कृत्रिम बुद्धिमत्ता
संदिग्ध एआई प्रशिक्षण रणनीतियां एक बढ़ती चिंता

मुख्य बिंदुमेटा और ओपनएआई जैसी एआई कंपनियों पर मॉडल प्रशिक्षित करने के लिए छाया पुस्तकालयों से…
और देखें
- मेटा और ओपनएआई जैसी एआई कंपनियों पर मॉडल प्रशिक्षित करने के लिए छाया पुस्तकालयों से चोरी के किताबी डेटा का उपयोग करने के लिए मुकदमों का सामना करना पड़ रहा है।
- डीपसीक ने चैटजीपीटी के आउटपुट का उपयोग करके 6 मिलियन डॉलर में एक प्रतिद्वंद्वी एआई बनाया, जिससे बौद्धिक चोरी के आरोप लगे।
- सामग्री निर्माता मुआवजे की मांग कर रहे हैं क्योंकि एआई मॉडल बिना अनुमति या भुगतान के कॉपीराइट कृतियों को आत्मसात कर रहे हैं।
एआई प्रशिक्षण रणनीतियों को उनकी निगरानी की कमी के कारण लगातार जांच का सामना करना पड़ रहा है। समकालीन लेखकों के लिए पहले की कहानियों से प्रेरणा लेना और यहाँ तक कि उनके पहलुओं को उधार लेना आम बात है। जबकि यह प्रथा लेखन के विकास का हिस्सा है, कभी-कभी एक लेखक के कार्यों और शैली को उनकी अनुमति के बिना दोहराया जाता है।
जब ऐसी स्थिति उत्पन्न होती है, तो आधुनिक कॉपीराइट उल्लंघन कानून मूल सामग्री निर्माता को हुए नुकसान की भरपाई करने की अनुमति देते हैं। हालांकि, यह वही बात उन बढ़ते एआई सिस्टमों पर नहीं की जा सकती जो अवैध रूप से प्राप्त कार्यों का उपयोग करके अपने मॉडल विकसित करते पाए गए हैं। अब, उद्योग को प्रशिक्षण रणनीतियों और उन लोगों के लिए प्रतिशोध के संदर्भ में एक मोड़ का सामना करना पड़ रहा है जिन्होंने नुकसान झेले हैं। यहाँ वह सब है जो आपको जानना चाहिए।
संदेहजनक एआई प्रशिक्षण रणनीतियां
एक श्रृंखला के मुकदमों का दावा है कि OpenAI और META (META ) ने अपने मॉडल प्रशिक्षण के लिए लाइब्रेरी डेटा प्राप्त करने में जानबूझकर कार्यविधियों को अपनाया। मुकदमे के वादी दावा करते हैं कि कंपनी को इस बात का पता था और उन्हें परवाह नहीं थी कि वे संभावित रूप से लेखकों से बिना मुआवजे या उल्लेख के लाखों की चोरी कर रहे हैं।
ऐसे दावे कई लोगों के लिए आश्चर्यजनक नहीं हैं जो मानते हैं कि एआई दौड़ ने कॉपीराइट कानूनों के प्रति बुनियादी उपेक्षा को जन्म दिया है। इस कारण लेखक एआई डेवलपर्स के खिलाफ प्रतिरोध जारी रख रहे हैं, डेटा अधिग्रहण और प्रोसेसिंग के बारे में अधिक पारदर्शिता की मांग कर रहे हैं।
जब तक सार्वजनिक रूप से स्पष्ट मार्ग नहीं दिखाए गए हैं, एआई कंपनियों के खिलाफ साक्ष्य इकट्ठा होते जा रहे हैं। यह साक्ष्य भविष्य में एआई डेवलपर्स द्वारा उपयोग की जाने वाली प्रशिक्षण रणनीतियों में व्यापक परिवर्तन ला सकता है।
