Thinking Machines Lab, OpenAI के पूर्व मुख्य प्रौद्योगिकी अधिकारी Mira Murati द्वारा स्थापित AI स्टार्टअप, ने अपना पहला मॉडल जारी किया है, Inkling नाम का एक ओपन-वेट सिस्टम। यह इस क्षेत्र की सबसे अधिक ध्यान से देखी जाने वाली और भारी वित्त-पोषित नई लैब्स में से एक के लिए एक वास्तविक मील का पत्थर है, एक ऐसी लैब जिसने एक भी उत्पाद पेश करने से पहले 12 अरब डॉलर मूल्यांकन पर लगभग 2 अरब डॉलर जुटाए, और यह मॉडल कंपनी के केंद्रीय दांव की सीधी अभिव्यक्ति है, कि जिस AI को संगठन अपने लिए ढाल सकते हैं वह उन एक-आकार-सबके-लिए मॉडलों को हरा देगा जिन्हें सबसे बड़ी लैब्स अभी बेचती हैं।
Inkling एक mixture-of-experts (MoE) मॉडल है जिसमें 975 अरब कुल पैरामीटर हैं, जिनमें से किसी भी दिए गए कार्य के लिए लगभग 41 अरब सक्रिय रहते हैं, एक ऐसा डिज़ाइन जो कंप्यूट लागत को कम रखता है और साथ ही मॉडल को उपयोग करने के लिए ज्ञान का एक बहुत बड़ा आधार देता है। इसे 45 ट्रिलियन टोकन पर प्रशिक्षित किया गया, जो टेक्स्ट, इमेज, ऑडियो और वीडियो तक फैले हैं, इसलिए यह किसी टेक्स्ट मॉडल पर अतिरिक्त इंद्रियाँ जोड़ने के बजाय इन सभी इनपुट पर मूल रूप से तर्क करता है। इसके दो विकल्प अलग दिखते हैं, यह आत्मविश्वास से अनुमान लगाने के बजाय ऐसे कैलिब्रेटेड उत्तर देता है जो अपनी अनिश्चितता को उजागर करते हैं, और यह उपयोगकर्ता को गति और गुणवत्ता के बीच संतुलन के लिए सोचने का प्रयास बढ़ाने या घटाने देता है।
सबसे उल्लेखनीय है इसका प्रस्तुतीकरण। Thinking Machines साफ कहती है कि Inkling आज उपलब्ध सबसे मजबूत मॉडल नहीं है, चाहे वह बंद हो या ओपन। किसी लीडरबोर्ड के शीर्ष का पीछा करने के बजाय, यह सर्वांगीण, कुशल और सबसे बढ़कर अनुकूलन-योग्य कुछ होने का लक्ष्य रखता है। कोडिंग कार्यों में यह कथित तौर पर उसी परिणाम के लिए किसी तुलनीय मॉडल की ज़रूरत के लगभग एक-तिहाई टोकन इस्तेमाल करता है, और निवेश फर्म Bridgewater के साथ एक केस स्टडी में इसने लागत के एक छोटे अंश पर वित्तीय तर्क में 84.7 प्रतिशत सटीकता हासिल की। इसका दावा सबसे अच्छा सामान्य चैटबॉट होना नहीं है, बल्कि एक ऐसा मजबूत आधार होना है जिसे दूसरे ढाल सकें।
यहीं पर लैब की बड़ी योजना स्पष्ट होती है। Inkling को Thinking Machines के फाइन-ट्यूनिंग प्लेटफ़ॉर्म Tinker के ज़रिए अनुकूलित किया जाना है, ताकि कोई कंपनी किसी ऐसे स्थिर मॉडल को किराए पर लेने के बजाय, जिसका व्यवहार कहीं और से नियंत्रित होता है, इसे अपने डेटा और वर्कफ़्लो के अनुसार ढाल सके। यह उस थीसिस का ठोस रूप है जिसे Murati और उनकी टीम ने इस महीने रखा, कि AI का भविष्य वितरित और अनुकूलन-योग्य है, जिसे उसका उपयोग करने वाले लोग आकार देते हैं, न कि कुछ मुट्ठीभर विशाल बंद मॉडल जिन्हें हर कोई एक ही शर्तों पर किराए पर लेता है।
यह क्यों मायने रखता है, इसलिए कि Inkling एक विपरीत तर्क को ऐसी चीज़ में बदल देता है जिसे आप वाकई डाउनलोड कर सकते हैं। AI में प्रमुख रणनीति यही रही है कि लगातार बड़े फ्रंटियर मॉडल बनाए जाएँ और उन तक पहुँच बेची जाए, और अधिकांश ध्यान अब भी उसी पर जाता है जो सबसे ऊँचे बेंचमार्क स्कोर दर्ज करता है। Thinking Machines यह दांव लगा रही है कि खुलापन और अनुकूलनशीलता, यानी एक ओपन-वेट मॉडल के साथ उसे ट्यून करने के उपकरण, कई संगठनों के लिए किसी परीक्षण में विशुद्ध श्रेष्ठता से ज़्यादा मायने रखेंगे। यह दांव सफल होगा या नहीं, यह अप्रमाणित है, और कंपनी की अपनी स्वीकारोक्ति के अनुसार यह बाज़ार का सबसे शक्तिशाली मॉडल नहीं है। लेकिन Murati की टीम से आने के कारण, अपने पास मौजूद पैसे और सुर्खियों के साथ, यह इस विचार को अब तक की सबसे विश्वसनीय चुनौतियों में से एक है कि AI में विजेता बस वही होगा जो अकेला सबसे बड़ा दिमाग प्रशिक्षित करेगा।