12 మంది ఉద్యోగులను కలిగి ఉన్న కంపెనీకి స్టార్టప్ ఫండింగ్లో బిలియన్ డాలర్లు పెట్టుబడిదారులకు ఇప్పటికీ AIపై విశ్వాసం ఉందనడానికి సూచన. కానీ ప్రశ్నార్థకమైన స్టార్టప్ వ్యవస్థాపకుడు – AMI ల్యాబ్స్ యొక్క Yann LeCun – మేము ప్రస్తుతం AI (పెద్ద భాషా నమూనాలు) అని పిలుస్తున్న సాంకేతికత జాతి అర్థవంతమైన మరియు దీర్ఘకాలిక ఫలితాలను అభివృద్ధి చేసే మార్గం కాదని అభిప్రాయపడ్డారు.
Yann LeCun గత ఏడాది చివర్లో మెటాలో చీఫ్ AI శాస్త్రవేత్తగా తన పదవిని విడిచిపెట్టి, స్థాపించారు అధునాతన మెషిన్ ఇంటెలిజెన్స్ ల్యాబ్స్ (AMI ల్యాబ్స్) ఇది ఐదేళ్లపాటు విక్రయించదగిన ఉత్పత్తిని ఉత్పత్తి చేయని పరిశోధనా సంస్థగా మిగిలిపోతుందని ఆయన నొక్కి చెప్పారు. AMI ల్యాబ్స్లోని బృందం భారీ, సాధారణ-ప్రయోజన భాష-ఆధారిత మోడల్లపై దృష్టి సారించింది, కానీ AIలు మాడ్యులర్ భాగాల సేకరణలను కలిగి ఉంటాయి, ఇవి నిర్దిష్ట వినియోగ-కేసుల కోసం శిక్షణ పొందాయి మరియు ఆపరేట్ చేయబడతాయి.
LeCun యొక్క కృత్రిమ మేధస్సు యొక్క ప్రతిపాదిత వ్యవస్థ క్రింది రకాల మూలకాలను కలిగి ఉంటుంది:
- AI పనిచేసే డొమైన్కు ప్రత్యేకమైన ప్రపంచ నమూనా. ఇది పరిశ్రమ-నిర్దిష్టమైనది కావచ్చు లేదా బహుశా పాత్ర-నిర్దిష్టమైనది కావచ్చు,
- క్లాసికల్ రీన్ఫోర్స్మెంట్ లెర్నింగ్ ఆధారంగా తదుపరి దశలను ప్రతిపాదించే నటుడు,
- ప్రపంచ నమూనా నుండి తీసుకోబడిన మరియు స్వల్పకాలిక జ్ఞాపకశక్తి ఆధారంగా విభిన్న ఎంపికలను విశ్లేషించే విమర్శకుడు మరియు హార్డ్-కోడెడ్ నియమాల ప్రకారం ప్రతిపాదిత దశలను అంచనా వేస్తాడు,
- AI యొక్క వినియోగానికి నిర్దిష్టంగా ఉండే ఒక అవగాహన వ్యవస్థ: వీడియో లేదా ఆడియో డేటా, టెక్స్ట్, ఇమేజ్లు మరియు ఇతరాలను ఉపయోగించడం, ఉదాహరణకు, లోతైన అభ్యాస దృష్టి గుర్తింపు అల్గారిథమ్లు,
- స్వల్పకాలిక జ్ఞాపకశక్తి,
- పైన పేర్కొన్న ప్రతి వాటి మధ్య సమాచార కదలికను ఆర్కెస్ట్రేట్ చేసే కాన్ఫిగరేటర్.
ఒకే ఒక సమాచార మూలం (ఇంటర్నెట్ నుండి స్క్రాప్ చేయబడిన వచనం)పై శిక్షణ పొందిన పెద్ద భాషా నమూనాల వలె కాకుండా, LeCun యొక్క AI యొక్క ప్రతి సందర్భం వాటి పర్యావరణం మరియు ప్రయోజనానికి మాత్రమే సంబంధించిన నిర్దేశిత డేటా ఇవ్వబడుతుంది. ప్రతి సంస్కరణలో, ప్రతి మాడ్యూల్ యొక్క ప్రాముఖ్యత భిన్నంగా సెట్ చేయబడవచ్చు. ఉదాహరణకు, సున్నితమైన సమాచారంతో పనిచేసే ప్రాంతాలలో విమర్శకుల మాడ్యూల్ మరింత సమగ్రంగా ఉంటుంది లేదా వాస్తవ-ప్రపంచ సంఘటనలకు త్వరగా ప్రతిస్పందించాల్సిన సిస్టమ్లలో అవగాహన మాడ్యూల్ ప్రధానమైనది.
ప్రతి మాడ్యూల్ AI యొక్క నిర్దిష్ట ఫీల్డ్కు సంబంధించిన మార్గాల్లో శిక్షణ పొందుతుంది. ఉదాహరణకు, వీడియో లేదా బోర్డ్ గేమ్ని ఎలా ఆడాలో నేర్పించగలిగే మెషిన్-లెర్నింగ్ సిస్టమ్ల వంటి అనేక విజయవంతమైన ఉదాహరణలు గతంలో ఉన్నాయి. ఇవి AI గురించి మాట్లాడేటప్పుడు మనం ప్రస్తుతం మాట్లాడే వాటిలో చాలా వరకు పెద్ద భాషా నమూనాలకు విరుద్ధంగా ఉన్నాయి.
