स्वयं को बेहतर बनाने वाली एआई का निर्माण: क्या यह आम लोगों के लिए संभव है?

स्वयं को प्रशिक्षित और बेहतर बनाने वाली एआई मॉडल्स अब केवल बड़ी प्रयोगशालाओं तक सीमित नहीं हैं। यह लेख बताता है कि कैसे कोई भी व्यक्ति अपनी विशिष्ट जरूरतों के लिए एआई का उपयोग करके छोटे लेकिन प्रभावी मॉडल तैयार कर सकता है।

मेरे पास एक न्यूजलेटर का काम है जिसे मुझे नियमित रूप से पूरा करना होता है। मैंने सोचा कि क्या रिकर्सिव सेल्फ-इम्प्रूवमेंट (स्वयं को बेहतर बनाने की प्रक्रिया) मेरे लिए भी मददगार हो सकती है। क्या मैं एआई का इस्तेमाल करके एक ऐसा मॉडल प्रशिक्षित कर सकता हूँ जो मेरे न्यूजलेटर के नीरस और उबाऊ कामों को खुद ही पूरा कर दे?

लगभग एक सप्ताह के प्रयोग के बाद, इसका जवाब एक जोरदार और चौंकाने वाले 'हाँ' में है। इससे भी बड़ी बात यह है कि स्वयं को सुधारने वाले मॉडल्स के साथ काम करना एआई के विकास का एक नया दृष्टिकोण दिखाता है। यह एक ऐसी दिशा है जो उन गिने-चुने निगमों पर निर्भर नहीं है जो पूरी इंडस्ट्री को नियंत्रित करते हैं।

एआई के साथ प्रयोग की शुरुआत
मैंने एक सरल सेल्फ-इम्प्रूविंग लूप यानी स्वयं को सुधारने वाले चक्र के साथ शुरुआत की। इसे समझने के लिए, मैंने खरोंच से एक छोटा भाषा मॉडल प्रशिक्षित करने का फैसला किया। इसके लिए मैंने सारा कठिन काम क्लाउड (Claude) के कंधों पर डाल दिया।

मैंने ऑटो-रिसर्च (AutoResearch) इंस्टॉल किया, जो एक ऑफ-द-शेल्फ एआई मॉडल को एक छोटा मॉडल बनाने और उसे बेहतर बनाने में मदद करता है। ऑटो-रिसर्च का विचार आंद्रे कारपैथी (Andrej Karpathy) का है, जो एक प्रसिद्ध एआई रिसर्चर हैं। कारपैथी ने ओपनएआई (OpenAI) की स्थापना में मदद की थी, टेस्ला (Tesla) में एआई काम का नेतृत्व किया था और हाल ही में एंथ्रोपिक (Anthropic) के साथ जुड़े हैं।

मैंने क्लाउड को निर्देश दिया: 'नमस्ते, प्रोग्राम डॉट एमडी (program.md) को देखें और चलिए एक नया प्रयोग शुरू करते हैं!' जबकि क्लाउड ने कठिन काम संभाला, मैंने हार्डवेयर की सुविधा दी। मैंने एक एनवीडिया (Nvidia) डीजीएक्स (DGX) का उपयोग किया, जो एआई प्रयोगों के लिए डिज़ाइन किया गया एक डेस्कटॉप 'सुपरकंप्यूटर' है। इसके अलावा मैंने बिजली की निरंतर आपूर्ति सुनिश्चित की और सुरक्षा संबंधी तमाम बाधाओं को हटा दिया ताकि मॉडल बिना किसी रुकावट के काम कर सके।

मैं हर कुछ घंटों में ऑटो-रिसर्च प्रोजेक्ट को चेक करता था और यह देखकर दंग रह जाता था कि कैसे क्लाउड पैरामीटर्स और प्रशिक्षण विधियों को बदल रहा है। यह देखता था कि कैसे छोटे मॉडल का आउटपुट बदल रहा है और फिर उसे और अधिक परिष्कृत कर रहा था।

इस छोटे भाषा मॉडल के शुरुआती संस्करण ने जब वाक्यांश 'इन द बिगिनिंग' (In the beginning) को पूरा किया, तो परिणाम कुछ ऐसा था: 'इन द बिगिनिंग ऑफ द बिगिनिंग ऑफ द एंड ऑफ द एंड...' यह बहुत प्रभावशाली नहीं था। लेकिन बाद के मॉडल्स, जिन्हें क्लाउड द्वारा स्वायत्त रूप से बेहतर बनाया गया था, वे अधिक स्पष्ट और बेतुके दोहराव से मुक्त थे। यह जीपीटी-5 (GPT-5) जैसा तो नहीं है, लेकिन इसने निरंतर सुधार का एक आशाजनक रास्ता दिखाया है।

