గూగుల్ జెమిని 2.5 ఫ్లాష్‌లో AI రీజనింగ్ కంట్రోల్‌ను పరిచయం చేస్తుంది

గూగుల్ తన జెమిని 2.5 ఫ్లాష్ మోడల్ కోసం AI రీజనింగ్ కంట్రోల్ మెకానిజమ్‌ను ప్రవేశపెట్టింది, ఇది సమస్య పరిష్కారంపై సిస్టమ్ ఎంత ప్రాసెసింగ్ శక్తిని ఖర్చు చేస్తుందో డెవలపర్‌లను పరిమితం చేయడానికి డెవలపర్‌లను అనుమతిస్తుంది.

ఏప్రిల్ 17 న విడుదలైన ఈ “థింకింగ్ బడ్జెట్” లక్షణం పెరుగుతున్న పరిశ్రమ సవాలుకు ప్రతిస్పందిస్తుంది: అధునాతన AI నమూనాలు తరచూ సూటిగా ప్రశ్నలను అతిగా విశ్లేషించాయి, అనవసరమైన గణన వనరులను వినియోగిస్తాయి మరియు కార్యాచరణ మరియు పర్యావరణ ఖర్చులను పెంచుతాయి.

విప్లవాత్మకమైనది కానప్పటికీ, వాణిజ్య AI సాఫ్ట్‌వేర్‌లో తార్కిక సామర్థ్యాలు ప్రామాణికమైనవిగా ఉద్భవించిన సామర్థ్య సమస్యలను పరిష్కరించడానికి అభివృద్ధి ఒక ఆచరణాత్మక దశను సూచిస్తుంది.

కొత్త యంత్రాంగం ప్రతిస్పందనలను రూపొందించే ముందు ప్రాసెసింగ్ వనరుల యొక్క ఖచ్చితమైన క్రమాంకనాన్ని అనుమతిస్తుంది, AI విస్తరణ యొక్క ఆర్థిక మరియు పర్యావరణ ప్రభావాలను సంస్థలు ఎలా నిర్వహిస్తాయో మారుస్తుంది.

“మోడల్ అతిగా ఆలోచిస్తుంది” అని జెమిని వద్ద ఉత్పత్తి నిర్వహణ డైరెక్టర్ తుల్సీ దోషిని అంగీకరించారు. “సాధారణ ప్రాంప్ట్‌ల కోసం, మోడల్ దాని కంటే ఎక్కువ ఆలోచిస్తుంది.”

అధునాతన తార్కిక నమూనాలు ఎదుర్కొంటున్న సవాలును ఈ ప్రవేశం వెల్లడిస్తుంది – వాల్నట్ను పగులగొట్టడానికి పారిశ్రామిక యంత్రాలను ఉపయోగించడం సమానం.

తార్కిక సామర్థ్యాల వైపు మారడం అనాలోచిత పరిణామాలను సృష్టించింది. సాంప్రదాయ పెద్ద భాషా నమూనాలు ప్రధానంగా శిక్షణ డేటా నుండి నమూనాలతో సరిపోలినప్పుడు, క్రొత్త పునరావృతాలు తార్కికంగా సమస్యల ద్వారా పనిచేయడానికి ప్రయత్నిస్తాయి, దశల వారీగా. ఈ విధానం సంక్లిష్టమైన పనుల కోసం మంచి ఫలితాలను ఇస్తుండగా, సరళమైన ప్రశ్నలను నిర్వహించేటప్పుడు ఇది గణనీయమైన అసమర్థతను పరిచయం చేస్తుంది.

ఖర్చు మరియు పనితీరును సమతుల్యం చేయడం

తనిఖీ చేయని AI తార్కికం యొక్క ఆర్థిక చిక్కులు గణనీయమైనవి. గూగుల్ యొక్క సాంకేతిక డాక్యుమెంటేషన్ ప్రకారం, పూర్తి తార్కికం సక్రియం అయినప్పుడు, అవుట్‌పుట్‌లను ఉత్పత్తి చేయడం ప్రామాణిక ప్రాసెసింగ్ కంటే సుమారు ఆరు రెట్లు ఎక్కువ ఖరీదైనది. ఖర్చు గుణకం చక్కటి-ట్యూన్డ్ నియంత్రణకు శక్తివంతమైన ప్రోత్సాహాన్ని సృష్టిస్తుంది.

