ओपन बनाम क्लोज्ड AI: आम यूजर्स को क्या जानना चाहिए

इंटेलिजेंस की ‘ग्रेट वॉल’

आर्टिफिशियल इंटेलिजेंस की दुनिया फिलहाल दो खेमों में बंट रही है। एक तरफ OpenAI और Google जैसी कंपनियां हैं, जो डिजिटल दीवार के पीछे अपने विशाल और ‘क्लोज्ड’ सिस्टम बनाती हैं। आप इनके टूल्स को ऐप या वेबसाइट के जरिए एक्सेस तो कर सकते हैं, लेकिन वे अंदर से कैसे काम करते हैं, यह आपको कभी पता नहीं चलता। दूसरी तरफ, Meta और Mistral जैसी कंपनियों और डेवलपर्स की एक बढ़ती हुई कम्युनिटी है, जो अपने मॉडल्स को हर किसी के लिए रिलीज कर रही है। यह सिर्फ एक तकनीकी बहस नहीं है, बल्कि इस बात की लड़ाई है कि भविष्य के ज्ञान पर किसका कंट्रोल होगा और इसे एक्सेस करने के लिए आपको कितनी कीमत चुकानी पड़ेगी। एक आम इंसान के लिए, ओपन और क्लोज्ड सिस्टम के बीच का चुनाव आपकी प्राइवेसी, खर्च और क्रिएटिव आजादी तय करता है। अगर आप क्लोज्ड मॉडल इस्तेमाल करते हैं, तो आप एक किराएदार हैं। अगर आप ओपन मॉडल चुनते हैं, तो आप मालिक हैं। दोनों रास्तों के अपने फायदे और नुकसान हैं, जिन्हें लोग अक्सर तब तक नजरअंदाज करते हैं जब तक उनके डेटा या सब्सक्रिप्शन के साथ कोई गड़बड़ न हो जाए।

‘ओपन’ लेबल के पीछे की सच्चाई

मार्केटिंग टीमें ‘ओपन’ शब्द का इस्तेमाल करना पसंद करती हैं क्योंकि यह पारदर्शिता और कम्युनिटी का अहसास कराता है। हालांकि, AI की दुनिया में इस शब्द का इस्तेमाल अक्सर ढीले तरीके से किया जाता है। असली ओपन सोर्स सॉफ्टवेयर वह है जहां कोई भी कोड देख सके, उसे बदल सके और शेयर कर सके। AI के मामले में, इसका मतलब ट्रेनिंग डेटा, ट्रेनिंग कोड और फाइनल मॉडल वेट्स (weights) तक पहुंच होना है। बहुत कम मॉडल्स इस पैमाने पर खरे उतरते हैं। पब्लिक जिसे ओपन AI कहती है, वह असल में ‘ओपन वेट्स’ है। इसका मतलब है कि कंपनी आपको मॉडल का फाइनल दिमाग तो दे देती है, लेकिन यह नहीं बताती कि उसे कैसे बनाया गया या उसे ट्रेन करने के लिए कौन सी किताबों या वेबसाइटों का इस्तेमाल हुआ। यह बिल्कुल वैसा है जैसे कोई बेकरी आपको तैयार केक दे दे और ओवन का तापमान बता दे, लेकिन यह बताने से मना कर दे कि मैदा कौन सा था या अंडे कहां से आए।

क्लोज्ड AI को समझना आसान है। यह एक प्रोडक्ट है। जब आप GPT-4 या Claude 3 का इस्तेमाल करते हैं, तो आप एक सर्विस के साथ इंटरैक्ट कर रहे होते हैं। आप मॉडल को अपने लैपटॉप पर डाउनलोड नहीं कर सकते। आप उन इंटरनल फिल्टर्स को नहीं देख सकते जो इसे कुछ सवालों के जवाब देने से रोकते हैं। आपको यह जानने का कोई तरीका नहीं है कि क्या कंपनी ने इसे रातों-रात तेज लेकिन कम इंटेलिजेंट बना दिया है। पारदर्शिता की यह कमी सुविधा की कीमत है। कंपनियों का तर्क है कि मॉडल्स को क्लोज्ड रखने से गलत लोग इसका गलत इस्तेमाल नहीं कर पाएंगे। आलोचकों का कहना है कि यह सिर्फ अपनी मोनोपॉली बचाने का तरीका है। इस अंतर को समझना जरूरी है क्योंकि इसी से तय होता है कि आपको मशीन के आउटपुट पर कितना भरोसा करना चाहिए।

सिलिकॉन के युग में संप्रभुता (Sovereignty)

इस विभाजन का वैश्विक प्रभाव बहुत बड़ा है। अमेरिका के बाहर के देशों के लिए, क्लोज्ड AI मॉडल्स पर निर्भर रहने का मतलब है अपना संवेदनशील नेशनल डेटा कैलिफोर्निया या वर्जीनिया के सर्वर्स पर भेजना। इससे कुछ अमेरिकी कॉरपोरेशंस पर भारी निर्भरता पैदा होती है। ओपन वेट्स मॉडल्स यूरोप की सरकार या भारत के किसी स्टार्टअप को अपने लोकल हार्डवेयर पर AI चलाने की आजादी देते हैं। यह वह संप्रभुता प्रदान करता है जो क्लोज्ड सिस्टम कभी नहीं दे सकते। यह ऐसे मॉडल्स बनाने की अनुमति देता है जो स्थानीय भाषाओं और सांस्कृतिक बारीकियों को समझते हैं, जिन्हें सिलिकॉन वैली के दिग्गज नजरअंदाज कर सकते हैं। जब मॉडल ओपन होता है, तो एक छोटे गांव के डेवलपर के पास भी वही शुरुआती पॉइंट होता है जो एक मल्टी-बिलियन डॉलर फर्म के रिसर्चर के पास है। यह टेक्नोलॉजी के मैदान को हर किसी के लिए बराबर बनाता है।

एंटरप्राइजेज भी एक कठिन चुनाव का सामना कर रहे हैं। कोई बैंक अपने ग्राहकों का प्राइवेट फाइनेंशियल डेटा किसी थर्ड-पार्टी क्लाउड को भेजने का जोखिम नहीं उठा सकता। उनके लिए, एक ओपन मॉडल जो उनके अपने सुरक्षित डेटा सेंटर में चलता है, वही एकमात्र विकल्प है। वहीं, एक छोटी मार्केटिंग एजेंसी क्लोज्ड मॉडल की पॉलिश और हाई-परफॉर्मेंस को पसंद कर सकती है क्योंकि उनके पास अपने सर्वर्स मैनेज करने के लिए स्टाफ नहीं है। ग्लोबल इकोनॉमी फिलहाल इन दो श्रेणियों में बंट रही है: वे जो कंट्रोल को प्राथमिकता देते हैं और वे जो स्पीड को। जैसे-जैसे हम आगे बढ़ेंगे, इन दोनों समूहों के बीच का अंतर बढ़ता जाएगा। विजेता वही होंगे जो यह समझेंगे कि AI हर जगह फिट होने वाला टूल नहीं, बल्कि एक रणनीतिक संपत्ति है जिसके लिए खास तरह के मालिकाना हक की जरूरत होती है।

लोकल सैंडबॉक्स में प्राइवेसी

व्यावहारिक दांव को समझने के लिए, एलेना नाम की एक मेडिकल रिसर्चर के दिन के बारे में सोचें। वह मरीजों के रिकॉर्ड्स पर एक नई स्टडी कर रही है। अगर वह कोई पॉपुलर क्लोज्ड AI टूल इस्तेमाल करती है, तो उसे AI से समरी पूछने से पहले अपने नोट्स से सारी पहचान वाली जानकारी हटानी होगी। फिर भी, वह कभी निश्चित नहीं होती कि क्या उसका डेटा मॉडल के अगले वर्जन को ट्रेन करने के लिए इस्तेमाल किया जा रहा है। उसे हमेशा डेटा लीक का डर रहता है। यह घर्षण उसकी रफ्तार कम कर देता है। क्लाउड की सुविधा के साथ चिंता का एक गहरा भाव हमेशा बना रहता है।

अब कल्पना करें कि एलेना अपने ऑफिस में एक पावरफुल वर्कस्टेशन पर चलने वाले ओपन वेट्स मॉडल पर स्विच करती है। वह बिना किसी डर के अपनी रिसर्च की हर डिटेल AI को दे सकती है। डेटा कभी कमरे से बाहर नहीं जाता। वह मॉडल को खास मेडिकल टर्मिनोलॉजी समझने के लिए फाइन-ट्यून कर सकती है। उसे इस्तेमाल किए जा रहे AI वर्जन पर पूरा कंट्रोल है। अगर कोई सॉफ्टवेयर अपडेट मेडिकल एनालिसिस के लिए मॉडल को खराब कर देता है, तो वह बस पुराने वर्जन पर बनी रहती है। यही लोकल AI की ताकत है। यह टूल को एक ऐसे प्राइवेट असिस्टेंट में बदल देता है जो सिर्फ और सिर्फ उसके लिए काम करता है। हालांकि सेटअप थोड़ा कठिन था, लेकिन लॉन्ग-टर्म यूटिलिटी बहुत ज्यादा है क्योंकि वह कॉरपोरेट सेफ्टी फिल्टर्स या प्राइवेसी पॉलिसीज से सीमित नहीं है।

आम यूजर्स अक्सर यह मान लेते हैं कि इन मॉडल्स को चलाना बहुत मुश्किल है। उन्हें लगता है कि सर्वर्स का एक पूरा कमरा चाहिए। असल में, कई ओपन मॉडल्स अब मॉडर्न लैपटॉप्स पर चल जाते हैं। इसके विपरीत, लोग यह कम आंकते हैं कि क्लोज्ड सिस्टम्स के साथ वे कितना कंट्रोल खो देते हैं। वे मान लेते हैं कि सर्विस हमेशा रहेगी और हमेशा सस्ती होगी। इतिहास गवाह है कि एक बार जब कोई कंपनी आपको अपने इकोसिस्टम में लॉक कर लेती है, तो कीमतें बढ़ जाती हैं और फीचर्स गायब हो सकते हैं। ओपन रास्ता चुनकर, आप खुद को भविष्य के उन कॉरपोरेट फैसलों से बचा रहे हैं जो शायद आपके हित में न हों। आप एक ऐसा टूल चुन रहे हैं जो हमेशा आपके डिजिटल टूलबॉक्स में रहेगा।

कंट्रोल के असहज सवाल

हमें इन सिस्टम्स की छिपी हुई लागत के बारे में कठिन सवाल पूछने होंगे। अगर कोई मॉडल क्लोज्ड है, तो उसकी बायस (पक्षपात) के लिए ऑडिट कौन कर रहा है? हम कंपनी के मार्केटिंग मटेरियल पर भरोसा करने के लिए मजबूर हैं। अगर AI किसी राजनीतिक घटना पर जवाब देने से मना कर देता है, तो क्या यह सुरक्षा के लिए है या कॉरपोरेट इमेज बचाने के लिए? पारदर्शिता की कमी के कारण यह जानना असंभव है। दूसरी तरफ, ओपन मॉडल्स के अपने जोखिम हैं। अगर कोई भी पावरफुल AI डाउनलोड कर सकता है, तो उन्हें गलत जानकारी या मैलवेयर बनाने से कौन रोकेगा? ओपन कम्युनिटी का तर्क है कि सबसे अच्छा बचाव और अधिक ओपन मॉडल्स हैं, लेकिन यह एक ऐसी थ्योरी है जिसका किसी संकट में पूरी तरह परीक्षण नहीं हुआ है।

ऊर्जा और हार्डवेयर का भी सवाल है। अपना खुद का AI चलाना मुफ्त नहीं है। इसमें काफी बिजली खर्च होती है और महंगे ग्राफिक्स कार्ड की जरूरत होती है। क्या हम कॉरपोरेट निर्भरता को हार्डवेयर निर्भरता से बदल रहे हैं? इसके अलावा, इन मॉडल्स के लिए इस्तेमाल होने वाले डेटासेट्स अक्सर मूल क्रिएटर्स की सहमति के बिना इंटरनेट से लिए जाते हैं। जबकि क्लोज्ड कंपनियां अपने डेटा सोर्स छिपाती हैं, ओपन वेट्स कंपनियां भी अक्सर उतनी ही अस्पष्ट होती हैं। हमें पूछना होगा कि क्या किसी AI को वास्तव में ‘ओपन’ कहा जा सकता है अगर जिस नींव पर उसे बनाया गया है, वह एक रहस्य है। हम भविष्य का इंफ्रास्ट्रक्चर बहुत ही कमजोर नैतिक नींव पर बना रहे हैं। जैसे-जैसे हम आगे बढ़ेंगे, वास्तविक पारदर्शिता का दबाव बढ़ता जाएगा।

