The tech news cycle moves fast, but this week felt different. Artificial intelligence is no longer just a product releas

தொழில்நுட்பச் செய்திகளின் சுழற்சி வேகமாகச் செல்கிறது, ஆனால் இந்த வாரம் வித்தியாசமாகத் தோன்றியது. செயற்கை நுண்ணறிவு என்பது இனி வெறும் ஒரு தயாரிப்பு வெளியீடு அல்லது ஒரு ஆராய்ச்சித் தாள் மட்டுமல்ல. இது வெளியுறவுக் கொள்கையில் ஒரு பேரம் பேசும் கருவியாக மாறியுள்ளது. அரசாங்கங்கள் மாடல் எடைகளை (model weights) செறிவூட்டப்பட்ட யுரேனியத்தைப் போலக் கருதத் தொடங்கியுள்ளன: அவை செறிவூட்டப்பட்டவை, தவறாகப் பயன்படுத்தப்பட்டால் ஆபத்தானவை, மேலும் ஒரு போட்டியாளர் அவற்றைச் சேமித்து வைத்தால் புறக்கணிக்க முடியாதவை. இந்தப் போராட்டம் இனி எந்த மாடல் ஒரு பெஞ்ச்மார்க்கில் (benchmark) அதிக மதிப்பெண் பெறுகிறது என்பதைப் பற்றியது மட்டுமல்ல. அவற்றை யார் உருவாக்குகிறார்கள், அவற்றைப் பயிற்றுவிக்கத் தேவையான பொருட்களை யார் கட்டுப்படுத்துகிறார்கள், மற்றும் அவை கற்றுக் கொண்ட தரவுகளின் உரிமையாளர் யார் என்பது பற்றியது.

Distillation (காய்ச்சி வடித்தல்) குற்றச்சாட்டு

இந்த வாரம், Moonshot AI நிறுவனம் Anthropic-ன் Fable மாடலைத் திருடியதாக ஒரு அமெரிக்க அதிகாரி குற்றம் சாட்டினார். Moonshot நிறுவனம் தனது Kimi K3 அமைப்பை உருவாக்க Distillation முறையைப் பயன்படுத்தியதாகக் குறிப்பிட்ட குற்றச்சாட்டு முன்வைக்கப்பட்டுள்ளது. பயிற்சி முறைகளைத் துல்லியமாகக் கவனிப்பவர் அல்லாத வாசகர்களுக்குச் சொல்வதானால், ஒரு பெரிய, திறமையான மாடலைப் பயன்படுத்தி ஒரு சிறிய அல்லது புதிய மாடலுக்குக் கற்றுக்கொடுக்கும் நடைமுறையே Distillation ஆகும். அனுமதியுடன் செய்யும்போது இது சட்டபூர்வமானது மற்றும் பொதுவானது. ஆனால் ஒரு நிறுவனம் ஒரு போட்டியாளரின் தனியுரிமை அமைப்பிலிருந்து (proprietary system) அனுமதியின்றி அறிவைப் பிரித்தெடுக்கும்போது, அது திருட்டாக மாறுகிறது.

குற்றச்சாட்டின்படி, இதற்கான சான்று நடத்தை ரீதியானது. Kimi K3 அடிக்கடி தன்னை Anthropic-ன் உதவியாளரான Claude என்று அடையாளப்படுத்திக் கொள்வதை ஆராய்ச்சியாளர்கள் கவனித்துள்ளனர். சொந்தப் பயிற்சிப் பின்னணியைக் கொண்ட ஒரு மாடல் தனது பெயரைக் கண்டிப்பாகத் தெரிந்திருக்க வேண்டும். அது மீண்டும் மீண்டும் ஒரு போட்டியாளரின் தயாரிப்பு என்று உரிமை கோரும்போது, அது ஒரு தற்செயலான நிகழ்வாகத் தெரியாமல், ஆசிரியரின் தேர்வு விடைகளை அப்படியே மனப்பாடம் செய்த ஒரு மாணவனைப் போலத் தோன்றுகிறது. Moonshot நிறுவனம் உண்மையில் Kimi K3-ஐப் பயிற்றுவிக்க Anthropic-ன் மாடலில் இருந்து வெளியீடுகளைச் சுரண்டியிருந்தால், அதன் அறிவுசார் சொத்துரிமைத் தாக்கங்கள் சிலிக்கான் வேலி நீதிமன்றங்களைத் தாண்டிப் பரவி இருக்கும். அவை ஏற்றுமதி கட்டுப்பாடுகள் மற்றும் தேசிய பாதுகாப்பு விளக்கங்கள் வரை நீளும்.

