எதிர்கால கடந்த காலத்தின் எதிரொலிகள்: Windows 98-ல் Meta-வின் AI விழிப்பு

தொழில்நுட்ப யுகங்களின் ஒரு கவர்ச்சிகரமான மோதலில், பரவலான வீட்டு கணினிகளின் ஆரம்ப நாட்களை செயற்கை நுண்ணறிவின் அதிநவீனத்துடன் இணைக்கும் ஒரு கதை வெளிப்பட்டுள்ளது. தொழில்நுட்ப உலகில் ஒரு முக்கிய நபரும், செல்வாக்கு மிக்க துணிகர மூலதன நிறுவனமான Andreessen Horowitz-ன் இணை நிறுவனருமான Marc Andreessen, சமீபத்தில் ஒரு குறிப்பிடத்தக்க சாதனையை முன்னிலைப்படுத்தினார்: Meta-வின் Llama செயற்கை நுண்ணறிவு மாதிரியின் ஒரு சிறிய பதிப்பு, வெறும் 128 மெகாபைட் RAM உடன் கூடிய பழமையான Windows 98 இயக்க முறைமையில் இயங்கும் கணினியில் வெற்றிகரமாக இயக்கப்பட்டது. இந்த வெளிப்பாடு தொழில்நுட்ப திறனின் சக்திவாய்ந்த நினைவூட்டலாக செயல்படுகிறது மற்றும் கணினியின் வரலாற்றுப் பாதையைப் பற்றிய புதிரான கேள்விகளை எழுப்புகிறது.

கால் நூற்றாண்டுக்கும் மேலான வன்பொருளில், ஒரு அதிநவீன AI-ஐ, அது குறைக்கப்பட்டதாக இருந்தாலும், இயக்கும் எண்ணமே கிட்டத்தட்ட முரண்பாடாகத் தோன்றுகிறது. ChatGPT மற்றும் Microsoft-ன் சொந்த Copilot போன்ற கருவிகளுக்கு சக்தி அளிக்கும் நவீன உருவாக்கும் AI தொழில்நுட்பம், பொதுவாக சக்திவாய்ந்த செயலிகள், கணிசமான நினைவக ஒதுக்கீடுகள் மற்றும் பெரும்பாலும், கிளவுட் அடிப்படையிலான உள்கட்டமைப்புடன் தொடர்புடையது. Microsoft தானே AI திறன்களை, குறிப்பாக அதன் Copilot உதவியாளரை, அதன் சமீபத்திய இயக்க முறைமையான Windows 11 மற்றும் AI பணிச்சுமைகளை மனதில் கொண்டு வெளிப்படையாக வடிவமைக்கப்பட்ட Copilot+ PC-கள் எனப்படும் புதிய தலைமுறை வன்பொருளில் ஆழமாக ஒருங்கிணைக்க பெரிதும் முதலீடு செய்துள்ளது. இந்த வேறுபாடு Windows 98 பரிசோதனையை இன்னும் வியக்க வைக்கிறது. இது சில AI செயல்பாடுகளுக்கு உண்மையிலேயே தேவையான வளங்களைப் பற்றிய நமது அனுமானங்களுக்கு சவால் விடுகிறது மற்றும் ஒரு மாற்று தொழில்நுட்ப காலவரிசைக்குள் ஒரு பார்வையை வழங்குகிறது.

கடந்த காலத்தை உயிர்ப்பித்தல்: பரிசோதனையின் பின்னணியில் உள்ள மாபெரும் முயற்சி

Andreessen இந்த சாதனைக்கு பரந்த கவனத்தை ஈர்த்தாலும், தொழில்நுட்ப ரீதியான கடினஉழைப்பு முந்தைய பணிகளிலிருந்து, குறிப்பாக Exo Labs குழுவினரிடமிருந்து தோன்றியதாகத் தெரிகிறது. அத்தகைய பழங்கால இயந்திரத்தில் ஒரு நவீன AI-ஐ செயல்பட வைப்பதற்கான அவர்களின் பயணம் நேரடியானது அல்ல; இது டிஜிட்டல் தொல்லியல் மற்றும் ஆக்கப்பூர்வமான சிக்கல் தீர்க்கும் ஒரு பயிற்சியாக இருந்தது, அப்போதைய மற்றும் இப்போதைய கணினிக்கு இடையிலான பரந்த வேறுபாடுகளை எடுத்துக்காட்டுகிறது.

