ಇತ್ತೀಚಿನ ಪ್ರಾಜೆಕ್ಟ್ ಸಿಂಡಿಕೇಟ್ ಪ್ರಬಂಧದಲ್ಲಿ ‘ಎ ಕೋಲ್ಡ್ ಶವರ್ ಫಾರ್ AI ಉನ್ಮಾದ’ ಎಂಬ ಶೀರ್ಷಿಕೆಯಡಿಯಲ್ಲಿ, ರಾಜನ್ AI ಪರಿಕರಗಳ ಪರಿವರ್ತಕ ಸಾಮರ್ಥ್ಯವನ್ನು ಒಪ್ಪಿಕೊಂಡಿದ್ದಾರೆ, ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳು ಈಗಾಗಲೇ ಶೈಕ್ಷಣಿಕ ಸಂಶೋಧನಾ ಪ್ರಬಂಧಗಳಲ್ಲಿ ರೆಫರಿ ವರದಿಗಳನ್ನು ಉತ್ಪಾದಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿವೆ ಎಂದು ಗಮನಿಸಿದರು.
“ಕೇವಲ ಅಪರೂಪವಾಗಿ ಮಾನವ ವರದಿಗಳು ಉತ್ತಮವಾಗಿವೆ,” ರಾಜನ್ ಬರೆದರು, AI ವ್ಯವಸ್ಥೆಗಳು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ದೌರ್ಬಲ್ಯಗಳನ್ನು ಗುರುತಿಸಬಹುದು, ಪುರಾವೆಗಳನ್ನು ಪರಿಶೀಲಿಸಬಹುದು ಮತ್ತು ಹೆಚ್ಚಿನ ಸಾಹಿತ್ಯವನ್ನು ತಕ್ಷಣವೇ ಸೆಳೆಯುವಾಗ ಸುಧಾರಣೆಗಳನ್ನು ಸೂಚಿಸಬಹುದು.
ಇದನ್ನೂ ಓದಿ: AI ಮತ್ತು ಯುದ್ಧದ ಕಾರಣದಿಂದಾಗಿ ಡ್ರೋನ್ ಮಾರುಕಟ್ಟೆಯು ಪ್ಯಾರಾಬೋಲಿಕ್ ಆಗಲಿದೆ. ಅದನ್ನು ಹೇಗೆ ಆಡುವುದು
ಈ ಪ್ರಗತಿಗಳ ಹೊರತಾಗಿಯೂ, “AI ಸುತ್ತಲಿನ ಮಾರುಕಟ್ಟೆ ಸಂಭ್ರಮವು ಚಿಂತಾಜನಕವಾಗಿದೆ” ಎಂದು ರಾಜನ್ ಎಚ್ಚರಿಸಿದ್ದಾರೆ, ವಿಶೇಷವಾಗಿ ವಲಯದಾದ್ಯಂತ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಸಾಲ ನೀಡಿಕೆ ನಿಧಿ ಹೂಡಿಕೆಗಳಿಂದಾಗಿ.
ಚಿಪ್ಮೇಕರ್ಗಳು ಮತ್ತು ಮೂಲಸೌಕರ್ಯ ಪೂರೈಕೆದಾರರಿಂದ ಡೇಟಾ ಕೇಂದ್ರಗಳು, AI ಮಾದರಿ ಡೆವಲಪರ್ಗಳು ಮತ್ತು ಅಂತಿಮ ಬಳಕೆದಾರರವರೆಗೆ AI ಪೂರೈಕೆ ಸರಪಳಿಯಾದ್ಯಂತ ಅನೇಕ ಹಂತಗಳಲ್ಲಿ ಅಪಾಯಗಳು ಅಸ್ತಿತ್ವದಲ್ಲಿವೆ ಎಂದು ಅವರು ವಾದಿಸಿದರು.
