Published on

2024 मधील AI क्षेत्रातील 5 प्रमुख ट्रेंड्स: Conviction Capital चा दृष्टिकोन

लेखक
  • avatar
    नाव
    Ajax
    Twitter

2024 मधील AI क्षेत्रातील 5 प्रमुख ट्रेंड्स

या वर्षी NeurIPS 2024 मध्ये, Conviction Capital चे संस्थापक Sarah Guo आणि भागीदार Pranav Reddy यांनी 'AI स्टार्टअप्सची सद्यस्थिती' यावर त्यांचे विचार मांडले. त्यांनी 2024 मधील AI क्षेत्रातील 5 प्रमुख ट्रेंड्सचा आढावा घेतला आणि भविष्यातील गुंतवणुकीवर होणाऱ्या परिणामांवर चर्चा केली.

  • बेस मॉडेलमधील वाढती स्पर्धा: 2024 मध्ये बेस मॉडेल्समधील स्पर्धा अधिक तीव्र झाली आहे.
  • ओपन सोर्स मॉडेलची जलद प्रगती: ओपन सोर्स मॉडेलची स्पर्धात्मकता वाढत आहे आणि काही बाबतीत ते क्लोज्ड सोर्स मॉडेल्सपेक्षाही सरस ठरत आहेत.
  • लहान मॉडेलची सुधारलेली कार्यक्षमता: लहान मॉडेल्सनी कार्यक्षमतेत लक्षणीय सुधारणा केली आहे आणि त्यांची किंमतही कमी आहे, ज्यामुळे ती अधिक किफायतशीर ठरत आहेत.
  • मल्टीमॉडल तंत्रज्ञानातील प्रगती: मल्टीमॉडल तंत्रज्ञान भविष्यातील विकासासाठी महत्त्वाचे ठरत आहे, जे वापरकर्त्यांना नवीन अनुभव देत आहे.
  • स्केलिंग लॉमधील नवीन प्रगती: स्केलिंग लॉमध्ये मर्यादा असल्या तरी, नवीन विस्तार प्रारूपे उदयास येत आहेत, ज्यामुळे AI च्या भविष्याला नवी दिशा मिळत आहे.

बेस मॉडेलमधील तीव्र स्पर्धा

2024 मध्ये बेस मॉडेलच्या स्पर्धेत लक्षणीय बदल झाले आहेत. Chatbot Arena च्या आकडेवारीनुसार, एक वर्षापूर्वी OpenAI चे मॉडेल कार्यक्षमतेत खूप पुढे होते, पण आता Google आणि इतर कंपन्यांनीही स्पर्धात्मक मॉडेल्स सादर केले आहेत. ओपन सोर्स मॉडेलमध्येही सुधारणा होत आहे, ज्यामुळे कंपन्यांना API निवडण्यासाठी अधिक पर्याय उपलब्ध झाले आहेत.

  • OpenAI च्या टोकन वापरात घट: गेल्या वर्षी नोव्हेंबर अखेरीस, OpenAI चा टोकन वापर 90% होता, जो आता जवळपास 60% पर्यंत खाली आला आहे. याचा अर्थ असा की वापरकर्ते आता विविध मॉडेल वापरून पाहत आहेत.
  • ओपन सोर्स मॉडेलचा उदय: SEAL क्रमवारीत, ओपन सोर्स मॉडेलने गणितीय क्षमता, सूचनांचे पालन आणि मजबूतता यांमध्ये उत्कृष्ट कामगिरी केली आहे. Llama मॉडेल पहिल्या तीनमध्ये आहे.

ओपन सोर्स मॉडेलची आश्चर्यकारक प्रगती

ओपन सोर्स मॉडेलने अनेक बाबतीत आश्चर्यकारक प्रगती दर्शविली आहे. MMLU मूल्यांकनानुसार, काही लहान पॅरामीटर असलेले ओपन सोर्स मॉडेल आता अत्याधुनिक मॉडेलच्या जवळपास पोहोचले आहेत. एक वर्षापूर्वी, Mistral-7b मॉडेलने 60 गुण मिळवले होते, तर आता Llama 8B मॉडेलने 10 पेक्षा जास्त गुण मिळवले आहेत.

लहान मॉडेल अधिक किफायतशीर

लहान आणि मोठ्या मॉडेलमधील अंतर कमी होत आहे आणि AI ची किंमतही मोठ्या प्रमाणात घटत आहे. OpenAI च्या फ्लॅगशिप मॉडेलच्या API ची किंमत गेल्या एक ते दीड वर्षात 80-85% नी कमी झाली आहे. याचा अर्थ AI वापरून ॲप्लिकेशन्स बनवण्याचा खर्च खूप कमी झाला आहे.

  • AI ॲप्स बनवण्याचा खर्च घटला: Notion किंवा Coda सारखे ॲप्स बनवण्यासाठी आता काही हजार डॉलर्स खर्च येतो.

मल्टीमॉडल तंत्रज्ञान: भविष्य

मल्टीमॉडल तंत्रज्ञान AI क्षेत्रातील एक महत्त्वाचे विकास क्षेत्र बनत आहे. कमी-विलंबता आवाज, अंमलबजावणी क्षमता आणि व्हिडिओ यांसारख्या नवीन पद्धतीमुळे वापरकर्त्यांना नवीन अनुभव मिळत आहेत.

