2024 में AI के 5 प्रमुख विषय: निवेश और स्टार्टअप के लिए नए अवसर

2024 में AI क्षेत्र के पांच प्रमुख विषय

इस वर्ष के NeurIPS 2024 सम्मेलन में, कनविक्शन कैपिटल के संस्थापक सारा गुओ और पार्टनर प्रणव रेड्डी ने "एआई स्टार्टअप की वर्तमान स्थिति" पर अंतर्दृष्टि साझा की। उन्होंने 2024 में एआई क्षेत्र के पांच प्रमुख विषयों की व्यवस्थित समीक्षा की और भविष्य के निवेश पर इन विषयों के प्रभाव पर चर्चा की।

1. बेस मॉडल की बढ़ती प्रतिस्पर्धा: 2024 में, बेस मॉडलों के बीच प्रतिस्पर्धा पहले से कहीं अधिक तीव्र है।

2. ओपन-सोर्स मॉडल में तेजी से प्रगति: ओपन-सोर्स मॉडल की प्रतिस्पर्धात्मकता लगातार बढ़ रही है, कुछ मामलों में बंद-स्रोत मॉडल से भी आगे निकल रही है।

3. छोटे मॉडलों की बेहतर लागत-प्रभावशीलता: छोटे मॉडलों ने प्रदर्शन में उल्लेखनीय प्रगति की है, और वे कम खर्चीले और अधिक लागत प्रभावी हैं।

4. मल्टीमॉडल तकनीक में सफलता: मल्टीमॉडल तकनीक भविष्य के विकास के लिए एक महत्वपूर्ण दिशा बन रही है, जो उपयोगकर्ताओं के लिए नए इंटरैक्टिव अनुभव ला रही है।

5. स्केलिंग लॉ में नई सफलता: स्केलिंग लॉ में सीमाओं के बावजूद, नए विस्तार प्रतिमान उभर रहे हैं, जो एआई के भविष्य के विकास के लिए नई आशा ला रहे हैं।

बेस मॉडल की प्रतिस्पर्धा में तेजी

2024 में बेस मॉडल की प्रतिस्पर्धा परिदृश्य में महत्वपूर्ण बदलाव आया है। चैटबॉट एरिना के आंकड़ों से पता चलता है कि एक साल पहले OpenAI के मॉडल प्रदर्शन में काफी आगे थे, लेकिन अब, Google जैसी अन्य कंपनियों ने भी प्रतिस्पर्धी मॉडल पेश किए हैं। ओपन-सोर्स मॉडल भी लगातार प्रगति कर रहे हैं, जिससे कंपनियों को एपीआई चुनते समय अधिक विकल्प मिल रहे हैं।

OpenAI के टोकन की खपत में गिरावट: पिछले साल नवंबर के अंत में, OpenAI के टोकन की खपत कुल का लगभग 90% थी, लेकिन अब एक साल से भी कम समय में, यह अनुपात गिरकर लगभग 60% हो गया है, यह दर्शाता है कि उपयोगकर्ता विभिन्न मॉडलों को आजमा रहे हैं।
ओपन-सोर्स मॉडल का उदय: SEAL रैंकिंग द्वारा स्वतंत्र मूल्यांकन से पता चलता है कि ओपन-सोर्स मॉडल गणितीय क्षमता, निर्देश अनुपालन और प्रतिकूल मजबूती जैसे क्षेत्रों में उत्कृष्ट प्रदर्शन कर रहे हैं, और Llama मॉडल शीर्ष तीन में शामिल है।

ओपन-सोर्स मॉडल की आश्चर्यजनक प्रगति

ओपन-सोर्स मॉडल ने कई क्षेत्रों में आश्चर्यजनक प्रगति की गति दिखाई है। MMLU मूल्यांकन से पता चलता है कि कुछ छोटे-पैरामीटर वाले ओपन-सोर्स मॉडल प्रदर्शन में सबसे उन्नत मॉडलों के करीब पहुंच गए हैं। एक साल पहले, सबसे अच्छा छोटा मॉडल Mistral-7b इस मूल्यांकन में लगभग 60 अंक हासिल कर रहा था, जबकि अब Llama 8B मॉडल ने 10 से अधिक अंक का सुधार किया है।

छोटे मॉडल अधिक लागत प्रभावी

छोटे मॉडल और बड़े मॉडल के बीच का अंतर कम हो रहा है, और एआई की कीमतें भी तेजी से गिर रही हैं। OpenAI के प्रमुख मॉडल की एपीआई लागत पिछले एक से डेढ़ साल में लगभग 80-85% तक गिर गई है। इसका मतलब है कि AI का उपयोग करके एप्लिकेशन बनाने की लागत में काफी कमी आई है।

AI एप्लिकेशन बनाने की लागत में कमी: Notion या Coda जैसे एप्लिकेशन बनाने के लिए, आवश्यक टोकन लागत केवल कुछ हजार डॉलर है।

मल्टीमॉडल तकनीक भविष्य है

मल्टीमॉडल तकनीक एआई क्षेत्र में एक महत्वपूर्ण विकास दिशा बन रही है। कम विलंबता वाली आवाज, निष्पादन क्षमताओं और वीडियो जैसे नए तौर-तरीकों का उदय उपयोगकर्ताओं के लिए नए इंटरैक्टिव अनुभव ला रहा है।

