એજીઆઈ બબલનો ઘટાડો: એઆઈ દૈત્યો માટેની પડકારો
Brief news summary
AI ઉદ્યોગ મૌજૂદા પડકારોનો સામનો કરી રહ્યો છે કારણ કે તાજેતરનાં વિકાસ જેવા કે OpenAI નું ઓરાયન, ઉચ્ચ અપેક્ષાઓને પહોંચી નથી રહેલું, ખાસ કરીને કોડિંગ કાર્યોમાં GPT-4 કરતાં ઓછું સુધારણું દર્શાવે છે. ગુગલનું જેમિની અને એનથ્રોપિકનું ફક્ત 3.5 ઓપસ પણ મર્યાદિત પ્રગતિ બતાવે છે, જે વધારેલ ગણનાકીય શક્તિ અને માહિતી પર સંપૂર્ણપણે નિર્ભર હોવાની મર્યાદાઓને રેખાંકિત કરે છે. ક્ષેત્ર વધી રહેલ ખર્ચ, જટિલતા, અને ગુણવત્તાયુક્ત મફત ઇન્ટરનેટ તાલીમ ડેટાના અભાવથી જોર પમી રહ્યું છે. કંપનીઓ વધી રહેનાં માનવ-ક્યુરેટેડ ડેટાસેટ્સ કરતાં ઓછા અસરકારક એવા સિંથેટિક ડેટા તરફ વળી રહી છે. 2027 સુધી, ટોચના AI મોડેલો વિકસાવવાનો ખર્ચ $10 અબજ દૂર થઈ શકે છે, જે ઉદ્યોગનાં પડકારોમાં વધારો કરશે. આ പ്രവૃત્તિઓ એ આઈની ઝડપી પ્રગતિમાં સંભવિત મંદીકરણ સૂચવે છે. બેન્ટલિ યુનિવર્સિટીના નોહ જીઆન્સીરાક્યૂસા જેવા નિષ્ણાતો મંત્રણા આપે છે કે વર્તમાન ઝડપભર્યા પ્રગતિ કાયમ રહી શકે છે તેવું નથી. ઉદ્યોગને નવી તાલીમ પદ્ધતિઓ દ્વારા નવીનતાઓ કરવા જરૂરી પડી શકે છે, ખાસ કરીને કૃત્રિમ સામાન્ય બુદ્ધિ (AGI) મેળવવામાં. ભવિષ્યમાં પ્રગતિની બાબત લગભગ ચાલુ ટેક્નોલોજીની વ્યાપકતા કરતાં જુદી નવી વ્યૂહરચનાઓ પર આધાર રાખવાની શક્યતા છે.**AGI બબલ ગતિ ગુમાવે છે** *થોડું ઠંડું પડતું* ઓપીનએઆઈનું આવનારું મોટું ભાષા મોડેલ, ઓરિયન કોડ નામયુક્ત, નોંધપાત્ર નતજ છે, GPT-4 થી GPT-3 પર થયેલ પ્રગતિ કરતાં ઓછી પ્રગતિ દર્શાવે છે. બ્લૂંબર્ગના અહેવાલ અનુસાર, ઓપીનએઆઈના કેટલાક સંશોધકો માને છે કે ખાસ કરીને કોડિંગ જેવા ક્ષેત્રોમાં કોઈ સુધારો થતો નથી. આ ઉપરાંત, ગૂગલનું નવું જામિની મોડેલ આંતરિક અપેક્ષાઓ પુરી કરવામાં અસમર્થ અને એન્થ્રોપિકના કૌદ 3. 5 ઓપસની રાહ જોવા માટેનો સમયઅવિશેષ સ્પષ્ટ નથી. આ પડકારો સૂચવે છે કે "સ્કેલિંગ" દ્વારા એઆઇ મોડલોને ઊંચે લાવવાની પદ્ધતિ પોતાના મર્યાદા સુધી પહોંચી રહી છે. જો કૃત્રિમ જનરલ ઇન્ટેલિજન્સ પ્રાપ્ત કરવા માટે વાતાવરણમાં ખાસ કરીને દેખીતી રીતે સુધારો ન થાય તો આ ખર્ચાળ વિકાસ આર્થિક મુશ્કેલી પ્રગટ કરવા માટેના ચિહ્નો છે. હગિંગ ફેસમાં એઆઇ સ્ટાર્ટઅપ હૂણિવાળા માર્ગરેટ મિચેલ મુજબ, "AGI બબલ થોડું ફાટવા માંડી છે, " જે દર્શાવે છે કે માનવી જેવી બુદ્ધિ અને છેલ્લા સુરવીલ સંગ્રહ માટે નવા તાલીમ અભિગમોની જરૂર પડશે. *વ્યાપક ટેક* જનરેટિવ એઆઈ માટેનો વૃદ્ધિ દોર કાયમ સ્કેલિંગ રહ્યો છે: મોડલોના કદને વિસ્તૃત કરીને તેમની શક્તિ વધારવી, જેમાં ન્વિડિયા જેવી કંપનીઓ દ્વારા વધારે પ્રક્રિઆ શક્તિ અને વિશાળ્મની રમત-શાસ્ત્રની તાલીમ ડેટાનો ઉપયોગ શામેલ છે. તેમછત્તાં, મોડલો વધુ મોટા બનતા જાય છે, તેમ તેમની ઊર્જાની આવશ્યકતાઓ વધી જાય છે.
