२०२६ मध्ये AI च्या चर्चेला खऱ्या अर्थाने कोण दिशा देत आहे?

सिंथेटिक युगाचे नवीन शिल्पकार

सेलिब्रिटी AI संस्थापकांचा काळ आता मावळत चालला आहे. च्या सुरुवातीला, लोकांचे लक्ष अशा काही करिश्माई व्यक्तींवर होते ज्यांनी अनंत सुलभतेचे भविष्य दाखवले होते. आज, ही चर्चा स्टेजवरून थेट सर्व्हर रूम आणि कायदेमंडळापर्यंत पोहोचली आहे. आता प्रभाव कोणाच्या प्रभावी भाषणावर नाही, तर भौतिक पायाभूत सुविधा आणि कायदेशीर चौकटीवर कोणाचे नियंत्रण आहे, यावर अवलंबून आहे. ऊर्जेचे जाळे सांभाळणारे, डेटा मालकी ठरवणारे आणि इन्फरन्सचा खर्च कमी करणारे अभियंतेच आता या चर्चेचे खरे चालक आहेत. आपण आता AI च्या ‘काय’ कडून ‘कसा’ आणि ‘किती खर्चात’ याकडे वळत आहोत.

अनेक लोक असा चुकीचा समज करून घेतात की काही मोठ्या कंपन्या अजूनही सर्व निर्णय घेत आहेत. हे चुकीचे आहे. मोठी नावे अजूनही शक्तिशाली असली, तरी आता त्यांना अनेक भागधारकांच्या जटिल जाळ्यात अडकावे लागते. यामध्ये सॉवरेन वेल्थ फंड, ऊर्जा पुरवठादार आणि कामगार संघटनांचा समावेश आहे, ज्या सृजनात्मक कामाचे नियम बदलत आहेत. तंत्रज्ञान हार्डवेअरच्या बाबतीत केंद्रित असले तरी, प्रभावाच्या बाबतीत सत्ता विकेंद्रित झाली आहे. आपण कुठे जात आहोत हे समजून घेण्यासाठी, आपल्याला प्रेस रिलीजच्या पलीकडे जाऊन ऊर्जा, कायदा आणि कामगार यांसारख्या व्यावहारिक मुद्द्यांवर लक्ष केंद्रित करावे लागेल.

हायप कडून इन्फ्रास्ट्रक्चरकडे संक्रमण

आजचे मुख्य चालक ‘कंप्युट मूट’ (compute moat) चे शिल्पकार आहेत. हे केवळ सर्वाधिक GPUs असण्याबद्दल नाही, तर हे मॉडेल्स प्रशिक्षित आणि चालवण्यासाठी लागणारा प्रचंड वीजपुरवठा टिकवून ठेवण्याबद्दल आहे. कंपन्या आता स्वतःचे पॉवर प्लांट विकत घेत आहेत किंवा अणुऊर्जा पुरवठादारांशी विशेष करार करत आहेत. यामुळे ऊर्जा धोरण ही आता एक टेक स्टोरी बनली आहे. जेव्हा एखादे लहान जिल्हा मंडळ वीज वाटपाचा निर्णय घेते, तेव्हा ते कोणत्याही सोशल मीडिया इन्फ्लुएंसरपेक्षा जागतिक AI मार्गावर जास्त प्रभाव पाडत असते. ही एक कठोर वास्तविकता आहे जी AI ला केवळ ‘क्लाउड’ आधारित किंवा आभासी तंत्रज्ञान मानण्याच्या कल्पनेच्या विरोधात आहे. हे अत्यंत भौतिक आहे.