कंपनियों द्वारा मॉडल बनाने के लिए उपयोग की जाने वाली प्रशिक्षण रणनीतियां
एआई सिस्टम को प्रशिक्षित करना एक जटिल प्रक्रिया है जिसमें विभिन्न स्रोतों से विशाल डेटा एकत्रित और प्रोसेस किया जाता है। यह डेटा वह संदर्भ है जिसका एआई सिस्टम प्रश्नों के उत्तर देने या नई परिस्थितियों को समझने के लिए उपयोग करता है। परिणामस्वरूप, अधिकांश एआई सिस्टम अधिक डेटा के संदर्भ में बेहतर प्रदर्शन करते हैं।
एआई बनाना
एआई मॉडल बनाने का प्राथमिक तरीका डेटा संग्रहण है। पहले, डेटा संग्रहण एक समय-साध्य प्रक्रिया थी जिसमें इंजीनियरों को मौजूदा डेटाबेस खोजने पड़ते थे, न कि शून्य से निर्माण करना। उदाहरण के लिए, स्वास्थ्य सेवा प्रदाता राष्ट्रीय स्वास्थ्य आँकड़ों का उपयोग करके एक एआई विकसित कर सकते हैं जो अधिक प्रासंगिक चिकित्सा उत्तर प्रदान करता है।
उसके बाद, डेवलपर्स यह तय करते हैं कि कौन सा एल्गोरिद्म चुनना है। मुख्य विकल्प हैं सुपरवाइज़्ड लर्निंग, अनसुपरवाइज़्ड, सेमी-सुपरवाइज़्ड, रिइन्फोर्स्ड लर्निंग, लीनियर रिग्रेशन, डीप लर्निंग, रैंडम फॉरेस्ट, नाइव बेयेज़, और न्यूरल नेटवर्क। प्रत्येक एल्गोरिद्म अपने अनूठे फायदे और नुकसान प्रदान करता है, जो उन्हें विशेष कार्यों के लिए अधिक उपयुक्त बनाते हैं।
अंत में, आवर्ती प्रशिक्षण प्रक्रिया शुरू होती है। इस चरण में, मॉडल को प्रश्न पूछे जाते हैं और उसकी सटीकता एवं प्रदर्शन के आधार पर ग्रेड किया जाता है। यह कदम इंजीनियरों को मॉडल को फाइन‑ट्यून और वैधता प्रदान करने की अनुमति देता है, जिससे उसकी क्षमताएँ बढ़ती हैं। यह चरण यह भी सुनिश्चित करता है कि मॉडल केवल डेटा को याद नहीं रखता, बल्कि प्रशिक्षण डेटा से सीखता रहता है।

स्रोत – Uptech.team
वर्तमान एआई प्रशिक्षण रणनीतियां महंगी हैं
एआई मॉडल प्रशिक्षण प्रक्रिया समय‑साध्य और महंगी है और इसे दो मुख्य श्रेणियों में विभाजित किया जा सकता है: प्रशिक्षण और संचालन। प्रशिक्षण का अर्थ है किसी विशिष्ट मॉडल को बनाने की एकबारगी लागत। उदाहरण के लिए, ChatGPT ने अपने 4o मॉडल पर लगभग $100M खर्च किए, जैसा कि कंपनी के CEO सैम ऑल्टमैन ने बताया।
विशेष रूप से, ये लागतें पहले के मॉडल खर्चों की तुलना में बहुत अधिक हैं। उदाहरण के लिए, ChatGPT‑3 को प्रशिक्षित करने में लगभग $4M लगे। एआई प्रशिक्षण की बढ़ती लागत अधिक कंप्यूटेशनल आवश्यकताओं का प्रत्यक्ष परिणाम है। नवीनतम मॉडल नवीनतम NVIDIA (NVDA ) चिप्स पर चलते हैं, जिससे उनकी लागत और बढ़ जाती है।