ವೈಯಕ್ತಿಕ ಅಳವಡಿಕೆಯು ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತಿರುವಾಗ ಮತ್ತು ಸಾಫ್ಟ್ವೇರ್ ಅಭಿವೃದ್ಧಿ ಮತ್ತು ಗ್ರಾಹಕ ಬೆಂಬಲದಂತಹ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಕಾರ್ಪೊರೇಟ್ ಬಳಕೆಯು ವೇಗವರ್ಧಿತವಾಗುತ್ತಿರುವಾಗ, ಅನೇಕ ದೊಡ್ಡ ವ್ಯವಹಾರಗಳು ತಮ್ಮ ಕಾರ್ಯಾಚರಣೆಗಳಾದ್ಯಂತ ಅದನ್ನು ನಿಯೋಜಿಸುವ ಬದಲು AI ಅನ್ನು ಇನ್ನೂ ಪ್ರಯೋಗಿಸುತ್ತಿವೆ.
ರಾಜನ್ ಪ್ರಕಾರ, ಕಂಪನಿಗಳು ಐತಿಹಾಸಿಕ ಡೇಟಾವನ್ನು ಸಂಘಟಿಸುವುದು, ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ವರ್ಕ್ಫ್ಲೋಗಳಿಗೆ AI ಅನ್ನು ಸಂಯೋಜಿಸುವುದು, ಡೇಟಾ-ಸುರಕ್ಷತಾ ಕಾಳಜಿಗಳು ಮತ್ತು ದೋಷಗಳು ಅಥವಾ ಭ್ರಮೆಗಳು ತಮ್ಮ ಬ್ರ್ಯಾಂಡ್ಗಳಿಗೆ ಹಾನಿ ಮಾಡುವ ಅಪಾಯವನ್ನು ಒಳಗೊಂಡಂತೆ ಸವಾಲುಗಳನ್ನು ಎದುರಿಸುತ್ತಲೇ ಇರುತ್ತವೆ.
ಚಿಪ್ಗಳು ಗಣನೀಯವಾಗಿ ಹೆಚ್ಚು ಶಕ್ತಿಯುತ ಮತ್ತು ಶಕ್ತಿಯ ದಕ್ಷತೆಯನ್ನು ಪಡೆದರೆ ಇಂದಿನ AI ಮೂಲಸೌಕರ್ಯವು ನಿರೀಕ್ಷೆಗಿಂತ ವೇಗವಾಗಿ ಬಳಕೆಯಲ್ಲಿಲ್ಲದ ಸಾಧ್ಯತೆಯನ್ನು ಅವರು ಹೈಲೈಟ್ ಮಾಡಿದರು, ಇದು ಡೇಟಾ-ಕೇಂದ್ರ ನಿರ್ವಾಹಕರು ತಮ್ಮ ಹೂಡಿಕೆಗಳನ್ನು ಮರುಪಡೆಯಲು ಕಷ್ಟಕರವಾಗಿಸುತ್ತದೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳಲ್ಲಿ ಕಂಡುಬರುವ ತ್ವರಿತ ಸುಧಾರಣೆಯು ಅಂತಿಮವಾಗಿ ಹೊಸ ತಾಂತ್ರಿಕ ಪ್ರಗತಿ ಹೊರಹೊಮ್ಮುವವರೆಗೆ ಪ್ರಸ್ಥಭೂಮಿಯಾಗಬಹುದು ಎಂದು ಅವರು ಎಚ್ಚರಿಸಿದ್ದಾರೆ.
ಒಂದು AI ಮಾದರಿಯು ಅಂತಿಮವಾಗಿ ಉದ್ಯಮದಲ್ಲಿ ಪ್ರಾಬಲ್ಯ ಸಾಧಿಸುತ್ತದೆ ಮತ್ತು ಅಸಾಧಾರಣ ಲಾಭವನ್ನು ಗಳಿಸುತ್ತದೆ ಎಂಬ ಊಹೆಯನ್ನು ರಾಜನ್ ಪ್ರಶ್ನಿಸಿದ್ದಾರೆ. ಒಂದು ಮಾದರಿಯು ತನ್ನನ್ನು ತಾನು ಸುಧಾರಿಸಿಕೊಳ್ಳುವ ಹಂತವನ್ನು ತಲುಪಿದರೂ, ಸ್ಪರ್ಧಿಗಳು ಇನ್ನೂ ಹಿಡಿಯಬಹುದು ಎಂದು ಅವರು ವಾದಿಸಿದರು. “ಇಲ್ಲಿಯವರೆಗೆ, ಯಾವುದೇ AI ಮಾದರಿಯು ನಿರಂತರ ಪ್ರಯೋಜನವನ್ನು ಪಡೆದಿಲ್ಲ” ಎಂದು ಅವರು ಬರೆದಿದ್ದಾರೆ.