மலிவான மாடல்களின் எழுச்சி

Distillation தொடர்பான போராட்டம் சூடுபிடிக்கையில், சீன ஆய்வகங்கள் அமெரிக்க அதிகார வர்க்கத்தையே நிலைகுலையச் செய்யும் வேகத்திலும் விலையிலும் frontier மாடல்களை வெளியிட்டு வருகின்றன. DeepSeek V4 மற்றும் Kimi K3 ஆகியவை சில நாட்களுக்குள்ளேயே வந்துவிட்டன. இவை இரண்டும் பொதுவான லீடர்போர்டுகளில் (leaderboards) முதலிடத்திற்கு அருகிலுள்ள திறன்களைக் கொண்டிருப்பதாகக் கூறுகின்றன, இருப்பினும் அமெரிக்க மாடல்களின் விலையில் ஒரு சிறு பகுதியை மட்டுமே இவை பயன்படுத்துகின்றன.

இந்த முறை புதியதல்ல, ஆனால் இது வேகமெடுத்து வருகிறது. சீன ஆய்வகங்களிலிருந்து வந்த முந்தைய அதிர்ச்சிகள், ஒரு frontier மாடலைப் பயிற்றுவிக்க உண்மையிலேயே பத்து பில்லியன் டாலர்கள் தேவையா என்று Wall Street-ஐக் கேள்வி கேட்கத் தூண்டின. DeepSeek V4 மற்றும் Kimi K3 அந்த அழுத்தத்தை மீண்டும் அதிகரிக்கின்றன. பொறியியல் திறன், புத்திசாலித்தனமான தரவுத் தொகுப்பு (data curation) மற்றும் வன்பொருள் மாற்று வழிகள் (hardware workarounds) ஆகியவை பெரும் மூலதனச் செலவுகளுக்கு மாற்றாக அமையலாம் என்பதை இவை உணர்த்துகின்றன. அளவிலான பாதுகாப்பு அரணைக் (scaling moat) கொண்டு நம்பியிருக்கும் அமெரிக்க ஆய்வகங்களுக்குச் செய்தி தெளிவானது: உயர் செயல்திறன் மலிவாகி வருகிறது, மேலும் அதிக விலைக்கு விற்பதற்கான வாய்ப்புகள் குறைந்து வருகின்றன.

நிறுவன ஏஜென்ட் போர் (Enterprise Agent War)

இந்த வாரச் செய்திகள் அனைத்தும் புவிசார் அரசியலைப் பற்றியவை மட்டுமல்ல. OpenAI நிறுவனம், வணிகங்கள் AI ஏஜென்ட்களைப் பயன்படுத்த உதவும் நோக்கில் Presence என்ற தயாரிப்பை அறிமுகப்படுத்தியது. இந்த நடவடிக்கை OpenAI-யை Google, Meta மற்றும் NVIDIA ஆகியவற்றுடன் நேரடிப் போட்டியில் அமரவைக்கிறது. இந்த நிறுவனங்கள் ஒவ்வொன்றும் ஒரே வாய்ப்பைக் காண்கின்றன: மாடல் என்பது ஒரு பொதுவான பொருளாக (commodity) மாறிவருகிறது, ஆனால் உண்மையான பணிப்பாய்வுகளை (workflows) தானியக்கமாக்கும் தளம் விலைமதிப்பற்றது.

