OpenAI এবং Anthropic-এর আসন্ন বুদবুদ (Bubble) সম্পর্কে সতর্ক করলেন Yann LeCun

Meta AI-এর প্রধান বিজ্ঞানী Yann LeCun বর্তমান জেনারেটিভ AI (generative AI) জগতের অর্থনৈতিক স্থায়িত্ব সম্পর্কে একটি কঠোর সতর্কতা জারি করেছেন। সম্প্রতি CNBC-এর সাথে একটি আলোচনায় LeCun ইঙ্গিত দিয়েছেন যে, টেকসই নয় এমন ব্যয় কাঠামোর কারণে OpenAI এবং Anthropic-এর মতো শীর্ষস্থানীয় ল্যাবগুলো একটি "বিশাল বুদবুদ বিস্ফোরণ" (big bubble explosion)-এর দিকে এগিয়ে যাচ্ছে।

জেনারেটিভ AI-তে অর্থনৈতিক বিচ্ছিন্নতা

LeCun-এর যুক্তির মূল ভিত্তি হলো Large Language Models (LLMs) পরিচালনার ক্রমবর্ধমান ব্যয় এবং গ্রাহকদের জন্য উপলব্ধ মূল্য নির্ধারণের মডেলের মধ্যে বাড়তে থাকা ব্যবধান। যদিও ফ্রন্টিয়ার মডেলগুলো (frontier models) প্রশিক্ষণ এবং চালানোর জন্য প্রয়োজনীয় কম্পিউটেশনাল পাওয়ার বহুগুণ হারে বাড়ছে, তবুও পরিচালনার খরচ সেই অনুপাতে কমছে না।

এই অর্থনৈতিক ঘর্ষণ এমন একটি পরিস্থিতি তৈরি করছে যেখানে AI কোম্পানিগুলো প্রতিটি কুয়েরির (query) মাধ্যমে কার্যত লোকসান করছে, এবং বিনিয়োগকারীদের বিশাল মূলধন বাস্তব ব্যবহারের জন্য একটি ভর্তুকি হিসেবে কাজ করছে। OpenAI-এর CEO Sam Altman-ও এই একই মনোভাব পোষণ করেছেন, যিনি সম্প্রতি ব্যবসার জন্য AI-এর উচ্চ ব্যয়কে একটি "বিরাট সমস্যা" হিসেবে চিহ্নিত করেছেন। উল্লেখযোগ্য পরিবর্তন না এলে—তা হয় ব্যাপক ব্যয় হ্রাস বা পরিষেবার মূল্য বৃদ্ধির মাধ্যমেই হোক—LLM প্রদানকারীদের বর্তমান ব্যবসায়িক মডেলটি অত্যন্ত ঝুঁকিপূর্ণ থেকে যাবে।

xAI-এর সমালোচনা এবং মেধাবীদের লড়াই (Talent War)

LeCun তাঁর সমালোচনা কেবল শিল্পের জায়ান্টদের মধ্যেই সীমাবদ্ধ রাখেননি, তিনি Elon Musk-এর xAI-কেও লক্ষ্যবস্তু করেছেন। স্টার্টআপটিকে "এক ধরণের ব্যর্থতা" হিসেবে বর্ণনা করে LeCun অভ্যন্তরীণ অস্থিরতার দিকে ইঙ্গিত করেছেন; বিশেষ করে তিনি উল্লেখ করেছেন যে প্রতিষ্ঠাতা দল চলে গেছে এবং Musk শীর্ষস্থানীয় ইঞ্জিনিয়ারিং প্রতিভা নিয়োগ করতে ক্রমবর্ধমান সমস্যার সম্মুখীন হচ্ছেন।

LeCun সংশয় প্রকাশ করেছেন যে xAI, OpenAI বা Anthropic-এর গবেষণার গতি এবং স্কেলের সাথে কার্যকরভাবে প্রতিযোগিতা করতে পারবে কি না। এই সমালোচনাটি শিল্পে ক্রমবর্ধমান উত্তেজনার বিষয়টি তুলে ধরে: যদিও পুঁজি প্রচুর পরিমাণে রয়েছে, তবুও অভিজাত প্রতিভা এবং বিশেষায়িত দক্ষতার কেন্দ্রীভূতকরণ ফ্রন্টিয়ার মডেল উন্নয়নের ক্ষেত্রে প্রধান বাধা হয়ে দাঁড়াচ্ছে।

World Models বনাম Large Language Models

এই সতর্কতা LeCun-এর নিজস্ব প্রযুক্তিগত দর্শনের একটি গুরুত্বপূর্ণ মুহূর্তে এসেছে। বাজারের আধিপত্য বিস্তারকারী ট্রান্সফরমার-ভিত্তিক (transformer-based) LLM আর্কিটেকচারের ওপর জোর দেওয়ার পরিবর্তে, LeCun "world models"-এর উন্নয়নে সমর্থন দিচ্ছেন। এগুলো এমন সিস্টেম যা কেবল একটি সিকোয়েন্সের পরবর্তী টোকেন (token) অনুমান করার পরিবর্তে ভৌত বাস্তবতা এবং কার্যকারণ সম্পর্কের (cause-and-effect) একটি মৌলিক ধারণা তৈরি করার জন্য ডিজাইন করা হয়েছে।

তাঁর উদ্যোগ, AMI Labs, সম্প্রতি এই নির্দিষ্ট লক্ষ্যটি অনুসরণ করার জন্য ১ বিলিয়ন ডলার সংগ্রহ করেছে। এটি AI প্রেক্ষাপটে একটি কৌশলগত ভিন্নতা নির্দেশ করে: যেখানে "LLM ক্যাম্প" স্কেল এবং কম্পিউট দক্ষতার জন্য লড়াই করছে, সেখানে "world model ক্যাম্প" সেই রিজনিং (reasoning) এবং এমবডিমেন্ট (embodiment) সংক্রান্ত সমস্যাগুলো সমাধান করতে চাইছে যা বর্তমান জেনারেটিভ মডেলগুলো এখনও আয়ত্ত করতে হিমশিম খাচ্ছে। যদি LLM বাবল (bubble) ফেটে যায়, তবে এটি এই ধরণের আরও স্থাপত্যগতভাবে বৈচিত্র্যময় পদ্ধতির দিকে বিশাল মূলধন পুনর্নির্ধারণের সূচনা করতে পারে।

মূল বিষয়াবলি

  • অর্থনৈতিক ভঙ্গুরতা: শীর্ষস্থানীয় AI ল্যাবগুলো বর্তমানে উচ্চ পরিচালন ব্যয় এবং বাজারের উপযোগী মূল্যের মধ্যে ব্যবধান পূরণের জন্য বিনিয়োগকারীদের ভর্তুকির ওপর নির্ভর করছে।
  • কৌশলগত ভিন্নতা: LLM-এর স্কেলিং এবং 'world models'-এর অন্বেষণের মধ্যে একটি ক্রমবর্ধমান প্রযুক্তিগত বিভাজন দেখা দিচ্ছে, যার লক্ষ্য হলো প্রকৃত ভৌত উপলব্ধি (physical understanding) অর্জন করা।
  • প্রতিভা সংগ্রহের প্রতিবন্ধকতা: শীর্ষস্থানীয় গবেষকদের নিয়োগ এবং ধরে রাখার ক্ষমতা কোম্পানির টিকে থাকার জন্য বিশাল কম্পিউট ক্লাস্টারের অ্যাক্সেসের মতোই গুরুত্বপূর্ণ হয়ে উঠছে।