స్వయంప్రతిపత్తి కలిగిన AI ఏజెంట్లను విప్లవాత్మకంగా మార్చడానికి రిచ్ సటన్ 'Oak Lab'ను ప్రారంభించారు
ట్యూరింగ్ అవార్డు విజేత రిచర్డ్ సటన్, ఆర్టిఫిషియల్ ఇంటెలిజెన్స్ను పునర్నిర్వచించే లక్ష్యంతో టొరంటో ఆధారిత స్టార్టప్ 'Oak Lab'ను అధికారికంగా ప్రారంభించి, స్టార్టప్ రంగంలోకి అడుగుపెట్టారు. ఆధునిక జనరేటివ్ మోడల్స్ యొక్క పరిమితులను అధిగమిస్తూ, నిరంతర, రియల్-టైమ్ లెర్నింగ్ ద్వారా నిజమైన ఆవిష్కరణలు చేయగల స్వయంప్రతిపత్తి కలిగిన ఏజెంట్లను నిర్మించాలని ఈ సంస్థ లక్ష్యంగా పెట్టుకుంది.
జనరేటివ్ అనుకరణను అధిగమించడం
ఆధునిక రీఇన్ఫోర్స్మెంట్ లెర్నింగ్లో మార్గదర్శి మరియు Keen Technologiesలో మాజీ పరిశోధకుడైన రిచర్డ్ సటన్, AI యొక్క ప్రస్తుత గమనం ప్రాథమికంగా లోపభూయిష్టంగా ఉందని నమ్ముతున్నారు. పరిశ్రమ ప్రస్తుతం లార్జ్ లాంగ్వేజ్ మోడల్స్ (LLMs) పట్ల ఆసక్తిగా ఉన్నప్పటికీ, ఈ డీప్ లెర్నింగ్ పద్ధతులు "బలహీనమైనవి మరియు అసమర్థమైనవి" అని సటన్ వాదిస్తున్నారు.
సటన్ ప్రకారం, ప్రస్తుత జనరేటివ్ AI అనుకరణలో (imitation) రాణిస్తుంది కానీ స్వయం-మూల్యాంకనం (self-evaluation) చేయడంలో విఫలమవుతుంది. ఈ మోడల్స్ తమ స్వంత అవుట్పుట్లను విమర్శనాత్మకంగా అంచనా వేయలేకపోవడం వల్ల, అవి నిజమైన ఆవిష్కరణలు లేదా శాస్త్రీయ పురోగతిని సాధించలేవు. మోడల్స్కు భారీ డేటాసెట్లను అందించి, ఆపై వాటిని నిలిపివేసే "స్టాటిక్ ట్రైనింగ్" యుగం నుండి, డైనమిక్ మరియు పరిణామం చెందే మేధస్సు వైపు సాగడమే Oak Lab యొక్క లక్ష్యం.
లక్ష్యం: రియల్-టైమ్ లెర్నింగ్ మరియు వరల్డ్ మోడల్స్
ఖుర్రామ్ జావేద్ భాగస్వామ్యంతో, సటన్ అడ్వాన్స్డ్ రీఇన్ఫోర్స్మెంట్ లెర్నింగ్పై ఆధారపడిన విజన్ను సాధించడానికి Oak Labను సిద్ధం చేస్తున్నారు. ముందే సిద్ధం చేసిన డేటాపై ఆధారపడటానికి బదులుగా, తమ పరిసరాల నుండి నిరంతరం నేర్చుకునే ఏజెంట్లను అభివృద్ధి చేయాలని Oak Lab లక్ష్యంగా పెట్టుకుంది.
సాంకేతిక రోడ్మ్యాప్ ఈ క్రింది కీలక అంశాలపై దృష్టి సారిస్తుంది:
- Internal World Models: కేవలం తదుపరి టోకెన్ను అంచనా వేయడమే కాకుండా, తమ పరిసరాలలోని అంతర్లీన మెకానిక్స్ను అర్థం చేసుకునే ఏజెంట్లను నిర్మించడం.
- Autonomous Evaluation: మానవ జోక్యం లేకుండా తమ స్వంత వైవిధ్యం (variation), మూల్యాంకనం మరియు ఎంపిక ప్రక్రియలను నిర్వహించగల వ్యవస్థలను అభివృద్ధి చేయడం.