કિંમત ભારે છે—માઇક્રોસોફ્ટ, ઉદાહરણરૂપ, swoim AI ડેટા સેન્ટરોને સમર્થન માટે પરમાણુ ઊર્જા સ્થળ પુનજીવન કરવાનું વિચારી રહ્યું છે. મફત તાલીમ ડેટા ખતમ થવા સાથે, ટેક કંપનીઓ કૃત્રિમ ડેટા તરફ નાંવ વાળી છે પરંતુ કંઈક નવા, ઉચ્ચ ગુણવત્તાના ડેટા જેવી મર્યાદાઓનું સમાધાન મેળવવામાં મુશ્કેલી અનુભવતી હોય છે, જેમકે ન્યુ એન્ટરપ્રાઇઝ એસોસિએટ્સમાં એઆઇ વ્યૂહ પ્રમાણે ફરજ બજાવતા લીલા ટ્રેટિકોવે નોંધ્યું. આ ખર્ચાઓને દર્શાવવા માટે: એન્થ્રોપિકના સીઇઓ દરિયો અમોદેઇએ પોડકાસ્ટમાં જણાવ્યું હતું, જેમકે બ્લૂંબર્ગે ટાંક્યું છે, કે અગ્રણી એઆઇ મોડલના વિકાસમાં હાલમાં આશરે $100 મિલિયનનો ખર્ચ થાય છે, અને 2027 સુધીમાં તે દાયકામાં $10 અબજ સુધી વધવાની આગાહી છે. *શ્રેષ્ઠ દિવસો વિત્યા* આ વર્ષે, એન્થ્રોપિકે તેના કૌદ મોડલોને સુધાર્યું, ઓપસને નમાવીને, અને નિકટ્વીશિષ્ટ રમતગમત મુદ્દાની સૂચનાઓ પોતાની વેબસાઇટ પરથી દૂર કરી. બ્લૂંબર્ગી અનુસાર, ઓપસ તેના કદ અને કિંમતના સવાલમાં માત્ર થોડે સુધારાના દેખાવ કરે છે. સમાન રીતે, ગૂગલના જામિની સૉફ્ટવેરને અપેક્ષાઓ પુરી કરવામાં સમસ્યાનો સામનો કરવો પડ્યો અને તેના મોટા ભાષા મોડલમાં ખાસ કરીને મોટી પ્રગતિનો અભાવ છે. આ અવરોધો અજેય નથી, પરંતુ એવું લાગે છે કે એએઆઇ ઉદ્યોગ છેલ્લા દાયકામાં જોવામાં આવેલા ઝડપી વિકાસના દોરને જાળવી રાખવા માટે ઉત્સુક ન છે. "અમે ખૂબ ખુશ થઈ ગયા કારણકે અમને ઝડપી પ્રગતિનું ટૂંકું સમયગાળું પ્રાપ્ત થયું હતું, " નવાહ જિઅન્સિરાક્યુસા, બેન્ટલી યુનિવર્સિટીમાં ગણિતના સહપ્રોફેસરે બ્લૂંબર્ગ સાથે સાંકળી, "જે માત્ર છીએ જરૂરત પારી શકાય તેવું ન હતું. " એઆઈ વિશે વધુ જાણવા માટે: એક એઆઈ નિષ્ણાત તટસ્થ એક અવિશેષ ભાવ ખાતરી આપતો તેની ચેતવણી આપે છે.
Watch video about
એજીઆઈ બબલનો ઘટાડો: એઆઈ દૈત્યો માટેની પડકારો
Try our premium solution and start getting clients — at no cost to you
