ಸ್ವಾಯತ್ತ AI ಏಜೆಂಟ್‌ಗಳಲ್ಲಿ ಕ್ರಾಂತಿ ತರಲು ರಿಚ್ ಸटन ಓಕ್ ಲ್ಯಾಬ್ (Oak Lab) ಅನ್ನು ಪ್ರಾರಂಭಿಸಿದ್ದಾರೆ

ಟ್ಯೂರಿಂಗ್ ಪ್ರಶಸ್ತಿ ವಿಜೇತ ರಿಚರ್ಡ್ ಸटन ಅವರು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು (artificial intelligence) ಮರು ವ್ಯಾಖ್ಯಾನಿಸುವ ಗುರಿಯನ್ನು ಹೊಂದಿರುವ ಟೊರೊಂಟೋ ಮೂಲದ ಉದ್ಯಮವಾದ Oak Lab ಅನ್ನು ಪ್ರಾರಂಭಿಸುವ ಮೂಲಕ ಅಧಿಕೃತವಾಗಿ ಸ್ಟಾರ್ಟ್‌ಅಪ್ ಕ್ಷೇತ್ರಕ್ಕೆ ಪ್ರವೇಶಿಸಿದ್ದಾರೆ. ಆಧುನಿಕ ಜನರೇಟಿವ್ ಮಾಡೆಲ್‌ಗಳ ಮಿತಿಗಳನ್ನು ಮೀರಿ, ನಿರಂತರ, ನೈಜ-ಸಮಯದ ಕಲಿಕೆಯ ಮೂಲಕ ನಿಜವಾದ ಸಂಶೋಧನೆ ಮಾಡಲು ಶಕ್ತವಾಗಿರುವ ಸ್ವಾಯತ್ತ ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವುದು ಈ ಕಂಪನಿಯ ಉದ್ದೇಶವಾಗಿದೆ.

ಜನರೇಟಿವ್ ಅನುಕರಣೆಯನ್ನು ಮೀರಿ ಸಾಗುವುದು

ಆಧುನಿಕ ರಿಇನ್‌ಫೋರ್ಸ್‌ಮೆಂಟ್ ಲರ್ನಿಂಗ್‌ನ (reinforcement learning) ಪ್ರವರ್ತಕ ಮತ್ತು Keen Technologies ನ ಮಾಜಿ ಸಂಶೋಧಕರಾದ ರಿಚರ್ಡ್ ಸटन, AI ನ ಪ್ರಸ್ತುತ ಹಾದಿಯು ಮೂಲಭೂತವಾಗಿ ದೋಷಪೂರಿತವಾಗಿದೆ ಎಂದು ನಂಬುತ್ತಾರೆ. ಪ್ರಸ್ತುತ ಉದ್ಯಮವು ಲಾರ್ಜ್ ಲ್ಯಾಂಗ್ವೇಜ್ ಮಾಡೆಲ್‌ಗಳ (LLMs) ಬಗ್ಗೆ ಅತಿಯಾದ ಆಸಕ್ತಿ ಹೊಂದಿದ್ದರೂ, ಈ ಡೀಪ್ ಲರ್ನಿಂಗ್ ವಿಧಾನಗಳು "ದುರ್ಬಲ ಮತ್ತು ಅಸಮರ್ಥವಾಗಿವೆ" ಎಂದು ಸटन ವಾದಿಸುತ್ತಾರೆ.

ಸटन ಅವರ ಪ್ರಕಾರ, ಪ್ರಸ್ತುತ ಜನರೇಟಿವ್ AI ಅನುಕರಣೆಯಲ್ಲಿ ಅತ್ಯುತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಆದರೆ ಸ್ವಯಂ-ಮೌಲ್ಯಮಾಪನದಲ್ಲಿ ವಿಫಲವಾಗುತ್ತದೆ. ಈ ಮಾಡೆಲ್‌ಗಳು ತಮ್ಮದೇ ಆದ ಫಲಿತಾಂಶಗಳನ್ನು ವಿಮರ್ಶಾತ್ಮಕವಾಗಿ ಅಳೆಯಲು ಸಾಧ್ಯವಾಗದ ಕಾರಣ, ಅವುಗಳು ನೈಜ ಸಂಶೋಧನೆ ಅಥವಾ ವೈಜ್ಞಾನಿಕ ಪ್ರಗತಿಯನ್ನು ಸಾಧಿಸಲು ಸಹಜವಾಗಿಯೇ ಅಸಮರ್ಥವಾಗಿವೆ. ಮಾಡೆಲ್‌ಗಳಿಗೆ ಬೃಹತ್ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ನೀಡಿ ನಂತರ ಸ್ಥಗಿತಗೊಳಿಸುವ "ಸ್ಟ್ಯಾಟಿಕ್ ಟ್ರೈನಿಂಗ್" (static training) ಯುಗದಿಂದ ಹೊರಬಂದು, ಕ್ರಿಯಾತ್ಮಕ ಮತ್ತು ವಿಕಸನಗೊಳ್ಳುವ ಬುದ್ಧಿಮತ್ತೆಯ ಭವಿಷ್ಯದತ್ತ ಸಾಗುವುದು Oak Lab ನ ಗುರಿಯಾಗಿದೆ.