ಈ ವಲಯದ ಹೆಚ್ಚಿನ ಸರ್ಕಾರಿ ಪರಿಶೀಲನೆಯನ್ನು ಸಹ ಅರ್ಥಶಾಸ್ತ್ರಜ್ಞರು ನಿರೀಕ್ಷಿಸುತ್ತಾರೆ. ಡೇಟಾ ಸೆಂಟರ್ಗಳು ಹೆಚ್ಚುತ್ತಿರುವ ಪ್ರಮಾಣದ ವಿದ್ಯುತ್ ಅನ್ನು ಬಳಸುವುದರಿಂದ ಮತ್ತು ವಿದ್ಯುತ್ ಬೇಡಿಕೆಯನ್ನು ಹೆಚ್ಚಿಸುವುದರಿಂದ, ಅವುಗಳ ವಿಸ್ತರಣೆಯನ್ನು ನಿರ್ಬಂಧಿಸಲು ರಾಜಕೀಯ ಒತ್ತಡವು ಬೆಳೆಯುವ ಸಾಧ್ಯತೆಯಿದೆ. ದತ್ತಾಂಶ-ಕೇಂದ್ರ ನಿರ್ಮಾಣದ ಮೇಲೆ ಈಗಾಗಲೇ ನಿಷೇಧ ಹೇರಿರುವ ಇಂಡಿಯಾನಾದ ಕೌಂಟಿಗಳ ಉದಾಹರಣೆಗಳನ್ನು ರಾಜನ್ ಸೂಚಿಸಿದರು.
ಮೂಲಸೌಕರ್ಯ ಕಾಳಜಿಗಳ ಹೊರತಾಗಿ, AI ಯ ದುರುದ್ದೇಶಪೂರಿತ ಬಳಕೆಗಳು – ಸೈಬರ್ಟಾಕ್ಗಳು ಮತ್ತು ಡೀಪ್ಫೇಕ್ಗಳಿಂದ ಮಕ್ಕಳನ್ನು ಒಳಗೊಂಡ ಅಸುರಕ್ಷಿತ ಸಂವಹನಗಳವರೆಗೆ – AI ಡೆವಲಪರ್ಗಳಿಗೆ ಕಟ್ಟುನಿಟ್ಟಾದ ನಿಯಂತ್ರಣ ಮತ್ತು ಹೆಚ್ಚಿನ ಹೊಣೆಗಾರಿಕೆಯ ಬೇಡಿಕೆಗಳನ್ನು ಉತ್ತೇಜಿಸಬಹುದು ಎಂದು ಅವರು ಎಚ್ಚರಿಸಿದ್ದಾರೆ. ರಾಕ್ಷಸ AI ನಿಂದ ಉಂಟಾಗುವ ಅಪಾಯಗಳು ಅಂತಿಮವಾಗಿ “AI ಜಿನೀವಾ ಕನ್ವೆನ್ಷನ್” ಅನ್ನು ಹೋಲುವ ಅಂತಾರಾಷ್ಟ್ರೀಯ ಚರ್ಚೆಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು ಎಂದು ಅವರು ಸಲಹೆ ನೀಡಿದರು.
