Rich Sutton Oak Lab-ஐத் தொடங்கி தன்னாட்சி AI முகவர்களைப் புரட்சிகரமாக்கிறார்

டூரிங் விருது வென்ற Richard Sutton, செயற்கை நுண்ணறிவை (artificial intelligence) மறுவரையறை செய்வதை நோக்கமாகக் கொண்ட டொராண்டோவைச் சேர்ந்த Oak Lab என்ற ஸ்டார்ட்அப் மூலம் அதிகாரப்பூர்வமாகத் தொழில்முனைவுத் துறையில் நுழைந்துள்ளார். நவீன உருவாக்கும் மாதிரிகளின் (generative models) வரம்புகளைத் தாண்டி, தொடர்ச்சியான, நிகழ்நேரக் கற்றல் மூலம் உண்மையான கண்டுபிடிப்புகளைச் செய்யக்கூடிய தன்னாட்சி முகவர்களை (autonomous agents) உருவாக்குவதே இந்த நிறுவனத்தின் நோக்கமாகும்.

உருவாக்கும் முறையிலானப் போலித்தனத்தைத் தாண்டிச் செல்லுதல்

நவீன வலுவூட்டல் கற்றலின் (reinforcement learning) முன்னோடியும், Keen Technologies நிறுவனத்தின் முன்னாள் ஆராய்ச்சியாளருமான Richard Sutton, தற்போதைய AI-ன் போக்கு அடிப்படையிலேயே தவறானது என்று நம்புகிறார். தற்போதைய தொழில் துறை பெரிய மொழி மாதிரிகளில் (Large Language Models - LLMs) மூழ்கியிருப்பதைச் சுட்டிக்காட்டும் Sutton, இந்த ஆழமான கற்றல் முறைகள் "பலவீனமானவை மற்றும் திறமையற்றவை" என்று வாதிடுகிறார்.

Sutton-ன் கருத்துப்படி, தற்போதைய உருவாக்கும் AI (generative AI) போலித்தனத்தில் சிறந்து விளங்கினாலும், சுய-மதிப்பீட்டில் (self-evaluation) தோல்வியடைகிறது. இந்த மாதிரிகளால் அவற்றின் சொந்த வெளியீடுகளைத் திறம்பட ஆய்வு செய்ய முடியாததால், அவை உண்மையான கண்டுபிடிப்புகள் அல்லது அறிவியல் முன்னேற்றங்களைச் செய்ய இயலாத நிலையில் உள்ளன. மாதிரிகளுக்குப் பெருமளவிலான தரவுத் தொகுப்புகள் (datasets) வழங்கப்பட்டு, பின்னர் அவை முடக்கப்பட்டிருக்கும் "நிலையான பயிற்சி" (static training) காலத்தைக் கடந்து, மாறும் மற்றும் பரிணாமம் அடையும் நுண்ணறிவை நோக்கிய எதிர்காலத்தை நோக்கிச் செல்வதே Oak Lab-ன் பணியாகும்.

இலக்கு: நிகழ்நேரக் கற்றல் மற்றும் உலக மாதிரிகள் (World Models)

Khurram Javed உடன் இணைந்து, மேம்பட்ட வலுவூட்டல் கற்றலில் (reinforcement learning) வேரூன்றிய ஒரு தொலைநோக்குப் பார்வையை நோக்கி Oak Lab-ஐ Sutton வழிநடத்துகிறார். முன்கூட்டியே தொகுக்கப்பட்ட தரவுகளைச் சார்ந்திருப்பதற்குப் பதிலாக, தங்கள் சூழலில் இருந்து தொடர்ச்சியாகக் கற்கும் முகவர்களை உருவாக்குவதையே Oak Lab நோக்கமாகக் கொண்டுள்ளது.

தொழில்நுட்பத் திட்ட வரைபடம் பல முக்கியமான தூண்களில் கவனம் செலுத்துகிறது:

• உள் உலக மாதிரிகள் (Internal World Models): அடுத்த டோக்கனை (token) கணிப்பது மட்டுமல்லாமல், தங்கள் சூழலின் அடிப்படை இயக்கவியலைப் புரிந்துகொள்ளும் முகவர்களை உருவாக்குதல்.
• தன்னாட்சி மதிப்பீடு (Autonomous Evaluation): மனிதத் தலையீடு இன்றி, தங்களின் மாறுபாடுகள், மதிப்பீடு மற்றும் தேர்வு செயல்முறைகளைத் தாங்களே கையாளக்கூடிய அமைப்புகளை உருவாக்குதல்.
• நிகழ்நேரத் திட்டமிடல் (Real-Time Planning): எதிர்வினை ஆற்றும் முறைசார்ந்த வடிவப் பொருத்தம் (reactive pattern matching) என்பதிலிருந்து, முன்கூட்டியே செயல்படும் இலக்கு சார்ந்த திட்டமிடலுக்கு மாறுதல்.

