ഓരോ എന്റർപ്രൈസ് ബോർഡ് ഡെക്കിലും (enterprise board deck) ഇപ്പോൾ ഒരു AI നിർദ്ദേശം ഉണ്ടെന്ന് തോന്നുന്നു. വെറും മൂന്ന് വർഷം മുമ്പ് അവിവേകമായി തോന്നിക്കുമായിരുന്ന വേഗതയിലാണ് കമ്പനികൾ ഉപഭോക്തൃ രേഖകളും, ആഭ്യന്തര തന്ത്രപരമായ രേഖകളും, പ്രൊപ്രൈറ്ററി അനലിറ്റിക്സും ലാർജ് ലാംഗ്വേജ് മോഡലുകളിലേക്ക് നൽകിക്കൊണ്ടിരിക്കുന്നത്. ഇതിൽ ഭൂരിഭാഗവും ക്ലോസ്ഡ് സോഴ്സ് സിസ്റ്റങ്ങളിലേക്കാണ് ഒഴുകുന്നത്. അവ സൗകര്യപ്രദവും ശക്തവുമാണ്, കൂടാതെ മറ്റൊരാൾ ഹോസ്റ്റ് ചെയ്യുന്നതുമാണ്. Mistral AI-യുടെ സ്ഥാപകനായ ആർതർ മെൻഷ് (Arthur Mensch) കരുതുന്നത് ഈ സൗകര്യം ഏതൊരു സബ്സ്ക്രിപ്ഷൻ ഫീസിനേക്കാളും വലിയ ഒരു മറഞ്ഞിരിക്കുന്ന നികുതി (hidden tax) വരുത്തിവെച്ചേക്കാം എന്നാണ്.
ഒരു പ്രത്യേക അപകടത്തെക്കുറിച്ച് മെൻഷ് തുറന്നുപറഞ്ഞിട്ടുണ്ട്: നിങ്ങൾ ഒരു പ്രൊപ്രൈറ്ററി മോഡലിലൂടെ നിങ്ങളുടെ ബിസിനസ്സ് നടത്തുമ്പോൾ, നിങ്ങൾ വെറുതെ കമ്പ്യൂട്ടിംഗ് ശേഷി (compute) വാടകയ്ക്കെടുക്കുക മാത്രമല്ല ചെയ്യുന്നത്. മറിച്ച്, അത് നിർമ്മിച്ച ലാബിന് നിങ്ങളുടെ പ്രവർത്തനങ്ങളുടെ വിശദമായ ഒരു മാപ്പ് കൈമാറുകയാണ് നിങ്ങൾ ചെയ്യുന്നത്. ഈ സേവനദാതാക്കൾ അവരുടെ സിസ്റ്റങ്ങൾ മെച്ചപ്പെടുത്തുന്നതിനായി വൻതോതിലുള്ള ഉപഭോക്തൃ ഇടപെടൽ വിവരങ്ങൾ ശേഖരിക്കുന്നു. കാലക്രമേണ, ആ ഡാറ്റ പാറ്റേണുകൾ വെളിപ്പെടുത്തുന്നു. നിങ്ങൾ എങ്ങനെ ഉൽപ്പന്നങ്ങൾക്ക് വില നിശ്ചയിക്കുന്നു, എങ്ങനെ ഉപഭോക്താക്കളെ തരംതിരിക്കുന്നു, എങ്ങനെ റിസ്ക് തിരിച്ചറിയുന്നു, എങ്ങനെ അവസരങ്ങൾ കണ്ടെത്തുന്നു എന്നിവ അവർ കാണുന്നു. ലാബുകൾ ഈ അറിവ് ഉപയോഗിച്ച് അവരുടെ സ്വന്തം ഉപഭോക്താക്കളെ ലക്ഷ്യം വെക്കാനും, ലാഭം എവിടെയാണെന്ന് കൃത്യമായി മനസ്സിലാക്കിയ ശേഷം വിപണികളിൽ പ്രവേശിക്കാനും തയ്യാറാണെന്ന് മെൻഷ് മുന്നറിയിപ്പ് നൽകുന്നു.
