ಸತ್ಯಾ ನದೆಲ್ಲಾ ಎಚ್ಚರಿಕೆ: ಉದ್ಯಮಗಳು AI ಗಾಗಿ ಎರಡು ಬಾರಿ ಪಾವತಿಸುತ್ತಿವೆ
ಮೈಕ್ರೋಸಾಫ್ಟ್ ಸಿಇಒ ಸತ್ಯಾ ನದೆಲ್ಲಾ ಅವರು ವ್ಯವಹಾರಗಳಿಗೆ ಒಂದು ಗಮನಾರ್ಹ ಎಚ್ಚರಿಕೆಯನ್ನು ನೀಡಿದ್ದಾರೆ. ಪ್ರೊಪ್ರೈಟರಿ (proprietary) AI ಅನ್ನು ಬಳಸುವ ಪ್ರಸ್ತುತ ಮಾದರಿಯು ಗುಪ್ತವಾದ ಮತ್ತು ಹೆಚ್ಚಿನ ಅಪಾಯವಿರುವ ವೆಚ್ಚವನ್ನು ಒಳಗೊಂಡಿದೆ ಎಂದು ಅವರು ಎಚ್ಚರಿಸಿದ್ದಾರೆ. ಕೇವಲ ಚಂದಾದಾರಿಕೆ ಶುಲ್ಕಗಳ ಹೊರತಾಗಿ, ಕಂಪನಿಗಳು ಅರಿಯದೇ ತಮ್ಮ ಅತ್ಯಂತ ಅಮೂಲ್ಯವಾದ ಆಸ್ತಿಯಾದ ತಮ್ಮ ಸಾಂಸ್ಥಿಕ ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು (institutional intelligence) ಕಳೆದುಕೊಳ್ಳುತ್ತಿವೆ.
ಗುಪ್ತ ವೆಚ್ಚ: ಪ್ರೊಪ್ರೈಟರಿ ಜ್ಞಾನದ ಮೂಲಕ ಪಾವತಿಸುವುದು
ಇತ್ತೀಚಿನ ಒಂದು ಪ್ರಚೋದನಕಾರಿ ಬ್ಲಾಗ್ ಪೋಸ್ಟ್ನಲ್ಲಿ, AI "ಖರೀದಿದಾರರು" ಮೂಲತಃ ಬುದ್ಧಿವಂತಿಕೆಗಾಗಿ ಎರಡು ಬಾರಿ ಪಾವತಿಸುತ್ತಿದ್ದಾರೆ ಎಂದು ನದೆಲ್ಲಾ ವಾದಿಸಿದ್ದಾರೆ. ಮೊದಲ ಪಾವತಿಯು ಹಣಕಾಸಿನ ರೂಪದಲ್ಲಿದೆ—OpenAI ಮತ್ತು Anthropic ನಂತಹ ಪ್ರಯೋಗಾಲಯಗಳಿಗೆ ಪಾವತಿಸುವ ಟೋಕನ್ಗಳು ಮತ್ತು ಚಂದಾದಾರಿಕೆ ಶುಲ್ಕಗಳು. ಎರಡನೆಯದು, ಮತ್ತು ಅತ್ಯಂತ ಅಪಾಯಕಾರಿ ಪಾವತಿಯೆಂದರೆ, ಮಾಡೆಲ್ಗಳನ್ನು ಉಪಯುಕ್ತವಾಗಿಸಲು ಬಹಿರಂಗಪಡಿಸುವ ಪ್ರೊಪ್ರೈಟರಿ ಜ್ಞಾನ.
