OpenAI ಮತ್ತು Anthropic ಗೆ ಬರಲಿರುವ ದೊಡ್ಡ ಗುಳ್ಳೆಯ (bubble) ಬಗ್ಗೆ Yann LeCun ಎಚ್ಚರಿಕೆ

Meta AI ಮುಖ್ಯ ವಿಜ್ಞಾನಿ Yann LeCun ಪ್ರಸ್ತುತ generative AI ಪರಿಸರದ ಆರ್ಥಿಕ ಸುಸ್ಥಿರತೆಯ ಬಗ್ಗೆ ಕಠಿಣ ಎಚ್ಚರಿಕೆ ನೀಡಿದ್ದಾರೆ. CNBC ಜೊತೆಗಿನ ಇತ್ತೀಚಿನ ಚರ್ಚೆಯಲ್ಲಿ, ಅಸಮರ್ಥನೀಯ ವೆಚ್ಚದ ರಚನೆಗಳಿಂದಾಗಿ OpenAI ಮತ್ತು Anthropic ನಂತಹ ಪ್ರಮುಖ ಪ್ರಯೋಗಾಲಯಗಳು "ದೊಡ್ಡ ಗುಳ್ಳೆಯ ಸ್ಫೋಟ"ದ (big bubble explosion) ಕಡೆಗೆ ಸಾಗುತ್ತಿವೆ ಎಂದು LeCun ಸೂಚಿಸಿದ್ದಾರೆ.

Generative AI ನಲ್ಲಿನ ಆರ್ಥಿಕ ಅಸಮತೋಲನ

Large Language Models (LLMs) ನಿರ್ವಹಿಸುವ ಏರುತ್ತಿರುವ ವೆಚ್ಚ ಮತ್ತು ಗ್ರಾಹಕರಿಗೆ ಲಭ್ಯವಿರುವ ಬೆಲೆ ಮಾದರಿಗಳ ನಡುವೆ ಹೆಚ್ಚುತ್ತಿರುವ ಅಂತರವೇ LeCun ಅವರ ವಾದದ ಮೂಲವಾಗಿದೆ. Frontier models ಗಳನ್ನು ತರಬೇತಿಗೊಳಿಸಲು ಮತ್ತು ನಡೆಸಲು ಅಗತ್ಯವಿರುವ ಕಂಪ್ಯೂಟೇಶನಲ್ ಶಕ್ತಿಯು (computational power) ಎಕ್ಸ್‌ಪೋನೆನ್ಶಿಯಲ್ ಆಗಿ ಹೆಚ್ಚುತ್ತಿದೆಯಾದರೂ, ಕಾರ್ಯಾಚರಣೆಯ ವೆಚ್ಚಗಳು ಅಷ್ಟೇ ವೇಗವಾಗಿ ಕಡಿಮೆಯಾಗುತ್ತಿಲ್ಲ.

ಈ ಆರ್ಥಿಕ ಘರ್ಷಣೆಯು AI ಕಂಪನಿಗಳು ಪ್ರತಿಯೊಂದು ಪ್ರಶ್ನೆಗೆ (query) ಪ್ರಾಯೋಗಿಕವಾಗಿ ಹಣವನ್ನು ಕಳೆದುಕೊಳ್ಳುವಂತಹ ಪರಿಸ್ಥಿತಿಯನ್ನು ಸೃಷ್ಟಿಸುತ್ತಿದೆ, ಇಲ್ಲಿ ಹೂಡಿಕೆದಾರರ ಬೃಹತ್ ಬಂಡವಾಳವು ನೈಜ-ಪ್ರಪಂಚದ ಬಳಕೆಗೆ ಸಬ್ಸಿಡಿಯಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ. OpenAI CEO Sam Altman ಕೂಡ ಇದನ್ನೇ ಪ್ರತಿಧ್ವನಿಸಿದ್ದು, ಇತ್ತೀಚೆಗೆ ವ್ಯವಹಾರಗಳಿಗೆ AI ನ ಹೆಚ್ಚಿನ ವೆಚ್ಚವು ಒಂದು "ದೊಡ್ಡ ಸಮಸ್ಯೆಯಾಗಿದೆ" ಎಂದು ಗುರುತಿಸಿದ್ದಾರೆ. ತೀವ್ರವಾದ ವೆಚ್ಚ ಕಡಿತ ಅಥವಾ ಸೇವಾ ದರಗಳ ಹೆಚ್ಚಳದಂತಹ ಗಮನಾರ್ಹ ಬದಲಾವಣೆಯಿಲ್ಲದೆ, LLM ಪೂರೈಕೆದಾರರ ಪ್ರಸ್ತುತ ವ್ಯವಹಾರ ಮಾದರಿಯು ಅನಿಶ್ಚಿತವಾಗಿದೆ.