முதல் தடை அடிப்படை தளவாடங்கள் மற்றும் வன்பொருள் பொருந்தக்கூடிய தன்மையை உள்ளடக்கியது. Windows 98 காலத்திலிருந்து செயல்படும் வன்பொருளைக் கண்டுபிடிப்பதே போதுமான சவாலானது. ஆனால் இயந்திரத்தை துவக்குவதைத் தாண்டி, குழுவிற்கு சாதனங்கள் தேவைப்பட்டன. இன்று எங்கும் நிறைந்திருக்கும் நவீன USB இடைமுகங்கள், Windows 98-ன் உச்சத்தில் நிலையான கட்டணமாக இல்லை. இதற்கு பழைய PS/2 இணைப்பிகளைப் பயன்படுத்தி இணக்கமான உள்ளீட்டு சாதனங்களை - பல இளைய தொழில்நுட்ப ஆர்வலர்கள் ஒருபோதும் கண்டிராத விசைப்பலகைகள் மற்றும் மவுஸ்களை - பெற வேண்டியிருந்தது.

இயற்பியல் அமைப்பு சரிசெய்யப்பட்டவுடன், அடுத்த குறிப்பிடத்தக்க தடை தரவு பரிமாற்றம் ஆகும். அதிவேக USB போர்ட்கள் அல்லது தடையற்ற நெட்வொர்க் ஒருங்கிணைப்பு போன்ற நவீன இணைப்பு விருப்பங்கள் இல்லாத ஒரு இயந்திரத்தில் தேவையான AI மாதிரி கோப்புகள் மற்றும் மேம்பாட்டுக் கருவிகளை எவ்வாறு பெறுவது? இது ஒருவேளை பழைய, மெதுவான முறைகளை நாடியிருக்கலாம், ஒருவேளை கோப்புகளை CD-களில் எரிப்பது அல்லது அந்த காலத்தின் வரையறுக்கப்பட்ட நெட்வொர்க் நெறிமுறைகளைப் பயன்படுத்துவது, ஒரு எளிய கோப்பு நகலை நேரத்தை எடுத்துக்கொள்ளும் செயல்முறையாக மாற்றியது.

இருப்பினும், முக்கிய தொழில்நுட்ப சவால், ஒரு பழங்கால சூழலுக்கு நவீன குறியீட்டைத் தொகுப்பதில் இருந்தது. Meta-வின் Llama கட்டமைப்பை அடிப்படையாகக் கொண்ட AI மாதிரி, சமகால நிரலாக்க நடைமுறைகள் மற்றும் மொழிகளைப் பயன்படுத்தி உருவாக்கப்பட்டுள்ளது. இந்த குறியீட்டை Windows 98-ஆல் புரிந்துகொள்ளக்கூடியதாகவும் செயல்படுத்தக்கூடியதாகவும் மாற்றுவதற்கு ஒரு கம்பைலர் - மூலக் குறியீட்டை இயந்திர மொழிக்கு மொழிபெயர்க்கும் ஒரு நிரல் - தேவைப்பட்டது, அது பழைய இயக்க முறைமையில் இயங்கக்கூடியதாகவும் மற்றும் AI குறியீட்டின் சிக்கல்களைக் கையாளக்கூடியதாகவும் இருக்க வேண்டும்.

