मार्क ज़करबर्ग का नया लक्ष्य कृत्रिम सामान्य बुद्धिमत्ता बनाना है
Meta के metaverse महत्वाकांक्षाओं से हटकर कृत्रिम सामान्य बुद्धिमत्ता बनाने और उसे “ज़िम्मेदारी के साथ” open-source करने के घोषित दीर्घकालिक लक्ष्य की ओर रुख ने उसकी रणनीति और मंशा, दोनों पर scrutiny बढ़ा दी है। टिप्पणीकार Meta के विशाल GPU निवेश, मजबूत AI research रिकॉर्ड, और quasi–open source LLaMA models की ओर इशारा करते हैं, लेकिन सवाल उठाते हैं कि भविष्य की systems को AGI बताना कितना यथार्थवादी है या सिर्फ marketing। कई लोग इसे core AI tech को commoditize करके OpenAI और Google जैसे closed rivals को कमजोर करने की कोशिश मानते हैं, साथ ही safety, bias, data usage, और शक्तिशाली, व्यापक रूप से उपलब्ध models के सामाजिक प्रभाव को लेकर अनसुलझी चिंताएँ भी बनी हुई हैं।
Meta का AGI की ओर मोड़ और मिशन
- थ्रेड में एक नए “दीर्घकालिक दृष्टिकोण” की बात की गई है, जिसके तहत AGI बनाना और उसे (ज़िम्मेदारी के साथ) open-source करना है, और आंतरिक AI समूहों को एकीकृत किया जा रहा है।
- कुछ लोग इसे पिछले “बड़े दांवों” (metaverse, crypto, सभी बीमारियों का इलाज) से लक्ष्य बदलने के रूप में देखते हैं, जबकि कुछ इसे बड़े cash flow से संभव हुआ सामान्य कॉर्पोरेट pivot मानते हैं।
- कई टिप्पणीकार मानते हैं कि headline में “AGI” को जरूरत से ज्यादा बढ़ा-चढ़ाकर दिखाया गया है और इसे वे मुख्यतः investor narrative और talent magnet के रूप में देखते हैं।
GPU का भंडार और हार्डवेयर अर्थशास्त्र
- Meta के लगभग 340k H100s और लगभग 600k “H100-equivalents” का लक्ष्य रखने की रिपोर्ट है; rough retail value पर लगभग $15B की चर्चा हुई।
- इस पर बहस है कि क्या Meta को बड़े discounts मिलते हैं या GPUs की supply सीमित है; आम राय है कि discounts के बावजूद यह बहुत बड़ा capex है।
- कुछ लोग इसे “तेजी से मूल्यह्रास होने वाली assets” कहते हैं, जबकि अन्य ध्यान दिलाते हैं कि सभी compute का मूल्य घटता है और आगे चलकर एक बड़ा second-hand market बनने की उम्मीद करते हैं।
Open Models, LLaMA, और “Open Source”
- बहुत से लोग Meta को LLaMA के जरिए open(-ish) LLMs का मुख्य चालक मानते हैं, जिससे consumer hardware पर local models चलाना संभव हुआ।
- दूसरे तर्क देते हैं कि licenses प्रतिबंधात्मक हैं और इन्हें “open source” कहना इस शब्द को कमजोर करता है; “source-available with conditions” को अधिक सटीक बताया गया है।
- समर्थकों का कहना है कि training ही महंगा हिस्सा है; weights जारी करना उसी तरह है जैसे React जैसी भारी-भरकम internal framework को open-source करना।
Business Strategy और “Commoditize Your Complement”
- व्यापक रूप से चर्चित विचार: Meta closed-source enterprise AI में OpenAI/Google के खिलाफ आसानी से नहीं जीत सकता, इसलिए वह base models को commoditize करने की कोशिश करता है।
- मजबूत मुफ्त models जारी करके Meta प्रतिस्पर्धियों की pricing पर दबाव डालता है, Meta-आधारित stacks का प्रसार करता है, और संभवतः अपने platforms (social graph, VR) को भी मजबूत करता है।
Metaverse, VR/AR, और डेटा
- metaverse vision में वास्तविक traction को लेकर संदेह है; कुछ लोग VR को कम retention वाला एक niche “gadget” मानते हैं, और पुरानी reports का हवाला देते हैं।
- अन्य लोग Quest 2/3 और Ray-Ban smart glasses का बचाव करते हैं, उन्हें व्यावसायिक रूप से मजबूत और तकनीकी रूप से प्रभावशाली बताते हैं, खासकर युवा users के बीच।
- एक तर्क यह है कि Meta के विशाल multimodal, egocentric, और behavioral datasets (social apps, headsets, glasses) AGI के लिए एक अनोखी संपत्ति हो सकते हैं, हालांकि data quality (textbooks, code, आदि की तुलना में) पर सवाल उठाए जाते हैं।
AGI, Scaling, और जोखिम
- इस बात पर असहमति है कि मौजूदा LLMs AGI के कितने करीब हैं और “AGI” का मतलब क्या होना चाहिए।
- scaling laws को loss के लिए वास्तविक माना जाता है, लेकिन कम loss का नई क्षमताओं में बदलना अनिश्चित समझा जाता है।
- alignment और “responsible” release को लेकर गंभीर चिंता है: misuse, बड़े पैमाने पर misinformation, और एक शक्तिशाली general system को सीमित करने की कठिनाई, खासकर यदि वह सचमुच open हो।