Google DeepMind ਦੇ ਸਾਬਕਾ ਖੋਜਕਰਤਾ Andrew Dai ਨੇ ਵੈਂਚਰ ਕੈਪੀਟਲ ਦੀ ਦੁਨੀਆ ਵਿੱਚ ਇੱਕ ਦੁਰਲੱਭ ਪ੍ਰਾਪਤੀ ਹਾਸਲ ਕੀਤੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਉਨ੍ਹਾਂ ਨੇ ਕੋਈ ਉਤਪਾਦ ਲਾਂਚ ਕਰਨ ਤੋਂ ਪਹਿਲਾਂ ਹੀ $300 ਮਿਲੀਅਨ ਦੀ ਹੈਰਾਨੀਜਨਕ ਵੈਲੂਏਸ਼ਨ 'ਤੇ $55 ਮਿਲੀਅਨ ਦਾ ਸੀਡ ਰਾਊਂਡ ਸੁਰੱਖਿਅਤ ਕੀਤਾ ਹੈ। ਉਨ੍ਹਾਂ ਦਾ ਨਵਾਂ ਵੈਂਚਰ, Elorian, ਵਿਜ਼ੂਅਲ ਰੀਜ਼ਨਿੰਗ (visual reasoning) ਵਰਗੀ ਉਦਯੋਗ ਦੀ ਸਭ ਤੋਂ ਵੱਡੀ ਰੁਕਾਵਟ ਨੂੰ ਹੱਲ ਕਰਕੇ ਆਰਟੀਫੀਸ਼ੀਅਲ ਇੰਟੈਲੀਜੈਂਸ ਵਿੱਚ ਪਾੜੇ ਨੂੰ ਪੂਰਾ ਕਰਨ ਦਾ ਉਦੇਸ਼ ਰੱਖਦਾ ਹੈ।

ਅਗਲੀ ਸਰਹੱਦ ਨੂੰ ਨਿਸ਼ਾਨਾ ਬਣਾਉਣਾ: Visual AGI

ਜਦੋਂ ਕਿ ਮੌਜੂਦਾ AI ਲੈਂਡਸਕੇਪ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ (LLMs) ਵਿੱਚ ਹੋਈਆਂ ਕਾਢਾਂ ਦੁਆਰਾ ਪ੍ਰਭਾਵਿਤ ਹੈ ਜੋ ਗੁੰਝਲਦਾਰ ਗਣਿਤ, ਭੌਤਿਕ ਵਿਗਿਆਨ ਅਤੇ ਕੋਡਿੰਗ ਦੀਆਂ ਸਮੱਸਿਆਵਾਂ ਨੂੰ ਹੱਲ ਕਰਨ ਦੇ ਸਮਰੱਥ ਹਨ, Dai ਦਾ ਤਰਕ ਹੈ ਕਿ ਹੋਰ ਖੇਤਰਾਂ ਵਿੱਚ ਤਰੱਕੀ "ਬਹੁਤ ਅਸਮਾਨ" ਰਹੀ ਹੈ। ChatGPT ਦੇ ਵਿਕਾਸ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਣ ਵਾਲੀ ਖੋਜ ਨਾਲ ਜੁੜੇ ਹੋਣ ਕਾਰਨ, Dai ਹੁਣ ਆਪਣਾ ਧਿਆਨ ਅਗਲੀ ਵੱਡੀ ਸਰਹੱਦ: ਵਿਜ਼ੂਅਲ ਅੰਡਰਸਟੈਂਡਿੰਗ (visual understanding) ਵੱਲ ਮੋੜ ਰਹੇ ਹਨ।

Elorian ਵਿੱਚ, ਮਿਸ਼ਨ ਸਧਾਰਨ ਚਿੱਤਰ ਪਛਾਣ (image recognition) ਤੋਂ ਅੱਗੇ ਵਧ ਕੇ ਅਸਲ Visual AGI (Artificial General Intelligence) ਵੱਲ ਵਧਣਾ ਹੈ। ਇਸ ਵਿੱਚ ਗੁੰਝਲਦਾਰ ਵਿਜ਼ੂਅਲ ਰੀਜ਼ਨਿੰਗ ਦੇ ਸਮਰੱਥ ਮਾਡਲਾਂ ਨੂੰ ਵਿਕਸਤ ਕਰਨਾ ਸ਼ਾਮਲ ਹੈ—ਉਹੀ ਸਮਰੱਥਾ ਜਿਸ ਨਾਲ ਮੌਜੂਦਾ ਮਾਡਲ ਟੈਕਸਟ 'ਤੇ ਲਾਗੂ ਕਰਦੇ ਹਨ, ਵਿਜ਼ੂਅਲ ਦੁਨੀਆ ਦੀ ਵਿਆਖਿਆ ਕਰਨਾ, ਸਮਝਣਾ ਅਤੇ ਉਸ ਨਾਲ ਅੰਤਰਕਿਰਿਆ ਕਰਨਾ। ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਸੰਸਥਾਪਕਾਂ ਲਈ, ਇਹ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ ਕਿ AI ਦੀ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਹੁਣ ਸਿਰਫ਼ ਭਾਸ਼ਾਈ ਬੁੱਧੀ ਤੋਂ ਬਦਲ ਕੇ ਮਲਟੀਮੋਡਲ ਮਾਸਟਰੀ (multimodal mastery) ਵੱਲ ਵਧ ਰਹੀ ਹੈ।

ਵੱਧ ਤੋਂ ਵੱਧ ਵੈਲੂਏਸ਼ਨ ਦੀ ਬਜਾਏ ਰਣਨੀਤਕ ਪੂੰਜੀ

Elorian ਦੇ ਫੰਡ ਇਕੱਠੇ ਕਰਨ ਦੇ ਸਫ਼ਰ ਦਾ ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਪਹਿਲੂ Dai ਦਾ ਪੂੰਜੀ ਬਾਰੇ ਫਲਸਫਾ ਹੈ। $300 ਮਿਲੀਅਨ ਦੀ ਭਾਰੀ pre-seed valuation ਦੇ ਬਾਵਜੂਦ, Dai ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ ਕਿ ਇੱਕ ਫਰੰਟੀਅਰ AI ਸਟਾਰਟਅੱਪ ਲਈ ਸਭ ਤੋਂ ਉੱਚੀ ਕੀਮਤ ਹਮੇਸ਼ਾ ਅੰਤਮ ਟੀਚਾ ਨਹੀਂ ਹੁੰਦੀ। ਇਸ ਦੀ ਬਜਾਏ, ਉਨ੍ਹਾਂ ਨੇ ਆਪਣੇ ਨਿਵੇਸ਼ਕ ਪੂਲ ਵਿੱਚ ਰਣਨੀਤਕ ਅਨੁਕੂਲਤਾ ਅਤੇ ਤਕਨੀਕੀ ਮੁਹਾਰਤ ਨੂੰ ਪਹਿਲ ਦਿੱਤੀ।

Nvidia ਅਤੇ Menlo Ventures ਵਰਗੇ ਭਾਈਵਾਲਾਂ ਨੂੰ ਸੁਰੱਖਿਅਤ ਕਰਕੇ, Elorian ਨੇ ਸਿਰਫ਼ ਤਰਲਤਾ ਹੀ ਨਹੀਂ ਪ੍ਰਾਪਤ ਕੀਤੀ ਹੈ; ਇਸ ਨੇ ਹਾਰਡਵੇਅਰ ਈਕੋਸਿਸਟਮ ਅਤੇ ਵੈਂਚਰ ਮੁਹਾਰਤ ਤੱਕ ਪਹੁੰਚ ਪ੍ਰਾਪਤ ਕੀਤੀ ਹੈ ਜੋ ਕੰਪਿਊਟ-ਇੰਟੈਂਸਿਵ ਮਾਡਲਾਂ ਨੂੰ ਬਣਾਉਣ ਲਈ ਜ਼ਰੂਰੀ ਹੈ। ਫਰੰਟੀਅਰ AI ਦੀ ਉੱਚ-ਦਾਅਵਾਂ ਵਾਲੀ ਦੁਨੀਆ ਵਿੱਚ, ਜਿੱਥੇ GPUs ਤੱਕ ਪਹੁੰਚ ਅਤੇ ਡੂੰਘੇ ਉਦਯੋਗਿਕ ਗਿਆਨ ਕਿਸੇ ਕੰਪਨੀ ਨੂੰ ਬਣਾ ਜਾਂ ਵਿਗਾੜ ਸਕਦੇ ਹਨ, "ਮਹਿੰਗੇ ਪੈਸੇ" ਦੀ ਬਜਾਏ "ਸਮਾਰਟ ਪੈਸੇ" ਨੂੰ ਚੁਣਨਾ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਰਣਨੀਤਕ ਕਦਮ ਹੈ।