आणखी एक मोठा बदल म्हणजे ‘डेटा क्युरेटर’चा उदय. पूर्वी, मॉडेल्स कच्च्या इंटरनेटवर प्रशिक्षित केले जात असत. तो काळ संपला जेव्हा इंटरनेट सिंथेटिक कंटेंटने भरले होते. आता, सर्वात प्रभावशाली लोक ते आहेत जे उच्च-गुणवत्तेचा, मानवनिर्मित डेटा नियंत्रित करतात. यामध्ये पारंपारिक मीडिया हाऊस, शैक्षणिक संस्था आणि विशिष्ट व्यावसायिक समुदाय समाविष्ट आहेत. या गटांना समजले आहे की त्यांचे जुने आर्काइव्ह त्यांच्या सध्याच्या आउटपुटपेक्षा जास्त मौल्यवान आहेत. तेच आता अटी ठरवत आहेत. ते फक्त डेटा विकत नाहीत, तर जिथे मॉडेल्स डिझाइन केले जातात तिथे त्यांना स्थान हवे आहे. यामुळे मोकळ्या माहितीची गरज आणि बौद्धिक संपदा जपण्याची गरज यांच्यात संघर्ष निर्माण होतो.

आपल्याला ‘अलाइनमेंट इंजिनिअर्स’च्या प्रभावाकडेही लक्ष दिले पाहिजे. हे ते लोक आहेत ज्यांचे काम AI ने विषारी किंवा चुकीचे परिणाम देऊ नयेत याची खात्री करणे आहे. त्यांचे काम अनेकदा अदृश्य असते, परंतु आपण दररोज वापरत असलेल्या सिस्टिम्सच्या नैतिक सीमा तेच ठरवतात. ते मशीनद्वारे परिभाषित ‘सत्याचे’ रक्षक आहेत. हा प्रभाव अनेकदा तांत्रिक शब्दांच्या मागे लपलेला असतो, परंतु आपण वास्तव कसे पाहतो यावर त्याचे खोल परिणाम होतात. जेव्हा एखादा AI प्रश्नाचे उत्तर देण्यास नकार देतो किंवा विशिष्ट दृष्टिकोन देतो, तेव्हा तो लोकांच्या एका लहान गटाने घेतलेल्या जाणीवपूर्वक निर्णयाचा परिणाम असतो. इथेच सार्वजनिक धारणा आणि वास्तव वेगळे होतात. बहुतेक वापरकर्त्यांना वाटते की AI तटस्थ आहे, परंतु प्रत्यक्षात ते त्याच्या प्रशिक्षण आणि अलाइनमेंट प्रोटोकॉलचे प्रतिबिंब असते.

सिलिकॉन आणि सार्वभौमत्वाचे भू-राजकारण

राष्ट्रीय स्तरावरही प्रभाव निर्माण केला जात आहे. सरकारे आता खाजगी कंपन्यांना पुढाकार घेऊ देण्यास तयार नाहीत. आपण ‘सॉवरेन AI’ चा उदय पाहत आहोत, जिथे राष्ट्रे आपला सांस्कृतिक आणि भाषिक वारसा जपण्यासाठी स्वतःचे मॉडेल्स तयार करत आहेत. हे यूएस-केंद्रित मॉडेल्सच्या वर्चस्वाला थेट उत्तर आहे. युरोप, आशिया आणि मध्यपूर्वेतील देश परकीय तंत्रज्ञानावर अवलंबून राहू नये म्हणून अब्जावधींची गुंतवणूक करत आहेत. ही भू-राजकीय स्पर्धा चर्चेला सुरक्षा आणि स्वावलंबनाकडे नेत आहे. ही केवळ व्यवसायाची शर्यत राहिलेली नाही. हा राष्ट्रीय हिताचा विषय आहे. या बदलाचा अर्थ असा आहे की धोरणकर्ते आता उद्योगातील सर्वात महत्त्वाच्या व्यक्तींपैकी एक आहेत.

जागतिक मानके आणि स्थानिक नियंत्रण यांच्यातील तणाव हा या वर्षाचा एक प्रमुख विषय आहे. काही लोक एकसमान नियमांचा आग्रह धरत असताना, इतरांना वाटते की AI ने ते निर्माण करणाऱ्या समाजाची मूल्ये प्रतिबिंबित केली पाहिजेत. यामुळे एक विखुरलेले लँडस्केप तयार होते जिथे एका देशात कायदेशीर असलेले मॉडेल दुसऱ्या देशात प्रतिबंधित असू शकते. जे लोक या दरीला सांधू शकतात—मुत्सद्दी आणि आंतरराष्ट्रीय वकील—ते तंत्रज्ञानाच्या विकासासाठी केंद्रस्थानी येत आहेत. तेच ठरवतील की आपल्याकडे जागतिक AI इकोसिस्टम असेल की भिंतींनी वेढलेल्या बागांची मालिका. हा एक व्यावहारिक मुद्दा आहे जो व्यापारापासून मानवी हक्कांपर्यंत सर्व गोष्टींवर परिणाम करतो. तुम्ही या बदलांविषयी अधिक तपशील ताज्या AI उद्योग विश्लेषणामध्ये शोधू शकता.

