AI സംവാദങ്ങളെ മാറ്റിമറിച്ച അഭിമുഖങ്ങൾ

പ്രോഡക്റ്റ് ഡെമോ യുഗത്തിന്റെ അന്ത്യം

ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസിനെക്കുറിച്ചുള്ള സംസാരം സാങ്കേതികമായ സാധ്യതകളിൽ നിന്ന് രാഷ്ട്രീയമായ അനിവാര്യതയിലേക്ക് മാറിയിരിക്കുന്നു. വർഷങ്ങളോളം, പൊതുജനങ്ങൾ കണ്ടത് മിനുക്കിയെടുത്ത ഡെമോകളും ശ്രദ്ധാപൂർവ്വം തയ്യാറാക്കിയ കീനോട്ടുകളും മാത്രമായിരുന്നു. എന്നാൽ ഏറ്റവും ശക്തമായ ലാബുകളുടെ തലവന്മാർ ദീർഘമായ അഭിമുഖങ്ങളുടെ പരമ്പര ആരംഭിച്ചതോടെ കാര്യങ്ങൾ മാറി. മാധ്യമപ്രവർത്തകരുമായും പോഡ്‌കാസ്റ്റർമാരുമായും നടത്തിയ ഈ സംഭാഷണങ്ങൾ വെറും മാർക്കറ്റിംഗ് തന്ത്രങ്ങളായിരുന്നില്ല. കമ്പ്യൂട്ടിംഗിന്റെ ഭാവി ആര് നിയന്ത്രിക്കുമെന്ന് നിക്ഷേപകർക്കും ഭരണകൂടങ്ങൾക്കും നൽകിയ സൂചനകളായിരുന്നു അവ. ഈ സാങ്കേതികവിദ്യ പ്രവർത്തിക്കുന്നുണ്ടോ എന്ന് നമ്മൾ ഇപ്പോൾ ചർച്ച ചെയ്യുന്നില്ല. നമ്മുടെ ലോകത്തെ നിയന്ത്രിക്കുന്ന ബുദ്ധിയുടെ ഉടമസ്ഥാവകാശം ആർക്കായിരിക്കണം എന്നതാണ് നമ്മൾ ചർച്ച ചെയ്യുന്നത്. എക്സിക്യൂട്ടീവുകൾ ഫീച്ചറുകളിൽ നിന്ന് മാറി ഭരണനിർവ്വഹണത്തിലേക്ക് ശ്രദ്ധ തിരിക്കുന്നതിൽ ഈ മാറ്റം വ്യക്തമാണ്. അവർ എഞ്ചിനീയർമാരിൽ നിന്ന് ഭരണാധികാരികളായി മാറുകയാണ്. മോഡൽ തന്നെയല്ല, മറിച്ച് പൊതുജനങ്ങളുടെ വിശ്വാസവും സർക്കാരിന്റെ അനുമതിയുമാണ് പ്രധാന ഉൽപ്പന്നം എന്ന പുതിയൊരു ഘട്ടത്തിലേക്കാണ് നമ്മൾ കടക്കുന്നത്.

