ਇਹ ਚੇਤਾਵਨੀ ਹੁਣ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਪਿਛਲੇ ਸਾਲ ਲਾਰਜ-ਲੈਂਗੂਏਜ-ਮਾਡਲ (LLM) ਸੇਵਾਵਾਂ ਨੇ ਬਾਜ਼ਾਰ ਨੂੰ ਭਰ ਦਿੱਤਾ ਹੈ ਜੋ ਕੱਚੇ ਡੇਟਾ ਨੂੰ ਤੁਰੰਤ ਅੰਤਰ ਦ੍ਰਿਸ਼ਟੀ (insights), ਕੋਡ, ਜਾਂ ਚੈਟ ਵਿੱਚ ਬਦਲਣ ਦਾ ਵਾਅਦਾ ਕਰਦੀਆਂ ਹਨ। ਕੰਪਨੀਆਂ ਨੇ ਕਾਹਲੀ ਵਿੱਚ ਆਪਣੇ ਮਾਲਕੀ ਵਾਲੇ ਪ੍ਰੋਂਪਟਸ (proprietary prompts), ਅੰਦਰੂਨੀ ਦਸਤਾਵੇਜ਼ਾਂ ਅਤੇ ਵਰਤੋਂ ਦੇ ਲੌਗਸ (usage logs) ਉਸ ਪਹਿਲੇ ਵੈਂਡਰ ਨੂੰ ਸੌਂਪ ਦਿੱਤੇ ਜੋ ਇੱਕ ਕੰਮ ਕਰਦਾ ਹੁੰਦਾ ਹੱਲ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦਾ ਸੀ।

ਉਹ ਸਹੂਲਤ ਇੱਕ ਲੁਕੀਲੀ ਨਿਰਭਰਤਾ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਵਰਤੋਂ ਦੇ ਡੇਟਾ ਅਤੇ ਮੈਟਾਡਾਟਾ (metadata) ਨੂੰ ਰੱਖਣ ਤੋਂ ਬਿਨਾਂ, ਇੱਕ ਫਰਮ ਆਪਣੇ ਮਾਡਲ ਵੇਟਸ (model weights) ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਦੀ ਸਮਰੱਥਾ ਗੁਆ ਲੈਂਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਉਸਦਾ "ਦਿਮਾਗ" ਇੱਕ ਅਜਿਹੇ ਬਲੈਕ ਬਾਕਸ ਵਿੱਚ ਫਸ ਜਾਂਦਾ ਹੈ ਜਿਸਦੀ ਉਹ ਜਾਂਚ ਨਹੀਂ ਕਰ ਸਕਦੀ ਜਾਂ ਉਸਨੂੰ ਬਦਲ ਨਹੀਂ ਸਕਦੀ। ਜੇਕਰ ਵੈਂਡਰ ਕੀਮਤਾਂ ਵਧਾਉਂਦਾ ਹੈ, ਸ਼ਰਤਾਂ ਬਦਲਦਾ ਹੈ, ਜਾਂ ਕੋਈ ਰੁਕਾਵਟ (outage) ਆਉਂਦੀ ਹੈ, ਤਾਂ ਕਲਾਇੰਟ ਦੀਆਂ ਮੁੱਖ ਪ੍ਰਕਿਰਿਆਵਾਂ ਰੁਕ ਸਕਦੀਆਂ ਹਨ।

