ਸਤਿਆ ਨਡੇਲਾ ਦੀ ਚੇਤਾਵਨੀ: ਉਦਯੋਗਿਕ ਸੰਸਥਾਵਾਂ AI ਲਈ ਦੋ ਵਾਰ ਭੁਗਤਾਨ ਕਰ ਰਹੀਆਂ ਹਨ
Microsoft ਦੇ CEO ਸਤਿਆ ਨਡੇਲਾ ਨੇ ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਇੱਕ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਚੇਤਾਵਨੀ ਦਿੱਤੀ ਹੈ, ਜਿਸ ਵਿੱਚ ਉਨ੍ਹਾਂ ਨੇ ਕਿਹਾ ਹੈ ਕਿ ਮੌਜੂਦਾ ਪ੍ਰੋਪਰਾਈਟਰੀ (proprietary) AI ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਮਾਡਲ ਇੱਕ ਲੁਕੀ ਹੋਈ ਅਤੇ ਉੱਚ ਜੋਖਮ ਵਾਲੀ ਕੀਮਤ ਨਾਲ ਜੁੜਿਆ ਹੋਇਆ ਹੈ। ਸਿਰਫ਼ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਫੀਸ ਤੋਂ ਇਲਾਵਾ, ਕੰਪਨੀਆਂ ਅਣਜਾਣੇ ਵਿੱਚ ਆਪਣੀ ਸਭ ਤੋਂ ਕੀਮਤੀ ਸੰਪਤੀ ਦਾ ਵਪਾਰ ਕਰ ਰਹੀਆਂ ਹਨ: ਆਪਣੀ ਸੰਸਥਾਗਤ ਬੁੱਧੀ (institutional intelligence)।
ਲੁਕੀ ਹੋਈ ਕੀਮਤ: ਪ੍ਰੋਪਰਾਈਟਰੀ ਗਿਆਨ ਨਾਲ ਭੁਗਤਾਨ ਕਰਨਾ
ਇੱਕ ਹਾਲੀਆ ਚਰਚਿਤ ਬਲੌਗ ਪੋਸਟ ਵਿੱਚ, ਨਡੇਲਾ ਨੇ ਦਲੀਲ ਦਿੱਤੀ ਕਿ AI "ਖਰੀਦਦਾਰ" ਅਸਲ ਵਿੱਚ ਬੁੱਧੀ ਲਈ ਦੋ ਵਾਰ ਭੁਗਤਾਨ ਕਰ ਰਹੇ ਹਨ। ਪਹਿਲਾ ਭੁਗਤਾਨ ਵਿੱਤੀ ਹੈ—OpenAI ਅਤੇ Anthropic ਵਰਗੀਆਂ ਲੈਬਾਂ ਨੂੰ ਦਿੱਤੇ ਜਾਣ ਵਾਲੇ ਟੋਕਨ ਅਤੇ ਸਬਸਕ੍ਰਿਪਸ਼ਨ ਫੀਸ। ਦੂਜਾ, ਅਤੇ ਕਿਤੇ ਜ਼ਿਆਦਾ ਖ਼ਤਰਨਾਕ ਭੁਗਤਾਨ, ਉਹ ਪ੍ਰੋਪਰਾਈਟਰੀ ਗਿਆਨ ਹੈ ਜੋ ਮਾਡਲਾਂ ਨੂੰ ਉਪਯੋਗੀ ਬਣਾਉਣ ਲਈ ਪ੍ਰਗਟ ਕੀਤਾ ਜਾਂਦਾ ਹੈ।