ಉದ್ಯಮಗಳು ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಉತ್ತಮಗೊಳಿಸಲು (fine-tune) ಪ್ರಯತ್ನಿಸುವಾಗ, ಅವು ಮಾಡೆಲ್ಗಳಿಗೆ ಸೂಕ್ಷ್ಮ ಡೇಟಾವನ್ನು ನೀಡುತ್ತವೆ ಎಂದು ನದೆಲ್ಲಾ ಎತ್ತಿ ತೋರಿಸಿದ್ದಾರೆ. ಇದಕ್ಕಿಂತ ಮುಖ್ಯವಾಗಿ, ಮಾಡೆಲ್ಗಳು "exhaust"—ಅಂದರೆ ಪ್ರಾಂಪ್ಟ್ಗಳು, ಏಜೆಂಟ್ಗಳು ಬಳಸುವ ನಿರ್ದಿಷ್ಟ ಪರಿಕರಗಳು ಮತ್ತು ಮಾಡೆಲ್ ತಪ್ಪು ಮಾಡಿದಾಗ ಮಾಡುವ ಮಾನವ ತಿದ್ದುಪಡಿಗಳಿಂದ ಕಲಿಯುತ್ತವೆ. ಈ ಫೀಡ್ಬ್ಯಾಕ್ ಲೂಪ್ ಸಾಂಸ್ಥಿಕ ಜ್ಞಾನದ ಸಾರವನ್ನು (distillation) ಸೃಷ್ಟಿಸುತ್ತದೆ, ಇದನ್ನು ಸ್ಪರ್ಧಿಗಳು ಎಂದಿಗೂ ಖರೀದಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ, ಆದರೂ ಇದನ್ನು ನೇರವಾಗಿ ಮಾಡೆಲ್ ಪೂರೈಕೆದಾರರಿಗೆ ನೀಡಲಾಗುತ್ತಿದೆ.
ಡಿಸ್ಟಿಲೇಶನ್ (Distillation) ಚರ್ಚೆ ಮತ್ತು ತರಬೇತಿಯಲ್ಲಿನ ಡಬಲ್ ಸ್ಟ್ಯಾಂಡರ್ಡ್
AI ಕ್ಷೇತ್ರದಲ್ಲಿನ ಪ್ರಮುಖ ಸಂಘರ್ಷವೆಂದರೆ "distillation" ಪರಿಕಲ್ಪನೆ—ಅಂದರೆ ಒಂದು ಮಾಡೆಲ್ನ ಔಟ್ಪುಟ್ಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಹೊಸದಾದ, ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಮಾಡೆಲ್ ಅನ್ನು ತರಬೇತಿಗೊಳಿಸುವ ಅಭ್ಯಾಸ. ಉದ್ಯಮದಲ್ಲಿನ ಒಂದು ಡಬಲ್ ಸ್ಟ್ಯಾಂಡರ್ಡ್ ಅನ್ನು ನದೆಲ್ಲಾ ಎತ್ತಿ ತೋರಿಸಿದ್ದಾರೆ: AI ಪ್ರಯೋಗಾಲಯಗಳು ತಮ್ಮ ಫೌಂಡೇಶನಲ್ ಮಾಡೆಲ್ಗಳನ್ನು ತರಬೇತಿಗೊಳಿಸಲು ಇಡೀ ಇಂಟರ್ನೆಟ್ ಅನ್ನು ಸ್ಕ್ರೇಪ್ ಮಾಡಲು "fair use" ಹಕ್ಕುಗಳನ್ನು ಪ್ರತಿಪಾದಿಸುತ್ತವೆ, ಆದರೆ ಅದೇ ಸಮಯದಲ್ಲಿ ಉದ್ಯಮಗಳು ತಮ್ಮ ಪ್ರೊಪ್ರೈಟರಿ ಮಾಡೆಲ್ಗಳಿಂದ ಕಲಿಯುವುದನ್ನು ಅಥವಾ ಡಿಸ್ಟಿಲ್ ಮಾಡುವುದನ್ನು ತಡೆಯಲು ನಿರ್ಬಂಧಿತ ನಿಯಮಗಳನ್ನು ಹೇರುತ್ತವೆ.
ಈ ಚರ್ಚೆಯು ಕೇವಲ ಸೈದ್ಧಾಂತಿಕವಾದುದಲ್ಲ. ಚೈನೀಸ್ ಓಪನ್-ಸೋರ್ಸ್ ಮಾಡೆಲ್ಗಳು ತಮ್ಮ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸುಧಾರಿಸಲು Claude ನ ಲಕ್ಷಾಂತರ ಪ್ರಾಂಪ್ಟ್ಗಳನ್ನು ಬಳಸುತ್ತಿವೆ ಎಂಬ ಆರೋಪದ ಕುರಿತು Anthropic ನಂತಹ ಉದ್ಯಮದ ಸಂಸ್ಥೆಗಳು ಈ ಹಿಂದೆ ಕಳವಳ ವ್ಯಕ್ತಪಡಿಸಿವೆ, ಇದು ಕಟ್ಟುನಿಟ್ಟಾದ ಸರ್ಕಾರಿ ರಫ್ತು ನಿಯಂತ್ರಣಗಳಿಗಾಗಿ ಆಗ್ರಹಿಸಲು ಪ್ರೇರೇಪಿಸಿದೆ.
