ਕੀ ਓਪਨ ਮਾਡਲ ਅਸਲ ਵਿੱਚ ਵੱਡੀਆਂ ਲੈਬਾਂ ਨੂੰ ਚੁਣੌਤੀ ਦੇ ਸਕਦੇ ਹਨ?

ਇੰਟੈਲੀਜੈਂਸ ਦਾ ਮਹਾਨ ਵਿਕੇਂਦਰੀਕਰਨ

ਬੰਦ ਮਲਕੀਅਤ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਪਬਲਿਕ ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਪਾੜਾ ਜ਼ਿਆਦਾਤਰ ਵਿਸ਼ਲੇਸ਼ਕਾਂ ਦੇ ਅਨੁਮਾਨ ਨਾਲੋਂ ਕਿਤੇ ਤੇਜ਼ੀ ਨਾਲ ਘਟ ਰਿਹਾ ਹੈ। ਸਿਰਫ਼ ਇੱਕ ਸਾਲ ਪਹਿਲਾਂ, ਇਹ ਮੰਨਿਆ ਜਾਂਦਾ ਸੀ ਕਿ ਅਰਬਾਂ ਡਾਲਰਾਂ ਦੀ ਫੰਡਿੰਗ ਵਾਲੀਆਂ ਵੱਡੀਆਂ ਲੈਬਾਂ ਸਮਰੱਥਾ ਵਿੱਚ ਸਥਾਈ ਲੀਡ ਬਣਾਏ ਰੱਖਣਗੀਆਂ। ਅੱਜ, ਉਹ ਲੀਡ ਸਾਲਾਂ ਦੀ ਬਜਾਏ ਮਹੀਨਿਆਂ ਵਿੱਚ ਮਾਪੀ ਜਾਂਦੀ ਹੈ। ਓਪਨ ਵੇਟਸ ਮਾਡਲ ਹੁਣ ਕੋਡਿੰਗ, ਤਰਕ ਅਤੇ ਰਚਨਾਤਮਕ ਲਿਖਤ ਵਿੱਚ ਸਭ ਤੋਂ ਉੱਨਤ ਬੰਦ ਪ੍ਰਣਾਲੀਆਂ ਦਾ ਮੁਕਾਬਲਾ ਕਰ ਰਹੇ ਹਨ। ਇਹ ਤਬਦੀਲੀ ਸਿਰਫ਼ ਇੱਕ ਤਕਨੀਕੀ ਕੌਤਕ ਨਹੀਂ ਹੈ। ਇਹ ਇਸ ਗੱਲ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਤਬਦੀਲੀ ਨੂੰ ਦਰਸਾਉਂਦੀ ਹੈ ਕਿ ਕੰਪਿਊਟੇਸ਼ਨ ਦੇ ਭਵਿੱਖ ਨੂੰ ਕੌਣ ਨਿਯੰਤਰਿਤ ਕਰਦਾ ਹੈ। ਜਦੋਂ ਇੱਕ ਡਿਵੈਲਪਰ ਆਪਣੇ ਖੁਦ ਦੇ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਇੱਕ ਉੱਚ ਪ੍ਰਦਰਸ਼ਨ ਵਾਲਾ ਮਾਡਲ ਚਲਾ ਸਕਦਾ ਹੈ, ਤਾਂ ਪਾਵਰ ਡਾਇਨਾਮਿਕਸ ਕੇਂਦਰੀਕ੍ਰਿਤ ਪ੍ਰਦਾਤਾਵਾਂ ਤੋਂ ਦੂਰ ਹੋ ਜਾਂਦਾ ਹੈ। ਇਹ ਰੁਝਾਨ ਸੁਝਾਅ ਦਿੰਦਾ ਹੈ ਕਿ ਬਲੈਕ ਬਾਕਸ ਮਾਡਲ ਦਾ ਯੁੱਗ ਇੱਕ ਵਿਸ਼ਵਵਿਆਪੀ ਕਮਿਊਨਿਟੀ ਤੋਂ ਆਪਣੀ ਪਹਿਲੀ ਅਸਲ ਚੁਣੌਤੀ ਦਾ ਸਾਹਮਣਾ ਕਰ ਰਿਹਾ ਹੈ।

ਇਹਨਾਂ ਪਹੁੰਚਯੋਗ ਪ੍ਰਣਾਲੀਆਂ ਦੇ ਉਭਾਰ ਨੇ ਇਸ ਖੇਤਰ ਵਿੱਚ ਲੀਡਰ ਹੋਣ ਦੇ ਅਰਥਾਂ ਦਾ ਮੁੜ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਮਜਬੂਰ ਕੀਤਾ ਹੈ। ਜੇਕਰ ਨਤੀਜਾ ਮਾਡਲ ਇੱਕ ਮਹਿੰਗੇ ਅਤੇ ਪ੍ਰਤਿਬੰਧਿਤ ਇੰਟਰਫੇਸ ਦੇ ਪਿੱਛੇ ਬੰਦ ਹੈ, ਤਾਂ ਸਭ ਤੋਂ ਵੱਡਾ ਚਿਪਸ ਕਲੱਸਟਰ ਹੋਣਾ ਹੀ ਕਾਫ਼ੀ ਨਹੀਂ ਹੈ। ਡਿਵੈਲਪਰ ਆਪਣੇ ਸਮੇਂ ਅਤੇ ਕੰਪਿਊਟ ਨਾਲ ਵੋਟ ਪਾ ਰਹੇ ਹਨ। ਉਹ ਅਜਿਹੇ ਮਾਡਲਾਂ ਦੀ ਚੋਣ ਕਰ ਰਹੇ ਹਨ ਜਿਨ੍ਹਾਂ ਦੀ ਉਹ ਜਾਂਚ ਕਰ ਸਕਣ, ਸੋਧ ਸਕਣ ਅਤੇ ਬਿਨਾਂ ਇਜਾਜ਼ਤ ਮੰਗੇ ਤਾਇਨਾਤ ਕਰ ਸਕਣ। ਇਹ ਅੰਦੋਲਨ ਗਤੀ ਫੜ ਰਿਹਾ ਹੈ ਕਿਉਂਕਿ ਇਹ ਗੋਪਨੀਯਤਾ ਅਤੇ ਕਸਟਮਾਈਜ਼ੇਸ਼ਨ ਦੀਆਂ ਮੁੱਖ ਲੋੜਾਂ ਨੂੰ ਪੂਰਾ ਕਰਦਾ ਹੈ ਜਿਨ੍ਹਾਂ ਨੂੰ ਬੰਦ ਮਾਡਲ ਅਕਸਰ ਨਜ਼ਰਅੰਦਾਜ਼ ਕਰਦੇ ਹਨ। ਨਤੀਜਾ ਇੱਕ ਵਧੇਰੇ ਪ੍ਰਤੀਯੋਗੀ ਮਾਹੌਲ ਹੈ ਜਿੱਥੇ ਧਿਆਨ ਸਿਰਫ਼ ਪੈਮਾਨੇ ਤੋਂ ਹਟ ਕੇ ਕੁਸ਼ਲਤਾ ਅਤੇ ਪਹੁੰਚਯੋਗਤਾ ਵੱਲ ਚਲਾ ਗਿਆ ਹੈ। ਇਹ ਇੱਕ ਨਵੇਂ ਯੁੱਗ ਦੀ ਸ਼ੁਰੂਆਤ ਹੈ ਜਿੱਥੇ ਸਭ ਤੋਂ ਸਮਰੱਥ ਟੂਲ ਸਭ ਤੋਂ ਵੱਧ ਉਪਲਬਧ ਵੀ ਹਨ।

