OpenAI మరియు ఇతర ప్రముఖ AI కంపెనీలు ప్రస్తుత పద్ధతుల పరిమితులను అధిగమించడానికి కొత్త శిక్షణా పద్ధతులను అభివృద్ధి చేస్తున్నాయి. పెద్ద, మరింత శక్తివంతమైన భాషా నమూనాల అభివృద్ధిలో ఊహించని జాప్యాలు మరియు సంక్లిష్టతలను పరిష్కరిస్తూ, ఈ తాజా పద్ధతులు ‘ఆలోచించడానికి’ అల్గారిథమ్లను నేర్పడానికి మానవ-వంటి ప్రవర్తనపై దృష్టి పెడతాయి.
డజను మంది AI పరిశోధకులు, శాస్త్రవేత్తలు మరియు పెట్టుబడిదారుల నేతృత్వంలో నివేదించబడిన, కొత్త శిక్షణా పద్ధతులు, ఇది OpenAI యొక్క ఇటీవలి కాలానికి మద్దతు ఇస్తుంది ‘o1’ మోడల్ (గతంలో Q* మరియు స్ట్రాబెర్రీ), AI అభివృద్ధి యొక్క ల్యాండ్స్కేప్ను మార్చగల సామర్థ్యాన్ని కలిగి ఉన్నాయి. నివేదించబడిన పురోగతులు AI మోడల్ల అభివృద్ధికి సహాయపడే ప్రత్యేక హార్డ్వేర్ మరియు శక్తితో సహా AI కంపెనీలకు నిరంతరం అవసరమయ్యే వనరుల రకాలు లేదా పరిమాణాలను ప్రభావితం చేయవచ్చు.
మానవ తార్కికం మరియు ఆలోచనలను అనుకరించే విధంగా సమస్యలను చేరుకోవడానికి o1 మోడల్ రూపొందించబడింది, అనేక పనులను దశలుగా విభజించడం. మోడల్ దాని పనితీరును మెరుగుపరచడానికి AI పరిశ్రమలోని నిపుణులు అందించిన ప్రత్యేక డేటా మరియు అభిప్రాయాన్ని కూడా ఉపయోగిస్తుంది.
2022లో OpenAI ద్వారా ChatGPTని ఆవిష్కరించినప్పటి నుండి, AI ఆవిష్కరణలు పెరిగాయి మరియు ఇప్పటికే ఉన్న AI మోడల్లకు విస్తరణ అవసరమని అనేక సాంకేతిక సంస్థలు పేర్కొన్నాయి, అది ఎక్కువ పరిమాణంలో డేటా లేదా మెరుగైన కంప్యూటింగ్ వనరుల ద్వారా కావచ్చు. అప్పుడే AI మోడల్స్ స్థిరంగా మెరుగుపడతాయి.
ఇప్పుడు, AI నిపుణులు AI మోడల్లను స్కేలింగ్ చేయడంలో పరిమితులను నివేదించారు. 2010 లు స్కేలింగ్ కోసం ఒక విప్లవాత్మక కాలం, అయితే AI ల్యాబ్స్ సేఫ్ సూపర్ ఇంటెలిజెన్స్ (SSI) మరియు OpenAI సహ-వ్యవస్థాపకురాలు ఇలియా సట్స్కేవర్ మాట్లాడుతూ, AI నమూనాల శిక్షణ, ముఖ్యంగా భాషా నిర్మాణాలు మరియు నమూనాలను అర్థం చేసుకోవడంలో, సమం చేయబడిందని చెప్పారు.
“2010 లు స్కేలింగ్ యుగం, ఇప్పుడు మనం మరోసారి అద్భుతం మరియు ఆవిష్కరణ యుగంలోకి వచ్చాము. సరైన విషయాన్ని స్కేల్ చేయడం ఇప్పుడు మరింత ముఖ్యమైనది, ”అని వారు చెప్పారు.
ఇటీవలి కాలంలో, AI ల్యాబ్ పరిశోధకులు OpenAI యొక్క GPT-4 మోడల్ కంటే శక్తివంతమైన పెద్ద భాషా నమూనాలను (LLM) అభివృద్ధి చేయడం మరియు విడుదల చేయడంలో ఆలస్యం మరియు సవాళ్లను ఎదుర్కొన్నారు.
మొదటిది, పెద్ద మోడళ్లకు శిక్షణ ఇవ్వడానికి ఖర్చు అవుతుంది, తరచుగా పది లక్షల డాలర్లు ఖర్చు అవుతుంది. మరియు, సిస్టమ్ సంక్లిష్టత కారణంగా హార్డ్వేర్ విఫలమవడం వంటి సమస్యల కారణంగా, ఈ మోడల్లు ఎలా రన్ అవుతాయి అనే తుది విశ్లేషణకు నెలలు పట్టవచ్చు.
ఈ సవాళ్లతో పాటు, శిక్షణ పరుగులకు గణనీయమైన శక్తి అవసరం, తరచుగా విద్యుత్ కొరత ఏర్పడుతుంది, ఇది ప్రక్రియలకు అంతరాయం కలిగిస్తుంది మరియు విస్తృత విద్యుత్ గ్రిడ్పై ప్రభావం చూపుతుంది. మరొక సమస్య ఏమిటంటే, పెద్ద భాషా నమూనాలు ఉపయోగించే డేటా యొక్క భారీ మొత్తం, AI మోడల్లు ప్రపంచవ్యాప్తంగా అందుబాటులో ఉన్న మొత్తం డేటాను ఉపయోగించినట్లు నివేదించబడింది.
