వెనుకడుగుగా మారని విరామం

ఈ వేసవిలో కొద్దికాలం పాటు కృత్రిమ మేధస్సు ఉత్సాహం ఊహించని సందిగ్ధ దశకు చేరుకున్నట్లు కనిపించింది. OpenAI యొక్క AI agents పొరపాటున Hugging Faceను హ్యాక్ చేయడంతో, అలాగే దాని తదుపరి మోడల్ భద్రతా లోపాలను స్వతంత్రంగా కనుగొని దోపిడీ చేయగలదని ప్రారంభ ఆధారాలు సూచించడంతో, సంస్థ ప్రణాళిక చేసిన అతిపెద్ద ఫ్రంటియర్-ట్రైనింగ్ రన్‌ను నిలిపివేసింది. సెప్టెంబరులో Anthropic chief executive Dario Amodei అత్యంత సామర్థ్యవంతమైన సిస్టమ్‌లలో పురోగతి వేగాన్ని తగ్గించాలని కూడా పిలుపునిచ్చారు. సాధ్యమైన సైబర్ దాడులు, పెరుగుతున్న శక్తివంతమైన మోడళ్లను నియంత్రించే సవాలు గురించి హెచ్చరించారు.

ఈ సంఘటనలు పెట్టుబడిదారులకు, AI వెనుక ఉన్న కంప్యూటింగ్ మౌలిక సదుపాయాలను సరఫరా చేసే కంపెనీలకు సహజమైన ప్రశ్నను ముందుకు తెచ్చాయి: అతిపెద్ద మోడల్ డెవలపర్లు తమ శిక్షణ ప్రణాళికలను మందగిస్తే, అధునాతన చిప్‌ల డిమాండ్ కూడా వారితోపాటు బలహీనపడుతుందా?

Nvidia, AMD తాజా ఫలితాలు కనీసం ఇప్పటివరకు సమాధానం లేదని సూచిస్తున్నాయి. The Verge నివేదిక ప్రకారం, OpenAI ప్రకటించిన విరామం రెండు వారాలు కొనసాగాల్సి ఉండగా, దాని అతిపెద్ద రన్ 10 రోజుల తర్వాత మళ్లీ ప్రారంభమైంది. అయితే కొన్ని చిన్న ప్రయోగాత్మక శిక్షణ రన్‌లు తాత్కాలికంగా నిలిచిపోయాయి. ఇదిలా ఉండగా, Anthropic నవంబరులో తన Fable, Mythos ఫ్రంటియర్ మోడళ్ల అప్‌గ్రేడ్ వెర్షన్‌లను విడుదల చేసింది; coding, reasoning, visionలో మెరుగుదలలను హైలైట్ చేసింది.

దీంతో కనిపించే చిత్రం AI అభివృద్ధి నుంచి విస్తృతంగా వెనక్కి తగ్గడం కాదు; అత్యధిక వనరులు అవసరమైన, ప్రమాదకరంగా మారగల ప్రయోగాల విషయంలో ఎంపిక చేసిన జాగ్రత్తల దశ.

Nvidia ఫలితాలు కొనసాగుతున్న విస్తరణ పరిమాణాన్ని చూపిస్తున్నాయి

Nvidia తాజా త్రైమాసికం ప్రత్యేకంగా స్పష్టమైన సంకేతాన్ని ఇచ్చింది. అక్టోబర్ 25తో ముగిసిన మూడు నెలలకు కంపెనీ $107.6 బిలియన్ల డేటా-సెంటర్ ఆదాయాన్ని నివేదించింది. ఇది ఏడాది క్రితం కంటే 110% ఎక్కువ. అలాగే అత్యంత అధునాతన AI కంప్యూటింగ్ సిస్టమ్ అయిన Vera Rubin NVL72ను రవాణా చేయడం ప్రారంభించి, ఈ విస్తరణను తన చరిత్రలోనే అత్యంత వేగవంతమైన ఉత్పత్తి ర్యాంప్‌గా వివరించింది.

ఈ కలయిక ముఖ్యమైనది, ఎందుకంటే డిమాండ్ ఒకే ల్యాబ్‌లోని ఒకే శిక్షణ రన్‌కు మించి విస్తరించిందని సూచిస్తుంది. AI కంప్యూటింగ్ మార్కెట్ మోడల్ శిక్షణ, inference, ఎంటర్‌ప్రైజ్ డిప్లాయ్‌మెంట్‌లు, పెద్ద సిస్టమ్‌లను నడపడానికి అవసరమైన విస్తృత మౌలిక సదుపాయాలపై పనికి మద్దతు ఇస్తుంది. శిక్షణలోని ఒక విభాగంలో ఆలస్యం ఖర్చు జరిగే స్థలాన్ని మార్చవచ్చు; కానీ కంప్యూటింగ్ సామర్థ్య అవసరాన్ని తప్పనిసరిగా తొలగించదు.

