Open विरुद्ध Closed AI: सामान्य वापरकर्त्यांसाठी काय महत्त्वाचे आहे?

इंटेलिजन्सची मोठी भिंत

आर्टिफिशियल इंटेलिजन्स (AI) उद्योग सध्या दोन गटांत विभागला जात आहे. एका बाजूला OpenAI आणि Google सारख्या कंपन्या आहेत, ज्या डिजिटल भिंतीच्या मागे प्रचंड आणि प्रोप्रायटरी सिस्टिम्स तयार करत आहेत. तुम्ही या टूल्सना वेबसाइट किंवा ॲपद्वारे वापरता, पण त्यामागे काय चालले आहे हे तुम्हाला कधीच कळत नाही. दुसऱ्या बाजूला, Meta आणि Mistral सारख्या कंपन्या आणि डेव्हलपर्सचा एक मोठा गट त्यांचे मॉडेल्स सर्वांसाठी उपलब्ध करून देत आहे. ही विभागणी केवळ तांत्रिक चर्चा नाही, तर मानवी ज्ञानाच्या भविष्यावर कोणाचे नियंत्रण असावे आणि त्यासाठी तुम्हाला किती पैसे मोजावे लागतील, याचा हा एक मूलभूत संघर्ष आहे. सामान्य माणसासाठी, ओपन आणि क्लोज्ड सिस्टिम्समधील निवड तुमच्या प्रायव्हसी, खर्च आणि सर्जनशील स्वातंत्र्यावर परिणाम करते. जर तुम्ही क्लोज्ड मॉडेल वापरत असाल, तर तुम्ही भाडेकरू आहात. जर तुम्ही ओपन मॉडेल वापरत असाल, तर तुम्ही मालक आहात. दोन्ही मार्गांचे काही फायदे आणि तोटे आहेत, ज्याकडे लोक दुर्लक्ष करतात जोपर्यंत त्यांच्या डेटा किंवा सबस्क्रिप्शनमध्ये काही गडबड होत नाही.

‘ओपन’ लेबलमागचे सत्य

मार्केटिंग टीम्सना ‘ओपन’ हा शब्द खूप आवडतो कारण तो पारदर्शकता आणि समुदायाचे प्रतीक वाटतो. मात्र, AI च्या जगात हा शब्द अनेकदा मोघमपणे वापरला जातो. खऱ्या ओपन सोर्स सॉफ्टवेअरमध्ये कोणालाही कोड पाहता येतो, तो बदलता येतो आणि शेअर करता येतो. AI च्या संदर्भात, याचा अर्थ ट्रेनिंग डेटा, ट्रेनिंग कोड आणि अंतिम मॉडेल वेट्स (weights) उपलब्ध असणे असा होतो. फार कमी मॉडेल्स या निकषावर उतरतात. ज्याला लोक ‘ओपन AI’ म्हणतात, ते प्रत्यक्षात ‘ओपन वेट्स’ असते. याचा अर्थ कंपनी तुम्हाला मॉडेलचा मेंदू देते, पण ते कसे बनवले किंवा कोणत्या पुस्तकांचा वापर केला, हे सांगत नाही. हे एखाद्या बेकरीने तुम्हाला केक आणि ओव्हनचे तापमान देणे, पण त्यात वापरलेले पीठ किंवा अंड्यांचा ब्रँड न सांगण्यासारखे आहे.

क्लोज्ड AI समजायला सोपे आहे. हे एक प्रॉडक्ट आहे. जेव्हा तुम्ही GPT-4 किंवा Claude 3 वापरता, तेव्हा तुम्ही एका सर्व्हिसशी संवाद साधत असता. तुम्ही ते मॉडेल तुमच्या लॅपटॉपवर डाउनलोड करू शकत नाही. ते काही प्रश्नांची उत्तरे का देत नाही, हे पाहण्यासाठी तुम्ही अंतर्गत फिल्टर्स तपासू शकत नाही. कंपनीने ते अधिक वेगवान करण्यासाठी रातोरात बदलले आहे का, हे तुम्हाला कळू शकत नाही. पारदर्शकतेचा हा अभाव म्हणजे सोयीची किंमत आहे. कंपन्यांचे म्हणणे आहे की मॉडेल्स क्लोज्ड ठेवल्यामुळे त्यांचा गैरवापर टळतो, तर टीकाकारांच्या मते हा केवळ मक्तेदारी टिकवण्याचा मार्ग आहे. हा फरक समजून घेणे महत्त्वाचे आहे कारण त्यावरच तुमचा मशीनच्या आउटपुटवरचा विश्वास अवलंबून असतो.

