Meta, Microsoft மற்றும் Nvidia ஆகிய நிறுவனங்கள் ஒரே கொள்கைப் போராட்டத்தில் ஒரே பக்கம் இணையும்போது, அந்தச் செய்தி ஒரு சாதாரணமான விஷயமாகவே இருக்கும். ஆனால் அவை IBM, Dell, CrowdStrike, ServiceNow மற்றும் Andreessen Horowitz ஆதரவு பெற்ற தொடக்க நிறுவனங்களுடன் இணையும்போது, அந்தத் தருணம் உண்மையிலேயே அசாதாரணமானது. கட்டுப்பாட்டுத் தொடர் கூட்டாட்சி ஒழுங்குமுறையிலிருந்து (restrictive federal regulation) திறந்த-எடை செயற்கை நுண்ணறிவு மாதிரிகளைப் (open-weight artificial intelligence models) பாதுகாக்க வேண்டுமெனக் கோரி இந்த நிறுவனங்கள் வாஷிங்டனுக்கு ஒரு கடிதத்தை இணைந்து அனுப்பியுள்ளன. இந்த வேண்டுகோள் அந்த நிறுவனங்களின் பெயரால் மட்டும் முக்கியத்துவம் பெறுவதல்ல, மாறாகத் தொழில்துறையின் எதிர்கால வளர்ச்சி எங்கிருந்து வரும் என்று அந்தத் துறை நம்புகிறது என்பதை இது வெளிப்படுத்துகிறது.
ஒரு அசாதாரண போர்நிறுத்தம்
தொழில்நுட்ப வாதாடல்கள் (Tech lobbying) வழக்கமாக அகழிப் போர் போன்றது. கிளவுட் வழங்குநர்கள் பாதுகாப்பு ஒப்பந்தங்களுக்காகப் போராடுகிறார்கள். சிப் தயாரிப்பாளர்கள் தரவு மையங்களுக்குள் (data centers) இடத்தைப் பிடிக்கப் போட்டியிடுகிறார்கள். சமூகத் தளங்கள் ஆப் ஸ்டோர் கட்டணங்களுக்காக ஒருவருக்கொருவர் வழக்குத் தொடர்கிறார்கள். இருப்பினும், இந்தக் கூட்டணி ஒரு பொதுவான உள்கட்டமைப்பைப் பாதுகாக்க அந்தப் போட்டிகளைத் தள்ளி வைத்தது.
கையெழுத்திட்டவர்களின் பட்டியல் AI கட்டமைப்பின் (AI stack) ஒவ்வொரு நிலையையும் கடந்து செல்கிறது. Nvidia மற்றும் Dell Technologies சிலிக்கான் மற்றும் சேவையகங்களை (servers) வழங்குகின்றன. Microsoft மற்றும் IBM நிறுவன மென்பொருள் மற்றும் உலகளாவிய கிளவுட் சென்றடைவை வழங்குகின்றன. Meta முன்னணி ஆராய்ச்சி மற்றும் பில்லியன் கணக்கான பயனர்களைக் கொண்டுள்ளது. Hugging Face, Mistral மற்றும் Perplexity ஆகியவை புதிய தலைமுறை மாதிரி உருவாக்குநர்கள் மற்றும் கருவித் தளங்களைப் பிரதிநிதித்துவப்படுத்துகின்றன. பின்னர் நிபுணர்கள் உள்ளனர்: Palantir அதன் அரசாங்க மற்றும் வணிக பகுப்பாய்வுப் பணிகளுடனும், CrowdStrike சைபர் பாதுகாப்புடனும், ServiceNow நிறுவன பணிப்பாய்வு தானியங்கிமயமாக்கல் (enterprise workflow automation) ஆகியவற்றுடனும் உள்ளன. venture capital சூழல் கூட Andreessen Horowitz மூலம் இதில் பங்களித்துள்ளது.
இந்த விரிவான தன்மை ஒரு முக்கியமான விஷயத்தைக் குறிக்கிறது. திறந்த-எடை மாதிரிகள் (Open-weight models) என்பது பொழுதுபோக்கு சார்ந்த ஆடம்பரம் அல்லது ஒரு கல்விசார் பரிசோதனை அல்ல. தொழில்துறை அவற்றை ஒரு முக்கியமான அடிப்படை உள்கட்டமைப்பாகக் கருதுகிறது. ஒரு பாதுகாப்பு விற்பனையாளரும் ஒரு GPU உற்பத்தியாளரும் ஒரே மாதிரியான கொள்கை வாதத்தை முன்வைக்கும்போது, அந்தப் பிரச்சனை பொறியியல் சார்ந்த ஒரு சிறிய பகுதியைத் தாண்டி முன்னேறிவிட்டது என்று அர்த்தம்.
திறந்த-எடை (Open Weight) என்பது உண்மையில் எதைக் குறிக்கிறது
AI பற்றிய பல பொது விவாதங்கள் அனைத்தையும் சாட்பாட்கள் (chatbots) மற்றும் இணைய இடைமுகங்களாக (web interfaces) சுருக்கிவிடுகின்றன. மூடிய மற்றும் திறந்த மாதிரிகளுக்கு இடையிலான தொழில்நுட்ப வேறுபாடு de மறைந்துவிடுகிறது, ஆனால் அந்த வேறுபாடே இந்தக் கடிதத்தின் முக்கிய நோக்கமாகும்.
