैं जो हमें इस लक्ष्य के करीब ला रहे हैं। मिस्टल के हाल के (और प्रभावशाली) फंडिंग राउंड एक ओपनएआई विकल्प की ओर एक आशाजनक विकास है। अन्य कंपनियां क्रॉस-मॉडल मल्टीप्लेक्सिंग को वास्तविकता बनाने और विशेष हार्डवेयर, सॉफ्टवेयर और मॉडल डिस्टिलेशन के माध्यम से अनुमान लागत को कम करने में अन्य एआई प्रदाताओं की मदद कर रही हैं।

हम देखेंगे कि ओपन-सोर्स ले जा रहा है, और सरकारी निकायों को ओपन-सोर्स को खुला रखने के लिए सक्षम करना होगा। ओपन-सोर्स मॉडल के साथ, नियंत्रण में अधिक आसानी है। हालांकि, प्रदर्शन अंतर अभी भी वहाँ हैं।

मैं मानता हूं कि हम एक ऐसी दुनिया में समाप्त होंगे जहां आपके पास जूनियर मॉडल होंगे जो कम जटिल कार्यों को पैमाने पर करने के लिए अनुकूलित होंगे, जबकि बड़े सुपर-इंटेलिजेंट मॉडल अद्यतन के लिए ऑरेकल के रूप में कार्य करेंगे और जटिल समस्याओं को हल करने के लिए कम्प्यूट पर खर्च बढ़ाएंगे। आपको एक ग्राहक सेवा अनुरोध का जवाब देने के लिए एक ट्रिलियन-पैरामीटर मॉडल की आवश्यकता नहीं होगी। मैं इसे एक ऐसी स्थिति की तरह देखता हूं जहां एक वरिष्ठ कार्यकारी को एक ऐसा कार्य सौंपा जाता है जिसे एक इंटर्न संभाल सकता है। जैसे हमारे पास मानव समकक्षों के लिए कई भूमिकाएं हैं, वैसे ही अधिकांश कंपनियां विभिन्न जटिलता स्तरों के संग्रह के साथ मॉडल पर निर्भर करेंगी।

इस संतुलन को प्राप्त करने के लिए, आपको एक स्पष्ट कार्य विभाजन और बेंचमार्किंग की आवश्यकता है, समय, गणना जटिलता, लागत और आवश्यक स्केल पर विचार करते हुए। उपयोग के मामले के आधार पर, आप उचित रूप से प्राथमिकता दे सकते हैं। एक आधार सत्य निर्धारित करें, एक आदर्श परिणाम की तुलना के लिए, और एक उदाहरण इनपुट और आउटपुट डेटा, ताकि आप विभिन्न प्रॉम्प्ट चला सकें और अनुकूलन कर सकें और आधार सत्य के करीब परिणाम प्राप्त कर सकें।

यदि एआई कंपनियां अपने टेक स्टैक को सफलतापूर्वक विकेंद्रीकृत कर सकती हैं और कई मॉडलों पर निर्माण कर सकती हैं, तो हम इन उपकरणों की सुरक्षा और विश्वसनीयता में सुधार कर सकते हैं और इस प्रकार एआई के सकारात्मक प्रभाव को अधिकतम कर सकते हैं। हम अब теоретिक बहस के स्थान में नहीं हैं – यह समय है कि हम ध्यान केंद्रित करें कि एआई को कैसे काम पर रखा जाए ताकि इन प्रौद्योगिकियों को अधिक प्रभावी और लचीला बनाया जा सके।