প্যালানটিরের সিইও আলেক্স কার্প সিলিকন ভ্যালির সাম্প্রতিক জনপ্রিয় “টোকেনম্যাক্সিং” ধারণাকে প্রকাশ্যে সমালোচনা করেছেন, যেখানে কোম্পানিগুলি AI ব্যবহার বাড়ানোকে বাস্তব ব্যবসায়িক মূল্য সৃষ্টির সমান বলে মনে করে। প্যালানটির AIP Con 10-এর সময় একটি সাক্ষাৎকারে তিনি বলেন, বাজার “AI কি বাস্তবিকই বিদ্যমান?” এই আলোচনা থেকে “AI প্রকৃতপক্ষে কাজ করে, কিন্তু অনেক পরিস্থিতিতে এটি প্রত্যাশিতভাবে কাজ করছে না”-এর দিকে সরে গেছে।
দাবি উচ্চ খরচ ব্যবহারের দিকে নির্দেশ করে
টোকেন হল বড় ভাষামডেল দ্বারা টেক্সট প্রক্রিয়াকরণের জন্য ব্যবহৃত মৌলিক পরিমাপ একক, এবং এআই সরবরাহকারীরা সাধারণত টোকেন খরচের ভিত্তিতে চার্জ করেন। গত কয়েক সপ্তাহে, সিলিকন ভ্যালির কিছু পেশাদাররা “টোকেনম্যাক্সিং” সংস্কৃতির প্রতি পুনর্বিচার শুরু করেছেন, যা এআই এজেন্টের উন্নয়নের গতি অনুসরণের জন্য এআই ব্যবহারকে প্রায় কোনও সীমাবদ্ধতা ছাড়াই বাড়ানোকে বোঝায়।
কার্পের মতে, বেশি টোকেন প্রায়শই বেশি মানের কম আউটপুটকেই বোঝায়, বরং উচ্চতর মানের ফলাফলকে নয়। গত মাসে পালান্টিয়ারের চিফ টেকনোলজি অফিসার শ্যাম সাঙ্কারও ফিনানশিয়াল রিজাল্টস কলে একই ধরনের মতামত প্রকাশ করেন, যেখানে তিনি বলেন যে কোম্পানির ভিতরে “নো স্লপ জোন”-এর উপর জোর দেওয়া হয়, এবং সস্তা মডেল কলকেই মূল্যের সমতুল্য হিসাবে বিবেচনা করা হয় না।
প্যালান্টির মডেল স্ট্যাকিংয়ের পরিবর্তে সিস্টেমের উপর জোর দেয়
সংকর তখন বলেছিলেন যে, শুধু সস্তা এআই স্বয়ংক্রিয়ভাবে বেশি রিটার্ন আনবে না; ব্যবসাগুলির এখনও পালানটির এআইপি-এর মতো সিস্টেমের প্রয়োজন হবে, যা মডেলের ক্ষমতাকে বাস্তব ব্যবসায়িক পরিবেশের সাথে সংযুক্ত করবে এবং ভুল আউটপুটের কারণে অর্থনৈতিক ক্ষতি এড়াবে।
কার্প সর্বশেষ সাক্ষাতকারে আরও বলেন, মডেলকে একটি সাধারণ কন্টেন্ট তৈরি করতে বাধ্য করা সত্যিকারের চ্যালেঞ্জ নয়, বরং AI-কে অবিরাম চলমান ব্যবসায়িক প্রক্রিয়াগুলিতে এমবেড করা। উদাহরণস্বরূপ, চীনের জিডিপি বৃদ্ধি সম্পর্কিত একটি প্রতিবেদন লেখা, বড় মডেলগুলি ভালভাবে সম্পন্ন করতে পারে; কিন্তু তেল-প্রাকৃতিক গ্যাস খনন, সাপ্লাই চেইন সমন্বয়, প্রতিরক্ষা উৎপাদন বা অটোমোবাইল উৎপাদনের মতো জটিল কাজগুলিতে, AI নিজেই নির্দিষ্ট প্রক্রিয়াগুলির পরিবর্তে আসতে পারে না।
জটিল ব্যবসায়িক কার্যক্রম এখনও চলমান থাকতে হবে
তিনি মনে করেন যে এই ধরনের সমস্যাগুলি প্রায়শই খরচ, সঙ্গতি, নৈতিকতা এবং বাস্তবায়নের বিস্তারিত দিকগুলির সাথে একসাথে জড়িত, যার জন্য সুনির্দিষ্ট এবং অবিরাম অপারেশনাল প্রক্রিয়ার প্রয়োজন। বড় মডেলগুলি এই প্রক্রিয়াগুলিকে শক্তিশালী করতে পারে, কিন্তু এগুলিকে সরাসরি প্রতিস্থাপন করতে পারে না।
কার্প আরও উল্লেখ করেন যে, শিল্পটি এখন ধীরে ধীরে বুঝতে শুরু করেছে যে AI-এর ক্ষমতা প্রমাণিত হয়েছে, কিন্তু ব্যবসাগুলি যদি এটিকে প্রকৃত বাণিজ্যিক ফলাফলে রূপান্তরিত করতে চায়, তবে মডেলের ব্যবহারকে অসীমভাবে বাড়ানোর চেয়ে গুরুত্বপূর্ণ হলো এটি বুