રિચ સટન ઓટોનોમસ AI એજન્ટ્સમાં ક્રાંતિ લાવવા માટે Oak Lab લોન્ચ કરે છે

ટ્યુરિંગ એવોર્ડ વિજેતા રિચાર્ડ સટન દ્વારા Toronto-આધારિત સાહસ Oak Lab ના લોન્ચ સાથે સત્તાવાર રીતે સ્ટાર્ટઅપ ક્ષેત્રમાં પ્રવેશ કરવામાં આવ્યો છે, જેનો ઉદ્દેશ્ય આર્ટિફિશિયલ ઇન્ટેલિજન્સને પુનઃવ્યાખ્યાયિત કરવાનો છે. આધુનિક જનરેટિવ મોડલ્સની મર્યાદાઓથી આગળ વધીને, કંપની સતત, રિયલ-ટાઇમ લર્નિંગ દ્વારા સાચી શોધ કરવા સક્ષમ ઓટોનોમસ એજન્ટ્સ બનાવવા માંગે છે.

જનરેટિવ અનુકરણથી આગળ વધવું

આધુનિક રિઇન્ફોર્સમેન્ટ લર્નિંગના પ્રણેતા અને Keen Technologies ના ભૂતપૂર્વ સંશોધક રિચાર્ડ સટન માને છે કે AI નો વર્તમાન પ્રવાહ મૂળભૂત રીતે ક્ષતિપૂર્ણ છે. જ્યારે ઉદ્યોગ હાલમાં Large Language Models (LLMs) ના વળગણમાં છે, ત્યારે સટન દલીલ કરે છે કે આ ડીપ લર્નિંગ પદ્ધતિઓ "નબળી અને બિનકાર્યક્ષમ" છે.

સટનના જણાવ્યા અનુસાર, વર્તમાન જનરેટિવ AI અનુકરણમાં ઉત્કૃષ્ટ છે પરંતુ સ્વ-મૂલ્યાંકનમાં નિષ્ફળ જાય છે. કારણ કે આ મોડલ્સ તેમના પોતાના આઉટપુટનું વિવેચનાત્મક મૂલ્યાંકન કરી શકતા નથી, તેથી તેઓ જન્મ적으로 વાસ્તવિક શોધ અથવા વૈજ્ઞાનિક પ્રગતિ કરવામાં અસમર્થ છે. Oak Lab નું મિશન "સ્ટેટિક ટ્રેનિંગ" ના યુગથી આગળ વધીને ડાયનેમિક, વિકસતા બુદ્ધિના ભવિષ્ય તરફ જવાનું છે, જ્યાં મોડલ્સને વિશાળ ડેટાસેટ્સ આપવામાં આવે છે અને પછી તેને સ્થિર (frozen) કરી દેવામાં આવે છે.

લક્ષ્ય: રિયલ-ટાઇમ લર્નિંગ અને વર્લ્ડ મોડલ્સ

ખુરામ જાવેદ સાથેની ભાગીદારીમાં, સટન Oak Lab ને એડવાન્સ્ડ રિઇન્ફોર્સમેન્ટ લર્નિંગમાં મૂળ ધરાવતા વિઝનને અનુસરવા માટે તૈયાર કરી રહ્યા છે. પ્રી-પેકેજ્ડ ડેટા પર આધાર રાખવાને બદલે, Oak Lab એવા એજન્ટ્સ વિકસાવવાનું લક્ષ્ય રાખે છે જે તેમના વાતાવરણમાંથી સતત શીખી શકે.

ટેકનિકલ રોડમેપ કેટલાક મહત્વપૂર્ણ સ્તંભો પર ધ્યાન કેન્દ્રિત કરે છે:

• Internal World Models: એવા એજન્ટ્સ બનાવવાનું જે માત્ર આગામી ટોકનનું અનુમાન નથી કરતા, પરંતુ તેમની આસપાસની પાયાની મિકેનિક્સને સમજે છે.
• Autonomous Evaluation: એવી સિસ્ટમ્સ વિકસાવવી જે માનવીય હસ્તક્ષેપ વિના તેમની પોતાની વિવિધતા, મૂલ્યાંકન અને પસંદગી પ્રક્રિયાઓને સંભાળી શકે.
• Real-Time Planning: રિએક્ટિવ પેટર્ન મેચિંગથી સક્રિય, લક્ષ્ય-લક્ષી પ્લાનિંગ તરફ વળવું.

