आर्टिफिशियल इंटेलिजेंस (AI) का क्षेत्र लगातार तेज़ी से आगे बढ़ रहा है, और नए मॉडल बनाने की प्रक्रिया को सुव्यवस्थित करने के तरीके खोजने के लिए लगातार प्रयास किए जा रहे हैं। हाल ही में, Poolside AI के सह-संस्थापक और CEO, Eiso Kant ने Latent Space पॉडकास्ट पर AI मॉडल के विकास में एक अभूतपूर्व दृष्टिकोण साझा किया। उन्होंने उनके अभिनव "मॉडल फ़ैक्टरी" सिस्टम का खुलासा किया, जो फाउंडेशन मॉडल बनाने और तैनात करने की प्रक्रिया को बहुत तेज़ी से करने के लिए डिज़ाइन किया गया है। इस सिस्टम की सबसे चौंकाने वाली बात यह है कि यह केवल आठ हफ़्तों में जटिल AI मॉडल बना और उनमें सुधार कर सकता है। यह महत्वाकांक्षी समय-सीमा AI विकास के प्रति हमारे दृष्टिकोण में एक बड़े बदलाव का संकेत देती है, जो गति और दक्षता की ओर बढ़ रही है।
कोड-केंद्रित रास्ता AGI की ओर
Eiso Kant का मूल सिद्धांत, जो कोड के लिए भाषा मॉडल पर एक दशक के केंद्रित शोध से विकसित हुआ है, यह है कि कोड स्वयं आर्टिफिशियल जनरल इंटेलिजेंस (AGI) को अनलॉक करने की मौलिक कुंजी का प्रतिनिधित्व करता है। यह विश्वास Poolside AI की रणनीतिक दिशा के पीछे एक प्रमुख शक्ति रहा है, भले ही व्यापक बाज़ार की भावना अभी तक इसके साथ संरेखित नहीं हुई थी। इस दीर्घकालिक दृष्टिकोण के लिए महत्वपूर्ण निवेश और समर्पण की आवश्यकता थी। यह बताया गया है कि कंपनी ने इस मौलिक विचार पर चार वर्षों में $12 मिलियन खर्च किए, इससे पहले कि उसे व्यापक ध्यान मिले। इस अथक प्रयास ने कंपनी की अपने मूल विश्वासों के प्रति प्रतिबद्धता को रेखांकित किया।
Poolside मॉडल फ़ैक्टरी: AI विकास को गति देना
Poolside AI के तीव्र विकास चक्र के केंद्र में उनकी मालिकाना "मॉडल फ़ैक्टरी" है। यह परिष्कृत इंजीनियरिंग सिस्टम AI मॉडल निर्माण के पूरे जीवनचक्र को प्रबंधित करने के लिए बनाया गया है, जिसमें प्रारंभिक प्री-ट्रेनिंग से लेकर अंतिम रिलीज़ तक सब कुछ शामिल है। फ़ैक्टरी को बड़े पैमाने पर काम करने के लिए डिज़ाइन किया गया है, जो हर महीने दसियों हज़ार प्रयोगों का समर्थन करता है। इसकी मुख्य कार्यात्मकताओं में प्रशिक्षण प्रक्रियाओं में सीधे डेटा स्ट्रीम करना, प्रयोगों की कठोर पुनरुत्पादकता सुनिश्चित करना, निम्न-परिशुद्धता कम्प्यूट संसाधनों का कुशल उपयोग, और स्वायत्त एजेंटों की तैनाती शामिल है। ये एजेंट स्वतंत्र रूप से कोड लिखने, कम्प्यूटेशनल कार्य शुरू करने, परिणामों का मूल्यांकन करने और यहां तक कि भविष्य के मॉडल प्रशिक्षण में उपयोग किए जाने वाले पाइपलाइनों को संशोधित करने में सक्षम हैं।