എക്സിക്യൂട്ടീവ് സ്ക്രിപ്റ്റുകൾ മനസ്സിലാക്കാം

AI-യുടെ നിലവിലെ അവസ്ഥ മനസ്സിലാക്കാൻ, പറയാതെ വിടുന്ന കാര്യങ്ങൾ ശ്രദ്ധിക്കണം. സമീപകാലത്തെ പ്രമുഖ അഭിമുഖങ്ങളിൽ, OpenAI, Anthropic എന്നിവയുടെ സിഇഒമാർ ബുദ്ധിമുട്ടുള്ള ചോദ്യങ്ങൾക്ക് മറുപടി നൽകാൻ ഒരു പ്രത്യേക ശൈലി വികസിപ്പിച്ചിട്ടുണ്ട്. ട്രെയിനിംഗ് ഡാറ്റയെക്കുറിച്ച് ചോദിക്കുമ്പോൾ, കൃത്യമായ ഉറവിടങ്ങൾ വെളിപ്പെടുത്താതെ അവർ പലപ്പോഴും ‘ഫെയർ യൂസ്’ (fair use) എന്ന് പറയുന്നു. ഊർജ്ജ ഉപഭോഗത്തെക്കുറിച്ച് ചോദിക്കുമ്പോൾ, നിലവിലെ ഗ്രിഡ് സമ്മർദ്ദത്തെക്കുറിച്ച് പറയാതെ ഭാവിയിലെ ഫ്യൂഷൻ പവറിനെക്കുറിച്ച് അവർ സംസാരിക്കുന്നു. ഇത് ഒരു തന്ത്രപരമായ ഒഴിഞ്ഞുമാറലാണ്. ഇന്ന് അവർ നിർമ്മിക്കുന്ന സാങ്കേതികവിദ്യയിലൂടെ ഭാവിയിലെ പ്രശ്നങ്ങൾ പരിഹരിക്കപ്പെടും എന്നൊരു മിഥ്യാധാരണ സൃഷ്ടിക്കാൻ ഇത് സഹായിക്കുന്നു. AI-യുടെ അപകടസാധ്യതകളെ, കൂടുതൽ ശക്തമായ AI നിർമ്മിക്കാനുള്ള ന്യായീകരണമായി ഉപയോഗിക്കുന്ന ഒരു വട്ടപ്പൂജ്യം യുക്തിയാണിത്.

ഈ അഭിമുഖങ്ങൾ പ്രധാന കമ്പനികൾക്കിടയിലുള്ള വർദ്ധിച്ചുവരുന്ന ഭിന്നതയും വെളിപ്പെടുത്തുന്നു. മോഡലുകൾ ദുരുപയോഗം ചെയ്യുന്നത് തടയാൻ അടഞ്ഞ സമീപനം വേണമെന്ന് ഒരു കൂട്ടർ വാദിക്കുന്നു. ജനാധിപത്യപരമായ പ്രവേശനം ഉറപ്പാക്കാൻ ഓപ്പൺ വെയ്റ്റുകൾ (open weights) മാത്രമാണ് വഴിയെന്ന് മറുപക്ഷം പറയുന്നു. എന്നാൽ, ഒരു മോഡൽ പങ്കുവെക്കാൻ കഴിയാത്തത്ര അപകടകരമാകുന്നത് എപ്പോഴാണെന്ന കാര്യത്തിൽ ഇരുപക്ഷവും മനഃപൂർവ്വം മൗനം പാലിക്കുന്നു. ഈ അവ്യക്തത ആകസ്മികമല്ല. തങ്ങളുടെ കഴിവുകൾ വളരുമ്പോൾ ലക്ഷ്യങ്ങൾ മാറ്റാൻ ഇത് കമ്പനികളെ സഹായിക്കുന്നു. ഈ ട്രാൻസ്ക്രിപ്റ്റുകളെ വെറും സംഭാഷണങ്ങളായി കാണാതെ തന്ത്രപരമായ രേഖകളായി കാണുമ്പോൾ, കാര്യങ്ങൾ ഏകീകരിക്കുന്ന ഒരു വ്യക്തമായ പാറ്റേൺ നമുക്ക് കാണാം. പൊതുജനങ്ങൾ കാര്യങ്ങൾ മനസ്സിലാക്കുന്നതിന് മുൻപ് ചർച്ചയുടെ നിബന്ധനകൾ നിർവചിക്കുക എന്നതാണ് ലക്ഷ്യം. അതുകൊണ്ടാണ് മോഡലുകൾക്ക് എന്ത് ചെയ്യാൻ കഴിയും എന്നതിൽ നിന്ന് അവ എങ്ങനെ നിയന്ത്രിക്കപ്പെടണം എന്നതിലേക്ക് ചർച്ച മാറിയത്. റെഗുലേറ്ററി പ്രക്രിയയെ നേരത്തെ തന്നെ സ്വാധീനിക്കാനുള്ള ശ്രമമാണിത്.