ਵਿਕਾਸ ਦੇ ਤਿੰਨ ਕਬੀਲੇ

ਇਹ ਸਮਝਣ ਲਈ ਕਿ ਇਹ ਤਕਨਾਲੋਜੀ ਕਿੱਥੇ ਜਾ ਰਹੀ ਹੈ, ਤੁਹਾਨੂੰ ਇਸ ਨੂੰ ਬਣਾਉਣ ਵਾਲੀਆਂ ਤਿੰਨ ਵੱਖ-ਵੱਖ ਕਿਸਮਾਂ ਦੀਆਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ। ਪਹਿਲਾਂ, ਫਰੰਟੀਅਰ ਲੈਬਾਂ ਹਨ। ਇਹ OpenAI ਅਤੇ Google ਵਰਗੇ ਦਿੱਗਜ ਹਨ। ਉਨ੍ਹਾਂ ਦਾ ਟੀਚਾ ਆਮ ਬੁੱਧੀ ਦੇ ਉੱਚਤਮ ਸੰਭਵ ਪੱਧਰ ਤੱਕ ਪਹੁੰਚਣਾ ਹੈ। ਉਹ ਸਭ ਤੋਂ ਉੱਪਰ ਪੈਮਾਨੇ ਅਤੇ ਕੱਚੀ ਤਾਕਤ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੇ ਹਨ। ਉਨ੍ਹਾਂ ਲਈ, ਖੁੱਲੇਪਨ ਨੂੰ ਅਕਸਰ ਸੁਰੱਖਿਆ ਲਈ ਇੱਕ ਜੋਖਮ ਜਾਂ ਪ੍ਰਤੀਯੋਗੀ ਲਾਭ ਦਾ ਨੁਕਸਾਨ ਮੰਨਿਆ ਜਾਂਦਾ ਹੈ। ਉਹ ਵਿਸ਼ਾਲ, ਬੰਦ ਈਕੋਸਿਸਟਮ ਬਣਾਉਂਦੇ ਹਨ ਜੋ ਉੱਚ ਪ੍ਰਦਰਸ਼ਨ ਦੀ ਪੇਸ਼ਕਸ਼ ਕਰਦੇ ਹਨ ਪਰ ਉਨ੍ਹਾਂ ਦੇ ਕਲਾਉਡ ਬੁਨਿਆਦੀ ਢਾਂਚੇ ‘ਤੇ ਕੁੱਲ ਨਿਰਭਰਤਾ ਦੀ ਮੰਗ ਕਰਦੇ ਹਨ। ਉਨ੍ਹਾਂ ਦੇ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਲਈ ਗੋਲਡ ਸਟੈਂਡਰਡ ਹਨ, ਪਰ ਉਹ ਵਰਤੋਂ ਦੀਆਂ ਨੀਤੀਆਂ ਅਤੇ ਆਵਰਤੀ ਲਾਗਤਾਂ ਦੇ ਰੂਪ ਵਿੱਚ ਸ਼ਰਤਾਂ ਦੇ ਨਾਲ ਆਉਂਦੇ ਹਨ।

ਦੂਜਾ, ਸਾਡੇ ਕੋਲ ਅਕਾਦਮਿਕ ਲੈਬਾਂ ਹਨ। Stanford Institute for Human-Centered AI ਵਰਗੀਆਂ ਸੰਸਥਾਵਾਂ ਪਾਰਦਰਸ਼ਤਾ ਅਤੇ ਪ੍ਰਜਨਨਯੋਗਤਾ ‘ਤੇ ਕੇਂਦ੍ਰਤ ਕਰਦੀਆਂ ਹਨ। ਉਨ੍ਹਾਂ ਦਾ ਟੀਚਾ ਕੋਈ ਉਤਪਾਦ ਵੇਚਣਾ ਨਹੀਂ, ਸਗੋਂ ਇਹ ਸਮਝਣਾ ਹੈ ਕਿ ਇਹ ਪ੍ਰਣਾਲੀਆਂ ਕਿਵੇਂ ਕੰਮ ਕਰਦੀਆਂ ਹਨ। ਉਹ ਆਪਣੀਆਂ ਖੋਜਾਂ, ਆਪਣੇ ਡੇਟਾ ਸੈੱਟ ਅਤੇ ਆਪਣੀਆਂ ਸਿਖਲਾਈ ਵਿਧੀਆਂ ਨੂੰ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਦੇ ਹਨ। ਹਾਲਾਂਕਿ ਉਨ੍ਹਾਂ ਦੇ ਮਾਡਲ ਹਮੇਸ਼ਾ ਫਰੰਟੀਅਰ ਲੈਬਾਂ ਦੀ ਕੱਚੀ ਤਾਕਤ ਨਾਲ ਮੇਲ ਨਹੀਂ ਖਾਂਦੇ, ਉਹ ਬਾਕੀ ਉਦਯੋਗ ਲਈ ਨੀਂਹ ਪ੍ਰਦਾਨ ਕਰਦੇ ਹਨ। ਉਹ ਉਹ ਸਵਾਲ ਪੁੱਛਦੇ ਹਨ ਜੋ ਵਪਾਰਕ ਲੈਬਾਂ ਸ਼ਾਇਦ ਟਾਲ ਦੇਣ, ਜਿਵੇਂ ਕਿ ਪੱਖਪਾਤ ਕਿਵੇਂ ਬਣਦਾ ਹੈ ਜਾਂ ਸਿਖਲਾਈ ਨੂੰ ਵਧੇਰੇ ਊਰਜਾ ਕੁਸ਼ਲ ਕਿਵੇਂ ਬਣਾਇਆ ਜਾਵੇ। ਉਨ੍ਹਾਂ ਦਾ ਕੰਮ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦਾ ਹੈ ਕਿ ਖੇਤਰ ਦਾ ਵਿਗਿਆਨ ਕਾਰਪੋਰੇਟ ਰਾਜ਼ ਦੀ ਬਜਾਏ ਇੱਕ ਜਨਤਕ ਭਲਾਈ ਬਣਿਆ ਰਹੇ।

ਅੰਤ ਵਿੱਚ, ਉਤਪਾਦ ਲੈਬਾਂ ਅਤੇ ਕਾਰਪੋਰੇਟ ਓਪਨ ਵੇਟ ਸਮਰਥਕ ਹਨ। Meta ਅਤੇ Mistral ਇਸ ਸ਼੍ਰੇਣੀ ਵਿੱਚ ਆਉਂਦੇ ਹਨ। ਉਹ ਇੱਕ ਈਕੋਸਿਸਟਮ ਬਣਾਉਣ ਲਈ ਮਾਡਲਾਂ ਨੂੰ ਜਨਤਕ ਕਰਦੇ ਹਨ। ਆਪਣੇ ਵੇਟਸ ਨੂੰ ਉਪਲਬਧ ਕਰਵਾ ਕੇ, ਉਹ ਹਜ਼ਾਰਾਂ ਡਿਵੈਲਪਰਾਂ ਨੂੰ ਆਪਣੇ ਕੋਡ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਅਤੇ ਅਨੁਕੂਲ ਟੂਲ ਬਣਾਉਣ ਲਈ ਉਤਸ਼ਾਹਿਤ ਕਰਦੇ ਹਨ। ਇਹ ਬੰਦ ਪਲੇਟਫਾਰਮਾਂ ਦੇ ਦਬਦਬੇ ਦਾ ਮੁਕਾਬਲਾ ਕਰਨ ਲਈ ਇੱਕ ਰਣਨੀਤਕ ਕਦਮ ਹੈ। ਜੇਕਰ ਹਰ ਕੋਈ ਤੁਹਾਡੇ ਆਰਕੀਟੈਕਚਰ ‘ਤੇ ਨਿਰਮਾਣ ਕਰ ਰਿਹਾ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਉਦਯੋਗ ਦਾ ਮਿਆਰ ਬਣ ਜਾਂਦੇ ਹੋ। ਇਹ ਪਹੁੰਚ ਸ਼ੁੱਧ ਖੋਜ ਅਤੇ ਵਪਾਰਕ ਉਤਪਾਦਾਂ ਵਿਚਕਾਰ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਦੀ ਹੈ। ਇਹ ਤਾਇਨਾਤੀ ਦੇ ਅਜਿਹੇ ਪੱਧਰ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੀ ਹੈ ਜਿਸ ਤੱਕ ਅਕਾਦਮਿਕ ਲੈਬਾਂ ਨਹੀਂ ਪਹੁੰਚ ਸਕਦੀਆਂ, ਜਦੋਂ ਕਿ ਉਸ ਆਜ਼ਾਦੀ ਦੇ ਪੱਧਰ ਨੂੰ ਬਰਕਰਾਰ ਰੱਖਦੀ ਹੈ ਜੋ ਫਰੰਟੀਅਰ ਲੈਬਾਂ ਨਹੀਂ ਦਿੰਦੀਆਂ।