यह व्यवस्थित दृष्टिकोण पारंपरिक फाउंडेशन मॉडल प्रशिक्षण से एक महत्वपूर्ण प्रस्थान का प्रतिनिधित्व करता है, जिसमें अक्सर व्यापक मैन्युअल निरीक्षण और लंबी विकास समय-सीमाएँ शामिल होती हैं। poolside eiso kant building models weeks जैसे तीव्र पुनरावृत्ति चक्रों को प्राप्त करने की क्षमता फ़ैक्टरी के डिज़ाइन और दक्षता का एक प्रमाण है।
खुलेपन और सहयोग को अपनाना
Poolside AI के परिचालन लोकाचार का एक मुख्य आधार खुले भार (open weights) और खुले शोध के प्रति एक मजबूत प्रतिबद्धता है। Kant ने विकेन्द्रीकृत AI परिदृश्य के लिए एक प्राथमिकता व्यक्त की, जिसमें कुछ चुनिंदा लोगों के बजाय कई फाउंडेशन मॉडल कंपनियों वाला भविष्य देखा गया। उनका मानना है कि खुले नवाचार और स्वस्थ प्रतिस्पर्धा के माहौल को बढ़ावा देने से अंततः पूरे AI समुदाय के लिए प्रगति में तेज़ी आती है। प्रगति को साझा करने की यह प्रतिबद्धता क्षेत्र के सामूहिक विकास के लिए महत्वपूर्ण है।
मॉडल आर्किटेक्चर और प्रशिक्षण में प्रगति
चर्चा के दौरान, Kant ने Poolside के 'Laguna S' नामक मॉडल में भी अंतर्दृष्टि प्रदान की। इस मॉडल में कुल 118 बिलियन पैरामीटर हैं, जिनमें से 8 बिलियन पैरामीटर संचालन के दौरान सक्रिय रूप से लगे रहते हैं। उन्होंने इस बात पर जोर दिया कि वास्तव में उन्नत AI क्षमताओं को प्राप्त करने के लिए, दृढ़ता, कठोर सत्यापन प्रक्रियाओं और प्रभावी बैकट्रैकिंग तंत्र जैसे गुणों को केवल कच्ची कम्प्यूटेशनल बुद्धिमत्ता से अधिक महत्वपूर्ण माना जा सकता है।
इसके अलावा, Kant ने छोटे, अधिक कुशल मॉडल विकसित करने और उपयोग करने की क्षमता का पता लगाया। उन्होंने प्री-ट्रेनिंग चरण के भीतर रीइन्फोर्समेंट लर्निंग तकनीकों के बढ़ते एकीकरण पर भी बात की और प्रस्तावित किया कि वर्तमान नेक्स्ट-टोकन प्रेडिक्शन विधियाँ इंटरनेट पर उपलब्ध विशाल डेटासेट में मौजूद अपार मूल्य को पूरी तरह से निकालने में सक्षम नहीं हो सकती हैं। बातचीत में AI मॉडल को स्केल करने की व्यावहारिकता, बड़े पैमाने पर सिस्टम को प्रशिक्षित करने से जुड़े आर्थिक विचार, और इन तकनीकी छलांगों को शक्ति प्रदान करने वाले महत्वपूर्ण अंतर्निहित हार्डवेयर बुनियादी ढांचे, जैसे कि Nvidia और TSMC जैसे उद्योग के नेताओं द्वारा प्रदान किए जाने वाले, पर भी चर्चा की गई।
कंपनी के नाम, 'Poolside', की उत्पत्ति का भी खुलासा किया गया, जो AI क्षेत्र में उनकी अटूट महत्वाकांक्षा और उनके साहसिक उद्देश्यों से समझौता करने से इनकार का प्रतीक है। AI की चल रही खोज, जिसमें nsfw ai जैसे सूक्ष्म विषयों सहित, क्या संभव है की सीमाओं को लगातार आगे बढ़ा रही है।
tags: ai, artificial intelligence, foundation models, aigc, machine learning
Top comments (0)