Exo Labs ஆரம்பத்தில் Borland C++ 5.02-ஐ நாடியது, இதுவே மென்பொருள் வரலாற்றின் ஒரு பகுதி - Windows 98-ல் இயல்பாக இயங்கிய 26 வயதான ஒருங்கிணைந்த மேம்பாட்டு சூழல் (IDE) மற்றும் கம்பைலர் கலவையாகும். இந்தத் தேர்வு நவீன குறியீட்டுத் தளம் மற்றும் பழங்கால இயக்க முறைமைக்கு இடையே ஒரு சாத்தியமான பாலத்தை பிரதிநிதித்துவப்படுத்தியது. இருப்பினும், பாதை சிக்கல்களால் நிறைந்திருந்தது. நவீன C++ தரநிலைகள் மற்றும் நூலகங்களின் நுணுக்கங்கள் Borland கம்பைலர் மற்றும் Windows 98 சூழலின் திறன்கள் மற்றும் வரம்புகளுடன் சமரசம் செய்வது கடினம் என்பதை நிரூபித்தது. பொருந்தக்கூடிய சிக்கல்கள் எழுந்தன, இது குழுவை திசை திருப்ப கட்டாயப்படுத்தியது.

அவர்களின் தீர்வு C நிரலாக்க மொழியின் பழைய பதிப்பிற்குப் பின்வாங்குவதை உள்ளடக்கியது. C ஒரு அடிப்படை மொழி மற்றும் C++-க்கு முன்னோடியாக இருந்தாலும், பழைய C தரநிலையைப் பயன்படுத்துவது C++ மிகவும் நேர்த்தியாகக் கையாளும் செயல்பாடுகள் மற்றும் மாறிகள் போன்ற சில உயர்-நிலை சுருக்கங்கள் மற்றும் வசதிகளை தியாகம் செய்வதைக் குறிக்கிறது. இதற்கு மிகவும் உழைப்பு மிகுந்த குறியீட்டு செயல்முறை தேவைப்பட்டது, C++ மிகவும் நேர்த்தியாகக் கையாளும் செயல்பாடுகள் மற்றும் மாறிகள் போன்ற கூறுகளை கைமுறையாக நிர்வகிக்க வேண்டியிருந்தது. முன்னேற்றம் தவிர்க்க முடியாமல் மெதுவாக இருந்தது, பழைய மேம்பாட்டுக் கருவிகள் எளிதில் பிடிக்காத பிழைகளைத் தவிர்க்க நுணுக்கமான கவனம் தேவைப்பட்டது.

நினைவக நெருக்கடி: வரையறுக்கப்பட்ட வளங்களுக்கு Llama-வை பழக்கப்படுத்துதல்

ஒருவேளை மிகவும் அச்சுறுத்தலான கட்டுப்பாடு மிகவும் வரையறுக்கப்பட்ட ரேண்டம் அக்சஸ் மெமரி (RAM) ஆகும். இலக்கு இயந்திரம் வெறும் 128 மெகாபைட் RAM-ஐக் கொண்டிருந்தது. இதை முன்னோக்கி வைக்க, நவீன ஸ்மார்ட்போன்கள் வழக்கமாக 8, 12, அல்லது 16 கிகாபைட் RAM உடன் அனுப்பப்படுகின்றன (ஒரு கிகாபைட் என்பது தோராயமாக 1000 மெகாபைட்). கேமிங் அல்லது தொழில்முறை வேலைக்காக வடிவமைக்கப்பட்ட உயர்நிலை PC-கள் பெரும்பாலும் 32GB, 64GB, அல்லது அதற்கு மேற்பட்டவற்றைக் கொண்டுள்ளன. ஒரு AI மாதிரி போன்ற சிக்கலான பயன்பாட்டை அத்தகைய ஒரு சிறிய நினைவக தடத்தில் இயக்குவது, ஒரு துடைப்ப அறையில் நுட்பமான அறுவை சிகிச்சை செய்வதற்கு ஒப்பானது.

Meta-வின் Llama மாதிரி குடும்பம், OpenAI-ன் GPT-4 போன்ற பிரம்மாண்டங்களை விட பொதுவாக அதிக வள-திறனுள்ளதாகக் கருதப்பட்டாலும், பில்லியன் கணக்கான அளவுருக்களைக் கொண்ட பதிப்புகளை உள்ளடக்கியது. Llama 2 கட்டமைப்பு, எடுத்துக்காட்டாக, 70 பில்லியன் அளவுருக்கள் வரை அளவிடும் மாதிரிகளை உள்ளடக்கியது. இந்த பெரிய மாதிரிகளுக்கு கணிசமான கணினி சக்தி மற்றும், முக்கியமாக, மாதிரி எடைகளை ஏற்றுவதற்கும், தகவலைச் செயலாக்குவதற்கும் மற்றும் பதில்களை உருவாக்குவதற்கும் சம்பந்தப்பட்ட கணக்கீடுகளை நிர்வகிப்பதற்கும் பரந்த அளவு நினைவகம் தேவைப்படுகிறது. ஒரு நிலையான Llama 2 மாதிரி 128MB கட்டுப்பாட்டிற்குள் இயங்க முற்றிலும் இயலாது.

எனவே, பரிசோதனையின் வெற்றி, Llama கட்டமைப்பின் மிகவும் உகந்ததாக்கப்பட்ட, கணிசமாக சிறிய மறு செய்கையை பயன்படுத்துவது அல்லது உருவாக்குவதைப் பொறுத்தது. இந்த சிறப்பு பதிப்பு கடுமையான வன்பொருள் வரம்புகளின் கீழ் செயல்பட குறிப்பாக வடிவமைக்கப்பட வேண்டும். இது மாதிரி குவாண்டைசேஷன் (மாதிரியின் கணக்கீடுகளில் பயன்படுத்தப்படும் எண்களின் துல்லியத்தைக் குறைத்தல்) மற்றும் ப்ரூனிங் (நரம்பியல் வலையமைப்பின் முக்கியமற்ற பகுதிகளை அகற்றுதல்) போன்ற நுட்பங்களை உள்ளடக்கியிருக்கலாம், அதன் நினைவகம் மற்றும் கணினி தடத்தை வியத்தகு முறையில் சுருக்க. Exo Labs தங்கள் தழுவிய பதிப்பை GitHub-ல் கிடைக்கச் செய்தது, தேவையான குறிப்பிட்ட மாற்றங்களைக் காட்டியது.

பழமையான வன்பொருளில் இயங்கும் இந்த சிறிய AI, அதன் பெரிய, கிளவுட்-இயங்கும் உறவினர்களின் பரந்த அறிவு அல்லது நுணுக்கமான உரையாடல் திறன்களைக் கொண்டிருக்காது. அதன் திறன்கள் கட்டுப்படுத்தப்படும். ஆயினும்கூட, அது இயங்க முடியும் மற்றும் அடிப்படை உருவாக்கும் பணிகளைச் செய்ய முடியும் என்பதே ஒரு குறிப்பிடத்தக்க தொழில்நுட்ப சாதனையை பிரதிபலிக்கிறது. பெரிய மொழி மாதிரிகளின் முக்கிய கருத்துக்கள், கொள்கையளவில், வியத்தகு முறையில் குறைக்கப்படலாம் என்பதை இது நிரூபிக்கிறது, அத்தகைய உச்சநிலைகளில் நடைமுறைப் பயன்பாடு குறைவாக இருந்தாலும் கூட.

Andreessen-ன் தூண்டுதல்: உரையாடல் கணினிக்கு ஒரு இழந்த காலவரிசையா?

Marc Andreessen இந்த தொழில்நுட்ப செயல்விளக்கத்தைப் பயன்படுத்தி கணினி வரலாறு மற்றும் சாத்தியமான எதிர்காலம் பற்றிய பரந்த, மேலும் தூண்டக்கூடிய கருத்தை முன்வைத்தார். அவரது பிரதிபலிப்பு பழைய வன்பொருளில் புதிய மென்பொருளை இயக்கும் தொழில்நுட்ப ஆர்வத்தைப் பற்றியது மட்டுமல்ல; இது மனித-கணினி தொடர்புகளின் சாத்தியமான மாற்று வரலாற்றைப் பற்றிய ஒரு சிந்தனையாகும்.

26 வயதான Dell PC-யில் Llama-வின் வெற்றிகரமான செயல்பாடு பல தசாப்தங்களாக நீடித்த ஒரு தவறவிட்ட வாய்ப்பைக் குறிக்கிறது என்று பரிந்துரைப்பதன் மூலம் அவர் இதை வெளிப்படுத்தினார். “அந்த பழைய PC-கள் அனைத்தும் உண்மையில் இந்த எல்லா நேரத்திலும் புத்திசாலித்தனமாக இருந்திருக்கலாம்,” என்று Andreessen கூறினார். “நாம் இப்போது 30 ஆண்டுகளாக நம் கணினிகளுடன் பேசிக்கொண்டிருக்கலாம்.”