ਆਧੁਨਿਕ ਸਾਫਟਵੇਅਰ ਵਿੱਚ ਖੁੱਲੇਪਨ ਦਾ ਭਰਮ

ਇਸ ਉਦਯੋਗ ਵਿੱਚ ਓਪਨ ਸੋਰਸ ਸ਼ਬਦ ਦੀ ਵਰਤੋਂ ਅਕਸਰ ਢਿੱਲੇ ਢੰਗ ਨਾਲ ਕੀਤੀ ਜਾਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਕਾਫ਼ੀ ਉਲਝਣ ਪੈਦਾ ਹੁੰਦੀ ਹੈ। ਸੱਚਾ ਓਪਨ ਸੋਰਸ ਸਾਫਟਵੇਅਰ, ਜਿਵੇਂ ਕਿ Open Source Initiative ਦੁਆਰਾ ਪਰਿਭਾਸ਼ਿਤ ਕੀਤਾ ਗਿਆ ਹੈ, ਲਈ ਲੋੜ ਹੁੰਦੀ ਹੈ ਕਿ ਸੋਰਸ ਕੋਡ, ਬਿਲਡ ਨਿਰਦੇਸ਼, ਅਤੇ ਡੇਟਾ ਖੁੱਲ੍ਹੇਆਮ ਉਪਲਬਧ ਹੋਣ। ਜ਼ਿਆਦਾਤਰ ਆਧੁਨਿਕ ਮਾਡਲ ਇਸ ਮਾਪਦੰਡ ਨੂੰ ਪੂਰਾ ਨਹੀਂ ਕਰਦੇ। ਇਸ ਦੀ ਬਜਾਏ, ਅਸੀਂ ਓਪਨ ਵੇਟਸ ਮਾਡਲਾਂ ਦਾ ਉਭਾਰ ਦੇਖਦੇ ਹਾਂ। ਇਸ ਸੈੱਟਅੱਪ ਵਿੱਚ, ਕੰਪਨੀ ਸਿਖਲਾਈ ਪ੍ਰਕਿਰਿਆ ਦਾ ਅੰਤਿਮ ਨਤੀਜਾ ਪ੍ਰਦਾਨ ਕਰਦੀ ਹੈ ਪਰ ਸਿਖਲਾਈ ਡੇਟਾ ਅਤੇ ਵਿਧੀ ਨੂੰ ਗੁਪਤ ਰੱਖਦੀ ਹੈ। ਇਹ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਅੰਤਰ ਹੈ। ਤੁਸੀਂ ਮਾਡਲ ਨੂੰ ਚਲਾ ਸਕਦੇ ਹੋ ਅਤੇ ਦੇਖ ਸਕਦੇ ਹੋ ਕਿ ਇਹ ਕਿਵੇਂ ਵਿਵਹਾਰ ਕਰਦਾ ਹੈ, ਪਰ ਤੁਸੀਂ ਇਸਨੂੰ ਆਸਾਨੀ ਨਾਲ ਸ਼ੁਰੂ ਤੋਂ ਦੁਬਾਰਾ ਨਹੀਂ ਬਣਾ ਸਕਦੇ ਜਾਂ ਇਹ ਨਹੀਂ ਜਾਣ ਸਕਦੇ ਕਿ ਇਸਦੀ ਸਿਰਜਣਾ ਦੌਰਾਨ ਇਸਨੂੰ ਕਿਹੜੀ ਜਾਣਕਾਰੀ ਦਿੱਤੀ ਗਈ ਸੀ।

ਮਾਰਕੀਟਿੰਗ ਭਾਸ਼ਾ ਅਕਸਰ ਪਰਮਿਸਿਵ ਜਾਂ ਕਮਿਊਨਿਟੀ ਲਾਇਸੈਂਸ ਵਰਗੇ ਸ਼ਬਦਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਸਨੂੰ ਹੋਰ ਗੁੰਝਲਦਾਰ ਬਣਾਉਂਦੀ ਹੈ। ਇਹ ਲਾਇਸੈਂਸ ਅਕਸਰ ਅਜਿਹੀਆਂ ਧਾਰਾਵਾਂ ਸ਼ਾਮਲ ਕਰਦੇ ਹਨ ਜੋ ਇਹ ਸੀਮਤ ਕਰਦੀਆਂ ਹਨ ਕਿ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਬਹੁਤ ਵੱਡੀਆਂ ਕੰਪਨੀਆਂ ਦੁਆਰਾ ਜਾਂ ਖਾਸ ਕੰਮਾਂ ਲਈ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ। ਹਾਲਾਂਕਿ ਇਹ ਮਾਡਲ ਇੱਕ ਬੰਦ API ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਪਹੁੰਚਯੋਗ ਹਨ, ਉਹ ਹਮੇਸ਼ਾ ਰਵਾਇਤੀ ਅਰਥਾਂ ਵਿੱਚ ਮੁਫਤ ਨਹੀਂ ਹੁੰਦੇ। ਇਹ ਖੁੱਲੇਪਨ ਦਾ ਇੱਕ ਸਪੈਕਟ੍ਰਮ ਬਣਾਉਂਦਾ ਹੈ। ਇੱਕ ਸਿਰੇ ‘ਤੇ, ਤੁਹਾਡੇ ਕੋਲ GPT-4 ਵਰਗੇ ਪੂਰੀ ਤਰ੍ਹਾਂ ਬੰਦ ਮਾਡਲ ਹਨ। ਵਿਚਕਾਰ, ਤੁਹਾਡੇ ਕੋਲ Llama 3 ਵਰਗੇ ਓਪਨ ਵੇਟਸ ਮਾਡਲ ਹਨ। ਦੂਜੇ ਸਿਰੇ ‘ਤੇ, ਤੁਹਾਡੇ ਕੋਲ ਅਜਿਹੇ ਪ੍ਰੋਜੈਕਟ ਹਨ ਜੋ ਡੇਟਾ ਸਮੇਤ ਸਭ ਕੁਝ ਜਾਰੀ ਕਰਦੇ ਹਨ। ਇਹ ਸਮਝਣਾ ਕਿ ਇੱਕ ਮਾਡਲ ਇਸ ਸਪੈਕਟ੍ਰਮ ‘ਤੇ ਕਿੱਥੇ ਬੈਠਦਾ ਹੈ, ਕਿਸੇ ਵੀ ਉੱਦਮ ਜਾਂ ਡਿਵੈਲਪਰ ਲਈ ਲੰਬੇ ਸਮੇਂ ਦੀ ਯੋਜਨਾ ਬਣਾਉਣ ਲਈ ਬਹੁਤ ਜ਼ਰੂਰੀ ਹੈ।

ਇਸ ਅਰਧ-ਖੁੱਲੇ ਪਹੁੰਚ ਦੇ ਲਾਭ ਅਜੇ ਵੀ ਵਿਸ਼ਾਲ ਹਨ। ਇਹ ਲੋਕਲ ਹੋਸਟਿੰਗ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦਾ ਹੈ, ਜੋ ਕਿ ਸਖਤ ਡੇਟਾ ਪ੍ਰਭੂਸੱਤਾ ਨਿਯਮਾਂ ਵਾਲੇ ਕਈ ਉਦਯੋਗਾਂ ਲਈ ਇੱਕ ਲੋੜ ਹੈ। ਇਹ ਫਾਈਨ ਟਿਊਨਿੰਗ ਨੂੰ ਵੀ ਸਮਰੱਥ ਬਣਾਉਂਦਾ ਹੈ, ਜਿੱਥੇ ਇੱਕ ਮਾਡਲ ਨੂੰ ਕਿਸੇ ਖਾਸ ਖੇਤਰ ਵਿੱਚ ਮਾਹਰ ਬਣਾਉਣ ਲਈ ਥੋੜ੍ਹੇ ਜਿਹੇ ਖਾਸ ਡੇਟਾ ‘ਤੇ ਸਿਖਲਾਈ ਦਿੱਤੀ ਜਾਂਦੀ ਹੈ। ਨਿਯੰਤਰਣ ਦਾ ਇਹ ਪੱਧਰ ਇੱਕ ਬੰਦ API ਨਾਲ ਅਸੰਭਵ ਹੈ। ਹਾਲਾਂਕਿ, ਸਾਨੂੰ ਇਸ ਬਾਰੇ ਸਟੀਕ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਅਸਲ ਵਿੱਚ ਕੀ ਖੁੱਲ੍ਹਾ ਹੈ। ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਤੁਹਾਡਾ ਲਾਇਸੈਂਸ ਰੱਦ ਕਰ ਸਕਦੀ ਹੈ ਜਾਂ ਜੇਕਰ ਸਿਖਲਾਈ ਡੇਟਾ ਇੱਕ ਰਹੱਸ ਹੈ, ਤਾਂ ਤੁਸੀਂ ਅਜੇ ਵੀ ਕਿਸੇ ਹੋਰ ਦੁਆਰਾ ਡਿਜ਼ਾਈਨ ਕੀਤੀ ਪ੍ਰਣਾਲੀ ਦੇ ਅੰਦਰ ਕੰਮ ਕਰ ਰਹੇ ਹੋ। ਮੌਜੂਦਾ ਰੁਝਾਨ ਵਧੇਰੇ ਪਾਰਦਰਸ਼ਤਾ ਵੱਲ ਹੈ, ਪਰ ਅਸੀਂ ਅਜੇ ਉਸ ਬਿੰਦੂ ‘ਤੇ ਨਹੀਂ ਹਾਂ ਜਿੱਥੇ ਸਭ ਤੋਂ ਸ਼ਕਤੀਸ਼ਾਲੀ ਮਾਡਲ ਸੱਚਮੁੱਚ ਓਪਨ ਸੋਰਸ ਹਨ।

