विपुल बुद्धिमत्तेची उभारणी

एआय पायाभूत सुविधा मोठ्या आहेत म्हणून मौल्यवान ठरत नाहीत. त्यांच्यामुळे अधिक सक्षम बुद्धिमत्ता कमी खर्चात अधिक लोकांना उपलब्ध होते, म्हणून त्या मौल्यवान आहेत.

विपुलतेकडे मी अशा प्रकारे पाहतो. आर्टिफिशियल जनरल इंटेलिजन्सचा लाभ संपूर्ण मानवजातीला मिळेल याची खात्री करणे हे आमचे ध्येय आहे. विपुलता या ध्येयात आणि आमचा व्यवसाय चालवणाऱ्या आर्थिक चक्रातही अंतर्भूत आहे.

उपयुक्त बुद्धिमत्तेचा खर्च कमी झाला की अधिक काम करणे व्यवहार्य ठरते. मॉडेल्स अधिक सक्षम झाली की त्या कामातून अधिक मूल्य निर्माण होते. वापर वाढल्यामुळे पुढील पिढीच्या संशोधनात आणि पायाभूत सुविधांमध्ये गुंतवणूक सुरू ठेवण्यासाठी आवश्यक महसूल, प्रत्यक्ष वापरातील अभिप्राय आणि मागणीची स्पष्टता आम्हाला मिळते.

अधिक चांगली बुद्धिमत्ता व्यापक वापराला चालना देते. व्यापक वापरामुळे अधिक गुंतवणूक शक्य होते. अधिक गुंतवणुकीमुळे बुद्धिमत्ता आणि कार्यक्षमता सुधारते. आम्ही हेच चक्र उभारत आहोत.

या चक्राचा ग्राहकांना किती लवकर लाभ होतो, हे आमच्या अलीकडील दरविषयक घोषणेतून दिसते. काल आम्ही GPT‑5.6 Luna ची किंमत 80 टक्क्यांनी आणि GPT‑5.6 Terra ची किंमत 20 टक्क्यांनी कमी केली. आता Luna साठी प्रति दशलक्ष इनपुट टोकन $0.20 आणि प्रति दशलक्ष आउटपुट टोकन $1.20 खर्च येतो. Terra साठी हे दर अनुक्रमे $2 आणि $12 आहेत.

GPT‑5.6 Sol साठी फास्ट मोड बुद्धिमत्तेत कोणताही बदल न करता प्रमाणित प्रक्रियेच्या दुप्पट किमतीत 2.5 पट पर्यंत वेग देतो.

हे केवळ दरसूचीतील बदल नाहीत. या बदलांमुळे व्यवहार्य कामांची व्याप्ती वाढते आणि बुद्धिमत्ता, वेग, विश्वासार्हता व खर्च यांचा समतोल साधण्यासाठी ग्राहकांना अधिक लवचिकता मिळते.

कोणत्या कामासाठी कोणते मॉडेल योग्य आहे, हा खरा प्रश्न नाही. अपेक्षित परिणामासाठी किती बुद्धिमत्ता आवश्यक आहे, ती किती लवकर हवी आणि तो परिणाम साधण्यासाठी तिचा खर्च किती असावा, हे खरे प्रश्न आहेत. एकाच कार्यप्रवाहात हा समतोल अनेकदा बदलू शकतो.

ग्राहक केवळ टोकन खरेदी करण्यासाठी टोकन घेत नाहीत. त्यांना ग्राहक सहाय्याची समस्या सोडवायची, सॉफ्टवेअर वितरित करायचे, कराराचे परीक्षण करायचे किंवा वैज्ञानिक प्रश्नाचे उत्तर मिळवायचे असते. यशस्वी परिणाम मिळवण्यासाठी लागणारा वेळ, पुनर्प्रयत्न, देखरेख आणि चुका यांसह त्या परिणामाचा एकूण खर्च हेच योग्य मोजमाप आहे.

काम अचूक आणि कार्यक्षमतेने पूर्ण करणारे अधिक सक्षम मॉडेल, वारंवार प्रयत्न किंवा मोठ्या प्रमाणावर मानवी हस्तक्षेप आवश्यक असलेल्या स्वस्त मॉडेलपेक्षा अखेरीस अधिक किफायतशीर ठरू शकते. याउलट, समान गुणवत्तेचा निकष पूर्ण करणारे कमी खर्चाचे मॉडेल उपलब्धता मोठ्या प्रमाणात वाढवू शकते. योग्य किमतीत जास्तीत जास्त उपयुक्त बुद्धिमत्ता वापरण्याची ही संधी आहे.

हे मूल्य पुरवण्यासाठी केवळ अतिरिक्त डेटा सेंटर्स उभारणे पुरेसे नाही. संगणकीय क्षमतेचे प्रत्येक एकक अधिक उत्पादक करावे लागते.