ಗುರಿ: ನೈಜ-ಸಮಯದ ಕಲಿಕೆ ಮತ್ತು ವರ್ಲ್ಡ್ ಮಾಡೆಲ್‌ಗಳು (World Models)

ಖುರ್ರಮ್ ಜಾವೇದ್ ಅವರ ಸಹಭಾಗಿತ್ವದಲ್ಲಿ, ಸटन ಅವರು ಸುಧಾರಿತ ರಿಇನ್‌ಫೋರ್ಸ್‌ಮೆಂಟ್ ಲರ್ನಿಂಗ್‌ನಲ್ಲಿ ಬೇರೂರಿರುವ ದೃಷ್ಟಿಕೋನವನ್ನು ಅನುಸರಿಸಲು Oak Lab ಅನ್ನು ಸಜ್ಜುಗೊಳಿಸುತ್ತಿದ್ದಾರೆ. ಮೊದಲೇ ಸಿದ್ಧಪಡಿಸಿದ ಡೇಟಾ ಮೇಲೆ ಅವಲಂಬಿತವಾಗುವ ಬದಲು, ತಮ್ಮ ಪರಿಸರದಿಂದ ನಿರಂತರವಾಗಿ ಕಲಿಯುವ ಏಜೆಂಟ್‌ಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು Oak Lab ನ ಗುರಿಯಾಗಿದೆ.

ತಾಂತ್ರಿಕ ಮಾರ್ಗಸೂಚಿಯು ಹಲವಾರು ನಿರ್ಣಾಯಕ ಸ್ತಂಭಗಳ ಮೇಲೆ ಗಮನಹರಿಸುತ್ತದೆ:

• Internal World Models: ಕೇವಲ ಮುಂದಿನ ಟೋಕನ್ ಅನ್ನು ಊಹಿಸುವುದು ಮಾತ್ರವಲ್ಲದೆ, ತಮ್ಮ ಸುತ್ತಮುತ್ತಲಿನ ಪರಿಸರದ ಮೂಲಭೂತ ಕಾರ್ಯವಿಧಾನಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುವುದು.
• Autonomous Evaluation: ಮಾನವ ಹಸ್ತಕ್ಷೇಪವಿಲ್ಲದೆ ತಮ್ಮದೇ ಆದ ವೈವಿಧ್ಯತೆ, ಮೌಲ್ಯಮಾಪನ ಮತ್ತು ಆಯ್ಕೆ ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ನಿರ್ವಹಿಸಬಲ್ಲ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವುದು.
• Real-Time Planning: ಪ್ರತಿಕ್ರಿಯಾತ್ಮಕ ಪ್ಯಾಟರ್ನ್ ಮ್ಯಾಚಿಂಗ್‌ನಿಂದ (reactive pattern matching) ಪೂರ್ವಭಾವಿ, ಗುರಿ ಆಧಾರಿತ ಯೋಜನೆಯತ್ತ ಬದಲಾಗುವುದು.

ಸटन ಅವರು ಈ ಲ್ಯಾಬ್‌ಗಾಗಿ ಮಹತ್ವಾಕಾಂಕ್ಷೆಯ ದೀರ್ಘಾವಧಿಯ ಮಾನದಂಡವನ್ನು ನಿಗದಿಪಡಿಸಿದ್ದಾರೆ: ಕೇವಲ 20 ವ್ಯಾಟ್ಸ್ ಶಕ್ತಿಯನ್ನು ಬಳಸುತ್ತಾ, ನೈಜ-ಸಮಯದ ಕಲಿಕೆ ಮತ್ತು ಯೋಜನೆಯನ್ನು ಮಾಡಲು ಶಕ್ತವಾಗಿರುವ ಟ್ರಿಲಿಯನ್-ಪ್ಯಾರಾಮೀಟರ್ ಏಜೆಂಟ್ ಅನ್ನು ರಚಿಸುವುದು. ಈ ಗುರಿಯು ಆಧುನಿಕ AI ಯಲ್ಲಿನ ಅತ್ಯಂತ ಗಮನಾರ್ಹ ಅಡೆತಡೆಗಳಲ್ಲಿ ಒಂದಾದ—ಬೃಹತ್ ಕಂಪ್ಯೂಟ್ ಕ್ಲಸ್ಟರ್‌ಗಳ ಭಾರಿ ಇಂಧನ ಅವಶ್ಯಕತೆಯನ್ನು ಪರಿಹರಿಸುತ್ತದೆ.

