AI ಉದ್ಯಮವು "AGI" ಮತ್ತು "superintelligence" ಎಂಬ ಪದಗಳಿಗೆ ಲೇಬಲ್ ಹಾಕಲು ಪೈಪೋಟಿ ನಡೆಸುತ್ತಿರುವಾಗ, AMI Labs ವಿಭಿನ್ನ ಹಾದಿಯನ್ನು ತುಳಿಯುತ್ತಿದೆ. ಟ್ಯೂರಿಂಗ್ ಅವಾರ್ಡ್ ವಿಜೇತ Yann LeCun ಅವರೊಂದಿಗೆ ಈ ಸ್ಟಾರ್ಟ್‌ಅಪ್ ಅನ್ನು ಸಹ-ಸ್ಥಾಪಿಸಿದ CEO Alexandre LeBrun, ಬರೀ ಶಬ್ದಗಳ ಹಿಂದೆ ಹೋಗದೆ, ಆಧುನಿಕ AI ನಲ್ಲಿನ ಕೊರತೆಯಾದ "physical intuition" (ಭೌತಿಕ ಅಂತಃಪ್ರಜ್ಞೆ) ಮೇಲೆ ಗಮನ ಹರಿಸುತ್ತಿದ್ದಾರೆ.

AGI ನ ಅರ್ಥದ ಬಲೆಯಿಂದ ಹೊರಬರುವುದು

ಸಿಯೌಲ್‌ನಲ್ಲಿ ನಡೆದ International Conference on Machine Learning ನಲ್ಲಿ, LeBrun ಮಾತನಾಡಿ, AMI Labs "AGI" ಅಥವಾ "superintelligence" ನಂತಹ ಪದಗಳನ್ನು ಬಳಸಲು ನಿರಾಕರಿಸುತ್ತದೆ ಎಂದು ಹೇಳಿದರು. "ಇದಕ್ಕೆ ಸರಿಯಾದ ವ್ಯಾಖ್ಯಾನವಿಲ್ಲ. superintelligence ಅಂದರೆ ಏನು? ನನಗೆ ಗೊತ್ತಿಲ್ಲ. ಇದು ಅಷ್ಟೇನೂ ಉಪಯುಕ್ತವಲ್ಲದ ಪದ," ಎಂದು ಹೇಳಿದ ಅವರು, ಉದ್ಯಮವು ಕೇವಲ ಹೈಪ್ (hype) ಉಳಿಸಿಕೊಳ್ಳಲು ಲೇಬಲ್‌ಗಳನ್ನು ಬದಲಿಸುತ್ತಿದೆ ಎಂದು ತಿಳಿಸಿದರು.

ಸೈದ್ಧಾಂತಿಕ ಪ್ರಜ್ಞೆಯನ್ನು (theoretical consciousness) ಬೆನ್ನಟ್ಟುವ ಬದಲು, AMI Labs "world models" ಅನ್ನು ನಿರ್ಮಿಸುತ್ತದೆ—ಅಂದರೆ ಭೌತಶಾಸ್ತ್ರದ ನಿಯಮಗಳನ್ನು ಕಲಿಯುವ ಮತ್ತು ಪ್ರಪಂಚದ ಮುಂದಿನ ಸ್ಥಿತಿಯನ್ನು ಊಹಿಸುವ ವ್ಯವಸ್ಥೆಗಳು. ಒಂದು Large Language Model ಮುಂದಿನ ಪದವನ್ನು ಊಹಿಸಿದರೆ; world model ಒಂದು ಮೇಜಿನ ಮೇಲಿರುವ ಗ್ಲಾಸ್ ಅನ್ನು ತಳ್ಳಿದರೆ ಅದು ಉರುಳಿ ಬಿದ್ದು ಚೆಲ್ಲುತ್ತದೆ ಎಂಬ ವಿಷಯವನ್ನು ತಿಳಿದಿರುತ್ತದೆ.

