இரண்டில் மூன்று பங்கு ஐடி தலைவர்கள் AI முடிவுகளைத் தெரிவிக்கின்றனர், ஆனால் எட்டு பேர் மட்டுமே CEO-வின் விடுமுறையை குறுக்கிடுவார்கள்

செயற்கை நுண்ணறிவு அளவிடக்கூடிய முடிவுகளை உருவாக்குகிறதா என்று தொழில்நுட்ப நிர்வாகிகளால் நிரம்பிய ஒரு அறையில் கேட்டால், பெரும்பாலானோர் கைகளை உயர்த்துவார்கள். அந்த முடிவுகள் தலைமை நிர்வாக அதிகாரியின் கோடை விடுமுறையை குறுக்கிடும் அளவுக்கு வலிமையானவையா என்று கேட்டால், அறை கிட்டத்தட்ட காலியாகிவிடும். பிரிட்டிஷ் தொழில்நுட்ப தொழில்முனைவர் அஜீம் அஸ்ஹர் விவரித்த இந்த இடைவெளி, நிறுவன AI உண்மையில் எங்கே நிற்கிறது என்பதற்கான ஒரு சுருக்கமான விளக்கம் — உண்மையான முன்னேற்றம், ஆனால் இன்னும் புறக்கணிக்க முடியாத அளவுக்கு மாறாத முன்னேற்றம்.

ஆராய்ச்சி குழுவான எக்ஸ்பொனென்ஷியல் வியூவின் நிறுவனர் அஸ்ஹர், தி அட்லாண்டிக்கின் நிக்கோலஸ் தாம்சனுடனான ஒரு போட்காஸ்ட் உரையாடலின் போது இந்தக் கதையைச் சொன்னார். AI குமிழி விவாதம், இறுதியில் ஒரே கேள்விக்குள் சுருங்குகிறது என்று அவர் குறிப்பிட்டார்: தற்போது நடைபெற்று வரும் மகத்தான தரவு மைய கட்டுமானத்திற்கு செலுத்தும் அளவுக்கு AI ஆய்வகங்களின் வருவாய் வேகமாக வளர்கிறதா? லாஸ் வேகாஸிலிருந்து வந்த இந்த நிகழ்வு அந்தக் கேள்விக்கு பதிலளிக்கவில்லை, ஆனால் அதைச் சார்ந்த சிறிய கேள்விகளை வரையறுக்கிறது.

லாஸ் வேகாஸில் ஒரு கை உயர்த்தல்

லாஸ் வேகாஸில் கூடியிருந்த சுமார் 160 ஐடி துணைத் தலைவர்களுக்கு முன்னால் அஸ்ஹர் நின்றார். அவர்களிடம் ஒரு நேரடியான கேள்வியை முன்வைத்தார்: தங்கள் நிறுவனங்களுக்குள் அளவிடக்கூடிய AI முடிவுகளை யார் சுட்டிக்காட்ட முடியும்?

சுமார் இரண்டில் மூன்று பங்கு பேர் முடியும் என்று தெரிவித்தனர். அந்த எண்ணிக்கை தான் எதிர்பார்த்ததை விட அதிகமாக இருந்ததாக அஸ்ஹர் பின்னர் ஒப்புக்கொண்டார் — பல பெரிய நிறுவனங்களில் AI பயன்பாடுகள் இனி முழுக்க சோதனை நிலையில் இல்லை என்பதற்கான அறிகுறி. முன்னோட்டங்கள் உற்பத்தி அமைப்புகளாக மாறிவிட்டன, அந்த அமைப்புகளில் சில நிர்வாகிகள் மேற்கோள் காட்டக்கூடிய எண்களை உருவாக்குகின்றன.

பின்னர் அடுத்த கேள்வி வந்தது. CEO-வின் கோடை விடுமுறையை குறுக்கிடும் அளவுக்கு நல்ல முடிவுகள் அவர்களில் யாருக்கு இருந்தன? அஸ்ஹரின் கூற்றுப்படி, சுமார் எட்டு பேர் மட்டுமே எஞ்சியிருந்தனர். சுமார் நூறு உறுதியான பதில்களிலிருந்து ஒரு சில பேர் வரை, இந்த வீழ்ச்சி மிகத் தெளிவானது.

