CNBC-TV18 ನೊಂದಿಗೆ ಪ್ರತ್ಯೇಕವಾಗಿ ಮಾತನಾಡುತ್ತಾ, ಉದ್ಯಮದ ಮುಖಂಡರು ವಾದಿಸಿದರು, ಹೈಪರ್ಸ್ಕೇಲರ್ಗಳು ನೂರಾರು ಶತಕೋಟಿ ಡಾಲರ್ಗಳನ್ನು AI ಮೂಲಸೌಕರ್ಯಕ್ಕೆ ಸುರಿಯುವುದನ್ನು ಮುಂದುವರೆಸುತ್ತಾರೆ, ನಿಜವಾದ ಸವಾಲು ಸುಧಾರಿತ AI ಅನ್ನು ಸುಲಭವಾಗಿ, ಕೈಗೆಟುಕುವ ಮತ್ತು ವ್ಯಾಪಕವಾಗಿ ನಿಯೋಜಿಸುವಂತೆ ಮಾಡುವುದು.
ಮೆಟಾದಲ್ಲಿನ AI ಸಂಶೋಧನೆಯ ಮುಖ್ಯಸ್ಥ ಆದಿತ್ಯ ಸಾಗರ್, ಗಡಿನಾಡಿನ AI ಸಂಶೋಧನೆಯು ಕೃತಕ ಜನರಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ (AGI) ಮತ್ತು ಅಂತಿಮವಾಗಿ ಆರ್ಟಿಫಿಶಿಯಲ್ ಸೂಪರ್ ಇಂಟೆಲಿಜೆನ್ಸ್ (ASI) ಸಾಧಿಸುವಲ್ಲಿ ಕೇಂದ್ರೀಕೃತವಾಗಿದೆ ಎಂದು ಹೇಳಿದರು. ಆದಾಗ್ಯೂ, ಪ್ರಮಾಣದೊಂದಿಗಿನ ಉದ್ಯಮದ ಗೀಳು ನಿರ್ಣಾಯಕ ಅಂಶವನ್ನು ಕಡೆಗಣಿಸುತ್ತದೆ ಎಂದು ಅವರು ನಂಬುತ್ತಾರೆ.
“ಮನಸ್ಸಿನ ಒಂದು ಪ್ರಮುಖ ಕ್ಷೇತ್ರವು ಪುನರಾವರ್ತಿತ ಸ್ವಯಂ-ಸುಧಾರಣೆಯಾಗಿದೆ. ಸ್ಕೇಲಿಂಗ್ ನಷ್ಟವು ಅಪರ್ಯಾಪ್ತವಾಗಿ ಉಳಿದಿದೆ ಎಂದು ನಾವು ನೋಡುತ್ತೇವೆ. ಸ್ಕೇಲಿಂಗ್ ನಷ್ಟ ಮತ್ತು ಬಲವರ್ಧನೆಯ ಕಲಿಕೆಯು ವೇಗವಾಗಿ ಮುಂದುವರಿಯುತ್ತಿದೆ, ಆದ್ದರಿಂದ ಈ ಪ್ರದೇಶಗಳಲ್ಲಿ ಭಾರೀ ಹೂಡಿಕೆ ಇದೆ,” ಸಾಗರ್ ಹೇಳಿದರು.
ಒಂದೇ ತತ್ವವು ಪ್ರಸ್ತುತ AI ಅಭಿವೃದ್ಧಿಯನ್ನು ಹೆಚ್ಚಿಸುತ್ತದೆ ಎಂದು ಅವರು ಗಮನಿಸಿದರು: ಪ್ರಮಾಣದ. ಕಂಪನಿಗಳು ದೊಡ್ಡ ಡೇಟಾ ಕೇಂದ್ರಗಳು, ದೊಡ್ಡ ಮಾದರಿಗಳು ಮತ್ತು ದೊಡ್ಡ ಡೇಟಾಸೆಟ್ಗಳನ್ನು ಬಯಸುತ್ತವೆ. ಆದರೂ ಆ ವಿಧಾನವು ಅಂತಿಮವಾಗಿ ತಂತ್ರಜ್ಞಾನದಿಂದ ಯಾರು ಪ್ರಯೋಜನ ಪಡೆಯುತ್ತಾರೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುವುದಿಲ್ಲ.