சாட்போட்களுக்கு (chatbots) அடுத்த தர்க்கரீதியான படி ஏஜென்ட்கள் ஆகும். ஒரு சாட்போட் கேள்விகளுக்குப் பதிலளிக்கும். ஆனால் ஒரு ஏஜென்ட் விமானங்களை முன்பதிவு செய்யும், செலவு அறிக்கைகளைச் சமர்ப்பிக்கும் அல்லது கிடங்கு இருப்புகளை (warehouse inventory) மறுசீரமைக்கும். இந்தத் பணிகளைத் தானியக்கமாக்கும் போட்டி சூடுபிடிக்கிறது, ஏனெனில் அங்கேயே நிறுவனங்களிடமிருந்து தொடர்ச்சியான வருவாய் கிடைக்கிறது. OpenAI வெறும் இயந்திரத்தை (engine) மட்டும் விற்க விரும்பவில்லை; அது முழு காரையும் விற்க விரும்புகிறது. Google தனது Workspace மூலம் உங்கள் கூட்டங்களை நடத்த விரும்புகிறது. Meta தனது சமூக வரைபடத்தில் (social graph) ஏஜென்ட்களைப் புகுத்த விரும்புகிறது. NVIDIA இவை அனைத்திற்கும் அடிப்படையாக இருக்கும் உள்கட்டமைப்புத் தளத்திற்கு (infrastructure layer) ஆற்றல் அளிக்க விரும்புகிறது. வெற்றியாளர் சிறந்த மாடலைக் கொண்ட ஆய்வகமாக இருக்க வேண்டிய அவசியமில்லை, மாறாக உள் அமைப்புகளின் சாவிகளைத் தன்னிடம் ஒப்படைக்க IT துறைகளைச் சம்மதிக்க வைக்கும் நிறுவனமே வெற்றியாளராகும்.

கான்கிரீட் ஒரு தடையாக மாறும் போது

இந்த மென்பொருள் லட்சியங்கள் அனைத்தும் இன்னும் இயற்பியல் பொருட்களையே சார்ந்துள்ளன. ஜார்ஜியாவில் முப்பத்தொரு பில்லியன் டாலர் மதிப்பிலான தரவு மைய வளாகமான Project Camellia-வைத் தொடங்கியபோது OpenAI அதைத் தெளிவுபடுத்தியது. முப்பத்தொரு பில்லியன் டாலர் என்பது வெறும் வசதிகளுக்கான பட்ஜெட் மட்டுமல்ல. AI-க்கான முக்கியத் தடைகள் இனி அல்காரிதம்கள் (algorithms) அல்லது GPU-க்கள் அல்ல, மாறாக மின்சாரம் மற்றும் கான்கிரீட் தான் என்பதை இது உணர்த்துகிறது.

ஒரு சர்வர் அலமாரிக்குள் (server closet) ஒரு frontier model-ஐப் பயிற்றுவிக்க முடியாது. ஒரு நடுத்தர அளவுள்ள நகரத்திற்குத் தேவையான மின்சாரத்தை விட அதிக மின்சாரத்தைப் பயன்படுத்தி, ஆயிரக்கணக்கான முடுக்கிகள் (accelerators) ஒன்றிணைந்து இயங்க வேண்டும். உங்களுக்கு ஃபைபர் (fiber), குளிர்ச்சிக்கான நீர், எஃகு மற்றும் பல ஆண்டுகால அனுமதிச் சான்றுகள் தேவைப்படும். அதனால்தான் BlackRock மற்றும் MGX போன்ற சொத்து மேலாளர்கள் தரவு மையத் திட்டங்களில் பில்லியன் கணக்கான டாலர்களை முதலீடு செய்கிறார்கள். அவர்கள் ஒரு செயலியை (app) வைத்து ஊகிக்கவில்லை. அவர்கள் AI யுகத்தின் இரயில்வே மற்றும் நிலக்கரி சுரங்கங்களை வாங்குகிறார்கள். மின் உற்பத்தி மற்றும் கட்டுமானத்திற்கான விநியோகச் சங்கிலி (supply chain) ஈடுகொடுக்கவில்லை என்றால், கணித முறைகள் எவ்வளவு நேர்த்தியாக இருந்தாலும், பெரிய மாதிரிகளுக்கான முழுத் திட்டமும் தள்ளிப்போகும்.

நீதிமன்றங்கள், பதிப்புரிமை மற்றும் மூலதனம்

இந்த வாரம் சட்ட அமைப்பும் கவனத்திற்கு வந்தது. அனுமதி இன்றித் தங்கள் புத்தகங்களைப் பயன்படுத்தி Claude-ஐப் பயிற்றுவித்ததாகக் குற்றம் சாட்டிய ஆசிரியர்களுடனான Anthropic நிறுவனத்தின் 1.5 பில்லியன் டாலர் சமரசத் தீர்விற்கு ஒரு நீதிபதி ஒப்புதல் அளித்தார். AI வரலாற்றின் மிகப்பெரிய பதிப்புரிமை கோரிக்கைகளில் ஒன்றthis தீர்வு தீர்க்கப்பட்டுள்ளது.