xAI ಕುರಿತ ವಿಮರ್ಶೆಗಳು ಮತ್ತು ಪ್ರತಿಭೆಗಳಿಗಾಗಿ ನಡೆಯುತ್ತಿರುವ ಪೈಪೋಟಿ

LeCun ತಮ್ಮ ವಿಮರ್ಶೆಯನ್ನು ಕೇವಲ ಉದ್ಯಮದ ದೈತ್ಯ ಕಂಪನಿಗಳಿಗೆ ಸೀಮಿತಗೊಳಿಸದೆ, Elon Musk ಅವರ xAI ಅನ್ನು ಕೂಡ ಗುರಿಯಾಗಿಸಿಕೊಂಡಿದ್ದಾರೆ. ಈ ಸ್ಟಾರ್ಟ್‌ಅಪ್ ಅನ್ನು "ಒಂದು ರೀತಿಯ ವೈಫಲ್ಯ" ಎಂದು ಬಣ್ಣಿಸಿದ LeCun, ಅದರ ಆಂತರಿಕ ಅಸ್ಥಿರತೆಯನ್ನು ಎತ್ತಿ ತೋರಿಸಿದ್ದಾರೆ; ವಿಶೇಷವಾಗಿ ಸ್ಥಾಪಕ ತಂಡವು ಹೊರಟುಹೋಗಿದೆ ಮತ್ತು ಉನ್ನತ ಮಟ್ಟದ ಎಂಜಿನಿಯರಿಂಗ್ ಪ್ರತಿಭೆಗಳನ್ನು ನೇಮಿಸಿಕೊಳ್ಳುವಲ್ಲಿ Musk ಹೆಚ್ಚಿನ ಕಷ್ಟವನ್ನು ಎದುರಿಸುತ್ತಿದ್ದಾರೆ ಎಂದು ಅವರು ಗಮನಿಸಿದ್ದಾರೆ.

OpenAI ಅಥವಾ Anthropic ನಲ್ಲಿ ಕಂಡುಬರುವ ಸಂಶೋಧನಾ ವೇಗ ಮತ್ತು ಪ್ರಮಾಣದೊಂದಿಗೆ xAI ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಸ್ಪರ್ಧಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ ಎಂಬ ಬಗ್ಗೆ LeCun ಸಂದೇಹ ವ್ಯಕ್ತಪಡಿಸಿದ್ದಾರೆ. ಈ ವಿಮರ್ಶೆಯು ಉದ್ಯಮದಲ್ಲಿ ಬೆಳೆಯುತ್ತಿರುವ ಉದ್ವಿಗ್ನತೆಯನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ: ಬಂಡವಾಳವು ಹೇರಳವಾಗಿದ್ದರೂ, ಉನ್ನತ ಪ್ರತಿಭೆ ಮತ್ತು ವಿಶೇಷ ಪರಿಣತಿಯ ಕೇಂದ್ರೀಕರಣವು frontier model ಅಭಿವೃದ್ಧಿಗೆ ಪ್ರಮುಖ ಅಡಚಣೆಯಾಗುತ್ತಿದೆ.

World Models ಮತ್ತು Large Language Models ನಡುವಿನ ವ್ಯತ್ಯಾಸ

ಈ ಎಚ್ಚರಿಕೆಯು LeCun ಅವರ ಸ್ವಂತ ತಾಂತ್ರಿಕ ತತ್ವಶಾಸ್ತ್ರದ ಪ್ರಮುಖ ಕ್ಷಣದಲ್ಲಿ ಬಂದಿದೆ. ಮಾರುಕಟ್ಟೆಯನ್ನು ಆಕ್ರಮಿಸಿಕೊಂಡಿರುವ transformer-ಆಧಾರಿತ LLM ಆರ್ಕಿಟೆಕ್ಚರ್ ಮೇಲೆ ಹೆಚ್ಚಿನ ಒತ್ತು ನೀಡುವ ಬದಲು, LeCun "world models" ಅಭಿವೃದ್ಧಿಯನ್ನು ಬೆಂಬಲಿಸುತ್ತಿದ್ದಾರೆ. ಇವು ಕೇವಲ ಒಂದು ಸರಣಿಯಲ್ಲಿನ ಮುಂದಿನ ಟೋಕನ್ ಅನ್ನು (token) ಊಹಿಸುವ ಬದಲು, ಭೌತಿಕ ವಾಸ್ತವ ಮತ್ತು ಕಾರಣ-ಪರಿಣಾಮಗಳ (cause-and-effect) ಬಗ್ಗೆ ಮೂಲಭೂತ ತಿಳುವಳಿಕೆಯನ್ನು ನಿರ್ಮಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾದ ವ್ಯವಸ್ಥೆಗಳಾಗಿವೆ.

