२०२६ मध्ये AI ला आकार देणारी २० माणसे
तर्काचे नवीन शिल्पकार
तंत्रज्ञान क्षेत्रातील सत्तेचे केंद्र आता कोड लिहिणाऱ्यांकडून विचारांचे इन्फ्रास्ट्रक्चर मालकीच्या लोकांकडे सरकले आहे. आजच्या काळात, प्रभाव हा सोशल मीडिया फॉलोअर्स किंवा सार्वजनिक उपस्थितीवरून मोजला जात नाही. तो फ्लॉप्स, किलोवॅट्स आणि प्रोप्रायटरी डेटा सेट्समध्ये मोजला जातो. सध्या आर्टिफिशियल इंटेलिजन्सची दिशा ठरवणारे वीस लोक नेहमीच चर्चेत नसतात. काही ब्रुसेल्समधील नियामक आहेत, तर काही तैवानमधील सप्लाय चेन मॅनेजर. त्यांच्यात एक समान धागा आहे: ते औद्योगिक क्रांतीनंतरच्या सर्वात मोठ्या तांत्रिक बदलाच्या अडथळ्यांवर नियंत्रण ठेवतात. आपण आता विनोद सांगणाऱ्या चॅट बॉट्सच्या युगाच्या पुढे गेलो आहोत. आता आपण अशा एजंटिक सिस्टम्सच्या युगात आहोत ज्या मानवी हस्तक्षेपाशिवाय जटिल वर्कफ्लो पूर्ण करतात. या बदलामुळे सत्ता पूर्वीपेक्षा कमी लोकांच्या हातात एकवटली आहे. या छोट्या गटाने घेतलेले निर्णय पुढील दशकात संपत्तीचे वाटप कसे होईल आणि सत्याची पडताळणी कशी केली जाईल हे ठरवतील. आता लक्ष या सिस्टम्स काय बोलू शकतात यावरून त्या काय करू शकतात याकडे वळले आहे. हीच जागतिक प्रभावाची नवीन वास्तविकता आहे.
संशोधन प्रयोगशाळेच्या पलीकडे
सामान्यतः लोकांना वाटते की आर्टिफिशियल इंटेलिजन्स हे एक स्थिर क्षेत्र आहे जिथे प्रगती अचानक उड्या मारून होते. पण वास्तविकता म्हणजे ऑप्टिमायझेशन आणि इन्फ्रास्ट्रक्चर स्केलिंगची एक निरंतर प्रक्रिया आहे. जे लोक या क्षेत्रात काम करत आहेत, ते आता लार्ज लँग्वेज मॉडेल्सकडून एजंटिक वर्कफ्लोकडे जाण्यावर लक्ष केंद्रित करत आहेत. काही वर्षांपूर्वी, मुख्य ध्येय मशीनला मानवासारखे बोलवायला लावणे हे होते. आज, ध्येय मशीनला एक विश्वासार्ह कर्मचारी म्हणून काम करायला लावणे हे आहे. या बदलामुळे कोणाकडे जास्त प्रभाव आहे हे बदलले आहे. आपण २०१० च्या दशकाच्या सुरुवातीला वर्चस्व गाजवणाऱ्या शुद्ध संशोधन शास्त्रज्ञांपासून दूर जात आहोत. नवीन पॉवर प्लेयर्स ते आहेत जे रॉ मॉडेल आणि तयार उत्पादन यांच्यातील दरी भरून काढू शकतात. हे ते लोक आहेत जे या मॉडेल्सना स्थानिक हार्डवेअरवर कसे चालवायचे आणि API कॉल्सचा लॅटन्सी जवळजवळ शून्यावर कसा आणायचा हे शोधत आहेत. तेच लोक डेटा सेंटर्स चालू ठेवण्यासाठी आवश्यक असलेले प्रचंड ऊर्जा करार देखील हाताळत आहेत.