എന്തുകൊണ്ട് വിദേശ തലസ്ഥാനങ്ങൾ ശ്രദ്ധിക്കുന്നു

ഈ അഭിമുഖങ്ങളുടെ സ്വാധീനം സിലിക്കൺ വാലിക്ക് അപ്പുറത്തേക്ക് വ്യാപിക്കുന്നു. യൂറോപ്പിലെയും ഏഷ്യയിലെയും സർക്കാരുകൾ തങ്ങളുടെ AI സുരക്ഷാ ചട്ടക്കൂടുകൾ തയ്യാറാക്കാൻ ഈ പ്രസ്താവനകളെ ആശ്രയിക്കുന്നു. ഒരു സിഇഒ പോഡ്‌കാസ്റ്റിൽ ഒരു പ്രത്യേക അപകടത്തെക്കുറിച്ച് പരാമർശിച്ചാൽ, ഒരാഴ്ചയ്ക്കുള്ളിൽ അത് ബ്രസ്സൽസിലെ ഒരു പോളിസി ബ്രീഫിംഗിൽ ഇടംപിടിക്കാറുണ്ട്. ഇത് ഒരു ഫീഡ്‌ബാക്ക് ലൂപ്പ് സൃഷ്ടിക്കുന്നു, അവിടെ വ്യവസായം തന്നെ ഭീഷണികൾ എന്താണെന്ന് തീരുമാനിച്ചുകൊണ്ട് സ്വന്തം നിയമങ്ങൾ എഴുതുന്നു. ആഗോള പ്രേക്ഷകർ വെറും ടെക് സ്പെക്കുകൾ മാത്രമല്ല തിരയുന്നത്. അടുത്ത ഡാറ്റാ സെന്ററുകൾ എവിടെയായിരിക്കും, ഏതൊക്കെ ഭാഷകൾക്ക് മുൻഗണന നൽകും എന്നതിനെക്കുറിച്ചുള്ള സൂചനകളാണ് അവർ തേടുന്നത്. ഈ മോഡലുകളിൽ ഇംഗ്ലീഷിനുള്ള ആധിപത്യം വലിയൊരു പ്രശ്നമാണ്, എന്നാൽ യുഎസ് കേന്ദ്രീകൃത അഭിമുഖങ്ങളിൽ ഇത് പലപ്പോഴും അവഗണിക്കപ്പെടുന്നു. ഈ അവഗണന പാശ്ചാത്യ വിപണികളിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കുകയും ലോകത്തിന്റെ മറ്റ് ഭാഗങ്ങളിലെ സാംസ്കാരിക സൂക്ഷ്മതകളെ അവഗണിക്കുകയും ചെയ്യുന്നതിന്റെ ലക്ഷണമാണ്.

സാർവഭൗമ AI (sovereign AI) എന്നൊരു വിഷയവുമുണ്ട്. തങ്ങളുടെ ബൗദ്ധിക അടിസ്ഥാന സൗകര്യങ്ങൾക്കായി ഏതാനും സ്വകാര്യ കമ്പനികളെ ആശ്രയിക്കുന്നത് വലിയൊരു അപകടമാണെന്ന് രാജ്യങ്ങൾ തിരിച്ചറിയുന്നു. ലളിതമായ ക്ലൗഡ് കരാറുകൾക്കപ്പുറം ദേശീയ സർക്കാരുകളുമായുള്ള പങ്കാളിത്തത്തെക്കുറിച്ച് സമീപകാല അഭിമുഖങ്ങളിൽ സൂചനകളുണ്ട്. AI ലാബുകൾ യൂട്ടിലിറ്റികളായോ പ്രതിരോധ കരാറുകാരായോ പ്രവർത്തിക്കുന്ന ഒരു ഭാവിയിലേക്കാണ് ഇത് വിരൽ ചൂണ്ടുന്നത്. സ്വതന്ത്രമായ ടെക് സ്റ്റാർട്ടപ്പുകളുടെ കാലം കഴിഞ്ഞുവെന്ന് ഈ സംഭാഷണങ്ങളിലെ സൂചനകൾ വ്യക്തമാക്കുന്നു. ബിഗ് ടെക്കും ദേശീയ താല്പര്യങ്ങളും തമ്മിലുള്ള ആഴത്തിലുള്ള സംയോജനത്തിന്റെ കാലഘട്ടത്തിലേക്കാണ് നമ്മൾ പ്രവേശിക്കുന്നത്. ഇത് ആഗോള വ്യാപാരത്തെയും, ഈ മോഡലുകൾ താങ്ങാൻ കഴിയുന്നവരും കഴിയാത്തവരും തമ്മിലുള്ള ഡിജിറ്റൽ വിടവിനെയും സാരമായി ബാധിക്കും. പ്രവേശനക്ഷമത ജനാധിപത്യവൽക്കരിക്കുന്നു എന്ന വാദം, ഉയർന്ന ചെലവും നിയന്ത്രിത ലൈസൻസിംഗും എന്ന യാഥാർത്ഥ്യത്തിന് മുന്നിൽ അപ്രസക്തമാകുന്നു.