இந்த அறிக்கை, AI வளர்ச்சியின் பாதை தனிநபர் கணினியின் எழுச்சியுடன் வித்தியாசமாக ஒன்றிணைந்த ஒரு உலகத்தை கற்பனை செய்ய நம்மை அழைக்கிறது. கணக்கீடு, ஆவண உருவாக்கம் மற்றும் இறுதியில், இணையத்தை அணுகுவதற்கான கருவிகளாக முதன்மையாக PC-கள் இருப்பதற்குப் பதிலாக, ஒருவேளை அவை உரையாடல் கூட்டாளிகளாக மிக முன்னதாகவே உருவாகியிருக்கலாம். நவீன டிஜிட்டல் உதவியாளர்கள் மற்றும் அதிநவீன LLM-களின் வருகையுடன் மட்டுமே பிரதான யதார்த்தமாக மாறிய ஒரு வழியில், பயனர்கள் தங்கள் Windows 95, 98, அல்லது அதற்கு முந்தைய இயந்திரங்களுடன் இயற்கையான மொழி மூலம் தொடர்புகொள்வது, கேள்விகளைக் கேட்பது, உதவி பெறுவது மற்றும் உரையாடலில் ஈடுபடுவது போன்ற ஒரு படத்தை இது வரைகிறது.

நிச்சயமாக, இது ஒரு குறிப்பிடத்தக்க எதிர்நடப்பு பாய்ச்சல். இன்று நாம் புரிந்துகொள்ளும் உருவாக்கும் AI, அதன் பாரிய தரவுத்தொகுப்புகள், அதிநவீன நரம்பியல் நெட்வொர்க் கட்டமைப்புகள் (Llama மற்றும் GPT மாதிரிகளின் அடிப்படையிலான Transformer கட்டமைப்பு போன்றவை), மற்றும் பயிற்சிக்கான மகத்தான கணினி சக்தி ஆகியவற்றின் மீதான சார்புடன், ஒப்பீட்டளவில் சமீபத்திய நிகழ்வு ஆகும். 1980கள் மற்றும் 1990களின் AI ஆராய்ச்சி, லட்சியமாக இருந்தாலும், நிபுணர் அமைப்புகள் மற்றும் குறியீட்டு பகுத்தறிவு போன்ற வெவ்வேறு முன்னுதாரணங்களில் கவனம் செலுத்தியது. Exo Labs-ஆல் நிரூபிக்கப்பட்ட குறைக்கப்பட்ட Llama-வை இயக்கக்கூடிய அந்த காலத்தின் வன்பொருள், இன்றைய அமைப்புகளை விட பல மடங்கு குறைவான சக்தி வாய்ந்தது, மேலும் திறமையான உருவாக்கும் மாதிரிகளைப் பயிற்றுவிக்கத் தேவையான பரந்த டிஜிட்டல் தரவுத்தொகுப்புகள் அணுகக்கூடிய வடிவத்தில் வெறுமனே இல்லை.

Andreessen இந்த சூழலை ஒப்புக்கொண்டார், 1980களின் AI ஏற்றத்தின் நம்பிக்கையைக் குறிப்பிட்டார்: “80களில் பல புத்திசாலிகள் இதெல்லாம் அப்போது நடக்கும் என்று நினைத்தார்கள்.” அந்த சகாப்தம் செயற்கை நுண்ணறிவில் குறிப்பிடத்தக்க முதலீடு மற்றும் ஆராய்ச்சியைக் கண்டது, ஆனால் அது இறுதியில் ஒரு “AI குளிர்காலத்திற்கு” வழிவகுத்தது - தொழில்நுட்பம் அதன் மிகவும் லட்சியமான வாக்குறுதிகளை வழங்கத் தவறியபோது குறைக்கப்பட்ட நிதி மற்றும் ஆர்வத்தின் காலம். கணினி சக்தி, தரவு கிடைக்கும் தன்மை மற்றும் வழிமுறை அணுகுமுறைகளில் உள்ள வரம்புகள் ஆழமானவை.