लोकांचा दृष्टिकोन आणि उद्योगाची मूळ वास्तविकता यात मोठी तफावत आहे. बहुतेक लोकांना अजूनही वाटते की आपण एकाच, संवेदनशील सुपरइंटेलिजन्सच्या मार्गावर आहोत. वास्तविकता अधिक विखुरलेली आहे. सर्वात प्रभावशाली व्यक्ती प्रत्यक्षात हजारो विशेष, मर्यादित एजंट्स तयार करत आहेत. हे एजंट मानवी अर्थाने विचार करत नाहीत. ते कायदेशीर शोध, प्रोटीन फोल्डिंग किंवा लॉजिस्टिक राउटिंग यांसारख्या विशिष्ट कार्यांना ऑप्टिमाइझ करतात. उद्योग आता जनरल पर्पज टूल्सकडून हाय प्रिसिजन इन्स्ट्रुमेंट्सकडे वळला आहे. हा बदल मशीन देवाच्या जन्मापेक्षा कमी नाट्यमय असला तरी जागतिक अर्थव्यवस्थेसाठी अधिक प्रभावी आहे. जे लोक हे नेतृत्व करत आहेत त्यांना समजते की नाविन्यापेक्षा उपयुक्तता नेहमीच सरस असते. तेच लोक रॉ कंप्युट डेन्सिटीचे रूपांतर जगातील सर्वात मोठ्या कॉर्पोरेशनसाठी मूर्त आर्थिक मूल्यात करत आहेत.
कंप्युटचे भू-राजकारण
AI मधील प्रभाव आता राष्ट्रीय सुरक्षा आणि जागतिक व्यापारापासून वेगळा करता येत नाही. या यादीतील शीर्षस्थानी असलेल्या व्यक्तींमध्ये सरकारी अधिकारी आहेत जे कोणते देश नवीन चिप्स खरेदी करू शकतात हे ठरवतात. त्यात NVIDIA आणि TSMC सारख्या कंपन्यांचे एक्झिक्युटिव्ह देखील आहेत जे इंटेलिजन्सच्या भौतिक उत्पादनाचे व्यवस्थापन करतात. जग सध्या अशा लोकांमध्ये विभागलेले आहे जे हाय-एंड सेमीकंडक्टर्स तयार करू शकतात आणि जे करू शकत नाहीत. ही दरी एक नवीन प्रकारची ताकद निर्माण करते. वॉशिंग्टन किंवा बीजिंगमधील धोरणातील एक छोटासा बदल संपूर्ण सॉफ्टवेअर इकोसिस्टमची प्रगती एका रात्रीत थांबवू शकतो. म्हणूनच प्रभावशाली लोकांच्या यादीत पाच वर्षांपूर्वीपेक्षा जास्त मुत्सद्दी आणि सप्लाय चेन तज्ज्ञ आहेत. ते भौतिक स्तराचे गेटकीपर आहेत. त्यांच्या सहकार्याशिवाय, सर्वात प्रगत अल्गोरिदम केवळ कोडच्या ओळी आहेत ज्यांना धावण्यासाठी जागा नाही.
या वीस व्यक्तींचा जागतिक प्रभाव कामगार बाजारापर्यंत पोहोचतो. आपण व्हाईट कॉलर उद्योगांमध्ये स्ट्रक्चरल विस्थापनाची पहिली वास्तविक चिन्हे पाहत आहोत. OpenAI आणि Anthropic सारख्या कंपन्यांचे नेते केवळ टूल्स बनवत नाहीत. ते व्यावसायिक असण्याचा अर्थ पुन्हा परिभाषित करत आहेत. व्यवस्थापन आणि विश्लेषणाच्या मधल्या थरांचे ऑटोमेशन करून, ते सरकारांना शिक्षण आणि सामाजिक सुरक्षा जाळ्यांचा पुनर्विचार करण्यास भाग पाडत आहेत. ही भविष्यातील सैद्धांतिक समस्या नाही. हे आता घडत आहे कारण कंपन्या या सिस्टम्सना त्यांच्या मुख्य ऑपरेशन्समध्ये समाकलित करत आहेत. या वीस लोकांचा प्रभाव प्रत्येक फॉर्च्युन ५०० कंपनीच्या बोर्डरूममध्ये जाणवतो. ते बदलाचा वेग ठरवत आहेत आणि तो वेग सध्या बहुतेक संस्थांच्या जुळवून घेण्याच्या क्षमतेपेक्षा जास्त आहे. वेगवान आणि संथ यांच्यातील दरी वाढत आहे आणि हे शिल्पकार नकाशा हातात धरून बसले आहेत.