‘हार्डवेअर ब्रोकर’ची भूमिका दुर्लक्षित केली जाऊ शकत नाही. AI साठी लागणाऱ्या विशेष चिप्सची पुरवठा साखळी अत्यंत नाजूक आहे. काही मोजक्या कंपन्या आणि देश सर्वात प्रगत सिलिकॉनचे उत्पादन नियंत्रित करतात. यामुळे त्यांना प्रचंड ताकद मिळते. जर तैवानमधील एखादा कारखाना किंवा यूकेमधील डिझाइन फर्ममध्ये व्यत्यय आला, तर संपूर्ण जागतिक AI उद्योगाला त्याचा फटका बसतो. सत्तेचे हे केंद्रीकरण टेक लीडर्ससाठी चिंतेचा विषय आहे. याचा अर्थ असा की AI मधील सर्वात प्रभावशाली व्यक्ती सॉफ्टवेअर इंजिनिअर नसून लॉजिस्टिक तज्ञ किंवा मटेरियल सायंटिस्ट असू शकतो. ही AI ला सॉफ्टवेअर-चालित क्षेत्र मानण्याच्या कल्पनेच्या अगदी विरुद्ध आहे.

अदृश्य हातासोबत जगणे

हा प्रभाव कसा कार्य करतो हे पाहण्यासाठी, एका डिजिटल कंटेंट क्रिएटरच्या दिवसाचा विचार करा. ते उठतात आणि त्यांचे ॲनालिटिक्स तपासतात, जे AI शिफारस इंजिनद्वारे चालवले जातात. ते त्यांचे व्हिडिओ एडिट करण्यासाठी आणि स्क्रिप्ट लिहिण्यासाठी AI टूल्स वापरतात. पण ते अशा प्लॅटफॉर्मशी सतत लढत असतात जे ‘कमी दर्जाचे’ किंवा ‘मूळ नसलेले’ कंटेंट शोधण्यासाठी AI वापरतात. ज्याने ‘मूळ’ काय आहे हे ठरवणारे अल्गोरिदम लिहिले आहे, त्याचा त्या क्रिएटरच्या आयुष्यावर त्यांच्या स्वतःच्या मॅनेजरपेक्षा जास्त प्रभाव आहे. ही AI-चालित अर्थव्यवस्थेची वास्तविकता आहे. हे अदृश्य नियमांचे जग आहे जे कोणत्याही चेतावणीशिवाय रातोरात बदलू शकते.

दैनंदिन जीवनात हा प्रभाव कसा दिसून येतो, याचे खालील मार्ग विचारात घ्या:

• स्वयंचलित भरती प्रणाली जी लपलेल्या निकषांवर आधारित रेझ्युमे फिल्टर करते.
• डायनॅमिक प्राइसिंग मॉडेल्स जे किराणा किंवा विम्याचा खर्च रिअल टाइममध्ये बदलतात.
• कंटेंट मॉडरेशन फिल्टर जे ठरवतात की कोणती राजकीय मते सार्वजनिक वापरासाठी ‘सुरक्षित’ आहेत.
• आरोग्यसेवा अल्गोरिदम जे अपेक्षित परिणाम आणि खर्चावर आधारित रुग्णांना प्राधान्य देतात.
• आर्थिक साधने जी अपारंपारिक डेटा पॉइंट्स वापरून पत ठरवतात.