“ಆದಾಗ್ಯೂ, ಈ ವಿಧಾನವು ವಿತರಣೆಯನ್ನು ತಪ್ಪಿಸುತ್ತದೆ. ಪ್ರತಿ ಟೋಕನ್ಗೆ ಬುದ್ಧಿವಂತಿಕೆಯು AI ಅನ್ನು ಯಾರು ಬಳಸಬೇಕು ಮತ್ತು ಅದನ್ನು ನಿಜವಾಗಿಯೂ ಪ್ರಮಾಣದಲ್ಲಿ ಬಳಸಿಕೊಳ್ಳಬಹುದು ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುವ ಅಂಶವಾಗಿದೆ” ಎಂದು ಅವರು ಹೇಳಿದರು.
ವಿಶ್ವದ ಅತಿದೊಡ್ಡ ತಂತ್ರಜ್ಞಾನ ಕಂಪನಿಗಳು AI ಮೂಲಸೌಕರ್ಯಕ್ಕಾಗಿ ಖರ್ಚು ಮಾಡುವುದನ್ನು ಮುಂದುವರಿಸುವುದರಿಂದ ಚಿಂತನೆಯಲ್ಲಿ ಬದಲಾವಣೆಯು ಬರುತ್ತದೆ. ಉದ್ಯಮದ ಅಂದಾಜಿನ ಪ್ರಕಾರ ಅತಿ ದೊಡ್ಡ ಹೈಪರ್ಸ್ಕೇಲರ್ಗಳು ಒಟ್ಟಾಗಿ AI-ಸಂಬಂಧಿತ ಹೂಡಿಕೆಗಳಿಗೆ $1 ಟ್ರಿಲಿಯನ್ಗೆ ಬದ್ಧರಾಗಿದ್ದಾರೆ.
ಅನೇಕ ದೇಶಗಳು ಮತ್ತು ಕಂಪನಿಗಳಿಗೆ, ಆ ಮಟ್ಟದ ವೆಚ್ಚವನ್ನು ಹೊಂದಿಸುವುದು ಅವಾಸ್ತವಿಕವಾಗಿದೆ. ಅದಕ್ಕಾಗಿಯೇ ದಕ್ಷತೆಯು ಸಂಶೋಧನೆಯ ನಿರ್ಣಾಯಕ ಕ್ಷೇತ್ರವಾಗಿ ಹೊರಹೊಮ್ಮುತ್ತಿದೆ.
ಉಪಯುಕ್ತ ಫಲಿತಾಂಶಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ಅಗತ್ಯವಿರುವ ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿಯ ಪ್ರಮಾಣವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಸಂಶೋಧಕರು ಹೆಚ್ಚು ಗಮನಹರಿಸುತ್ತಿದ್ದಾರೆ ಎಂದು ಸಾಗರ್ ಹೇಳಿದರು.
“ನೀವು ವೆಚ್ಚವನ್ನು ಹೇಗೆ ಕಡಿಮೆಗೊಳಿಸುತ್ತೀರಿ ಮತ್ತು ದಕ್ಷತೆಯನ್ನು ಸುಧಾರಿಸುತ್ತೀರಿ? ಅದು ಸಾಕಷ್ಟು ಚರ್ಚಿಸದ ಪ್ರಮುಖ ಸಂಶೋಧನಾ ಕ್ಷೇತ್ರವಾಗಿದೆ, ಆದರೆ ಇದು ನಾವು ಮಾಡುತ್ತಿರುವ ದೊಡ್ಡ ಪಂತಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ” ಎಂದು ಅವರು ಹೇಳಿದರು.
ದಕ್ಷತೆಯ ಸುತ್ತಲಿನ ಚರ್ಚೆಯು ಈಗಾಗಲೇ AI ನಿಯೋಜನೆಯ ಬಗ್ಗೆ ಉದ್ಯಮಗಳು ಹೇಗೆ ಯೋಚಿಸುತ್ತವೆ ಎಂಬುದರ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರಲು ಪ್ರಾರಂಭಿಸಿದೆ. ಬಳಕೆಯು ಬೆಳೆದಂತೆ, ವ್ಯವಹಾರಗಳು ಹೆಚ್ಚು ಅತ್ಯಾಧುನಿಕ ಮಾದರಿಗಳನ್ನು ಚಲಾಯಿಸುವ ವೆಚ್ಚಕ್ಕೆ ಹೆಚ್ಚು ಸಂವೇದನಾಶೀಲವಾಗುತ್ತಿವೆ.