ਕਲਾਉਡ ਦਿੱਗਜਾਂ ਦੇ ਯੁੱਗ ਵਿੱਚ ਲੋਕਲ ਕੰਟਰੋਲ

ਉੱਚ ਸੁਰੱਖਿਆ ਵਾਲੇ ਵਾਤਾਵਰਣ ਵਿੱਚ ਕੰਮ ਕਰਨ ਵਾਲੇ ਡਿਵੈਲਪਰ ਲਈ, ਓਪਨ ਵੇਟਸ ਵੱਲ ਤਬਦੀਲੀ ਇੱਕ ਵਿਹਾਰਕ ਲੋੜ ਹੈ। ਇੱਕ ਮੱਧ-ਆਕਾਰ ਦੀ ਵਿੱਤੀ ਫਰਮ ਵਿੱਚ ਇੱਕ ਲੀਡ ਇੰਜੀਨੀਅਰ ਦੀ ਕਲਪਨਾ ਕਰੋ। ਅਤੀਤ ਵਿੱਚ, ਉਨ੍ਹਾਂ ਨੂੰ ਇੱਕ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲ ਦੇ ਲਾਭ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਸੰਵੇਦਨਸ਼ੀਲ ਗਾਹਕ ਡੇਟਾ ਨੂੰ ਤੀਜੀ-ਧਿਰ ਦੇ ਸਰਵਰ ‘ਤੇ ਭੇਜਣਾ ਪੈਂਦਾ ਸੀ। ਇਸ ਨਾਲ ਇੱਕ ਵੱਡਾ ਗੋਪਨੀਯਤਾ ਜੋਖਮ ਅਤੇ ਬਾਹਰੀ ਪ੍ਰਦਾਤਾ ਦੇ ਅਪਟਾਈਮ ‘ਤੇ ਨਿਰਭਰਤਾ ਪੈਦਾ ਹੋਈ। ਅੱਜ, ਉਹ ਇੰਜੀਨੀਅਰ ਇੱਕ ਉੱਚ ਪ੍ਰਦਰਸ਼ਨ ਵਾਲਾ ਮਾਡਲ ਡਾਊਨਲੋਡ ਕਰ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸਨੂੰ ਅੰਦਰੂਨੀ ਸਰਵਰ ‘ਤੇ ਚਲਾ ਸਕਦਾ ਹੈ। ਉਨ੍ਹਾਂ ਦਾ ਡੇਟਾ ਪ੍ਰਵਾਹ ‘ਤੇ ਪੂਰਾ ਨਿਯੰਤਰਣ ਹੈ। ਉਹ ਫਰਮ ਦੇ ਖਾਸ ਜਾਰਗਨ ਅਤੇ ਪਾਲਣਾ ਨਿਯਮਾਂ ਨੂੰ ਸਮਝਣ ਲਈ ਮਾਡਲ ਨੂੰ ਸੋਧ ਸਕਦੇ ਹਨ। ਇਹ ਸਿਰਫ਼ ਇੱਕ ਸਹੂਲਤ ਨਹੀਂ ਹੈ। ਇਹ ਇਸ ਗੱਲ ਵਿੱਚ ਇੱਕ ਬੁਨਿਆਦੀ ਤਬਦੀਲੀ ਹੈ ਕਿ ਕੰਪਨੀ ਆਪਣੀ ਸਭ ਤੋਂ ਕੀਮਤੀ ਸੰਪਤੀ, ਆਪਣੇ ਡੇਟਾ ਦਾ ਪ੍ਰਬੰਧਨ ਕਿਵੇਂ ਕਰਦੀ ਹੈ।

ਇਸ ਇੰਜੀਨੀਅਰ ਦੇ ਜੀਵਨ ਦਾ ਇੱਕ ਦਿਨ ਕਾਫ਼ੀ ਬਦਲ ਗਿਆ ਹੈ। API ਕੁੰਜੀਆਂ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਅਤੇ ਰੇਟ ਸੀਮਾਵਾਂ ਬਾਰੇ ਚਿੰਤਾ ਕਰਨ ਦੀ ਬਜਾਏ, ਉਹ ਆਪਣਾ ਸਮਾਂ ਲੋਕਲ ਇਨਫਰੈਂਸ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਣ ਵਿੱਚ ਬਿਤਾਉਂਦੇ ਹਨ। ਉਹ Hugging Face ਵਰਗੇ ਟੂਲ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ ਤਾਂ ਜੋ ਮਾਡਲ ਦਾ ਇੱਕ ਅਜਿਹਾ ਸੰਸਕਰਣ ਲੱਭਿਆ ਜਾ ਸਕੇ ਜਿਸਨੂੰ ਉਨ੍ਹਾਂ ਦੇ ਉਪਲਬਧ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਫਿੱਟ ਕਰਨ ਲਈ ਕੰਪ੍ਰੈਸ ਕੀਤਾ ਗਿਆ ਹੋਵੇ। ਉਹ ਹਰ ਟੋਕਨ ਦੀ ਲਾਗਤ ਬਾਰੇ ਚਿੰਤਾ ਕੀਤੇ ਬਿਨਾਂ ਸਵੇਰੇ 3 ਵਜੇ ਟੈਸਟ ਚਲਾ ਸਕਦੇ ਹਨ। ਜੇਕਰ ਮਾਡਲ ਕੋਈ ਗਲਤੀ ਕਰਦਾ ਹੈ, ਤਾਂ ਉਹ ਵੇਟਸ ਨੂੰ ਦੇਖ ਸਕਦੇ ਹਨ ਅਤੇ ਸਮਝਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰ ਸਕਦੇ ਹਨ ਕਿ ਕਿਉਂ, ਜਾਂ ਉਹ ਇਸਨੂੰ ਠੀਕ ਕਰਨ ਲਈ ਫਾਈਨ ਟਿਊਨਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦੇ ਹਨ। ਖੁਦਮੁਖਤਿਆਰੀ ਦਾ ਇਹ ਪੱਧਰ ਸਿਰਫ਼ ਦੋ ਸਾਲ ਪਹਿਲਾਂ ਜ਼ਿਆਦਾਤਰ ਕਾਰੋਬਾਰਾਂ ਲਈ ਅਸੰਭਵ ਸੀ। ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਦੁਹਰਾਉਣ ਵਾਲੇ ਚੱਕਰ ਅਤੇ ਵਧੇਰੇ ਮਜ਼ਬੂਤ ਅੰਤਿਮ ਉਤਪਾਦ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ।