एजंट्ससोबत जगणे
या व्यक्तींचा प्रभाव समजून घेण्यासाठी, एका मोठ्या फर्ममधील टिपिकल प्रोजेक्ट मॅनेजरच्या आयुष्यातील एक दिवस विचारात घ्या. पाच वर्षांपूर्वी, हा व्यक्ती ईमेल लिहिण्यात, मीटिंग्स शेड्युल करण्यात आणि अहवाल तयार करण्यात तासनतास घालवत असे. आज, ती कामे या वीस लोकांनी तयार केलेल्या प्लॅटफॉर्मद्वारे समन्वित एजंट्सच्या नेटवर्कद्वारे हाताळली जातात. जेव्हा मॅनेजर उठतो, तेव्हा एका एजंटने आधीच त्यांचे इनबॉक्स तपासून मागील संवादांच्या आधारे उत्तरे तयार केलेली असतात. दुसऱ्या एजंटने सॉफ्टवेअर बिल्डच्या प्रगतीवर लक्ष ठेवले असते आणि सप्लाय चेनमध्ये संभाव्य विलंब असल्यास सावध केले असते. हे जादू नाही. हे एजंटिक वर्कफ्लोचे परिणाम आहेत जे व्यवसायाच्या विशिष्ट गरजांनुसार ट्यून केलेले आहेत. मॅनेजर आता केवळ काम करणारा नाही. तो एक संपादक आणि निर्णय घेणारा आहे. दैनंदिन जीवनातील हा बदल उद्योगातील नेत्यांच्या कामाचा सर्वात दृश्य परिणाम आहे. त्यांनी तंत्रज्ञान ब्राउझर टॅबमधून बाहेर काढून आपल्या आयुष्याच्या पार्श्वभूमीवर आणले आहे.
निर्माते आणि डेव्हलपर्ससाठी हा प्रभाव तितकाच खोल आहे. आजचा सॉफ्टवेअर इंजिनिअर अशी टूल्स वापरतो जी कोडचे संपूर्ण ब्लॉक्स सुचवतात आणि पहिली टेस्ट रन होण्यापूर्वीच बग्स पकडतात. यामुळे उत्पादकता कित्येक पटीने वाढली आहे, परंतु यामुळे प्रवेशाची पातळीही उंचावली आहे. ही जागा तयार करणारे लोक ते आहेत ज्यांनी ही टूल्स कशी ट्रेन करावीत आणि त्यांनी कोणता डेटा वापरावा हे ठरवले. यामुळे डेटा प्रोव्हेनन्सचा मुद्दा समोर येतो. या वीस लोकांचा प्रभाव कॉपीराइट आणि बौद्धिक संपदेच्या कायदेशीर लढाईतही दिसतो. त्यांनीच ठरवले की संपूर्ण इंटरनेट हा एक ट्रेनिंग सेट आहे. या निर्णयाचे मानवी सर्जनशीलतेचे मूल्य आपण कसे ठरवतो यावर कायमस्वरूपी परिणाम होतात. जेव्हा एखादा डिझायनर जनरेटिव्ह टूल वापरतो, तेव्हा तो काही व्यक्तींच्या निर्णयांवर आधारित सिस्टमशी संवाद साधत असतो. इथेच खरी शक्ती आहे. संपूर्ण सर्जनशील अर्थव्यवस्थेसाठी डिफॉल्ट सेट करण्याची ही शक्ती आहे. ही मॉडेल्स ट्रेन करण्यासाठी वापरलेली माहिती हे नवीन सोने आहे आणि ज्यांच्याकडे खाणींचे नियंत्रण आहे ते जगातील सर्वात शक्तिशाली लोक आहेत.
