सुपरइंटेलिजन्स कारखाने आणि एंटरप्राइझ नेत्यांसमोरील निर्णय

नवीन नाव लक्ष वेधू शकते. एंटरप्राइझ मूल्य अजूनही प्रणाली विश्वासाने काय देऊ शकते यावर अवलंबून असते. CEOs आणि CTOs साठी, “सुपरइंटेलिजन्स कारखाने” बद्दलची चर्चा गुंतवणूक, परिचालन खर्च आणि जबाबदारीबद्दल व्यावहारिक प्रश्न उपस्थित करते.

काय बदलले

२९ सप्टेंबर २०२६ रोजी, अध्यक्ष ट्रम्प यांनी कार्यकारी आदेश १४४३४ वर स्वाक्षरी केली, ज्याने कायद्याने परवानगी असलेल्या कमाल मर्यादेपर्यंत “आर्टिफिशियल इंटेलिजन्स” आणि “AI” ऐवजी “सुपर इंटेलिजन्स” आणि “SI” वापरण्याची सूचना कार्यकारी विभागाला दिली. हा आदेश अंमलबजावणीसाठी विद्यमान वैधानिक AI व्याख्या कायम ठेवतो आणि पूर्वी जारी केलेले नियम, करार किंवा ऐतिहासिक कागदपत्रे पुन्हा लिहिण्यास सांगत नाही. [१]

जेन्सेन हुआंग यांनीही प्रगत AI साठी उभारल्या जाणाऱ्या सुविधांचे वर्णन “सुपरइंटेलिजन्स कारखाने” असे केले आहे. सार्वजनिक अहवाल त्या टिप्पण्या America.gov च्या एका पॅनेलला श्रेय देतात. उपलब्ध पुरावा त्या वाक्यांशाला पाठिंबा देतो, पण दावा केलेला “काही तासांनंतरचा” क्रम स्वतंत्रपणे सिद्ध झाला आहे असे मी मानणार नाही. [२]

धोरणात्मक भाषा आणि औद्योगिक रूपक यांचे वेगवेगळे परीक्षण केले पाहिजे. सरकारचा नामकरण निर्णय हे सिद्ध करत नाही की एखादी प्रणाली विस्तृत कामांमध्ये मानवी बुद्धिमत्तेला मागे टाकते.

कारखाना रूपक काय सांगते

NVIDIA, AI कारखान्यांचे वर्णन ऊर्जा, चिप्स, पायाभूत सुविधा, मॉडेल्स आणि ॲप्लिकेशन्स जोडणाऱ्या एकात्मिक प्रणाली म्हणून करते. त्यांच्या कामात मॉडेल प्रशिक्षण आणि इन्फरन्स यांचा समावेश आहे — म्हणजे आउटपुट तयार करण्यासाठी प्रशिक्षित मॉडेल चालवणे. [३]

GPU संगणन वेगवान करतात. नेटवर्क प्रोसेसर दरम्यान डेटा हलवतात. वीज आणि थंडावण सतत चालण्यास पाठिंबा देतात. सॉफ्टवेअर कामाचा भार समन्वयित करते. एंटरप्राइझ आउटपुट प्रभावीपणे वापरु शकण्यापूर्वी हे घटक एकत्र काम करायला हवेत.

भाषा मॉडेलसाठी, टोकन म्हणजे मॉडेलद्वारे प्रक्रिया किंवा निर्माण केलेल्या मजकुराचे एकक. अधिक टोकन तयार करणे आउटपुटचे प्रमाण मोजते. ते स्वतःहून अचूकता, आकलन किंवा ग्राहक मूल्य मोजत नाही.

फायदे

कारखाना रूपक AI च्या भौतिक पाया समजून घेणे सोपे करते. सॉफ्टवेअरसोबतच क्षमता, विश्वासार्हता, देखभाल आणि ऊर्जा यांचा विचार करायला ते नेत्यांना प्रवृत्त करते. प्रयोगशील साधनातून लोक अवलंबून असलेल्या सेवेकडे जाताना ते उपयुक्त ठरते.

शेअर केलेली पायाभूत सुविधा अनेक एंटरप्राइझ ॲप्लिकेशन्सना पाठिंबा देऊ शकते आणि मागणी पुरेशी असताना दुबार प्रयत्न कमी करू शकते. एकात्मिक मंच तैनाती सोपी आणि वापर सुधारू शकतो. हे संभाव्य फायदे आहेत जे खरेदीदाराच्या स्वतःच्या वातावरणात मोजले जाणे आवश्यक आहे.

नवीन शब्दजात पायाभूत सुविधा, कौशल्ये आणि संशोधनाकडे राजकीय व गुंतवणूकदारांचे लक्षही आणू शकते. मात्र, स्पष्ट मागणी आणि विश्वासार्ह अंमलबजावणी योजना असलेल्या प्रकल्पांनाच ते लक्ष पाठिंबा देते तेव्हाच ते उपयुक्त ठरते.

तोटे

“सुपरइंटेलिजन्स” अशा अपेक्षा निर्माण करू शकते ज्यांना पुरावा पाठिंबा देत नाही. कर्मचारी किंवा ग्राहक असे गृहीत धरू शकतात की प्रणाली अनोळखी परिस्थितीतही बरोबर निर्णय घेऊ शकते. लोक महत्त्वाचे आउटपुट तपासणे थांबवतात तेव्हा हा समज धोकादायक बनतो.