ਇਹ ਆਜ਼ਾਦੀ ਵਿਅਕਤੀਗਤ ਉਪਭੋਗਤਾ ਤੱਕ ਵੀ ਫੈਲੀ ਹੋਈ ਹੈ। ਇੱਕ ਲੇਖਕ ਜਾਂ ਖੋਜਕਰਤਾ ਆਪਣੇ ਲੈਪਟਾਪ ‘ਤੇ ਇੱਕ ਅਜਿਹਾ ਮਾਡਲ ਚਲਾ ਸਕਦਾ ਹੈ ਜਿਸ ਵਿੱਚ ਸਿਲੀਕਾਨ ਵੈਲੀ ਵਿੱਚ ਇੱਕ ਕਮੇਟੀ ਦੁਆਰਾ ਡਿਜ਼ਾਈਨ ਕੀਤਾ ਗਿਆ ਫਿਲਟਰ ਨਹੀਂ ਹੈ। ਉਹ ਵਿਚਾਰਾਂ ਦੀ ਪੜਚੋਲ ਕਰ ਸਕਦੇ ਹਨ ਅਤੇ ਬਿਨਾਂ ਕਿਸੇ ਵਿਚੋਲੇ ਦੇ ਇਹ ਫੈਸਲਾ ਕੀਤੇ ਕਿ ਕੀ ਉਚਿਤ ਹੈ, ਸਮੱਗਰੀ ਤਿਆਰ ਕਰ ਸਕਦੇ ਹਨ। ਇਹ ਇੱਕ ਟੂਲ ਨੂੰ ਕਿਰਾਏ ‘ਤੇ ਲੈਣ ਅਤੇ ਇੱਕ ਟੂਲ ਦੇ ਮਾਲਕ ਹੋਣ ਵਿਚਕਾਰ ਅੰਤਰ ਹੈ। ਹਾਲਾਂਕਿ ਕਲਾਉਡ ਦਿੱਗਜ ਇੱਕ ਪਾਲਿਸ਼ਡ, ਵਰਤਣ ਵਿੱਚ ਆਸਾਨ ਅਨੁਭਵ ਪੇਸ਼ ਕਰਦੇ ਹਨ, ਓਪਨ ਈਕੋਸਿਸਟਮ ਕੁਝ ਵਧੇਰੇ ਕੀਮਤੀ ਪੇਸ਼ਕਸ਼ ਕਰਦਾ ਹੈ: ਏਜੰਸੀ। ਜਿਵੇਂ-ਜਿਵੇਂ ਹਾਰਡਵੇਅਰ ਵਧੇਰੇ ਸ਼ਕਤੀਸ਼ਾਲੀ ਹੁੰਦਾ ਜਾਂਦਾ ਹੈ ਅਤੇ ਮਾਡਲ ਵਧੇਰੇ ਕੁਸ਼ਲ ਹੁੰਦੇ ਜਾਂਦੇ ਹਨ, ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਲੋਕਲ ਤੌਰ ‘ਤੇ ਚਲਾਉਣ ਵਾਲੇ ਲੋਕਾਂ ਦੀ ਗਿਣਤੀ ਸਿਰਫ ਵਧੇਗੀ। ਇਹ ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ ਪਹੁੰਚ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੀ ਹੈ ਕਿ ਇਸ ਤਕਨਾਲੋਜੀ ਦੇ ਲਾਭ ਸਿਰਫ਼ ਉਹਨਾਂ ਤੱਕ ਸੀਮਤ ਨਹੀਂ ਹਨ ਜੋ ਮਹਿੰਗੇ ਮਾਸਿਕ ਗਾਹਕੀ ਦਾ ਖਰਚਾ ਉਠਾ ਸਕਦੇ ਹਨ।

ਇਹ ਤਬਦੀਲੀ ਪਹਿਲਾਂ ਹੀ ਹਰ ਉਦਯੋਗ ਵਿੱਚ ਸਾਫਟਵੇਅਰ ਬਣਾਉਣ ਅਤੇ ਤਾਇਨਾਤ ਕਰਨ ਦੇ ਤਰੀਕੇ ਨੂੰ ਬਦਲ ਰਹੀ ਹੈ।

ਉੱਦਮ ਇਹ ਵੀ ਪਾ ਰਹੇ ਹਨ ਕਿ ਓਪਨ ਮਾਡਲ ਪਲੇਟਫਾਰਮ ਜੋਖਮ ਦੇ ਵਿਰੁੱਧ ਇੱਕ ਬਚਾਅ ਹਨ। ਜੇਕਰ ਕੋਈ ਬੰਦ ਪ੍ਰਦਾਤਾ ਆਪਣੀ ਕੀਮਤ ਜਾਂ ਆਪਣੀਆਂ ਸੇਵਾ ਦੀਆਂ ਸ਼ਰਤਾਂ ਬਦਲਦਾ ਹੈ, ਤਾਂ ਉਸ API ‘ਤੇ ਬਣਿਆ ਕਾਰੋਬਾਰ ਮੁਸੀਬਤ ਵਿੱਚ ਹੈ। ਓਪਨ ਵੇਟਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ, ਇੱਕ ਕੰਪਨੀ ਆਪਣੀ ਮੁੱਖ ਬੁੱਧੀ ਨੂੰ ਗੁਆਏ ਬਿਨਾਂ ਹਾਰਡਵੇਅਰ ਪ੍ਰਦਾਤਾਵਾਂ ਨੂੰ ਬਦਲ ਸਕਦੀ ਹੈ ਜਾਂ ਆਪਣੇ ਪੂਰੇ ਸਟੈਕ ਨੂੰ ਕਿਸੇ ਵੱਖਰੇ ਕਲਾਉਡ ‘ਤੇ ਲੈ ਜਾ ਸਕਦੀ ਹੈ। ਇਹ ਲਚਕਤਾ ਅੱਜ ਅਸੀਂ ਦੇਖ ਰਹੇ ਬਹੁਤ ਸਾਰੇ ਅਪਣਾਉਣ ਨੂੰ ਵਧਾ ਰਹੀ ਹੈ। ਇਹ ਹੁਣ ਇਸ ਬਾਰੇ ਨਹੀਂ ਹੈ ਕਿ ਕਿਹੜਾ ਮਾਡਲ ਬੈਂਚਮਾਰਕ ‘ਤੇ ਥੋੜ੍ਹਾ ਬਿਹਤਰ ਹੈ। ਇਹ ਇਸ ਬਾਰੇ ਹੈ ਕਿ ਕਿਹੜਾ ਮਾਡਲ ਕਾਰੋਬਾਰ ਨੂੰ ਸਭ ਤੋਂ ਵੱਧ ਲੰਬੇ ਸਮੇਂ ਦੀ ਸਥਿਰਤਾ ਦਿੰਦਾ ਹੈ। ਓਪਨ ਸੋਰਸ AI ਈਕੋਸਿਸਟਮ ਵਿੱਚ ਹਾਲੀਆ ਸੁਧਾਰਾਂ ਨੇ ਇਸਨੂੰ ਸਾਰੇ ਆਕਾਰ ਦੀਆਂ ਕੰਪਨੀਆਂ ਲਈ ਇੱਕ ਵਿਹਾਰਕ ਰਣਨੀਤੀ ਬਣਾ ਦਿੱਤਾ ਹੈ।