எனவே, Andreessen-ன் கருத்து, ஒருவேளை, 1990களின் வன்பொருளில் அதிநவீன, மனிதனைப் போன்ற AI சாத்தியமானது என்று நாம் இப்போது அனுபவிக்கும் விதத்தில் ஒரு நேரடி கூற்றாக அல்ல, மாறாக ஒரு சிந்தனைப் பரிசோதனையாக புரிந்து கொள்ளப்பட வேண்டும். ஆராய்ச்சி முன்னுரிமைகள், வழிமுறை திருப்புமுனைகள் மற்றும் வன்பொருள் மேம்பாடு ஆகியவை வேறுபட்ட போக்கைப் பின்பற்றியிருந்தால் திறக்கப்பட்டிருக்கக்கூடிய சாத்தியக்கூறுகளை இது எடுத்துக்காட்டுகிறது. சில வகையான அறிவார்ந்த தொடர்புகளுக்கான கட்டுமானத் தொகுதிகள் தொழில்நுட்ப ரீதியாக அடையக்கூடியதாக இருந்திருக்கலாம் என்ற கருத்தை இது அடிக்கோடிட்டுக் காட்டுகிறது, இதன் விளைவு இன்றைய AI-ஐ விட மிகவும் எளிமையானதாக இருந்திருந்தாலும் கூட.

வேறுபட்ட காலங்கள்: Dial-Up கனவுகள் முதல் AI கலந்த யதார்த்தம் வரை

Windows 98 பரிசோதனை AI ஒருங்கிணைப்பின் தற்போதைய நிலப்பரப்புக்கு ஒரு கடுமையான வேறுபாட்டு புள்ளியாக செயல்படுகிறது. இன்று, AI ஒரு கிளவுட்-மைய சேவையிலிருந்து இயக்க முறைமை மற்றும் வன்பொருளுக்குள் கூட ஆழமாக உட்பொதிக்கப்படுவதற்கு வேகமாக நகர்கிறது.

Microsoft-ன் Copilot மற்றும் Copilot+ PC-கள் உடனான உந்துதல் இந்த போக்கை எடுத்துக்காட்டுகிறது. Windows 11 Copilot-க்கான பல நுழைவுப் புள்ளிகளைக் கொண்டுள்ளது, ஆவணங்களைச் சுருக்கவும், மின்னஞ்சல்களை வரைவு செய்யவும், படங்களை உருவாக்கவும் மற்றும் கணினிஅமைப்புகளைச் சரிசெய்யவும் வரையிலான பணிகளுக்கு AI உதவியை வழங்குகிறது. புதிய Copilot+ PC விவரக்குறிப்பு ஒரு நியூரல் பிராசசிங் யூனிட் (NPU) - AI கணக்கீடுகளை திறமையாக துரிதப்படுத்த வடிவமைக்கப்பட்ட சிறப்பு சிலிக்கான் - சேர்ப்பதை கட்டாயமாக்குகிறது. இது AI செயலாக்கம் தனிநபர் கணினியின் முக்கிய செயல்பாடாக மாறும் ஒரு அடிப்படை மாற்றத்தைக் குறிக்கிறது, தொலைநிலை சேவையகங்களை மட்டுமே நம்பாமல் உள்நாட்டில் கையாளப்படுகிறது.

இந்த நவீன அணுகுமுறை ஏராளமான வளங்களை அனுமானிக்கிறது, மற்றும் பயன்படுத்துகிறது. Copilot+ PC-களுக்கு குறைந்தபட்சம் 16GB RAM மற்றும் வேகமான திட-நிலை சேமிப்பகம் தேவைப்படுகிறது, இது Windows 98 இயந்திரத்தின் தாழ்மையான 128MB-ஐ விட மிக அதிகமாகும். கிளையன்ட் பக்க செயலாக்கத்திற்காக உகந்ததாக்கப்பட்டிருந்தாலும், பயன்படுத்தப்படும் AI மாதிரிகள், பரிசோதனையில் பயன்படுத்தப்பட்ட மினியேச்சர் Llama பதிப்பை விட மிகவும் சிக்கலானவை மற்றும் திறமையானவை. அவை பல தசாப்த கால வழிமுறை சுத்திகரிப்பு, பாரிய பயிற்சி தரவுத்தொகுப்புகள் மற்றும் அவற்றின் தேவைகளுக்காக குறிப்பாக வடிவமைக்கப்பட்ட வன்பொருள் ஆகியவற்றிலிருந்து பயனடைகின்றன.

