एआय इकॉनॉमीचे पाच आर्किटेक्ट स्पष्ट करतात की चाके कोठे बंद होत आहेत

या आठवड्याच्या सुरुवातीला, AI पुरवठा साखळीच्या प्रत्येक थराला स्पर्श करणारे पाच लोक बेव्हरली हिल्स येथील मिल्कन ग्लोबल कॉन्फरन्समध्ये बसले होते, जिथे त्यांनी या संपादकाशी चिपच्या कमतरतेपासून ते ऑर्बिटल डेटा सेंटर्सपर्यंतच्या सर्व गोष्टींबद्दल बोलले जे तंत्रज्ञानाच्या अंतर्गत संपूर्ण आर्किटेक्चर चुकीचे आहे.

स्टेजवर वाचा: क्रिस्टोफ फॉक्वेट, ASML चे सीईओ, अत्यंत अल्ट्राव्हायोलेट लिथोग्राफी मशीनवर मक्तेदारी असलेली डच कंपनी ज्याशिवाय आधुनिक चिप्स अस्तित्वात नसतील; फ्रान्सिस डिसूझा, Google क्लाउडचे सीओओ, जे कॉर्पोरेट इतिहासातील सर्वात मोठ्या पायाभूत सुविधांपैकी एकावर देखरेख करत आहेत; कासार युनिस, अप्लाइड इंट्यूशनचे सह-संस्थापक आणि सीईओ, $15 अब्ज भौतिक एआय कंपनी जी सिम्युलेशनमध्ये सुरू झाली आणि त्यानंतर संरक्षण क्षेत्रात गेली; दिमित्री शेवेलेन्को, एआय-नेटिव्ह सर्च-टू-एजंट कंपनी, पर्प्लेक्सिटीचे मुख्य व्यवसाय अधिकारी; आणि इव्ह बोडनिया, एक क्वांटम भौतिकशास्त्रज्ञ ज्याने मूलभूत आर्किटेक्चरला आव्हान देण्यासाठी अकादमी सोडली, बहुतेक AI उद्योग तिच्या स्टार्टअप, लॉजिकल इंटेलिजेंसमध्ये गृहीत धरतात. (Meta चे माजी मुख्य AI शास्त्रज्ञ, यान लेकुन यांनी या वर्षाच्या सुरुवातीला त्याच्या तांत्रिक संशोधन मंडळाचे संस्थापक अध्यक्ष म्हणून स्वाक्षरी केली.)

पाच जणांना काय म्हणायचे ते येथे आहे:

अडथळे खरे आहेत

एआय बूम कठोर भौतिक मर्यादेपर्यंत चालत आहे आणि अनेकांच्या लक्षात येण्यापेक्षा मर्यादा स्टॅकच्या खाली सुरू होतात. Fouquet हे असे म्हणणारे पहिले होते, त्यांनी “चीप निर्मितीच्या प्रचंड प्रवेग” चे वर्णन करताना, “पुढील दोन, तीन, कदाचित पाच वर्षांसाठी, बाजारपेठेचा पुरवठा मर्यादित राहील,” असा त्यांचा “मजबूत विश्वास” व्यक्त करताना, म्हणजे हायपरस्केलर्स — Google, Microsoft, Amazon, Meta — त्यांना पूर्ण वेतन मिळणार नाही.

DeSouza ने हायलाइट केले की किती मोठी — आणि किती वेगाने वाढ होत आहे — ही एक समस्या आहे, ज्याने प्रेक्षकांना आठवण करून दिली की गेल्या तिमाहीत Google क्लाउडचा महसूल $20 अब्ज ओलांडला आहे, 63% वाढला आहे, तर त्याचा अनुशेष — वचनबद्ध परंतु अद्याप वितरित न केलेला महसूल — एका तिमाहीत जवळजवळ दुप्पट झाला आहे, $250 अब्ज वरून $460 अब्ज. “मागणी खरी आहे,” तो प्रभावी शांततेने म्हणाला.

युनूससाठी, अडथळे प्रामुख्याने इतर ठिकाणांहून येतात. अप्लाइड इंट्यूशन कार, ट्रक, ड्रोन, खाण उपकरणे आणि संरक्षण वाहनांसाठी स्वायत्तता प्रणाली तयार करते आणि त्याचा अडथळा सिलिकॉन नाही – हा डेटा आहे जो केवळ वास्तविक जगात मशीन पाठवून आणि काय घडते ते पाहून गोळा करू शकतो. “तुम्हाला ते वास्तविक जगातून शोधावे लागेल,” तो म्हणाला, आणि कोणतेही सिंथेटिक सिम्युलेशन हे अंतर पूर्णपणे बंद करत नाही. “भौतिक जगावर कृत्रिमरित्या चालणाऱ्या मॉडेल्सना पूर्णपणे प्रशिक्षित करण्याआधी तुम्हाला बराच वेळ लागेल.”

