IIIT-हैदराबादच्या संशोधकांनी एक मोठा दावा केला आहे. त्यांच्या अभ्यासानुसार, 3 अब्ज पॅरामीटर असलेले AI मॉडेल 14 अब्ज पॅरामीटर असलेल्या मॉडेल्सइतकेच प्रभावी आहेत. यामुळे महागड्या आणि जास्त पॉवर लागणाऱ्या कम्प्युटिंग इन्फ्रास्ट्रक्चरची गरज कमी होणार आहे. गुंतवणूकदार आणि डेव्हलपर्ससाठी ही एक चांगली बातमी आहे, कारण यामुळे भारतातल्या संसाधन-मर्यादित वातावरणात मोबाईल आणि एज कम्प्युटिंग प्लॅटफॉर्मवर ॲडव्हान्स AI वापरण्याचा खर्च कमी होऊ शकतो.
Detailed Coverage
AI जगात 'Big is not always Big'?
आंतरराष्ट्रीय माहिती तंत्रज्ञान संस्था (IIIT-Hyderabad) मधील संशोधकांनी एक धक्कादायक अभ्यास सादर केला आहे. त्यांच्या मते, कृत्रिम बुद्धिमत्तेच्या (Artificial Intelligence) जगात नेहमीच मोठे मॉडेल चांगले असतात असे नाही. सोल येथील आंतरराष्ट्रीय मशीन लर्निंग कॉन्फरन्समध्ये (ICML) सादर केलेल्या या अभ्यासात, विविध लँग्वेज मॉडेल्स मानवी मेंदूच्या प्रक्रियेशी कसे जुळतात याचे विश्लेषण करण्यात आले. सुब्बा रेड्डी ओटा, विजय राउतुला आणि एस. बापी राजू यांच्या टीमने 1.5 अब्ज ते 14 अब्ज पॅरामीटर असलेल्या मॉडेल्सचा अभ्यास केला.
3 अब्ज पॅरामीटरचे 'गोड रहस्य'
संशोधनातून असे दिसून आले की, 3 अब्ज पॅरामीटर असलेले मॉडेल ब्रेन एन्कोडिंग कार्यांसाठी सर्वात योग्य आहे. या आकाराच्या मॉडेलने 14 अब्ज पॅरामीटर असलेल्या मोठ्या मॉडेल्सच्या बरोबरीने कामगिरी केली. याउलट, 1.5 अब्ज पॅरामीटरच्या मॉडेल्सच्या कामगिरीत मोठी घट दिसून आली. ही गोष्ट महत्त्वाची आहे कारण सध्या AI इंडस्ट्रीमध्ये केवळ मोठे मॉडेल बनवण्यावर भर दिला जात आहे, ज्यासाठी GPU आणि हाय-एंड क्लाउड इन्फ्रास्ट्रक्चरमध्ये प्रचंड गुंतवणुकीची गरज आहे.
भारतासाठी हा अभ्यास का महत्त्वाचा?
भारतातील AI इकोसिस्टमसाठी हा अभ्यास एक व्यावहारिक मार्ग दाखवतो. देशातील अनेक स्टार्टअप्स आणि संशोधन संस्थांना क्लाउड कम्प्युटिंगच्या प्रचंड खर्चामुळे आणि मोठ्या GPU क्लस्टर्सच्या मर्यादित उपलब्धतेमुळे अडचणी येतात. लहान मॉडेल्ससुद्धा उच्च-स्तरीय संज्ञानात्मक संरेखन (cognitive alignment) साध्य करू शकतात हे सिद्ध झाल्यामुळे, 'स्मॉल लँग्वेज मॉडेल्स' (SLMs) कडे एक नवीन दृष्टीकोन मिळाला आहे. हे मॉडेल्स मोठ्या, केंद्रीकृत डेटा सेंटर्सवर अवलंबून न राहता सामान्य मोबाईल डिव्हाईसेस किंवा स्थानिक हार्डवेअरवर तैनात केले जाऊ शकतात. यामुळे कंपन्यांना ॲडव्हान्स AI टूल्स तयार करताना कम्प्युटिंग पॉवरवरील खर्च कमी करता येईल.
ब्रेन-कॉम्प्युटर इंटरफेसला चालना
या संशोधनाचा वैद्यकीय तंत्रज्ञानावर, विशेषतः ब्रेन-कॉम्प्युटर इंटरफेसेस (BCIs) वर थेट परिणाम होणार आहे. BCIs मेंदूच्या संकेतांना डिजिटल कृतीत रूपांतरित करतात, जे न्यूरोलॉजिकल समस्यांनी ग्रस्त लोकांसाठी जीवन बदलणारे ठरू शकते. लहान मॉडेल्स कम्प्युटेशनली हलके असल्याने, ते जड आणि अधिक संसाधने लागणाऱ्या मॉडेल्सपेक्षा पोर्टेबल वैद्यकीय उपकरणांमध्ये सहजपणे समाकलित केले जाऊ शकतात. यामुळे परवडणाऱ्या आणि प्रभावी BCI उपायांचा विकास अधिक वास्तववादी बनतो.
भविष्यातील अंमलबजावणीवर लक्ष
जरी हे संशोधन एक तांत्रिक यश असले तरी, उद्योग पुढील काळात या निष्कर्षांचा व्यावसायिक सॉफ्टवेअर आणि हार्डवेअर ॲप्लिकेशन्समध्ये कसा अवलंब करतात यावर लक्ष ठेवेल. गुंतवणूकदार आणि टेक उत्साही संशोधक संस्था आणि हार्डवेअर उत्पादक यांच्यातील भागीदारीवर लक्ष ठेवू शकतात. या मॉडेल्सची व्यावसायिक व्यवहार्यता ब्रेन एन्कोडिंग व्यतिरिक्त भाषा अनुवाद, डेटा विश्लेषण आणि भविष्यवाणी मॉडेलिंग यांसारख्या इतर कार्यांसाठी देखील कार्य करते की नाही यावर अवलंबून असेल.