ਨਡੇਲਾ ਇਸ ਗੱਲ 'ਤੇ ਜ਼ੋਰ ਦਿੰਦੇ ਹਨ ਕਿ ਜਿਵੇਂ ਹੀ ਉਦਯੋਗਿਕ ਸੰਸਥਾਵਾਂ ਪ੍ਰਦਰਸ਼ਨ ਨੂੰ ਬਿਹਤਰ ਬਣਾਉਣ (fine-tune) ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੀਆਂ ਹਨ, ਉਹ ਮਾਡਲਾਂ ਨੂੰ ਸੰਵੇਦਨਸ਼ੀਲ ਡੇਟਾ ਪ੍ਰਦਾਨ ਕਰਦੀਆਂ ਹਨ। ਇਸ ਤੋਂ ਵੀ ਮਹੱਤਵਪੂਰਨ ਗੱਲ ਇਹ ਹੈ ਕਿ ਮਾਡਲ "exhaust" (ਬਚੇ ਹੋਏ ਡੇਟਾ) ਤੋਂ ਸਿੱਖਦੇ ਹਨ—ਜਿਵੇਂ ਕਿ ਪ੍ਰੋਂਪਟ (prompts), ਏਜੰਟਾਂ ਦੁਆਰਾ ਵਰਤੇ ਜਾਣ ਵਾਲੇ ਵਿਸ਼ੇਸ਼ ਟੂਲ, ਅਤੇ ਮਾਡਲ ਦੀ ਗਲਤੀ ਹੋਣ 'ਤੇ ਕੀਤੇ ਜਾਣ ਵਾਲੇ ਮਨੁੱਖੀ ਸੁਧਾਰ। ਇਹ ਫੀਡਬੈਕ ਲੂਪ ਸੰਸਥਾਗਤ ਜਾਣਕਾਰੀ ਦਾ ਅਜਿਹਾ ਨਿਚੋੜ ਤਿਆਰ ਕਰਦਾ ਹੈ ਜਿਸ ਨੂੰ ਕੋਈ ਮੁਕਾਬਲੇਬਾਜ਼ ਕਦੇ ਵੀ ਨਹੀਂ ਖਰੀਦ ਸਕਦਾ, ਫਿਰ ਵੀ ਇਹ ਸਿੱਧਾ ਮਾਡਲ ਪ੍ਰਦਾਤਾਵਾਂ ਨੂੰ ਦਿੱਤਾ ਜਾ ਰਿਹਾ ਹੈ।
ਡਿਸਟੀਲੇਸ਼ਨ (Distillation) ਬਹਿਸ ਅਤੇ ਸਿਖਲਾਈ ਵਿੱਚ ਪਖੰਡ
AI ਦੇ ਖੇਤਰ ਵਿੱਚ ਇੱਕ ਮੁੱਖ ਤਣਾਅ "distillation" ਦੀ ਧਾਰਨਾ ਹੈ—ਇੱਕ ਨਵੇਂ, ਵਧੇਰੇ ਕੁਸ਼ਲ ਮਾਡਲ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਮਾਡਲ ਦੇ ਆਉਟਪੁੱਟ (outputs) ਦੀ ਵਰਤੋਂ ਕਰਨ ਦੀ ਪ੍ਰਕਿਰਿਆ। ਨਡੇਲਾ ਨੇ ਉਦਯੋਗ ਵਿੱਚ ਇੱਕ ਪਖੰਡ ਵੱਲ ਇਸ਼ਾਰਾ ਕੀਤਾ: ਜਦੋਂ ਕਿ AI ਲੈਬਾਂ ਆਪਣੇ ਮੂਲ (foundational) ਮਾਡਲਾਂ ਨੂੰ ਸਿਖਲਾਈ ਦੇਣ ਲਈ ਪੂਰੇ ਇੰਟਰਨੈਟ ਨੂੰ ਸਕ੍ਰੈਪ (scrape) ਕਰਨ ਦੇ "fair use" ਅਧਿਕਾਰਾਂ ਦਾ ਦਾਅਵਾ ਕਰਦੀਆਂ ਹਨ, ਉਹ ਨਾਲ ਹੀ ਅਜਿਹੀਆਂ ਪਾਬੰਦੀਸ਼ੁਦਾ ਸ਼ਰਤਾਂ ਲਗਾਉਂਦੀਆਂ ਹਨ ਜੋ ਉਦਯੋਗਿਕ ਸੰਸਥਾਵਾਂ ਨੂੰ ਉਹਨਾਂ ਦੇ ਪ੍ਰੋਪਰਾਈਟਰੀ ਮਾਡਲਾਂ ਤੋਂ ਸਿੱਖਣ ਜਾਂ ਡਿਸਟੀਲ ਕਰਨ ਤੋਂ ਰੋਕਦੀਆਂ ਹਨ।