इसके अतिरिक्त, एआई ने क्लाउड कंप्यूटिंग की कीमतों को भी ऊँचा कर दिया है। अधिकांश एआई अनुप्रयोग उपयोगकर्ताओं के पीसी पर मूल रूप से नहीं चलते। इसके बजाय, वे अत्याधुनिक डेटा सेंटर और क्लाउड कंप्यूटिंग एल्गोरिद्म पर निर्भर होते हैं जो विशाल कंप्यूटेशनल आवश्यकताओं को समर्थन देते हैं। इन सभी कारकों ने एआई प्रोग्रामिंग को महंगा बना दिया है।
एआई मार्केटप्लेस
एआई प्रशिक्षण मार्केटप्लेस की संख्या में हालिया वृद्धि दर्शाती है कि अब इस क्षेत्र में लागत बचत के लिए अधिक विकास हो रहे हैं। एआई मार्केटप्लेस डेवलपर्स, सामग्री निर्माताओं और एआई एकीकरण की तलाश करने वालों को मिलते हैं। डेवलपर्स पहले से निर्मित मॉडल पा सकते हैं जिन्हें वे अपनी आवश्यकताओं के अनुसार सुधार या फाइन‑ट्यून कर सकते हैं, जिससे समय और धन दोनों की बचत होती है।
रनटाइम लागत
एआई सिस्टमों की रनटाइम या इन्फ़रेंस लागत एक और खर्च है जिसे डेवलपर्स को ध्यान में रखना पड़ता है। इन्फ़रेंस लागत का अर्थ है प्रत्येक एआई इंटरैक्शन की लागत। आज के कई एआई सिस्टमों की चलाने की लागत अधिक है क्योंकि सिस्टम को सटीक और सहायक उत्तर देने के लिए अपने मॉडल के सभी डेटा तक पहुंचना पड़ता है। इसका मतलब है कि एआई को अक्सर उच्च‑प्रदर्शन वाले मशीनों की बड़ी कंप्यूटिंग शक्ति की आवश्यकता होगी, जिससे सिस्टम की लागत में उल्लेखनीय वृद्धि होती है।
क्या आज की एआई प्रशिक्षण रणनीतियां नैतिक हैं?
जब आप आज के बड़े एआई फर्मों द्वारा अपनाई गई प्रशिक्षण रणनीतियों और तरीकों को देखते हैं, तो यह स्पष्ट हो जाता है कि उद्योग में नैतिक और नैतिक चुनौतियां मौजूद हैं। हाँ, सर्वश्रेष्ठ एआई सिस्टम बनाने के लिए डेवलपर्स को मॉडल को मूल्यवान और सटीक डेटा प्रदान करना आवश्यक है। हालांकि, कुछ डेवलपर्स का तर्क है कि डेटा के सभी कॉपीराइट अनुमोदन प्राप्त करने की लागत अत्यधिक होगी, जिससे नवाचार ठप हो जाएगा।
अंतर्राष्ट्रीय कॉपीराइट कानून लेखकों को उनके कार्यों, शैली और समानता के अनधिकृत उपयोग से बचाते हैं। एआई सिस्टम ने ऐसा कानूनी loophole खोज लिया है जिससे वे लोगों, स्थानों, जानकारी और कहानियों की लगभग सटीक प्रतियों का उपयोग कर सकते हैं, और अब तक बहुत कम कानूनी प्रतिरोध मिला है।
हालांकि, सामग्री निर्माताओं के बीच यह भावना बढ़ रही है कि इन सिस्टमों ने उनके कार्यों को अवैध रूप से प्राप्त किया और फिर उन्हें एआई मॉडल प्रशिक्षण के लिए उपयोग किया, जिससे स्वर, टोन और शैली की नकल हुई। OpenAI के प्रशिक्षण मॉडलों में कॉपीराइटेड पुस्तकों के अवैध उपयोग के प्रमाण हालिया खुलासों द्वारा उजागर किए गए हैं।