- Real-Time Planning: రియాక్టివ్ ప్యాటర్న్ మ్యాచింగ్ నుండి ప్రోయాక్టివ్, లక్ష్య ఆధారిత ప్లానింగ్ వైపు మళ్లడం.
సటన్ ఈ ల్యాబ్ కోసం ఒక ప్రతిష్టాత్మకమైన దీర్ఘకాలిక లక్ష్యాన్ని నిర్దేశించారు: కేవలం 20 వాట్ల శక్తిని వినియోగించుకుంటూ, రియల్-టైమ్ లెర్నింగ్ మరియు ప్లానింగ్ చేయగల ట్రిలియన్-పారామీటర్ ఏజెంట్ను సృష్టించడం. ఆధునిక AIలో ఉన్న అతిపెద్ద అడ్డంకు之一 అయిన భారీ కంప్యూట్ క్లస్టర్ల యొక్క విపరీతమైన శక్తి అవసరాలను ఈ లక్ష్యం పరిష్కరిస్తుంది.
AI రంగంలో ఇది ఎందుకు ముఖ్యం
Oak Lab స్థాపన AI పరిశ్రమలో ఒక సంభావ్య పారాడైమ్ షిఫ్ట్కు సంకేతం. ప్రస్తుత మార్కెట్లో ఎక్కువ భాగం ట్రాన్స్ఫార్మర్ ఆర్కిటెక్చర్లను విస్తరించడం మరియు డేటాసెట్ పరిమాణాలను పెంచడంపై దృష్టి సారించినప్పటికీ, ఈ రంగాన్ని నడిపించే ప్రాథమిక ఆలోచనలను "పూర్తిగా పునర్నిర్మించాలని" సటన్ పిలుపునిస్తున్నారు.
ఒకవేళ Oak Lab విజయం సాధిస్తే, పరిశ్రమ డేటాను పెంచే "బ్రూట్ ఫోర్స్" పద్ధతి నుండి విడివడి, జీవసంబంధిత మేధస్సును (biological intelligence) అనుకరించే మరింత చక్కని, సమర్థవంతమైన ఆర్కిటెక్చర్ల వైపు మళ్లవచ్చు. రీఇన్ఫోర్స్మెంట్ లెర్నింగ్ మరియు పర్యావరణ పరస్పర చర్యలకు ప్రాధాన్యత ఇవ్వడం ద్వారా, ఆర్టిఫిషియల్ జనరల్ ఇంటెలిజెన్స్ (AGI) వైపు వెళ్లే మార్గం కేవలం భారీ స్థాయి అనుకరణలో కాకుండా, అనుభవం మరియు స్వయంప్రతిపత్తిలో ఉందని సటన్ నమ్ముతున్నారు.
ముఖ్య అంశాలు
- కొత్త తాత్విక విధానం: ప్రస్తుత "బలహీనమైన" డీప్ లెర్నింగ్ పద్ధతులకు బదులుగా, స్టాటిక్ డేటాసెట్ల ద్వారా కాకుండా నిరంతర పర్యావరణ పరస్పర చర్యల ద్వారా నేర్చుకునే ఏజెంట్లను రూపొందించాలని Oak Lab లక్ష్యంగా పెట్టుకుంది.
- సమర్థత లక్ష్యాలు: కంప్యూటేషనల్ ఎఫిషియన్సీలో విప్లవాత్మక మార్పు కోసం ఈ స్టార్టప్ ప్రయత్నిస్తోంది; కేవలం 20 వాట్ల విద్యుత్తో పనిచేసే ట్రిలియన్-పారామీటర్ మోడల్ను నిర్మించాలని లక్ష్యంగా పెట్టుకుంది.
- ఆవిష్కరణపై దృష్టి: అనుకరణపై దృష్టి సారించే జనరేటివ్ AI లా కాకుండా, స్వయం-మూల్యాంకనం మరియు స్వయంప్రతిపత్తి కలిగిన రియల్-టైమ్ ప్లానింగ్ చేయగల ఏజెంట్లను Oak Lab నిర్మిస్తోంది.