ಸಾಗರ್ ಪ್ರಕಾರ, AI ಯ ಭವಿಷ್ಯವನ್ನು ಕೇವಲ ಮಾದರಿ ಗಾತ್ರದಿಂದ ಅಳೆಯಬಹುದು, ಆದರೆ ಪ್ರತಿ ಟೋಕನ್ಗೆ ಬುದ್ಧಿವಂತಿಕೆ, ಪ್ರತಿ ವ್ಯಾಟ್ಗೆ ಬುದ್ಧಿವಂತಿಕೆ ಮತ್ತು ಪ್ರತಿ ಡಾಲರ್ಗೆ ಬುದ್ಧಿವಂತಿಕೆಯಂತಹ ಮೆಟ್ರಿಕ್ಗಳಿಂದ ಅಳೆಯಬಹುದು.
“ಉದ್ಯಮಗಳು ಮತ್ತು ವೈಯಕ್ತಿಕ ಗ್ರಾಹಕರಿಗೆ ಸಮಾನವಾಗಿ, ನೀವು AI ಯ ನಿಜವಾದ ಪರಿಣಾಮವನ್ನು ಅರಿತುಕೊಳ್ಳಲು ಬಯಸಿದರೆ, ಪ್ರತಿ ಟೋಕನ್ಗೆ ಹೆಚ್ಚಿನ ಬುದ್ಧಿವಂತಿಕೆ, ಪ್ರತಿ ವ್ಯಾಟ್ಗೆ ಬುದ್ಧಿವಂತಿಕೆ ಅಥವಾ ಪ್ರತಿ ಡಾಲರ್ಗೆ ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಪಡೆಯುವುದರ ಮೇಲೆ ಗಮನ ಹರಿಸಬೇಕು” ಎಂದು ಅವರು ಹೇಳಿದರು.
ದಕ್ಷತೆಯೆಡೆಗಿನ ಚಾಲನೆಯು ಸಂಶೋಧನಾ ಆದ್ಯತೆಗಳನ್ನು ಮರುರೂಪಿಸುತ್ತಿದೆ. ಎಂದಿಗೂ-ದೊಡ್ಡ ಮಾದರಿಗಳ ಮೇಲೆ ಮಾತ್ರ ಅವಲಂಬಿತರಾಗುವ ಬದಲು, ಸ್ಮಾರ್ಟ್ಫೋನ್ಗಳು, ವೈಯಕ್ತಿಕ ಸಾಧನಗಳು ಮತ್ತು ಅಂಚಿನ ಮೂಲಸೌಕರ್ಯದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದಾದ ಸಣ್ಣ ವ್ಯವಸ್ಥೆಗಳಿಗೆ ಸುಧಾರಿತ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಸಂಕುಚಿತಗೊಳಿಸುವ ಮಾರ್ಗಗಳನ್ನು ಸಂಶೋಧಕರು ಅನ್ವೇಷಿಸುತ್ತಿದ್ದಾರೆ.
“ದೊಡ್ಡ ಮಾದರಿಗಳನ್ನು ಚಿಕ್ಕದಾಗಿಸಲು ನೀವು ಹೇಗೆ ಸಾಂದ್ರೀಕರಿಸುತ್ತೀರಿ? ಅವುಗಳನ್ನು ಫೋನ್ಗಳು ಮತ್ತು ಎಡ್ಜ್ ಸಾಧನಗಳಲ್ಲಿ ಹೇಗೆ ಚಾಲನೆ ಮಾಡುತ್ತೀರಿ? ಅದು ನನಗೆ ಅತ್ಯಂತ ರೋಮಾಂಚನಕಾರಿ ಪ್ರದೇಶವಾಗಿದೆ ಮತ್ತು ಇದು ಮುಂದೆ ಪ್ರಮುಖ ವಿಭಿನ್ನತೆಯಾಗಿದೆ,” ಸಾಗರ್ ಹೇಳಿದರು.
ನ ಅರ್ಥಶಾಸ್ತ್ರ AI ಉದ್ಯಮದ ಹಣಗಳಿಕೆಯ ಮಾದರಿಯು ಅನಿಶ್ಚಿತವಾಗಿ ಉಳಿದಿರುವ ಕಾರಣ ಹೆಚ್ಚು ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಪಡೆಯುತ್ತಿದೆ. ಹಿಂದಿನ ತಂತ್ರಜ್ಞಾನ ತರಂಗಗಳಿಗಿಂತ ಭಿನ್ನವಾಗಿ, ವ್ಯವಹಾರಗಳು ದತ್ತು ಮಾದರಿಗಳು ಮತ್ತು ಆದಾಯದ ಅವಕಾಶಗಳನ್ನು ಹೆಚ್ಚು ಸುಲಭವಾಗಿ ಮುನ್ಸೂಚಿಸಬಹುದು, AI ಸಾಮರ್ಥ್ಯಗಳು ಅಭೂತಪೂರ್ವ ವೇಗದಲ್ಲಿ ವಿಕಸನಗೊಳ್ಳುತ್ತಿವೆ.
