स्पष्ट केले: एआय स्केलिंग म्हणजे काय ज्याने सिलिकॉन व्हॅलीमधील सर्वात मोठ्या कंपन्यांना विभाजित केले आहे; Google, OpenAI, Microsoft आणि इतरांसह

सिलिकॉन व्हॅलीच्या सर्वात मोठ्या एआय कंपन्या कृत्रिम बुद्धिमत्तेचे भविष्य ठरवू शकणाऱ्या मूलभूत मतभेदात अडकल्या आहेत: एआय मॉडेल्स मोठे केल्याने ते आपोआपच हुशार बनतात किंवा उद्योगाने या दृष्टिकोनाची मर्यादा गाठली आहे? Google डीपमाइंडचे सीईओ डेमिस हसाबिस कृत्रिम सामान्य बुद्धिमत्तेपर्यंत पोहोचण्यासाठी AI स्केलिंगला “जास्तीत जास्त ढकलले जाणे आवश्यक आहे” असा आग्रह धरतात – AI ची एक आवृत्ती जी मानवांबरोबरच कारणीभूत आहे. दरम्यान, मेटाचे मुख्य AI शास्त्रज्ञ यान लेकुन निर्गमन करणार आहेत: “आपण फक्त असे गृहीत धरू शकत नाही की अधिक डेटा आणि अधिक गणना म्हणजे स्मार्ट AI.” वादविवादामुळे उद्योगाला तडे गेले आहेत, कोट्यवधी डॉलर्स आणि एजीआयची शर्यत शिल्लक आहे.ओपनएआयच्या लँडमार्क 2020 पेपरमध्ये प्रथम वर्णन केलेले AI स्केलिंग कायदे, एका साध्या आधारावर विश्रांती घ्या: AI मॉडेलला अधिक डेटा आणि अधिक संगणकीय शक्ती द्या आणि ते उत्तरोत्तर अधिक बुद्धिमान बनतील. या तत्त्वाने सध्याच्या AI बूमला चालना दिली आहे, ज्यामुळे संपूर्ण तंत्रज्ञान उद्योगातील डेटा सेंटर्स आणि पायाभूत सुविधांमध्ये मोठ्या प्रमाणावर गुंतवणूक झाली आहे.वर्षानुवर्षे ते काम करत होते. मोठ्या भाषा मॉडेलच्या प्रत्येक नवीन पिढीने फक्त स्केलिंग करून उल्लेखनीय सुधारणा दाखवल्या. मात्र, आता तडे दिसू लागले आहेत. अहवाल सूचित करतात की GPT-5 सारख्या फ्रंटियर मॉडेल्सना पूर्व-प्रशिक्षण दरम्यान परतावा कमी होत आहे, जे जुने फॉर्म्युला अजूनही टिकून आहे की नाही याबद्दल प्रश्न उपस्थित करतात.