  • आवाज संवाद सुधारला: कमी-विलंबता आवाज हे केवळ एक वैशिष्ट्य नाही, तर एक नवीन संवाद अनुभव आहे.
  • AI च्या अंमलबजावणीत वाढ: Claude ची कॉम्प्युटर वापरण्याची क्षमता आणि OpenAI ने कॅनव्हासमध्ये सादर केलेले कोड एक्झिक्युशन फीचर वापरकर्त्यांना अधिक शक्तिशाली AI क्षमता देत आहेत.

स्केलिंग लॉमधील नवीन प्रगती

स्केलिंग लॉमध्ये मर्यादा असल्या तरी, नवीन विस्तार प्रारूपे उदयास येत आहेत. OpenAI ने स्केलिंग लॉच्या मर्यादांवर मात करण्याचा मार्ग शोधला आहे आणि RL सेल्फ-प्ले यांसारख्या तंत्रज्ञानाचा वापर करून मॉडेलची कार्यक्षमता वाढवत आहे.

AI गुंतवणुकीतील बदल

असे म्हटले जात असले, की AI क्षेत्रात 'बबल' आहे, तरी वस्तुस्थिती अशी आहे की बेस मॉडेल प्रयोगशाळांमध्ये मोठ्या प्रमाणात निधी जात आहे, तर प्रत्यक्ष काम करणाऱ्या कंपन्यांना योग्य प्रमाणात निधी मिळत आहे.

  • ॲप्लिकेशन लेयरचे कमी मूल्यांकन: पूर्वी, बेस मॉडेलला अधिक महत्त्व दिले जात होते आणि ॲप्लिकेशन लेयरला कमी लेखले जात होते. पण, AI इकोसिस्टममध्ये अनेक संधी आहेत आणि ॲप्लिकेशन लेयरमध्येही खूप काही करता येण्यासारखे आहे.

स्टार्टअप्ससाठी मोठी संधी

AI इकोसिस्टममध्ये बेस मॉडेलपेक्षा जास्त संधी ॲप्लिकेशन लेयरमध्ये आहेत. अनेक नवीन शोध आणि वेगवेगळ्या प्रकारची मॉडेल्स बाजारात येत आहेत. स्पर्धा खूप आहे आणि ओपन सोर्स प्रोजेक्ट्सही वाढत आहेत.

  • सेवा ऑटोमेशन: AI अनेक कामांचे ऑटोमेशन करू शकते, ज्यामुळे खर्च कमी होतो आणि कार्यक्षमता वाढते.
  • उत्तम शोध: AI वापरकर्त्यांना माहिती शोधण्यात आणि मिळवण्यात मदत करते, ज्यामुळे त्यांना अधिक वैयक्तिक अनुभव मिळतो.
  • कौशल्यांचे लोकशाहीकरण: AI विविध कौशल्यांना लोकशाहीकृत करत आहे, ज्यामुळे अधिक लोकांना निर्मिती आणि नवकल्पनांमध्ये सहभागी होण्याची संधी मिळत आहे.

AI लाटेतील गुंतवणुकीची दिशा

AI इन्फ्रा (कम्प्युटिंग आणि डेटा) हे AI लाटेतील एक महत्त्वाचे गुंतवणुकीचे क्षेत्र आहे. AI तंत्रज्ञानाच्या विकासामुळे, तज्ञ डेटा आणि अधिक प्रकारच्या डेटाची मागणी वाढत आहे.

'सॉफ्टवेअर 3.0' चा उदय

एकंदरीत, या बदलांना 'सॉफ्टवेअर 3.0' म्हणता येईल. हे एक पूर्णपणे नव्याने विचार करण्याची प्रक्रिया आहे, जी नवीन कंपन्यांसाठी खूप फायदेशीर ठरू शकते. बदलाची गती स्टार्टअप्ससाठी अनुकूल आहे.

  • उत्पादने आणि पायाभूत सुविधांचा पुनर्विचार: नवीन AI मॉडेलनुसार, उत्पादने आणि पायाभूत सुविधा कशा तयार करायच्या, याचा पुनर्विचार करण्याची गरज आहे.
  • मोठ्या तंत्रज्ञानाच्या आणि आर्थिक संधी: AI मुळे तंत्रज्ञान आणि अर्थव्यवस्थेमध्ये मोठ्या संधी उपलब्ध झाल्या आहेत, ज्यांचा फायदा घेणे आवश्यक आहे.

स्टार्टअप्स आणि मोठ्या कंपन्यांमधील स्पर्धा

या स्पर्धेत स्टार्टअप्स जिंकणार की मोठ्या कंपन्या? मोठ्या कंपन्यांकडे वितरण आणि डेटाचा फायदा असला तरी, स्टार्टअप्स चांगले उत्पादन आणि नवीन व्यवसाय मॉडेल वापरून स्पर्धा करू शकतात.

  • नवीन कल्पनांचा अभाव: मोठ्या कंपन्या नवीन कल्पनांना स्वीकारायला कचरतात, तर स्टार्टअप्स नवीन वापरकर्ता अनुभव आणि कोड जनरेशन वापरून आव्हान देऊ शकतात.
  • डेटाचे महत्त्व: स्टार्टअप्सनी त्यांच्या उत्पादनाची गुणवत्ता सुधारण्यासाठी कोणत्या प्रकारचा डेटा आवश्यक आहे, याचा विचार करणे आवश्यक आहे, फक्त मोठ्या कंपन्यांच्या डेटावर अवलंबून राहू नये.