AI ವಲಯಕ್ಕೆ ಇದು ಏಕೆ ಮುಖ್ಯ

Oak Lab ನ ಸ್ಥಾಪನೆಯು AI ಉದ್ಯಮದಲ್ಲಿ ಸಂಭಾವ್ಯ ಪ್ಯಾರಾಡೈಮ್ ಶಿಫ್ಟ್ (paradigm shift) ಅನ್ನು ಸೂಚಿಸುತ್ತದೆ. ಪ್ರಸ್ತುತ ಮಾರುಕಟ್ಟೆಯ ಹೆಚ್ಚಿನ ಭಾಗವು ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗಳನ್ನು ವಿಸ್ತರಿಸುವ ಮತ್ತು ಡೇಟಾಸೆಟ್ ಗಾತ್ರವನ್ನು ಹೆಚ್ಚಿಸುವತ್ತ ಗಮನಹರಿಸುತ್ತಿದ್ದರೆ, ಸटन ಅವರು ಈ ಕ್ಷೇತ್ರವನ್ನು ಮುನ್ನಡೆಸುವ ಮೂಲಭೂತ ಕಲ್ಪನೆಗಳ "ಸಂಪೂರ್ಣ ಮರುಪರಿಷ್ಕರಣೆ"ಗೆ ಕರೆ ನೀಡುತ್ತಿದ್ದಾರೆ.

ಒಂದು ವೇಳೆ Oak Lab ಯಶಸ್ವಿಯಾದರೆ, ಉದ್ಯಮವು ಡೇಟಾವನ್ನು ವಿಸ್ತರಿಸುವ "ಬ್ರೂಟ್ ಫೋರ್ಸ್" (brute force) ವಿಧಾನದಿಂದ ದೂರ ಸರಿದು, ಜೈವಿಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಅನುಕರಿಸುವ ಹೆಚ್ಚು ಸುಂದರ ಮತ್ತು ದಕ್ಷ ಆರ್ಕಿಟೆಕ್ಚರ್‌ಗಳತ್ತ ಸಾಗಬಹುದು. ರಿಇನ್‌ಫೋರ್ಸ್‌ಮೆಂಟ್ ಲರ್ನಿಂಗ್ ಮತ್ತು ಪರಿಸರದ ಸಂವಹನಕ್ಕೆ ಆದ್ಯತೆ ನೀಡುವ ಮೂಲಕ, ಆರ್ಟಿಫಿಶಿಯಲ್ ಜನರಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ (AGI) ಕಡೆಗಿನ ಹಾದಿಯು ಕೇವಲ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಅನುಕರಣೆಯಲ್ಲದೆ, ಅನುಭವ ಮತ್ತು ಸ್ವಾಯತ್ತತೆಯಲ್ಲಿ ಅಡಗಿದೆ ಎಂದು ಸटन ಪಣತೊಡಿದ್ದಾರೆ.

ಪ್ರಮುಖ ಅಂಶಗಳು

• ಹೊಸ ತಾತ್ವಿಕ ವಿಧಾನ: Oak Lab ಪ್ರಸ್ತುತ "ದುರ್ಬಲ" ಡೀಪ್ ಲರ್ನಿಂಗ್ ವಿಧಾನಗಳ ಬದಲಿಗೆ, ಸ್ಥಿರ ಡೇಟಾಸೆಟ್‌ಗಳಿಗಿಂತ ನಿರಂತರ ಪರಿಸರ ಸಂವಹನದ ಮೂಲಕ ಕಲಿಯುವ ಏಜೆಂಟ್‌ಗಳನ್ನು ಅಳವಡಿಸಿಕೊಳ್ಳುವ ಗುರಿಯನ್ನು ಹೊಂದಿದೆ.
• ದಕ್ಷತೆಯ ಮಹತ್ವಾಕಾಂಕ್ಷೆಗಳು: ಈ ಸ್ಟಾರ್ಟ್‌ಅಪ್ ಕಂಪ್ಯೂಟೇಶನಲ್ ದಕ್ಷತೆಯಲ್ಲಿ ಒಂದು ದೊಡ್ಡ ಬದಲಾವಣೆಯನ್ನು ಗುರಿಯಾಗಿಸಿಕೊಂಡಿದೆ, ಕೇವಲ 20 ವ್ಯಾಟ್ಸ್ ವಿದ್ಯುತ್‌ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಟ್ರಿಲಿಯನ್-ಪ್ಯಾರಾಮೀಟರ್ ಮಾಡೆಲ್ ಅನ್ನು ನಿರ್ಮಿಸಲು ಉದ್ದೇಶಿಸಿದೆ.
• ಸಂಶೋಧನೆಯತ್ತ ಗಮನ: ಅನುಕರಣೆಯ ಮೇಲೆ ಗಮನಹರಿಸುವ ಜನರೇಟಿವ್ AI ನಂತಲ್ಲದೆ, Oak Lab ಸ್ವಯಂ-ಮೌಲ್ಯಮಾಪನ ಮತ್ತು ಸ್ವಾಯತ್ತ ನೈಜ-ಸಮಯದ ಯೋಜನೆಯನ್ನು ಮಾಡಲು ಶಕ್ತವಾಗಿರುವ ಏಜೆಂಟ್‌ಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತಿದೆ.