ਸਤਿਆ ਨਡੇਲਾ ਨੇ AI ਏਜੰਟਾਂ ਦੇ ਯੁੱਗ ਵਿੱਚ 'Token-Maxing' ਵਿਰੁੱਧ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਹੈ

Microsoft ਦੇ CEO ਸਤਿਆ ਨਡੇਲਾ ਨੇ "token-maxing" ਵਿਰੁੱਧ ਇੱਕ ਚੇਤਾਵਨੀ ਜਾਰੀ ਕੀਤੀ ਹੈ, ਜੋ ਕਿ ਉਹ ਰੁਝਾਨ ਹੈ ਜਿਸ ਵਿੱਚ ਅਜਿਹੇ ਕੰਮਾਂ ਲਈ ਉੱਚ-ਲਾਗਤ ਵਾਲੇ frontier models ਦੀ ਵਰਤੋਂ ਕੀਤੀ ਜਾਂਦੀ ਹੈ ਜੋ ਉਹਨਾਂ ਦੇ ਕੰਪਿਊਟੇਸ਼ਨਲ ਖਰਚੇ ਨੂੰ ਜਾਇਜ਼ ਨਹੀਂ ਉਤਾਰਦੇ। ਸ਼ਕਤੀਸ਼ਾਲੀ AI ਦੀ ਨਸ਼ੇ ਵਰਗੀ ਪ੍ਰਕਿਰਤੀ ਨੂੰ ਸਵੀਕਾਰ ਕਰਦੇ ਹੋਏ, ਨਡੇਲਾ ਦਾ ਤਰਕ ਹੈ ਕਿ ਆਰਥਿਕ ਮੁੱਲ ਸਿਰਫ਼ ਮਾਡਲ ਦੇ ਪੈਮਾਨੇ ਦੀ ਬਜਾਏ ਕੁਸ਼ਲਤਾ ਦੁਆਰਾ ਸੰਚਾਲਿਤ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

Token-Maxing ਦਾ ਆਰਥਿਕ ਜਾਲ

ਇੱਕ ਹਾਲੀਆ ਇੰਟਰਵਿਊ ਵਿੱਚ, ਨਡੇਲਾ ਨੇ ਮੌਜੂਦਾ AI ਲਾਗੂ ਕਰਨ ਦੇ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਗੰਭੀਰ ਅਸੰਤੁਲਨ 'ਤੇ ਰੌਸ਼ਨੀ ਪਾਈ। ਉਹਨਾਂ ਨੇ ਹਰ ਸੰਭਵ ਕੰਮ ਲਈ ਸਭ ਤੋਂ ਉੱਨਤ, ਸਰੋਤ-ਗ਼ੁਲ (resource-intensive) Large Language Models (LLMs) ਦੀ ਅੰਨ੍ਹੇਵਾਹ ਵਰਤੋਂ ਦਾ ਵਰਣਨ ਕਰਨ ਲਈ "token-maxing" ਸ਼ਬਦ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਨਡੇਲਾ ਲਈ, ਇਹ ਮੁੱਦਾ ਮੂਲ ਰੂਪ ਵਿੱਚ unit economics ਦਾ ਹੈ: "ਇਹ ਕੌੜਾ ਸੱਚ ਹੈ ਕਿ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਸੁਧਾਰ ਦੀ ਸੀਮਾਂਤ ਲਾਗਤ (marginal cost), ਟੋਕਨ ਦੀ ਸੀਮਾਂਤ ਲਾਗਤ ਦੇ ਬਰਾਬਰ ਹੋਣੀ ਚਾਹੀਦੀ ਹੈ।"

ਜੇਕਰ ਕੋਈ ਕੰਪਨੀ ਇੱਕ ਮਾਮੂਲੀ ਸਮੱਸਿਆ ਨੂੰ ਹੱਲ ਕਰਨ ਲਈ ਇੱਕ ਵਿਸ਼ਾਲ, ਮਹਿੰਗੇ frontier model ਦੀ ਵਰਤੋਂ ਕਰਦੀ ਹੈ ਜਿਸਨੂੰ ਇੱਕ ਛੋਟਾ, ਵਿਸ਼ੇਸ਼ ਮਾਡਲ ਸੰਭਾਲ ਸਕਦਾ ਸੀ, ਤਾਂ "token" ਦੀ ਲਾਗਤ ਉਤਪਾਦਕਤਾ ਵਿੱਚ ਹੋਏ ਵਾਧੂ ਫਾਇਦੇ ਨਾਲੋਂ ਵੱਧ ਜਾਂਦੀ ਹੈ। ਨਡੇਲਾ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ ਕਿ AI ਨੂੰ ਅਸਲ, ਟਿਕਾਊ ਆਰਥਿਕ ਵਿਕਾਸ ਨੂੰ ਉਤਸ਼ਾਹਿਤ ਕਰਨ ਲਈ, ਉਦਯੋਗ ਨੂੰ ਮਾਡਲਾਂ ਦੇ ਵਧੇਰੇ ਸੂਖਮ ਸੰਚਾਲਨ (orchestration) ਵੱਲ ਵਧਣਾ ਚਾਹੀਦਾ ਹੈ ਜਿੱਥੇ ਸਾਧਨ ਦੀ ਗੁੰਝਲਤਾ ਸਮੱਸਿਆ ਦੀ ਗੁੰਝਲਤਾ ਦੇ ਅਨੁਕੂਲ ਹੋਵੇ।