இடைவெளியைப் புரிந்துகொள்ளுதல்

இரண்டு கேள்விகளும் வெவ்வேறு விஷயங்களை அளவிடுகின்றன. முதலாவது, AI அளவிடக்கூடிய ஒன்றைச் செய்கிறதா என்று கேட்கிறது. இரண்டாவது, ஒரு மூத்த தலைவர் எல்லாவற்றையும் விட்டுவிட்டு அதைப் பற்றிக் கேட்கும் அளவுக்கு மதிப்புமிக்க ஒன்றை அது செய்கிறதா என்று கேட்கிறது. பெரும்பாலான நிறுவனங்கள் முதல் தடையைத் தாண்டிவிட்டதாகத் தெரிகிறது, ஆனால் இரண்டாவது தடையை எட்டவில்லை.

நிறுவனங்கள் முன்னேறுகின்றன, ஆனால் மெதுவாக என்று அஸ்ஹரின் சொந்த முடிவு கூறுகிறது. தற்போதைய முதலீட்டு அளவுகளை நியாயப்படுத்த அந்த வேகம் போதுமானதா என்பது இன்னும் தீர்க்கப்படவில்லை. ஆரம்ப வெற்றிகளுக்குப் பிறகு இயக்குநர் குழுக்கள் மேலும் லட்சியமாக மாறுவதாக சில நிர்வாகிகள் விவரிக்கின்றனர், மேலும் இத்தாலி போன்ற மெதுவான சந்தைகளில் கூட, வழியில் தவறுகள் இருந்தபோதிலும் நம்பிக்கை வளர்ந்து பட்ஜெட்டுகள் உயர்கின்றன என்று தலைமை நிர்வாக அதிகாரிகள் தெரிவிக்கின்றனர் என்று அவர் குறிப்பிடுகிறார்.

இந்த நிகழ்வு ஏன் ஒரு பெரிய விவாதத்திற்குள் அமைகிறது

ஒரு மாநாட்டு அரங்கில் நடந்த கை உயர்த்தல் ஏன் முக்கியமானது என்றால், தொழில்துறை பணம் பற்றி வாதிடுகிறது. மையப் பிரச்சினை என்னவென்றால், AI ஆய்வகங்கள் தங்களுக்கு சேவை செய்ய கட்டப்படும் தரவு மைய திறனுக்கு நிதியளிக்கும் அளவுக்கு வேகமாக வருவாயை உருவாக்குகின்றனவா என்பதுதான். ஒவ்வொரு சிறிய கேள்வியும் அந்த ஒரு கேள்விக்குள் செல்கிறது, அவற்றில் மிக முக்கியமானது, நிறுவனங்கள் ஏற்கனவே வாங்கும் AI-யிலிருந்து எவ்வளவு உண்மையான மதிப்பைப் பெறுகின்றன என்பதாக இருக்கலாம் — ஏனெனில் அவை தொடர்ந்து அதிகமாக, சிறந்த விலையில் வாங்குவதா என்பதை அது தீர்மானிக்கிறது.

பொருளாதாரம் முழுவதும், அந்த முதலீட்டு வருவாய் இன்னும் ஆவணப்படுத்த முடியவில்லை. அது அனுபவக் கதைகளில் தோன்றுகிறது, அஸ்ஹரின் கதை அவற்றில் ஒன்று. ஒட்டுமொத்த நிலைமையைப் பற்றிய அவரது விவரிப்பு, அது "நுட்பமான சமநிலையில்" உள்ளது — வெளிப்படையாக ஒரு குமிழி அல்ல, வெளிப்படையாக ஒரு பெருக்கம் அல்ல.

