OpenAI के कृत्रिम बुद्धिमत्ता अनुमान शोध प्रमुख Noam Brown ने हाल ही में NVIDIA GTC सम्मेलन में एक पैनल चर्चा में कहा कि कुछ प्रकार के "अनुमान" AI मॉडल 20 साल पहले आ सकते थे, अगर शोधकर्ताओं को "सही तरीका और एल्गोरिदम" पता होता। उन्होंने कहा कि इस शोध दिशा की उपेक्षा कई कारणों से हुई।
Brown ने कार्नेगी मेलन विश्वविद्यालय में गेम AI शोध के अपने अनुभव को याद किया, जिसमें शीर्ष मानव पोकर पेशेवरों को हराने वाले Pluribus भी शामिल हैं। उन्होंने कहा कि उस समय उनके द्वारा बनाए गए AI की ख़ासियत यह थी कि यह समस्याओं को हल करने के लिए "अनुमान" लगा सकता था, न कि केवल कच्ची गणना पर निर्भर रह सकता था। Brown ने उल्लेख किया कि कठिन परिस्थितियों में मानव बहुत समय सोचने में लगाते हैं, जो कृत्रिम बुद्धिमत्ता के लिए बहुत फायदेमंद हो सकता है।
Brown OpenAI के AI मॉडल o1 के आर्किटेक्ट्स में से एक भी हैं। इस मॉडल में "टेस्ट टाइम रीज़निंग" नामक तकनीक का उपयोग किया गया है, जिससे यह क्वेरी का जवाब देने से पहले "सोच" सकता है। टेस्ट टाइम रीज़निंग रनिंग मॉडल पर अतिरिक्त गणना लागू करके एक प्रकार के "अनुमान" को चलाता है। सामान्य तौर पर, तथाकथित अनुमान मॉडल पारंपरिक मॉडल की तुलना में अधिक सटीक और विश्वसनीय होते हैं, खासकर गणित और विज्ञान जैसे क्षेत्रों में।
पैनल चर्चा में, जब उनसे पूछा गया कि क्या उच्च शिक्षण संस्थानों में कंप्यूटिंग संसाधनों की सामान्य कमी को देखते हुए, क्या अकादमिक क्षेत्र में OpenAI जैसे पैमाने पर प्रयोग करना अभी भी संभव है, Brown ने स्वीकार किया कि हाल के वर्षों में मॉडल की कंप्यूटिंग संसाधनों की आवश्यकता बढ़ने के साथ यह और अधिक कठिन हो गया है। लेकिन उन्होंने यह भी कहा कि अकादमिक क्षेत्र कंप्यूटिंग की कम मांग वाले क्षेत्रों, जैसे मॉडल आर्किटेक्चर डिज़ाइन का पता लगाकर महत्वपूर्ण भूमिका निभा सकता है।
Brown ने इस बात पर जोर दिया कि अत्याधुनिक प्रयोगशालाओं और अकादमिक क्षेत्र के बीच सहयोग के अवसर हैं। उन्होंने कहा कि अत्याधुनिक प्रयोगशालाएँ अकादमिक प्रकाशनों पर ध्यान देंगी, उनके द्वारा प्रस्तुत तर्कों का सावधानीपूर्वक मूल्यांकन करेंगी कि क्या वे पर्याप्त रूप से आश्वस्त हैं, अर्थात, यदि आगे बढ़ाया जाए तो क्या संबंधित शोध बहुत प्रभावी होगा। यदि पेपर में आश्वस्त करने वाले तर्क दिए गए हैं, तो ये प्रयोगशालाएँ इसका गहन अध्ययन करेंगी।
इसके अलावा, Brown ने विशेष रूप से AI बेंचमार्किंग के क्षेत्र का उल्लेख किया, यह मानते हुए कि अकादमिक क्षेत्र इसमें महत्वपूर्ण भूमिका निभा सकता है। उन्होंने वर्तमान AI बेंचमार्किंग की स्थिति की आलोचना करते हुए कहा कि ये बेंचमार्क अक्सर गूढ़ ज्ञान का परीक्षण करते हैं, जिनके स्कोर अधिकांश लोगों द्वारा देखे जाने वाले कार्यों की दक्षता से कम संबंधित होते हैं, जिससे मॉडल की क्षमता और सुधार की व्यापक गलतफहमी होती है। Brown का मानना है कि AI बेंचमार्किंग में सुधार के लिए बड़ी मात्रा में कंप्यूटिंग संसाधनों की आवश्यकता नहीं है।
ध्यान देने योग्य बात यह है कि इस चर्चा में, Brown के शुरुआती बयान OpenAI में शामिल होने से पहले उनके गेम AI शोध कार्य, जैसे Pluribus, पर लागू होते हैं, न कि o1 जैसे अनुमान मॉडल पर।
मुख्य बातें:
- 🤔 OpenAI के Noam Brown का मानना है कि अगर सही तरीका पहले मिल जाता, तो "अनुमान" AI 20 साल पहले आ सकता था, पिछली शोध दिशा की उपेक्षा हुई।
- 🤝 Brown ने इस बात पर जोर दिया कि अकादमिक क्षेत्र और अत्याधुनिक AI प्रयोगशालाओं के बीच सहयोग के अवसर हैं, अकादमिक क्षेत्र मॉडल आर्किटेक्चर डिज़ाइन और AI बेंचमार्किंग जैसे कम कंप्यूटिंग मांग वाले क्षेत्रों में महत्वपूर्ण भूमिका निभा सकता है।
- 📈 "टेस्ट टाइम रीज़निंग" जैसी तकनीकों का उपयोग करने वाले अनुमान मॉडल पारंपरिक मॉडल की तुलना में अधिक सटीक और विश्वसनीय हैं, खासकर गणित और विज्ञान के क्षेत्र में।