OpenAI मुकदमा
OpenAI मुकदमे में, वादी आरोप लगाते हैं कि डेवलपर्स ने बड़े पुस्तक संग्रहों के लिए भुगतान से बचने हेतु छाया लाइब्रेरीज़ का जानबूझकर उपयोग किया। छाया लाइब्रेरीज़ ऑनलाइन प्लेटफ़ॉर्म हैं जो कॉपीराइटेड कार्यों को मुफ्त में उपलब्ध कराते हैं। OpenAI मुकदमे में सूचीबद्ध लाइब्रेरीज़ में LibGen, Bok, Sci‑Hub, और Bibliotik शामिल हैं।
यह मुकदमा यह साबित करने का प्रयास करता है कि OpenAI और META को पता था कि वे कॉपीराइट कानूनों को दरकिनार कर रहे हैं। यह दर्शाता है कि कंपनियों ने छाया लाइब्रेरीज़ और अन्य मुफ्त स्रोतों का उपयोग करके अपने प्रशिक्षण लागत को काफी कम किया, जबकि लेखकों से उनका उचित भुगतान छीन लिया।
इन आरोपों के जवाब में, META ने पहले ऐसा व्यवहार न करने का दिखावा किया। हालांकि, बाद में ऐसे ईमेल सामने आए जो कंपनी की पूरी समझ को उजागर करते हैं, जिसमें बताया गया कि उन्होंने छाया लाइब्रेरीज़ से +81.7 टेराबाइट डेटा टॉरेंट किया, जो लाखों कार्यों के बराबर है।
META अनरेडैक्टेड ईमेल
विरोधाभासी रूप से, यह आंतरिक ईमेल थे जिन्होंने दिखाया कि कंपनी को अपनी छाया लाइब्रेरीज़ उपयोग करने के संदिग्ध स्वभाव का पूरी तरह से पता था। अनरेडैक्टेड ईमेल में, एक चिंतित इंजीनियर निकोलाय बाश्लिकोव ने परियोजना की नैतिकता पर सवाल उठाया, फिर योजना की वैधता पर मजाक किया।
बाद के ईमेल में, कर्मचारी ने कहा कि वह META IP पते का उपयोग करके टॉरेंटेड पायरेेटेड सामग्री लोड करने को लेकर चिंतित था। इस संभावित समस्या को पहचानते हुए, META ने इंजीनियरों को निर्देश दिया कि वे डेटा को फेसबुक या META से जुड़े नहीं सर्वरों से डाउनलोड करें।
ऊपर से आदेश
जब META की टॉरेंटिंग में भागीदारी के बारे में पहली बार पूछा गया, तो मार्क ज़ुकरबर्ग ने कहा कि उन्हें इस प्रक्रिया का कोई पता नहीं था। अनरेडैक्टेड ईमेल ने इसके विपरीत सिद्ध किया। माना जाता है कि गैर‑FB सर्वरों के उपयोग का निर्णय केवल ज़ुकरबर्ग की सीधी स्वीकृति के बाद आया।
क्या एआई डेवलपर्स चोरी किए गए कंटेंट का उपयोग कर रहे हैं?
प्रदान किए गए साक्ष्य और एआई क्षमताओं में अचानक वृद्धि को देखते हुए, यह स्पष्ट है कि कई एआई सिस्टम छाया लाइब्रेरीज़ और अन्य माध्यमों की ओर रुख कर रहे हैं ताकि अधिक प्रभावी प्रशिक्षण मॉडल बना सकें। इन डेटासेट में कॉपीराइटेड सामग्री शामिल है जो लेखकों या प्रकाशकों की सहमति के बिना एआई मॉडल प्रशिक्षण में उपयोग की गई है।
क्या यह अवैध है?