కాగ్గింగ్ ఫేస్ హూ రీజనింగ్ మోడళ్లను అధ్యయనం చేసే ఇంజనీర్ నాథన్ హబీబ్, ఈ సమస్యను పరిశ్రమ అంతటా స్థానికంగా వర్ణించారు. “తెలివిగా AI ని చూపించడానికి రద్దీలో, కంపెనీలు దృష్టిలో గోరు లేని చోట కూడా సుత్తులు వంటి తార్కిక నమూనాల కోసం చేరుకున్నాయి” అని ఆయన వివరించారు MIT టెక్నాలజీ సమీక్ష.

వ్యర్థాలు కేవలం సైద్ధాంతికం కాదు. సేంద్రీయ కెమిస్ట్రీ సమస్యను పరిష్కరించడానికి ప్రయత్నించినప్పుడు, పునరావృత లూప్‌లో చిక్కుకుపోయి, “వేచి ఉండండి, కానీ…” వందల సార్లు పునరావృతం చేసి, గణన విచ్ఛిన్నం మరియు వినియోగించే ప్రాసెసింగ్ వనరులను ఎలా ఎదుర్కొంటుందో హబీబ్ ప్రదర్శించాడు.

డీప్‌మైండ్ వద్ద జెమిని మోడళ్లను అంచనా వేసే కేట్ ఓల్స్‌జ్యూస్కా, గూగుల్ యొక్క వ్యవస్థలు కొన్నిసార్లు ఇలాంటి సమస్యలను అనుభవిస్తున్నాయని ధృవీకరించారు, ప్రతిస్పందన నాణ్యతను మెరుగుపరచకుండా కంప్యూటింగ్ శక్తిని హరించే ఉచ్చులలో చిక్కుకుపోతారు.

గ్రాన్యులర్ కంట్రోల్ మెకానిజం

గూగుల్ యొక్క AI రీజనింగ్ కంట్రోల్ డెవలపర్‌లకు కొంత ఖచ్చితత్వాన్ని అందిస్తుంది. ఈ వ్యవస్థ సున్నా (కనీస తార్కికం) నుండి 24,576 టోకెన్ల “థింకింగ్ బడ్జెట్” వరకు సౌకర్యవంతమైన స్పెక్ట్రంను అందిస్తుంది – మోడల్ యొక్క అంతర్గత ప్రాసెసింగ్‌ను సూచించే గణన యూనిట్లు. కణిక విధానం నిర్దిష్ట వినియోగ కేసుల ఆధారంగా అనుకూలీకరించిన విస్తరణకు అనుమతిస్తుంది.

డీప్‌మైండ్ వద్ద ప్రధాన పరిశోధనా శాస్త్రవేత్త జాక్ రే, సరైన తార్కిక స్థాయిలను నిర్వచించడం సవాలుగా ఉందని చెప్పారు: “ఆలోచించటానికి ప్రస్తుతం సరైన పని ఏమిటి, సరిహద్దును గీయడం చాలా కష్టం.”

అభివృద్ధి తత్వశాస్త్రం

AI తార్కిక నియంత్రణ పరిచయం కృత్రిమ మేధస్సు ఎలా అభివృద్ధి చెందుతుందో దాని మార్పును సూచిస్తుంది. 2019 నుండి, కంపెనీలు ఎక్కువ పారామితులు మరియు శిక్షణ డేటాతో పెద్ద మోడళ్లను నిర్మించడం ద్వారా మెరుగుదలలను అనుసరించాయి. గూగుల్ యొక్క విధానం స్కేల్ కాకుండా సామర్థ్యంపై దృష్టి సారించే ప్రత్యామ్నాయ మార్గాన్ని సూచిస్తుంది.

“స్కేలింగ్ చట్టాలు భర్తీ చేయబడుతున్నాయి” అని హబీబ్ చెప్పారు, మోడల్ పరిమాణాన్ని నిరంతరం విస్తరించకుండా తార్కిక ప్రక్రియలను ఆప్టిమైజ్ చేయకుండా భవిష్యత్ పురోగతులు ఉద్భవించవచ్చని సూచిస్తుంది.