ਮੁਫਤ ਮਾਡਲਾਂ ਦੀ ਉੱਚ ਕੀਮਤ

ਉਤਸ਼ਾਹ ਦੇ ਬਾਵਜੂਦ, ਸਾਨੂੰ ਖੁੱਲੇਪਨ ਦੀਆਂ ਲੁਕੀਆਂ ਹੋਈਆਂ ਲਾਗਤਾਂ ਬਾਰੇ ਮੁਸ਼ਕਲ ਸਵਾਲ ਪੁੱਛਣੇ ਚਾਹੀਦੇ ਹਨ। ਇੱਕ ਵੱਡੇ ਮਾਡਲ ਨੂੰ ਲੋਕਲ ਤੌਰ ‘ਤੇ ਚਲਾਉਣਾ ਮੁਫਤ ਨਹੀਂ ਹੈ। ਇਸ ਲਈ ਹਾਰਡਵੇਅਰ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਨਿਵੇਸ਼ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ, ਖਾਸ ਤੌਰ ‘ਤੇ ਕਾਫ਼ੀ ਮੈਮੋਰੀ ਵਾਲੇ ਉੱਚ-ਅੰਤ ਦੇ GPUs। ਬਹੁਤ ਸਾਰੇ ਛੋਟੇ ਕਾਰੋਬਾਰਾਂ ਲਈ, ਇਸ ਹਾਰਡਵੇਅਰ ਨੂੰ ਖਰੀਦਣ ਅਤੇ ਸੰਭਾਲਣ ਦੀ ਲਾਗਤ ਕਈ ਸਾਲਾਂ ਲਈ API ਗਾਹਕੀ ਦੀ ਲਾਗਤ ਤੋਂ ਵੱਧ ਸਕਦੀ ਹੈ। ਬਿਜਲੀ ਦੀ ਲਾਗਤ ਅਤੇ ਤਾਇਨਾਤੀ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਨ ਲਈ ਵਿਸ਼ੇਸ਼ ਪ੍ਰਤਿਭਾ ਦੀ ਲੋੜ ਵੀ ਹੈ। ਕੀ ਅਸੀਂ ਸਿਰਫ਼ ਇੱਕ ਸਾਫਟਵੇਅਰ ਗਾਹਕੀ ਨੂੰ ਹਾਰਡਵੇਅਰ ਅਤੇ ਊਰਜਾ ਬਿੱਲ ਲਈ ਬਦਲ ਰਹੇ ਹਾਂ? ਲੋਕਲ AI ਦੀ ਆਰਥਿਕ ਹਕੀਕਤ ਸੁਰਖੀਆਂ ਦੇ ਸੁਝਾਅ ਨਾਲੋਂ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਹੈ।

ਕੀ ਤੁਹਾਡੇ ਕੋਲ ਕੋਈ AI ਕਹਾਣੀ, ਟੂਲ, ਰੁਝਾਨ ਜਾਂ ਸਵਾਲ ਹੈ ਜੋ ਤੁਹਾਨੂੰ ਲੱਗਦਾ ਹੈ ਕਿ ਸਾਨੂੰ ਕਵਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ? ਸਾਨੂੰ ਆਪਣਾ ਲੇਖ ਦਾ ਵਿਚਾਰ ਭੇਜੋ — ਅਸੀਂ ਇਸਨੂੰ ਸੁਣਨਾ ਪਸੰਦ ਕਰਾਂਗੇ।

ਗੋਪਨੀਯਤਾ ਇੱਕ ਹੋਰ ਖੇਤਰ ਹੈ ਜਿੱਥੇ ਸੰਦੇਹਵਾਦ ਦੀ ਲੋੜ ਹੈ। ਹਾਲਾਂਕਿ ਇੱਕ ਮਾਡਲ ਨੂੰ ਲੋਕਲ ਤੌਰ ‘ਤੇ ਚਲਾਉਣਾ ਡੇਟਾ ਸੁਰੱਖਿਆ ਲਈ ਬਿਹਤਰ ਹੈ, ਪਰ ਮਾਡਲ ਖੁਦ ਅਕਸਰ ਬਿਨਾਂ ਸਹਿਮਤੀ ਦੇ ਇੰਟਰਨੈਟ ਤੋਂ ਸਕ੍ਰੈਪ ਕੀਤੇ ਡੇਟਾ ‘ਤੇ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਕਰਦੇ ਹਨ। ਕੀ ਇੱਕ ਓਪਨ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰਨ ਨਾਲ ਤੁਸੀਂ ਇਸ ਅਭਿਆਸ ਵਿੱਚ ਸ਼ਾਮਲ ਹੋ ਜਾਂਦੇ ਹੋ? ਇਸ ਤੋਂ ਇਲਾਵਾ, ਜੇਕਰ ਕੋਈ ਮਾਡਲ ਖੁੱਲ੍ਹਾ ਹੈ, ਤਾਂ ਇਹ ਬੁਰੇ ਅਦਾਕਾਰਾਂ ਲਈ ਵੀ ਖੁੱਲ੍ਹਾ ਹੈ। ਉਹੀ ਟੂਲ ਜੋ ਇੱਕ ਡਾਕਟਰ ਨੂੰ ਮੈਡੀਕਲ ਨੋਟਸ ਦਾ ਸਾਰ ਦੇਣ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ, ਇੱਕ ਹੈਕਰ ਦੁਆਰਾ ਫਿਸ਼ਿੰਗ ਹਮਲਿਆਂ ਨੂੰ ਸਵੈਚਲਿਤ ਕਰਨ ਲਈ ਵਰਤੇ ਜਾ ਸਕਦੇ ਹਨ। ਅਸੀਂ ਦੁਰਵਰਤੋਂ ਦੇ ਜੋਖਮਾਂ ਦੇ ਨਾਲ ਲੋਕਤੰਤਰੀਕਰਨ ਦੇ ਲਾਭਾਂ ਨੂੰ ਕਿਵੇਂ ਸੰਤੁਲਿਤ ਕਰੀਏ? ਲੈਬਾਂ ਜੋ ਆਪਣੇ ਵੇਟਸ ਜਾਰੀ ਕਰਦੀਆਂ ਹਨ, ਅਕਸਰ ਦਾਅਵਾ ਕਰਦੀਆਂ ਹਨ ਕਿ ਕਮਿਊਨਿਟੀ ਜ਼ਰੂਰੀ ਸੁਰੱਖਿਆ ਜਾਂਚਾਂ ਪ੍ਰਦਾਨ ਕਰੇਗੀ, ਪਰ ਇਹ ਇੱਕ ਮੁਸ਼ਕਲ ਦਾਅਵਾ ਹੈ। ਸਾਨੂੰ ਇਹ ਵਿਚਾਰ ਕਰਨਾ ਚਾਹੀਦਾ ਹੈ ਕਿ ਕੀ ਕੇਂਦਰੀਕ੍ਰਿਤ ਨਿਗਰਾਨੀ ਦੀ ਘਾਟ ਇੱਕ ਵਿਸ਼ੇਸ਼ਤਾ ਹੈ ਜਾਂ ਇੱਕ ਖਾਮੀ।

ਅੰਤ ਵਿੱਚ, ਸਾਨੂੰ ਓਪਨ ਮਾਡਲ ਦੀ ਸਥਿਰਤਾ ਨੂੰ ਦੇਖਣਾ ਚਾਹੀਦਾ ਹੈ। ਇਹਨਾਂ ਪ੍ਰਣਾਲੀਆਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਵਿੱਚ ਲੱਖਾਂ ਡਾਲਰ ਖਰਚ ਹੁੰਦੇ ਹਨ। ਜੇਕਰ Meta ਜਾਂ Mistral ਵਰਗੀਆਂ ਕੰਪਨੀਆਂ ਇਹ ਫੈਸਲਾ ਕਰਦੀਆਂ ਹਨ ਕਿ ਆਪਣੇ ਵੇਟਸ ਨੂੰ ਜਾਰੀ ਕਰਨਾ ਹੁਣ ਉਨ੍ਹਾਂ ਦੇ ਹਿੱਤ ਵਿੱਚ ਨਹੀਂ ਹੈ, ਤਾਂ ਓਪਨ ਕਮਿਊਨਿਟੀ ਦੀ ਪ੍ਰਗਤੀ ਰੁਕ ਸਕਦੀ ਹੈ। ਅਸੀਂ ਵਰਤਮਾਨ ਵਿੱਚ ਇੱਕ ਕਾਰਪੋਰੇਟ ਰਣਨੀਤੀ ਤੋਂ ਲਾਭ ਉਠਾ ਰਹੇ ਹਾਂ ਜੋ ਮਾਰਕੀਟ ਸ਼ੇਅਰ ਹਾਸਲ ਕਰਨ ਲਈ ਖੁੱਲੇਪਨ ਦਾ ਸਮਰਥਨ ਕਰਦੀ ਹੈ। ਜੇਕਰ ਉਹ ਰਣਨੀਤੀ ਬਦਲਦੀ ਹੈ, ਤਾਂ ਕਮਿਊਨਿਟੀ ਆਪਣੇ ਆਪ ਨੂੰ ਫਰੰਟੀਅਰ ਲੈਬਾਂ ਤੋਂ ਸਾਲਾਂ ਪਿੱਛੇ ਪਾ ਸਕਦੀ ਹੈ। ਕੀ ਇੱਕ ਬਹੁ-ਅਰਬ ਡਾਲਰ ਦੀ ਕਾਰਪੋਰੇਸ਼ਨ ਦੇ ਸਮਰਥਨ ਤੋਂ ਬਿਨਾਂ ਇੱਕ ਸੱਚਮੁੱਚ ਸੁਤੰਤਰ, ਉੱਚ ਪ੍ਰਦਰਸ਼ਨ ਵਾਲਾ ਮਾਡਲ ਬਣਾਉਣਾ ਸੰਭਵ ਹੈ? ਕਾਰਪੋਰੇਟ ਉਦਾਰਤਾ ‘ਤੇ ਮੌਜੂਦਾ ਨਿਰਭਰਤਾ ਪੂਰੇ ਅੰਦੋਲਨ ਲਈ ਅਸਫਲਤਾ ਦਾ ਇੱਕ ਸੰਭਾਵੀ ਸਿੰਗਲ ਪੁਆਇੰਟ ਹੈ।