सर्व विश्वासणारे: का Google आणि OpenAI अजूनही स्केलिंग मागे घेतात

हसाबिस, ज्यांच्या कंपनीने अलीकडेच जेमिनी 3 लाँच केले आहे, त्यांना खात्री आहे की केवळ स्केलिंग AGI वितरित करू शकते, तरीही त्यांना शंका आहे की “एक किंवा दोन” इतर यशांची आवश्यकता असेल. सॅन फ्रान्सिस्कोमधील Axios AI+ समिटमध्ये, त्यांनी असा युक्तिवाद केला की स्केलिंग हा कमीतकमी “मुख्य घटक” आहे आणि AGI च्या मार्गाचा संभाव्य “संपूर्णता” आहे.ओपनएआयचे सीईओ सॅम ऑल्टमन तितकेच उत्साही आहेत, स्पष्टपणे घोषित करतात: “कोणतीही भिंत नाही.” गुगलचे माजी सीईओ एरिक श्मिट यांनी भाकीत केले आहे की पुढील पाच वर्षांत स्केलिंग सुरू ठेवल्यास एआय सिस्टीम आजच्या मॉडेल्सपेक्षा 50 ते 100 पट अधिक शक्तिशाली बनू शकते, प्रत्येक पुनरावृत्ती सुधारणेचे घटक प्रदान करते.त्यानुसार उद्योग बेटिंग करत आहे. OpenAI आणि इतर यूएस टेक कंपन्यांनी शंभर-अब्ज डॉलर्सच्या पायाभूत सुविधांच्या करारांवर स्वाक्षरी केली आहे. ओपनएआयचे अध्यक्ष ग्रेग ब्रॉकमन यांनी सानुकूल एआय चिप्ससाठी भागीदारीची घोषणा केली, “जगाला अधिक गणना करणे आवश्यक आहे.”परंतु वित्तपुरवठ्यातही साशंकता निर्माण होत आहे. जेपी मॉर्गनचे सीईओ जेमी डिमन यांनी चेतावणी दिली की “बहुतेक लोकांच्या मनात अनिश्चिततेची पातळी जास्त असली पाहिजे,” असा सवाल करत या मोठ्या गुंतवणुकीचा फायदा होईल का.

वाढता प्रतिक्रिया: काही एआय तज्ञ का म्हणतात की स्केलिंग भिंतीवर आदळली आहे

LeCun सिलिकॉन व्हॅलीमध्ये गती मिळवणाऱ्या प्रति-चळवळीचे प्रतिनिधित्व करते. एप्रिलमध्ये सिंगापूरच्या नॅशनल युनिव्हर्सिटीमध्ये, त्यांनी असा युक्तिवाद केला की “सर्वात मनोरंजक समस्या अत्यंत वाईट प्रमाणात वाढतात,” विशेषत: वास्तविक-जगातील अस्पष्टता आणि अनिश्चितता यांचा समावेश होतो.तो “जागतिक मॉडेल्स” वर लक्ष केंद्रित करणारा स्वतःचा स्टार्टअप लाँच करण्यासाठी मेटा सोडत आहे – एक पर्यायी दृष्टीकोन जो केवळ भाषेवर प्रक्रिया करण्याऐवजी भौतिक जगाविषयी स्थानिक डेटा संकलित करतो. “भौतिक जग समजून घेणारी, सतत स्मृती ठेवणारी, तर्क करू शकते आणि जटिल क्रिया अनुक्रमांची योजना करू शकणारी” एआय प्रणाली तयार करणे हे त्याचे ध्येय आहे.तांत्रिक आव्हाने वाढत आहेत. उच्च-गुणवत्तेचा सार्वजनिक डेटा संपत चालला आहे, आणि डेटा केंद्रे बांधणे पर्यावरणाच्या दृष्टीने विनाशकारी आणि विलक्षण महागडे आहे, अंदाजे 60 टक्के खर्च GPU वर जातो जे वेगाने घसरते.ऑक्टोबरमध्ये प्रकाशित झालेल्या एमआयटीच्या अभ्यासाने संशयितांच्या केसला अधिक वजन दिले. संशोधकांना असे आढळले की लहान मॉडेल्समधील कार्यक्षमतेतील सुधारणा पुढील दशकात, विशेषत: तर्क कार्यांसाठी, विशाल मॉडेल्ससह कार्यक्षमतेतील अंतर कमी करू शकतात. एमआयटीचे प्राध्यापक नील थॉम्पसन म्हणाले, “पुढील पाच ते 10 वर्षांमध्ये, गोष्टी संकुचित होण्याची शक्यता आहे.”इतर उद्योग नेते शंका व्यक्त करत आहेत. स्केल एआयचे सीईओ अलेक्झांडर वांग यांनी स्केलिंगला “उद्योगातील सर्वात मोठा प्रश्न” म्हटले आहे, तर कोहेरेचे सीईओ एडन गोमेझ यांनी AI मॉडेल्समध्ये सुधारणा करण्याचा हा “मूर्ख” मार्ग असल्याचे म्हटले आहे.

