टेनसेंट की नई एआई ट्रिक: मॉडल खुद को लूप में सिखा सकते हैं

टेनसेंट ने टर्मिनल-आरएसआई नामक एक प्रशिक्षण तकनीक का अनावरण किया है, जो एक बड़े भाषा मॉडल को अपने स्वयं के अभ्यास समस्याओं को उत्पन्न करके और फिर उन्हें हल करके खुद को बेहतर बनाने की अनुमति देती है। कंपनी ने इस विधि को मॉडलों को एक प्रकार का स्व-निर्देशित शिक्षण लूप देने के तरीके के रूप में वर्णित किया, जिससे मानव-लिखित प्रशिक्षण डेटा पर निर्भरता कम होती है। टेक आउटलेट टीएमटीपोस्ट द्वारा रिपोर्ट की गई इस घोषणा से पता चलता है कि चीनी एआई डेवलपर्स मॉडलों को केवल अधिक टेक्स्ट खिलाने के बजाय उन्हें अधिक सक्षम बनाने पर बढ़ता ध्यान दे रहे हैं।

मूल विचार यह है कि एक मॉडल छात्र और शिक्षक दोनों की भूमिका निभा सकता है। यह कार्यों का प्रस्ताव करता है, उन्हें आजमाता है, परिणामों को सत्यापन योग्य परिणामों के विरुद्ध जाँचता है और अपनी गलतियों से सीखता है। बार-बार चक्रों में, मॉडल का प्रदर्शन उन कार्यों पर सुधरता है जो वह खुद आविष्कार करता है। टेनसेंट इसे पुनरावर्ती आत्म-सुधार का छोटे पैमाने का संस्करण कहता है, एक अवधारणा जिसने लंबे समय से एआई शोधकर्ताओं को मोहित किया है लेकिन विश्वसनीय रूप से लागू करना मुश्किल बना हुआ है। कंपनी की प्रस्तुति से संकेत मिलता है कि वह इस दृष्टिकोण को मजबूत तर्क कौशल के लिए एक व्यावहारिक मार्ग के रूप में देखती है।

टेनसेंट का यह कदम ऐसे समय आया है जब चीन का एआई उद्योग अलग-अलग खेमों में बँट रहा है। हांगझोउ स्थित लैब डीपसीक, जिसने अपने कम लागत वाले मॉडलों से दुनिया को चौंका दिया, ने दक्षता और खुले रिलीज़ पर ध्यान केंद्रित किया है। मूनशॉट एआई द्वारा विकसित किमी ने लंबे संदर्भ वाले दस्तावेज़ प्रसंस्करण में अपनी जगह बनाई है। वीचैट के लिए जानी जाने वाली शेनझेन स्थित इंटरनेट दिग्गज टेनसेंट अपने हुनयुआन मॉडल परिवार का निर्माण कर रही है और अपने उपभोक्ता और उद्यम उत्पादों में एआई को एकीकृत कर रही है। टर्मिनल-आरएसआई का काम तर्क में अंतराल को पाटने के उद्देश्य से प्रतीत होता है, जहाँ अमेरिकी मॉडल अक्सर अग्रणी रहे हैं।

समय महत्वपूर्ण है। डीपसीक ने हाल ही में अपने एपीआई में वेब सर्च के लिए शुल्क लेना शुरू किया है, जो एक संकेत है कि चीनी एआई कंपनियाँ आक्रामक मूल्य प्रतिस्पर्धा की अवधि के बाद टिकाऊ व्यावसायिक मॉडल की ओर बढ़ रही हैं। इसके विपरीत, टेनसेंट का शोध लागत के बजाय क्षमता के बारे में है। यदि मॉडल कम मानवीय निगरानी के साथ खुद को सुधार सकते हैं, तो एआई विकास की अर्थव्यवस्था बदल सकती है, उच्च प्रदर्शन तक पहुँचना सस्ता हो सकता है और संभावित रूप से रिलीज़ की गति तेज हो सकती है।

फिर भी, स्व-सुधार करने वाले मॉडल प्रश्न उठाते हैं। एक मॉडल जो अपना प्रशिक्षण डेटा उत्पन्न करता है, वह अपनी खामियों को मजबूत कर सकता है, जिसे मॉडल पतन के रूप में जाना जाता है। टेनसेंट की विधि सत्यापन योग्य उत्तरों वाले कार्यों पर निर्भर करती है, जो उन क्षेत्रों को सीमित करती है जहाँ यह काम कर सकती है। रचनात्मक लेखन, खुले अंत वाले तर्क और वास्तविक दुनिया की योजना को स्वचालित रूप से जाँचना कठिन है। कंपनी ने यह नहीं बताया है कि कौन से उत्पाद या भविष्य के हुनयुआन मॉडल इस तकनीक का उपयोग करेंगे।

व्यापक संदर्भ एक चीनी एआई बाज़ार है जो भीड़भाड़ वाला और रचनात्मक दोनों हो गया है। स्टार्टअप और दिग्गज दोनों एजेंटिक सिस्टम, सर्च टूल और व्यक्तिगत सहायकों के साथ प्रयोग कर रहे हैं। टेनसेंट का टर्मिनल-आरएसआई उसी पैटर्न में फिट बैठता है: एक शोध प्रगति जो क्लाउड सेवाओं से लेकर उपभोक्ता ऐप्स तक उत्पादों में फीड हो सकती है। वैश्विक पर्यवेक्षकों के लिए, यह एक अनुस्मारक है कि चीन की एआई प्रगति केवल कच्चे पैमाने पर आगे बढ़ने के बारे में नहीं है, बल्कि मॉडलों को प्रशिक्षित और तैनात करने के नए तरीके खोजने के बारे में भी है।

आगे क्या होता है यह परिणामों पर निर्भर करता है। टेनसेंट ने बेंचमार्क पर बहुत कम विवरण प्रकाशित किया है, और स्वतंत्र सत्यापन मायने रखेगा। लेकिन दिशा स्पष्ट है। चीनी लैब्स अब केवल अनुसरण नहीं कर रही हैं; वे एआई की सबसे कठिन समस्या का अपना उत्तर प्रस्तावित कर रही हैं, जो यह है कि डेटा या पैसा खत्म हुए बिना मॉडलों को और अधिक स्मार्ट कैसे बनाया जाए।