BotNews.today सामग्री संशोधन, लेखन, संपादन आणि भाषांतरित करण्यासाठी AI साधनांचा वापर करते. माहिती उपयुक्त, स्पष्ट आणि विश्वसनीय ठेवण्यासाठी आमची टीम प्रक्रियेचे पुनरावलोकन आणि पर्यवेक्षण करते.
या प्रभावाची वास्तविकता अनेकदा स्वच्छ इंटरफेस आणि साध्या ॲप्सच्या मागे लपलेली असते. पडद्यामागे, या सिस्टम्सची अचूकता आणि सुरक्षा राखण्यासाठी एक मोठी मोहीम सुरू आहे. मोठ्या लॅब्समधील सुरक्षा आणि अलाइनमेंट टीमचे नेतृत्व करणारे लोक सीईओइतकेच प्रभावशाली आहेत. तेच ठरवतात की AI ला काय बोलण्याची परवानगी आहे आणि त्याने कशाला नकार दिला पाहिजे. ते अशा मशीनचे नैतिक मध्यस्थ आहेत ज्याला स्वतःची नैतिकता नाही. ही एक मोठी जबाबदारी आहे ज्याकडे सामान्य लोकांचे अनेकदा दुर्लक्ष होते. जेव्हा एखादा AI हानिकारक प्रतिमा किंवा पक्षपाती अहवाल तयार करण्यास नकार देतो, तेव्हा तो खूप लहान गटाने लिहिलेल्या नियमांचे पालन करत असतो. त्यांचा प्रभाव अदृश्य पण पूर्ण आहे. ते डिजिटल जगात काय शक्य आहे त्याच्या सीमा ठरवत आहेत. हे केवळ तांत्रिक आव्हान नाही. हे एक तात्विक आव्हान आहे जे येणाऱ्या दशकांसाठी मानव आणि मशीन यांच्यातील संबंध परिभाषित करेल.
इंटेलिजन्सची किंमत
या सिस्टम्सच्या प्रचंड ऊर्जेचा खर्च कोण उचलते? हा प्रश्न आहे ज्याचे उत्तर उद्योगातील सर्वात प्रभावशाली व्यक्ती सध्या शोधण्याचा प्रयत्न करत आहेत. एका AI क्वेरीचा लपलेला खर्च पारंपारिक सर्चपेक्षा लक्षणीयरीत्या जास्त आहे. जसे या सिस्टम्स आपल्या जीवनात अधिक समाकलित होत आहेत, तसे पॉवर ग्रिडवरील ताण ही मुख्य चिंता बनत आहे. जे लोक स्मॉल मॉड्युलर रिॲक्टर्स आणि विशेष AI ऊर्जा उपायांसाठी पुढाकार घेत आहेत, ते नवीन पॉवर प्लेयर्स बनत आहेत. आपल्याला विचारले पाहिजे की स्वयंचलित सहाय्यकाची सोय ही ती चालवण्यासाठी आवश्यक असलेल्या डेटा सेंटर्सच्या पर्यावरणीय परिणामापेक्षा मौल्यवान आहे का? गोपनीयतेचा प्रश्नही आहे. जसजसे आपण अधिक वैयक्तिकृत एजंट्सकडे जात आहोत, तसतसे या सिस्टम्सना आपल्या अधिक वैयक्तिक डेटाची आवश्यकता आहे. एकदा मॉडेलद्वारे प्रक्रिया केल्यानंतर त्या डेटाची मालकी कोणाची असते? तो कधीही पूर्णपणे डिलीट केला जाऊ शकतो का? हे कठीण प्रश्न आहेत जे उद्योग अनेकदा तंत्रज्ञानाच्या फायद्यांबद्दल बोलण्याच्या नादात टाळतात.