ਕੋਡਿੰਗ ਤੋਂ Cognitive Coverage ਵੱਲ ਤਬਦੀਲੀ

ਕੁਸ਼ਲਤਾ ਬਾਰੇ ਆਪਣੀ ਚੇਤਾਵਨੀ ਦੇ ਬਾਵਜੂਦ, ਨਡੇਲਾ ਦਾ ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ ਦੇ ਭਵਿੱਖ ਲਈ ਵਿਜ਼ਨ ਬਹੁਤ ਜ਼ਿਆਦਾ ਸਰੋਤ-ਗ਼ੁਲ ਹੈ। ਉਹ ਇੱਕ ਅਜਿਹੇ ਪੈਰਾਡਾਈਮ ਸ਼ਿਫਟ (paradigm shift) ਦੀ ਭਵਿੱਖਬਾਣੀ ਕਰਦੇ ਹਨ ਜਿੱਥੇ ਡਿਵੈਲਪਰ ਮੈਨੂਅਲ ਸਿੰਟੈਕਸ ਲਿਖਣ ਤੋਂ ਦੂਰ ਹੋ ਕੇ AI ਏਜੰਟਾਂ ਦੇ ਵਿਸ਼ਾਲ ਸਮੂਹਾਂ ਦੇ ਪ੍ਰਬੰਧਨ ਵੱਲ ਵਧਣਗੇ। ਇਸ ਭਵਿੱਖ ਵਿੱਚ, ਇੱਕ ਸਿੰਗਲ ਇੰਜੀਨੀਅਰ ਰੀਅਲ-ਟਾਈਮ ਵਿੱਚ ਕੋਡ ਤਿਆਰ ਕਰਨ ਵਾਲੇ ਸੈਂਕੜੇ ਜਾਂ ਹਜ਼ਾਰਾਂ autonomous agents ਦੀ ਨਿਗਰਾਨੀ ਕਰ ਸਕਦਾ ਹੈ।

ਇਸ ਰਾਹ 'ਤੇ ਚੱਲਣ ਲਈ, ਨਡੇਲਾ "cognitive coverage" ਦੀ ਧਾਰਨਾ ਪੇਸ਼ ਕਰਦੇ ਹਨ। ਜਿਵੇਂ-ਜਿਵੇਂ ਡਿਵੈਲਪਰ ਲੇਖਕਾਂ ਤੋਂ ਸੁਪਰਵਾਈਜ਼ਰਾਂ ਵਿੱਚ ਬਦਲਦੇ ਹਨ, ਉਹਨਾਂ ਦਾ ਮੁੱਖ ਹੁਨਰ ਉਸ ਕੋਡ ਨੂੰ ਡੂੰਘਾਈ ਨਾਲ ਸਮਝਣ ਅਤੇ ਆਡਿਟ ਕਰਨ ਦੀ ਯੋਗਤਾ ਹੋਵੇਗੀ ਜੋ ਉਹਨਾਂ ਨੇ ਖੁਦ ਨਹੀਂ ਲਿਖਿਆ। ਨਡੇਲਾ ਨੇ ਨੋਟ ਕੀਤਾ, "ਮੇਰੇ ਕੋਲ ਏਜੰਟਾਂ ਦੁਆਰਾ ਲਿਖੇ ਗਏ ਕੋਡ ਨਾਲ ਭਰਿਆ ਇੱਕ repo ਹੈ। ਮੈਂ ਬੌਧਿਕ ਤੌਰ 'ਤੇ ਸਮਝ ਰਿਹਾ ਹਾਂ ਕਿ ਕੀ ਹੋਇਆ ਹੈ," ਅਤੇ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੱਤਾ ਕਿ ਹਾਲਾਂਕਿ ਕੋਡਿੰਗ ਦੀ ਮੈਨੂਅਲ ਮਿਹਨਤ ਘਟਦੀ ਹੈ, ਪਰ ਸਿਸਟਮ ਦੀ ਅਖੰਡਤਾ ਨੂੰ ਯਕੀਨੀ ਬਣਾਉਣ ਲਈ ਡੂੰਘੀ ਕੰਪਿਊਟਰ ਸਾਇੰਸ ਦੀ ਸਿੱਖਿਆ ਦੀ ਲੋੜ ਪਹਿਲਾਂ ਨਾਲੋਂ ਕਿਤੇ ਜ਼ਿਆਦਾ ਰਹੇਗੀ।

