$7 டிரில்லியன் கேள்வி

முக்கியமான திருப்புமுனையில் AI துறை: புதுமையின் வரம்புகள், மூலதன அழுத்தம், எதிர்காலத்தை மாற்றியமைக்கும் உத்திசார் பிளவு

Muhammed Gider
6 நிமிட வாசிப்பு • 

$7 டிரில்லியன் கேள்வி

நம்பிக்கையூட்டும் தலைப்புச் செய்திகளுக்குப் பின்னால், புதுமையின் முன்னேற்ற வேகம், மூலதனத்தின் நிலைத்தன்மை, மாடல் உருவாக்குநர்களும் செயலி உருவாக்குநர்களும் செல்லும் வெவ்வேறு பாதைகள் ஆகியவை குறித்த அடிப்படைக் கேள்விகளை AI துறை எதிர்கொள்கிறது.

துறையின் அமைதியான திருப்புமுனை

கடந்த மூன்று ஆண்டுகளில் செயற்கை நுண்ணறிவு முன்னெப்போதும் இல்லாத வேகத்தில் வளர்ந்துள்ளது. ChatGPT அறிமுகமானதிலிருந்து, நுகர்வோர் அதைப் பயன்படுத்தத் தொடங்கிய வேகம் சாதனைகளை முறியடித்துள்ளது; OpenAI முதல் Google வரையிலான பெருநிறுவனங்கள் அடுத்தடுத்து மாடல்களை அறிவித்துள்ளன; Fortune 500 நிறுவனங்கள் தங்கள் வணிகச் செயல்முறைகளின் மையத்தில் AI-ஐ வைத்துள்ளன. ஆனால் இன்று, நம்பிக்கையூட்டும் தலைப்புச் செய்திகளுக்குப் பின்னால், அடிப்படையிலேயே வேறுபட்ட ஒரு கேள்வியை இந்தத் துறை எதிர்கொள்கிறது:

உண்மையான புதுமை இன்னும் வலுவான வேகத்தில் முன்னேறுகிறதா, அல்லது கண்ணுக்குத் தெரியாத வரம்புகளில் முட்டி நிற்கும் ஒரு மாபெரும் இயந்திரத்தை நாம் பார்த்துக்கொண்டிருக்கிறோமா?

இந்தக் கேள்விக்குச் சரியாகப் பதிலளிக்க, இந்தச் சூழலமைப்பை இரண்டு தனித்த கோணங்களில் பார்க்க வேண்டும்:

முதன்மை சந்தை: GPT-4, Claude, Gemini போன்ற அடித்தள மாடல்களை உருவாக்கும் நிறுவனங்கள்: OpenAI, Anthropic, Google DeepMind, Meta.

இரண்டாம் நிலை சந்தை: இந்த மாடல்களைக் கொண்டு பயனர்களின் உண்மையான பிரச்சினைகளுக்குத் தீர்வுகளை உருவாக்கும் நிறுவனங்கள்: Perplexity, Cursor, Notion AI, Replit.

இரண்டு சந்தைகளும் ஒரே துறைக்குள் இருந்தாலும், அவற்றின் செயல்பாட்டு இயல்புகள், செலவுக் கட்டமைப்புகள், ஆபத்துகளின் தன்மை, வளர்ச்சி எதிர்பார்ப்புகள் ஆகியவை அடிப்படையிலேயே வேறுபட்டவை. இன்று நாம் காணும் பதற்றம் இந்த வேறுபாட்டிலிருந்தே உருவாகிறது.

மாடல் உருவாக்கத்தின் இயல்பான வரம்புகள் வெளிப்படத் தொடங்குகின்றன

கடந்த ஐந்து ஆண்டுகளில் பெரிய மொழி மாடல்களின் வளர்ச்சியை நான்கு அடிப்படைக் காரணிகள் வடிவமைத்துள்ளன:

  • மாடலின் அளவு (அளவுருக்களின் எண்ணிக்கை)
  • பயிற்சித் தரவு (தரம் மற்றும் பன்முகத்தன்மை)
  • கணக்கீட்டுத் திறன் (GPU/TPU திறன்)
  • பயிற்சி நுட்பங்கள் (டிரான்ஸ்ஃபார்மர் கட்டமைப்புகள், கவனக் குவிப்பு வழிமுறைகள்)

2018 முதல் 2023 வரை, இந்த நான்கு காரணிகளும் ஒரே திசையில் வளர்ந்து, மிகப்பெரிய முன்னேற்றங்களுக்கு வழிவகுத்தன. இப்படித்தான் நாம் GPT-2 இலிருந்து GPT-4-க்கும், BERT இலிருந்து PaLM-க்கும் முன்னேறினோம். ஆனால் இந்த வளர்ச்சிப் பாதை முடிவில்லாமல் தொடராது. பயிற்சித் தரவுதான் இப்போது இந்தத் துறையின் மிக முக்கியமான இடையூறாக உள்ளது.

மனிதர்கள் உருவாக்கிய, உயர்தரமும் பன்முகத்தன்மையும் அசல் தன்மையும் கொண்ட தரவுக் களஞ்சியங்கள் வரம்புக்குட்பட்டவை. Wikipedia-வில் மாடலுக்குப் பயிற்சி அளிக்கிறீர்கள், arXiv-ல் பயிற்சி அளிக்கிறீர்கள், GitHub-ல் பயிற்சி அளிக்கிறீர்கள்: அடுத்து என்ன? பதிப்புரிமைச் சிக்கல்கள், தரவு உரிமை ஒப்பந்தங்கள், அணுகல் கட்டுப்பாடுகள் ஆகியவற்றால் இந்தத் துறையில் செலவுகள் அதிவேகமாக உயர்கின்றன. Reddit-உடன் ஒப்பந்தங்கள் செய்கிறீர்கள், Stack Overflow-உடன் பேச்சுவார்த்தை நடத்துகிறீர்கள், The New York Times தொடரும் வழக்குகளை எதிர்கொள்கிறீர்கள். மாடல்களின் அளவை அதிகரிப்பது இன்னும் தொழில்நுட்ப ரீதியாகச் சாத்தியமே. ஆனால் தரவு சார்ந்த வரம்புகள் அதற்கு இயல்பான உச்சவரம்பை ஏற்படுத்துகின்றன.

அதனால்தான் இந்தத் துறை தனது கவனத்தை மாடல்களின் அளவிலிருந்து செயல்திறனுக்கு மாற்றியுள்ளது. சிந்தனைச் சங்கிலி வழிப் பகுத்தறிதல், மனிதர்களின் பின்னூட்டத்திலிருந்து வலுவூட்டல் கற்றல் (RLHF), மேலும் பயனுள்ள மாதிரித் தேர்வு நுட்பங்கள், நிபுணர்களின் கலவை (MoE) கட்டமைப்புகள்: இவை அனைத்தும் இந்த மாற்றத்தின் பகுதிகளே.

இந்த முன்னேற்றங்கள் முக்கியமானவை. ஆனால் இவற்றை மட்டுமே நம்பி நீடித்த முன்னேற்றத்தைப் பெற முடியாது. ஏனெனில் ஒரு கட்டத்தில் செயல்திறன் மேம்பாடுகளும் செறிவு நிலையை எட்டுகின்றன. அடித்தள மாடல்களில் புதுமைகளை உருவாக்குவது மெதுவாகவும் அதிகச் செலவுடனும் நடக்கும் ஒரு கட்டத்தை எட்டியிருப்பதை இந்தத் துறை உணரத் தொடங்கியுள்ளது.

மூலதனப் பாய்ச்சலின் அழுத்தமும் அதிகரிக்கும் நிலையற்ற தன்மையும்

தொழில்நுட்ப வரம்புகள் தெளிவாக உணரப்படத் தொடங்கியுள்ள நிலையில், மூலதன வளர்ச்சி இன்னும் அதிக ஆபத்து நிறைந்ததாக மாறியுள்ளது.

அடித்தள மாடல் நிறுவனங்கள் பிரம்மாண்டமான கணக்கீட்டு உள்கட்டமைப்புகளை உருவாக்குவதோடு, திறமையாளர்களை ஈர்க்கும் போட்டியில் பெரும் சலுகைகளையும் முன்வைக்கின்றன. வலுவான வருவாய் அடித்தளங்கள் உருவாகும் முன்பே இந்தச் செலவுகள் செய்யப்படுகின்றன. OpenAI-யின் வருடாந்திரக் கணக்கீட்டுச் செலவுகள் பில்லியன் கணக்கில் உள்ளன. Anthropic, Microsoft-இலிருந்து பில்லியன் கணக்கில் முதலீடு பெறுகிறது. Google, DeepMind-க்கெனத் தனி நிதியை ஒதுக்குகிறது.

தரவு மையங்களில் முதலீடு செய்யப்படும் பில்லியன்கள், பல ஆண்டுகளுக்கான GPU ஒப்பந்தங்கள், Ilya Sutskever போன்றவர்களுக்கு வழங்கப்படும் வானளாவிய சம்பளங்கள்: இவை நிறுவனங்களின் செலவுகளை மிகப் பெரிய அளவில் உயர்த்துகின்றன.

பொருளாதார ரீதியாக மிகவும் நிலையற்ற ஒரு விரிவாக்க மாதிரியை அடிப்படையாகக் கொண்டே முதன்மைச் சந்தை அமைந்துள்ளது என்பதை இந்த நிலை காட்டுகிறது. மாடல் புதுமைக்கான செலவுக் கட்டமைப்பு, வருவாய் வளர்ச்சி விகிதங்களை வெகுவாக மிஞ்சுகிறது.

பயன்பாட்டு அடுக்கின் அமைதியான எழுச்சி

முதன்மைச் சந்தை அழுத்தத்தில் இருக்கும் நிலையில், இரண்டாம் நிலைச் சந்தை ஒப்பீட்டளவில் ஆரோக்கியமான வளர்ச்சிப் பாதையில் முன்னேறுகிறது. இந்த நிறுவனங்கள் அடித்தள மாடல்களை நிஜ உலகப் பயன்பாடுகளாக மாற்றுகின்றன.

  • Perplexity: தேடல் அனுபவத்தை மறுவடிவமைத்தல்
  • Cursor & Replit: நிரலாக்கச் செயல்முறையை மாற்றியமைத்தல்
  • Notion AI: உற்பத்தித்திறன் கருவிகளை நுண்ணறிவு கொண்டவையாக மாற்றுதல்
  • Dvina: 120+ பயன்பாடுகளுடன் இணைந்து, ஒரே நுண்ணறிவு அடுக்கிலிருந்து முழு டிஜிட்டல் வாழ்க்கையையும் நிர்வகித்தல்

பயனருக்கு மிக நெருக்கமாக இருப்பதே இந்த நிறுவனங்களின் சாதகம். உண்மையான மதிப்பு நேரடியாகப் பயனர் அனுபவத்தில் உருவாகிறது. தேடல், நிரலாக்கம், உள்ளடக்க உருவாக்கம், உற்பத்தித்திறன், தகவல் செயலாக்கம்: இந்தத் துறைகள் அனைத்தும் விரிவாக்கக்கூடிய, எளிதில் புரிந்துகொள்ளக்கூடிய வருவாய் மாதிரிகளை வழங்குகின்றன.

அதனால்தான் பல அடித்தள மாடல் தயாரிப்பாளர்கள் பயன்பாட்டு அடுக்கை நோக்கி நகரத் தொடங்கியுள்ளனர். OpenAI, ChatGPT-ஐ ஒரு தயாரிப்பாக மாற்றியது; Anthropic, Claude-ஐ நுகர்வோருக்கான தயாரிப்பாக மாற்றியது; Google, Gemini-ஐ ஒருங்கிணைத்தது. மதிப்புச் சங்கிலியின் பல அடுக்குகளை ஒருங்கிணைக்கும் உத்தி வேகமாகப் பரவியுள்ளது.

ஆனால் இந்த உத்தி பக்கவிளைவுகளையும் ஏற்படுத்தியுள்ளது: கையகப்படுத்தல் செலவுகள் வானளாவ உயர்ந்துள்ளன; இரண்டாம் நிலைச் சந்தையின் மதிப்பீடுகள் ஊதிப் பெருகியுள்ளன. வருவாய் ஈட்டக்கூடிய ஒரே பகுதியான இரண்டாம் நிலைச் சந்தை இவ்வளவு விலையுயர்ந்ததாக மாறியிருப்பது, இந்தத் துறையின் மூலதன ஆபத்தை மேலும் அதிகரிக்கிறது.

வரலாற்றுச் சுழற்சிகளும் இன்றைய வேறுபாடும்

செயற்கை நுண்ணறிவு கடந்த காலத்தில் இரண்டு பெரிய சரிவுகளைச் சந்தித்துள்ளது: 1970s-இன் இறுதியிலும் 1990s-இன் தொடக்கத்திலும். இந்தக் காலகட்டங்களில் பொதுவாக இருந்தவை: உயர்ந்த எதிர்பார்ப்புகள், குறைந்த புதுமை வேகம், மறைந்து போன முதலீட்டு ஆர்வம்.

இன்றைய நிலை வேறுபட்டது. தொழில்நுட்பப் புதுமை தொடர்கிறது; ஆனால் பெரும் திருப்புமுனைகள் நிகழும் வேகம் குறைகிறது. மூலதனப் பாய்ச்சலோ முன்னெப்போதும் இல்லாத அளவில் வளர்கிறது. Sam Altman, $7 டிரில்லியன் மதிப்பிலான கணக்கீட்டு நிதி பற்றிப் பேசுகிறார்; Elon Musk, xAI-யில் பில்லியன் கணக்கில் பணத்தைச் செலுத்துகிறார்.

எனவே, நாம் அனுபவிப்பது வழக்கமான ஒரு "செயற்கை நுண்ணறிவுக் குளிர்காலம்" அல்ல. மாறாக, மூலதன ஒதுக்கீட்டால் உருவாகும் நிலையற்ற காலகட்டத்தைப் போன்றது: மதிப்பீடுகள் ஊதிப் பெருகுகின்றன, செலவுகள் வேகமாக உயர்கின்றன, ஆனால் புதுமையின் வேகம் எதிர்பார்ப்புகளைப் பூர்த்தி செய்யவில்லை.

புதிய சகாப்தம்: பெரிய மாடல்கள் அல்ல, புத்திசாலித்தனமான அணுகுமுறைகளே வெல்லும்

இன்றைய மிக முக்கியமான வேறுபாடு இதுதான்: கூடுதல் அளவுருக்களைச் சேர்த்து இன்னும் பிரம்மாண்டமான மாடல்களை உருவாக்குவது இப்போது முக்கியமல்ல.

உண்மையான மாற்றம் இந்தப் பகுதிகளில் நிகழும்:

  • அளவுருப் பயன்பாட்டுத் திறனை அதிகரித்தல்
  • சிறிய மாதிரிகளைக் கொண்டு உயர்ந்த தரத்தை அடைதல்
  • புதிய பயிற்சி நுட்பங்களை உருவாக்குதல்
  • தரவை இன்னும் திட்டமிட்டும் பயனுள்ள வகையிலும் பயன்படுத்துதல்
  • பயிற்சிச் செலவுகளைப் பெருமளவில் குறைத்தல்

சமீபத்தில் கவனத்தை ஈர்த்த மிக முக்கியமான உதாரணங்களில் ஒன்று DeepSeek. இந்தச் சீனத் தொடக்க நிறுவனம் GPT-4 அளவிலான செயல்திறன் கொண்ட ஒரு மாதிரியை உருவாக்கியது: ஆனால் மிகக் குறைந்த பயிற்சிச் செலவில். பல நிபுணர் மாதிரிகளை இணைக்கும் கட்டமைப்பு, அளவுருக்களை உகந்ததாக்குதல், வளப் பயன்பாட்டுத் திறனை மையமாகக் கொண்ட பயிற்சி நுட்பங்கள். சந்தை இதற்குத் தீவிரமாக எதிர்வினையாற்றியது.

