Kimi K3 என்பது ஒரு Distillation தயாரிப்பா? புகார்களை மறுக்கும் நிபுணர்கள்

செயற்கை நுண்ணறிவு (AI) தொடர்பான புவிசார் அரசியல் பதற்றம் உச்சத்தை எட்டியுள்ளது, ஏனெனில் அமெரிக்க அதிகாரிகள் சீன நிறுவனங்கள் மீது தொழில்துறை உளவு பார்த்தல் (industrial espionage) குற்றச்சாட்டுகளை சுமத்தியுள்ளனர். Moonshot AI நிறுவனம் தனது Kimi K3 மாதிரியைப் பயிற்றுவிக்க Anthropic-ன் Fable-ஐப் பயன்படுத்தியதாகக் குற்றச்சாட்டுகள் இருந்தாலும், பெரிய மொழி மாதிரிகளின் (LLM) தொழில்நுட்ப யதார்த்தம் மிகவும் சிக்கலானது என்று முன்னணி AI ஆராய்ச்சியாளர்கள் வாதிடுகின்றனர்.

Model Distillation மற்றும் அறிவுசார் சொத்துத் திருட்டு குறித்த குற்றச்சாட்டுகள்

தற்போது கிடைக்கக்கூடிய மிகப்பெரிய திறந்த-எடை (open-weight) LLM-ஆக இருக்கும் Kimi K3-ன் பின்னணியில் உள்ள Moonshot நிறுவனத்தின் மீது வெள்ளை மாளிகையின் அறிவியல் ஆலோசகர் Michael Kratsios கடுமையான குற்றச்சாட்டுகளை முன்வைத்துள்ளார். Moonshot நிறுவனம் அமெரிக்காவின் பிரத்யேகத் தொழில்நுட்பத்தைத் திருடுவதற்கு "பெரிய அளவிலான, ரகசியமான தொழில்துறை வடிகட்டுதல்" (large-scale, covert industrial distillation) நடவடிக்கைகளில் ஈடுபட்டதாக Kratsios குற்றம் சாட்டுகிறார். அமெரிக்க LLM-களின் "நீர் அடையாளங்கள்" (watermarks) சீன மாதிரிகளில் காணப்படுவதாகக் குறிப்பிட்ட நிதித்துறைச் செயலாளர் Scott Bessent என்பவரால் இந்தத் தரவு ஆதரிக்கப்படுகிறது.

Distillation என்பது ஒரு பெரிய, "முன்னணி" (frontier) மாதிரியிடம் கேள்விகளைக் கேட்டு, அதன் பகுத்தறியும் திறன் மற்றும் அறிவைப் பிரித்தெடுத்து, ஒரு சிறிய மாதிரியைப் பயிற்றுவிக்கும் செயல்முறையாகும். இது பெரும்பாலும் மேற்பார்வையிடப்பட்ட நுணுக்கமான பயிற்சியை (supervised fine-tuning - SFT) உள்ளடக்கியது; இதில் ஒரு இலக்கு மாதிரியின் தூண்டுதல்கள் (prompts) மற்றும் பதில்கள் புதிய மாதிரியைப் பயிற்றுவிக்கப் பயன்படுத்தப்படுகின்றன. இது சில நேரங்களில் புதிய மாதிரி அசல் மாதிரியின் "நடத்தை" அல்லது குறிப்பிட்ட உரையாடல் பாணிகளைப் பின்பற்றுவதற்கு வழிவகுக்கும்.

நிபுணர்கள் ஏன் இந்த Distillation கோட்பாட்டை சந்தேகிக்கிறார்கள்?

இந்தத் தகவல்களுக்கு அரசியல் முக்கியத்துவம் இருந்தபோதிலும், AI ஆராய்ச்சி சமூகம் இதைச் சந்தேகத்துடன்வே பார்க்கிறது. Laude Institute ஆராய்ச்சியாளரும் Snorkel AI-ன் இணை நிறுவனருமான Braden Hancock, ஒரு முக்கியமான காலவரிசைப் பிரச்சினையைச் சுட்டிக்காட்டுகிறார்: Anthropic-ன் Fable ஜூலை 1 முதல் மட்டுமே பொதுமக்களுக்குக் கிடைக்கிறது. "அவ்வளவு தரவை வடிகட்டி, ஒரு மாதிரியைப் பயிற்றுவித்து, இரண்டே வாரங்களில் அதை வெளியிட முடியாது," என்று Hancock குறிப்பிட்டார்.