ਇਹ ਬਹਿਸ ਸਿਰਫ਼ ਸਿਧਾਂਤਕ ਨਹੀਂ ਹੈ। Anthropic ਵਰਗੇ ਉਦਯੋਗਿਕ ਖਿਡਾਰੀਆਂ ਨੇ ਪਹਿਲਾਂ ਵੀ ਚੀਨੀ ਓਪਨ-ਸੋਰਸ ਮਾਡਲਾਂ ਬਾਰੇ ਚਿੰਤਾਵਾਂ ਪ੍ਰਗਟਾਈਆਂ ਹਨ, ਜਿਨ੍ਹਾਂ 'ਤੇ ਕਥਿਤ ਤੌਰ 'ਤੇ ਆਪਣੀਆਂ ਸਮਰੱਥਾਵਾਂ ਨੂੰ ਸੁਧਾਰਨ ਲਈ Claude ਤੋਂ ਲੱਖਾਂ ਪ੍ਰੋਂਪਟ ਦੀ ਵਰਤੋਂ ਕਰਨ ਦਾ ਦੋਸ਼ ਹੈ, ਜਿਸ ਕਾਰਨ ਸਰਕਾਰੀ ਨਿਰਯਾਤ ਨਿਯੰਤਰਣਾਂ ਨੂੰ ਸਖ਼ਤ ਕਰਨ ਦੀਆਂ ਮੰਗਾਂ ਉੱਠੀਆਂ ਹਨ।
ਆਰਕੇਸਟ੍ਰੇਸ਼ਨ (Orchestration) ਅਤੇ ਓਨ-ਪ੍ਰੇਮਿਸ (On-Premise) ਮਾਡਲਾਂ ਵੱਲ ਤਬਦੀਲੀ
ਇਹਨਾਂ ਜੋਖਮਾਂ ਨੂੰ ਘਟਾਉਣ ਲਈ, ਨਡੇਲਾ ਉਦਯੋਗਿਕ ਸੰਸਥਾਵਾਂ ਦੁਆਰਾ ਆਪਣੇ AI ਸਟੈਕ (stacks) ਨੂੰ ਤਿਆਰ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵਿੱਚ ਇੱਕ ਰਣਨੀਤਕ ਤਬਦੀਲੀ ਦਾ ਸੁਝਾਅ ਦਿੰਦੇ ਹਨ। ਉਹ ਦੋ ਮੁੱਖ ਰੱਖਿਆਵਾਂ ਦੀ ਵਕਾਲਤ ਕਰਦੇ ਹਨ:
- ਪ੍ਰੋਪਰਾਈਟਰੀ ਲਰਨਿੰਗ ਐਨਵਾਇਰਨਮੈਂਟਸ (Proprietary Learning Environments): ਕੰਪਨੀਆਂ ਨੂੰ ਕਲਾਉਡ (ਜਿਵੇਂ ਕਿ Microsoft Azure) ਵਿੱਚ ਸਮਰਪਿਤ ਵਾਤਾਵਰਣ ਬਣਾ ਕੇ ਆਪਣੇ ਡੇਟਾ, ਪ੍ਰੋਂਪਟ ਅਤੇ ਫੀਡਬੈਕ 'ਤੇ ਪੂਰਨ ਮਾਲਕੀ ਰੱਖਣੀ ਚਾਹੀਦੀ ਹੈ।
- ਆਰਕੇਸਟ੍ਰੇਸ਼ਨ ਲੇਅਰਜ਼ (Orchestration Layers): ਕਿਸੇ ਇੱਕ ਪ੍ਰਦਾਤਾ ਤੱਕ ਸੀਮਤ ਰਹਿਣ ਦੀ ਬਜਾਏ, ਕਾਰੋਬਾਰਾਂ ਨੂੰ ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਵਿਚਕਾਰ ਸੁਚਾਰੂ ਰੂਪ ਵਿੱਚ ਬਦਲਣ ਲਈ "AI gateways" ਦੀ ਵਰਤੋਂ ਕਰਨੀ ਚਾਹੀਦੀ ਹੈ।
ਇਹ ਆਰਕੀਟੈਕਚਰਲ ਤਬਦੀਲੀ ਮਾਰਕੀਟ ਵਿੱਚ ਪਹਿਲਾਂ ਹੀ ਦਿਖਾਈ ਦੇ ਰਹੀ ਹੈ। Solo.io ਦੀ Idit Levine ਵਰਗੇ ਉਦਯੋਗਿਕ ਮਾਹਿਰਾਂ ਅਨੁਸਾਰ, ਉਦਯੋਗਿਕ ਸੰਸਥਾਵਾਂ ਵੱਲ "on-prem" (on-premise) ਓਪਨ-ਸੋਰਸ ਮਾਡਲਾਂ ਵੱਲ ਵਧਣ ਦਾ ਰੁਝਾਨ ਵਧ ਰਿਹਾ ਹੈ। ਇਹ ਮਾਡਲ ਪ੍ਰੋਪਰਾਈਟਰੀ ਦਿੱਗਜਾਂ ਦੇ ਕੰਮਾਂ ਦਾ 90% ਤੱਕ ਹਿੱਸਾ ਬਹੁਤ ਘੱਟ ਲਾਗਤ 'ਤੇ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਨਾਲ ਹੀ ਇਹ ਯਕੀਨੀ ਬਣਾਉਂਦੇ ਹਨ ਕਿ ਡੇਟਾ ਕੰਪਨੀ ਦੇ ਭੌਤਿਕ ਜਾਂ ਵਰਚੁਅਲ ਕੰਟਰੋਲ ਵਿੱਚ ਰਹੇ।
ਡੇਟਾ ਇਸ ਰੁਝਾਨ ਦੀ ਪੁਸ਼ਟੀ ਕਰਦਾ ਹੈ; Vercel ਵਰਗੇ ਪਲੇਟਫਾਰਮਾਂ ਨੇ ਰਿਪੋਰਟ ਦਿੱਤੀ ਹੈ ਕਿ ਇੱਕ ਮਹੀਨੇ ਵਿੱਚ ਉਹਨਾਂ ਦੇ ਗੇਟਵੇ ਰਾਹੀਂ ਭੇਜੇ ਗਏ ਸਾਰੇ ਟ੍ਰੈਫਿਕ ਵਿੱਚੋਂ 29% ਓਪਨ ਮਾਡਲਾਂ ਦਾ ਸੀ। ਜਿਵੇਂ ਕਿ ਨਡੇਲਾ ਸਿੱਟਾ ਕੱਢਦੇ ਹਨ, "ਬੁੱਧੀ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ, ਤੁਸੀਂ ਬੁੱਧੀ ਪੈਦਾ ਕਰ ਰਹੇ ਹੋ। ਅਤੇ ਜੋ ਤੁਸੀਂ ਪੈਦਾ ਕਰਦੇ ਹੋ, ਉਹ ਤੁਹਾਡਾ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।"
ਮੁੱਖ ਨੁਕਤੇ
- ਦੋਹਰੇ ਭੁਗਤਾਨ ਦਾ ਜਾਲ: ਉਦਯੋਗਿਕ ਸੰਸਥਾਵਾਂ ਸਿਰਫ਼ ਨਕਦ ਭੁਗਤਾਨ ਨਹੀਂ ਕਰ ਰਹੀਆਂ; ਉਹ ਆਪਣੇ ਪ੍ਰੋਪਰਾਈਟਰੀ ਕਾਰੋਬਾਰੀ ਤਰਕ (business logic) ਅਤੇ ਸੁਧਾਰਾਂ ਦੇ "exhaust" ਨਾਲ ਭੁਗਤਾਨ ਕਰ ਰਹੀਆਂ ਹਨ।
- ਮਾਡਲ ਆਰਕੇਸਟ੍ਰੇਸ਼ਨ ਦਾ ਉਭਾਰ: ਵੈਂਡਰ ਲਾਕ-ਇਨ (vendor lock-in) ਅਤੇ ਡੇਟਾ ਲੀਕੇਜ ਤੋਂ ਬਚਣ ਲਈ, ਕੰਪਨੀਆਂ ਵੱਖ-ਵੱਖ ਮਾਡਲਾਂ ਦੇ ਪ੍ਰਬੰਧਨ ਲਈ ਵੱਧ ਤੋਂ ਵੱਧ AI gateways ਅਤੇ orchestration layers ਨੂੰ ਅਪਣਾ ਰਹੀਆਂ ਹਨ।
- ਓਪਨ ਸੋਰਸ ਵੱਲ ਝੁਕਾਅ: ਡੇਟਾ ਪ੍ਰਭੂਸੱਤਾ (data sovereignty) ਬਣਾਈ ਰੱਖਣ ਅਤੇ ਲੰਬੇ ਸਮੇਂ ਦੇ ਖਰਚਿਆਂ ਨੂੰ ਘਟਾਉਣ ਲਈ ਓਨ-ਪ੍ਰੇਮਿਸ, ਓਪਨ-ਸੋਰਸ ਮਾਡਲਾਂ ਦੀ ਵਰਤੋਂ ਵੱਲ ਇੱਕ ਮਹੱਤਵਪੂਰਨ ਲਹਿਰ ਚੱਲ ਰਹੀ ਹੈ।