ಆರ್ಕಿಸ್ಟ್ರೇಶನ್ (Orchestration) ಮತ್ತು ಆನ್-ಪ್ರೆಮಿಸ್ (On-Premise) ಮಾಡೆಲ್ಗಳತ್ತ ಬದಲಾವಣೆ
ಈ ಅಪಾಯಗಳನ್ನು ತಗ್ಗಿಸಲು, ಉದ್ಯಮಗಳು ತಮ್ಮ AI ಸ್ಟ್ಯಾಕ್ಗಳನ್ನು ಹೇಗೆ ವಿನ್ಯಾಸಗೊಳಿಸಬೇಕು ಎಂಬುದರ ಕುರಿತು ನದೆಲ್ಲಾ ಕಾರ್ಯತಂತ್ರದ ಬದಲಾವಣೆಯನ್ನು ಸೂಚಿಸುತ್ತಾರೆ. ಅವರು ಎರಡು ಪ್ರಮುಖ ರಕ್ಷಣಾ ಕ್ರಮಗಳನ್ನು ಬೆಂಬಲಿಸುತ್ತಾರೆ:
- ಪ್ರೊಪ್ರೈಟರಿ ಲರ್ನಿಂಗ್ ಎನ್ವಿರಾನ್ಮೆಂಟ್ಗಳು (Proprietary Learning Environments): ಕಂಪನಿಗಳು ಕ್ಲೌಡ್ನಲ್ಲಿ (ಉದಾಹರಣೆಗೆ Microsoft Azure) ಪ್ರತ್ಯೇಕ ಪರಿಸರಗಳನ್ನು ನಿರ್ಮಿಸುವ ಮೂಲಕ ತಮ್ಮ ಡೇಟಾ, ಪ್ರಾಂಪ್ಟ್ಗಳು ಮತ್ತು ಫೀಡ್ಬ್ಯಾಕ್ನ ಸಂಪೂರ್ಣ ಮಾಲೀಕತ್ವವನ್ನು ಹೊಂದಿರಬೇಕು.
- ಆರ್ಕಿಸ್ಟ್ರೇಶನ್ ಲೇಯರ್ಗಳು (Orchestration Layers): ಒಂದೇ ಪೂರೈಕೆದಾರರಿಗೆ ಸೀಮಿತವಾಗುವ ಬದಲು, ವ್ಯವಹಾರಗಳು ವಿವಿಧ ಮಾಡೆಲ್ಗಳ ನಡುವೆ ಸುಲಭವಾಗಿ ಬದಲಾಯಿಸಲು "AI gateways" ಅನ್ನು ಬಳಸಬೇಕು.
ಈ ವಾಸ್ತುಶಿಲ್ಪದ ಬದಲಾವಣೆಯು ಈಗಾಗಲೇ ಮಾರುಕಟ್ಟೆಯಲ್ಲಿ ಕಂಡುಬರುತ್ತಿದೆ. Solo.io ನ Idit Levine ಅವರಂತಹ ಉದ್ಯಮ ತಜ್ಞರು, ಉದ್ಯಮಗಳು "on-prem" (on-premise) ಓಪನ್-ಸೋರ್ಸ್ ಮಾಡೆಲ್ಗಳತ್ತ ಸಾಗುತ್ತಿರುವ ಬೆಳೆಯುತ್ತಿರುವ ಪ್ರವೃತ್ತಿಯನ್ನು ವರದಿ ಮಾಡಿದ್ದಾರೆ. ಈ ಮಾಡೆಲ್ಗಳು ಪ್ರೊಪ್ರೈಟರಿ ದೈತ್ಯ ಕಂಪನಿಗಳ ಕಾರ್ಯಗಳ ಶೇಕಡಾ 90 ರಷ್ಟು ಕಾರ್ಯಗಳನ್ನು ಅತ್ಯಲ್ಪ ವೆಚ್ಚದಲ್ಲಿ ಮಾಡಬಲ್ಲವು, ಮತ್ತು ಅದೇ ಸಮಯದಲ್ಲಿ ಡೇಟಾ ಕಂಪನಿಯ ಭೌತಿಕ ಅಥವಾ ವರ್ಚುವಲ್ ನಿಯಂತ್ರಣದಲ್ಲಿರುವುದನ್ನು ಖಚಿತಪಡಿಸುತ್ತವೆ.
