संज्ञानात्मक वार्मअप. चीन के झिपु एआई (जेड.एआई) के पास एक ओपन-वेट जीएलएम-5.2 मॉडल है, जिस पर कुछ शोधकर्ता जोर देकर कहते हैं कि यह कुछ साइबर सुरक्षा और भेद्यता पहचान कार्यों में एंथ्रोपिक के विवादास्पद मिथोस से मेल खाता है। यह ध्यान दिया जाना चाहिए कि जबकि जीएलएम अधिक सामान्य कार्यों में एंथ्रोपिक और ओपनएआई के अन्य मॉडलों की तुलना में पिछड़ गया है, यह एक प्रतिनिधित्व है कि चीनी एआई मॉडल ने अन्य एआई कंपनियों की तुलना में औसत क्षमताओं में अंतर को व्यवस्थित रूप से कम कर दिया है।
जीएलएम-5.2 ओपनराउटर के एलएलएम लीडरबोर्ड पर 10 सबसे अधिक उपयोग किए जाने वाले एआई मॉडलों में से एक है, जो एंथ्रोपिक, डीपसीक, श्याओमी और टेनसेंट के मॉडल के साथ है। साइबर सुरक्षा कंपनी सेमग्रेप के अनुसार, कुछ बेंचमार्किंग परीक्षणों में, GLM-5.2 ने एंथ्रोपिक के क्लाउड ओपस 4.8 मॉडल (यह मई में जारी किया गया था) से बेहतर प्रदर्शन किया। शोधकर्ताओं के अनुसार, निर्देशों और विशिष्टता के आधार पर, ओपस 4.8 और जीएलएम-5.2 भेद्यता-खोज में मिथोस से मेल खा सकते हैं। यह चिंताजनक होगा?
एक अर्धचालक निर्णायक
आईबीएम ने दुनिया की पहली सब-1 नैनोमीटर (एनएम) चिप तकनीक बनाई थी, जो विशेष रूप से 0.7 एनएम या 7 एंगस्ट्रॉम नोड पर काम करती थी। यह उपलब्धि उस उद्योग के लिए एक ऐतिहासिक क्षण का प्रतिनिधित्व करती है जो पारंपरिक चिप स्केलिंग की भौतिक सीमाओं के आसपास काम करने के तरीके ढूंढ रहा है। सेमीकंडक्टर कंप्यूटिंग और घरेलू उपकरणों से लेकर परिवहन प्रणालियों और महत्वपूर्ण बुनियादी ढांचे तक हर चीज में तेजी से महत्वपूर्ण भूमिका निभाते हैं, प्रदर्शन में सुधार करते हुए ट्रांजिस्टर के आकार को कम करना जारी रखने की क्षमता का व्यापक प्रभाव पड़ा।
इसके केंद्र में आईबीएम का पूरी तरह से नया ट्रांजिस्टर आर्किटेक्चर है जिसे “नैनोस्टैक” के रूप में जाना जाता है, और आर्किटेक्चर जो गगनचुंबी इमारत की तरह घटकों को लंबवत रूप से ढेर करने वाला पहला आर्किटेक्चर बन जाता है। आईबीएम का कहना है कि यह कई 3एनएम और 2एनएम चिप्स के लिए उपयोग की जाने वाली उनकी अपनी पहले से विकसित नैनोशीट से एक महत्वपूर्ण प्रगति है। यहां कुछ शीर्षक क्षमताएं दी गई हैं:
- एक नाखून के आकार की चिप पर 100 बिलियन ट्रांजिस्टर – जो कि आईबीएम के 2nm नोड चिप के घनत्व से दोगुना है, जिसने कुछ साल पहले ही एक बड़ी छलांग लगाई थी
- 50% उच्च प्रदर्शन या 70% अधिक ऊर्जा दक्षता, जो कम बिजली आवश्यकताओं के साथ शक्तिशाली कंप्यूटिंग की दोहरी भूमिका निभाती है।