कॉर्पोरेट एक्झिक्युटिव्हलाही या आव्हानांचा सामना करावा लागतो. त्यांना स्पर्धात्मक राहण्यासाठी प्रत्येक विभागात AI समाकलित करण्यासाठी दबाव टाकला जातो. पण त्यांना कायदेशीर आणि प्रतिष्ठेच्या जोखमीचीही भीती वाटते. जर AI ने पक्षपाती निर्णय घेतला किंवा संवेदनशील डेटा लीक केला, तर एक्झिक्युटिव्हला जबाबदार धरले जाईल. ते गतीची गरज आणि सुरक्षिततेची गरज यांच्यात अडकले आहेत. जे लोक AI साठी विमा आणि ऑडिट सेवा पुरवतात ते कॉर्पोरेट जगात नवीन पॉवर ब्रोकर्स बनत आहेत. तेच ठरवतील की कोणत्या कंपन्या ‘AI-रेडी’ आहेत आणि कोणत्या कंपन्यांना स्पर्श करणे खूप धोकादायक आहे. हे प्रभाव निर्मात्यांकडून गेटकीपर्सकडे सरकत असल्याचे स्पष्ट उदाहरण आहे.

क्रिएटर इकॉनॉमीचेही पुनर्गठन होत आहे. लेखक, कलाकार आणि संगीतकारांना असे आढळत आहे की त्यांचे काम त्यांनाच बदलू शकणाऱ्या मॉडेल्सना प्रशिक्षित करण्यासाठी वापरले जात आहे. इथे प्रभाव सामूहिक बार्गेनिंग युनिट्स आणि ‘ट्रेनिंग रॉयल्टी’साठी लढणाऱ्या कायदेशीर टीम्सकडे आहे. हा मानवी सृजनशीलतेच्या भविष्यासाठीचा लढा आहे. जर निर्माते जिंकले, तर AI मानवी कामाला मदत करणारे साधन बनेल. जर ते हरले, तर ते एक पर्याय बनू शकेल. या कायदेशीर लढाईचा निकाल पुढील दशकाचा सांस्कृतिक इतिहास निश्चित करेल. हा अमूर्त वाद नाही. हा उपजीविकेसाठी आणि मानवी अभिव्यक्तीच्या मूल्यासाठीचा लढा आहे. रॉयटर्स कडील अलीकडील अहवाल मोठ्या टेक कंपन्यांविरुद्ध दाखल केलेल्या कॉपीराइट खटल्यांची वाढती संख्या हायलाइट करतात.

ब्लॅक बॉक्सची किंमत

आपल्याला सध्याच्या मार्गाबद्दल काही प्रमाणात संशय बाळगणे आवश्यक आहे. आपण वापरत असलेल्या ‘मोफत’ AI टूल्ससाठी प्रत्यक्षात कोण पैसे देत आहे? छुपे खर्च प्रचंड आहेत. प्रचंड पाणी आणि ऊर्जेच्या वापराचा पर्यावरणीय खर्च आहे. प्रत्येक वेळी आपण मॉडेलशी संवाद साधताना जो डेटा देतो त्याचा गोपनीयतेचा खर्च आहे. आणि आपल्यासाठी विचार करण्यासाठी मशीनवर अवलंबून राहण्याचा संज्ञानात्मक खर्च आहे. आपल्याला या सिस्टिम्सच्या पारदर्शकतेबद्दल कठीण प्रश्न विचारण्याची गरज आहे. जर आपल्याला माहित नसेल की मॉडेलने निर्णयापर्यंत कसे पोहोचले, तर आपण खरोखर त्यावर विश्वास ठेवू शकतो का? स्पष्टतेचा अभाव ही एक मोठी मर्यादा आहे जी मार्केटिंग साहित्यात अनेकदा दुर्लक्षित केली जाते.

आणखी एक चिंता म्हणजे विचारांची ‘मोनोकल्चर’. जर प्रत्येकजण कल्पना निर्माण करण्यासाठी आणि समस्या सोडवण्यासाठी तीच काही मॉडेल्स वापरत असेल, तर आपण चौकटीबाहेर विचार करण्याची आपली क्षमता गमावू का? ‘मॉडेल बिल्डर्स’चा प्रभाव आपण आपले विचार कसे मांडतो यावरही विस्तारतो. हे नियंत्रणाचे एक सूक्ष्म पण खोल स्वरूप आहे. आपण स्वतःला अशा प्रकारे बोलण्यासाठी आणि विचार करण्यासाठी प्रशिक्षित करत आहोत जे AI ला समजते. यामुळे संस्कृती सपाट होऊ शकते आणि विचारांमधील विविधता नष्ट होऊ शकते. AI च्या सोयीमुळे मानवी अंतर्ज्ञान आणि विलक्षणतेचे मूल्य आपल्या नजरेतून सुटणार नाही याची काळजी आपण घेतली पाहिजे. नेचर मधील संशोधनाने मानवी निर्णय प्रक्रियेवर अल्गोरिदमिक पक्षपाताच्या दीर्घकालीन परिणामांचा शोध घेण्यास सुरुवात केली आहे.