ऊर्जेची समस्याही खरी आहे

जर चिप्स ही पहिली अडचण असेल, तर त्यामागे उर्जा आहे. DeSouza ने पुष्टी केली की Google ऊर्जेच्या मर्यादांना गंभीर प्रतिसाद म्हणून अंतराळातील डेटा केंद्रांचा शोध घेत आहे. “तुम्हाला अधिक मुबलक उर्जेचा प्रवेश मिळतो,” त्याने नमूद केले. अर्थात, कक्षेतही हे सोपे नाही. DeSouza ने निरीक्षण केले की जागा एक व्हॅक्यूम आहे, त्यामुळे संवहन काढून टाकते, आसपासच्या वातावरणात उष्णता टाकण्याचा एकमेव मार्ग म्हणून रेडिएशन सोडते (आज डेटा केंद्रे अवलंबून असलेल्या हवा आणि द्रव शीतकरण प्रणालींपेक्षा खूप धीमी आणि अभियंता प्रक्रिया) पण तरीही कंपनी याला कायदेशीर मार्ग मानत आहे.

डी सूझा यांनी केलेला सखोल युक्तिवाद, काहीसे आश्चर्यकारकपणे, एकीकरणाद्वारे कार्यक्षमतेबद्दल होता. Google चे संपूर्ण AI स्टॅकचे सह-अभियांत्रिकी करण्याचे धोरण — सानुकूल TPU चिप्सपासून ते मॉडेल्स आणि एजंट्सपर्यंत — फ्लॉप प्रति वॅट (ऊर्जेच्या प्रति युनिट अधिक मोजणी) मध्ये लाभांश देते ज्याची प्रति-शेल्फ घटक खरेदी करणारी कंपनी फक्त प्रतिकृती करू शकत नाही, त्याने सुचवले. “TPUs वर जेमिनी चालवणे इतर कोणत्याही कॉन्फिगरेशनपेक्षा जास्त ऊर्जा कार्यक्षम आहे,” कारण चिप डिझायनर्सना ते शिप होण्यापूर्वी मॉडेलमध्ये काय येत आहे हे माहित आहे, तो म्हणाला.

फॉक्वेटने नंतरच्या चर्चेत असाच मुद्दा मांडला. “कोणतीही गोष्ट अमूल्य असू शकत नाही,” तो म्हणाला. उद्योग सध्या एका विचित्र क्षणात आहे, विलक्षण प्रमाणात भांडवलाची गुंतवणूक करत आहे, जो धोरणात्मक गरजेनुसार चालतो. परंतु अधिक गणना म्हणजे अधिक ऊर्जा आणि अधिक ऊर्जेची किंमत असते.

वेगळ्या प्रकारची बुद्धिमत्ता

उर्वरित उद्योग मोठ्या भाषेच्या मॉडेल पॅराडाइममध्ये स्केल, आर्किटेक्चर आणि अनुमान कार्यक्षमतेवर चर्चा करत असताना, बोडनिया खूप वेगळे काहीतरी तयार करत आहे.

तिची कंपनी, लॉजिकल इंटेलिजेंस, तथाकथित ऊर्जा-आधारित मॉडेल्स (EBMs) वर तयार केली गेली आहे, AI चा एक वर्ग जो एका क्रमाने पुढील टोकनचा अंदाज लावत नाही परंतु त्याऐवजी अंतर्निहित डेटाचे नियम समजून घेण्याचा प्रयत्न करतो, ज्या प्रकारे तिचा तर्क आहे की मानवी मेंदू प्रत्यक्षात कसे कार्य करते. “भाषा हा माझा आणि तुमचा मेंदू यांच्यातील एक वापरकर्ता इंटरफेस आहे,” ती म्हणाली. “तर्क स्वतः कोणत्याही भाषेशी संलग्न नाही.”

तिचे सर्वात मोठे मॉडेल 200 दशलक्ष पॅरामीटर्सवर चालते — शेकडो अब्जावधी आघाडीच्या LLM च्या तुलनेत — आणि ती हजारो पट वेगाने चालते असा तिचा दावा आहे. सर्वात महत्त्वाचे म्हणजे, ते सुरवातीपासून पुन्हा प्रशिक्षण आवश्यक नसून, डेटा बदलत असताना त्याचे ज्ञान अद्यतनित करण्यासाठी डिझाइन केले आहे.