ਲੋਕਲ ਇਨਫਰੈਂਸ ਦੇ ਹੁੱਡ ਦੇ ਹੇਠਾਂ

ਪਾਵਰ ਯੂਜ਼ਰ ਲਈ, ਅਸਲ ਕੰਮ ਇਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਮੌਜੂਦਾ ਵਰਕਫਲੋ ਵਿੱਚ ਜੋੜਨ ਵਿੱਚ ਹੁੰਦਾ ਹੈ। ਸਭ ਤੋਂ ਵੱਡੀਆਂ ਚੁਣੌਤੀਆਂ ਵਿੱਚੋਂ ਇੱਕ ਹਾਰਡਵੇਅਰ ਦੀ ਲੋੜ ਹੈ। 70 ਬਿਲੀਅਨ ਪੈਰਾਮੀਟਰਾਂ ਵਾਲੇ ਮਾਡਲ ਨੂੰ ਚਲਾਉਣ ਲਈ, ਤੁਹਾਨੂੰ ਆਮ ਤੌਰ ‘ਤੇ ਘੱਟੋ-ਘੱਟ ਦੋ ਉੱਚ-ਅੰਤ ਦੇ ਕੰਜ਼ਿਊਮਰ GPUs ਜਾਂ 48GB VRAM ਵਾਲੇ ਪ੍ਰੋਫੈਸ਼ਨਲ ਗ੍ਰੇਡ ਕਾਰਡ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਇਸ ਨਾਲ ਕੁਆਂਟਾਈਜ਼ੇਸ਼ਨ ਤਕਨੀਕਾਂ ਦਾ ਉਭਾਰ ਹੋਇਆ ਹੈ। ਮਾਡਲ ਵੇਟਸ ਦੀ ਸ਼ੁੱਧਤਾ ਨੂੰ 16-bit ਤੋਂ 4-bit ਜਾਂ 2-bit ਤੱਕ ਘਟਾ ਕੇ, ਡਿਵੈਲਪਰ ਸਸਤੇ ਹਾਰਡਵੇਅਰ ‘ਤੇ ਬਹੁਤ ਵੱਡੇ ਮਾਡਲਾਂ ਨੂੰ ਫਿੱਟ ਕਰ ਸਕਦੇ ਹਨ। ਇਸ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸ਼ੁੱਧਤਾ ਵਿੱਚ ਇੱਕ ਮਾਮੂਲੀ ਵਪਾਰ ਸ਼ਾਮਲ ਹੁੰਦਾ ਹੈ, ਪਰ ਜ਼ਿਆਦਾਤਰ ਕੰਮਾਂ ਲਈ, ਅੰਤਰ ਨਾਮਾਤਰ ਹੈ। Llama.cpp ਵਰਗੇ ਟੂਲਾਂ ਨੇ ਇਹਨਾਂ ਮਾਡਲਾਂ ਨੂੰ ਸਟੈਂਡਰਡ CPUs ਅਤੇ Mac ਹਾਰਡਵੇਅਰ ‘ਤੇ ਚਲਾਉਣਾ ਸੰਭਵ ਬਣਾਇਆ ਹੈ, ਜਿਸ ਨਾਲ ਦਾਖਲੇ ਲਈ ਰੁਕਾਵਟ ਕਾਫ਼ੀ ਘੱਟ ਹੋ ਗਈ ਹੈ।

ਇੱਕ ਹੋਰ ਮਹੱਤਵਪੂਰਨ ਕਾਰਕ API ਸੀਮਾ ਹੈ। ਬੰਦ ਪ੍ਰਦਾਤਾ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਸਮੇਂ, ਤੁਸੀਂ ਅਕਸਰ ਇਸ ਗੱਲ ਦੁਆਰਾ ਸੀਮਤ ਹੁੰਦੇ ਹੋ ਕਿ ਤੁਸੀਂ ਪ੍ਰਤੀ ਮਿੰਟ ਕਿੰਨੀਆਂ ਬੇਨਤੀਆਂ ਕਰ ਸਕਦੇ ਹੋ। ਇੱਕ ਲੋਕਲ ਮਾਡਲ ਦੇ ਨਾਲ, ਤੁਹਾਡੀ ਇੱਕੋ ਇੱਕ ਸੀਮਾ ਤੁਹਾਡੇ ਹਾਰਡਵੇਅਰ ਦੀ ਗਤੀ ਹੈ। ਇਹ ਗੁੰਝਲਦਾਰ ਵਰਕਫਲੋ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ ਜਿੱਥੇ ਮਾਡਲ ਨੂੰ ਇੱਕ ਪ੍ਰਕਿਰਿਆ ਵਿੱਚ ਸੈਂਕੜੇ ਵਾਰ ਬੁਲਾਇਆ ਜਾਂਦਾ ਹੈ। ਉਦਾਹਰਨ ਲਈ, ਇੱਕ ਡਿਵੈਲਪਰ ਕੋਡ ਦੀਆਂ ਹਜ਼ਾਰਾਂ ਲਾਈਨਾਂ ਦਾ ਵਿਸ਼ਲੇਸ਼ਣ ਕਰਨ ਲਈ ਜਾਂ ਟੈਸਟਿੰਗ ਲਈ ਇੱਕ ਪੂਰਾ ਸਿੰਥੈਟਿਕ ਡੇਟਾ ਸੈੱਟ ਤਿਆਰ ਕਰਨ ਲਈ ਇੱਕ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਕੰਮ ਕਲਾਉਡ API ‘ਤੇ ਬਹੁਤ ਮਹਿੰਗੇ ਅਤੇ ਹੌਲੀ ਹੋਣਗੇ। ਲੋਕਲ ਸਟੋਰੇਜ ਵਿਸ਼ਾਲ ਸੰਦਰਭ ਵਿੰਡੋਜ਼ ਦੀ ਵਰਤੋਂ ਦੀ ਵੀ ਆਗਿਆ ਦਿੰਦੀ ਹੈ। ਤੁਸੀਂ ਇਨਪੁਟ ਟੋਕਨਾਂ ਦੀ ਲਾਗਤ ਬਾਰੇ ਚਿੰਤਾ ਕੀਤੇ ਬਿਨਾਂ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਇੱਕ ਪੂਰੀ ਲਾਇਬ੍ਰੇਰੀ ਨੂੰ ਇੱਕ ਮਾਡਲ ਵਿੱਚ ਫੀਡ ਕਰ ਸਕਦੇ ਹੋ।

ਵਰਕਫਲੋ ਏਕੀਕਰਣ ਵੀ ਵਧੇਰੇ ਗੁੰਝਲਦਾਰ ਹੁੰਦਾ ਜਾ ਰਿਹਾ ਹੈ। ਡਿਵੈਲਪਰ ਅਜਿਹੇ ਫਰੇਮਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰ ਰਹੇ ਹਨ ਜੋ ਉਨ੍ਹਾਂ ਨੂੰ ਕੋਡ ਦੀ ਇੱਕ ਲਾਈਨ ਨਾਲ ਮਾਡਲਾਂ ਨੂੰ ਅਦਲਾ-ਬਦਲੀ ਕਰਨ ਦੀ ਇਜਾਜ਼ਤ ਦਿੰਦੇ ਹਨ। ਇਸਦਾ ਮਤਲਬ ਹੈ ਕਿ ਇੱਕ ਸਿਸਟਮ ਸਧਾਰਨ ਕੰਮਾਂ ਲਈ ਇੱਕ ਛੋਟੇ, ਤੇਜ਼ ਮਾਡਲ ਅਤੇ ਗੁੰਝਲਦਾਰ ਤਰਕ ਲਈ ਇੱਕ ਵੱਡੇ, ਹੌਲੀ ਮਾਡਲ ਦੀ ਵਰਤੋਂ ਕਰ ਸਕਦਾ ਹੈ। ਇਹ ਹਾਈਬ੍ਰਿਡ ਪਹੁੰਚ ਲਾਗਤ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਦੋਵਾਂ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਉਂਦੀ ਹੈ। ਹਾਲਾਂਕਿ, ਅਜੇ ਵੀ ਰੁਕਾਵਟਾਂ ਹਨ। ਲੋਕਲ ਮਾਡਲਾਂ ਵਿੱਚ ਅਕਸਰ ਪਾਲਿਸ਼ਡ ਸੁਰੱਖਿਆ ਫਿਲਟਰਾਂ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਬੰਦ ਹਮਰੁਤਬਾ ਦੇ ਵਿਆਪਕ ਦਸਤਾਵੇਜ਼ਾਂ ਦੀ ਘਾਟ ਹੁੰਦੀ ਹੈ। ਇੱਕ ਮਜ਼ਬੂਤ ਲੋਕਲ ਵਾਤਾਵਰਣ ਸਥਾਪਤ ਕਰਨ ਲਈ Linux, Python, ਅਤੇ GPU ਡਰਾਈਵਰਾਂ ਦੀ ਡੂੰਘੀ ਸਮਝ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ। ਉਹਨਾਂ ਲਈ ਜੋ ਇਸਦਾ ਪ੍ਰਬੰਧਨ ਕਰ ਸਕਦੇ ਹਨ, ਇਨਾਮ ਪ੍ਰਦਰਸ਼ਨ ਅਤੇ ਗੋਪਨੀਯਤਾ ਦਾ ਇੱਕ ਅਜਿਹਾ ਪੱਧਰ ਹੈ ਜਿਸਦਾ ਕੋਈ ਕਲਾਉਡ ਪ੍ਰਦਾਤਾ ਮੁਕਾਬਲਾ ਨਹੀਂ ਕਰ ਸਕਦਾ।

ਪਬਲਿਕ ਟੈਕ ਲਈ ਨਵਾਂ ਮਿਆਰ

ਓਪਨ ਅਤੇ ਬੰਦ ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਮੁਕਾਬਲਾ ਅੱਜ ਤਕਨਾਲੋਜੀ ਵਿੱਚ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਕਹਾਣੀ ਹੈ। ਇਹ ਇੰਟਰਨੈਟ ਦੇ ਬੁਨਿਆਦੀ ਆਰਕੀਟੈਕਚਰ ‘ਤੇ ਇੱਕ ਲੜਾਈ ਹੈ। ਜੇਕਰ ਬੰਦ ਮਾਡਲ ਜਿੱਤ ਜਾਂਦੇ ਹਨ, ਤਾਂ AI ਦਾ ਭਵਿੱਖ ਮੌਜੂਦਾ ਮੋਬਾਈਲ ਐਪ ਸਟੋਰਾਂ ਵਰਗਾ ਦਿਖਾਈ ਦੇਵੇਗਾ, ਜਿਸ ਵਿੱਚ ਦੋ ਜਾਂ ਤਿੰਨ ਦਿੱਗਜ ਨਿਯੰਤਰਿਤ ਕਰਨਗੇ ਕਿ ਕੀ ਸੰਭਵ ਹੈ। ਜੇਕਰ ਓਪਨ ਮਾਡਲ ਆਪਣਾ ਮੌਜੂਦਾ ਰਾਹ ਜਾਰੀ ਰੱਖਦੇ ਹਨ, ਤਾਂ ਭਵਿੱਖ ਵੈੱਬ ਵਰਗਾ ਹੋਵੇਗਾ, ਇੱਕ ਵਿਕੇਂਦਰੀਕ੍ਰਿਤ ਨੈਟਵਰਕ ਜਿੱਥੇ ਕੋਈ ਵੀ ਨਿਰਮਾਣ ਅਤੇ ਨਵੀਨਤਾ ਕਰ ਸਕਦਾ ਹੈ। ਉੱਚ ਗੁਣਵੱਤਾ ਵਾਲੇ ਓਪਨ ਵੇਟਸ ਵੱਲ ਹਾਲੀਆ ਤਬਦੀਲੀ ਇੱਕ ਮਜ਼ਬੂਤ ਸੰਕੇਤ ਹੈ ਕਿ ਬਾਅਦ ਵਾਲਾ ਹੋਣ ਦੀ ਸੰਭਾਵਨਾ ਵਧ ਰਹੀ ਹੈ। ਇਹ ਇੱਕ ਮਜਬੂਰ ਕਰਨ ਵਾਲਾ ਦ੍ਰਿਸ਼ਟੀਕੋਣ ਹੈ ਇੱਕ ਅਜਿਹੀ ਦੁਨੀਆ ਦਾ ਜਿੱਥੇ ਬੁੱਧੀ ਇੱਕ ਲਗਜ਼ਰੀ ਦੀ ਬਜਾਏ ਇੱਕ ਉਪਯੋਗਤਾ ਹੈ।

ਜਿਵੇਂ ਕਿ ਅਸੀਂ ਅੱਗੇ ਵਧਦੇ ਹਾਂ, ਧਿਆਨ ਸੰਭਾਵਤ ਤੌਰ ‘ਤੇ ਕੱਚੇ ਮਾਡਲ ਪ੍ਰਦਰਸ਼ਨ ਤੋਂ ਇਹਨਾਂ ਮਾਡਲਾਂ ਦੇ ਆਲੇ ਦੁਆਲੇ ਦੇ ਈਕੋਸਿਸਟਮ ਵੱਲ ਬਦਲ ਜਾਵੇਗਾ। ਜੇਤੂ ਸਭ ਤੋਂ ਵੱਧ ਬੈਂਚਮਾਰਕ ਸਕੋਰ ਵਾਲੀ ਕੰਪਨੀ ਨਹੀਂ ਹੋਵੇਗੀ, ਸਗੋਂ ਉਹ ਹੋਵੇਗੀ ਜੋ ਦੂਜਿਆਂ ਲਈ ਨਿਰਮਾਣ ਕਰਨਾ ਸਭ ਤੋਂ ਆਸਾਨ ਬਣਾਉਂਦੀ ਹੈ। ਇੱਕ ਖੋਜ ਪੱਤਰ ਅਤੇ ਇੱਕ ਉਪਯੋਗੀ ਉਤਪਾਦ ਵਿਚਕਾਰ ਦੂਰੀ ਅਜੇ ਵੀ ਵਿਸ਼ਾਲ ਹੈ, ਪਰ ਓਪਨ ਕਮਿਊਨਿਟੀ ਇਸ ਨੂੰ ਪਾਰ ਕਰਨ ਲਈ ਲੋੜੀਂਦੇ ਪੁਲ ਬਣਾ ਰਹੀ ਹੈ। ਇਹ ਤੇਜ਼ੀ ਨਾਲ ਬਦਲਾਅ ਦਾ ਸਮਾਂ ਹੈ, ਅਤੇ ਅੱਜ ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਉੱਦਮਾਂ ਦੁਆਰਾ ਲਏ ਗਏ ਫੈਸਲੇ ਅਗਲੇ ਦਹਾਕੇ ਲਈ ਤਕਨੀਕੀ ਮਾਹੌਲ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨਗੇ। ਬੰਦ ਬਾਕਸ ਦਾ ਯੁੱਗ ਖਤਮ ਹੋ ਰਿਹਾ ਹੈ, ਅਤੇ ਓਪਨ ਵੇਟ ਦਾ ਯੁੱਗ ਹੁਣੇ ਸ਼ੁਰੂ ਹੋ ਰਿਹਾ ਹੈ।

Примечание редактора: Мы создали этот сайт как многоязычный центр новостей и руководств по ИИ для людей, которые не являются компьютерными гиками, но все же хотят понять искусственный интеллект, использовать его с большей уверенностью и следить за будущим, которое уже наступает.

ਕੋਈ ਗਲਤੀ ਮਿਲੀ ਜਾਂ ਕੁਝ ਠੀਕ ਕਰਨ ਦੀ ਲੋੜ ਹੈ? ਸਾਨੂੰ ਦੱਸੋ।