AI के शीर्ष स्टार्टअप अपनी शोध-रचनाएँ लगभग प्रकाशित ही नहीं कर रहे हैं
AI का मौजूदा उछाल बड़े पैमाने पर पहले खुले तौर पर प्रकाशित शोध पर टिका है, फिर भी कई प्रमुख startups अब नई प्रगति को peer-reviewed science के बजाय proprietary trade secrets के रूप में बचाकर रखते हैं। टिप्पणीकार इस बदलाव को तीव्र वाणिज्यिक और भू-राजनीतिक प्रतिस्पर्धा की तर्कसंगत प्रतिक्रिया मानें या वैज्ञानिक मानदंडों के क्षरण के रूप में देखें, जो सामूहिक प्रगति को धीमा करता है और शक्ति को केंद्रित करता है—इस पर बहस करते हैं। संबंधित विषयों में journals की जगह blog posts का बढ़ना, patents की सीमाएँ, Chinese और US publication habits के अंतर, और यह विडंबना शामिल है कि public data और papers पर बनी कंपनियाँ अब अपना काम छिपा रही हैं.
मूलभूत खुलापन बनाम मौजूदा गोपनीयता
- कई लोग इस विडंबना की ओर इशारा करते हैं कि आज की अग्रणी AI कंपनियाँ transformers और knowledge distillation जैसे मूलभूत कामों पर निर्भर हैं, जो खुलकर प्रकाशित किए गए थे, जबकि वे अब अपनी ही प्रगति को छिपा रही हैं।
- कुछ का तर्क है कि शुरुआती खुलापन architectures की क्षमता को कम आँकने और गोपनीयता से अधिक प्रतिष्ठा तथा hiring को महत्व देने से आया था।
- ऐतिहासिक उपमाएँ सामने आती हैं (WWII से पहले radiation, शुरुआती औद्योगिक chemistry/dyes): जब शोध स्पष्ट रूप से लाभदायक या रणनीतिक हो जाता है, तो वह corporate walls के पीछे चला जाता है।
प्रोत्साहन: लाभ, प्रतिस्पर्धा और game theory
- एक बार-बार उभरने वाला मत: कंपनियाँ पैसा कमाने के लिए होती हैं, विज्ञान को आगे बढ़ाने के लिए नहीं; जब AI व्यावसायिक हो जाता है, तो प्रोत्साहन खुलेपन से IP protection की ओर बदल जाते हैं।
- अन्य लोग तर्क देते हैं कि यह सामाजिक रूप से हानिकारक है: यदि सभी जानकारी रोककर रखते हैं, तो समग्र प्रगति और विशाल AI infrastructure पर ROI प्रभावित हो सकता है।
- कुछ लोग कानूनी ढाँचों को बदलने (कमज़ोर trade secrets/NDAs, छोटे patents) का सुझाव देते हैं ताकि commons में अधिक योगदान करना पड़े, जबकि आलोचक जवाब देते हैं कि मजबूत निजी प्रोत्साहनों के बिना अरबों डॉलर का R&D नहीं होगा।
Academic publishing बनाम “blogified” शोध
- कई टिप्पणीकार कहते हैं कि औपचारिक peer review धीमा, राजनीतिक और प्रतिष्ठा-चालित है; तेज़ी से बदलते ML के लिए self-publishing या blogs परिणामों को अधिक कुशलता से संप्रेषित कर सकते हैं।
- अन्य लोग इसका जवाब देते हैं कि peer review, भले ही अपूर्ण हो, कठोरता, reproducibility checks और साझा मानक जोड़ता है; “blogified” AI research hype, लापरवाह तरीकों और social-media जैसी गतिशीलता को बढ़ावा देता है।
- कुछ startups बताते हैं कि बार-बार अस्वीकृति और समय-लागत के कारण उन्होंने tier-1 venues छोड़ दिए, और preprints या केवल pitch-deck के माध्यम से sharing का उपयोग कर रहे हैं।
Trade secrets, IP, और open source
- trade secrets का मजबूत बचाव: ऐसी दुनिया में जहाँ प्रतिस्पर्धी जल्दी कॉपी कर सकते हैं (खासकर models का उपयोग करके), frontier work को प्रकाशित करना startups के लिए “incredibly stupid” माना जाता है।
- अन्य लोग खुलेपन के सामाजिक लाभ, दूसरों द्वारा patent कराने से सुरक्षा, और दिखाई देने वाले publications से talent attraction पर जोर देते हैं।
- patents पर बहस: कुछ का दावा है कि software/ML patents काफी हद तक enforce नहीं किए जा सकते, इसलिए उन्हें दाखिल करना सार्थक नहीं; अन्य लोग उन्हें कुछ क्षेत्रों में अब भी प्रासंगिक मानते हैं।
कौन प्रकाशित करता है और कहाँ
- थ्रेड में उद्धृत मूल study के अनुसार कुछ बड़े AI startups (जिसमें US labs और Chinese firms शामिल हैं) अभी भी प्रमुख paper producers हैं, लेकिन नए “startup” स्तर मुख्यतः research के बजाय products पर ध्यान देते हैं।
- कई टिप्पणियों में कहा गया है कि Chinese AI companies अब कई US समकक्षों की तुलना में अधिक खुले तौर पर प्रकाशित करती हैं, जिसमें मजबूत open models और जारी किए गए weights शामिल हैं।
नैतिकता, डेटा, और commons
- टिप्पणीकार AI firms की सार्वजनिक data को scrape करने, पुस्तकों को digitize करने (और कभी-कभी physically destroy करने) तथा फिर अपने outputs को बंद कर देने के लिए आलोचना करते हैं।
- “information wants to be free” और उन creators के बीच तनाव है जिन्हें लगता है कि उनके काम का उपयोग proprietary systems को खिलाने में होता है, बिना बदले में खुलेपन के।