ముఖ్య వాదన ఏమిటంటే, ఫ్రంటియర్-మోడల్ మందగమనం AI ఖర్చును చెరిపివేయడం కంటే దాన్ని పునర్విభజించే అవకాశం ఎక్కువ. ల్యాబ్‌లు భద్రతా పని, మోడల్ మూల్యాంకనం, సైబర్‌సెక్యూరిటీ, డిప్లాయ్‌మెంట్ లేదా ఇప్పటికే ఉన్న సిస్టమ్‌ల మెరుగుదలపై ఎక్కువ దృష్టి పెడితే, ఆ కార్యకలాపాలకు కూడా గణనీయమైన compute అవసరం కావచ్చు. వర్క్‌లోడ్‌ల మిశ్రమం మారవచ్చు; కానీ చిప్‌లు, డేటా-సెంటర్ సిస్టమ్‌లకు మౌలిక డిమాండ్ అధికంగానే ఉండవచ్చు.

భద్రతా ఆందోళనలు ఇప్పుడు పెట్టుబడి వాదనలో భాగం

వేసవి విరామం పరిశ్రమ తదుపరి దశను తీర్చిదిద్దే ఉద్రిక్తతను కూడా స్పష్టం చేసింది. AI సామర్థ్యాలను మెరుగుపరచేందుకు పోటీపడుతున్న అదే కంపెనీలు, మరింత శక్తివంతమైన సిస్టమ్‌లు కొత్త సాంకేతిక, భద్రతా ప్రమాదాలను సృష్టించగలవని ఎక్కువగా అంగీకరిస్తున్నాయి. స్వయంచాలకంగా లోపాలను కనుగొనే సామర్థ్యానికి ఆధారాలు లభించడంతో వచ్చిన విరామం సాధారణ ఉత్పత్తి ఆలస్యం కాదు; సామర్థ్య పెరుగుదల, ప్రమాద నిర్వహణ అవసరాలు మరింత సన్నిహితంగా అనుసంధానమవుతున్నాయనే సంకేతం.

మోడల్ అభివృద్ధి వ్యూహంలో అన్ని మార్పుల నుంచి AI హార్డ్‌వేర్ డిమాండ్ రక్షితంగా ఉంటుందని దీని అర్థం కాదు. ఫ్రంటియర్ శిక్షణలో దీర్ఘకాలిక, సమన్వయంతో కూడిన తగ్గింపు అత్యంత శక్తివంతమైన సిస్టమ్‌ల కొనుగోలు ప్రణాళికలను మార్చవచ్చు. అయితే ప్రస్తుత ఆధారాలు పరిమితంగా ఉన్నాయి: OpenAI తన పెద్ద రన్‌ను త్వరగా పునఃప్రారంభించింది, Anthropic కొత్త ఫ్రంటియర్-మోడల్ వెర్షన్‌లను విడుదల చేసింది, ప్రముఖ చిప్ సరఫరాదారులు AI సంబంధిత కార్యకలాపాలు బలంగా ఉన్నాయని నిరంతరం చెబుతున్నారు.

హార్డ్‌వేర్ విక్రేతలకు ముఖ్యమైన ప్రశ్న ల్యాబ్‌లు విరామం లేకుండా మరింత పెద్ద మోడళ్లను శిక్షణ ఇస్తున్నాయా అనేది మాత్రమే కాదు. మరింత సామర్థ్యవంతమైన, విశ్వసనీయమైన, వాణిజ్యపరంగా ఉపయోగకరమైన సిస్టమ్‌లను అభివృద్ధి చేస్తూ మొత్తం AI పర్యావరణ వ్యవస్థకు పెరుగుతున్న కంప్యూటింగ్ శక్తి అవసరం కొనసాగుతుందా అనేదే ప్రశ్న. Nvidia నివేదించిన డేటా-సెంటర్ వృద్ధి, సమాధానం అవునని సూచిస్తోంది.

తర్వాత గమనించాల్సిన అంశాలు

  • తాత్కాలిక విరామాలు ఫ్రంటియర్-శిక్షణ షెడ్యూళ్లలో శాశ్వత మార్పులుగా మారుతాయా.
  • కొత్త మోడళ్ల శిక్షణ నుంచి ఇప్పటికే ఉన్న మోడళ్లను అమలు చేయడం, మూల్యాంకనం చేయడం, భద్రపరచడంపైకి AI ఖర్చు ఎంత మేరకు మారుతుంది.
  • భద్రత ఆధారిత పరిమితులు అత్యున్నత కంప్యూటింగ్ సిస్టమ్‌ల డిమాండ్‌ను మార్చుతాయా లేదా వాటిపై నడిచే వర్క్‌లోడ్‌లను మాత్రమే ప్రధానంగా మార్చుతాయా.
  • Nvidia, AMD తమ తదుపరి ఆదాయ నవీకరణల్లో కస్టమర్ డిమాండ్‌ను ఎలా వివరిస్తాయి.

ఈ ఆదాయ సీజన్ నుంచి తక్షణంగా కనిపించే పాఠం ఏమిటంటే, ఫ్రంటియర్ AIపై ఆందోళనలు ఇప్పటివరకు చిప్ మార్కెట్‌లో విస్తృత చల్లదనంగా మారలేదు. భద్రతా చర్చలు AI అభివృద్ధి దిశను మార్చవచ్చు; కానీ కంప్యూటింగ్ మౌలిక సదుపాయాలపై పరిశ్రమ ఆసక్తి ఇంకా గణనీయంగానే ఉంది.

ఈ కథనం The Verge నివేదిక ఆధారంగా రూపొందించబడింది. అసలు కథనాన్ని చదవండి.

Originally published on theverge.com