ਫਰੰਟੀਅਰ AI ਸਟਾਰਟਅੱਪਸ ਦੀਆਂ ਚੁਣੌਤੀਆਂ ਦਾ ਸਾਹਮਣਾ ਕਰਨਾ

ਵੱਡੀਆਂ ਟੈਕ ਕੰਪਨੀਆਂ (Big Tech giants) ਦੇ ਦੌਰ ਵਿੱਚ ਇੱਕ ਸਟਾਰਟਅੱਪ ਬਣਾਉਣ ਲਈ ਸਿਰਫ਼ ਇੱਕ ਮਜ਼ਬੂਤ ਤਕਨੀਕੀ ਰੋਡਮੈਪ ਦੀ ਹੀ ਲੋੜ ਨਹੀਂ ਹੁੰਦੀ। Dai ਆਧੁਨਿਕ AI ਸੰਸਥਾਪਕਾਂ ਲਈ ਸਫਲਤਾ ਦੇ ਕਈ ਥੰਮ੍ਹ ਦੱਸਦੇ ਹਨ:

  • ਗੁੰਝਲਦਾਰਤਾ ਦਾ ਸੰਚਾਰ ਕਰਨਾ: ਬਹੁਤ ਜ਼ਿਆਦਾ ਤਕਨੀਕੀ ਅਤੇ ਖੋਜ-ਅਧਾਰਤ ਵਿਜ਼ਨ ਨੂੰ ਅਜਿਹੇ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਬਿਰਤਾਂਤਾਂ ਵਿੱਚ ਬਦਲਣ ਦੀ ਯੋਗਤਾ ਜੋ ਗੈਰ-ਤਕਨੀਕੀ ਨਿਵੇਸ਼ਕ ਵਿਗਿਆਨਕ ਤੱਤ ਨੂੰ ਗੁਆਏ ਬਿਨਾਂ ਸਮਝ ਸਕਣ।
  • ਟੈਲੇਂਟ ਦੀ ਜੰਗ: Google ਅਤੇ Meta ਵਰਗੇ ਸਥਾਪਿਤ ਦਿੱਗਜਾਂ ਤੋਂ ਵਿਸ਼ਵ ਪੱਧਰੀ ਖੋਜਕਰਤਾਵਾਂ ਨੂੰ ਭਰਤੀ ਕਰਨ ਲਈ ਇੱਕ ਅਜਿਹੇ ਮਿਸ਼ਨ ਦੀ ਲੋੜ ਹੁੰਦੀ ਹੈ ਜੋ ਵਧੇਰੇ ਸੁਤੰਤਰਤਾ ਅਤੇ ਤੇਜ਼ ਇਟਰੇਸ਼ਨ ਚੱਕਰ (iteration cycles) ਪ੍ਰਦਾਨ ਕਰੇ।
  • ਰੱਖਿਆ ਲਈ ਰਫ਼ਤਾਰ (Speed as a Moat): ਅਜਿਹੇ ਬਾਜ਼ਾਰ ਵਿੱਚ ਜਿੱਥੇ ਮਾਡਲ ਦੀਆਂ ਸਮਰੱਥਾਵਾਂ ਹਰ ਹਫ਼ਤੇ ਵਿਕਸਤ ਹੁੰਦੀਆਂ ਹਨ, ਕਾਰਜਕਾਰੀ ਰਫ਼ਤਾਰ ਇੱਕ ਪ੍ਰਮੁੱਖ ਮੁਕਾਬਲੇਬਾਜ਼ੀ ਦਾ ਫਾਇਦਾ ਹੈ।

ਜਿਵੇਂ ਕਿ ਉਦਯੋਗ ਮਲਟੀਮੋਡਲ ਸਿਸਟਮਾਂ ਵੱਲ ਵਧ ਰਿਹਾ ਹੈ, Elorian ਦੀ ਤੇਜ਼ ਸ਼ੁਰੂਆਤ ਇੱਕ ਵਿਆਪਕ ਰੁਝਾਨ ਨੂੰ ਉਜਾਗਰ ਕਰਦੀ ਹੈ: ਵਿਸ਼ੇਸ਼ AI ਨਿਚ (niches) ਵਿੱਚ ਪੂੰਜੀ ਦਾ ਭਾਰੀ ਪ੍ਰਵਾਹ ਜੋ ਮਸ਼ੀਨ ਬੁੱਧੀ ਦੇ ਅਗਲੇ ਪੱਧਰ ਨੂੰ ਖੋਲ੍ਹਣ ਦਾ ਵਾਅਦਾ ਕਰਦੇ ਹਨ।