ഒരു സിഇഒ പോഡ്‌കാസ്റ്റിന്റെ നിഴലിൽ

ഒരു ഇടത്തരം സോഫ്റ്റ്‌വെയർ സ്ഥാപനത്തിലെ പ്രോഡക്റ്റ് മാനേജരെക്കുറിച്ച് ചിന്തിക്കുക. ഒരു പ്രമുഖ AI നേതാവ് മൂന്ന് മണിക്കൂർ അഭിമുഖം നടത്തുമ്പോഴെല്ലാം, കമ്പനിയുടെ മൊത്തത്തിലുള്ള റോഡ്മാപ്പ് മാറിയേക്കാം. ഒരു പ്രത്യേക ഫീച്ചർ അടുത്ത വർഷം കോർ മോഡലിൽ ഉൾപ്പെടുത്തുമെന്ന് സിഇഒ സൂചിപ്പിച്ചാൽ, ആ ഫീച്ചർ നിർമ്മിക്കുന്ന സ്റ്റാർട്ടപ്പിന്റെ മൂല്യം ഒറ്റരാത്രികൊണ്ട് ഇല്ലാതാകും. ഇതാണ് നിലവിലെ വിപണിയുടെ യാഥാർത്ഥ്യം. ഡെവലപ്പർമാർ വെറും API-കൾക്ക് മുകളിൽ നിർമ്മിക്കുകയല്ല ചെയ്യുന്നത്. അടിസ്ഥാന സൗകര്യങ്ങൾ നിയന്ത്രിക്കുന്ന ഏതാനും വ്യക്തികളുടെ താല്പര്യങ്ങൾ പ്രവചിക്കാൻ അവർ ശ്രമിക്കുകയാണ്. റേറ്റ് ലിമിറ്റുകളിലോ കോൺടെക്സ്റ്റ് വിൻഡോകളിലോ വരാനിരിക്കുന്ന മാറ്റങ്ങളെക്കുറിച്ച് ഈ അഭിമുഖങ്ങളിൽ തിരയുന്നതാണ് ഒരു ആധുനിക ടെക് ജീവനക്കാരന്റെ ദൈനംദിന ജോലി. ടെക്സ്റ്റിൽ നിന്ന് വീഡിയോയിലേക്ക് ശ്രദ്ധ മാറുന്നു എന്ന ഒരു വാചകം പോലും ദശലക്ഷക്കണക്കിന് ഡോളർ വികസനച്ചെലവ് വരുന്ന മാറ്റങ്ങൾക്ക് കാരണമായേക്കാം.

സാധാരണ ഉപയോക്താവിനെ സംബന്ധിച്ചിടത്തോളം, ഇതിന്റെ സ്വാധീനം സൂക്ഷ്മമാണെങ്കിലും വളരെ വലുതാണ്. ഒരു വലിയ സുരക്ഷാ പ്രഖ്യാപനത്തിന് ശേഷം നിങ്ങളുടെ AI അസിസ്റ്റന്റ് കൂടുതൽ ജാഗ്രതയുള്ളതോ അല്ലെങ്കിൽ കൂടുതൽ സംസാരിക്കുന്നതോ ആയി മാറുന്നത് നിങ്ങൾ ശ്രദ്ധിച്ചേക്കാം. ഈ അഭിമുഖങ്ങൾ സൃഷ്ടിക്കുന്ന പൊതുസമ്മർദ്ദത്തിന്റെ നേരിട്ടുള്ള ഫലമാണ് ഇത്തരം മാറ്റങ്ങൾ. ഗാർഡ്‌റെയിലുകളുടെ ആവശ്യകതയെക്കുറിച്ച് ഒരു നേതാവ് സംസാരിക്കുമ്പോൾ, എഞ്ചിനീയറിംഗ് ടീമുകൾ അവ നടപ്പിലാക്കാൻ വേഗത്തിൽ പ്രവർത്തിക്കുന്നു. ഇത് പലപ്പോഴും ഉപയോക്താവിന്റെ അനുഭവം മോശമാക്കുന്നു, കാരണം ഉപകരണം നിരുപദ്രവകരമായ ചോദ്യങ്ങൾക്ക് പോലും മറുപടി നൽകാൻ വിസമ്മതിക്കുന്നു. ഉപയോഗപ്രദമായ ഒരു അസിസ്റ്റന്റും സുരക്ഷിതമായ ഒന്നും തമ്മിലുള്ള സംഘർഷം സമീപകാല ചർച്ചകളിലെ സ്ഥിരം വിഷയമാണ്.

