अल्फाबेट ने आईए लागत को कम किया और क्षेत्र के सबसे महंगे पूर्वाग्रह को उजागर किया

अल्फाबेट ने आईए लागत को कम किया और क्षेत्र के सबसे महंगे पूर्वाग्रह को उजागर किया

अल्फाबेट ने एक ऐसा कदम उठाया है जिसे वित्तीय बाजार ने खरीदने के संकेत के रूप में समझा। कंपनी ने अपने कृत्रिम बुद्धिमत्ता के मॉडल के संचालन लागत को कम करने में ठोस प्रगति की घोषणा की है, जिससे एक प्रतिस्पर्धात्मक बढ़त को मजबूत किया गया है जिसे उनके प्रतिद्वंद्वियों को दोबारा स्थापित करने में कई महीने या संभवतः वर्ष लग सकते हैं। शेयर बाजार के विश्लेषकों के लिए, तर्क स्पष्ट है: कम लागत का अर्थ है विस्तारित मार्जिन, अधिक स्केलिंग क्षमता और उन प्रतियोगियों के खिलाफ एक रक्षात्मक स्थिति जो अभी भी अस्थिर दरों पर पूंजी जला रहे हैं। निवेश का यह सिद्धांत खुद ही लिखा जाता है।

लेकिन एक समानांतर दृष्टिकोण है जिसे कोई भी वॉल स्ट्रीट की रिपोर्ट नहीं बना रहा है, और यही वह है जो मैं यहाँ विस्तार से बताने में रुचि रखता हूँ।

जब इस स्तर की कोई कंपनी घोषणा करती है कि उसने कृत्रिम बुद्धिमत्ता की प्रक्रिया को सस्ता बना दिया है, तो ऑपरेटिव प्रश्न केवल यह नहीं है कि प्रति टोकन की लागत कितनी कम हुई है। रणनीतिक प्रश्न यह है: किस प्रकार की बुद्धिमत्ता सस्ती हो रही है, इसे किसने डिज़ाइन किया और इसे किन डेटा पर मान्य किया गया है? यह भेद एक असली प्रतिस्पर्धात्मक बढ़त को एक संस्थागत कमजोरी से अलग करता है जो अभी बैलेंस शीतलन में प्रकट नहीं हुई है।

अनियोजित दक्षता महंगी पड़ रही है

भाषा के मॉडल की इनफेरेंस लागत को कम करना एक वैध इंजीनियरिंग उपलब्धि है। अल्फाबेट वर्षों से अपनी खुद की बुनियादी ढांचे में निवेश कर रहा है – उनके टेन्सर प्रोसेसिंग यूनिट्स ऐसी आर्किटेक्चर का एक प्रयास हैं जिसे कई लोग अनुकरण करने में असमर्थ हैं – और परिणाम अब उन नंबरों में रूपांतरित हो रहे हैं जिन्हें बाजार पढ़ सकता है। यह सच है और इसे तकनीकी मान्यता मिलनी चाहिए।

समस्या दक्षता में नहीं है। समस्या उस चीज़ में है जो उस दक्षता के उत्पादन में आती है।

भाषा के मॉडल ऐतिहासिक डेटा के संग्रह से सीखते हैं। ये डेटा तटस्थ नहीं होते: इनमें यह दर्शाया जाता है कि इंटरनेट पर सामग्री किसने बनाई, किस भाषा में, किस सामाजिक आर्थिक स्थिति से और कौन से सांस्कृतिक पूर्वाग्रहों को शामिल किया गया है। जब एक इंजीनियरिंग टीम गति और एक मॉडल की लागत को ऑप्टिमाइज़ करती है बिना पहले इस अंतर्निहित पूर्वाग्रह की संरचना की समीक्षा किए, तो वह क्या करती है, वह गलती को तेजी से और सस्ते में स्केल करती है। पूर्वाग्रह की ऑडिट की कमी के बिना दक्षता जोखिम को कम नहीं करती, यह उसे औद्योगिक रूप देती है।