ਮੁੱਖ ਗੱਲਾਂ

  • ਵਿਜ਼ੂਅਲ ਪਾੜਾ: ਜਦੋਂ ਕਿ LLMs ਟੈਕਸਟ ਅਤੇ ਕੋਡ ਵਿੱਚ ਉੱਤਮ ਹਨ, ਵਿਜ਼ੂਅਲ ਰੀਜ਼ਨਿੰਗ ਇੱਕ ਅਜਿਹਾ ਖੇਤਰ ਬਣਿਆ ਹੋਇਆ ਹੈ ਜਿਸ ਵੱਲ ਘੱਟ ਧਿਆਨ ਦਿੱਤਾ ਗਿਆ ਹੈ ਅਤੇ Elorian ਦਾ ਉਦੇਸ਼ ਵਿਜ਼ੂਅਲ AGI ਰਾਹੀਂ ਇਸ ਨੂੰ ਜਿੱਤਣਾ ਹੈ।
  • ਰਣਨੀਤਕ ਨਿਵੇਸ਼ਕ ਚੋਣ: ਫਰੰਟੀਅਰ AI ਕੰਪਨੀਆਂ ਲਈ, Nvidia ਵਰਗੇ ਹਾਰਡਵੇਅਰ ਲੀਡਰਾਂ ਨਾਲ ਭਾਈਵਾਲੀ ਕਰਨਾ ਅਕਸਰ ਵੈਲੂਏਸ਼ਨ ਨੂੰ ਵੱਧ ਤੋਂ ਵੱਧ ਕਰਨ ਨਾਲੋਂ ਵਧੇਰੇ ਕੀਮਤੀ ਹੁੰਦਾ ਹੈ।
  • ਗੁੰਝਲਦਾਰਤਾ ਪ੍ਰਬੰਧਨ: ਸਫਲ ਸੰਸਥਾਪਕਾਂ ਨੂੰ ਵੱਡੇ ਸੀਡ ਰਾਊਂਡ ਪ੍ਰਾਪਤ ਕਰਨ ਲਈ ਗੈਰ-ਤਕਨੀਕੀ ਵੈਂਚਰ ਕੈਪੀਟਲਿਸਟਾਂ ਨੂੰ ਉੱਚ-ਪੱਧਰੀ ਤਕਨੀਕੀ ਖੋਜ ਪੇਸ਼ ਕਰਨ ਦੀ ਕਲਾ ਵਿੱਚ ਮਾਹਰ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਸਿੱਟਾ

Elorian ਦਾ ਸੀਡ ਰਾਊਂਡ ਦਿਖਾਉਂਦਾ ਹੈ ਕਿ ਨਿਵੇਸ਼ਕ ਵਿਜ਼ੂਅਲ ਰੀਜ਼ਨਿੰਗ 'ਤੇ ਵੱਡਾ ਦਾਅ ਲਗਾਉਣ ਲਈ ਤਿਆਰ ਹਨ, ਪਰ ਸਫਲਤਾ ਸਿਰਫ਼ ਨਕਦੀ ਤੋਂ ਵੱਧ ਚੀਜ਼ਾਂ 'ਤੇ ਨਿਰਭਰ ਕਰੇਗੀ। ਹਾਰਡਵੇਅਰ ਤੱਕ ਪਹੁੰਚ, ਡੂੰਘੀ ਖੋਜ ਨੂੰ ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਕਹਾਣੀ ਵਿੱਚ ਬਦਲਣ ਦੀ ਯੋਗਤਾ, ਅਤੇ ਸਥਾਪਿਤ ਖਿਡਾਰੀਆਂ ਤੋਂ ਅੱਗੇ ਨਿਕਲਣ ਦੀ ਰਫ਼ਤਾਰ ਇਹ ਨਿਰਧਾਰਤ ਕਰੇਗੀ ਕਿ ਕੀ ਸਟਾਰਟਅੱਪ ਇੱਕ ਉੱਚ ਵੈਲੂਏਸ਼ਨ ਨੂੰ ਇੱਕ ਅਜਿਹੇ ਮਲਟੀਮੋਡਲ AI ਵਿੱਚ ਬਦਲ ਸਕਦਾ ਹੈ ਜੋ ਮਸ਼ੀਨਾਂ ਦੁਨੀਆ ਨੂੰ ਦੇਖਣ ਦੇ ਤਰੀਕੇ ਨੂੰ ਮੁੜ ਸਿਰਜੇ।