हे प्रत्यक्षात कसे दिसते, ते आमच्या अलीकडील अभियांत्रिकी कार्यातून स्पष्ट होते. आमच्या तांत्रिक संघांसोबत काम करताना GPT‑5.6 Sol ने मॉडेल सेवा देण्यासाठी वापरले जाणारे उत्पादन सॉफ्टवेअर ऑप्टिमाइझ केले आणि त्यामुळे सेवेचा एकूण खर्च 20 टक्क्यांनी कमी झाला. त्याने स्पेक्युलेटिव्ह डीकोडिंग प्रक्रियेतही सुधारणा केली आणि टोकन निर्मितीची कार्यक्षमता 15 टक्क्यांहून अधिक वाढवली.

तितकेच महत्त्वाचे म्हणजे, कार्यक्षमता केवळ मॉडेलवर अवलंबून नसते. त्याच्या सभोवतालची प्रणाली देखील महत्त्वाची असते. उत्तम रूटिंगमुळे हार्डवेअरची उत्पादकता टिकून राहते. अधिक सुज्ञ संदर्भ व्यवस्थापनामुळे एजंट कामाची पुनरावृत्ती करणे टाळता येते. अधिक शक्तिशाली साधने आणि उत्पादन डिझाइनमुळे एखादे कार्य पूर्ण करण्यासाठी आवश्यक असलेल्या टप्प्यांची संख्या कमी होते.

एका अलीकडील निकष विश्लेषणात, जतन केलेल्या रीझनिंग आणि संदर्भ व्यवस्थापनातील सुधारणांमुळे सहापट कमी आउटपुट टोकन वापरून सार्वजनिक ARC-AGI-3 टास्क सेटवरील GPT‑5.6 Sol चा स्कोअर 13.3 टक्क्यांवरून 38.3 टक्क्यांपर्यंत वाढला. मॉडेल बदलले नव्हते. त्याच्या सभोवतालची प्रणाली बदलली होती.

हे लाभ एकमेकांत भर घालतात. अधिक सक्षम मॉडेल्स आमच्या संघांना कार्यक्षमता वाढवण्याचे नवे मार्ग शोधण्यास मदत करतात. या सुधारणांमुळे ग्राहकांना सेवा देण्याचा खर्च कमी होतो आणि त्याच पायाभूत सुविधांद्वारे हाताळता येणाऱ्या कामाची व्याप्ती वाढते. त्यामुळे पुढील पिढीची बुद्धिमत्ता अधिक सुलभ होते.

पायाभूत सुविधा, मॉडेल्स, प्लॅटफॉर्म आणि उत्पादने अशा सर्व स्तरांवर काम करण्याचा फायदा केवळ प्रत्येक स्तरावरील आमच्या सहभागात नाही. खरा फायदा असा आहे की प्रत्येक स्तरामुळे इतर स्तर अधिक चांगले होतात.

प्रत्यक्ष वापरातून ग्राहकांना कुठे मूल्य मिळते आणि कुठे अडथळे येतात, हे आम्हाला समजते. हा अभिप्राय आमच्या संशोधनाला दिशा देतो. संशोधनातील सुधारणा आमची उत्पादने अधिक सक्षम करतात आणि त्यांच्या सेवेचा खर्च कमी करतात. ChatGPT, ChatGPT वर्क, Codex आणि API मधील मागणीमुळे क्षमता कुठे वाढवावी याबाबत आम्हाला अधिक चांगले निर्णय घेता येतात.

या शिकण्याची व्याप्ती महत्त्वाची आहे. आमची मॉडेल्स आता एक अब्जाहून अधिक सक्रिय वापरकर्त्यांपर्यंत आणि वीस लाखांहून अधिक व्यवसायांपर्यंत पोहोचतात. तंत्रज्ञानावरील विश्वास वाढत गेल्यावर लोक त्याचा अधिक सखोल वापर करतात. नोंदणी केल्यानंतर सहा महिन्यांनी लोक दररोज सुमारे 50 टक्के अधिक संदेश पाठवतात आणि जवळपास दुप्पट प्रकारच्या कामांसाठी ChatGPT वापरतात. ChatGPT वर्क ज्ञानाधारित कर्मचारी असण्याचा अर्थ बदलत आहे. प्रश्नांची उत्तरे देण्यापलीकडे जाऊन ते गुंतागुंतीची, अनेक टप्प्यांची कामे पूर्ण करत आहे, म्हणजेच “विचारण्यापासून” “करण्यापर्यंत.” OpenAI मध्ये Codex द्वारे होणाऱ्या एजंट-आधारित कामाचा आता साप्ताहिक आउटपुट टोकनपैकी 99.8% वाटा आहे. एजंट-आधारित साधनांना कामाचा प्रमुख भाग बनवणाऱ्या संघांमध्ये वित्त विभागाचाही समावेश आहे.