यह कोई सिद्धांत नहीं है। इसके पैच करने वाले परिचालन प्रभाव हैं। स्वचालित भर्ती प्रणाली जो गैर-अंग्रेजी ध्वनियों वाले नामों को दंडित करती है। क्रेडिट मॉडल जो बैंकों के ऐतिहासिक बहिष्कारों को दोहराते हैं। स्वास्थ्य के एल्गोरिदम जो मूल नैदानिक परीक्षणों में कम प्रतिनिधित्व वाली जनसंख्या में कम सटीकता के साथ निदान करते हैं। हर एक गलती का एक लागत है: मुकदमेबाजी, सुधारात्मक नियमन, पूरे बाजारों का नुकसान जिनका उत्पाद कभी सेवा नहीं कर सका।

अल्फाबेट इस जोखिम से बाहर नहीं है। उद्योग का कोई भी कंपनी इस जोखिम से मुक्त नहीं है। और अब वे जो सस्ती मॉडल तैनात कर सकते हैं, उस गलती के संभावित स्केल को बढ़ाता है, इसे कम नहीं करता।

डिज़ाइन की मेज पर समानता का बाजार मूल्य

एक संबंध है जिसका तकनीकी उद्योग असहजता से सामना कर रहा है: कम विविधता वाली मूलभूत और दृष्टिकोण वाली प्रबंधन टीमें हेटेरोजीनियस बाजारों में उत्पादों में विफलता की उच्चतम दर उत्पन्न करती हैं। यह कोई वैचारिक परिकल्पना नहीं है। यह संगठनात्मक यांत्रिकी का एक विवरण है।

जब एक प्रणाली को डिजाइन करने वाले लोग एक ही सांस्कृतिक संदर्भ साझा करते हैं, एक ही शैक्षिक पथ, और इसी के तहत दुनिया कैसे काम करती है, के कई मान्यताएं होते हैं, तो वे एक ऐसे मॉडल का निर्माण करते हैं जिसमें एक पूर्वानुमानित कार्यक्षेत्र होता है: यह उनके निर्माताओं के समान लोगों के लिए अच्छी तरह से काम करता है और किनारों पर विफल होने लगता है। छोटे बाजारों में, यह विफलता प्रबंधनीय होती है। वैश्विक स्तर पर तैनात आईए मॉडल में, यह विफलता एक रणनीतिक दायित्व बन जाती है।

जिस बुद्धिमत्ता की आवश्यकता होती है, वह यह पूर्वानुमान लगाने की है कि एक भाषा का मॉडल लेगोस, मेक्सिको सिटी या जकार्ता में उपयोगकर्ता के साथ कैसे विफल होगा, जो एक समरूप टीम से नहीं आती जिसने कभी भी इन संदर्भों को नवीनीकरण करने की आवश्यकता महसूस की है। यह दृष्टिकोणों को डिज़ाइन के चरण में शामिल करने से आती है, न कि अनुपालन की समीक्षा के रूप में, बल्कि शुरू से ही संरचनात्मक सामग्री के रूप में। यही सटीकता में विविधता के बीच का अंतर है।

अल्फाबेट के पास ऐसा करने के लिए संसाधन हैं। सवाल यह है कि उनके आईए विभागों के निर्णय लेने की संरचना इस महत्वाकांक्षा को दर्शाती है या यह फिर भी एक बहुत तंग गुरुत्व केंद्र से कार्य कर रही है। बाहर से, क्षेत्र में टीमों की संरचना के बारे में सार्वजनिक डेटा सकारात्मकता उत्पन्न नहीं करते हैं।

जो बाजार बाहर रह जाता है वह गायब नहीं होता, बल्कि अगले द्वारा पकड़ा जाता है

एक गणितीय स्थिति है जिसे CFOs को ध्यान में रखना चाहिए जब वे अल्फाबेट के लागत में कमी का जश्न मनाते हैं: विभिन्न वैश्विक बाजार जिनकी सेवा करने में मौजूदा मॉडल खराब हैं, एक आय के अवसर का प्रतिनिधित्व करते हैं जिसे कोई और पकड़ने जा रहा है।

विश्व की 60% जनसंख्या ऐसे भाषाएँ बोलती है जो मौजूदा प्रशिक्षित डेटा में नाटकीय रूप से अंडर-रिप्रेजेंटेड हैं। उभरती अर्थव्यवस्थाएँ डिजिटल उपभोग का एक बढ़ता भाग संकेंद्रित करती हैं। अगर अल्फाबेट के सस्ते मॉडल अब भी वैश्विक मांग के एक संकीर्ण उपसमुच्चय के लिए अनुकूलित हैं, तो लागत की दक्षता बाजार विस्तार में नहीं बदलती। यह वही सीमित परिधि के भीतर सस्ती ऑपरेशन बन जाती है।

यह एक स्थायी प्रतिस्पर्धात्मक बढ़त के विपरीत है। यह एक गुफा के अंदर दक्षता है।

जो कंपनियाँ आईए की दौड़ के दूसरी चरण में जीतेंगी, वे जरूरी नहीं कि जो सबसे सस्ता मॉडल बनाए रखें। वे वे होंगी जो सबसे सटीक मॉडल को सबसे बड़ी विविधता के वास्तविक संदर्भ में बनाए रखेंगी। और यह सटीकता अधिक कंप्यूटिंग क्षमता से नहीं आती है। यह डिज़ाइन के चरण में विस्तारित दृष्टिकोणों के नेटवर्क से आती है: विभिन्न अनुभवों वाले शोधकर्ता, डेटासेट जो वास्तविक दुनिया की विविधता को पकड़ते हैं, ऐसे फीडबैक तंत्र जो सीमांत उपयोगकर्ताओं की आवाज सुनते हैं इससे पहले कि वे सीमांत बाजारों में परिवर्तित हों।

अंदर देखने की लागत

अल्फाबेट ने दिखाया है कि वह लागत को ऐसे स्तर पर स्थानांतरित कर सकता है जिसकी कुशलता उनके तत्काल प्रतिस्पर्धियों के पास नहीं है। यह वास्तव में दोहराने में कठिन है और इसे बाजार द्वारा दी जा रही मान्यता मिलनी चाहिए। लेकिन लागत की बढ़त की कमी की कमी के बिना प्रतिनिधित्व की बढ़त एक सीमित जीवनकाल रखती है।

कृत्रिम बुद्धिमत्ता में अगला प्रतिस्पर्धात्मक चक्र इनफेरेंस की लागत पर निर्णय नहीं होगा। यह इस बात पर आधारित होगा कि कंपनियाँ उन बाजारों को कितनी अच्छी तरह समझती हैं जिन्हें वे अभी भी सेवा नहीं दे रही हैं। और यह समझ यही नहीं मिलती जब वे एक समान प्रोफाइल के अधिक इंजीनियरों को नियुक्त करते हैं। यह उन आवाजों की निर्णय लेने की संरचना को फिर से डिज़ाइन करके बनाई जाती है जो महत्वपूर्ण निर्णयों में आवाज़ रखती हैं, यह निश्चित करती है कि किस संदर्भ से यह परिभाषित किया जा रहा है कि किस समस्या का समाधान करना चाहिए और किन डेटा पर वह बुद्धिमत्ता सिखाई जा रही है जिसे वैश्विक स्तर पर लागू किया जाएगा।

जो कंपनियाँ लागत को कम करते हुए दृष्टिकोण को नहीं बढ़ातीं, वे समस्या के एक हिस्से का ऑप्टिमाइजेशन कर रही हैं जबकि उस हिस्से को अनदेखा कर रही हैं जो निर्णय करने वाला होगा। अगला प्रतिस्पर्धी जो उनसे बाजार में हिस्सा लेंगे, वह बेहतर इंजीनियरिंग के साथ नहीं आएगा। वह एक ऐसे मॉडल के साथ आएगा जो उन उपयोगकर्ताओं को समझता है जिन्हें अल्फाबेट ने कभी नहीं सुना।

जब भी किसी तकनीकी कंपनी की रणनीतिक समिति अपनी आईए की रोडमैप की पुनर्विचार करेगी, यह देखने लायक है कि मेज के चारों ओर बैठे लोगों पर नजर डालें। अगर सभी एक ही स्थान से आते हैं, समान भाषाएँ बोलते हैं और दुनिया को समान समन्वय से संसाधित करते हैं, तो वे सर्वश्रेष्ठ उपलब्ध बुद्धिमत्ता के साथ जोखिमों का मूल्यांकन नहीं कर रहे हैं। वे समान दृष्टि की कमी साझा कर रहे हैं और इसे सहमति कह रहे हैं, जो उन्हें एक ऐसा परिपूर्ण लक्ष्य बनाता है जो किसी एक ऐसे नजरिए के साथ आएगा जिसे वे अनुमान नहीं लगा सके।