இந்த வேறுபாடு பல புள்ளிகளை ஒளிரச் செய்கிறது:

1. மென்பொருள் உகப்பாக்கம் vs. வீக்கம்: Exo Labs பரிசோதனை தீவிர உகப்பாக்கத்திற்கு ஒரு சான்றாகும், நவீன வழிமுறைகளை மிகவும் கட்டுப்படுத்தப்பட்ட சூழலுக்குள் கட்டாயப்படுத்துகிறது. இது நவீன மென்பொருள் எப்போதும் அதிகரித்து வரும் வன்பொருள் வளங்களை அனுமானிக்கும் போக்கை மறைமுகமாக விமர்சிக்கிறது, சில சமயங்களில் திறமையின்மை அல்லது “வீக்கத்திற்கு” வழிவகுக்கிறது.
2. வன்பொருளின் பரிணாமம்: ஒரு பொதுவான 1998 PC மற்றும் ஒரு 2024 Copilot+ PC க்கு இடையிலான கணினி சக்தி மற்றும் நினைவகத்தில் உள்ள சுத்த வேறுபாடு திகைப்பூட்டுகிறது, இது மூரின் விதி மற்றும் கட்டடக்கலை கண்டுபிடிப்புகளின் பல தலைமுறைகளைக் குறிக்கிறது.
3. தரவின் அணுகல்: நவீன LLM-களின் பயிற்சி இணைய அளவிலான தரவுத்தொகுப்புகளை நம்பியுள்ளது, அவை Windows 98 சகாப்தத்தில் கற்பனை செய்ய முடியாதவை. டிஜிட்டல் பிரபஞ்சம் அப்போது மிகவும் சிறியதாகவும் துண்டிக்கப்பட்டதாகவும் இருந்தது.
4. வழிமுறை திருப்புமுனைகள்: 2017 இல் Transformer மாதிரி போன்ற கட்டமைப்புகளின் வளர்ச்சி ஒரு முக்கிய தருணமாக இருந்தது, இது இன்றைய உருவாக்கும் AI-ல் காணப்படும் அளவிடுதல் மற்றும் செயல்திறனை இயக்கியது. முந்தைய AI அணுகுமுறைகளுக்கு அடிப்படை வரம்புகள் இருந்தன.

Andreessen 30 ஆண்டுகளுக்கு முன்பு பேசும் கணினிகளைப் பற்றி கனவு கண்டாலும், இன்றைய AI அனுபவத்திற்குத் தேவையான வன்பொருள் சக்தி, தரவு கிடைக்கும் தன்மை மற்றும் வழிமுறை கண்டுபிடிப்பு ஆகியவற்றின் சங்கமம் மிக சமீபத்தில் மட்டுமே நிகழ்ந்தது என்பதே யதார்த்தம்.

இதன் அர்த்தம் என்ன? பழமை ஏக்கத்திற்கு அப்பாற்பட்ட பிரதிபலிப்புகள்

Windows 98-ல் Llama மாதிரியின் வெற்றிகரமான வரிசைப்படுத்தல் வெறுமனே ஒரு புத்திசாலித்தனமான ஹேக், தொழில்நுட்ப ஆர்வலர்களுக்கான ஒரு பழமையான ஸ்டண்ட் தானா? அல்லது அது ஆழமான முக்கியத்துவத்தைக் கொண்டிருக்கிறதா? இது பல நோக்கங்களுக்கு உதவுகிறது என்று வாதிடலாம்:

• தீவிர அளவிடுதலை நிரூபித்தல்: பெரிய மொழி மாதிரிகளுக்குப் பின்னால் உள்ள அடிப்படைக் கொள்கைகள் நம்பமுடியாத அளவிற்கு இறுக்கமான வளக் கட்டுப்பாடுகளின் கீழ் செயல்படத் தழுவப்படலாம் என்பதை இது நிரூபிக்கிறது. இது குறைந்த சக்தி கொண்ட உட்பொதிக்கப்பட்ட அமைப்புகள், IoT சாதனங்கள் அல்லது உலகின் பல்வேறு பகுதிகளில் பயன்பாட்டில் இருக்கும் பழைய வன்பொருளில் AI-ஐ வரிசைப்படுத்துவதற்கான சாத்தியமான தாக்கங்களைக் கொண்டுள்ளது.
• கட்டுப்பாடுகளின் சக்தியை முன்னிலைப்படுத்துதல்: கடுமையான வரம்புகளுக்குள் வேலை செய்வது பெரும்பாலும் புதுமை மற்றும் செயல்திறனை கட்டாயப்படுத்துகிறது. Exo Labs குழு ஆக்கப்பூர்வமான தீர்வுகளைக் கண்டறிந்து இரக்கமின்றி உகந்ததாக்க வேண்டியிருந்தது, வளங்கள் நிறைந்த சூழல்களில் கூட மதிப்புமிக்க திறன்கள்.
• அனுமானங்களுக்கு சவால் விடுதல்: நவீன பயன்பாடுகளால் பயன்படுத்தப்படும் அனைத்து கணினி சக்தி மற்றும் நினைவகம் அவை வழங்கும் மதிப்புக்கு கண்டிப்பாக அவசியமானதா என்பது பற்றிய பிரதிபலிப்பை இது தூண்டுகிறது. சில மென்பொருள்கள் மெலிதாகவும் திறமையாகவும் இருக்க முடியுமா?
• தொழில்நுட்ப பாதைகளின் தற்செயல் நிகழ்வை விளக்குதல்: வரலாறு அரிதாகவே ஒரு நேர் கோட்டைப் பின்பற்றுகிறது. சில அடிப்படை AI பழைய வன்பொருளில் சாத்தியமாக இருந்திருக்கலாம் என்பது வெவ்வேறு தேர்வுகள், ஆராய்ச்சி திசைகள் அல்லது தற்செயலான கண்டுபிடிப்புகள் கூட நம்மை வேறுபட்ட தொழில்நுட்பப் பாதைக்கு இட்டுச் சென்றிருக்கலாம் என்பதை அடிக்கோடிட்டுக் காட்டுகிறது.

இந்த பரிசோதனை வரலாற்றை மீண்டும் எழுதவில்லை, 2024-ன் அதிநவீன AI அனுபவங்கள் எப்படியோ 1998-ல் அடையக்கூடியதாக இருந்தன என்றும் அர்த்தமல்ல. செயல்படுத்தும் தொழில்நுட்பங்களில் உள்ள இடைவெளி - செயலாக்க சக்தி, நினைவகம், தரவு, வழிமுறைகள் - மகத்தானதாகவே உள்ளது. இருப்பினும், இது ஒரு கவர்ச்சிகரமான தரவுப் புள்ளி, பொறியியல் புத்தி கூர்மைக்கு ஒரு சான்று, மற்றும் தொழில்நுட்ப முன்னேற்றத்தின் வளைந்து நெளிந்த பாதையைப் பற்றி சிந்திப்பதற்கான ஒரு ஊக்கியை வழங்குகிறது. நேற்றைய வரம்புகள் சில சமயங்களில் இன்றைய அறிவால் கடக்கப்படலாம் என்பதை இது நமக்கு நினைவூட்டுகிறது, ஆச்சரியமான முடிவுகளை அளிக்கிறது மற்றும் இப்போது மற்றும் எதிர்காலத்தில் என்ன சாத்தியமாகலாம் என்பதை மறுபரிசீலனை செய்ய நம்மைத் தூண்டுகிறது. பழைய இயந்திரத்தில் உள்ள பேய் என்னவாக இருந்தது என்பதைப் பற்றி மட்டுமல்ல, ஒருவேளை எளிமை மற்றும் செயல்திறனில் வசிக்கும் பயன்படுத்தப்படாத திறனைப் பற்றியும் கிசுகிசுக்கிறது.