ಡೇಟಾ ಈ ಪ್ರವೃತ್ತಿಯನ್ನು ಬೆಂಬಲಿಸುತ್ತದೆ; Vercel ನಂತಹ ಪ್ಲಾಟ್ಫಾರ್ಮ್ಗಳು ತಮ್ಮ ಗೇಟ್ವೇ ಮೂಲಕ ವರ್ಗಾಯಿಸಲಾದ ಎಲ್ಲಾ ಟ್ರಾಫಿಕ್ನಲ್ಲಿ ಓಪನ್ ಮಾಡೆಲ್ಗಳು ಒಂದೇ ತಿಂಗಳಲ್ಲಿ ಶೇಕಡಾ 29 ರಷ್ಟನ್ನು ಹೊಂದಿವೆ ಎಂದು ವರದಿ ಮಾಡಿವೆ. ನದೆಲ್ಲಾ ಅವರು ಹೀಗೆ ಮುಕ್ತಾಯಗೊಳಿಸುತ್ತಾರೆ, "ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಬಳಸುವ ಮೂಲಕ, ನೀವು ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತಿದ್ದೀರಿ. ಮತ್ತು ನೀವು ಸೃಷ್ಟಿಸುವುದು ನಿಮ್ಮದಾಗಿರಬೇಕು."
ಪ್ರಮುಖ ಅಂಶಗಳು
- ದ್ವಿಗುಣ ಪಾವತಿಯ ಬಲೆ (The Double Payment Trap): ಉದ್ಯಮಗಳು ಕೇವಲ ನಗದು ರೂಪದಲ್ಲಿ ಪಾವತಿಸುತ್ತಿಲ್ಲ; ಅವರು ತಮ್ಮ ಪ್ರೊಪ್ರೈಟರಿ ವ್ಯವಹಾರ ತರ್ಕ (business logic) ಮತ್ತು ತಿದ್ದುಪಡಿಗಳ "exhaust" ಮೂಲಕ ಪಾವತಿಸುತ್ತಿದ್ದಾರೆ.
- ಮಾಡೆಲ್ ಆರ್ಕಿಸ್ಟ್ರೇಶನ್ನ ಏರಿಕೆ (The Rise of Model Orchestration): ವೆಂಡರ್ ಲಾಕ್-ಇನ್ (vendor lock-in) ಮತ್ತು ಡೇಟಾ ಸೋರಿಕೆಯನ್ನು ತಪ್ಪಿಸಲು, ಕಂಪನಿಗಳು ಬಹು ಮಾಡೆಲ್ಗಳನ್ನು ನಿರ್ವಹಿಸಲು AI ಗೇಟ್ವೇಗಳು ಮತ್ತು ಆರ್ಕಿಸ್ಟ್ರೇಶನ್ ಲೇಯರ್ಗಳನ್ನು ಹೆಚ್ಚಾಗಿ ಅಳವಡಿಸಿಕೊಳ್ಳುತ್ತಿವೆ.
- ಓಪನ್ ಸೋರ್ಸ್ ಕಡೆಗೆ ತಿರುವು (The Open Source Pivot): ಡೇಟಾ ಸಾರ್ವಭೌಮತೆಯನ್ನು ಕಾಪಾಡಿಕೊಳ್ಳಲು ಮತ್ತು ದೀರ್ಘಾವಧಿಯ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಆನ್-ಪ್ರೆಮಿಸ್, ಓಪನ್-ಸೋರ್ಸ್ ಮಾಡೆಲ್ಗಳನ್ನು ಬಳಸುವ ಕಡೆಗೆ ಗಮನಾರ್ಹ ಚಲನೆ ನಡೆಯುತ್ತಿದೆ.