ਆਪਣੇ ਦਿਮਾਗ ਨੂੰ ਆਊਟਸੋਰਸ ਕਰਨ ਦੀ ਕੀਮਤ

ਨਡੇਲਾ ਨੇ ਇਸ ਮੁੱਦੇ ਨੂੰ ਬੌਧਿਕ ਪ੍ਰਭੂਸੱਤਾ (intellectual sovereignty) ਦੇ ਨੁਕਸਾਨ ਵਜੋਂ ਪੇਸ਼ ਕੀਤਾ। ਇੱਕ ਕਲੋਜ਼ਡ-ਲੂਪ ਸਿਸਟਮ ਵਿੱਚ, ਇੱਕ ਫਰਮ ਦੇ ਵਿਲੱਖਣ ਵਰਕਫਲੋਜ਼ ਅਤੇ ਡੋਮੇਨ ਗਿਆਨ ਪ੍ਰਦਾਤਾ ਦੇ ਟ੍ਰੇਨਿੰਗ ਸੈੱਟ ਦਾ ਹਿੱਸਾ ਬਣ ਜਾਂਦੇ ਹਨ, ਪਰ ਫਰਮ ਨੂੰ ਕਦੇ ਵੀ ਸਿਖਲਾਈ ਪ੍ਰਾਪਤ ਪੈਰਾਮੀਟਰਾਂ (trained parameters) ਦੀ ਪ੍ਰਾਪਤੀ ਨਹੀਂ ਹੁੰਦੀ। ਉਹਨਾਂ ਵੇਟਸ ਤੋਂ ਬਿਨਾਂ, ਕੰਪਨੀ ਆਪਣੀ ਮੁਹਾਰਤ ਦੀ ਨਕਲ ਕਰਨ ਲਈ ਕਿਸੇ ਓਪਨ ਮਾਡਲ ਨੂੰ ਫਾਈਨ-ਟਿਊਨ ਨਹੀਂ ਕਰ ਸਕਦੀ, ਅਤੇ ਨਾ ਹੀ ਇਸਦੀ ਜਾਂਚ ਕਰ ਸਕਦੀ ਹੈ ਕਿ ਉਸਦੇ ਡੇਟਾ ਦੀ ਵਰਤੋਂ ਕਿਵੇਂ ਕੀਤੀ ਜਾ ਰਹੀ ਹੈ।

ਇਸਦੇ ਵਿਵਹਾਰਕ ਨਤੀਜੇ ਬਹੁਤ ਗੰਭੀਰ ਹਨ:

  • ਪ੍ਰਤੀਯੋਗੀ ਲੀਕੇਜ (Competitive leakage): ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ AI ਲੈਬ ਕਲਾਇੰਟ ਦੇ ਵਿਸ਼ੇਸ਼ ਵਰਕਫਲੋਅ ਦਾ ਅਧਿਐਨ ਕਰ ਸਕਦੀ ਹੈ ਅਤੇ ਉਸ ਸਮਰੱਥਾ ਨੂੰ ਆਪਣੇ ਉਤਪਾਦਾਂ ਦੇ ਸਮੂਹ ਵਿੱਚ ਸ਼ਾਮਲ ਕਰ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਕਲਾਇੰਟ ਦੇ ਵੈਲਯੂ ਪ੍ਰਪੋਜ਼ੀਸ਼ਨ ਦੀ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਢੰਗ ਨਾਲ ਨਕਲ ਕੀਤੀ ਜਾ ਸਕਦੀ ਹੈ।

ਮਾਡਲ ਤੋਂ ਹਾਰਨੈਸ ਨੂੰ ਵੱਖ ਕਰਨਾ

ਨਡੇਲਾ ਦਾ ਸੁਝਾਅ ਇੱਕ ਮੋਡਿਊਲਰ ਆਰਕੀਟੈਕਚਰ ਹੈ ਜੋ ਕਾਰੋਬਾਰ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਅਤੇ ਕਿਸੇ ਵੀ ਡਾਊਨਸਟ੍ਰੀਮ ਮਾਡਲ ਦੇ ਵਿਚਕਾਰ ਇੱਕ "AI ਗੇਟਵੇ" (AI gateway) ਲਗਾਉਂਦਾ ਹੈ। ਗੇਟਵੇ ਪ੍ਰੋਂਪਟਸ ਨੂੰ ਫਾਰਮੈਟ ਕਰਦਾ ਹੈ, ਸੰਦਰਭ (context) ਨੂੰ ਜੋੜਦਾ ਹੈ, ਅਤੇ ਨਤੀਜਿਆਂ ਨੂੰ ਰੂਟ ਕਰਦਾ ਹੈ, ਜਦੋਂ ਕਿ ਮਾਡਲ ਇੱਕ ਬਦਲਣਯੋਗ ਹਿੱਸੇ ਵਜੋਂ ਰਹਿੰਦਾ ਹੈ। ਇਸ ਸੈੱਟਅੱਪ ਵਿੱਚ, ਕੰਪਨੀ ਦੀ ਯਾਦਦਾਸ਼ਤ—ਗੱਲਬਾਤ ਦਾ ਇਤਿਹਾਸ, ਮੈਟਾਡਾਟਾ, ਅਤੇ ਵਰਤੋਂ ਦੇ ਲੌਗਸ—ਆਪਣੇ ਖੁਦ ਦੇ ਬੁਨਿਆਦੀ ਢਾਂਚੇ 'ਤੇ ਰਹਿੰਦੀ ਹੈ।