மேலும், மாதிரிகள் முன்னேறிய நிலையை (frontier) நோக்கி நகரும்போது, SFT மூலம் செய்யப்படும் வடிகட்டுதல் முறை குறைந்து கொண்டே வருவதாக Allen Institute for AI-ன் Nathan Lambert வாதிடுகிறார். Kimi K3-ல் காணப்படுபதைப் போன்ற செயல்திறனை அடைய, ஒரு மாதிரிக்கு மிகப்பெரிய அளவிலான வலுவூட்டல் கற்றல் (reinforcement learning - RL) செயல்முறைகள் தேவைப்படும். இந்தச் செயல்முறைக்கு பதில்களை மதிப்பிடப் பல கோடி முகவர்கள் (agents) தேவைப்படுவார்கள்—இதை ஒரு போட்டியாளரின் API மூலம் செய்தால், அது மிகவும் செலவு மிகுந்ததாகவும் மெதுவாகவும் இருக்கும்.

வன்பொருள் மற்றும் தொழில்நுட்ப நிபுணத்துவத்தின் பங்கு

இந்த சர்ச்சை மென்பொருளுடன் மட்டும் நின்றுவிடவில்லை. Moonshot நிறுவனம் மேம்பட்ட Nvidia வன்பொருள்களைப் பெற ஏற்றுமதி கட்டுப்பாடுகளை மீறியதாகவும், குறிப்பாக Grace Blackwell 300 சிப்கள் மற்றும் GB300 வசதி கொண்ட சேவையகங்களைக் (servers) குறிப்பிட்டதாகவும் Kratsios குற்றம் சாட்டினார். இந்தச் சிப்களை சீனாவிற்கு ஏற்றுமதி செய்யத் தடை விதிக்கப்பட்டிருந்தாலும், கறுப்புச் சந்தைகள் மற்றும் சிக்கலான உலகளாவிய விநியோகச் சங்கிலிகள் காரணமாக இந்த வன்பொருள் ஓட்டங்களைக் கண்காணிப்பது மிகவும் கடினம் என்று Georgetown-ன் Sam Bresnick போன்ற நிபுணர்கள் கூறுகின்றனர்.

இருப்பினும், வடிகட்டுதல் (distillation) மீதான கவனம் மட்டும் செலுத்துவது சீன AI குழுக்களின் தொழில்நுட்பத் தகுதியைச் சிறுமைப்படுத்துவதாகப் பல ஆராய்ச்சியாளர்கள் வாதிடுகின்றனர். Carnegie Mellon University போன்ற உயர்தர நிறுவனங்களைச் சேர்ந்த நிறுவனர்களைக் கொண்டுள்ள Moonshot, மற்றவர்களின் புகழைப் பயன்படுத்தி முன்னேறுவதற்குப் பதிலாக, சொந்தமாக ஆராய்ச்சிகளைச் செய்யும் திறன் கொண்டது என்று நிபுணர்கள் தெரிவிக்கின்றனர்.

உலகளாவிய AI போட்டிக்கான தாக்கங்கள்

இந்தத் தகராறு அரசியல் கருத்துகளுக்கும் தொழில்நுட்ப யதார்த்தங்களுக்கும் இடையே விரிந்து வரும் இடைவெளியை எடுத்துக்காட்டுகிறது. தொழில் நுட்பம் மிகவும் சிக்கலான வலுவூட்டல் கற்றல் மற்றும் மிகப்பெரிய கணினித் தேவைகளை நோக்கி நகரும்போது, நிறுவனங்கள் அறிவைத் "திருடுகின்றனவா" அல்லது சிறந்த பொறியியல் மூலம் முன்னேறுகின்றனவா என்ற விவாதம் சர்வதேச வர்த்தகக் கொள்கை மற்றும் AI ஒழுங்குமுறைகளைத் தொடர்ந்து வடிவமைக்கும்.

முக்கியக் குறிப்புகள்

• தொழில்நுட்பச் சந்தேகம்: Kimi K3 மிக விரைவாக வெளியிடப்பட்டதால், அது Anthropic-ன் Fable-ன் வடிகட்டுதல் மூலம் மட்டுமே உருவாக்கப்பட்டது என்பது கணித ரீதியாகச் சாத்தியமற்றது என்று நிபுணர்கள் வாதிடுகின்றனர்.
• நுணுக்கமான பயிற்சியைத் தாண்டி: மேற்பார்வையிடப்பட்ட நுணுக்கமான பயிற்சியின் (SFT) மூலம் வடிகட்டுதல் முறை இருந்தாலும், முன்னணி நிலைப் செயல்திறனை அடைய எளிதில் "நகலெடுக்க முடியாத" மேம்பட்ட வலுவூட்டல் கற்றல் (reinforcement learning) தேவைப்படும்.
• வன்பொருள் கவலைகள்: தடைசெய்யப்பட்ட Nvidia Blackwell சிப்களைத் சட்டவிரோதமாகப் பயன்படுத்தியதாகக் கூறப்படும் குற்றச்சாட்டுகள், சீன AI முன்னேற்றம் குறித்த விவாதத்தில் புவிசார் அரசியல் சிக்கல்களைச் சேர்க்கின்றன.