जबकि आज के सबसे उन्नत एआई मॉडलों में पायरेेटेड सामग्री के उपयोग को नकारना कठिन हो रहा है, इस प्रथा की वैधता अभी भी प्रश्नवाचक है। अभी तक किसी एआई कंपनी को कॉपीराइट उल्लंघन कानूनों के तहत नहीं लाया गया है। इसके अलावा, एआई दौड़ पूरी गति से चल रही है और कई राजनेता स्थानीय एआई सिस्टम की डेटा पहुंच को सीमित करने को नवाचार में बाधा मान सकते हैं। इसलिए, वे एआई कॉपीराइट उल्लंघन को पारंपरिक चोरी की तरह आसान बनाने के लिए कदम नहीं उठा सकते।
मुकदमे लगातार बढ़ रहे हैं
नियामक एआई फर्मों पर दबाव डालने के लिए तैयार नहीं हो सकते, लेकिन सामग्री निर्माताओं ने काफी हद तक थकावट महसूस की है। निराश लेखकों से मुकदमे लगातार दायर हो रहे हैं जो दावा करते हैं कि उनका कंटेंट अवैध रूप से प्राप्त, वितरित और बिना किसी मुआवजे के दोहराया गया है।
हाल ही में, जोसेफ सेवारी लॉ फर्म ने इस मुद्दे पर सीधे अमेरिकी संघीय क्लास‑एक्शन मुकदमा दायर किया। यह मुकदमा, जो सारा सिल्वरमैन और अन्य लेखकों की ओर से OpenAI और META के खिलाफ दायर किया गया, उत्पाद की अपनी स्वरूप और शैली की नकल करने की क्षमता के कारण हुए नुकसान की भरपाई की मांग करता है।
क्लास‑एक्शन मुकदमा डिजिटल मिलेनियम कॉपीराइट एक्ट, आपराधिक लापरवाही, और अनुचित प्रतिस्पर्धा कानूनों के कई उल्लंघनों का आरोप लगाता है। इस मुकदमे का लक्ष्य इन प्रशिक्षण रणनीतियों पर स्थायी प्रतिबंध लगाना है, जब तक कि लेखकों के लिए उचित मुआवजा और सुरक्षा रणनीति स्थापित न हो जाए।
क्या DeepSeek को ChatGPT ने प्रशिक्षित किया?
विरोधाभासी रूप से, ChatGPT ने दावा किया है कि वह एक एआई सिस्टम से बौद्धिक चोरी का शिकार है, जब चीनी एआई स्टार्ट‑अप DeepSeek ने बाजार में हलचल मचा दी। DeepSeek ने पिछले महीने कंपनी द्वारा अपने प्रभावशाली प्रदर्शन, कम लागत और उन्नत क्षमताओं को सार्वजनिक करने के बाद बड़ी रुचि उत्पन्न की।
OpenAI डेवलपर्स ने DeepSeek पर आरोप लगाया कि उसने अपने मॉडल को प्रोग्राम करने के लिए ChatGPT डेटा का उपयोग किया, जिससे वह ऐसा मॉडल बना सका जो प्रतिस्पर्धियों से बेहतर प्रदर्शन करता है और बहुत कम लागत में चलता है। तुलना में, DeepSeek ने ChatGPT के समान प्रदर्शन $6M की लागत पर हासिल किया, जबकि ChatGPT ने $100M से अधिक खर्च किए।
इसके अलावा, DeepSeek अपनी अनूठी सेटअप के कारण बहुत कम कंप्यूटिंग शक्ति का उपयोग करता है। DeepSeek की इन्फ़रेंस लागत ChatGPT की तुलना में बहुत कम है क्योंकि यह कई विशेषीकृत मॉडलों के बजाय एक बड़े मॉडल का उपयोग करता है।
इस प्रकार, DeepSeek को केवल प्रश्न के संदर्भ में मॉडल को सक्रिय करने की आवश्यकता होती है, जिससे वह कम महंगे और शक्तिशाली NVIDIA चिप्स का उपयोग कर सके। विशेष रूप से, DeepSeek नवीनतम Claude 3.5 Sonnet मॉडल को चलाने की लागत का 1/50 उपयोग करता है, जिससे यह दीर्घकाल में व्यवसायों के लिए अधिक लागत‑प्रभावी समाधान बनता है।