ਇਹ AI Ecosystem ਲਈ ਕਿਉਂ ਮਹੱਤਵਪੂਰਨ ਹੈ

ਨੈਡੇਲਾ ਦੀਆਂ ਟਿੱਪਣੀਆਂ AI ਉਦਯੋਗ ਦੇ ਪਰਿਪੱਕ ਹੋਣ ਦਾ ਸੰਕੇਤ ਦਿੰਦੀਆਂ ਹਨ। ਅਸੀਂ ਫਰੰਟੀਅਰ ਮਾਡਲਾਂ ਦੇ "wow factor" ਪੜਾਅ ਤੋਂ ਅੱਗੇ ਵਧ ਰਹੇ ਹਾਂ ਅਤੇ ਆਪਟੀਮਾਈਜ਼ੇਸ਼ਨ ਅਤੇ ਏਜੈਂਟਿਕ ਵਰਕਫਲੋਜ਼ (agentic workflows) ਦੇ ਯੁੱਗ ਵਿੱਚ ਪ੍ਰਵੇਸ਼ ਕਰ ਰਹੇ ਹਾਂ। ਡਿਵੈਲਪਰਾਂ ਅਤੇ ਸੰਸਥਾਪਕਾਂ ਲਈ, ਸਿੱਖਿਆ ਸਪੱਸ਼ਟ ਹੈ: ਭਵਿੱਖੀ ਮੁੱਲ ਸਿਰਫ਼ ਸਭ ਤੋਂ ਵੱਡੇ ਮਾਡਲਾਂ ਤੱਕ ਪਹੁੰਚ ਰੱਖਣ ਵਿੱਚ ਨਹੀਂ ਹੈ, ਸਗੋਂ ਉਹਨਾਂ ਉੱਨਤ ਆਰਕੇਸਟ੍ਰੇਸ਼ਨ ਲੇਅਰਾਂ (orchestration layers) ਨੂੰ ਬਣਾਉਣ ਵਿੱਚ ਹੈ ਜੋ ਸਹੀ ਸਮੇਂ 'ਤੇ ਸਹੀ ਮਾਡਲ ਨੂੰ ਤਾਇਨਾਤ ਕਰ ਸਕਣ। ਇਸ ਖੇਤਰ ਵਿੱਚ ਜੇਤੂ ਉਹ ਹੋਣਗੇ ਜੋ 'ਟੋਕਨ-ਮੈਕਸਿੰਗ' (token-maxing) ਜਾਲ ਤੋਂ ਬਚਣ ਲਈ ਵਿੱਤੀ ਅਨੁਸ਼ਾਸਨ ਬਣਾਈ ਰੱਖਦੇ ਹੋਏ "cognitive coverage" ਵਿੱਚ ਮੁਹਾਰਤ ਹਾਸਲ ਕਰਨਗੇ।

ਮੁੱਖ ਨੁਕਤੇ

• ਕਾਰਜਕੁਸ਼ਲਤਾ ਸਭ ਤੋਂ ਮਹੱਤਵਪੂਰਨ ਹੈ: AI ਵਿੱਚ ਅਸਲ ਆਰਥਿਕ ਵਿਕਾਸ ਲਈ ਮਾਡਲ ਦੇ ਟੋਕਨਾਂ ਦੀ ਸੀਮਾਂਤ ਲਾਗਤ (marginal cost) ਨੂੰ ਉਹਨਾਂ ਦੁਆਰਾ ਪ੍ਰਦਾਨ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਅਸਲ ਉਤਪਾਦਕਤਾ ਲਾਭਾਂ ਦੇ ਬਰਾਬਰ ਰੱਖਣਾ ਜ਼ਰੂਰੀ ਹੈ।
• Cognitive Coverage ਦਾ ਉਭਾਰ: ਸਾਫਟਵੇਅਰ ਇੰਜੀਨੀਅਰਿੰਗ ਮੈਨੂਅਲ ਕੋਡਿੰਗ ਤੋਂ ਹਟ ਕੇ ਵਿਸ਼ਾਲ, ਏਜੰਟ-ਜਨਰੇਟਡ ਕੋਡਬੇਸਾਂ ਦੀ ਉੱਚ-ਪੱਧਰੀ ਨਿਗਰਾਨੀ ਅਤੇ ਆਡਿਟਿੰਗ ਵੱਲ ਵਧ ਰਹੀ ਹੈ।
• Agentic Orchestration: ਵਿਕਾਸ ਦੀ ਅਗਲੀ ਸੀਮਾ ਵਿੱਚ ਹਜ਼ਾਰਾਂ AI ਏਜੰਟਾਂ ਦਾ ਪ੍ਰਬੰਧਨ ਸ਼ਾਮਲ ਹੈ, ਜਿਸ ਲਈ ਕੰਟਰੋਲ ਬਣਾਈ ਰੱਖਣ ਲਈ CS ਦੇ ਡੂੰਘੇ ਮੂਲ ਗਿਆਨ ਦੀ ਲੋੜ ਹੈ।