शीर्ष वीस लोकांचा प्रभाव तंत्रज्ञानाच्या मर्यादा हाताळण्याच्या पद्धतीतही दिसून येतो. आपण सध्या पारंपारिक मॉडेल्सच्या स्केलिंगमध्ये एक पठार पाहत आहोत. पुढची मोठी झेप केवळ अधिक GPUs जोडण्यापेक्षा अल्गोरिदमिक कार्यक्षमतेतून येईल. जे लोक कमी संसाधनांत जास्त काम करण्याचे मार्ग शोधत आहेत, तेच वाढीचा पुढचा टप्पा गाठतील. तेच लोक AI ला लहान कंपन्या आणि विकसनशील राष्ट्रांसाठी सुलभ बनवतील. हा उत्क्रांतीचा एक महत्त्वाचा टप्पा आहे. जर तंत्रज्ञान केवळ मोठ्या कॉर्पोरेशनसाठीच महाग राहिले, तर यामुळे जागतिक असमानतेत मोठी वाढ होईल. जे लोक या टूल्सचा वापर लोकशाहीकरण करण्यासाठी काम करत आहेत, ते पहिले प्रचंड मॉडेल्स बनवणाऱ्यांइतकेच प्रभावशाली आहेत. तेच ठरवतील की हे तंत्रज्ञान अनेकांसाठी साधन आहे की काहींसाठी शस्त्र. उघडा प्रश्न हाच आहे: आपण अशी सिस्टम बनवू शकतो का जी शक्तिशाली आणि खरोखर विकेंद्रित असेल?
इन्फ्रास्ट्रक्चर स्टॅक
पॉवर युजरसाठी, या वीस लोकांचा प्रभाव ते दररोज वापरत असलेल्या टूल्सच्या तांत्रिक वैशिष्ट्यांमध्ये जाणवतो. आपण मॉडेल्सच्या स्थानिक अंमलबजावणीकडे (local execution) वळत आहोत. हे कमी लॅटन्सी आणि चांगल्या गोपनीयतेच्या गरजेमुळे प्रेरित आहे. जे लोक लॅपटॉप आणि फोनसाठी NPU हार्डवेअरची पुढची पिढी डिझाइन करत आहेत, ते या बदलाच्या केंद्रस्थानी आहेत. तेच लोक तुमच्या खिशात मावणाऱ्या डिव्हाइसवर अब्जावधी पॅरामीटरचे मॉडेल चालवणे शक्य करत आहेत. यासाठी हार्डवेअर आणि सॉफ्टवेअरमध्ये खोल एकत्रीकरण आवश्यक आहे. जे लोक ही दरी भरून काढू शकतात ते भविष्यातील युजर एक्सपिरियन्स परिभाषित करतील. आपण API कसे वापरले जातात यातही बदल पाहत आहोत. लक्ष साध्या विनंती आणि प्रतिसादाच्या पॅटर्नवरून अशा दीर्घकाळ चालणाऱ्या प्रक्रियेकडे वळत आहे ज्या तासनतास किंवा दिवसांनुसार जटिल कार्ये हाताळू शकतात. यासाठी एका नवीन प्रकारच्या इन्फ्रास्ट्रक्चरची आवश्यकता आहे जे अनेक सत्रांमध्ये स्टेट आणि कॉन्टेक्स्ट व्यवस्थापित करू शकेल.