ਉਸਨੇ ਲਾਭਾਂ ਨੂੰ ਤਿੰਨ ਥੰਮ੍ਹਾਂ ਵਿੱਚ ਵੰਡਿਆ ਹੈ:

  • ਚੁਸਤੀ ਬਣਾਈ ਰੱਖੋ (Maintain agility) – ਜਦੋਂ ਕੋਈ ਸਸਤਾ ਜਾਂ ਵਧੇਰੇ ਸਮਰੱਥ ਮਾਡਲ ਆਉਂਦਾ ਹੈ, ਤਾਂ ਗੇਟਵੇ ਪੂਰੇ ਸਟੈਕ ਨੂੰ ਦੁਬਾਰਾ ਲਿਖੇ ਬਿਨਾਂ ਉਸ ਵੱਲ ਇਸ਼ਾਰਾ ਕਰਦਾ ਹੈ।
  • ਖ਼ਤਰੇ ਨੂੰ ਘਟਾਓ (Mitigate risk) – ਜੇਕਰ ਕੋਈ ਪ੍ਰਦਾਤਾ ਆਪਣੇ SLA ਨੂੰ ਬਦਲਦਾ ਹੈ ਜਾਂ ਸੇਵਾਵਾਂ ਬੰਦ ਹੋ ਜਾਂਦੀਆਂ ਹਨ, ਤਾਂ ਗੇਟਵੇ ਇੱਕ ਵਿਕਲਪਿਕ ਇੰਜਣ 'ਤੇ ਤਬਦੀਲ ਹੋ ਜਾਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਮਹੱਤਵਪੂਰਨ ਵਰਕਫਲੋਜ਼ ਚਲਦੇ ਰਹਿੰਦੇ ਹਨ।
  • ਵਿਸ਼ੇਸ਼ਤਾ (Specialize) – ਹਲਕੇ, ਓਪਨ-ਵੇਟ ਮਾਡਲ ਰੁਟੀਨ ਵਰਗੀ ਸ਼੍ਰੇਣੀਬੱਧਤਾ (classification) ਨੂੰ ਸੰਭਾਲਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਇੱਕ ਵਿਸ਼ਾਲ ਮਾਲਕੀ ਵਾਲਾ LLM ਡੂੰਘੀ ਤਰਕਸ਼ੀਲਤਾ ਵਾਲੇ ਕੰਮਾਂ ਨੂੰ ਨਿਪਟਾਉਂਦਾ ਹੈ, ਜਿਸ ਨਾਲ ਲਾਗਤ ਅਤੇ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਅਨੁਕੂਲ ਬਣਾਇਆ ਜਾਂਦਾ ਹੈ।

ਪਲੇਟਫਾਰਮ ਪਲੇਅਬੁੱਕ ਦੇ ਜੋਖਮ

"ਪਲੇਟਫਾਰਮ ਪਲੇਅਬੁੱਕ" ਇੱਕ ਅਜਿਹੇ ਮਾਡਲ ਦਾ ਵਰਣਨ ਕਰਦੀ ਹੈ ਜਿੱਥੇ ਇੱਕ AI ਵੈਂਡਰ ਇੱਕ 'ਟਰਨਕੀ ਸੋਲਯੂਸ਼ਨ' (turnkey solution) ਦੇ ਬਦਲੇ ਕਲਾਇੰਟ ਦੀਆਂ ਅੰਦਰੂਨੀ ਪ੍ਰਕਿਰਿਆਵਾਂ ਤੱਕ ਡੂੰਘੀ ਪਹੁੰਚ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ। ਉਹ ਪਹੁੰਚ ਵੈਂਡਰ ਨੂੰ ਕਲਾਇੰਟ ਦੇ ਕੰਮਕਾਜ ਦਾ ਇੱਕ ਵਿਸਤ੍ਰਿਤ ਨਕਸ਼ਾ ਦਿੰਦੀ ਹੈ, ਜੋ ਇੱਕ ਰਣਨੀਤਕ ਕਮਜ਼ੋਰੀ ਪੈਦਾ ਕਰਦੀ ਹੈ। ਉਹਨਾਂ ਸਟਾਰਟਅੱਪਸ ਲਈ ਜਿਨ੍ਹਾਂ ਦੀ ਮੁੱਖ ਤਾਕਤ (moat) ਇੱਕ ਮਾਲਕੀ ਵਾਲਾ AI ਵਰਕਫਲੋਅ ਹੈ, ਜੋਖਮ ਬਹੁਤ ਜ਼ਿਆਦਾ ਹੈ: ਉਹੀ ਲੈਬ ਉਸ ਵਰਕਫਲੋਅ ਨੂੰ ਅਪਣਾ ਸਕਦੀ ਹੈ ਅਤੇ ਇੱਕ ਮੁਕਾਬਲੇ ਵਾਲੀ ਸੇਵਾ ਸ਼ੁਰੂ ਕਰ ਸਕਦੀ ਹੈ, ਜਿਸ ਨਾਲ ਕਲਾਇੰਟ ਦਾ ਬਾਜ਼ਾਰ ਵਿੱਚ ਫਾਇਦਾ ਖਤਮ ਹੋ ਸਕਦਾ ਹੈ।