- आईबीएम का यह भी कहना है कि यह पद्धति एसआरएएम में 40% स्केलिंग सक्षम करती है (वे कहते हैं कि यह एक दशक में सबसे बड़ी छलांग है) जो एआई वर्कलोड, क्लाउड इंफ्रास्ट्रक्चर और अगली पीढ़ी के इलेक्ट्रॉनिक उपकरणों के लिए महत्वपूर्ण है।
“आईबीएम की नवीनतम चिप सफलता कंप्यूटिंग में एक ऐतिहासिक क्षण है, जो प्रौद्योगिकी को नैनोमीटर युग से परे परमाणुओं के पैमाने तक ले जाती है। हमारे नए नैनोस्टैक आर्किटेक्चर के साथ, हम सिर्फ छोटे ट्रांजिस्टर नहीं बना रहे हैं, हम इस बात का पुनराविष्कार कर रहे हैं कि नाटकीय रूप से अधिक शक्ति और ऊर्जा दक्षता प्रदान करने के लिए चिप्स कैसे बनाए जाते हैं,” आईबीएम रिसर्च के निदेशक और आईबीएम फेलो जे गैम्बेटा कहते हैं।
इस तकनीक का मतलब है कि 1 एनएम नोड के नीचे स्केलिंग का विस्तार करना संभव है, सेमीकंडक्टर उद्योग को एंगस्ट्रॉम-स्तरीय स्केलिंग के युग में आगे बढ़ाना जहां आयाम व्यक्तिगत परमाणुओं के आकार तक पहुंचते हैं। जबकि ट्रांजिस्टर नोड्स अब सटीक भौतिक आयाम के बजाय विनिर्माण प्रौद्योगिकी की एक पीढ़ी को संदर्भित करते हैं, आईबीएम की 0.7 एनएम तकनीक एक निश्चित प्रदर्शन है कि निरंतर स्केलिंग अत्यधिक संभव है। आईबीएम के अनुसार, यह नैनोस्टैक आर्किटेक्चर एक सेमीकंडक्टर रोडमैप स्थापित करता है जो कम से कम एक दशक के भविष्य के स्केलिंग का प्रोजेक्ट करता है।
Google का व्यावहारिक दृष्टिकोण
Google का हाल ही में प्रकाशित श्वेत पत्र जिसका शीर्षक है “अमेरिका में एआई गवर्नेंस के लिए एक व्यावहारिक दृष्टिकोण”, कृत्रिम बुद्धिमत्ता विनियमन रूपांतरण को ट्रैक पर लाने का एक स्पष्ट और ठोस प्रयास है। Google दो बहुत स्पष्ट बातें बताता है। सबसे पहले, फ्रंटियर मॉडल और व्यापक रूप से उपयोग किए जाने वाले एआई अनुप्रयोगों के बीच एक स्पष्ट अंतर। दूसरे, जिसे वे दोनों के बीच ओवरलैप के लिए “व्यावहारिक, साक्ष्य-आधारित दृष्टिकोण” कहते हैं।
मैं किसी भी विनियमन की नींव के रूप में उस पृथक्करण के लिए Google के आह्वान में योग्यता पाता हूं। एआई दोनों क्षेत्रों में है, यानी रोजमर्रा के चैटबॉट और टूल का उपयोग, साथ ही असाधारण वैज्ञानिक खोजें। दो धाराओं (और कई उपधाराएं हैं, जिन्हें नजरअंदाज नहीं किया जा सकता) को एक ही तरीके से, एक ही तीव्रता से विनियमित नहीं किया जा सकता है। Google का आह्वान एक अप्रभावी द्वंद्व की ओर इशारा करता है जिससे AI क्षेत्र वर्तमान में जूझ रहा है – यह या तो कठोर अति-नियमन है जो प्रगति को रोकता है, या असावधान विनियमन है जो अनिवार्य रूप से उपयोगकर्ताओं को खतरे में डालता है। Google “मध्यम मार्ग” की वकालत करता है – विभिन्न एआई प्रणालियों की विविध वास्तविकताओं के अनुरूप एक व्यावहारिक, साक्ष्य-आधारित दृष्टिकोण।
Google के प्रस्ताव की आधारशिला एक द्विभाजित नियामक ढांचा है जो सक्रिय रूप से “फ्रंटियर एआई” (सबसे उन्नत, अत्यधिक सक्षम मॉडल) और “व्यापक रूप से तैनात एआई अनुप्रयोगों” (कम, संकीर्ण क्षमताओं वाले रोजमर्रा के उपकरण) के बीच अंतर करता है। एक आकार-सभी के लिए उपयुक्त विधायी कंबल से बचकर, Google का तर्क है कि नियामक अंतर्निहित कंप्यूटर विज्ञान को मौलिक रूप से बाधित किए बिना विशिष्ट, पहचान योग्य वास्तविक दुनिया के नुकसान को सफलतापूर्वक लक्षित कर सकते हैं।
फ्रंटियर एआई के लिए, Google का मानना है कि ये महत्वपूर्ण हैं:
- एक स्वतंत्र नियामक संगठन जो तेजी से आगे बढ़ने वाले एआई अनुसंधान और विकास के साथ तालमेल बिठा सकता है।
- साइबर और रासायनिक, जैविक, रेडियोलॉजिकल और परमाणु (सीबीआरएन) डोमेन में अग्रणी क्षमताओं की पहचान करने के लिए वैज्ञानिक बेंचमार्क, सबसे उन्नत एआई सिस्टम के निर्माण, परीक्षण और तैनाती के लिए स्पष्ट सुरक्षा और सुरक्षा मानकों द्वारा पूरक।
- मॉडल पारदर्शिता और रिपोर्टिंग आवश्यकताओं द्वारा समर्थित, प्रक्रियात्मक और अंततः वास्तविक, सुरक्षा मानकों के अनुपालन को प्रदर्शित करने के लिए वार्षिक ऑडिट
फ्रंटियर एआई के लिए, जहां निहितार्थ प्रणालीगत सुरक्षा और राष्ट्रीय सुरक्षा तक फैले हुए हैं, Google एक फ्रंटियर रेगुलेटरी ऑर्गनाइजेशन (एफएआरओ) के निर्माण का प्रस्ताव करता है – एक स्वतंत्र, संघीय रूप से देखरेख करने वाली और उद्योग समर्थित इकाई। एफएआरओ को कुशल सुरक्षा मानक स्थापित करने और सबसे उन्नत एआई मॉडल के स्वतंत्र, स्वैच्छिक ऑडिट की पुष्टि करने का काम सौंपा जाएगा। यह मॉडल दर्शाता है कि अन्य महत्वपूर्ण क्षेत्रों को कैसे प्रबंधित किया जाता है, एक लचीला ढांचा प्रदान करता है जो तेजी से एल्गोरिदम नवाचार के साथ तालमेल रख सकता है।
“क्षमता के निचले स्तर पर मॉडलों द्वारा सक्षम एआई अनुप्रयोगों के लिए, संघीय सरकार को नए नियामक शासनों की आवश्यकता नहीं है जो मौजूदा कानून के साथ डुप्लिकेट या विरोधाभासी हों। चैटबॉट जैसे एआई एप्लिकेशन सबसे उन्नत फ्रंटियर एआई मॉडल द्वारा उठाए गए राष्ट्रीय सुरक्षा मुद्दों से अलग सामाजिक और उपभोक्ता सुरक्षा मुद्दों को उठाते हैं। इन व्यापक अनुप्रयोगों के लिए संघीय सरकार वास्तविक दुनिया के आउटपुट और विशिष्ट नुकसान को संबोधित करने के लिए मौजूदा कानूनों और नियमों में संशोधन कर सकती है, “Google अपने श्वेत पत्र में लिखता है।