सध्याच्या API च्या मर्यादा डेव्हलपर्ससाठी एक मोठा अडथळा आहेत. जे लोक ऑर्केस्ट्रेशन लेयर्सची पुढची पिढी बनवत आहेत, तेच ही समस्या सोडवतील. ते अशा सिस्टम्स तयार करत आहेत ज्या कार्यानुसार आपोआप वेगवेगळ्या मॉडेल्समध्ये स्विच करू शकतात. याला मॉडेल राउटिंग म्हणतात आणि हा आधुनिक AI स्टॅकचा एक महत्त्वाचा भाग आहे. हे डेव्हलपर्सना रिअल टाइममध्ये किंमत, वेग आणि अचूकता यांचा समतोल राखण्यास अनुमती देते. स्थानिक स्टोरेज आणि रिट्रीव्हल हे देखील तीव्र लक्ष केंद्रित करण्याचे क्षेत्र आहे. वेक्टर डेटाबेस आणि रिट्रीव्हल ऑगमेंटेड जनरेशनचा वापर ही प्रमाण पद्धत बनली आहे. जे लोक या सिस्टम्सना ऑप्टिमाइझ करत आहेत, तेच AI ला मोठ्या प्रमाणात प्रोप्रायटरी डेटा असलेल्या व्यवसायांसाठी उपयुक्त बनवत आहेत. तेच एका जनरल पर्पज मॉडेलचे रूपांतर एका विशेष टूलमध्ये करत आहेत जे एखाद्या विशिष्ट कंपनीबद्दल सर्व काही जाणते. हे ते काम आहे जे तंत्रज्ञानाला एंटरप्राइझसाठी वास्तव बनवते. हे त्या शिल्पकारांचे काम आहे जे नवीन डिजिटल अर्थव्यवस्थेचा पाया रचत आहेत.
पुढची उत्क्रांती
AI ला आकार देणारे लोक केवळ सॉफ्टवेअर बनवत नाहीत. ते मानवी कामाच्या भविष्यासाठी ऑपरेटिंग सिस्टम बनवत आहेत. त्यांच्याकडे असलेली शक्ती अभूतपूर्व आहे आणि ती अशा जबाबदारीसह येते जी आपण आता कुठे समजून घेण्यास सुरुवात केली आहे. आपण सुरुवातीच्या उत्साहाच्या पलीकडे गेलो आहोत आणि गंभीर अंमलबजावणीच्या टप्प्यात प्रवेश केला आहे. आता लक्ष विश्वासार्हता, सुरक्षा आणि स्केलवर आहे. जे लोक या आघाड्यांवर यशस्वी होतील तेच यादीत शीर्षस्थानी राहतील. तेच ठरवतील की आपण तंत्रज्ञानाशी आणि एकमेकांशी कसे संवाद साधतो. लक्षात ठेवण्यासारखी सर्वात महत्त्वाची गोष्ट म्हणजे हे अजूनही एक विकसित होणारे क्षेत्र आहे. नियम रिअल टाइममध्ये अशा लोकांच्या छोट्या गटाद्वारे लिहिले जात आहेत ज्यांच्याकडे भविष्याची एक विशिष्ट दृष्टी आहे. ती दृष्टी जगाच्या उर्वरित गरजांशी जुळते का, हा आपल्या काळातील सर्वात महत्त्वाचा प्रश्न आहे. या तंत्रज्ञानाची उत्क्रांती आपल्याला आश्चर्यचकित करत राहील, परंतु त्यामागील लोक त्याच्या यशात किंवा अपयशात सर्वात महत्त्वाचा घटक राहतील.
तुम्ही आम्हाला कव्हर करावे असे तुम्हाला वाटणारी AI कथा, साधन, ट्रेंड किंवा प्रश्न आहे का? तुमची लेखाची कल्पना आम्हाला पाठवा — आम्हाला ती ऐकायला आवडेल.
संपादकाची नोंद: आम्ही ही साइट बहुभाषिक AI बातम्या आणि मार्गदर्शिका केंद्र म्हणून अशा लोकांसाठी तयार केली आहे जे संगणक तज्ञ नाहीत, परंतु तरीही कृत्रिम बुद्धिमत्ता समजून घेऊ इच्छितात, अधिक आत्मविश्वासाने तिचा वापर करू इच्छितात आणि आधीच येत असलेल्या भविष्याचा मागोवा घेऊ इच्छितात.
काही चूक आढळली किंवा काही दुरुस्त करायचे आहे का? आम्हाला कळवा.