శిక్షణ పొందుతున్నప్పుడు లేదా అనుమితి దశల సమయంలో ప్రస్తుత AI మోడల్లను మెరుగుపరచడానికి పరిశోధకులు ‘టెస్ట్-టైమ్ కంప్యూట్’ అనే సాంకేతికతను అన్వేషిస్తున్నారు. ఉత్తమ పరిష్కారాల శ్రేణిని నిర్ణయించడానికి ఈ పద్ధతి నిజ సమయంలో బహుళ సమాధానాల ఉత్పత్తిని కలిగి ఉంటుంది. అందువల్ల, మోడల్ మానవుని వంటి నిర్ణయాధికారం మరియు తార్కికం అవసరమయ్యే కష్టమైన పనులకు ఎక్కువ ప్రాసెసింగ్ వనరులను కేటాయించగలదు. లక్ష్యం – మోడల్ను మరింత ఖచ్చితమైన మరియు సామర్థ్యంగా మార్చడం.
O1 మోడల్ను అభివృద్ధి చేయడంలో సహాయపడిన OpenAI పరిశోధకుడు నోమ్ బ్రౌన్, ఒక కొత్త విధానం ఆశ్చర్యకరమైన ఫలితాలను ఎలా సాధించగలదో ఒక ఉదాహరణను పంచుకున్నారు. గత నెలలో శాన్ ఫ్రాన్సిస్కోలో జరిగిన TED AI కాన్ఫరెన్స్లో, బ్రౌన్ ఇలా వివరించాడు, “పోకర్ చేతిలో కేవలం 20 సెకన్ల పాటు బోట్ ఆలోచించడం మోడల్ను 100,000x పెంచడం మరియు 100,000 రెట్లు ఎక్కువ శిక్షణ ఇవ్వడం వంటి బూస్టింగ్ పనితీరును పొందింది.”
మోడల్ పరిమాణాన్ని మరియు శిక్షణ సమయాన్ని పెంచడం కంటే, AI మోడల్లు సమాచారాన్ని ఎలా ప్రాసెస్ చేస్తాయో మరియు మరింత శక్తివంతమైన, సమర్థవంతమైన సిస్టమ్లకు దారితీసే విధానాన్ని ఇది మార్చగలదు.
ఇతర AI ల్యాబ్లు o1 టెక్నిక్ వెర్షన్లను అభివృద్ధి చేస్తున్నాయని నివేదించబడింది. ఉన్నాయి xAI, Google DeepMindమరియు ఆంత్రోపిక్. AI ప్రపంచంలో పోటీ కొత్తదేమీ కాదు, అయితే కొత్త సాంకేతికతల ఫలితంగా AI హార్డ్వేర్ మార్కెట్పై గణనీయమైన ప్రభావాన్ని మనం చూడవచ్చు. కంపెనీలు ఇష్టపడతాయి ఎన్విడియాప్రస్తుతం AI చిప్ల సరఫరాలో ఆధిపత్యం చెలాయిస్తోంది, ఎందుకంటే వాటి ఉత్పత్తులకు అధిక డిమాండ్ ఉంది, ముఖ్యంగా నవీకరించబడిన AI శిక్షణా పద్ధతులు ప్రభావితం కావచ్చు.
అక్టోబరులో ఎన్విడియా ప్రపంచంలోనే అత్యంత విలువైన కంపెనీగా అవతరించింది మరియు AI శ్రేణులలో దాని చిప్లను ఉపయోగించడం వల్ల అదృష్టాలు పెరగడానికి ఎక్కువగా కారణమని చెప్పవచ్చు. కొత్త సాంకేతికతలు Nvidia యొక్క మార్కెట్ స్థితిని ప్రభావితం చేయవచ్చు, అభివృద్ధి చెందుతున్న AI హార్డ్వేర్ డిమాండ్ను తీర్చడానికి కంపెనీ తన ఉత్పత్తులను స్వీకరించేలా చేస్తుంది. సంభావ్యంగా, ఇది అనుమితి మార్కెట్లో కొత్త పోటీదారులకు మరిన్ని మార్గాలను తెరవగలదు.
AI అభివృద్ధి యొక్క కొత్త యుగం హోరిజోన్లో ఉండవచ్చు, అభివృద్ధి చెందుతున్న హార్డ్వేర్ డిమాండ్లు మరియు o1 మోడల్లో అమలు చేయబడిన మరింత సమర్థవంతమైన శిక్షణా పద్ధతుల ద్వారా నడపబడుతుంది. AI మోడల్స్ మరియు వాటి వెనుక ఉన్న కంపెనీలు రెండింటి భవిష్యత్తును పునర్నిర్మించవచ్చు, అపూర్వమైన అవకాశాలను మరియు ఎక్కువ పోటీని అన్లాక్ చేయవచ్చు.
ఇవి కూడా చూడండి: విపత్తులను నివారించడానికి AI నియంత్రణను ఆంత్రోపిక్ కోరింది
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర ఈవెంట్ సహా ఇతర ప్రముఖ ఈవెంట్లతో సహ-స్థానంలో ఉంది ఇంటెలిజెంట్ ఆటోమేషన్ కాన్ఫరెన్స్, బ్లాక్ ఎక్స్, డిజిటల్ ట్రాన్స్ఫర్మేషన్ వీక్a