ഉപയോക്താക്കൾ അടിസ്ഥാനപരമായി ഒരു തത്സമയ പരീക്ഷണത്തിൽ പങ്കെടുക്കുകയാണ്, അവിടെ ഏറ്റവും പുതിയ പിആർ (PR) സൈക്കിളിനനുസരിച്ച് പാരാമീറ്ററുകൾ ക്രമീകരിക്കപ്പെടുന്നു. ഇത് സാങ്കേതികവിദ്യയെ അതിന്റെ മികച്ച കഴിവുകൾ ഉണ്ടായിരുന്നിട്ടും അസ്ഥിരവും പ്രവചനാതീതവുമാക്കുന്നു. കോർപ്പറേറ്റ് ലക്ഷ്യങ്ങളുമായി പൊരുത്തപ്പെടുത്താൻ ആവശ്യമായ മനുഷ്യ ഇടപെടലുകളെ കുറച്ചുകാണുകയും ഈ സംവിധാനങ്ങളുടെ നിലവിലെ സ്വയംഭരണത്തെ അമിതമായി വിലയിരുത്തുകയും ചെയ്യുന്ന പ്രവണത ആളുകൾക്കുണ്ട്. ഒരു പൊതു വിവാദത്തിന് മണിക്കൂറുകൾക്കുള്ളിൽ ChatGPT അതിന്റെ സ്വഭാവമോ മറുപടി നൽകുന്ന രീതികളോ മാറ്റുന്നത് കാണുമ്പോൾ ഈ വാദം സത്യമാണെന്ന് തോന്നും. ഇത് വെറും കോഡ് മാത്രമല്ല, അഭിമുഖം നടക്കുന്ന സമയത്തെ രാഷ്ട്രീയ കാലാവസ്ഥയുടെ പ്രതിഫലനം കൂടിയാണ്.

മാറിക്കൊണ്ടിരിക്കുന്ന പ്രതീക്ഷകൾക്കൊപ്പം സഞ്ചരിക്കാൻ കമ്പനികളും പാടുപെടുകയാണ്. ഒരു പ്രത്യേക AI ആർക്കിടെക്ചറിൽ വലിയ നിക്ഷേപം നടത്തിയ ഒരു ബിസിനസ്സ്, വ്യവസായം മറ്റൊരു നിലവാരത്തിലേക്ക് മാറിയാൽ കാലഹരണപ്പെട്ടേക്കാം. ഈ മാറ്റങ്ങളുടെ ആദ്യ സൂചനകൾ പലപ്പോഴും അഭിമുഖങ്ങളിൽ നിന്ന് ലഭിക്കാറുണ്ട്. ഉദാഹരണത്തിന്, ചാറ്റ്‌ബോട്ട് എന്നതിലുപരി ഏജന്റുകളിൽ (agents) ശ്രദ്ധ കേന്ദ്രീകരിച്ചത് എല്ലാ എന്റർപ്രൈസ് സോഫ്റ്റ്‌വെയർ കമ്പനികളെയും തങ്ങളുടെ ഓഫറുകൾ അപ്‌ഡേറ്റ് ചെയ്യാൻ നിർബന്ധിതരാക്കി. എക്സിക്യൂട്ടീവ് സംസാരം വ്യാഖ്യാനിക്കാനുള്ള കഴിവ് കോഡ് എഴുതാനുള്ള കഴിവ് പോലെ തന്നെ വിലപ്പെട്ടതായ ഒരു സമ്മർദ്ദ അന്തരീക്ഷമാണിത് ഇത് സൃഷ്ടിക്കുന്നത്. സ്രഷ്‌ടാക്കൾക്കും ഇതിന്റെ പ്രത്യാഘാതങ്ങൾ വലുതാണ്. തങ്ങളുടെ സൃഷ്ടികൾ സംരക്ഷിക്കപ്പെടുമോ അതോ അടുത്ത തലമുറ മോഡലുകൾക്കുള്ള ഇന്ധനമായി മാറുമോ എന്ന് അറിയാൻ എഴുത്തുകാരും കലാകാരന്മാരും ഈ അഭിമുഖങ്ങൾ ശ്രദ്ധിക്കുന്നു. ഈ സംഭാഷണങ്ങളിൽ പകർപ്പവകാശത്തെക്കുറിച്ച് ഒഴിഞ്ഞുമാറുന്നത് സർഗ്ഗാത്മക വിഭാഗത്തിന് നിരന്തരമായ ഉത്കണ്ഠയാണ് നൽകുന്നത്.