ರೋಬೊಟಿಕ್ಸ್‌ನಲ್ಲಿ ಕಾಣದ "ಮೆದುಳು"

ರೋಬೊಟಿಕ್ಸ್‌ನಲ್ಲಿ ಹಾರ್ಡ್‌ವೇರ್ ವೇಗವಾಗಿ ಬೆಳೆದಿದ್ದರೂ, ಸಾಫ್ಟ್‌ವೇರ್ ಇಂದಿಗೂ "ಭೌತಿಕ ಜಗತ್ತಿನಲ್ಲಿ ತುಂಬಾ ದಡ್ಡವಾಗಿ" ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ ಎಂದು LeBrun ಬೆಟ್ಟು ಮಾಡುತ್ತಾರೆ. ಹೆಚ್ಚಿನ ರೋಬೊಟ್‌ಗಳು ಸ್ಥಿರವಾದ ದಿನಚರಿಗಳನ್ನು (static routines) ಅನುಸರಿಸುತ್ತವೆ ಮತ್ತು ಮನೆಗಳಲ್ಲಿ ಅಥವಾ ಜನನಿಬಿಡ ರಸ್ತೆಗಳಲ್ಲಿ ಎಡವುತ್ತವೆ.

ಅವರು LLM ಗಳನ್ನು ಮತ್ತು world models ಅನ್ನು ಪ್ರತಿಸ್ಪರ್ಧಿಗಳಾಗಿ ನೋಡದೆ, ಪಾಲುದಾರರನ್ನಾಗಿ ನೋಡುತ್ತಾರೆ. ಮಾನವ ಮೆದುಳು ಭಾಷೆಯನ್ನು ತರ್ಕದಿಂದ (reasoning) ಪ್ರತ್ಯೇಕಿಸುವಂತೆ, LLM ಗಳು ಪಠ್ಯದಲ್ಲಿ (text) ಪರಿಣತಿ ಹೊಂದಿದ್ದರೆ, world models ಭೌತಿಕ ಸಂವಹನಕ್ಕೆ ಅಗತ್ಯವಾದ ಸಂದರ್ಭವನ್ನು (context) ಒದಗಿಸುತ್ತವೆ. ಈ ಸಂದರ್ಭವು ಸುರಕ್ಷತೆಗೆ ಬಹಳ ಮುಖ್ಯ—ಉದಾಹರಣೆಗೆ, ಸಂಕೀರ್ಣ ಚಲನೆಯ ಸಮಯದಲ್ಲಿ ರೋಬೋಟ್ ಮನುಷ್ಯರಿಗೆ ತೊಂದರೆ ನೀಡದಂತೆ ಇದು ತಡೆಯಬಲ್ಲದು.

ಕೈಗಾರಿಕಾ ಪಾಲುದಾರಿಕೆಗಳ ಮೂಲಕ ವಿಸ್ತರಣೆ

AMI Labs ಇನ್ನೂ ಉತ್ಪನ್ನವನ್ನು ಬಿಡುಗಡೆ ಮಾಡುವ ಹಂತದಲ್ಲಿದ್ದು ($pre-product$), $3.5 billion$ ರ ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ $1.03 billion$ ಡಾಲರ್‌ಗಳನ್ನು ಸಂಗ್ರಹಿಸಿದೆ. World models ಗಳಿಗೆ ನೈಜ ಪ್ರಪಂಚದ ಡೇಟಾ ಬೇಕಾಗಿರುವುದರಿಂದ, ಕಂಪನಿಯು ಸಂಕೀರ್ಣವಾದ ಪರಿಸರಗಳನ್ನು ತೆರೆಯಬಲ್ಲ ಕೈಗಾರಿಕಾ ಪಾಲುದಾರರ ಹುಡುಕಾಟದಲ್ಲಿದೆ.