मॉडल गवर्नेंस से परे, श्वेत पत्र स्थायी एआई नेतृत्व के लिए व्यापक पारिस्थितिकी तंत्र की आवश्यकता को संबोधित करता है। वे अमेरिका की ऊर्जा उत्पादन को बढ़ाने के लिए सार्वजनिक-निजी पहल के विषय पर चर्चा करते हैं (यह इस समय एक बहुत ही असुविधाजनक विषय है) और “आइजनहावर हाईवे प्रोग्राम” के समान ट्रांसमिशन ग्रिड, सूचना अखंडता का महत्व, नियामकों से सिंथआईडी जैसी वॉटरमार्किंग प्रौद्योगिकियों को अनिवार्य करने का आग्रह करना, और जेनेरिक एआई सेवाओं के लिए सी2पीए जैसे छेड़छाड़-प्रतिरोधी क्रिप्टोग्राफ़िक उद्गम मानकों को अनिवार्य करना।
लागत, मूल्य और संवेदनशीलता
उह ओह! क्या एआई को चलाना उन इंसानों की तुलना में अधिक महंगा साबित हो रहा है, जिन्हें उसने कॉरपोरेट्स से बदलने का आग्रह किया था? सामान्य ज्ञान बिल्कुल सामान्य नहीं रहा है क्योंकि पिछले कुछ वर्षों में निवेशक और बोर्डरूम एआई के प्रति जुनूनी हो गए हैं। वैसे भी, मुझ पर विश्वास मत करो, लेकिन संख्याओं पर विश्वास करो।
शोध फर्म गार्टनर के अनुमान के अनुसार, 2028 तक एआई कोडिंग लागत एक औसत सॉफ्टवेयर डेवलपर के वेतन से अधिक हो जाएगी। इसके मूल में बड़े भाषा मॉडल (एलएलएम) टोकन उपभोग की अत्यधिक उच्च लागत और एक उद्योग होगा जो बड़े पैमाने पर उपभोग-आधारित लाइसेंसिंग मॉडल पर काम करता है। गार्टनर ने चेतावनी दी है कि संगठन प्रारंभिक प्रयोग से एआई कोडिंग एजेंटों की बड़े पैमाने पर तैनाती की ओर तेजी से बदलाव कर रहे हैं, जबकि इस बढ़ते टोकन उपयोग के वित्तीय प्रभाव को काफी कम आंक रहे हैं। टोकन-जेनरेटिव एआई मॉडल द्वारा संसाधित डेटा की मूलभूत इकाइयां-नए उपभोग-आधारित मूल्य निर्धारण संरचनाओं के तहत इन सॉफ्टवेयर टूल की लागत को सीधे निर्धारित करती हैं।
एआई कंपनियां बेशक स्मार्ट हैं। अधिक वित्तीय रूप से पूर्वानुमानित सीट-आधारित लाइसेंसिंग से अधिक अस्थिर (और इसलिए महंगी) टोकन आधारित संरचना में सूक्ष्म बदलाव, उन्हें राजस्व अर्जित करने के लिए डिज़ाइन किया गया है। इंसानों की जगह एआई को लाकर कॉरपोरेट का पैसा न बचाएं। टोकन खपत गणना के बारे में पारदर्शिता की कमी और बजट की सटीक योजना बनाने के साथ-साथ परिणाम की लागत को ट्रैक करने में स्पष्ट असमर्थता के साथ इस मुद्दे को जटिल बनाने के लिए मैं इसे किसी के सामने नहीं रखूंगा।
यह कहना अजीब नहीं होगा कि अधिकांश संगठनों में एआई-फर्स्ट होने या जो भी शब्दावली हो, के बारे में बोर्डरूम उत्साह के अलावा, वास्तविक व्यावसायिक प्रभाव के साथ एआई की लागत को सक्रिय रूप से मापने के लिए आवश्यक परिपक्वता और ढांचे का अभाव है।
(टैग्सटूट्रांसलेट)नैनोमीटर चिप(टी)गूगल(टी)एआई(टी)डेटा(टी)डेवलपमेंट्स(टी)एआई डेवलपमेंट्स
Discover more from Star News 24 Live
Subscribe to get the latest posts sent to your email.