పర్యావరణ చిక్కులు సమానంగా ముఖ్యమైనవి. తార్కిక నమూనాలు విస్తరిస్తున్నప్పుడు, వాటి శక్తి వినియోగం దామాషా ప్రకారం పెరుగుతుంది. ప్రారంభ శిక్షణా ప్రక్రియ కంటే సాంకేతిక పరిజ్ఞానం యొక్క కార్బన్ పాదముద్రకు ఇప్పుడు ఎక్కువ దోహదం చేస్తుందని పరిశోధన సూచిస్తుంది. గూగుల్ యొక్క రీజనింగ్ కంట్రోల్ మెకానిజం ఈ ధోరణికి సంబంధించిన ఉపశమన కారకాన్ని అందిస్తుంది.

పోటీ డైనమిక్స్

గూగుల్ ఒంటరిగా పనిచేయడం లేదు. ఈ సంవత్సరం ప్రారంభంలో ఉద్భవించిన “ఓపెన్ వెయిట్” డీప్సీక్ ఆర్ 1 మోడల్, తక్కువ ఖర్చుతో శక్తివంతమైన తార్కిక సామర్థ్యాలను ప్రదర్శించింది, ఇది మార్కెట్ అస్థిరతను ప్రేరేపించింది, ఇది దాదాపు ట్రిలియన్ డాలర్ల స్టాక్ మార్కెట్ హెచ్చుతగ్గులకు కారణమైంది.

గూగుల్ యొక్క యాజమాన్య విధానం వలె కాకుండా, డెవలపర్‌లకు స్థానికంగా అమలు చేయడానికి డీప్సీక్ దాని అంతర్గత సెట్టింగ్‌లను బహిరంగంగా అందుబాటులో ఉంచుతుంది.

పోటీ ఉన్నప్పటికీ, గూగుల్ డీప్‌మైండ్ యొక్క చీఫ్ టెక్నికల్ ఆఫీసర్ కోరే కవుకుగ్లు అసాధారణమైన ఖచ్చితత్వం అవసరమయ్యే ప్రత్యేకమైన డొమైన్లలో యాజమాన్య నమూనాలు ప్రయోజనాలను నిర్వహిస్తాయని పేర్కొన్నాడు: “కోడింగ్, గణితం మరియు ఫైనాన్స్ అనేది మోడల్ నుండి చాలా ఖచ్చితమైనదిగా ఉండటానికి, మరియు నిజంగా సంక్లిష్టమైన ప్రదేశాలను అర్థం చేసుకోగలిగే సందర్భాలు.”

పరిశ్రమ పరిపక్వ సంకేతాలు

AI రీజనింగ్ కంట్రోల్ యొక్క అభివృద్ధి ఇప్పుడు సాంకేతిక బెంచ్‌మార్క్‌లకు మించి ఆచరణాత్మక పరిమితులను ఎదుర్కొంటున్న పరిశ్రమను ప్రతిబింబిస్తుంది. కంపెనీలు తార్కిక సామర్థ్యాలను ముందుకు నెట్టడం కొనసాగిస్తుండగా, గూగుల్ యొక్క విధానం ఒక ముఖ్యమైన వాస్తవికతను అంగీకరిస్తుంది: వాణిజ్య అనువర్తనాల్లో ముడి పనితీరు ఉన్నంతవరకు సామర్థ్యం ముఖ్యమైనది.

ఈ లక్షణం సాంకేతిక పురోగతి మరియు సుస్థిరత ఆందోళనల మధ్య ఉద్రిక్తతలను కూడా హైలైట్ చేస్తుంది. లీడర్‌బోర్డులు ట్రాకింగ్ రీజనింగ్ మోడల్ పనితీరును చూపిస్తుంది, ఒకే పనులు పూర్తి చేయడానికి $ 200 పైకి ఖర్చవుతాయి – ఉత్పత్తి పరిసరాలలో ఇటువంటి సామర్థ్యాలను స్కేలింగ్ చేయడం గురించి ప్రశ్నలు లేవనెత్తుతాయి.