मोठ्या सुविधा लक्षणीय वचनबद्धताही निर्माण करतात. हार्डवेअर, वीज, थंडावण, कर्मचारी व संवर्धन — सर्व एकूण खर्चावर परिणाम करतात. अंदाजित मागणी उद्भवली नाही तर उच्च स्थापित क्षमता महाग निकामी क्षमता बनू शकते.

ऊर्जा कार्यक्षमता आणि एकूण वीज मागणी ही वेगळी मापे आहेत. प्रणाली प्रत्येक कामाला कमी वीज वापरत असली तरी वापर वाढत गेल्यास एकूणच अधिक वापर करू शकते. अमेरिकेच्या ऊर्जा विभागाच्या २०२४ च्या अहवालाने अंदाज वर्तवला की २०२८ पर्यंत डेटा सेंटर अमेरिकेच्या वीजेचा ६.७ ते १२ टक्के वापर करू शकतात. हा सर्व डेटा सेंटरसाठीचा जुना अंदाज आहे, केवळ AI चे मापन नाही. [४]

एकात्मिक पुरवठादार स्टॅक तैनाती वेगवान करू शकतो, पण बदलाचा खर्चही वाढवू शकतो. केंद्रीकृत अवलंबित्व किंमत बदल, बंदपडणे आणि पुरवठा मर्यादा यांचा धोकाही निर्माण करते. एंटरप्राइझने वचनबद्ध होण्यापूर्वी त्या समतोलाचे मूल्यमापन केले पाहिजे.

एक व्यावहारिक तुलना

महत्त्वाकांक्षेची तुलना पुराव्याशी करा: प्रस्तावित क्षमता तुमच्या खऱ्या कामावर तिकते का? प्रमाणाची तुलना वापराशी करा: मागणी क्षमतेला समर्थन देईल का? टोकन कार्यक्षमतेची तुलना कामाच्या कार्यक्षमतेशी करा: बरोबर, मंजूर निकालाची किंमत किती? एकत्रीकरणाची तुलना नेता येण्याच्या क्षमतेशी करा: पुरवठादार बदलायला काय लागेल?

उदाहरण म्हणून एक ग्राहक सेवा सहाय्यक विचारात घ्या. वेगवान उत्तरे प्रतीक्षा काल कमी करू शकतात. चुकीची उत्तरे पुन्हा पुन्हा संपर्क आणि तक्रारी निर्माण करू शकतात. उपयुक्त व्यावसायिक माप म्हणजे मानवी पुनरावलोकन व पुनःकार्यासह, योग्यरीत्या सुटलेल्या चौकशीचा खर्च. केवळ टोकन थ्रूपुट या प्रश्नाचे उत्तर देऊ शकत नाही.

CEOs आणि CTOs नी काय करावे

CEOs नी एक विशिष्ट व्यावसायिक समस्या निवडून तिचा सध्याचा खर्च आणि सेवा गुणवत्ता स्थापित करावी. पायलटला मंजुरी देण्यापूर्वी आवश्यक सुधारणेवर सहमती करा. व्यावसायिक कारणात प्रशिक्षण आणि कर्मचाऱ्यांच्या जबाबदाऱ्यांतील बदलांचा समावेश करा.

CTOs नी प्रतिनिधी एंटरप्राइझ डेटावर कामगिरी तपासावी, कठीण प्रकरणे व अपयशेसह. मानवी मान्यता बिंदू, प्रवेश नियंत्रणे, घटना व्यवस्थापन आणि मागील प्रक्रियेवर परत जाण्याचा मार्ग परिभाषित करा. सेवेस जबाबदार लोकांना स्वीकृती चाचणीत सहभागी ठेवा.

एकत्रितपणे, स्वतःची पायाभूत सुविधा, व्यवस्थापित क्लाउड क्षमता आणि विद्यमान मॉडेल सेवांची तुलना करा. वापर, डेटा संवेदनशीलता, विलंब आणि बहिर्गमन खर्च तपासा. अनिश्चित मागणीसाठी प्रवेश विकत घेणे योग्य ठरू शकते; आवश्यक परिचालन क्षमतेसह सातत्यपूर्ण कामाच्या भारासाठी मालकी योग्य ठरू शकते.

पायाभूत सुविधा खर्च, पुनरावलोकन आणि पुनःकार्यानंतरही मोजलेले फायदे उरतात तेव्हाच विस्ताराला मंजुरी द्या. वेगासोबत गुणवत्ताही ट्रॅक करा. प्रत्येक महत्त्वाच्या स्वयंचलित कृतीसाठी स्पष्ट मालक मागा.

“सुपरइंटेलिजन्स कारखाना” हा शब्द संपूर्ण उत्पादन प्रणाली तपासण्याचे उपयुक्त निमंत्रण आहे. गुंतवणूक निर्णय सिद्ध केलेल्या क्षमतेशी आणि कोणीही पडताळू शकेल अशा व्यावसायिक निकालाशी बांधलेले ठेवणे हा माझा सल्ला आहे.

तुमच्या एंटरप्राइझला उद्याच एक सुपरइंटेलिजन्स कारखाना मिळाला तर, कोणता मोजता येण्याजोगा निकाल गुंतवणुकीला समर्थन देईल?

गणितीय विचार करा. हुशारीने अभियांत्रिकी करा. धोरणात्मक नेतृत्व करा. जबाबदारीने बांधा. जागतिक स्तरावर विस्तार करा. कृत्रिम बुद्धिमत्तेद्वारे खरे व्यावसायिक मूल्य निर्माण करा.

#ArtificialIntelligence #AIStrategy #NVIDIA #Superintelligence #EnterpriseAI #ResponsibleAI

Originally published on LinkedIn by Keshavan Thiagaraja. Read the original on LinkedIn.