संस्थांमध्येही असाच कल दिसतो. एखादी कंपनी एका संघापासून किंवा एका कार्यप्रवाहापासून सुरुवात करू शकते. गुणवत्ता आणि आर्थिक व्यवहार्यता सुधारत गेल्यावर विविध कार्यांमध्ये वापर वाढतो आणि एआय व्यवसायाच्या कामकाजाचा भाग बनते.

यामुळे मागणी, उत्पादन सुधारणा, कार्यक्षमता आणि पायाभूत सुविधांचे नियोजन यांच्यात मौल्यवान अभिप्राय चक्र तयार होते. त्यासाठी प्रत्येक मालमत्तेची मालकी किंवा प्रत्येक घटकाची स्वतः निर्मिती आवश्यक नाही. ग्राहकांसाठी सर्वाधिक उपयुक्त आणि आर्थिकदृष्ट्या सर्वाधिक योग्य पर्यायानुसार आम्ही मालकी घेऊ शकतो, भागीदारी करू शकतो किंवा खरेदी करू शकतो. संपूर्ण प्रणालीचा समन्वय साधणे आणि तिच्या सर्व भागांतून शिकणे महत्त्वाचे आहे.

एआय पायाभूत सुविधांचे नियोजन गरज भासण्याच्या अनेक वर्षे आधी करावे लागते, तर मॉडेल्स, उत्पादने आणि ग्राहकांची मागणी अधिक वेगाने बदलतात. या विसंगतीमुळे शिस्त अत्यावश्यक ठरते.

वापरकर्ते आणि कार्यभारातील वाढ, उद्योगांच्या वचनबद्धता, API वापर, क्षमतेचा उपयोग, महसूल तसेच मॉडेलची क्षमता आणि कार्यक्षमतेतील प्रगती अशा पुराव्यांवर आम्ही गुंतवणुकीचे निर्णय घेतो. तांत्रिक आणि व्यावसायिक टप्पे प्रकल्प कधी पुढे न्यावेत हे ठरवण्यास मदत करतात. दीर्घकालीन भागीदारी मोठ्या प्रमाणावर पुरवठ्यासाठी आवश्यक वित्तपुरवठा, पायाभूत सुविधा आणि परिचालन कौशल्य एकत्र आणतात.

या वाढीला आधार देण्यात उत्पादन महसूल, खासगी भांडवल आणि व्यावसायिक भागीदारी वेगवेगळ्या भूमिका बजावतात. सर्वाधिक पायाभूत सुविधा उभारणे हे उद्दिष्ट नाही. विश्वसनीय मागणीनुसार योग्य वेळी योग्य क्षमता उपलब्ध करणे हे उद्दिष्ट आहे.

माझ्यासाठी महत्त्वाचे प्रश्न सरळ आहेत. नवीन क्षमता किती लवकर उत्पादक ठरते? तिचा वापर किती कार्यक्षमतेने होतो? ती ग्राहकांची कोणती मागणी पूर्ण करते? तांत्रिक प्रगतीमुळे उपयुक्त बुद्धिमत्ता पुरवण्याचा खर्च किती वेगाने कमी होऊ शकतो?

हे प्रश्न दीर्घकालीन महत्त्वाकांक्षेला परिचालन शिस्तीशी जोडतात.

आपण अजूनही सुरुवातीच्या टप्प्यावर आहोत. अधिक सक्षम प्रणाली दीर्घकालीन प्रकल्प पूर्ण करतील, विविध साधनांमध्ये समन्वय साधतील आणि कल्पनेपासून अंतिम परिणामापर्यंतचे अधिक काम हाताळतील. पूर्वी केवळ खूप मोठ्या संस्थांकडे असलेल्या क्षमता व्यक्ती आणि लहान व्यवसायांनाही मिळतील. मोठे उद्योग आपल्या कामकाजात बुद्धिमत्तेचा अधिक व्यापक वापर करतील.

केवळ अधिक संगणकीय क्षमता, मोठी मॉडेल्स किंवा कमी टोकन दर हे आमचे उद्दिष्ट नाही. अधिक उपयुक्त बुद्धिमत्ता सर्वांच्या आवाक्यात आणणे हे उद्दिष्ट आहे.

विपुलतेचा अर्थ हाच आहे. सतत अधिक सक्षम, अधिक परवडणारी आणि वापरकर्त्यांसाठी अधिक मौल्यवान होत जाणारी बुद्धिमत्ता. ती किती उपयुक्त काम शक्य करते, आम्ही ती किती कार्यक्षमतेने पुरवतो आणि तिचे लाभ किती व्यापकपणे वाटता येतात, यावर आम्ही आमची प्रगती मोजू.