சிப் ஆயுட்காலம் மற்றும் செலவு சமன்பாடு

குறைவாக மதிப்பிடப்பட்ட ஒரு மாறி என்னவென்றால், வாங்கப்பட்ட AI சிப்கள் உற்பத்தியில் எவ்வளவு காலம் பயனுள்ளதாக இருக்கும் என்பதுதான். அந்த உற்பத்தி ஆயுள் நான்கு, ஆறு அல்லது எட்டு ஆண்டுகளா என்பது கணக்கீட்டை கணிசமாக மாற்றுகிறது, ஏனெனில் தேய்மான அட்டவணைகள் ஒவ்வொரு முடுக்கியும் ஓய்வு பெறுவதற்கு முன் எவ்வளவு மதிப்பை உருவாக்க வேண்டும் என்பதை தீர்மானிக்கின்றன. குறுகிய பயனுள்ள ஆயுள் அதில் இயங்கும் ஒவ்வொரு பணிச்சுமைக்கும் தடையை உயர்த்துகிறது; நீண்ட ஆயுள் அழுத்தத்தைத் தளர்த்துகிறது. அந்த ஒரு அனுமானம், தேவையில் எந்த மாற்றமும் இல்லாமல் ஒரு தரவு மைய இயக்குபவரின் லாபப் படத்தை மாற்றக்கூடும்.

திறந்த எடை மாதிரிகள் மற்றும் எதிர்மறை காட்சி

விவாதத்தில் இரண்டாவது இழை, நிறுவனங்கள் உண்மையில் எந்த மாதிரிகளை இயக்குகின்றன என்பதைப் பற்றியது. பல நிறுவனங்கள் விலை உயர்ந்த முன்னணி அமைப்புகளிலிருந்து திறந்த எடை மாற்றுகளுக்கு மாறுகின்றன. ஒரு பயனரின் பார்வையில், அது ஒரு பகுத்தறிவு செலவு முடிவு. ஒரு உள்கட்டமைப்பு முதலீட்டாளரின் பார்வையில், அது மிகவும் கவலைக்குரியது: கட்டுமானத்திற்கு நிதியளிக்க திரும்பி வரும் வருவாய் அதே வேகத்தில் வளராதபோது, பயன்பாடு தொடர்ந்து ஏறக்கூடும்.

இதை அஸ்ஹர் கதையின் எதிர்மறை பதிப்பு என்று அழைக்கிறார். அந்தக் காட்சியில், பொருளாதாரம் முழுவதும் AI பயன்பாடு விரிவடைகிறது, நிறுவனங்கள் உண்மையான உற்பத்தித்திறன் ஆதாயங்களைத் தெரிவிக்கின்றன, இருந்தபோதிலும் குமிழி வெடிக்கிறது — ஏனெனில் பயன்பாட்டு அடுக்கில் குவியும் பணம் அதற்குக் கீழே உள்ள மூலதன-தீவிர அடுக்கை அடையவே இல்லை. பயன்பாட்டின் வளர்ச்சியும் நிதியின் வளர்ச்சியும் ஒன்றல்ல, அவற்றுக்கு இடையிலான இடைவெளியில்தான் ஆபத்து அமைகிறது.

நம்பிக்கையுடன் ஒலிக்கும் ஊக்கம்

மற்றொரு சிக்கல் என்னவென்றால், சுயமாகத் தெரிவிக்கப்படும் வெற்றி நடுநிலையான ஆதாரம் அல்ல. உலகம் முழுவதும் சுமார் 70 சதவீத தலைமை நிர்வாக அதிகாரிகள், AI வெற்றி தங்கள் பதவிகளில் அவர்கள் எவ்வாறு கருதப்படுகிறார்கள் என்பதற்கு முக்கியம் என்று கூறுகிறார்கள் என்று ஒரு பாஸ்டன் கன்சல்டிங் குரூப் கணக்கெடுப்பு கண்டறிந்ததை அஸ்ஹர் சுட்டிக்காட்டுகிறார். ஒரு தலைவரின் மதிப்பு ஒரு தொழில்நுட்ப திட்டத்துடன் இணைக்கப்படும்போது, அந்தத் திட்டத்தை அடிப்படை எண்கள் நியாயப்படுத்துவதை விட சாதகமாக விவரிக்க ஒரு உள்ளார்ந்த ஊக்கம் இருக்கிறது.