இந்த ஆய்வகத்திற்காக Sutton ஒரு லட்சிய நீண்டகால இலக்கை நிர்ணயித்துள்ளார்: வெறும் 20 வாட்ஸ் மின்சாரத்தைப் பயன்படுத்தி, நிகழ்நேரக் கற்றல் மற்றும் திட்டமிடல் திறன் கொண்ட ஒரு டிரில்லியன்-பாராமீட்டர் (trillion-parameter) முகவரை உருவாக்குவது. இந்த இலக்கு நவீன AI-ல் உள்ள மிக முக்கியமான தடைகளில் ஒன்றான, பிரம்மாண்டமான கணினி தொகுதிகளின் (compute clusters) மிகப்பெரிய எரிசக்தித் தேவையைச் சரிசெய்ய முயல்கிறது.

AI சூழலில் இது ஏன் முக்கியமானது

Oak Lab-ன் உருவாக்கம் AI துறையில் ஒரு சாத்தியமான மாற்றத்திற்கான (paradigm shift) அறிகுறியாகும். தற்போதைய சந்தையின் பெரும்பகுதி டிரான்ஸ்பார்மர் கட்டமைப்புகளை (transformer architectures) விரிவாக்குவதிலும், தரவுத் தொகுப்புகளின் அளவை அதிகரிப்பதிலும் கவனம் செலுத்தி வரும் நிலையில், இந்தத் துறையை வழிநடத்தும் அடிப்படை யோசனைகளை "முழுமையாக மறுசீரமைக்க" Sutton கோரிக்கை விடுக்கிறார்.

Oak Lab வெற்றி பெற்றால், இந்தத் துறை தரவுகளைப் பெருக்கிக் கொண்டே செல்லும் "brute force" முறையிலிருந்து விலகி, உயிரியல் நுண்ணறிவைப் பிரதிபலிக்கும் மிகவும் நேர்த்தியான மற்றும் திறமையான கட்டமைப்புகளை நோக்கி நகரக்கூடும். வலுவூட்டல் கற்றல் மற்றும் சுற்றுச்சூழல் தொடர்புகளுக்கு முன்னுரிமை அளிப்பதன் மூலம், செயற்கை பொது நுண்ணறிவை (Artificial General Intelligence - AGI) அடைவதற்கான வழி என்பது வெறும் பெரிய அளவிலான போலித்தனத்தில் இல்லை, மாறாக அனுபவம் மற்றும் தன்னாட்சியில் உள்ளது என்று Sutton நம்புகிறார்.

முக்கியக் குறிப்புகள்

• புதிய தத்துவ அணுகுமுறை: நிலையான தரவுத் தொகுப்புகளுக்குப் பதிலாக, தொடர்ச்சியான சுற்றுச்சூழல் தொடர்பின் மூலம் கற்கும் முகவர்களைக் கொண்டு தற்போதைய "பலவீனமான" ஆழமான கற்றல் முறைகளை மாற்றியமைக்க Oak Lab இலக்கு வைத்துள்ளது.
• திறன் சார்ந்த லட்சியங்கள்: இந்த ஸ்டார்ட்அப் கணக்கீட்டுத் திறனில் (computational efficiency) ஒரு மிகப்பெரிய முன்னேற்றத்தை இலக்காகக் கொண்டுள்ளது; வெறும் 20 வாட்ஸ் மின்சாரத்தில் இயங்கக்கூடிய ஒரு டிரில்லியன்-பாராமீட்டர் மாதிரியை உருவாக்குவதே இதன் நோக்கம்.
• கண்டுபிடிப்பில் கவனம்: போலித்தனத்தில் கவனம் செலுத்தும் உருவாக்கும் AI-ஐப் போலல்லாமல், Oak Lab சுய-மதிப்பீடு மற்றும் தன்னாட்சி நிகழ்நேரத் திட்டமிடல் திறன் கொண்ட முகவர்களை உருவாக்கி வருகிறது.