അദ്ദേഹത്തിന്റെ ഉപദേശം വളരെ വ്യക്തമാണ്. "അത് നിങ്ങളുടെ കൈകളിൽ ഇല്ലെങ്കിൽ, അത് നിങ്ങളുടെ വളർച്ചയാകില്ല." അദ്ദേഹം നിർദ്ദേശിക്കുന്ന പരിഹാരം ഡാറ്റാ പരമാധികാരമാണ് (sovereignty): ഡാറ്റ ഓപ്പൺ സിസ്റ്റങ്ങളിലേക്ക് മാറ്റുക, കർശനമായ ആക്സസ് നിയമങ്ങൾ നടപ്പിലാക്കുക, കൂടാതെ പ്രൊപ്രൈറ്ററി ട്രെയിനിംഗ് പൈപ്പ്ലൈനുകളിൽ നിക്ഷേപിക്കുക എന്നിവയാണവ. ഇത് വെറുമൊരു ഭാവനയല്ല. ഇത് അറിവിനെ (cognition) ബാധിക്കുന്ന സപ്ലൈ-ചെയിൻ സുരക്ഷയാണ്. നിങ്ങളുടെ സപ്ലൈയർക്ക് നിങ്ങളുടെ ഫാക്ടറി ബ്ലൂപ്രിന്റുകൾ നിങ്ങൾ നൽകില്ല. അതുപോലെ തന്നെ നിങ്ങളുടെ AI സേവനദാതാവിന് നിങ്ങളുടെ സ്ഥാപനത്തിന്റെ പ്രവർത്തന രഹസ്യങ്ങൾ (institutional playbook) നൽകരുതെന്ന് മെൻഷ് വാദിക്കുന്നു.
എന്തുകൊണ്ടാണ് മോഡൽ വെയ്റ്റുകൾ (Model Weights) നിങ്ങളുടെ കോർപ്പറേറ്റ് മെമ്മറിയാകുന്നത്
സാങ്കേതിക വ്യവസായത്തിന്റെ അപ്രതീക്ഷിതമായ ഒരു കോണിൽ നിന്ന് ഈ ആശയത്തിന് പിന്തുണ ലഭിക്കുന്നുണ്ട്. Palantir-ന്റെ സിഇഒ ആയ അലക്സ് കാർപ്പ് (Alex Karp), പ്രതിരോധ-സാമ്പത്തിക മേഖലകളിൽ ഇപ്പോൾ ചർച്ചയാക്കിക്കൊണ്ടിരിക്കുന്ന ഒരു വാചകത്തിലൂടെ ഈ പ്രശ്നത്തെ അവതരിപ്പിക്കുന്നു: "നിങ്ങളുടെ വെയ്റ്റുകളെ നിയന്ത്രിക്കുന്നത് നിങ്ങളുടെ വിധിയെ നിയന്ത്രിക്കുന്നതിന് തുല്യമാണ്."
ഇത് എന്തുകൊണ്ട് പ്രധാനമാണെന്ന് മനസ്സിലാക്കാൻ, മോഡൽ വെയ്റ്റുകൾ യഥാർത്ഥത്തിൽ എന്താണ് പ്രതിനിധീകരിക്കുന്നത് എന്ന് ചിന്തിക്കുന്നത് സഹായിക്കും. മെഷീൻ ലേണിംഗിൽ, അസംസ്കൃത ഡാറ്റയെ ഉപയോഗപ്രദമായ പ്രവചനങ്ങളാക്കി മാറ്റുന്ന ട്യൂൺ ചെയ്ത കോടിക്കണക്കിന് പാരാമീറ്ററുകളാണ് വെയ്റ്റുകൾ. നിങ്ങളുടെ സ്വന്തം ഡാറ്റ ഉപയോഗിച്ച്—ഉപഭോക്താക്കൾ കുറയുന്നതിന്റെ ചരിത്രം (customer churn history), ഡയഗ്നോസ്റ്റിക് ചിത്രങ്ങൾ, ലോജിസ്റ്റിക്സ് ഒപ്റ്റിമൈസേഷൻ കേസുകൾ എന്നിവ ഉപയോഗിച്ച്—നിങ്ങൾ ഒരു മോഡലിനെ ട്രെയിൻ ചെയ്യുകയോ ഫൈൻ-ട്യൂൺ ചെയ്യുകയോ ചെയ്യുമ്പോൾ, ആ അറിവ് വെയ്റ്റുകളിലേക്ക് ചുരുക്കപ്പെടുന്നു. അവ വർഷങ്ങളെടുത്ത് ആർജ്ജിച്ചെടുത്ത തീരുമാനങ്ങളും വൈദഗ്ധ്യവും ഉൾക്കൊള്ളുന്ന ഒരുതരം കോർപ്പറേറ്റ് മെമ്മറിയായി മാറുന്നു.
നിങ്ങൾ ഒരു ഫ്രോണ്ടിയർ മോഡൽ (frontier model) വാടകയ്ക്കെടുക്കുകയും നിങ്ങളുടെ രഹസ്യങ്ങൾ അതിലൂടെ നൽകുകയും ചെയ്താൽ, ആ സംഗ്രഹിത അറിവ് ഒരിക്കലും നിങ്ങളുടെ ഉടമസ്ഥതയിലാവില്ല. ഇതിലും മോശമായ കാര്യം, നിങ്ങളുടെ സേവനദാതാവ് ഓരോ സൂചനയും ആഗിരണം ചെയ്യുന്നു എന്നതാണ്. ഓരോ ക്വറിയും നിങ്ങളുടെ ബിസിനസ് മേഖലയെക്കുറിച്ച് അവരുടെ സിസ്റ്റത്തിന് കൂടുതൽ പഠിപ്പിച്ചു കൊടുക്കുന്നു. അവരുടെ അടുത്ത മോഡൽ അപ്ഡേറ്റ് നിങ്ങളുടെ വിജയത്തിന് കാരണമായ ആ പ്രത്യേകതയെ തന്നെ ഉൾക്കൊള്ളിയേക്കാം. കാർപ്പ് ഇതിനെ നിങ്ങളുടെ "ആൽഫ" (alpha) എന്ന് വിളിക്കുന്നു—നിങ്ങളെ മറ്റുള്ളവരിൽ നിന്ന് വേർതിരിക്കുന്ന സവിശേഷമായ പ്രകടനം. നിങ്ങളുടെ വെയ്റ്റുകൾ ഔട്ട്സോഴ്സ് ചെയ്യുന്നത് നിങ്ങളുടെ ആൽഫയെ ഔട്ട്സോഴ്സ് ചെയ്യുന്നതിന് തുല്യമാണ്. ആ ഘട്ടത്തിൽ, AI ഒരു ഉപകരണം എന്നതിലുപരി നിങ്ങളുടെ വൈദഗ്ധ്യം ഒരു എതിരാളിയിലേക്ക് കൈമാറുന്നതിനുള്ള ഒരു മാധ്യമമായി മാറുന്നു.
ഫൈൻ-ട്യൂണിംഗ് കൊണ്ടുള്ള നേട്ടം (The Fine-Tuning Advantage)
ബ്രിഡ്ജ്വാട്ടർ (Bridgewater) പരീക്ഷണം മറ്റൊരു മാർഗ്ഗമുണ്ടെന്ന് കാണിച്ചുതരുന്നു. ഹെഡ്ജ് ഫണ്ട് ആയ അവർ, ഓപ്പൺ സോഴ്സ് Qwen3-235B മോഡൽ ഫൈൻ-ട്യൂൺ ചെയ്യുന്നതിനായി Thinking Machines Lab-മായി ചേർന്ന് പ്രവർത്തിച്ചു. പ്രൊപ്രൈറ്ററി ഇൻവെസ്റ്റർ മൂല്യനിർണ്ണയങ്ങൾ ഒരു ബ്ലാക്ക്-ബോക്സ് API-ലേക്ക് അയക്കുന്നതിന് പകരം, അവർ ഡാറ്റ സ്വന്തം സ്ഥാപനത്തിനുള്ളിൽ തന്നെ സൂക്ഷിക്കുകയും അവരുടെ പ്രത്യേക ആവശ്യങ്ങൾക്കായി മോഡലിനെ മാറ്റിയെടുക്കുകയും ചെയ്തു. ഇതിന്റെ ഫലങ്ങൾ വളരെ വ്യക്തമായിരുന്നു. സാമ്പത്തിക രേഖകളുടെ വിശകലനത്തിൽ (financial document analysis), അവരുടെ ഫൈൻ-ട്യൂൺ ചെയ്ത മോഡൽ 84.7 ശതമാനം കൃത്യത കൈവരിച്ചു. ഏറ്റവും മികച്ച ഫ്രോണ്ടിയർ ക്ലോസ്ഡ് മോഡൽ 78.2 ശതമാനം മാത്രമാണ് കൈവരിച്ചത്.
സാമ്പത്തിക മേഖലയിൽ ആ വ്യത്യാസം വളരെ പ്രധാനമാണ്, അവിടെ ഒരു