ರಾಜಕೀಯ ಹಸ್ತಕ್ಷೇಪಕ್ಕೆ ಮತ್ತೊಂದು ಸಂಭಾವ್ಯ ಪ್ರಚೋದಕವೆಂದರೆ, AI ಅಳವಡಿಕೆಗೆ ಸಂಬಂಧಿಸಿದ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಉದ್ಯೋಗ ನಷ್ಟಗಳು ಎಂದು ರಾಜನ್ ಹೇಳಿದರು. ಸಾಮಾಜಿಕ ಮತ್ತು ರಾಜಕೀಯ ಹಿನ್ನಡೆಯ ಭಯವು ಕಂಪನಿಗಳನ್ನು ಆಕ್ರಮಣಕಾರಿಯಾಗಿ ಹೆಡ್ಕೌಂಟ್ ಕಡಿಮೆ ಮಾಡಲು ಹಿಂಜರಿಯುವಂತೆ ಮಾಡುತ್ತದೆ, AI-ಚಾಲಿತ ರೂಪಾಂತರದ ವೇಗವನ್ನು ನಿಧಾನಗೊಳಿಸುತ್ತದೆ.
ಈ ಅನಿಶ್ಚಿತತೆಗಳನ್ನು ಗಮನಿಸಿದರೆ, AI ಅನ್ನು ಎಷ್ಟು ಬೇಗನೆ ನಿಯೋಜಿಸಲಾಗುವುದು ಮತ್ತು ಪರಿಸರ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಯಾವ ಭಾಗವಹಿಸುವವರು ಅಂತಿಮವಾಗಿ ಪ್ರಯೋಜನ ಪಡೆಯುತ್ತಾರೆ ಎಂಬುದು ಸ್ಪಷ್ಟವಾಗಿಲ್ಲ ಎಂದು ರಾಜನ್ ಹೇಳಿದರು. AI ಯ ದೀರ್ಘಾವಧಿಯ ಭರವಸೆಯು ಹಾಗೇ ಉಳಿದಿದ್ದರೂ, ತ್ವರಿತ, ಅಸಾಧಾರಣ ಲಾಭಗಳ ನಿರೀಕ್ಷೆಗಳು ಆಧಾರರಹಿತವೆಂದು ಸಾಬೀತುಪಡಿಸಬಹುದು ಎಂದು ಅವರು ಎಚ್ಚರಿಸಿದ್ದಾರೆ.
“ಒಳ್ಳೆಯ ಸುದ್ದಿ ಏನೆಂದರೆ, ಹೆಚ್ಚು ಸೀಮಿತವಾದ, ಎಚ್ಚರಿಕೆಯ AI ರೋಲ್ಔಟ್ ಸಂಸ್ಥೆಗಳಿಗೆ ಕಾರ್ಮಿಕ-ವರ್ಧನೆಯ (ಕಾರ್ಮಿಕ-ಸ್ಥಳಾಂತರಿಸುವಿಕೆಗೆ ವಿರುದ್ಧವಾಗಿ) ಬಳಕೆಗಳನ್ನು ಕಂಡುಹಿಡಿಯಲು ಹೆಚ್ಚಿನ ಸಮಯವನ್ನು ನೀಡುತ್ತದೆ” ಎಂದು ರಾಜನ್ ಬರೆದಿದ್ದಾರೆ. “ಕೆಟ್ಟ ಸುದ್ದಿ ಏನೆಂದರೆ, ತ್ವರಿತ ಅಸಾಧಾರಣ ಲಾಭಗಳ ಯೂಫೋರಿಕ್ ದೃಷ್ಟಿಕೋನಗಳು ಆಧಾರರಹಿತವಾಗಿರಬಹುದು.”
AI ಮುಂಗಡಗಳು ಅಂತಿಮವಾಗಿ ಪಾವತಿಸುವ ಸಾಧ್ಯತೆಯಿದೆ ಎಂದು ಅವರು ತೀರ್ಮಾನಿಸಿದರು, ಆದರೆ ವಲಯದಲ್ಲಿನ ಪ್ರತಿಯೊಂದು ಕಂಪನಿಯು ವಿಜೇತರಾಗಿ ಹೊರಹೊಮ್ಮುವುದಿಲ್ಲ. “AI ಮುಂಗಡಗಳು ಅಂತಿಮವಾಗಿ ಪಾವತಿಸಬಹುದು, ಆದರೂ ಪ್ರತಿ ಪೂರೈಕೆದಾರರು ಲಾಭ ಪಡೆಯುವುದಿಲ್ಲ, ಅಥವಾ ಬದುಕುಳಿಯುವುದಿಲ್ಲ.”