तकनीकी विशेषज्ञों के लिए अंदर की बात

जो लोग चैट इंटरफेस से आगे बढ़ना चाहते हैं, उनके लिए तकनीकी अंतर बहुत स्पष्ट है। क्लोज्ड AI प्रोवाइडर्स API ऑफर करते हैं जो आपसे प्रति शब्द या प्रति इमेज पैसे लेते हैं। जैसे-जैसे आप प्रोजेक्ट बढ़ाते हैं, ये लागत तेजी से बढ़ सकती है। आप उनके रेट लिमिट्स की दया पर भी हैं। अगर उनके सर्वर्स व्यस्त हैं, तो आपका एप्लिकेशन धीमा हो जाता है। लेटेंसी या अपटाइम पर आपका कोई कंट्रोल नहीं है। आप मूल रूप से किराए की जमीन पर अपना बिजनेस बना रहे हैं। अगर प्रोवाइडर आपके यूज केस को बैन करने का फैसला करता है, तो आपका पूरा प्रोजेक्ट एक दोपहर में गायब हो सकता है। यह उन डेवलपर्स के लिए एक बड़ा जोखिम है जो लॉन्ग-टर्म वैल्यू बनाना चाहते हैं।

ओपन मॉडल्स एक अलग वर्कफ्लो प्रदान करते हैं। आप *क्वांटाइजेशन* (quantization) जैसी तकनीकों का उपयोग करके एक विशाल मॉडल को छोटा कर सकते हैं ताकि वह सस्ते हार्डवेयर पर फिट हो जाए। यह आपको एक सिंगल हाई-एंड कंज्यूमर GPU पर 70 बिलियन पैरामीटर वाला मॉडल चलाने की अनुमति देता है। आप अपने मॉडल वेट्स के लिए लोकल स्टोरेज का उपयोग कर सकते हैं, यह सुनिश्चित करते हुए कि आपका एप्लिकेशन बिना इंटरनेट कनेक्शन के भी काम करे। हार्डवेयर खरीदने के बाद कोई API लिमिट नहीं है और न ही कोई प्रति टोकन लागत। इंटीग्रेशन भी अधिक फ्लेक्सिबल है। आप अपने विशिष्ट कार्य के लिए मॉडल की इंटरनल लेयर्स को बदल सकते हैं। कस्टमाइजेशन का यह स्तर क्लोज्ड API के साथ असंभव है। हालांकि शुरुआती इंजीनियरिंग बाधा अधिक है, लेकिन बिना अनुमति के इनोवेशन की आजादी पावर यूजर्स के लिए एक बड़ा फायदा है।

क्या आपके पास कोई AI कहानी, उपकरण, ट्रेंड या प्रश्न है जिसके बारे में आपको लगता है कि हमें कवर करना चाहिए? हमें अपना लेख विचार भेजें — हमें इसे सुनकर खुशी होगी।

आगे का रास्ता चुनना

ओपन और क्लोज्ड AI के बीच का निर्णय आपकी विशिष्ट जरूरतों पर निर्भर करता है। यदि आप सबसे पावरफुल और पॉलिश अनुभव चाहते हैं और प्राइवेसी या लॉन्ग-टर्म लागत की परवाह नहीं करते हैं, तो GPT-4 जैसे क्लोज्ड मॉडल्स स्पष्ट विकल्प हैं। वे AI की दुनिया की फेरारी हैं। वे तेज हैं, स्लीक हैं और किसी और द्वारा मेंटेन किए जाते हैं। हालांकि, यदि आप प्राइवेसी को महत्व देते हैं, बार-बार होने वाले खर्च से बचना चाहते हैं, या ऐसा सिस्टम बनाना चाहते हैं जिसे आप वास्तव में अपना कह सकें, तो ओपन वेट्स मॉडल्स ही सही रास्ता हैं। उन्हें सेटअप करने में अधिक मेहनत लगती है, लेकिन वे सुरक्षा और फ्लेक्सिबिलिटी का ऐसा स्तर प्रदान करते हैं जिसका कोई सब्सक्रिप्शन सर्विस मुकाबला नहीं कर सकती। विकसित होते AI इंडस्ट्री स्टैंडर्ड्स बताते हैं कि भविष्य दोनों का हाइब्रिड होगा। क्विक टास्क के लिए क्लोज्ड मॉडल्स का उपयोग करें और अपने सबसे महत्वपूर्ण, प्राइवेट काम के लिए ओपन मॉडल्स का। इस नए युग में, सबसे महत्वपूर्ण स्किल यह जानना है कि किस काम के लिए कौन सा टूल इस्तेमाल करना है।

संपादक का नोट: हमने इस साइट को उन लोगों के लिए एक बहुभाषी AI समाचार और गाइड हब के रूप में बनाया है जो कंप्यूटर गीक नहीं हैं, लेकिन फिर भी आर्टिफिशियल इंटेलिजेंस को समझना चाहते हैं, इसे अधिक आत्मविश्वास के साथ उपयोग करना चाहते हैं, और उस भविष्य का अनुसरण करना चाहते हैं जो पहले से ही आ रहा है।