AI की दुनिया में OpenAI, Google और Anthropic जैसी बड़ी कंपनियाँ आजकल नए और उन्नत Artificial Intelligence मॉडल्स पर काम कर रही हैं। इनका मुख्य उद्देश्य AGI (Artificial General Intelligence), यानी ऐसा AI बनाना है जो इंसानों की तरह सोच सके और उनसे बेहतर प्रदर्शन कर सके। हालांकि, हाल की प्रगति धीमी रही है, और ये कंपनियाँ कई कठिनाइयों का सामना कर रही हैं।
OpenAI और Orion मॉडल
OpenAI ने हाल ही में एक नया मॉडल “Orion” लॉन्च किया, जो ChatGPT की पिछली तकनीकों से अधिक शक्तिशाली होने की उम्मीद थी। लेकिन यह मॉडल coding questions जैसे कुछ महत्वपूर्ण क्षेत्रों में प्रदर्शन करने में विफल रहा। Orion, GPT-4 जितना बड़ा अपग्रेड नहीं साबित हुआ, जैसा GPT-3.5 और GPT-4 के बीच देखने को मिला था।
Google Gemini और Anthropic Claude Opus
Google का Gemini AI और Anthropic का Claude 3.5 Opus भी ऐसी ही समस्याओं का सामना कर रहे हैं। इन मॉडल्स का प्रदर्शन उम्मीदों पर खरा नहीं उतरा। Anthropic ने अपनी वेबसाइट से 3.5 Opus मॉडल के रिलीज की समयसीमा से संबंधित जानकारी हटा दी है, जिससे यह स्पष्ट होता है कि इन कंपनियों को कई बाधाओं का सामना करना पड़ रहा है।
AI में आ रही बड़ी चुनौतियाँ
1. Data की कमी
AI मॉडल को सिखाने के लिए large-scale, high-quality data की आवश्यकता होती है। लेकिन अब कंपनियाँ ऐसा नया और अनछुआ डेटा खोजने में मुश्किलों का सामना कर रही हैं।
- OpenAI को कोडिंग से संबंधित डेटा की कमी का सामना करना पड़ा।
- Synthetic Data (कंप्यूटर-जनित डेटा) का उपयोग किया जा रहा है, लेकिन यह हमेशा high-quality और diverse नहीं होता।
2. Cost और ROI (Return on Investment)
AI मॉडल को ट्रेन करने में $100 million से अधिक की लागत लगती है, और भविष्य में यह आंकड़ा $100 billion तक पहुँच सकता है। लेकिन इतना निवेश करने के बावजूद मॉडल्स में सुधार अपेक्षा के अनुसार नहीं हो रहा।
3. Scaling Laws पर सवाल
“Scaling Laws” का मतलब है कि अधिक डेटा और कंप्यूटिंग पावर से मॉडल्स बेहतर होते हैं। लेकिन अब यह रणनीति सीमित हो रही है, और कंपनियों को नई तकनीक और दृष्टिकोण की आवश्यकता है।
AI में भविष्य की दिशा
- Human Feedback और Reasoning Approaches:
OpenAI और Google अपने मॉडल्स को बेहतर बनाने के लिए human feedback और reasoning तकनीक का उपयोग कर रहे हैं। - Expert-Driven Data Labelling:
कंपनियाँ विशेषज्ञों को डेटा लेबल करने के लिए नियुक्त कर रही हैं ताकि specific topics जैसे coding और mathematics में मॉडल्स का प्रदर्शन सुधारा जा सके। - Synthetic Data का उपयोग:
कंप्यूटर-जनित डेटा से quantity तो बढ़ाई जा रही है, लेकिन quality और diversity अब भी चुनौतीपूर्ण है।
बच्चों और नए पाठकों के लिए सरल भाषा में
AI एक ऐसी तकनीक है जो मशीनों को इंसानों की तरह सोचने और सवालों के जवाब देने में मदद करती है। लेकिन इसे और अच्छा बनाने के लिए अभी भी कंपनियों को सही data और नई technologies की ज़रूरत है। यह एक कठिन और महंगा काम है, लेकिन यह भविष्य में हमारी ज़िंदगी को बेहतर बना सकता है।