ಹೊಸ ಮಾದರಿಗಳು ಮತ್ತು ಸಾಮರ್ಥ್ಯಗಳು ಹೊರಹೊಮ್ಮುತ್ತಿದ್ದಂತೆ ಇಂದು ಕಾರ್ಯಸಾಧ್ಯವಾದ ವ್ಯವಹಾರ ಮಾದರಿಯಾಗಿ ಕಂಡುಬರುವ ತಿಂಗಳುಗಳಲ್ಲಿ ಬಳಕೆಯಲ್ಲಿಲ್ಲ ಎಂದು ಸಾಗರ್ ಗಮನಿಸಿದರು.
AI ಹಣಗಳಿಕೆಯನ್ನು ಉಲ್ಲೇಖಿಸಿ “ಇದು ಇದೀಗ ಪರಿಹರಿಸಲಾಗದ ಪ್ರಶ್ನೆಯಾಗಿದೆ” ಎಂದು ಅವರು ಹೇಳಿದರು.
ಆ ಅನಿಶ್ಚಿತತೆಯು ಸ್ಟಾರ್ಟಪ್ಗಳಿಗೆ ಅವಕಾಶಗಳನ್ನು ಸೃಷ್ಟಿಸುತ್ತಿದೆ.
ಕಾಂಪೋಸಿಯೊದ ಸಹ-ಸಂಸ್ಥಾಪಕ ಕರಣ್ ವೈದ್ಯ, ಉದ್ಯಮಗಳು ವೆಚ್ಚಗಳ ಬಗ್ಗೆ ಹೆಚ್ಚು ಜಾಗೃತವಾಗುತ್ತಿವೆ ಮತ್ತು ಏಕ AI ಪೂರೈಕೆದಾರರ ಮೇಲೆ ಅವಲಂಬನೆಯ ಬಗ್ಗೆ ಹೆಚ್ಚು ಜಾಗರೂಕರಾಗುತ್ತಿವೆ.
“ಕಂಪನಿಗಳು ಹೆಚ್ಚು ವೆಚ್ಚ-ಪ್ರಜ್ಞೆ ಹೊಂದಿರುವುದರಿಂದ ಟೋಕನ್-ಮ್ಯಾಕ್ಸಿಂಗ್ ಪ್ರವೃತ್ತಿಯು ಹಿಮ್ಮುಖವಾಗುವುದನ್ನು ನಾವು ನೋಡುತ್ತಿದ್ದೇವೆ” ಎಂದು ವೈದ್ಯ ಹೇಳಿದರು.
ಸಂಸ್ಥೆಗಳು ಏಕಕಾಲದಲ್ಲಿ ಅನೇಕ AI ವ್ಯವಸ್ಥೆಗಳನ್ನು ಬಳಸುವ ಜಗತ್ತಿನಲ್ಲಿ ನಿರ್ದಿಷ್ಟ ಮಾದರಿ ಪೂರೈಕೆದಾರರಿಗೆ ಲಾಕ್-ಇನ್ ಮಾಡುವುದನ್ನು ತಪ್ಪಿಸಲು ಉದ್ಯಮಗಳಿಗೆ ಸಹಾಯ ಮಾಡುವುದು ಮೌಲ್ಯಯುತವಾದ ವ್ಯಾಪಾರ ಪ್ರತಿಪಾದನೆಯಾಗಬಹುದು ಎಂದು ಅವರು ಹೇಳಿದರು.
ವೈದ್ಯ ಪ್ರಕಾರ, ಭವಿಷ್ಯವು ಒಂದೇ ಪ್ರಬಲ ಮಾದರಿಗೆ ಸೇರಿರುವ ಸಾಧ್ಯತೆಯಿಲ್ಲ. ಬದಲಾಗಿ, ಉದ್ಯಮಗಳು ಬಹು-ಮಾದರಿ ಪರಿಸರದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ, ಅಲ್ಲಿ ಕಂಪನಿಗಳು ವೆಚ್ಚ, ಕಾರ್ಯಕ್ಷಮತೆ ಮತ್ತು ಬಳಕೆಯ ಸಂದರ್ಭಗಳನ್ನು ಅವಲಂಬಿಸಿ ಸ್ವಾಮ್ಯದ ಮತ್ತು ಮುಕ್ತ-ಮೂಲ ವ್ಯವಸ್ಥೆಗಳ ನಡುವೆ ಆಯ್ಕೆ ಮಾಡುತ್ತವೆ.
ದಕ್ಷತೆಯ ಮೇಲಿನ ಗಮನವು ಮೂಲಸೌಕರ್ಯ ಮತ್ತು ಮಾದರಿ ಅಭಿವೃದ್ಧಿಯನ್ನು ಮೀರಿ ವಿಸ್ತರಿಸುತ್ತದೆ.
ಟಾಮ್ ಬ್ರಾಡಿಸಿಚ್, ಮುಖ್ಯ ಉತ್ಪನ್ನ ಅಧಿಕಾರಿ ಮತ್ತು ಅರೆಟೆಯಲ್ಲಿ CTO, AI ಮೂಲಕ ನೀಡಲಾದ ಉತ್ಪಾದಕತೆ ಸುಧಾರಣೆಗಳು ಅವರು ವಿಶಾಲವಾದ ವ್ಯಾಪಾರ ಫಲಿತಾಂಶಗಳನ್ನು ಸುಧಾರಿಸಿದಾಗ ಮಾತ್ರ ಅರ್ಥಪೂರ್ಣವಾಗಿರುತ್ತದೆ ಎಂದು ವಾದಿಸಿದರು.
ಸಂಪೂರ್ಣ ಕೆಲಸದ ಹರಿವಿನಾದ್ಯಂತ ಇರುವ ಅಡಚಣೆಗಳನ್ನು ಪರಿಹರಿಸದೆಯೇ ವೈಯಕ್ತಿಕ ಕಾರ್ಯಗಳನ್ನು ವೇಗವಾಗಿ ಮಾಡಲು ಅನೇಕ ಸಂಸ್ಥೆಗಳು ಗಮನಹರಿಸುತ್ತವೆ ಎಂದು ಅವರು ಹೇಳಿದರು.
“ವಿಜೇತರು ಪ್ರತ್ಯೇಕವಾದ ಉಪಪ್ರಕ್ರಿಯೆಗಳನ್ನು ಉತ್ತಮಗೊಳಿಸುವ ಬದಲು ಸಂಪೂರ್ಣ ಕೆಲಸದ ಹರಿವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತಾರೆ” ಎಂದು ಬ್ರಾಡಿಸಿಚ್ ಹೇಳಿದರು.
ಅವರ ಪಾಯಿಂಟ್ AI ಉದ್ಯಮದಾದ್ಯಂತ ಹೊರಹೊಮ್ಮುತ್ತಿರುವ ವಿಶಾಲವಾದ ಪಾಠವನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ: ದಕ್ಷತೆಯು ಇನ್ನು ಮುಂದೆ ಕಂಪ್ಯೂಟಿಂಗ್ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು ಮಾತ್ರವಲ್ಲ. ಬಂಡವಾಳ, ಶಕ್ತಿ, ಕಂಪ್ಯೂಟಿಂಗ್ ಶಕ್ತಿ ಅಥವಾ ಮಾನವ ಪ್ರಯತ್ನದಲ್ಲಿ ಹೂಡಿಕೆಯನ್ನು ಅಳೆಯಲಾಗಿದ್ದರೂ, ಹೂಡಿಕೆಯ ಪ್ರತಿಯೊಂದು ಘಟಕದಿಂದ ಹೆಚ್ಚಿನ ಮೌಲ್ಯವನ್ನು ಹೊರತೆಗೆಯುವುದು ಹೆಚ್ಚುತ್ತಿದೆ.
AI ಓಟವು ಅದರ ಮುಂದಿನ ಹಂತವನ್ನು ಪ್ರವೇಶಿಸುತ್ತಿದ್ದಂತೆ, ಉದ್ಯಮದ ಮುಖಂಡರು ಯಶಸ್ಸು ದೊಡ್ಡ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸುವವರ ಮೇಲೆ ಕಡಿಮೆ ಅವಲಂಬಿತವಾಗಿದೆ ಮತ್ತು ಯಾರು ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಅಗ್ಗದ, ಹೆಚ್ಚು ಸುಲಭವಾಗಿ ಮತ್ತು ಹೆಚ್ಚು ಉಪಯುಕ್ತವಾಗಿಸಬಹುದು ಎಂಬುದರ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿರುತ್ತದೆ ಎಂದು ಸೂಚಿಸುತ್ತಾರೆ.