चिप डिझाइन, रोबोटिक्स आणि इतर डोमेनसाठी जिथे प्रणालीला भाषिक नमुन्यांऐवजी भौतिक नियमांचे आकलन करणे आवश्यक आहे, ती म्हणते की EBM अधिक नैसर्गिक फिट आहेत. “जेव्हा तुम्ही कार चालवता, तेव्हा तुम्ही कोणत्याही भाषेत नमुने शोधत नाही. तुम्ही तुमच्या आजूबाजूला पाहता, तुमच्या सभोवतालच्या जगाचे नियम समजून घ्या आणि निर्णय घ्या.” हा एक मनोरंजक युक्तिवाद आहे आणि येत्या काही महिन्यांत अधिक लक्ष वेधून घेण्याची शक्यता आहे, एआय फील्ड केवळ स्केल पुरेसे आहे की नाही हे विचारू लागले आहे.

एजंट, रेलिंग आणि ट्रस्ट

शेवेलेन्कोने संभाषणाचा बराचसा भाग शोध उत्पादनातून “डिजिटल वर्कर” म्हणून ओळखल्या जाणाऱ्या गोष्टींमध्ये कसा विकसित झाला आहे हे स्पष्ट करण्यात घालवले. Perplexity Computer, त्याची सर्वात नवीन ऑफर, हे ज्ञान कार्यकर्ता वापरत असलेले साधन म्हणून नाही, तर ज्ञान कार्यकर्ता निर्देशित करणारे कर्मचारी म्हणून डिझाइन केलेले आहे. “दररोज तुम्ही उठता आणि तुमच्या टीममध्ये शंभर कर्मचारी आहेत,” तो संधीबद्दल म्हणाला. “त्याचा जास्तीत जास्त फायदा घेण्यासाठी तुम्ही काय करणार आहात?”

ही एक आकर्षक खेळपट्टी आहे; हे नियंत्रणाबद्दल स्पष्ट प्रश्न देखील उपस्थित करते, म्हणून मी त्यांना विचारले. त्याचे उत्तर होते: ग्रॅन्युलॅरिटी. एंटरप्राइझ प्रशासक केवळ एजंट कोणत्या कनेक्टर आणि टूल्समध्ये प्रवेश करू शकतात हे निर्दिष्ट करू शकत नाहीत, परंतु त्या परवानग्या केवळ-वाचनीय आहेत किंवा वाचन-लेखन आहेत – एक फरक जो एजंट कॉर्पोरेट सिस्टममध्ये कार्य करत असताना खूप महत्त्वाचा असतो. जेव्हा कॉमेट, पर्प्लेक्सिटीचा संगणक-वापर एजंट, वापरकर्त्याच्या वतीने कृती करतो, तेव्हा तो एक योजना सादर करतो आणि प्रथम मंजुरीसाठी विचारतो. काही वापरकर्त्यांना घर्षण त्रासदायक वाटते, शेवेलेन्को म्हणाले, परंतु तो म्हणाला की तो आवश्यक आहे असे मानतो, विशेषत: लाझार्डच्या मंडळात सामील झाल्यानंतर, जिथे तो म्हणाला की तो पूर्णपणे क्लायंटच्या विश्वासावर बांधलेल्या 180 वर्षांच्या जुन्या ब्रँडचे संरक्षण करणाऱ्या CISO च्या पुराणमतवादी प्रवृत्तीबद्दल अनपेक्षितपणे सहानुभूती दाखवतो. “ग्रॅन्युलॅरिटी हा चांगल्या सुरक्षा स्वच्छतेचा पाया आहे,” तो म्हणाला.

सार्वभौमत्व, केवळ सुरक्षा नाही

युनिसने पॅनेलचे सर्वात भौगोलिकदृष्ट्या चार्ज केलेले निरीक्षण काय असू शकते ते ऑफर केले, जे की भौतिक AI आणि राष्ट्रीय सार्वभौमत्व अशा प्रकारे अडकले आहेत जे पूर्णपणे डिजिटल AI कधीही नव्हते.