मायक्रोसॉफ्टमध्यम मार्ग: सावधगिरी बाळगण्याचे आवाहन करताना घरामध्ये बांधणे

मायक्रोसॉफ्ट या टोकाच्या दरम्यान नेव्हिगेट करण्याचा प्रयत्न करत आहे. एआयचे प्रमुख मुस्तफा सुलेमान यांच्या नेतृत्वाखाली, कंपनीने नुकतेच स्वतःचे मोठे मॉडेल बनवण्यावरील निर्बंध हटवण्यासाठी ओपनएआय भागीदारीवर पुन्हा चर्चा केली. Microsoft आता OpenAI, Google आणि Anthropic शी थेट स्पर्धा करण्यासाठी इन-हाउस फ्रंटियर AI लॅब तयार करत आहे.“मायक्रोसॉफ्टला एआयमध्ये स्वयंपूर्ण असणे आवश्यक आहे,” सुलेमानने बिझनेस इनसाइडरला सांगितले, “आमच्या स्वत: च्या डेटासह सर्व स्केलचे फ्रंटियर मॉडेल प्रशिक्षित करण्याच्या योजनांची घोषणा केली आणि अत्याधुनिक स्तरावर गणना केली.”तथापि, सुलेमान ज्याला तो “मानवतावादी सुपरइंटिलिजन्स” म्हणतो त्यावर जोर देतो—एआय जे “काळजीपूर्वक कॅलिब्रेट केलेले, संदर्भानुसार आणि मर्यादेत असते.” तो अनियंत्रित “रेस-टू-एजीआय” मानसिकतेविरूद्ध चेतावणी देतो: “आम्ही केवळ सुपरइंटिलिजन्सच्या फायद्यासाठी सुपरइंटिलिजन्स तयार करू शकत नाही. जर आपण त्यावर नियंत्रण गमावले तर ते चांगले जग होणार नाही.”तो कबूल करतो की हा सावध दृष्टिकोन स्पर्धकांच्या आक्रमक पद्धतींपेक्षा हळू आणि अधिक महाग असू शकतो, मायक्रोसॉफ्टच्या टीमने फ्रंटियर-ग्रेड मॉडेल्स तयार करण्यापूर्वी “एक किंवा दोन वर्ष चांगले” लागतील असा अंदाज आहे. आणि तो कबूल करतो की मूलभूत प्रश्नाचे आश्वासक उत्तर कोणाकडेही नाही: “आम्ही कसे समाविष्ट करणार आहोत, संरेखित करू द्या, अशी प्रणाली जी डिझाइनद्वारे, आपल्यापेक्षा अधिक हुशार बनत राहण्याच्या उद्देशाने आहे?”विशेष म्हणजे, अलीकडील अभ्यास सूचित करतात की सध्याचे AI मॉडेल आधीच उल्लेखनीयपणे सक्षम असू शकतात. संशोधनात असे दिसून आले आहे की GPT-4 जटिल निदान प्रकरणांमध्ये डॉक्टरांना मागे टाकत आहेत आणि कंपनीच्या कमाईचा अंदाज लावण्यात व्यावसायिक आर्थिक विश्लेषकांशी जुळतात-अनेक व्यावहारिक अनुप्रयोगांसाठी नाटकीयदृष्ट्या मोठे मॉडेल देखील आवश्यक आहेत का असा प्रश्न उपस्थित करते.वादविवाद वाढत असताना, दावे जास्त असू शकत नाहीत. परिणाम केवळ कोणत्या कंपन्या AI विकासाचे नेतृत्व करतात हे ठरवणार नाही, परंतु संभाव्यत: तंत्रज्ञान मानवी नियंत्रणाखाली आहे की नाही. शुद्ध स्केलिंग, कार्यक्षमता नवकल्पना किंवा संपूर्णपणे नवीन आर्किटेक्चरद्वारे असो, पुढे जाण्याचा मार्ग अनिश्चित राहतो—आणि ही अनिश्चितता अगदी धाडसी तंत्रज्ञान नेत्यांनाही चिंताग्रस्त बनवत आहे.