सिलिकॉन युगातील सार्वभौमत्व

या विभागणीचा जागतिक परिणाम प्रचंड आहे. अमेरिकेबाहेरील देशांसाठी, क्लोज्ड AI मॉडेल्सवर अवलंबून राहणे म्हणजे आपला संवेदनशील डेटा कॅलिफोर्निया किंवा व्हर्जिनियामधील सर्व्हर्सवर पाठवणे होय. यामुळे काही अमेरिकन कॉर्पोरेशन्सवर मोठी अवलंबित्व निर्माण होते. ‘ओपन वेट्स’ मॉडेल्समुळे युरोपमधील सरकार किंवा भारतातील एखादा स्टार्टअप स्वतःच्या हार्डवेअरवर AI चालवू शकतो. हे अशा प्रकारचे सार्वभौमत्व प्रदान करते जे क्लोज्ड सिस्टिम्स कधीही देऊ शकत नाहीत. यामुळे स्थानिक भाषा आणि सांस्कृतिक बारकावे समजून घेणारी मॉडेल्स तयार करणे शक्य होते. जेव्हा एखादे मॉडेल ओपन असते, तेव्हा एका छोट्या गावातील डेव्हलपर आणि मोठ्या फर्ममधील संशोधक एकाच पातळीवर असतात.

एंटरप्राइजेसनाही कठीण निवड करावी लागते. एखादी बँक ग्राहकांचा खाजगी डेटा थर्ड पार्टी क्लाउडवर पाठवण्याचा धोका पत्करू शकत नाही. त्यांच्यासाठी, स्वतःच्या सुरक्षित डेटा सेंटरमध्ये चालणारे ओपन मॉडेल हाच एकमेव पर्याय आहे. दुसरीकडे, एका छोट्या मार्केटिंग एजन्सीला क्लोज्ड मॉडेलची पॉलिश केलेली कामगिरी आवडू शकते, कारण त्यांच्याकडे स्वतःचे सर्व्हर्स सांभाळण्यासाठी कर्मचारी नसतात. जागतिक अर्थव्यवस्था सध्या या दोन गटांत विभागली जात आहे. जे नियंत्रणाला प्राधान्य देतात आणि जे वेगाला प्राधान्य देतात. जसजसे आपण पुढे जाऊ, तसतसे या दोन गटांमधील अंतर वाढत जाईल. जे हे ओळखतील की AI हे सर्वांसाठी एकसारखे नसून एक धोरणात्मक मालमत्ता आहे, तेच यशस्वी होतील.

स्थानिक सँडबॉक्समध्ये प्रायव्हसी

याचे व्यावहारिक महत्त्व समजून घेण्यासाठी, एलेना नावाच्या वैद्यकीय संशोधकाचे उदाहरण घेऊ. ती रुग्णांच्या रेकॉर्डवर आधारित एका अभ्यासावर काम करत आहे. जर तिने लोकप्रिय क्लोज्ड AI टूल वापरले, तर तिला AI ला माहिती देण्यापूर्वी त्यातील सर्व ओळख पटवणारी माहिती काढून टाकावी लागेल. तरीही, तिचा डेटा मॉडेलच्या पुढच्या आवृत्तीला ट्रेन करण्यासाठी वापरला जात नाही ना, याची तिला खात्री नसते. क्लाउडच्या सोयीसोबतच तिला डेटा चोरीची भीती सतावते.