इंटरनेट सुरुवातीला अमेरिकन तंत्रज्ञानाच्या रूपात पसरले आणि जेव्हा ऑफलाइन परिणाम दिसू लागले तेव्हा केवळ ऍप्लिकेशन स्तरावर – Ubers आणि DoorDashes – वर पुशबॅकचा सामना करावा लागला. भौतिक AI भिन्न आहे. स्वायत्त वाहने, संरक्षण ड्रोन, खाण उपकरणे, कृषी यंत्रे – हे वास्तविक जगात अशा प्रकारे प्रकट होतात की सरकारे दुर्लक्ष करू शकत नाहीत, सुरक्षितता, डेटा संकलन आणि देशाच्या सीमेमध्ये कार्यरत असलेल्या प्रणालींवर शेवटी कोण नियंत्रण ठेवते याबद्दल प्रश्न उपस्थित करतात. “जवळजवळ सातत्याने, प्रत्येक देश म्हणत आहे: आम्हाला ही बुद्धिमत्ता भौतिक स्वरूपात आमच्या सीमेवर, दुसऱ्या देशाद्वारे नियंत्रित नको आहे.” त्यांनी जमावाला सांगितले की, कमी राष्ट्रे सध्या अण्वस्त्रे बाळगण्यापेक्षा रोबोटॅक्सी फील्ड करू शकतात.

Fouquet थोडे वेगळे फ्रेम. चीनची एआय प्रगती खरी आहे – या वर्षाच्या सुरूवातीस डीपसीकच्या रिलीझने उद्योगाच्या काही भागांमध्ये घबराट पसरली आहे – परंतु ती प्रगती मॉडेल लेयरच्या खाली मर्यादित आहे. EUV लिथोग्राफीच्या प्रवेशाशिवाय, चिनी चिपमेकर सर्वात प्रगत अर्धसंवाहक तयार करू शकत नाहीत आणि जुन्या हार्डवेअरवर तयार केलेली मॉडेल्स सॉफ्टवेअर कितीही चांगले असले तरीही चक्रवाढ गैरसोयीने कार्य करतात. “आज, युनायटेड स्टेट्समध्ये, तुमच्याकडे डेटा आहे, तुमच्याकडे संगणकीय प्रवेश आहे, तुमच्याकडे चिप्स आहेत, तुमच्याकडे प्रतिभा आहे. चीन स्टॅकच्या शीर्षस्थानी खूप चांगले काम करतो, परंतु खाली काही घटकांची कमतरता आहे,” फौकेट म्हणाले.

पिढीचा प्रश्न

आमच्या पॅनेलच्या शेवटी, श्रोत्यांपैकी कोणीतरी स्पष्ट अस्वस्थ प्रश्न विचारला: या सर्वांचा पुढील पिढीच्या गंभीर विचार करण्याच्या क्षमतेवर परिणाम होणार आहे का?

उत्तरे आशावादी होती, ज्यांनी या तंत्रज्ञानावर आपले करिअर तयार केले आहे अशा लोकांकडून तुम्ही अपेक्षा करता. डीसूझा यांनी ताबडतोब समस्यांच्या प्रमाणाकडे लक्ष वेधले की अधिक शक्तिशाली साधने शेवटी मानवतेचे निराकरण करू शकतात. न्यूरोलॉजिकल रोगांचा विचार करा ज्यांची जैविक यंत्रणा आम्हाला अद्याप समजत नाही, हरितगृह वायू काढून टाकणे आणि ग्रिड पायाभूत सुविधा ज्या अनेक दशकांपासून पुढे ढकलल्या गेल्या आहेत. “याने आम्हाला सर्जनशीलतेच्या पुढील स्तरावर नेले पाहिजे,” तो म्हणाला.

शेवेलेन्कोने एक अधिक व्यावहारिक मुद्दा मांडला: एंट्री-लेव्हल जॉब कदाचित गायब होत आहे, परंतु स्वतंत्रपणे काहीतरी लॉन्च करण्याची क्षमता कधीही अधिक सुलभ नव्हती. “(साठी) ज्याच्याकडे पर्प्लेक्सिटी कॉम्प्युटर आहे … .. अडचण ही तुमची स्वतःची उत्सुकता आणि एजन्सी आहे.”

युनिसने ज्ञानाचे काम आणि शारीरिक श्रम यांच्यातील सर्वात स्पष्ट फरक ओळखला. त्यांनी या वस्तुस्थितीकडे लक्ष वेधले की सरासरी अमेरिकन शेतकरी 58 वर्षांचा आहे आणि खाणकाम, लांब पल्ल्याच्या ट्रकिंग आणि शेतीमध्ये मजुरांची कमतरता तीव्र आणि वाढत आहे – मजुरी खूप कमी आहे म्हणून नाही, परंतु लोकांना त्या नोकऱ्या नको आहेत म्हणून. त्या डोमेनमध्ये, भौतिक AI इच्छुक कामगारांना विस्थापित करत नाही. हे आधीच अस्तित्त्वात असलेली पोकळी भरून काढत आहे आणि येथून फक्त खोलवर दिसते.