आवाज इंटरैक्शन अनुभव में सुधार: कम विलंबता वाली आवाज न केवल एक कार्यात्मक विशेषता है, बल्कि एक नया इंटरैक्शन अनुभव भी है।
AI निष्पादन क्षमता में वृद्धि: क्लाउड की कंप्यूटर उपयोग क्षमता और कैनवास में OpenAI द्वारा शुरू किए गए कोड निष्पादन कार्यों ने उपयोगकर्ताओं के लिए अधिक शक्तिशाली AI क्षमताएं लाई हैं।

स्केलिंग लॉ में नई सफलता

हालांकि स्केलिंग लॉ में सीमाएं हैं, लेकिन नए विस्तार प्रतिमान उभर रहे हैं। ऐसा लगता है कि OpenAI ने स्केलिंग लॉ की सीमाओं को तोड़ने का एक तरीका खोज लिया है, और RL सेल्फ-प्ले जैसी तकनीकों के माध्यम से मॉडल के प्रदर्शन में सुधार कर रहा है।

AI निवेश का माहौल तर्कसंगत हो रहा है

हालांकि कुछ लोगों का मानना है कि AI क्षेत्र में बुलबुला है, लेकिन वास्तविक स्थिति यह है कि बेस मॉडल प्रयोगशालाओं में बड़ी मात्रा में धन प्रवाहित हो रहा है, जबकि वास्तविक संचालन कंपनियों को अपेक्षाकृत उचित मात्रा में धन मिल रहा है।

एप्लिकेशन लेयर का अवमूल्यन: अतीत में, यह व्यापक रूप से माना जाता था कि बेस मॉडल अधिक मूल्यवान हैं, जबकि एप्लिकेशन लेयर का कोई मूल्य नहीं है। लेकिन वास्तव में, एआई पारिस्थितिकी तंत्र में अवसर बहुत समृद्ध हैं, और एप्लिकेशन लेयर भी बहुत कुछ कर सकती है।

स्टार्टअप कंपनियों के लिए बड़े अवसर

एआई पारिस्थितिकी तंत्र में अवसर बेस मॉडल से कहीं अधिक हैं, और एप्लिकेशन लेयर में भी बड़ी क्षमता है। विभिन्न प्रकार के नवाचार उभर रहे हैं, विभिन्न प्रकार के मॉडल की अपनी-अपनी ताकतें हैं, बाजार में प्रतिस्पर्धा तीव्र है, और ओपन-सोर्स परियोजनाएं भी फल-फूल रही हैं।

सेवा स्वचालन: AI कई दोहराव वाले कार्यों को स्वचालित कर सकता है, जिससे लागत कम होती है और दक्षता में सुधार होता है।
बेहतर खोज के लिए नई दिशा: AI उपयोगकर्ताओं को बेहतर ढंग से जानकारी खोजने और प्राप्त करने में मदद कर सकता है, और अधिक व्यक्तिगत अनुभव प्रदान कर सकता है।
कौशल का लोकतंत्रीकरण: AI विभिन्न कौशलों को लोकतांत्रिक बना रहा है, जिससे अधिक लोग निर्माण और नवाचार में भाग ले सकते हैं।

AI लहर में निवेश की दिशा

AI इन्फ्रा (कंप्यूटिंग पावर और डेटा) AI लहर में एक महत्वपूर्ण निवेश दिशा है। AI तकनीक के विकास के साथ, विशेषज्ञ डेटा और अधिक प्रकार के डेटा की मांग भी लगातार बढ़ रही है।

"सॉफ्टवेयर 3.0" युग आ रहा है

कुल मिलाकर, हम इन परिवर्तनों की श्रृंखला को "सॉफ्टवेयर 3.0" के रूप में संक्षेप में प्रस्तुत करते हैं। हमारा मानना है कि यह एक पूर्ण-स्टैक पुन: विचार है, जो नई पीढ़ी की कंपनियों के लिए जबरदस्त फायदे लाएगा। परिवर्तन की गति स्टार्टअप कंपनियों के लिए फायदेमंद है।

उत्पादों और बुनियादी ढांचे पर पुनर्विचार: हमें नए AI प्रतिमानों को अपनाने के लिए उत्पादों को डिजाइन करने और बुनियादी ढांचे के निर्माण के तरीके पर पुनर्विचार करने की आवश्यकता है।
विशाल तकनीकी और आर्थिक अवसर: AI ने जबरदस्त तकनीकी और आर्थिक अवसर लाए हैं, जिन्हें हमें हथियाने की आवश्यकता है।

स्टार्टअप कंपनियों और दिग्गजों के बीच लड़ाई

जीत का फल अंततः स्टार्टअप कंपनियों को मिलेगा या मौजूदा दिग्गजों को? हालांकि दिग्गजों के पास वितरण चैनल और डेटा लाभ हैं, स्टार्टअप कंपनियां बेहतर उत्पादों और नवीन व्यावसायिक मॉडल के माध्यम से प्रतिस्पर्धा कर सकती हैं।

नवाचारक की दुविधा: मौजूदा कंपनियां नवाचारक की दुविधा से सीमित हो सकती हैं, जबकि स्टार्टअप कंपनियां नए उपयोगकर्ता अनुभव प्रतिमानों और कोड पीढ़ी के माध्यम से मौजूदा मॉडलों को चुनौती दे सकती हैं।
डेटा का महत्व: स्टार्टअप कंपनियों को इस बारे में सोचने की ज़रूरत है कि उन्हें अपने उत्पादों की गुणवत्ता में सुधार के लिए किस प्रकार के डेटा की ज़रूरत है, न कि केवल मौजूदा कंपनियों के डेटा पर निर्भर रहने की।