DeepSeek அறிவிப்பைத் தொடர்ந்து, NVIDIA நிறுவனத்தின் சந்தை மதிப்பு ஒரே நாளில் $600 பில்லியன் சரிந்தது. முதலீட்டாளர்கள் இப்போது பெரிய மாதிரிகளை உருவாக்கும் போட்டியை மட்டுமல்லாமல், வளப் பயன்பாட்டுத் திறன் மற்றும் கட்டமைப்புப் புதுமைக்கான போட்டியையும் கவனித்து வருகிறார்கள் என்பதை இது காட்டியது.

ஆனால் இது இன்னும் போதாது. இந்தத் துறையில் உண்மையான பெரும் முன்னேற்றம் ஏற்பட வேண்டுமென்றால், அது புதிய கட்டமைப்பு அணுகுமுறைகள் வழியாகவே வரும். டிரான்ஸ்ஃபார்மர் கட்டமைப்பைத் தாண்டிய ஏதோ ஒன்று. ஒருவேளை நரம்பு மண்டலத்தைப் பின்பற்றும் கணினிச் செயலாக்கம், ஒருவேளை கலப்பு மாதிரிகள், அல்லது முற்றிலும் வேறுபட்ட ஒரு கற்றல் கட்டமைப்பு.

இத்தகைய அடிப்படை மாற்றங்கள் பொதுவாகப் பெரிய நிறுவனங்களிலிருந்து வருவதில்லை. பெரிய அளவில் செயல்படுவதால் ஏற்படும் அழுத்தம், உள்கட்டமைப்புச் செலவுகள், நிறுவன இடர் மேலாண்மை ஆகியவற்றால் அவை எச்சரிக்கையுடன் செயல்படுகின்றன. உண்மையான திருப்புமுனைகள் பெரும்பாலும் சிறிய, தீவிரமாகச் செயல்படும், அபாயங்களை ஏற்கத் தயாரான, உயர்ந்த இலக்குகளைக் கொண்ட தொடக்க நிறுவனங்களிலிருந்தே உருவாகின்றன.

இன்றைய AI சூழல் அப்படிப்பட்ட ஒரு அதிரடி மாற்றத்திற்காகவே காத்திருக்கக்கூடும்.

முடிவு: வெல்லப்போவது வளங்கள் அல்ல, அணுகுமுறையே

இன்றைய AI துறை இரண்டு நெருக்கடிகளுக்கு இடையில் ஊசலாடுகிறது: ஒரு புறம், தனது வரம்புகளை நெருங்கிக்கொண்டிருக்கும் மாதிரிகளின் அளவைப் பெரிதாக்கும் உத்தி; மறுபுறம், அதிகரிக்கும் மூலதன அபாயங்களும் வேகமாக மதிப்பு உயர்ந்து வரும் பயன்பாட்டுச் சந்தையும்.

இப்போது அடிப்படைப் பிரச்சினை திறன் அல்ல, அணுகுமுறைதான் என்பதை இந்த நிலை காட்டுகிறது. நாளைய வெற்றியாளர்கள் பெரிய மாதிரிகளை உருவாக்குபவர்கள் அல்ல; புத்திசாலித்தனமான முறைகளை உருவாக்குபவர்களே. வளப் பயன்பாட்டுத் திறன், புதிய கட்டமைப்பு வடிவமைப்புகள், உகந்ததாக்கப்பட்ட பயிற்சி நுட்பங்கள் ஆகியவையே இந்தத் துறையில் உண்மையான வேறுபாட்டை உருவாக்கும் காரணிகளாக மாறி வருகின்றன.

எதிர்காலத்தில் தீர்மானிக்கும் காரணியாக இருக்கப்போவது வளங்களின் வலிமை அல்ல, அணுகுமுறையின் தரமே. பெரிய நிறுவனங்களுக்குப் பதிலாக, தொலைநோக்கு கொண்ட தொடக்க நிறுவனங்களே இந்த அணுகுமுறை மாற்றத்தைத் தொடங்கிவைக்கும் வாய்ப்பு மிகவும் அதிகம்.

Dvina-வில் இணையுங்கள்

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

மேலும் ஆராயுங்கள்