AI ബൂമിലെ ഉത്തരം കിട്ടാത്ത ചോദ്യങ്ങൾ

ഈ പൊതുവേദികളിൽ ഉന്നയിക്കുന്ന അവകാശവാദങ്ങളെ നമ്മൾ സംശയത്തോടെ കാണണം. ഡാറ്റയുടെ മറഞ്ഞിരിക്കുന്ന ചെലവിനെക്കുറിച്ചുള്ളതാണ് ഏറ്റവും ബുദ്ധിമുട്ടുള്ള ചോദ്യങ്ങളിലൊന്ന്. ഇന്റർനെറ്റിലെ ഉയർന്ന നിലവാരമുള്ള ടെക്സ്റ്റ് തീർന്നുപോവുകയാണെങ്കിൽ, അടുത്ത ട്രില്യൺ ടോക്കണുകൾ എവിടെ നിന്ന് വരും? സ്വകാര്യ ഡാറ്റ ഉപയോഗിക്കുന്നതിലെ ധാർമ്മികതയെക്കുറിച്ചോ, പരിശീലനത്തിന് ആവശ്യമായ വലിയ ഡാറ്റാ സെന്ററുകൾ തണുപ്പിക്കുന്നതിലെ പാരിസ്ഥിതിക ആഘാതത്തെക്കുറിച്ചോ അഭിമുഖങ്ങൾ അപൂർവ്വമായേ സംസാരിക്കാറുള്ളൂ. AI-യെ ഒരു ശുദ്ധവും അദൃശ്യവുമായ ശക്തിയായി സംസാരിക്കാനാണ് പ്രവണത, എന്നാൽ യഥാർത്ഥത്തിൽ ഇതൊരു വലിയ വ്യാവസായിക പ്രക്രിയയാണ്. സെർവറുകൾ തണുപ്പിക്കാൻ ഉപയോഗിക്കുന്ന കോടിക്കണക്കിന് ഗാലൻ വെള്ളത്തിന് ആരാണ് പണം നൽകുന്നത്? മനുഷ്യരാശിയുടെ കൂട്ടായ അറിവിൽ പരിശീലിപ്പിച്ച ഒരു മോഡൽ സൃഷ്ടിക്കുന്ന ബൗദ്ധിക സ്വത്തിന്റെ ഉടമ ആരാണ്? ഇവ വെറും സാങ്കേതിക പ്രശ്നങ്ങളല്ല. വിഭവ വിഹിതത്തെയും ഉടമസ്ഥാവകാശത്തെയും കുറിച്ചുള്ള അടിസ്ഥാനപരമായ ചോദ്യങ്ങളാണിവ.

ആന്തരിക പരിശോധനകളെക്കുറിച്ചുള്ള സുതാര്യതയില്ലായ്മയാണ് മറ്റൊരു ആശങ്ക. ഒരു മോഡൽ മാസങ്ങളോളം ‘റെഡ് ടീം’ (red team) പരിശോധനയ്ക്ക് വിധേയമായെന്ന് നമ്മളോട് പറയാറുണ്ട്, എന്നാൽ ആ പരിശോധനകളുടെ ഫലങ്ങൾ നമ്മൾ കാണാറില്ല. ഉപയോക്താവിന്റെ സ്വകാര്യതയും വലിയൊരു അന്ധതയാണ്. കമ്പനികൾ ഡാറ്റ അജ്ഞാതമാക്കുന്നു (anonymize) എന്ന് അവകാശപ്പെടുമ്പോൾ, വലിയ തോതിലുള്ള ഡാറ്റാ പ്രോസസ്സിംഗിന്റെ യാഥാർത്ഥ്യം യഥാർത്ഥ അജ്ഞാതത്വം കൈവരിക്കുന്നത് ബുദ്ധിമുട്ടാക്കുന്നു. ഈ ഉപകരണങ്ങളുടെ സൗകര്യം നമ്മുടെ ഡിജിറ്റൽ സ്വകാര്യതയുടെ നാശത്തിന് വിലമതിക്കുന്നതാണോ എന്ന് നമ്മൾ ചോദിക്കണം. ആഗോളതലത്തിൽ മനുഷ്യചിന്തയെ സ്വാധീനിക്കാനുള്ള അധികാരം തിരഞ്ഞെടുക്കപ്പെടാത്ത ഏതാനും എക്സിക്യൂട്ടീവുകളെ ഏൽപ്പിക്കേണ്ട ഒന്നല്ല. നിലവിലെ ചർച്ച സാങ്കേതികവിദ്യയുടെ ഗുണങ്ങളിൽ മാത്രം ശ്രദ്ധ കേന്ദ്രീകരിക്കുമ്പോൾ, സമൂഹത്തിന് ഉണ്ടാകുന്ന ദീർഘകാല പ്രത്യാഘാതങ്ങൾ രണ്ടാമത്തെ പരിഗണനയായി മാറുന്നു. തങ്ങളുടെ സംവിധാനങ്ങളുടെ അനിവാര്യമായ പരാജയങ്ങളെ ഈ കമ്പനികൾ എങ്ങനെ കൈകാര്യം ചെയ്യുമെന്ന് വ്യക്തമായ ഉത്തരങ്ങൾക്കായി നമ്മൾ സമ്മർദ്ദം ചെലുത്തണം.

ഞങ്ങൾ ഉൾപ്പെടുത്തണമെന്ന് നിങ്ങൾ കരുതുന്ന ഒരു AI സ്റ്റോറിയോ, ടൂളോ, ട്രെൻഡോ, ചോദ്യമോ നിങ്ങളുടെ പക്കലുണ്ടോ? നിങ്ങളുടെ ലേഖന ആശയം ഞങ്ങൾക്ക് അയയ്ക്കുക — അത് കേൾക്കാൻ ഞങ്ങൾ ആഗ്രഹിക്കുന്നു.

