ओपन सोर्स AI को जीतना ही होगा
परिभाषाएँ और दायरा
- अक्सर यह अंतर किया जाता है:
- ओपन सोर्स AI (कोड, डेटा, प्रशिक्षण रेसिपी खुले हों)।
- ओपन वेट्स (मॉडल डाउनलोड करने योग्य हों, लेकिन डेटा और प्रशिक्षण अपारदर्शी/अप्रलेखित हों)।
- कुछ लोगों का तर्क है कि ओपन वेट्स “फ्रीवेयर हैं, ओपन नहीं”; दूसरे कहते हैं कि वेट्स ही मुख्य कलाकृति हैं और वे पहले से ही संशोधन और फाइन-ट्यूनिंग की अनुमति देते हैं।
- शब्दावली का भ्रम (ओपन सोर्स बनाम ओपन वेट्स) बड़े लैब्स की मार्केटिंग द्वारा रणनीतिक रूप से इस्तेमाल किया जाता हुआ देखा जाता है।
क्या ओपन मॉडल फ्रंटियर लैब्स की बराबरी कर सकते हैं?
- कई लोगों का मानना है कि पूंजी, विशेषज्ञ डेटा, और हाइपरस्केल डेटा सेंटर्स बंद लैब्स को स्थायी बढ़त देते हैं; ओपन मॉडल GIMP बनाम Photoshop या Linux बनाम Windows जैसे होंगे।
- विपरीत दृष्टिकोण: लोकल मॉडल (जैसे 30–70B+) कोडिंग और अन्य कार्यों के लिए पहले से ही “Sonnet-इश” हैं; अधिकांश उपयोगकर्ताओं के लिए “काफी अच्छे” ओपन मॉडल पर्याप्त हैं।
- कई लोग अत्याधुनिक स्तर पर घटते प्रतिफल का उल्लेख करते हैं: फ्रंटियर से एक साल पीछे रहने वाले ओपन मॉडल फिर भी अधिकांश व्यावहारिक मूल्य हासिल कर सकते हैं।
कम्प्यूट, हार्डवेयर, और विकेंद्रीकरण
- इस बात पर जोर कि असली मोआत GPU, RAM, और तेज इंटरकनेक्ट्स हैं, न कि वेट्स।
- इस पर बहस कि क्या उपभोक्ता/प्रोसमर हार्डवेयर और समय कभी हाइपरस्केल क्लस्टर्स की बराबरी कर सकते हैं; कुछ लोग टेक डिफ्लेशन, इस्तेमाल किए गए एंटरप्राइज़ GPUs, और भविष्य के ASICs का हवाला देते हैं।
- वितरित/फेडरेटेड प्रशिक्षण और इन्फरेंस के कई प्रस्ताव (BOINC-शैली, MoE, ग्रेडिएंट कंप्रेशन), लेकिन:
- लेटेंसी, बैंडविड्थ, और सत्यापन/ज़हर मिलाना प्रमुख अनसुलझी समस्याएँ हैं।
- कुछ लोग विकेंद्रीकृत प्रशिक्षण को मुख्यतः प्रतीकात्मक या एक deterrent के रूप में देखते हैं, Fable-श्रेणी के मॉडलों तक पहुँचने का रास्ता नहीं।
फंडिंग और बिज़नेस मॉडल
- फ्रंटियर मॉडल प्रशिक्षित करना “अकल्पनीय रूप से महँगा” माना जाता है; संदेह कि दान या स्वयंसेवक सच्चे ओपन प्रतिस्पर्धियों को टिकाए रख सकते हैं।
- सुझाए गए विचार: सार्वजनिक डेटा सेंटर्स, अंतर-विश्वविद्यालय या बहु-राष्ट्रीय कंसोर्टियम, राज्य-वित्तपोषित “पब्लिक LLMs,” कॉर्पोरेट कंसोर्टियम जो बंद लैब्स के complements को commodity बना दें।
- यह अविश्वास कि कोई भी “ओपन लैब” बाद में मुनाफा-उन्मुख न हो जाएगी; OpenAI को पूर्व उदाहरण के रूप में उद्धृत किया गया है।
नियंत्रण, सुरक्षा, और विनियमन
- संज्ञान के लिए कुछ अमेरिकी मेगाकॉर्प्स पर निर्भरता को लेकर गहरी चिंता, और इसके साथ अभिव्यक्ति, काम, और “सोचने” खुद पर जोखिम।
- कुछ लोगों का तर्क है कि शक्तिशाली मॉडलों का लोकतंत्रीकरण दुर्भावनापूर्ण AI के विरुद्ध बचाव बनाने के लिए आवश्यक है; अन्य लोग कहते हैं कि फ्रंटियर-स्तरीय प्रणालियों तक खुली पहुँच जैव-सुरक्षा/साइबर-सुरक्षा के साथ असंगत है।
- अपेक्षा है कि AI-से जुड़ी कोई गंभीर घटना ओपन मॉडलों और संभवतः उपभोक्ता कम्प्यूट पर कड़ी विनियमन ला सकती है।
भू-राजनीति और “जीतना”
- चीनी ओपन-वेट लैब्स की अमेरिकी एकाधिकार रोकने के लिए प्रशंसा की जाती है, लेकिन उन्हें राज्य-सम्बद्ध और परोपकारी रूप से “ओपन” नहीं भी माना जाता है।
- “जीतना” अलग-अलग तरह से परिभाषित किया जाता है:
- फ्रंटियर-श्रेणी के ओपन मॉडल।
- सर्वव्यापी, स्थानीय रूप से चलने योग्य “काफी अच्छे” ओपन सिस्टम।
- मॉडलों और अवसंरचना का सामूहिक या सार्वजनिक स्वामित्व/शासन।