அது லாஸ் வேகாஸ் எண்ணிக்கையை அர்த்தமற்றதாக்கவில்லை — மாறாக, விடுமுறைக்குத் தகுதியான முடிவுகளைக் கூற முடியாத நிர்வாகிகள் ஒரு சாதகமற்ற பதிலைத் தாமாக முன்வந்து அளித்தனர். ஆனால் AI திருப்தியின் பரந்த கணக்கெடுப்புகள், வருவாய், தக்கவைப்பு மற்றும் ஆரம்ப புதுமை மங்கிய பிறகு பயன்பாடுகளின் நிலைத்தன்மை போன்ற கடினமான ஆதாரங்களுடன் சேர்த்து படிக்கப்பட வேண்டும் என்பதை அது குறிக்கிறது.

கவனிக்க வேண்டிய சமிக்ஞைகள்

குமிழி கேள்விக்கு தனக்கு தெளிவான பதில் இல்லை என்று அஸ்ஹர் வெளிப்படையாகக் கூறுகிறார். இன்னும் யாருக்கும் இல்லை. நடைமுறை அணுகுமுறை என்னவென்றால், இறுதியில் அதைத் தீர்க்கக்கூடிய குறிகாட்டிகளைக் கண்காணிப்பதுதான்:

• AI ஆய்வக வருவாய் வளர்ச்சி, புதிய தரவு மைய திறனைக் கட்டி இயக்கும் செலவை விட தொடர்ந்து வேகமாக வளர்கிறதா.
• நிறுவனங்கள் தங்கள் AI சிப்கள் எவ்வளவு காலம் உற்பத்தித்திறனுடன் இருக்கும் என்று கருதுகின்றன, அந்த அனுமானங்கள் சுருங்குகின்றனவா.
• முன்னணி மாதிரிகளிலிருந்து திறந்த எடை மாற்றுகளுக்கு செலவு எவ்வளவு விரைவாக மாறுகிறது, அது விற்பனையாளர் லாப வரம்புகளுக்கு என்ன செய்கிறது.
• மெதுவான சந்தைகளில் AI பட்ஜெட்டுகள் தொடர்ந்து உயர்கின்றனவா, அங்கு வெறும் பரபரப்பில் நம்பிக்கையைத் தக்கவைப்பது கடினம்.
• தற்போதைய அளவிடக்கூடிய முடிவுகள், ஒரு CEO விடுமுறையை குறுக்கிட்டு எடுக்கக்கூடிய முடிவுகளாக மாறுகின்றனவா.

இந்தத் தருணத்தின் நேர்மையான வாசிப்பு என்னவென்றால், பல நிறுவனங்களில் AI ஆர்ப்பாட்ட நிலையைத் தாண்டிவிட்டது, ஆனால் அது மூலோபாயத்தை ஆணையிடும் நிலையை இன்னும் எட்டவில்லை. ஒரு அறையில் இரண்டில் மூன்று பங்கு பேர் முடிவுகளைச் சுட்டிக்காட்ட முடியும். சுமார் எட்டு பேர் மட்டுமே உச்சத்தில் கவனத்தை ஈர்க்கும் முடிவுகளைச் சுட்டிக்காட்ட முடியும். அந்த இரண்டு எண்களுக்கு இடையிலான தூரம் — அது எவ்வளவு வேகமாக மூடப்படுகிறது — அதை வைத்தே முதலீட்டு சுழற்சியின் அடுத்த கட்டம் மதிப்பிடப்படும்.

இந்தக் கட்டுரை The Decoder-இன் செய்தி அறிக்கையை அடிப்படையாகக் கொண்டது. அசல் கட்டுரையைப் படிக்கவும்.