સટને લેબ માટે એક મહત્વાકાંક્ષી લાંબા ગાળાનું બેન્ચમાર્ક નક્કી કર્યું છે: માત્ર 20 વૉટ ઉર્જાનો ઉપયોગ કરીને રિયલ-ટાઇમ લર્નિંગ અને પ્લાનિંગ કરવા સક્ષમ ટ્રિલિયન-પેરામીટર એજન્ટ બનાવવો. આ લક્ષ્ય આધુનિક AI માં સૌથી નોંધપાત્ર અવરોધોમાંના એક—વિશાળ કમ્પ્યુટ ક્લસ્ટર્સની વિશાળ ઉર્જા જરૂરિયાતો—નું નિરાકરણ લાવે છે.

AI લેન્ડસ્કેપ માટે આ શા માટે મહત્વનું છે

Oak Lab ની સ્થાપના AI ઉદ્યોગમાં સંભવિત પેરાડાઇમ શિફ્ટનો સંકેત આપે છે. જ્યારે વર્તમાન બજારનો મોટાભાગનો હિસ્સો ટ્રાન્સફોર્મર આર્કિટેક્ચરને સ્કેલ કરવા અને ડેટાસેટના કદમાં વધારો કરવા પર ધ્યાન કેન્દ્રિત કરી રહ્યો છે, ત્યારે સટન આ ક્ષેત્રને ચલાવતા પાયાના વિચારોના "સંપૂર્ણ પુનઃવર્કિંગ" માટે આહવાન કરી રહ્યા છે.

જો Oak Lab સફળ થશે, તો ઉદ્યોગ ડેટા સ્કેલ કરવાની "બ્રુટ ફોર્સ" પદ્ધતિથી દૂર થઈ શકે છે અને જૈવિક બુદ્ધિની નકલ કરતી વધુ સુંદર અને કાર્યક્ષમ આર્કિટેક્ચર તરફ આગળ વધી શકે છે. રિઇન્ફોર્સમેન્ટ લર્નિંગ અને પર્યાવરણીય આંતરક્રિયાને પ્રાધાન્ય આપીને, સટન દાવ લગાવી રહ્યા છે કે આર્ટિફિશિયલ જનરલ ઇન્ટેલિજન્સ (AGI) નો માર્ગ માત્ર મોટા પાયે અનુકરણ કરવાને બદલે અનુભવ અને સ્વાયત્તતામાં રહેલો છે.

મુખ્ય મુદ્દાઓ

• નવો દાર્શનિક અભિગમ: Oak Lab નો ઉદ્દેશ્ય વર્તમાન "નબળી" ડીપ લર્નિંગ પદ્ધતિઓને એવા એજન્ટો સાથે બદલવાનો છે જે સ્ટેટિક ડેટાસેટ્સને બદલે સતત પર્યાવરણીય આંતરક્રિયા દ્વારા શીખે છે.
• કાર્યક્ષમતાની મહત્વાકાંક્ષા: સ્ટાર્ટઅપ કમ્પ્યુટેશનલ કાર્યક્ષમતામાં મોટી સફળતા મેળવવાનું લક્ષ્ય રાખી રહ્યું છે, જે માત્ર 20 વૉટ પાવર પર ચાલતા ટ્રિલિયન-પેરામીટર મોડલ બનાવવાનું લક્ષ્ય ધરાવે છે.
• શોધ પર ધ્યાન: જનરેટિવ AI થી વિપરીત, જે અનુકરણ પર ધ્યાન કેન્દ્રિત કરે છે, Oak Lab સ્વ-મૂલ્યાંકન અને સ્વાયત્ત રિયલ-ટાઇમ પ્લાનિંગ કરવા સક્ષમ એજન્ટો બનાવી રહ્યું છે.