ਵਿਰੋਧੀ ਪੱਖ: ਸਰਲਤਾ ਬਨਾਮ ਲਚਕਤਾ

ਸਮਝੌਤਾ ਸਪੱਸ਼ਟ ਹੈ। ਸਰਲਤਾ 'ਲੌਕ-ਇਨ' (lock-in) ਲਿਆਉਂਦੀ ਹੈ। ਉਹ ਕੰਪਨੀਆਂ ਜੋ ਪ੍ਰਭੂਸੱਤਾ ਦੀ ਬਜਾਏ ਗਤੀ ਨੂੰ ਤਰਜੀਹ ਦਿੰਦੀਆਂ ਹਨ, ਉਹ ਸਮੇਂ ਦੇ ਨਾਲ ਵਧੇਰੇ ਫੀਸਾਂ ਅਦਾ ਕਰ ਸਕਦੀਆਂ ਹਨ ਜਾਂ ਜੇਕਰ ਪ੍ਰਦਾਤਾ ਦਾ ਰੋਡਮੈਪ ਉਹਨਾਂ ਦੀਆਂ ਲੋੜਾਂ ਤੋਂ ਵੱਖਰਾ ਹੋ ਜਾਂਦਾ ਹੈ, ਤਾਂ ਮਹੱਤਵਪੂਰਨ ਪ੍ਰਕਿਰਿਆਵਾਂ ਨੂੰ ਮੁੜ ਬਣਾਉਣ ਲਈ ਭੱਜ-ਦੌੜ ਕਰ ਸਕਦੀਆਂ ਹਨ।

ਕੀ ਦੇਖਣਾ ਹੈ

  • ਓਪਨ-ਸੋਰਸ ਮਾਡਲ ਈਕੋਸਿਸਟਮ – ਉਹ ਪ੍ਰੋਜੈਕਟ ਜੋ ਅਨੁਮਤੀ ਪ੍ਰਾਪਤ ਲਾਇਸੈਂਸਾਂ ਦੇ ਅਧੀਨ ਮਾਡਲ ਵੇਟਸ ਪ੍ਰਕਾਸ਼ਿਤ ਕਰਦੇ ਹਨ, ਉਹ ਪ੍ਰਸਿੱਧੀ ਪ੍ਰਾਪਤ ਕਰ ਰਹੇ ਹਨ, ਜੋ ਕਿ ਮਾਲਕੀ ਵਾਲੀਆਂ ਸੇਵਾਵਾਂ ਦਾ ਇੱਕ ਵਿਹਲਕ ਵਿਕਲਪ ਪੇਸ਼ ਕਰਦੇ ਹਨ।
  • ਮਲਟੀ-ਮਾਡਲ ਆਰਕੈਸਟ੍ਰੇਸ਼ਨ ਪਲੇਟਫਾਰਮ – ਉੱਭਰ ਰਹੇ ਟੂਲ ਵੱਖ-ਵੱਖ AI ਬੈਕ-ਐਂਡਸ ਵਿੱਚ ਰੂਟਿੰਗ, ਕੈਸ਼ਿੰਗ ਅਤੇ ਨਿਗਰਾਨੀ ਦਾ ਪ੍ਰਬੰਧਨ ਕਰਦੇ ਹਨ, ਜਿਸ ਨਾਲ ਗੇਟਵੇ ਸੰਕਲਪ ਨੂੰ ਲਾਗੂ ਕਰਨਾ ਆਸਾਨ ਹੋ ਜਾਂਦਾ ਹੈ।