LLMలు సాధారణవాదులుగా శిక్షణ పొందారు, వారు తీసుకున్న వాటి ఆధారంగా ఉత్తమంగా అంచనా వేసే సమాధానాలను రూపొందించారు, సాఫ్ట్వేర్ రేపర్ల ద్వారా ప్రాంప్ట్ ఇంజినీరింగ్ ద్వారా (క్లాడ్ కోడ్ ఇటీవల బాగా ప్రసిద్ధి చెందింది) లేదా రీజనింగ్ మోడల్ల ద్వారా లోతైన స్థాయిలో ట్వీకింగ్కు లోబడి ఉంటాయి (అంతిమ ప్రతిస్పందనల యొక్క ‘బిగ్గరగా ఆలోచించడం’ భాగం. వినియోగదారు సమాధానాలను తిరిగి ఇవ్వడానికి ముందు)
AMI ల్యాబ్స్ ప్రతిపాదించిన పద్ధతుల ద్వారా ఉత్పత్తి చేయబడిన AIల యొక్క ఆర్థిక చిక్కులు ప్రస్తుత AI పరిశ్రమకు ఆసక్తికరంగా ఉంటాయి – Yann LeCun ఆలోచనలు ఫలవంతమైన మరియు ఆచరణీయ ఫలితాలను ఇస్తాయని ఊహిస్తే. పెద్ద టెక్నాలజీ ప్రొవైడర్ల (ఆంత్రోపిక్, మెటా, ఓపెన్ఏఐ, గూగుల్ మరియు ఇతరులు) నుండి పెద్ద భాషా నమూనాలు గత ఐదేళ్లలో ప్రతి పునరావృతంతో ఎక్కువ వనరులను వినియోగించుకున్నాయి. ప్రారంభ-దశ మోడల్ పరిమాణ పెరుగుదలతో పాటు, వారి తదుపరి సంస్కరణల నుండి అవుట్పుట్లను మెరుగుపరచడానికి అవసరమైన పునరావృత ప్రాంప్టింగ్ అంటే పెద్ద మోడళ్లకు శిక్షణ ఇవ్వడం మరియు నడపడం చాలా ఖరీదైనది, మరియు భారీ సంస్థలు మాత్రమే ఆర్థిక నష్టంతో వాటిని అమలు చేయగలవు.
AMI ల్యాబ్స్ ప్రతిపాదిత సొల్యూషన్లోని చిన్న, ఫోకస్డ్ మాడ్యూల్లు ప్రస్తుతం జెయింట్ LLMలకు లేదా ఆన్-డివైస్కు అవసరమైన GPU పవర్లో కొంత భాగంతో అమలు చేయబడతాయి. ChatGPT ఉపయోగించే వందల బిలియన్ల పారామీటర్ల మోడల్లకు బదులుగా, ఉదాహరణకు, స్పెషలిస్ట్ మోడల్లకు – సాధారణవాదులు కానవసరం లేదు – కొన్ని వందల మిలియన్ పారామీటర్లు మాత్రమే అవసరం. ఇది మరియు కంప్యూటింగ్ ఖర్చు సాధారణంగా తగ్గుతుందనే భావన, స్థానికంగా, చౌకగా మరియు అంతర్లీనంగా మరింత ఖచ్చితమైన AI కేవలం ఒక చిన్న అడుగు దూరంలో ఉండవచ్చు.
సాంకేతికత యొక్క ఇటీవలి చరిత్రలో అపారమైన ఆర్థిక మద్దతును పొందే కొత్త ఆలోచనతో స్టార్టప్ కొత్తదేమీ కాదు. కానీ LeCun యొక్క వ్యూహంలో కనీసం భాగమైనా, ప్రస్తుత పెద్ద భాషా నమూనాలు వాటి సృష్టికర్తలు చేసిన ఆకాంక్షాత్మక వాదనలను గ్రహించేంతగా గణనీయంగా మెరుగుపడలేవని అతని నమ్మకంపై ఆధారపడి ఉంది. AMI ల్యాబ్స్ పెట్టుబడిదారులకు ప్రస్తుత కట్టుబాటు నుండి భిన్నమైన నిర్మాణాన్ని ఉపయోగించి, సమీప భవిష్యత్తులో నిర్వహించదగిన ఖర్చుతో ఏదో ఒక దశలో AI విజయవంతంగా పని చేయగల మార్గాన్ని అందిస్తున్నట్లు కనిపిస్తోంది. ఇది నేటి AI బెహెమోత్ల నుండి ప్రస్తుతం టేబుల్పై ఉన్న దానికంటే భిన్నమైన ప్రతిపాదన, కానీ భవిష్యత్ సంభావ్యత యొక్క సందేశం సమానంగా ఉంటుంది.
(చిత్ర మూలం: సైడ్హైక్ ద్వారా “మాడ్యులర్ నిర్మాణంపై దృక్పథం” CC BY-NC-SA 2.0 ప్రకారం లైసెన్స్ పొందింది.)
పరిశ్రమ ప్రముఖుల నుండి AI మరియు పెద్ద డేటా గురించి మరింత తెలుసుకోవాలనుకుంటున్నారా? తనిఖీ చేయండి AI & బిగ్ డేటా ఎక్స్పో ఆమ్స్టర్డామ్, కాలిఫోర్నియా మరియు లండన్లో జరుగుతున్నాయి. సమగ్ర కార్యక్రమం ఇందులో భాగమే టెక్ఎక్స్ మరియు ఇతర ప్రముఖ సాంకేతిక ఈవెంట్లతో కలిసి ఉంది. క్లిక్ చేయండి ఇక్కడ మరింత సమాచారం కోసం.
AI వార్తలు ఆధారితం టెక్ఫోర్జ్ మీడియా. రాబోయే ఇతర ఎంటర్ప్రైజ్ టెక్నాలజీ ఈవెంట్లు మరియు వెబ్నార్లను అన్వేషించండి ఇక్కడ.