शेवटी, उत्तरदायित्वाचा प्रश्न आहे. जेव्हा AI चूक करते, तेव्हा कोणाला दोष द्यायचा? डेव्हलपर, वापरकर्ता की डेटा पुरवठादार? सध्याची कायदेशीर प्रणाली या प्रश्नांना हाताळण्यासाठी सज्ज नाही. जे लोक नवीन कायदे लिहित आहेत ते मुळात आपल्या समाजातील जबाबदारीचे भविष्य ठरवत आहेत. हा प्रचंड प्रभाव आहे जो खूप कमी सार्वजनिक देखरेखीखाली वापरला जात आहे. आपल्याला हे सुनिश्चित करण्याची गरज आहे की चर्चा केवळ टेक एक्झिक्युटिव्ह आणि राजकारण्यांद्वारेच नाही, तर या निर्णयांचा सर्वाधिक फटका बसणाऱ्या लोकांद्वारे केली जावी. हे काही मोजक्या लोकांच्या हातात सोडण्यासाठी खूप महत्त्वाचे आहे.

बुद्धिमत्तेची पायाभूत सुविधा

पॉवर युजर्स आणि तांत्रिक समुदायासाठी, चर्चा आता ‘गीक सेक्शन’कडे सरकली आहे. इथेच खरे काम होते. आपण मोठ्या, सामान्य-उद्देशीय मॉडेल्सकडून लहान, विशेष मॉडेल्सकडे वळत आहोत जे स्थानिक पातळीवर चालू शकतात. इथे प्रभाव त्या डेव्हलपर्सकडे आहे जे कार्यक्षम क्वांटायझेशन पद्धती आणि स्थानिक होस्टिंग सोल्यूशन्स तयार करत आहेत. हे मोठ्या क्लाउड प्रदात्यांकडून सत्ता परत घेण्याबद्दल आहे. जर तुम्ही तुमच्या स्वतःच्या हार्डवेअरवर उच्च-गुणवत्तेचे मॉडेल चालवू शकत असाल, तर तुम्हाला अशी स्वायत्तता मिळते जी API-आधारित सिस्टिममध्ये शक्य नाही. हे एक महत्त्वाचे क्षेत्र आहे जिथे AI चे ‘वास्तव’ व्यक्तीसाठी अधिक सुलभ होत आहे.

या बदलाला चालना देणारे प्रमुख तांत्रिक घटक खालीलप्रमाणे आहेत:

• API रेट लिमिट्स आणि उच्च-व्हॉल्यूम एंटरप्राइझ कार्यांसाठी टोकन्सचा वाढता खर्च.
• हॅल्युसिनेशन कमी करण्यासाठी रिट्रीव्हल-ऑगमेंटेड जनरेशन (RAG) चा विकास.
• 70B+ पॅरामीटर मॉडेल्स चालवण्यासाठी स्थानिक स्टोरेज आणि मेमरीचे ऑप्टिमायझेशन.
• विशिष्ट बेंचमार्कवर प्रोप्रायटरी सिस्टिम्सना टक्कर देणारे ओपन-सोर्स वेट्स.
• नवीन मानवी इनपुटवर अवलंबून न राहता मॉडेल्सना प्रशिक्षित करण्यासाठी ‘सिंथेटिक डेटा लूप्स’चा वापर.