यह उधार लेता है
रोचक बात यह है कि DeepSeek ने ChatGPT का उपयोग करके “सोचने” वाले स्क्रिप्ट विकसित करने से इनकार नहीं किया। यह प्रक्रिया मूल DeepSeek श्वेतपत्र में भी वर्णित है। इंजीनियरों ने महसूस किया कि यह दृष्टिकोण DeepSeek को अधिक सटीक जानकारी प्रदान करेगा, जिससे उसका डिस्टिलेशन प्रक्रिया तेज़ हो गई।
इसके अतिरिक्त, इसने सुनिश्चित किया कि प्रतिस्पर्धियों के एआई मॉडलों को प्रोग्राम करने के लिए उपयोग किया गया डेटा DeepSeek को प्रोग्राम करने में उपयोग न हो। परिणामस्वरूप एक अधिक कुशल प्रणाली बनी जो अपने पूर्ववर्ती से बेहतर प्रदर्शन करती है और संचालन की लागत केवल एक अंश है। बेशक, कई लोग तर्क देते हैं कि यदि उन्होंने सिस्टम का उपयोग करके अपना मॉडल बनाया तो ChatGPT की लागत को DeepSeek के बजट में शामिल किया जाना चाहिए।
DeepSeek पहचान संकट
एक हालिया लेख में, एक एआई शोधकर्ता ने स्रोत को देखा कि क्या DeepSeek ने ChatGPT से बहुत कुछ उधार लिया था। उन्होंने LLM से पूछा कि क्या DeepSeek Gemini, गूगल के प्रतिस्पर्धी, से अधिक स्मार्ट है। विरोधाभासी रूप से, LLM ने जवाब दिया कि “यह ChatGPT है।” इस खुलासे को कई लोगों ने DeepSeek द्वारा ChatGPT से एकत्रित विशाल डेटा को सिद्ध करने के सभी प्रमाण के रूप में देखा।
क्या सामग्री निर्माताओं को एआई उपयोग के लिए मुआवजा मिलना चाहिए?
बाजार में सामग्री निर्माताओं के लिए बढ़ती चिंता है। जैसे-जैसे एआई सिस्टम विकसित होते हैं, वे और भी अधिक कॉपीराइटेड सामग्री को अवशोषित करने की संभावना रखते हैं। अतीत में, इंजीनियरों ने कंपनियों को कॉपीराइट प्रबंधन जानकारी को बंद करने के लिए देखा है ताकि उनके कार्यों को पकड़े जाने का जोखिम कम हो सके। हालांकि, प्रवाह बदल रहा है।
जुलाई 2023 में, 8000 से अधिक लेखकों के एक समूह ने META के CEO मार्क ज़ुकरबर्ग, OpenAI के CEO सैम ऑल्टमैन, Alphabet के CEO सुंदर पिचाई, Stability AI के CEO इमाद मोस्टाक, IBM के CEO अरविंद कृष्णा और Microsoft (MSFT ) के CEO सत्या नडेला को एक पत्र लिखा। इस पत्र में कहा गया कि एआई “हमारी भाषा, कहानियों, शैली और विचारों की नकल और पुनरावृत्ति करता है।” यह मुआवजा और मान्यता की मांग करता है।
राइटर्स गिल्ड ऑफ़ अमेरिका और स्क्रीन एक्टर्स गिल्ड ने भी एआई क्षेत्र में अपने कार्यों के उपयोग के बारे में आवाज़ उठाई है। वे लेखकों के कार्यों के उपयोग पर निश्चित अधिकार और मुआवजा सुनिश्चित करना चाहते हैं, जब भी उनके कार्य एआई मॉडल बनाने में उपयोग किए जाएँ।
प्रशिक्षण रणनीतियों के विकल्प उभरते हैं
वर्तमान सेटअप की सीमाओं को पहचानते हुए और यह देखते हुए कि इसमें कोई वास्तविक वैध मार्ग नहीं है, BookCorpus ने एक बेहतर समाधान पेश करने का लक्ष्य रखा। कंपनी की स्थापना 2015 में हुई थी, जिसका विशेष लक्ष्य एआई शोधकर्ताओं को LLMs के प्रशिक्षण में समर्थन देना था। इस प्रकार, इसमें हजारों कार्य और मॉडल शामिल हैं जो प्रदर्शन को बढ़ाते हैं, बिना नैतिक सीमाओं को पार किए।
