മുൻ ഗൂഗിൾ ഡീപ് മൈൻഡ് (Google DeepMind) ഗവേഷകനായ ആൻഡ്രൂ ഡായ്, ഒരു ഉൽപ്പന്നം പുറത്തിറക്കുന്നതിന് മുമ്പ് തന്നെ 300 മില്യൺ ഡോളർ മൂല്യത്തിൽ 55 മില്യൺ ഡോളറിന്റെ സീഡ് റൗണ്ട് (seed round) ഉറപ്പാക്കി വെഞ്ച്വർ ക്യാപിറ്റൽ ലോകത്ത് അപൂർവ്വമായ ഒരു നേട്ടം കൈവരിച്ചിരിക്കുന്നു. അദ്ദേഹത്തിന്റെ പുതിയ സംരംഭമായ Elorian, ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ് രംഗത്തെ ഏറ്റവും വലിയ വെല്ലുവിളിയായ വിഷ്വൽ റീസണിംഗ് (visual reasoning) പരിഹരിക്കുന്നതിലൂടെ ഈ മേഖലയിലെ വിടവ് നികത്താൻ ലക്ഷ്യമിടുന്നു.

അടുത്ത അതിർത്തി ലക്ഷ്യമിടുന്നു: Visual AGI

സങ്കീർണ്ണമായ ഗണിതം, ഫിസിക്സ്, കോഡിംഗ് പ്രശ്നങ്ങൾ പരിഹരിക്കാൻ ശേഷിയുള്ള ലാർജ് ലാംഗ്വേജ് മോഡലുകളിലെ (LLMs) മുന്നേറ്റങ്ങൾ നിലവിലെ AI രംഗത്ത് ആധിപത്യം പുലർത്തുന്നുണ്ടെങ്കിലും, മറ്റ് മേഖലകളിൽ പുരോഗതി "അങ്ങേയറ്റം അസമമാണ്" എന്ന് ഡായ് വാദിക്കുന്നു. ChatGPT-യുടെ വികസനത്തിന് വഴിയൊരുക്കിയ ഗവേഷണങ്ങളിൽ പങ്കാളിയായ ഡായ്, തന്റെ ശ്രദ്ധ അടുത്ത പ്രധാന മേഖലയായ വിഷ്വൽ അണ്ടർസ്റ്റാൻഡിംഗിലേക്ക് (visual understanding) തിരിച്ചുവിടുകയാണ്.

Elorian-ന്റെ ലക്ഷ്യം ലളിതമായ ഇമേജ് റെക്കഗ്നിഷനിൽ (image recognition) നിന്ന് യഥാർത്ഥ Visual AGI (Artificial General Intelligence)-ലേക്ക് മാറുന്നതാണ്. സങ്കീർണ്ണമായ വിഷ്വൽ റീസണിംഗിന് ശേഷിയുള്ള മോഡലുകൾ വികസിപ്പിക്കുന്നത് ഇതിൽ ഉൾപ്പെടുന്നു—അതായത്, നിലവിലെ മോഡലുകൾ ടെക്സ്റ്റുകളിൽ പ്രയോഗിക്കുന്ന അതേ സൂക്ഷ്മതയോടെ ദൃശ്യലോകത്തെ വ്യാഖ്യാനിക്കാനും മനസ്സിലാക്കാനും ഇടപെടാനുമുള്ള കഴിവ്. ഡെവലപ്പർമാരെയും സ്ഥാപകരെയും സംബന്ധിച്ചിടത്തോളം, AI രംഗത്തെ മത്സരങ്ങൾ കേവലം ഭാഷാപരമായ ബുദ്ധിയിൽ (linguistic intelligence) നിന്ന് മൾട്ടിമോഡൽ വൈദഗ്ധ്യത്തിലേക്ക് (multimodal mastery) മാറുന്നതിന്റെ സൂചനയാണിത്.