आता कल्पना करा की एलेना तिच्या ऑफिसमधील एका शक्तिशाली वर्कस्टेशनवर ‘ओपन वेट्स’ मॉडेल वापरत आहे. ती तिच्या संशोधनाचा प्रत्येक तपशील कोणत्याही भीतीशिवाय AI ला देऊ शकते. डेटा कधीही खोलीबाहेर जात नाही. ती मॉडेलला विशिष्ट वैद्यकीय शब्दावली समजण्यासाठी फाइन-ट्यून करू शकते. तिला ती वापरत असलेल्या AI आवृत्तीवर पूर्ण नियंत्रण असते. जर सॉफ्टवेअर अपडेटमुळे मॉडेलची कामगिरी खराब झाली, तर ती जुनी आवृत्ती वापरू शकते. हे स्थानिक AI चे सामर्थ्य आहे. हे टूल एका खाजगी सहाय्यकासारखे काम करते. सेटअप कठीण असला तरी, कॉर्पोरेट फिल्टर्सच्या मर्यादेत न राहता काम करणे जास्त फायदेशीर ठरते.

सामान्य वापरकर्ते अनेकदा हे मॉडेल्स चालवणे किती कठीण आहे, याचा अंदाज चुकीचा लावतात. त्यांना वाटते की यासाठी सर्व्हर्सची मोठी खोली लागेल. प्रत्यक्षात, अनेक ओपन मॉडेल्स आता आधुनिक लॅपटॉपवरही चालतात. उलट, लोक क्लोज्ड सिस्टिम्समध्ये किती नियंत्रण गमावतात, याचा अंदाज घेत नाहीत. त्यांना वाटते की सर्व्हिस नेहमी स्वस्त आणि उपलब्ध असेल. इतिहास सांगतो की एकदा कंपनीने तुम्हाला त्यांच्या इकोसिस्टिममध्ये अडकवले की, किमती वाढतात आणि फीचर्स गायब होऊ शकतात. ओपन मार्ग निवडून, तुम्ही भविष्यातील कॉर्पोरेट निर्णयांपासून स्वतःचे संरक्षण करत आहात.

नियंत्रणाचे काही अस्वस्थ प्रश्न

आपल्याला या सिस्टिम्सच्या छुप्या खर्चाबद्दल कठीण प्रश्न विचारावे लागतील. जर एखादे मॉडेल क्लोज्ड असेल, तर त्याच्या बायसची (पक्षपातीपणाची) तपासणी कोण करते? आपल्याला कंपनीच्या मार्केटिंग मटेरियलवर विश्वास ठेवावा लागतो. जर AI एखाद्या राजकीय घटनेवर उत्तर देण्यास नकार देत असेल, तर ते सुरक्षेसाठी आहे की कॉर्पोरेट प्रतिमेच्या संरक्षणासाठी? पारदर्शकतेच्या अभावामुळे हे जाणून घेणे अशक्य आहे. दुसरीकडे, ओपन मॉडेल्सचे स्वतःचे धोके आहेत. जर कोणीही शक्तिशाली AI डाउनलोड करू शकत असेल, तर ते चुकीच्या कामासाठी वापरण्यापासून कोण रोखणार? ओपन कम्युनिटीचे म्हणणे आहे की सर्वोत्तम बचाव म्हणजे अधिक ओपन मॉडेल्स, पण हे अद्याप पूर्णपणे सिद्ध झालेले नाही.

ऊर्जा आणि हार्डवेअरचाही प्रश्न आहे. स्वतःचे AI चालवणे मोफत नाही. त्यासाठी वीज आणि महागडे ग्राफिक्स कार्ड लागतात. आपण कॉर्पोरेट अवलंबित्व सोडून हार्डवेअर अवलंबित्व तर स्वीकारत नाही ना? शिवाय, या मॉडेल्ससाठी वापरलेला डेटा अनेकदा इंटरनेटवरून परवानगीशिवाय गोळा केला जातो. क्लोज्ड कंपन्या त्यांचे स्रोत लपवतात, तर ओपन वेट्स कंपन्याही अनेकदा संदिग्ध असतात. आपण स्वतःला विचारले पाहिजे की जर पायाच गुपित असेल, तर AI ला खरोखर ‘ओपन’ म्हणता येईल का? आपण भविष्यातील पाया एका कमकुवत नैतिक पायावर उभारत आहोत.

तांत्रिक तज्ज्ञांसाठी काही गोष्टी

ज्यांना चॅट इंटरफेसच्या पलीकडे जायचे आहे, त्यांच्यासाठी तांत्रिक फरक स्पष्ट आहेत. क्लोज्ड AI प्रोव्हायडर्स प्रति शब्द किंवा प्रति इमेज शुल्क आकारतात. प्रोजेक्ट वाढवताना हे खर्च झपाट्याने वाढू शकतात. तुम्ही त्यांच्या रेट लिमिट्सवर अवलंबून असता. जर त्यांचे सर्व्हर्स व्यस्त असतील, तर तुमचे ॲप्लिकेशन मंदावते. तुम्ही भाड्याच्या जमिनीवर तुमचा व्यवसाय उभारत असता. जर प्रोव्हायडरने तुमचा वापर नाकारला, तर तुमचा संपूर्ण प्रोजेक्ट एका दुपारमध्ये बंद होऊ शकतो.

ओपन मॉडेल्स एक वेगळा वर्कफ्लो देतात. तुम्ही ‘quantization’ सारख्या तंत्रांचा वापर करून मोठे मॉडेल स्वस्त हार्डवेअरवर चालवू शकता. यामुळे तुम्ही 70 अब्ज पॅरामीटर्सचे मॉडेल एका हाय-एंड GPU वर चालवू शकता. तुम्ही मॉडेल वेट्स स्थानिक स्टोरेजमध्ये ठेवू शकता, ज्यामुळे इंटरनेटशिवायही तुमचे ॲप्लिकेशन काम करेल. हार्डवेअर खरेदी केल्यानंतर कोणतेही API लिमिट किंवा प्रति टोकन खर्च नसतो. इंटिग्रेशन अधिक लवचिक असते. तुम्ही मॉडेलचे अंतर्गत लेयर्स तुमच्या कामासाठी बदलू शकता. ही कस्टमायझेशनची पातळी क्लोज्ड API सह अशक्य आहे.

तुम्ही आम्हाला कव्हर करावे असे तुम्हाला वाटणारी AI कथा, साधन, ट्रेंड किंवा प्रश्न आहे का? तुमची लेखाची कल्पना आम्हाला पाठवा — आम्हाला ती ऐकायला आवडेल.

पुढील मार्ग निवडणे

ओपन की क्लोज्ड AI निवडणे हे तुमच्या गरजांवर अवलंबून आहे. जर तुम्हाला सर्वात शक्तिशाली आणि पॉलिश अनुभव हवा असेल आणि प्रायव्हसी किंवा दीर्घकालीन खर्चाची काळजी नसेल, तर GPT-4 सारखे क्लोज्ड मॉडेल्स उत्तम आहेत. ते AI जगातील फेरारी आहेत. ते वेगवान, स्लीक आणि इतरांकडून मेंटेन केलेले असतात. मात्र, जर तुम्हाला प्रायव्हसी महत्त्वाची वाटत असेल, वारंवार होणारे शुल्क टाळायचे असेल किंवा स्वतःच्या मालकीची सिस्टिम हवी असेल, तर ओपन वेट्स मॉडेल्स निवडा. त्यांना सेट करणे कठीण असले तरी, ते सुरक्षा आणि लवचिकता देतात जी कोणतीही सबस्क्रिप्शन सर्व्हिस देऊ शकत नाही. भविष्यात या दोन्हीचे मिश्रण पाहायला मिळेल. क्विक कामांसाठी क्लोज्ड आणि महत्त्वाच्या खाजगी कामांसाठी ओपन मॉडेल्स वापरा.

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.