पहले से ही, कई एआई‑केंद्रित सेवा प्रदाता बाजार में प्रवेश कर रहे हैं। ये फर्म मूल्यवान डेटा, मॉडल और अधिक तक पहुंच को संयोजित करती हैं। वे एआई कंप्यूटेशनल आवश्यकताओं को पूरा करने के लिए तैयार किए गए हैं और अक्सर क्लाउड कंप्यूटिंग विकल्प के साथ आते हैं, जिससे विकास लागत और भी घटती है।
एआई LLMs क्रांति में अग्रणी कंपनियां
LLMs के उदय ने किसी के लिए भी इन सिस्टमों के साथ इंटरैक्ट करना पहले से कहीं अधिक आसान बना दिया है। एक साधारण चैट प्रॉम्प्ट से आप गहन शोध कर सकते हैं, छवियां और कहानियां बना सकते हैं, और बहुत कुछ। परिणामस्वरूप, LLMs को जीवनकाल में कंप्यूटर इंटरैक्शन तकनीक में सबसे बड़े ब्रेकथ्रू में से एक माना जाता है। यहाँ एक कंपनी है जो LLM बाजार में नवाचार को आगे बढ़ाती रहती है।
Alphabet Inc
Alphabet Inc. (GOOG ) गूगल और उसकी कई सहायक कंपनियों की मूल कंपनी है। यह एआई क्षेत्र में सबसे पहचानने योग्य और सफल फर्मों में से एक है। दिलचस्प बात यह है कि इंजीनियर कंपनी के अन्य मॉडल, Google DeepMind, का उपयोग करके गूगल का Gemini LLM बनाते हैं। Gemini एक उन्नत LLM है जो अनुवाद करता है, सामग्री को समझता है, प्रश्नों के उत्तर देता है, और बहुत कुछ।
विशेष रूप से, Google DeepMind ने कंपनी के लिए LLMs और नई सुविधाओं के निर्माण में कड़ी मेहनत की है। उदाहरण के लिए, नया SELF‑DISCOVER फीचर मॉडल के भीतर कार्य‑विशिष्ट आर्किटेक्चर बनाता है, जिससे प्रश्नों के सटीक उत्तर देने के लिए आवश्यक कुल समय कम हो जाता है।
GOOG मूल्य चार्ट
गूगल की बाजार में प्रमुखता, विशाल डेटा तक सीधी पहुंच, और उद्देश्य‑निर्मित मॉडलों में निरंतर विस्तार को देखते हुए, GOOG एक समझदार स्टॉक है जिसे रखना चाहिए। कंपनी विश्व स्तर पर शीर्ष‑प्रदर्शन एआई प्रदाताओं में से एक है और उसके पास अपनी तकनीक को प्रभावी रूप से सार्वजनिक करने और विस्तारित करने के लिए नेटवर्क और वित्तीय शक्ति दोनों हैं।
भविष्य में प्रशिक्षण रणनीतियां कैसे बदलेंगी
जैसे-जैसे उद्योग विस्तार करता है, आप उम्मीद कर सकते हैं कि एआई प्रशिक्षण रणनीतियां अधिक परिष्कृत एआई सिस्टमों पर डेटा के लिए निर्भर होंगी। DeepSeek ने दिखाया कि उसकी दृष्टिकोण ने लागत को काफी घटा दिया। इसके अलावा, यदि कंपनी सीधे डेटा के बजाय किसी अन्य एआई द्वारा निर्मित डेटा का उपयोग करती है, तो कॉपीराइट उल्लंघन का दावा करना अधिक कठिन होगा।
इन सभी कारकों और सरकारों द्वारा एआई दौड़ में अग्रणी बनने की बढ़ती मांग ने सामग्री निर्माताओं को एक बहुत ही खतरनाक स्थिति में डाल दिया है। आशा है कि आने वाले महीनों में एआई डेवलपर्स अधिक प्रभावी प्रशिक्षण रणनीतियां बनाएँगे जो डेटा का उपयोग करने वाले लोगों का सम्मान और मुआवजा करें।
अन्य कूल एआई प्रोजेक्ट्स के बारे में अब जानें।