தீர்ப்பைப் போலவே அந்தத் தொகையும் முக்கியமானது. பயிற்சித் தரவு (training data) என்பது இணையத்திலிருந்து இலவசமாகத் திரட்டப்படும் ஒரு வளமல்ல என்பதை இது மற்ற ஆய்வகங்களுக்குத் தெரிவிக்கிறது. இது இறுதியில் இருப்புநிலைக் குறிப்பில் (balance sheet) தோன்றும் ஒரு நிபந்தனைக்குட்பட்ட பொறுப்பு (contingent liability) ஆகும். 1.5 பில்லியன் டாலர் மதிப்பிலான ஒரு செலவுப் பிரிவு, நிதித் குழுக்கள் முன்-பயிற்சி (pre-training) வரவு செலவுத் திட்டங்களைப் பார்க்கும் முறையை மாற்றுகிறது. இது ஆசிரியர்களுக்கும் பதிப்பகங்களுக்கும் எதிர்கால வழக்குகளுக்குத் தெளிவான முன்னுதாரணத்தையும் வழங்குகிறது. நீங்கள் இன்று ஒரு மாதிரியை உருவாக்குகிறீர்கள் என்றால், உங்கள் பயிற்சித் தரவு (training corpus) தணிக்கையிலிருந்து தப்பித்துவிடும் என்று நீங்கள் இனி assumptions செய்ய முடியாது.

திரைக்கு அப்பால் AI

இறுதியாக, இந்த வார நிதித் தொகைகள் AI என்பது வெறும் சாட் விண்டோக்களுடன் (chat windows) மட்டும் நின்றுவிடாது என்பதை அனைவருக்கும் நினைவூட்டின. பாதுகாப்புத் துறை AI நிதி இந்த மாதம் 3 பில்லியன் டாலரை எட்டியது, அதே நேரத்தில் AI மூலம் இயக்கப்படும் மருந்து கண்டுபிடிப்புக்கான (drug discovery) முதலீடு 2 பில்லியன் டாலரை எட்டியது.

பாதுகாப்புத் துறையில், செயற்கைக்கோள் படங்களைப் பகுப்பாய்வு செய்யவும், ட்ரோன் கூட்டங்களை (drone swarms) ஒருங்கிணைக்கவும் மற்றும் போர்க்களத் தீர்மானச் சுழற்சிகளைக் (battlefield decision cycles) குறைக்கவும் கூடிய அமைப்புகளுக்குப் பணம் பாய்கிறது. மருந்துத் துறையில் (pharma), புதிய AI கருவிகள் மருந்து மேம்பாட்டு காலத்தை ஆண்டுகளில் இருந்து மாதங்களாகக் குறைத்துள்ளன. ஆராய்ச்சியாளர்கள் இப்போது ஒரு ஈர ஆய்வகத்தில் (wet lab) தொடங்கும் முன்பே, சிலிக்கான் (silicon) மூலம் வேதியியல் மூலக்கூறுகளை உருவாக்கிச் சோதிக்க முடியும். இந்தத் தொழில்நுட்பத்தின் இரட்டைப் பயன்பாட்டுத் தன்மை (dual-use nature) முழுமையாக வெளிப்படுகிறது. ஒரு வாடிக்கையாளர் சேவை பாட் (customer service bot)-ஐ மேம்படுத்தும் அதே அடிப்படை முறைகள், ஏவுகணை இலக்கு நிர்ணயம் மற்றும் ஆன்டிபாடி (antibody) வடிவமைப்பையும் வேகப்படுத்துகின்றன. முதலீடுகள் பெருகும்போது, வணிக ரீதியான மற்றும் மூலோபாய AI ஆகியவற்றிற்கு இடையிலான நெறிமுறை மற்றும் ஒழுங்குமுறை எல்லைகள் மங்கலாகின்றன.

செப்டம்பர் பேச்சுவார்த்தைகள் மற்றும் புதிய மதிப்பெண் பலகை

இந்தத் தலைப்புகள் அனைத்தும் ஒரு சந்திப்பில் ஒன்றிணைகின்றன: அமெரிக்காவும் சீனாவும் செப்டம்பரில் முறையான AI பேச்சுவார்த்தைகளை நடத்தவுள்ளன. அவர்கள் இராணுவ AI மற்றும் சிப் அணுகல் (chip access) குறித்து விவாதிக்கத் திட்டமிட்டுள்ளனர். இந்த இரண்டு நிகழ்ச்சி நிரல்கள் மட்டுமே, நாம் திறந்த ஆராய்ச்சி யுகத்திலிருந்து எவ்வளவு தூரம் நகர்ந்துவிட்டோம் என்பதைத் தெரிவிக்கின்றன.

பழைய போட்டி எளிதானது. நீங்கள் ஒரு மாதிரியை வெளியிடுவீர்கள், நான் ஒரு மாதிரியை வெளியிடுவேன், MMLU அல்லது HumanEval இல் சிறந்த மதிப்பெண் பெறுபவர் அந்த வார வெற்றியாளராக இருப்பார். அந்த விளையாட்டு முடிவுக்கு வருகிறது. புதிய கேள்விகள் அளவிடுவதற்கு கடினமானவை மற்றும் மென்பொருள் புதுப்பிப்பு (software update) மூலம் சரிசெய்ய முடியாதவை:

• யார் எந்தத் தரவில் பயிற்சி பெற்றார்கள், அதற்கு அவர்கள் பணம் செலுத்தினார்களா?
• யார் எந்தச் சிப்புகளை வாங்க முடியும், விநியோகச் சங்கிலியிலிருந்து யார் தடுக்கப்பட்டுள்ளார்கள்?
• தரவு மையங்களை இயக்கும் மின் விநியோகத்தைக் கட்டுப்படுத்துவது யார்?

அளவுகோல்கள் (Benchmarks) ஒன்றிணைகின்றன. திறன்கள் நெருங்கி வருகின்றன. ஆனால் அரசியல் பிரிகிறது. ஏற்றுமதி உரிமங்கள், எரிசக்தி கட்டமைப்புகள் மற்றும் சட்ட முறைகளால் பிரிக்கப்பட்ட இரண்டு இணையான சுற்றுச்சூழல் அமைப்புகள் உருவாகி வருகின்றன.

உண்மையான பாடம்

நீங்கள் ஒரு டெவலப்பர், ஒரு நிறுவனத் தொடங்குபவர் அல்லது ஒரு நிறுவன வாங்குபவர் என்றால், AI-ஐ வெறும் லீடர்போர்டு (leaderboard) மதிப்பெண்களை வைத்து மட்டும் மதிப்பிடுவதை நிறுத்துங்கள். விநியோகச் சங்கிலி மற்றும் அரசியல் அபாயங்களை பொறியியல் கட்டுப்பாடுகளாக (engineering constraints) கருதத் தொடங்குங்கள். நீங்கள் இன்று ஒருங்கிணைக்கும் மாதிரி நாளை ஏற்றுமதித் தடையால் பாதிக்கப்படலாம். அதன் பின்னால் உள்ள பயிற்சித் தரவு பில்லியன் கணக்கான டாலர் சட்டச் செலவை ஏற்படுத்தலாம். அதை இயக்கும் தரவு மையம், அதை உருவாக்கிய ஆராய்ச்சியாளர்களின் மேதமையால் அல்லாமல், உள்ளூர் மின் விநியோகக் கட்டமைப்பால் (local utility grid) கட்டுப்படுத்தப்படலாம். உங்கள் கட்டமைப்பு (architecture), நீங்கள் நம்பியிருக்கும் கருவிகள் தடை செய்யப்படலாம், வழக்குத் தொடரப்படலாம் அல்லது மின்சாரம் இல்லாமல் போகலாம் என்ற நிலையில் இருக்குமாறு உருவாக்குங்கள்—ஏனெனில் இந்த வாரம் இவை மூன்றும் இப்போது நிகழக்கூடிய சாத்தியக்கூறுகள் என்பதைத் தெளிவுபடுத்தியுள்ளது.