AI एजंट्सच्या युगात 'टोकन-मॅक्सिंग' (Token-Maxing) विरुद्ध सत्य नडेला यांचा इशारा

मायक्रोसॉफ्टचे CEO सत्य नडेला यांनी "टोकन-मॅक्सिंग" (token-maxing) विरुद्ध एक महत्त्वाचा इशारा दिला आहे. ज्या कामांसाठी त्यांच्या संगणकीय खर्चाचे (computational expense) समर्थन होत नाही, अशा कामांसाठी उच्च-खर्चिक 'फ्रंटियर मॉडेल्स' (frontier models) वापरण्याच्या प्रवृत्तीला त्यांनी टोकले आहे. शक्तिशाली AI च्या व्यसनाधीन स्वरूपाची कबुली देत, नडेला असा युक्तिवाद करतात की आर्थिक मूल्य हे केवळ मॉडेलच्या आकारावर अवलंबून न राहता कार्यक्षमतेवर आधारित असावे.

टोकन-मॅक्सिंगचा आर्थिक सापळा

एका अलीकडील मुलाखतीत, नडेला यांनी सध्याच्या AI अंमलबजावणीच्या क्षेत्रात असलेल्या एका गंभीर असंतुलनावर प्रकाश टाकला. प्रत्येक शक्य कामासाठी अत्यंत प्रगत आणि संसाधने खर्चिक असलेल्या 'लार्ज लँग्वेज मॉडेल्स'चा (LLMs) विचार न करता वापर करण्याच्या प्रवृत्तीला त्यांनी "टोकन-मॅक्सिंग" असे नाव दिले आहे. नडेला यांच्या मते, ही समस्या मुळात 'युनिट इकॉनॉमिक्स'ची (unit economics) आहे: "कठोर सत्य हे आहे की उत्पादकता वाढवण्याचा सीमांत खर्च (marginal cost) हा टोकनच्या सीमांत खर्चाशी सुसंगत असावा."

जर एखादी कंपनी एखाद्या साध्या समस्येचे निराकरण करण्यासाठी एखादे अवाढव्य आणि महागडे 'फ्रंटियर मॉडेल' वापरत असेल, जी समस्या एखादे लहान आणि विशिष्ट मॉडेल सहज हाताळू शकले असते, तर त्या "टोकन"चा खर्च उत्पादकतेतील वाढीव फायद्यापेक्षा जास्त असतो. नडेला सुचवतात की, AI ने खऱ्या अर्थाने शाश्वत आर्थिक वाढ घडवून आणण्यासाठी, उद्योगाने मॉडेल्सच्या अधिक सूक्ष्म नियोजनाकडे (orchestration) वळले पाहिजे, जिथे साधनांची जटिलता ही समस्येच्या जटिलतेशी सुसंगत असेल.

कोडिंगकडून 'कॉग्निटिव्ह कव्हरेज'कडे (Cognitive Coverage) होणारे संक्रमण

कार्यक्षमतेबाबत इशारा देऊनही, सॉफ्टवेअर इंजिनीअरिंगच्या भविष्याबद्दल नडेला यांची दृष्टी अत्यंत संसाधने खर्चिक आहे. ते एका अशा वैचारिक परिवर्तनाचा (paradigm shift) अंदाज वर्तवतात, जिथे डेव्हलपर्स मॅन्युअल सिंटॅक्स लिहिण्यापासून दूर जाऊन AI एजंट्सच्या मोठ्या समूहाचे (swarms) व्यवस्थापन करतील. या भविष्यात, एक इंजिनीअर रिअल-टाइममध्ये कोड तयार करणाऱ्या शेकडो किंवा हजारो स्वायत्त (autonomous) एजंट्सवर देखरेख ठेवू शकेल.

या प्रवासात मार्गदर्शन करण्यासाठी, नडेला "कॉग्निटिव्ह कव्हरेज" (cognitive coverage) ही संकल्पना मांडतात. डेव्हलपर्स जेव्हा लेखकांकडून पर्यवेक्षकांकडे (supervisors) वळतील, तेव्हा त्यांचे मुख्य कौशल्य म्हणजे स्वतः न लिहिलेला कोड सखोलपणे समजून घेण्याची आणि त्याचे ऑडिट करण्याची क्षमता असेल. "माझ्याकडे एजंट्सनी लिहिलेल्या कोडने भरलेले रिपॉझिटरी (repo) आहे. मी काय घडले हे संज्ञानात्मक पातळीवर (cognitively) समजून घेत आहे," असे नडेला यांनी नमूद केले. त्यांनी यावर भर दिला की, कोडिंगचे मॅन्युअल काम कमी होत असले तरी, सिस्टमची अखंडता (integrity) सुनिश्चित करण्यासाठी संगणक शास्त्रातील (computer science) सखोल शिक्षणाची गरज पूर्वीपेक्षा जास्त असेल.

AI इकोसिस्टमसाठी हे का महत्त्वाचे आहे

नाडेला यांच्या टिप्पण्या एआय (AI) उद्योगाच्या परिपक्वतेचे संकेत देतात. आपण फ्रंटियर मॉडेल्सच्या (frontier models) "वाव फॅक्टर" (wow factor) टप्प्याकडून पुढे सरकत आहोत आणि ऑप्टिमायझेशन (optimization) आणि एजेंटिक वर्कफ्लोच्या (agentic workflows) युगात प्रवेश करत आहोत. डेव्हलपर्स आणि संस्थापकांसाठी (founders), निष्कर्ष स्पष्ट आहे: भविष्यातील मूल्य केवळ सर्वात मोठ्या मॉडेल्समध्ये प्रवेश मिळवण्यात नाही, तर अशा प्रगत ऑर्केस्ट्रेशन लेयर्स (orchestration layers) तयार करण्यात आहे जे योग्य वेळी योग्य मॉडेल तैनात करू शकतील. या क्षेत्रात तेच यशस्वी होतील जे 'टोकन-मॅक्सिंग' (token-maxing) सापळ्यात न पडता आर्थिक शिस्त पाळतील आणि 'कॉग्निटिव्ह कव्हरेज' (cognitive coverage) मध्ये प्रभुत्व मिळवतील.

मुख्य निष्कर्ष

• कार्यक्षमता सर्वोपरि आहे: एआयमधील वास्तविक आर्थिक वाढीसाठी, मॉडेलच्या टोकन्सचा सीमांत खर्च (marginal cost) आणि त्यातून मिळणारा प्रत्यक्ष उत्पादकता लाभ यांचा मेळ घालणे आवश्यक आहे.
• कॉग्निटिव्ह कव्हरेजचा उदय: सॉफ्टवेअर इंजिनीअरिंग आता मॅन्युअल कोडिंगकडून एजंट-जनरेटेड (agent-generated) अवाढव्य कोडबेसच्या उच्च-स्तरीय देखरेख आणि ऑडिटिंगकडे वळत आहे.
• एजेंटिक ऑर्केस्ट्रेशन: विकासाचे पुढील पाऊल म्हणजे हजारो एआय एजंट्सचे व्यवस्थापन करणे, ज्यामध्ये नियंत्रण राखण्यासाठी संगणक शास्त्राच्या (CS) सखोल मूलभूत ज्ञानाची आवश्यकता असेल.