പരമാവധി മൂല്യത്തേക്കാൾ തന്ത്രപരമായ മൂലധനത്തിന് മുൻഗണന

Elorian-ന്റെ ഫണ്ട് ശേഖരണ യാത്രയിലെ ഏറ്റവും ശ്രദ്ധേയമായ ഒരു വശം മൂലധനത്തെക്കുറിച്ചുള്ള ഡായുടെ കാഴ്ചപ്പാടാണ്. 300 മില്യൺ ഡോളറിന്റെ വൻശേഖരമുള്ള പ്രീ-സീഡ് മൂല്യമുണ്ടെങ്കിലും, ഒരു ഫ്രോണ്ടിയർ AI സ്റ്റാർട്ടപ്പിന് ഏറ്റവും ഉയർന്ന മൂല്യം (valuation) നേടുക എന്നത് എല്ലായ്പ്പോഴും അന്തിമ ലക്ഷ്യമല്ലെന്ന് ഡായ് ഊന്നിപ്പറയുന്നു. പകരം, നിക്ഷേപകരുടെ കൂട്ടത്തിൽ തന്ത്രപരമായ യോജിപ്പും സാങ്കേതിക വൈദഗ്ധ്യവുമാണ് അദ്ദേഹം മുൻഗണന നൽകിയത്.

Nvidia, Menlo Ventures തുടങ്ങിയ പങ്കാളികളെ ഉറപ്പാക്കുന്നതിലൂടെ, Elorian കേവലം പണം മാത്രമല്ല നേടിയത്; കമ്പ്യൂട്ട്-തീവ്രമായ (compute-intensive) മോഡലുകൾ നിർമ്മിക്കുന്നതിന് അത്യാവശ്യമായ ഹാർഡ്‌വെയർ ഇക്കോസിസ്റ്റത്തിലേക്കും വെഞ്ച്വർ വൈദഗ്ധ്യത്തിലേക്കും പ്രവേശനം ഇതിലൂടെ ലഭിച്ചു. GPU-കളിലേക്കുള്ള പ്രവേശനവും ആഴത്തിലുള്ള വ്യവസായ അറിവും ഒരു കമ്പനിയുടെ വിജയമോ പരാജയമോ നിർണ്ണയിക്കുന്ന ഫ്രോണ്ടിയർ AI ലോകത്ത്, "വിലകൂടിയ പണത്തേക്കാൾ" (expensive money) "ബുദ്ധിപരമായ പണം" (smart money) തിരഞ്ഞെടുക്കുന്നത് നിർണ്ണായകമായ ഒരു തന്ത്രപരമായ നീക്കമാണ്.

ഫ്രോണ്ടിയർ AI സ്റ്റാർട്ടപ്പുകളുടെ വെല്ലുവിളികൾ നേരിടുന്നു

ബിഗ് ടെക് (Big Tech) ഭീമന്മാർക്കിടയിൽ ഒരു സ്റ്റാർട്ടപ്പ് കെട്ടിപ്പടുക്കുന്നതിന് ശക്തമായ ഒരു സാങ്കേതിക റോഡ്മാപ്പ് മാത്രം പോരാ. ആധുനിക AI സ്ഥാപകർക്ക് വിജയത്തിനായുള്ള ചില പ്രധാന തൂണുകളെ ഡായ് തിരിച്ചറിയുന്നു:

  • സങ്കീർണ്ണതകൾ ആശയവിനിമയം നടത്തുക: ശാസ്ത്രീയമായ സത്ത നഷ്ടപ്പെടാതെ തന്നെ, സാങ്കേതിക അറിവില്ലാത്ത നിക്ഷേപകർക്ക് മനസ്സിലാക്കാൻ കഴിയുന്ന രീതിയിൽ സങ്കീർണ്ണമായ ഗവേഷണ കാഴ്ചപ്പാടുകളെ ആകർഷകമായ വിവരണങ്ങളാക്കി മാറ്റാനുള്ള കഴിവ്.
  • പ്രതിഭകൾക്കായുള്ള മത്സരം: Google, Meta തുടങ്ങിയ പ്രശസ്ത കമ്പനികളിൽ നിന്ന് ലോകോത്തര ഗവേഷകരെ ആകർഷിക്കുന്നതിന്, കൂടുതൽ സ്വയംഭരണാധികാരവും വേഗത്തിലുള്ള പ്രവർത്തന ചക്രങ്ങളും (iteration cycles) വാഗ്ദാനം ചെയ്യുന്ന ഒരു ലക്ഷ്യം ആവശ്യമാണ്.
  • വേഗത ഒരു സംരക്ഷണ കവചമായി: മോഡലുകളുടെ ശേഷികൾ ആഴ്ചതോറും മാറിക്കൊണ്ടിരിക്കുന്ന ഒരു വിപണിയിൽ, പ്രവർത്തന വേഗതയാണ് പ്രധാന മത്സര നേട്ടം.