ದಕ್ಷಿಣ ಕೊರಿಯಾ ಒಂದು ಕೇಂದ್ರವಾಗಿ (hub) ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಸೂಕ್ತವಾಗಿದೆ ಎಂದು LeBrun ಹೇಳುತ್ತಾರೆ: ಅಲ್ಲಿನ ಸೆಮಿಕಂಡಕ್ಟರ್, ರೋಬೊಟಿಕ್ಸ್ ಮತ್ತು ಉತ್ಪಾದನಾ ವಲಯಗಳು ವಿಶ್ವದರ್ಜೆಯಾಗಿವೆ. "hardware-heavy" ಕೈಗಾರಿಕೆಗಳೊಂದಿಗೆ ಕೈಜೋಡಿಸುವ ಮೂಲಕ, AMI Labs ತನ್ನ ಮಾಡೆಲ್‌ಗಳನ್ನು LLM ಗಳಿಗೆ ಸಿಗದ ಗೊಂದಲಮಯ ವಾಸ್ತವದ ಮೇಲೆ ತರಬೇತಿಗೊಳಿಸಬಹುದು.

ಇದು ಏಕೆ ಮುಖ್ಯ?

ಜನರೇಟಿವ್ ಟೆಕ್ಸ್ಟ್‌ನಿಂದ ಭೌತಿಕ ಬುದ್ಧಿಮತ್ತೆಯತ್ತ (physical intelligence) ಆಗುತ್ತಿರುವ ಬದಲಾವಣೆಯು AI ನ ಮುಂದಿನ ಮೈಲಿಗಲ್ಲಾಗಿದೆ. ಮೊದಲ ಅಲೆ ಜ್ಞಾನವನ್ನು ಡಿಜಿಟಲೀಕರಣಗೊಳಿಸಿತು; world models ನಿಂದ ಚಾಲಿತವಾಗುವ ಮುಂದಿನ ಅಲೆ ಭೌತಿಕ ಸಂವಹನವನ್ನು ಡಿಜಿಟಲೀಕರಣಗೊಳಿಸುತ್ತದೆ. ಡೆವಲಪರ್‌ಗಳು ಮತ್ತು ಸಂಸ್ಥಾಪಕರು ಕವಿತೆ ರಚನೆಯಲ್ಲಿ ಅಲ್ಲದೆ, ಕಾರ್ಖಾನೆಗಳು ಮತ್ತು ವಾಸಸ್ಥಳಗಳಲ್ಲಿ ಸುರಕ್ಷಿತ ಹಾಗೂ ಅಂತಃಪ್ರಜ್ಞೆಯ ಸಂಚಲನದಲ್ಲಿ (intuitive navigation) ಮೌಲ್ಯವನ್ನು ಹುಡುಕಬೇಕು.

ಪ್ರಮುಖ ಅಂಶಗಳು

  • World Models vs. LLMs: LLM ಗಳು ಮುಂದಿನ ಟೋಕನ್ ಅನ್ನು ಊಹಿಸುತ್ತವೆ; world models ಮುಂದಿನ ಭೌತಿಕ ಸ್ಥಿತಿಯನ್ನು ಊಹಿಸುತ್ತವೆ, ಇದು ನೈಜ ಕಾರ್ಯಗಳಿಗೆ ಅಗತ್ಯವಾದ ಅಂತಃಪ್ರಜ್ಞೆಯನ್ನು ನೀಡುತ್ತದೆ.
  • ಭೌತಿಕ ಸಂದರ್ಭವು (Physical Context) ನಿರ್ಣಾಯಕ: ಇಂದಿನ AI ಗೆ ಮುಕ್ತ ಪರಿಸರಗಳಲ್ಲಿ ಪರಿಸ್ಥಿತಿಯ ಅರಿವು (situational awareness) ಇಲ್ಲ; world models ಆ ಕೊರತೆಯನ್ನು ನೀಗಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿವೆ.
  • ಕಾರ್ಯತಂತ್ರದ ಕೈಗಾರಿಕಾ ಗಮನ: ಭೌತಿಕ AI ಅನ್ನು ತರಬೇತಿಗೊಳಿಸಲು ಅಗತ್ಯವಿರುವ ಡೇಟಾ ಮತ್ತು ಪಾಲುದಾರಿಕೆಗಳನ್ನು ಸಂಗ್ರಹಿಸಲು AMI Labs ದಕ್ಷಿಣ ಕೊರಿಯಾದಂತಹ ಹಾರ್ಡ್‌ವೇರ್ ಕೇಂದ್ರಿತ ಪ್ರದೇಶಗಳನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡಿದೆ.