सेबेस्टियन मॅलाबाय यांच्या 'द इन्फिनिटी मशीन' या पुस्तकात डीपमाइंडचे सह-संस्थापक डेमिस हॅसाबीस यांनी वैज्ञानिक AI संशोधनाकडून सध्याच्या व्यावसायिक AI स्पर्धेत कशी वाटचाल केली, याचा उलगडा केला आहे. प्रचंड पायाभूत सुविधा आणि भांडवलाच्या गरजेमुळे AI विकासाची दिशा हॅसाबीस यांच्या मूळ वैज्ञानिक समस्या सोडवण्याच्या ध्येयापासून बाजारात वर्चस्व मिळवण्याच्या शर्यतीकडे कशी वळली, हे या पुस्तकातून समोर आले आहे.
डीपमाइंडचा उदय आणि ध्येयांमधील बदल
डेमिस हॅसाबीस यांनी स्थापन केलेल्या डीपमाइंडचा प्रवास कृत्रिम बुद्धिमत्ता (AI) एक वैज्ञानिक साधन म्हणून वापरणे आणि अलीकडील व्यावसायिक 'गोल्ड रश' (Gold Rush) यांच्यातील वाढता तणाव दर्शवतो. हॅसाबीस यांनी सुरुवातीला जैविक समस्या सोडवण्यासाठी सामान्य-उद्देशीय अल्गोरिदमवर (General-purpose algorithms) लक्ष केंद्रित केले होते. मात्र, प्रगत मॉडेल्स विकसित करण्यासाठी लागणाऱ्या प्रचंड खर्चांमुळे त्यांना पायाभूत सुविधांवर आधारित कॉर्पोरेट स्पर्धेकडे वळावे लागले.
वैज्ञानिक यश आणि भांडवलाची गरज
कंपनीच्या प्रमुख यशामध्ये अल्फाफोल्डचा (AlphaFold) समावेश आहे, ज्याने वैद्यकीय संशोधनाला गती देण्यासाठी 3D प्रोटीन स्ट्रक्चर्सचे मॅपिंग केले. या प्रकल्पाने डीप लर्निंग तंत्रज्ञानाचा (Deep learning techniques) वापर करून दीर्घकाळापासून प्रलंबित जैविक कोडी सोडवली, ज्यामुळे हॅसाबीस आणि जॉन जम्पर यांना नोबेल पारितोषिकही मिळाले. परंतु, अशा तंत्रज्ञानाचा विस्तार करण्यासाठी आवश्यक असलेली प्रचंड संगणकीय शक्ती आणि आर्थिक संसाधने यामुळे एका स्वतंत्र प्रयोगशाळेतून गुगलच्या (Google) छत्राखाली एका कॉर्पोरेट संस्थेत रूपांतरित होणे भाग पडले. AI क्षेत्रातील हा बदल एक सामान्य प्रवृत्ती दर्शवतो, जिथे सुरुवातीच्या संशोधनाच्या महत्त्वाकांक्षांना मोठ्या तंत्रज्ञान कंपन्यांच्या पायाभूत सुविधा-आधारित उद्दिष्टांशी जुळवून घेण्याचे दडपण येते.
व्यावसायिक स्पर्धेकडे वाढलेला कल
अलीकडच्या वर्षांत AI कसे विकसित केले जाते आणि तैनात केले जाते यात लक्षणीय बदल झाला आहे. हॅसाबीस यांच्या प्रवासाच्या विश्लेषणात सांगितल्याप्रमाणे, आता लक्ष मूलभूत अल्गोरिदम विकसित करण्याऐवजी OpenAI आणि Anthropic सारख्या प्रतिस्पर्धकांशी स्पर्धा करण्यासाठी आवश्यक असलेले प्रचंड डेटा सेंटर्स (Data centers) तयार करण्यावर केंद्रित झाले आहे. उत्पादनाकडे (Productization) झालेल्या या वाटचालीमुळे डेव्हलपर्ससाठी नवीन आव्हाने निर्माण झाली आहेत, ज्यात व्यावसायिक डेडलाइनच्या (Commercial deadlines) तीव्र दबावाखाली अंतर्गत सुरक्षा आणि नैतिकता प्रोटोकॉल (Ethics protocols) राखणे कठीण झाले आहे. गुंतवणूकदारांसाठी, हे वातावरण एका व्यापक क्षेत्रातील बदलाचे प्रतिबिंब आहे, जिथे एकेकाळी संशोधन-केंद्रित असलेल्या कंपन्या आता मोठ्या प्रमाणावर क्षमता वाढवण्यावर आणि गर्दीच्या बाजारात प्रतिस्पर्धकांना मागे टाकण्यावर लक्ष केंद्रित करत आहेत.
भू-राजकीय आणि नियामक दबावांचा सामना
सध्याचे AI क्षेत्र भू-राजकीय घटकांमुळे देखील आकार घेत आहे, ज्यात सरकारी निर्यात नियंत्रणे (Export controls) आणि तांत्रिक क्षमतांमध्ये जागतिक समानता राखण्याबाबतच्या चिंतांचा समावेश आहे. निर्बंधांच्या (Sanctions) पार्श्वभूमीवरही विविध जागतिक प्रदेशांमध्ये AI तंत्रज्ञानाचा जलद विकास होत आहे, ज्यामुळे प्रोप्रायटरी मॉडेल्सना (Proprietary models) वाढत्या कमोडिटायझेशनचा (Commoditization) सामना करावा लागत आहे. गुंतवणूकदारांनी या नियामक मर्यादा आणि पायाभूत सुविधांच्या वाढत्या खर्चाचा प्रमुख AI डेव्हलपर्सच्या नफा मार्जिनवर (Profit margins) आणि दीर्घकालीन टिकाऊपणावर कसा परिणाम होतो यावर लक्ष ठेवले पाहिजे. अल्फाफोल्डसारखी तांत्रिक प्रगती AIची वैज्ञानिक साधन म्हणून क्षमता दर्शवते, तरीही या कंपन्यांचे भविष्य त्यांच्या उच्च भांडवली खर्चाचे धोके (High capital spending) आणि चालू असलेल्या व्यावसायिक शर्यतीचे व्यवस्थापन करण्याच्या क्षमतेवर अवलंबून असेल.