जटिल और उपयोगी भविष्य
मेरी यात्रा कुछ अधिक जटिल और व्यावहारिक चीज़ों की ओर बढ़ी। मैं पहले से ही एक ऐसे एजेंट का उपयोग करता हूँ जो मुझे महत्वपूर्ण शोध पत्र खोजने में मदद करने के लिए क्लाउड पर निर्भर है, इसलिए मैंने यह देखना चाहा कि क्या कुछ ऐसा बनाना संभव है जो इससे भी आगे बढ़ सके।

मैंने प्राइम इंटेलेक्ट (Prime Intellect) नामक एक स्टार्टअप के टूल का रुख किया, जो किसी विशिष्ट कार्य के लिए कस्टम एआई मॉडल को प्रशिक्षित करता है। मैंने अपने न्यूजलेटर के 'एल्सवेयर ऑन द फ्रंटियर ऑफ एआई' (Elsewhere on the frontier of AI) के लगभग 100 पिछले लेख एकत्र किए। इसके बाद, मैंने एक प्राइम इंटेलेक्ट प्रशिक्षण वातावरण तैयार किया और क्लाउड से मुझे अपना मॉडल बनाने में मदद करने के लिए कहा। इसे फ्रंटियर पेपर क्यूरेटर (FrontierPaperCurator) का नाम दिया गया।

क्लाउड ने अधिक शोध पत्र खोजे और प्रशिक्षण में मदद के लिए ढेर सारा सिंथेटिक डेटा उत्पन्न किया। फिर इसने फ्रंटियर पेपर क्यूरेटर के आउटपुट का आकलन करने के लिए एक अन्य मॉडल का उपयोग किया, जबकि प्रशिक्षण वातावरण ने रीइन्फोर्समेंट लर्निंग (reinforcement learning) के माध्यम से मॉडल को और बेहतर बनाया।

प्राइम इंटेलेक्ट के सीईओ विन्सेंट वाइज़र (Vincent Weisser), जिनकी कंपनी को हाल ही में 1.5 करोड़ डॉलर की फंडिंग मिली है, का कहना है कि उनकी कंपनी का लक्ष्य रिकर्सिव सेल्फ-इम्प्रूवमेंट को हर किसी के लिए सुलभ बनाना है। उनके अनुसार, बड़ी प्रयोगशालाओं द्वारा बनाए गए मॉडल शानदार हो सकते हैं, लेकिन इस तरह के एआई प्रशिक्षण का लोकतंत्रीकरण करने से समान रूप से सक्षम विशिष्ट मॉडल तैयार किए जा सकते हैं।

वाइज़र कहते हैं, 'हर कंपनी को फ्रंटियर प्रशिक्षण बुनियादी ढांचे तक पहुंच दें, तो बाजार की सामूहिक रचनात्मकता उससे कहीं अधिक अनलॉक करेगी जितनी कुछ मुट्ठी भर प्रयोगशालाएं कर सकती हैं। हम एक केंद्रित और लगभग ईश्वरीय बुद्धि नहीं चाहते, हम एक अरब ऐसी बुद्धिमत्ता चाहते हैं जो उन तमाम जगहों पर जाए जहां सुंदर चीजें बनाई जाती हैं।'

प्राइम इंटेलेक्ट एकमात्र ऐसी कंपनी नहीं है जो भविष्य को इस तरह देखती है। एडाप्टियन (Adaption) नाम का एक और स्टार्टअप, ऑटो-साइंटिस्ट (AutoScientist) नामक एक टूल पेश करता है जो एआई मॉडल प्रशिक्षण को स्वचालित करता है। सीईओ सारा हुकर (Sara Hooker) का कहना है कि एडाप्टियन कई बड़ी कंपनियों के साथ काम कर रही है जो भारी मात्रा में टोकन खर्च कर रही हैं लेकिन उनके पास इन-हाउस एआई विशेषज्ञ नहीं हैं।

जब एंथ्रोपिक ने अपने नवीनतम मॉडल फैबल 5 (Fable 5) के लिए कुछ अनुरोधों को ब्लॉक करने का निर्णय लिया, तो इससे एक बड़े मॉडल पर अत्यधिक निर्भरता का जोखिम उजागर हुआ। पैलंटिर (Palantir) के एलेक्स कार्प (Alex Karp) जैसे कुछ अधिकारियों ने चेतावनी दी है कि फ्रंटियर प्रयोगशालाओं का उपयोग करने का मतलब है अपने डेटा और प्रौद्योगिकी पर नियंत्रण को उनके हवाले कर देना।