డెవలపర్‌లను వాస్తవ అవసరం ఆధారంగా డయల్ చేయడానికి లేదా క్రిందికి డయల్ చేయడానికి అనుమతించడం ద్వారా, గూగుల్ AI విస్తరణ యొక్క ఆర్థిక మరియు పర్యావరణ అంశాలను పరిష్కరిస్తుంది.

“తార్కికం అనేది తెలివితేటలను నిర్మించే కీలకమైన సామర్ధ్యం” అని కవుకుకుగ్లు పేర్కొన్నాడు. “మోడల్ ఆలోచించడం ప్రారంభించిన క్షణం, మోడల్ యొక్క ఏజెన్సీ ప్రారంభమైంది.” ఈ ప్రకటన వాగ్దానం మరియు తార్కిక నమూనాల సవాలు రెండింటినీ వెల్లడిస్తుంది – వారి స్వయంప్రతిపత్తి అవకాశాలు మరియు వనరుల నిర్వహణ సవాళ్లు రెండింటినీ సృష్టిస్తుంది.

AI పరిష్కారాలను అమలు చేసే సంస్థల కోసం, కార్యాచరణ క్రమశిక్షణను కొనసాగిస్తూ రీజనింగ్ బడ్జెట్‌లను చక్కగా ట్యూన్ చేసే సామర్థ్యం అధునాతన సామర్థ్యాలకు ప్రాప్యతను ప్రజాస్వామ్యం చేస్తుంది.

గూగుల్ జెమిని 2.5 ఫ్లాష్ “ఖర్చు మరియు పరిమాణంలో కొంత భాగానికి పోల్చదగిన కొలమానాలను ఇతర ప్రముఖ మోడళ్లకు అందిస్తుంది” అని పేర్కొంది – నిర్దిష్ట అనువర్తనాల కోసం తార్కిక వనరులను ఆప్టిమైజ్ చేసే సామర్థ్యం ద్వారా బలోపేతం చేయబడిన విలువ ప్రతిపాదన.

ఆచరణాత్మక చిక్కులు

AI రీజనింగ్ కంట్రోల్ ఫీచర్ తక్షణ ఆచరణాత్మక అనువర్తనాలను కలిగి ఉంది. వాణిజ్య అనువర్తనాలను నిర్మించే డెవలపర్లు ఇప్పుడు ప్రాసెసింగ్ లోతు మరియు కార్యాచరణ ఖర్చుల మధ్య సమాచార ట్రేడ్-ఆఫ్‌లను చేయవచ్చు.

ప్రాథమిక కస్టమర్ ప్రశ్నలు వంటి సాధారణ అనువర్తనాల కోసం, మోడల్ యొక్క సామర్థ్యాలను ఉపయోగిస్తున్నప్పుడు కనీస తార్కిక సెట్టింగులు వనరులను సంరక్షిస్తాయి. లోతైన అవగాహన అవసరమయ్యే సంక్లిష్ట విశ్లేషణ కోసం, పూర్తి తార్కిక సామర్థ్యం అందుబాటులో ఉంది.

గూగుల్ యొక్క తార్కికం ‘డయల్’ పనితీరు ప్రమాణాలను కొనసాగిస్తూ ఖర్చు నిశ్చయతను స్థాపించడానికి ఒక యంత్రాంగాన్ని అందిస్తుంది.

ఇవి కూడా చూడండి: జెమిని 2.5: గూగుల్ ఈ రోజు వరకు దాని ‘అత్యంత తెలివైన’ AI మోడల్‌ను కుక్స్ చేస్తుంది

పరిశ్రమ నాయకుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & పెద్ద డేటా ఎక్స్‌పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లలో జరుగుతోంది. సమగ్ర సంఘటనతో సహా ఇతర ప్రముఖ సంఘటనలతో సహ-స్థాపించబడింది ఇంటెలిజెంట్ ఆటోమేషన్ కాన్ఫరెన్స్, బ్లాక్ఎక్స్, డిజిటల్ ట్రాన్స్ఫర్మేషన్ వీక్మరియు సైబర్ సెక్యూరిటీ & క్లౌడ్ ఎక్స్‌పో.

టెక్ఫోర్జ్ చేత శక్తినిచ్చే ఇతర రాబోయే ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్స్ మరియు వెబ్‌నార్లను అన్వేషించండి ఇక్కడ.