Nvidia-வின் MOE, AGI-க்கான பாதை — நாளைய AI-யை இன்றே அனுபவிக்க Dvina எப்படி உதவுகிறது

Ömer Odabaş
2 நிமிட வாசிப்பு • 
பொதுச் செயற்கை நுண்ணறிவு, அதாவது AGI என்ற நீண்டகால இலக்கை அடைய இந்த அணுகுமுறை முக்கியமானது என்று பல ஆய்வாளர்கள் நம்புகின்றனர். பல்வேறு வகையான பிரச்சினைகளைக் கையாளக்கூடிய ஓர் அமைப்புக்குப் பெரியதாக இருப்பது மட்டும் போதாது. முடிவெடுக்கும் திறனும் தேவை. எந்தத் திறன்களை எப்போது பயன்படுத்த வேண்டும் என்பதை அது அறிந்திருக்க வேண்டும்.

செயற்கை நுண்ணறிவுக்கு இது ஒரு சுவாரஸ்யமான தருணம். நீண்ட காலமாக, AI-யின் முன்னேற்றம் ஒரு எளிய விதியைப் பின்பற்றியது: மாதிரிகளைப் பெரிதாக்குவது. அதிக அளவுருக்கள், அதிக தரவு, அதிக கணிப்பீட்டு வளங்கள். இந்த அணுகுமுறை பலனளித்தது. ஆனால் கடுமையான சிக்கல்களையும் உருவாக்கியது. பெரிய மாதிரிகளைப் பயிற்றுவிக்க அதிக செலவும் நேரமும் தேவைப்படுவதோடு, மிக அதிக அளவில் ஆற்றலும் செலவாகிறது.

சமீபத்தில், Nvidia, Mixture of Experts எனப்படும் MOE என்ற மாறுபட்ட யோசனையை அறிமுகப்படுத்தியது. ஒவ்வொரு பணிக்கும் முழு நரம்பியல் வலையமைப்பையும் செயல்படுத்துவதற்குப் பதிலாக, அமைப்பின் எந்தப் பகுதிகள் உண்மையில் தேவை என்பதைத் தேர்ந்தெடுக்க மாதிரி கற்றுக்கொள்கிறது. ஒவ்வொரு பகுதியும் ஒரு குறிப்பிட்ட துறையின் நிபுணரைப் போலச் செயல்படுகிறது. எந்தக் கேள்விக்கும், அதற்கு மிகவும் பொருத்தமான நிபுணர்கள் மட்டுமே பயன்படுத்தப்படுகிறார்கள்.

இதனால் அமைப்பு அதிக செயல்திறனுடனும் நெகிழ்வுத்தன்மையுடனும் இயங்குகிறது. இது மனிதர்கள் செயல்படும் முறையைப் போன்றது. ஒவ்வொரு பிரச்சினைக்கும் உங்களுக்குத் தெரிந்த அனைவரிடமும் உதவி கேட்க மாட்டீர்கள். அந்தச் சூழ்நிலைக்கு மிகவும் பொருத்தமானவர்களிடமே கேட்பீர்கள். MOE மூலம், தேவையற்ற சுமையைச் சேர்க்காமல் AI அமைப்புகள் மேலும் அறிவுத்திறன் பெற முடியும்.

பொதுச் செயற்கை நுண்ணறிவு, அதாவது AGI என்ற நீண்டகால இலக்கை அடைய இந்த அணுகுமுறை முக்கியமானது என்று பல ஆய்வாளர்கள் நம்புகின்றனர். பல்வேறு வகையான பிரச்சினைகளைக் கையாளக்கூடிய ஓர் அமைப்புக்குப் பெரியதாக இருப்பது மட்டும் போதாது. முடிவெடுக்கும் திறனும் தேவை. எந்தத் திறன்களை எப்போது பயன்படுத்த வேண்டும் என்பதை அது அறிந்திருக்க வேண்டும்.

இந்த யோசனை ஆய்வுக் கட்டுரைகளோடு நின்றுவிடவில்லை.

உண்மையில், Dvina-வில் இதேபோன்ற அணுகுமுறையுடன் நாங்கள் பணியாற்றி வருகிறோம். எந்தவொரு மொழி மாதிரியும் கருவியும் எல்லாவற்றிலும் சிறந்து விளங்க முடியாது என்ற அடிப்படையிலேயே தொடக்கத்திலிருந்து செயல்பட்டோம். ஒரே மாதிரியைச் சார்ந்திருப்பதற்குப் பதிலாக, பல மாதிரிகள், கருவிகள், தரவு ஆதாரங்கள் ஆகியவற்றுக்கு மேலாக இயங்கும் ஓர் ஒருங்கிணைப்பு அடுக்கை உருவாக்கினோம்.

இந்த ஒருங்கிணைப்புக் கூறு முடிவெடுக்கும் அடுக்காகச் செயல்படுகிறது. ஒரு பயனர் கேள்வி கேட்கும்போது, எந்த மாதிரியை அல்லது வளத்தைப் பயன்படுத்த வேண்டும் என்பதை அது தீர்மானிக்கிறது. சில நேரங்களில் ஒன்றை மட்டும் பயன்படுத்துகிறது. சில நேரங்களில் பலவற்றை இணைத்து, அவற்றின் முடிவுகளை ஒன்றிணைக்கிறது. சிக்கலான செயல்பாடுகளை வெளிப்படுத்துவது நோக்கமல்ல; அவற்றை மறைத்து எளிய அனுபவத்தை வழங்குவதே நோக்கம்.

இதன் விளைவாக, தேவைக்கேற்ப மாறிச் செயல்படுவதாக உணரப்படும் ஓர் அமைப்பு கிடைக்கிறது. நீங்கள் ஒரு கேள்வியைக் கேட்கிறீர்கள்; அதற்கு மிகுந்த செயல்திறனுடன் பதிலளிப்பது எப்படி என்பதை அமைப்பு கண்டறிகிறது. இதன் அடிப்படைக் கருத்து, மாதிரி அளவில் MOE முன்வைக்கும் கருத்துக்கு மிகவும் நெருக்கமானது. ஆனால் இங்கு அது அமைப்பு அளவில் பயன்படுத்தப்படுகிறது.

AGI இன்னும் வந்துவிடவில்லை. ஆனால் MOE போன்ற யோசனைகள், முன்னேற்றத்துக்கான பாதை அளவை அதிகரிப்பது மட்டுமல்ல என்பதை உணர்த்துகின்றன. கட்டமைப்பு, ஒருங்கிணைப்பு, வளங்களை இன்னும் அறிவார்ந்த முறையில் பயன்படுத்துதல் ஆகியவையும் முக்கியம்.

If you are curious what this kind of approach feels like in practice, you can try Dvina for free at https://dvina.ai. It is not AGI, but it gives a small glimpse into how future AI systems may think and operate.

Dvina-வில் இணையுங்கள்

இலவசமாகப் பதிவு செய்து, உங்கள் கருவிகள் அனைத்தையும் ஒரே எளிய பணித்தளத்தில் ஒன்றிணையுங்கள்.

மேலும் ஆராயுங்கள்