ಅವರ ಉದ್ಯಮವಾದ AMI Labs, ಈ ನಿರ್ದಿಷ್ಟ ದಿಕ್ಕಿನಲ್ಲಿ ಮುನ್ನಡೆಯಲು ಇತ್ತೀಚೆಗೆ $1 ಬಿಲಿಯನ್ ಹಣವನ್ನು ಸಂಗ್ರಹಿಸಿದೆ. ಇದು AI ಕ್ಷೇತ್ರದಲ್ಲಿನ ಒಂದು ಕಾರ್ಯತಂತ್ರದ ಭಿನ್ನತೆಯನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತದೆ: 'LLM ಪಂಗಡವು' ಪ್ರಮಾಣ ಮತ್ತು ಕಂಪ್ಯೂಟ್ ದಕ್ಷತೆಗಾಗಿ ಹೋರಾಡುತ್ತಿದ್ದರೆ, 'ವರ್ಲ್ಡ್ ಮಾಡೆಲ್ ಪಂಗಡವು' ಪ್ರಸ್ತುತ ಜನರೇಟಿವ್ ಮಾಡೆಲ್‌ಗಳು ಇನ್ನೂ ಪರಿಹರಿಸಲು ಕಷ್ಟಪಡುತ್ತಿರುವ ತಾರ್ಕಿಕತೆ (reasoning) ಮತ್ತು ಎಂಬಾಡಿಮೆಂಟ್ (embodiment) ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಪ್ರಯತ್ನಿಸುತ್ತಿದೆ. ಒಂದು ವೇಳೆ LLM ಗುಳ್ಳೆ (bubble) ಒಡೆದರೆ, ಇದು ಹೆಚ್ಚು ವಾಸ್ತುಶಿಲ್ಪ ವೈವಿಧ್ಯಮಯ ವಿಧಾನಗಳತ್ತ ಬೃಹತ್ ಬಂಡವಾಳದ ಮರುಹಂಚಿಕೆಗೆ ಕಾರಣವಾಗಬಹುದು.

ಪ್ರಮುಖ ಅಂಶಗಳು

• ಆರ್ಥಿಕ ಅಸ್ಥಿರತೆ: ಪ್ರಮುಖ AI ಪ್ರಯೋಗಾಲಯಗಳು ಪ್ರಸ್ತುತ ಹೆಚ್ಚಿನ ಕಾರ್ಯಾಚರಣೆಯ ವೆಚ್ಚ ಮತ್ತು ಮಾರುಕಟ್ಟೆಗೆ ಪೂರಕವಾದ ಬೆಲೆಯ ನಡುವಿನ ಅಂತರವನ್ನು ಸರಿದೂಗಿಸಲು ಹೂಡಿಕೆದಾರರ ಸಹಾಯಧನವನ್ನು ಅವಲಂಬಿಸಿವೆ.
• ಕಾರ್ಯತಂತ್ರದ ಭಿನ್ನತೆ: LLMಗಳ ವಿಸ್ತರಣೆ ಮತ್ತು ನಿಜವಾದ ಭೌತಿಕ ತಿಳುವಳಿಕೆಯನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡಿರುವ 'ವರ್ಲ್ಡ್ ಮಾಡೆಲ್‌ಗಳ' ನಡುವೆ ಬೆಳೆಯುತ್ತಿರುವ ತಾಂತ್ರಿಕ ಅಂತರವಿದೆ.
• ಪ್ರತಿಭೆಯ ಕೊರತೆ: ಉನ್ನತ ಮಟ್ಟದ ಸಂಶೋಧಕರನ್ನು ನೇಮಿಸಿಕೊಳ್ಳುವುದು ಮತ್ತು ಉಳಿಸಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯವು, ಬೃಹತ್ ಕಂಪ್ಯೂಟ್ ಕ್ಲಸ್ಟರ್‌ಗಳ ಲಭ್ಯತೆಯಷ್ಟೇ ಕಂಪನಿಯ ಉಳಿವಿಗೆ ನಿರ್ಣಾಯಕವಾಗುತ್ತಿದೆ.