रिकर्सिव सेल्फ-इम्प्रूवमेंट का अंतिम लक्ष्य यह है कि एआई स्वयं के विचारों को मॉडल पर लागू करे और अपनी अंतर्दृष्टि विकसित करे। हमारे लिए उपलब्ध उपकरण अभी सीमित हैं, लेकिन प्रभावशाली हैं। प्राइम इंटेलेक्ट के साथ काम करने के एक दिन से भी कम समय में, मैं शोध खोजने और उसे सारांशित करने के लिए एक आश्चर्यजनक रूप से अच्छा मॉडल बनाने में सक्षम था। यहाँ एक उदाहरण है जो इसने मेरे लिए बनाया:

'iFLYTEK के शोधकर्ताओं ने iFLYTEK-Embodied-Omni विकसित किया है, जो एक एकीकृत मल्टीमॉडल एआई मॉडल है जो दृष्टि, भाषा और क्रिया सृजन को एक एकल ढांचे में जोड़ता है। यह मॉडल विजन-भाषा हाई-लेवल ब्रेन और एक्शन-जेनरेटिंग लो-लेवल सेरिबेलम के बीच समन्वय को सक्षम बनाता है। यह दृष्टिकोण cascaded पाइपलाइनों में होने वाली त्रुटियों को कम करता है।'

पहली कोशिश के लिए यह बुरा नहीं है। नया मॉडल अभी भी थोड़ा अति-उत्साही है, बहुत अधिक पेपर चुन लेता है जिन्हें मैं छोड़ देता, और इसके सारांश थोड़े सामान्य हैं। लेकिन यह एक आशाजनक शुरुआत है। उम्मीद है कि मैं एक दिन इसका उपयोग मुझे नीरस कामों के जंजाल से मुक्त करने के लिए कर सकूँगा।

इसका आप पर असर
भारत में: एआई टूल्स तक पहुंच बढ़ने से छोटे व्यवसायों और स्टार्टअप्स के लिए संचालन लागत कम हो सकती है।

व्यावसायिक स्तर पर: डेटा और सुरक्षा नियंत्रण पर निर्णय लेते समय यह समझना जरूरी है कि इन-हाउस एआई का उपयोग कब करना है और कब थर्ड-पार्टी फ्रंटियर लैब्स पर निर्भर रहना है।

सवाल-जवाब

1. स्वयं को बेहतर बनाने वाली एआई क्या है?
यह एक ऐसी तकनीक है जहाँ एआई मॉडल स्वयं के आउटपुट और प्रदर्शन का उपयोग करके अपनी प्रशिक्षण प्रक्रियाओं में सुधार करता है।

2. क्या मुझे स्वयं का एआई मॉडल बनाने के लिए एक्सपर्ट होने की जरूरत है?
नहीं, ऑटो-रिसर्च और प्राइम इंटेलेक्ट जैसे नए टूल्स और प्लेटफार्मों ने इसे गैर-विशेषज्ञों के लिए भी सुलभ बना दिया है।

3. एआई विकास में फ्रंटियर लैब्स पर निर्भर रहने का क्या जोखिम है?
डेटा की गोपनीयता का नुकसान और विशिष्ट कार्यों पर नियंत्रण खोना सबसे बड़े जोखिम हैं।

4. इस प्रयोग के लिए किन टूल्स का उपयोग किया गया?
लेखक ने ऑटो-रिसर्च, प्राइम इंटेलेक्ट, एंथ्रोपिक के क्लाउड और हार्डवेयर के रूप में एनवीडिया डीजीएक्स का उपयोग किया।

प्रेरणा और सबक
• स्वतंत्रता अपनाएं: किसी एक बड़ी कंपनी या मॉडल पर पूरी तरह निर्भर रहने के बजाय छोटे, विशिष्ट मॉडल्स का उपयोग करें।
• प्रयोग करना न छोड़ें: एआई में सुधार एक निरंतर प्रक्रिया है, इसे सीखने और बेहतर बनाने के लिए लगातार प्रयोग करते रहना चाहिए।
• सीमित संसाधनों का उपयोग: आपको एआई में महारत हासिल करने के लिए विशाल सर्वर फार्म की जरूरत नहीं है, शुरुआती प्रयोगों के लिए मौजूदा उपकरण पर्याप्त हो सकते हैं।

https://trendkia.com/technology/svayn-ko-behatara-banane-vali-ai-ka-nirmana-kya-yaha-ama-logon-ke-lie-snbhava-hai-5945
TrendKia — Har trend, sabse pehle.