वर्कफ्लो इंटिग्रेशन हे नवीन रणांगण आहे. फक्त चॅट इंटरफेस असणे पुरेसे नाही. AI थेट स्प्रेडशीट्सपासून कोड एडिटरपर्यंत आपण वापरत असलेल्या टूल्समध्ये एम्बेड केलेले असावे. प्रभाव त्या लोकांकडे आहे जे हे इंटिग्रेशन्स डिझाइन करतात. तेच ठरवतात की आपण तंत्रज्ञानाशी कसा संवाद साधतो. जर इंटिग्रेशन अखंड असेल, तर आपल्याला AI तिथे असल्याचे जाणवतही नाही. हे ‘अदृश्य AI’ आपण वापरण्यासाठी कष्ट घेतो त्या AI पेक्षा कितीतरी पटीने शक्तिशाली आहे. ते आपल्या अवचेतन वर्कफ्लोचा भाग बनते. एमआयटी टेक्नॉलॉजी रिव्ह्यू नुसार, AI स्वीकृतीचा पुढील टप्पा हा सामान्य-उद्देशीय चॅटबॉट्सऐवजी या खोल, विशेष इंटिग्रेशन्सद्वारे परिभाषित केला जाईल.

आपल्याला सध्याच्या तंत्रज्ञानाच्या मर्यादांचाही विचार करणे आवश्यक आहे. प्रशिक्षणासाठी किती डेटा उपलब्ध आहे या बाबतीत आपण एका भिंतीला धडकत आहोत. AI मधील पुढची झेप केवळ स्केल करण्यापेक्षा अल्गोरिदमिक कार्यक्षमतेतून येईल. यामुळे प्रभाव पुन्हा संशोधक आणि गणितज्ञांच्या हातात जातो. तेच पुढचा ब्रेकथ्रू शोधतील ज्यामुळे आपल्याला कमी श्रमात जास्त काम करता येईल. हा ‘ब्रूट फोर्स’ AI कडून ‘एलिगंट’ AI कडे होणारा बदल आहे. जे लोक कार्यक्षमतेची समस्या सोडवू शकतात तेच या दशकाच्या उत्तरार्धात चर्चेला दिशा देतील. तेच ठरवतील की AI एक संसाधन-जड लक्झरी राहील की एक सर्वव्यापी उपयुक्तता बनेल.

नियंत्रणाचे वास्तव

मधील चर्चा ही सैद्धांतिक कडून व्यावहारिकतेकडे जाण्याबद्दल आहे. जे लोक महत्त्वाचे आहेत ते ते आहेत जे तंत्रज्ञान खऱ्या जगात, वास्तविक जगाच्या मर्यादांमध्ये काम करू शकतात. यामध्ये नियामक, ऊर्जा पुरवठादार, डेटा मालक आणि विशेष अभियंते यांचा समावेश आहे. तेच त्या विरोधाभासांशी आणि कठीण प्रश्नांशी व्यवहार करत आहेत ज्यांकडे सुरुवातीच्या हायपने दुर्लक्ष केले होते. प्रभाव अशा लोकांकडून सरकला आहे जे भविष्याबद्दल बोलतात, अशा लोकांकडे जे प्रत्यक्षात पाईप्स आणि नियम तयार करत आहेत जे त्यावर नियंत्रण ठेवतील. ही काही वर्षांपूर्वी आपण करत होतो त्यापेक्षा अधिक गंभीर, अधिक जटिल आणि अधिक महत्त्वाची चर्चा आहे.

निष्कर्ष स्पष्ट आहे. AI चे भविष्य समजून घेण्यासाठी, मॅगझिनच्या कव्हरवरील सीईओंकडे पाहणे थांबवा. पॉवर ग्रिड सांभाळणारे लोक, कॉपीराइटवर वाद घालणारे वकील आणि स्थानिक मॉडेल्स ऑप्टिमाइझ करणारे अभियंते यांच्याकडे पहा. तेच खऱ्या अर्थाने ड्रायव्हरच्या सीटवर आहेत. शक्ती आता वचनात राहिलेली नाही. ती पायाभूत सुविधांमध्ये आहे. जसे आपण पुढे जाऊ, तसतसे स्टेक वाढत जातील आणि स्पष्ट, संशयी विश्लेषणाची गरज वाढत जाईल. AI सेलिब्रिटीचा काळ संपला आहे. AI आर्किटेक्टचा काळ सुरू झाला आहे.

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.