மூடிய-மூல மாதிரிகள் (Closed-source models) என்பவை ஒரு API மூலம் அணுகப்படும் கருப்புப் பெட்டிகள் (black boxes) போன்றவை. நீங்கள் உரையை உள்ளீடாக அனுப்புகிறீர்கள்; வெளியீடாக உரையைப் பெறுகிறீர்கள். அதன் அடிப்படையிலுள்ள கணிதவியலை உங்களால் பார்க்க முடியாது. மாதிரியை உங்கள் சொந்த சேவையகத்திற்குப் பதிவிறக்கம் செய்ய முடியாது. நீங்கள் ஒவ்வொரு டோக்கனுக்கும் பணம் செலுத்த வேண்டும், வழங்குநரால் நிர்ணயிக்கப்பட்ட பயன்பாட்டு வரம்புகளுக்குள் செயல்பட வேண்டும், மேலும் உங்கள் தரவை அவர்களின் அமைப்புகள் வழியாக அனுப்ப வேண்டும்.
திறந்த-எடை மாதிரிகள் இந்த உறவை மாற்றியமைக்கின்றன. அந்த நிறுவனம் மாதிரியானது தகவல்களை எவ்வாறு செயலாக்குகிறது என்பதை வரையறுக்கும் உண்மையான எண்முறை அளவுருக்களை—எடைகளை (weights)—வெளியிடுகிறது. டெவலப்பர்கள் இந்த கோப்புகளைப் பதிவிறக்கம் செய்து, அவற்றைச் சொந்த இயந்திரங்களில் ஏற்றிக்கொள்ளலாம், அவை எவ்வாறு செயல்படுகின்றன என்பதை ஆய்வு செய்யலாம், குறிப்பிட்ட பணிகளுக்காக அவற்றை நுட்பமாகச் சரிசெய்யலாம் (fine-tune) மற்றும் ஆஃப்லைனில் இயக்கலாம். API அழைப்புகள் தேவையில்லை. அளவிடப்பட்ட கட்டணங்கள் இல்லை. வெளிப்புறச் சார்பு இல்லை.
ஒரு மருத்துவமனை நெட்வொர்க்கிற்கு, இது ஒரு பொதுவான மொழி மாதிரியை எடுத்துக்கொண்டு, நோயாளி தரவை மூன்றாம் தரப்பு API-க்கு அனுப்பாமல், மருந்துகளுக்கு இடையிலான தொடர்புகளைக் கண்டறிய அதன் உள் பதிவுகளைக் கொண்டு அதைச் சரிசெய்வதைக் குறிக்கலாம். ஒரு சிறிய தொழிற்சாலைக்கு, இணைய இணைப்பு அவ்வப்போது துண்டிக்கப்படும் நிலையிலும் தயாரிப்பு குறைபாடுகளை ஆய்வு செய்ய, ஒரு உள்ளூர் எட்ஜ் சேவையகத்தில் (edge server) ஒரு விஷன் மாடலை (vision model) பயன்படுத்துவதைக் குறிக்கலாம். நைரோபி அல்லது லாகோஸில் உள்ள ஒரு ஸ்டார்ட்அப், கலிபோர்னியாவில் உள்ள ஒரு குழுவைப் பயன்படுத்தும் அதே எடைகளைப் பதிவிறக்கம் செய்து, அவற்றை உள்ளூர் மொழிகள் அல்லது விதிமுறைகளுக்கு ஏற்ப மாற்றியமைத்து, சிலிக்கான் வேலி கிளவுட் வழங்குநருக்குப் பணம் செலுத்தாமலேயே வாடிக்கையாளர்களுக்குச் சேவையாற்ற முடியும்.
இந்த நடைமுறை நெகிழ்வுத்தன்மையையே இந்தக் கூட்டணி பாதுகாக்க விரும்புகிறது.
ஏன் அணுகல் கண்டுபிடிப்புகளைத் தூண்டுகிறது
திறந்த எடைகள் சோதனைகளைச் செய்வதற்கான செலவைக் குறைக்கின்றன என்று இந்தக் கடிதம் வாதிடுகிறது. இது வெறும் அருவமான கோட்பாடு அல்ல. ஒரு மாதிரி API-க்கு பின்னால் இருக்கும்போது, ஒவ்வொரு பயிற்சி ஓட்டமும் (training run), ஒவ்வொரு சோதனை வினவலும் (test query) மற்றும் ஒவ்வொரு பிழைத்திருத்த அமர்வும் (debugging session) நேரடி கிளவுட் கட்டணத்தை ஏற்படுத்துகிறது. தனிப்பட்ட ஆராய்ச்சியாளர்கள் மற்றும் சிறிய முதல் நடுத்தர நிறுவனங்களுக்கு, இந்தக் கட்டணங்கள் வேகமாகத் தேங்கிக்கொண்டே இருக்கும். மேலும், மிகப்பெரிய மூடிய அமைப்புகளைப் பயிற்றுவிப்பதற்கும் ஹோஸ்ட் செய்வதற்கும் போதுமான மூலதனம் கொண்ட ஒரு சில மிகப்பெரிய கிளவுட் வழங்குநர்களைச் சார்ந்திருக்கும் கடினமான நிலையை இது உருவாக்குகிறது.
Open weights break that concentration of power. A small team can buy a few enterprise GPUs, download a model, and iterate for weeks without permission from a hyperscaler. Meta and Mistral both benefit from this dynamic, though in different ways. Meta distributes open models partly to build goodwill with developers who might otherwise default to competitor APIs. Mistral has staked part of its strategy on offering capable open models that European and American enterprises can host privately. Both receive something valuable in return: a global community that stress-tests their architectures, finds vulnerabilities, suggests optimizations, and occasionally contributes improvements faster than any internal team could manage.
The coalition is essentially arguing that this distributed, voluntary R&D network is one of America's competitive advantages in AI. Regulate