വ്യവസായം മൾട്ടിമോഡൽ സിസ്റ്റങ്ങളിലേക്ക് നീങ്ങുമ്പോൾ, Elorian-ന്റെ ഈ ശക്തമായ തുടക്കം ഒരു വലിയ പ്രവണതയെ ചൂണ്ടിക്കാണിക്കുന്നു: മെഷീൻ ഇന്റലിജൻസിന്റെ അടുത്ത ഘട്ടം തുറന്നുനൽകുമെന്ന് വാഗ്ദാനം ചെയ്യുന്ന പ്രത്യേക AI മേഖലകളിലേക്ക് വൻതോതിൽ മൂലധനം ഒഴുകുന്നു.

പ്രധാന കാര്യങ്ങൾ

  • വിഷ്വൽ ഗ്യാപ്പ്: LLM-കൾ ടെക്സ്റ്റിലും കോഡിലും മികവ് പുലർത്തുന്നുണ്ടെങ്കിലും, വിഷ്വൽ റീസണിംഗ് എന്നത് ഇന്നും പരിഹരിക്കപ്പെടാത്ത ഒരു മേഖലയാണ്; Visual AGI-ലൂടെ ഇത് കീഴടക്കാനാണ് Elorian ലക്ഷ്യമിടുന്നത്.
  • തന്ത്രപരമായ നിക്ഷേപകരുടെ തിരഞ്ഞെടുപ്പ്: ഫ്രോണ്ടിയർ AI കമ്പനികളെ സംബന്ധിച്ചിടത്തോളം, മൂല്യം (valuation) പരമാവധി വർദ്ധിപ്പിക്കുന്നതിനേക്കാൾ Nvidia പോലുള്ള ഹാർഡ്‌വെയർ രംഗത്തെ മുൻനിരക്കാരുമായി പങ്കാളികളാകുന്നത് കൂടുതൽ മൂല്യമുള്ളതാണ്.
  • സങ്കീർണ്ണതകളുടെ മാനേജ്‌മെന്റ്: വൻതോതിലുള്ള സീഡ് റൗണ്ടുകൾ ഉറപ്പാക്കുന്നതിനായി, സാങ്കേതിക അറിവില്ലാത്ത വെഞ്ച്വർ ക്യാപിറ്റലിസ്റ്റുകൾക്ക് മുന്നിൽ ഉയർന്ന നിലവാരത്തിലുള്ള സാങ്കേതിക ഗവേഷണങ്ങൾ അവതരിപ്പിക്കാനുള്ള കലയിൽ വിജയികളായ സ്ഥാപകർ പ്രാവീണ്യം നേടണം.

ഉപസംഹാരം

വിഷ്വൽ റീസണിംഗിൽ വലിയ പന്തയം വെക്കാൻ നിക്ഷേപകർ തയ്യാറാണെന്ന് Elorian-ന്റെ സീഡ് റൗണ്ട് കാണിക്കുന്നു, എന്നാൽ വിജയം പണത്തിൽ മാത്രം ഒതുങ്ങുന്നതല്ല. ഹാർഡ്‌വെയർ ലഭ്യമാകുക, ആഴത്തിലുള്ള ഗവേഷണങ്ങളെ ആകർഷകമായ കഥകളാക്കി മാറ്റുക, നിലവിലുള്ള വലിയ കമ്പനികളെക്കാൾ വേഗത്തിൽ പ്രവർത്തിക്കുക എന്നിവയാണ് ഈ സ്റ്റാർട്ടപ്പിന് അതിന്റെ ഉയർന്ന മൂല്യത്തെ യഥാർത്ഥത്തിൽ ലോകത്തെ കാണുന്ന രീതി മാറ്റുന്ന മൾട്ടിമോഡൽ AI-ലേക്ക് മാറ്റാൻ കഴിയുമോ എന്ന് തീരുമാനിക്കുന്നത്.