ഹൈപ്പിന് പിന്നിലെ ആർക്കിടെക്ചറും ലേറ്റൻസിയും

സാങ്കേതിക വിശദാംശങ്ങളിലേക്ക് കടക്കുമ്പോൾ, വ്യവസായം ചില ഭൗതിക പരിധികളിൽ എത്തിയിട്ടുണ്ടെന്ന് വ്യക്തമാണ്. അഭിമുഖങ്ങൾ അനന്തമായ വളർച്ചയുടെ സാധ്യതകളിൽ ശ്രദ്ധ കേന്ദ്രീകരിക്കുമ്പോൾ, യാഥാർത്ഥ്യം GPU ലഭ്യതയും ഊർജ്ജ പരിമിതികളും അനുസരിച്ചാണ് പ്രവർത്തിക്കുന്നത്. പവർ ഉപയോക്താക്കൾക്ക്, മോഡലിന്റെ വലുപ്പത്തേക്കാൾ പ്രധാനപ്പെട്ട അളവുകോലുകൾ API-യുടെ ലേറ്റൻസിയും ഔട്ട്‌പുട്ടിന്റെ വിശ്വാസ്യതയുമാണ്. ലോക്കലായി പ്രവർത്തിക്കാൻ കഴിയുന്ന ചെറിയതും കാര്യക്ഷമവുമായ മോഡലുകളിലേക്കുള്ള മാറ്റം നമ്മൾ കാണുന്നുണ്ട്. ക്ലൗഡ് ഇൻഫറൻസിന്റെ ഉയർന്ന ചെലവിനും മികച്ച ഡാറ്റാ സ്വകാര്യതയുടെ ആവശ്യകതയ്ക്കുമുള്ള നേരിട്ടുള്ള മറുപടിയാണിത്. മൂന്നാം കക്ഷി സെർവറിലേക്ക് സെൻസിറ്റീവ് ഡാറ്റ അയക്കാൻ കഴിയാത്ത എന്റർപ്രൈസ് ഉപയോക്താക്കൾക്ക് വെയ്റ്റുകൾ (weights) ലോക്കലായി സൂക്ഷിക്കുന്നത് മുൻഗണനയായി മാറുകയാണ്. ഈ പ്രവണത മുഖ്യധാരാ മാധ്യമങ്ങളിൽ പലപ്പോഴും അവഗണിക്കപ്പെടുന്നു, എന്നാൽ ഡെവലപ്പർ സർക്കിളുകളിൽ ഇതൊരു പ്രധാന ചർച്ചാവിഷയമാണ്.

വർക്ക്ഫ്ലോ ഇന്റഗ്രേഷനാണ് അടുത്ത പ്രധാന തടസ്സം. ഒരു ചാറ്റ് ഇന്റർഫേസ് ഉണ്ടായിരിക്കുന്നത് ഒരു കാര്യമാണ്, എന്നാൽ സങ്കീർണ്ണമായ സോഫ്റ്റ്‌വെയർ സ്യൂട്ടുകളുമായി സംവദിക്കാൻ കഴിയുന്ന ഒരു AI ഉണ്ടായിരിക്കുന്നത് മറ്റൊന്നാണ്. സങ്കീർണ്ണമായ ഏജന്റുകളെ നിർമ്മിക്കുന്നതിന് നിലവിലെ API പരിധികൾ വലിയൊരു തടസ്സമാണ്. മോഡലിലേക്ക് ഒന്നിലധികം കോളുകൾ ആവശ്യമുള്ള ആവർത്തന ജോലികൾ ചെയ്യുന്നതിന് റേറ്റ് ലിമിറ്റുകളും ടോക്കൺ ചെലവുകളും വലിയ ബാധ്യതയാകുന്നു. നിരന്തരമായ റീട്രെയിനിംഗ് ആവശ്യമില്ലാതെ മോഡലുകളെ അപ്‌ഡേറ്റ് ചെയ്യാൻ സഹായിക്കുന്ന ‘റിട്രീവൽ ഓഗ്മെന്റഡ് ജനറേഷൻ’ (retrieval augmented generation) പോലുള്ള പുതിയ സാങ്കേതികവിദ്യകളുടെ ഉദയവും നമ്മൾ കാണുന്നുണ്ട്. ഈ സമീപനം ഒരു മോഡലിനെ ലോക്കൽ ഡാറ്റാബേസിൽ വിവരങ്ങൾ തിരയാൻ അനുവദിക്കുന്നു, ഇത് ഹാലുസിനേഷനുകൾ (hallucinations) കുറയ്ക്കുന്നു. ഗീക്ക് വിഭാഗത്തെ സംബന്ധിച്ചിടത്തോളം, മോണോലിത്തിക് മോഡലുകളിൽ നിന്ന് കൂടുതൽ മോഡുലാർ ആർക്കിടെക്ചറിലേക്കുള്ള മാറ്റമാണ് യഥാർത്ഥ വാർത്ത. ഇത് വേഗത്തിലുള്ള മാറ്റങ്ങൾക്കും, പൊതുവായ മോഡലുകളെക്കാൾ മികച്ച പ്രകടനം കാഴ്ചവെക്കുന്ന പ്രത്യേക ഉപകരണങ്ങൾക്കും വഴിയൊരുക്കുന്നു.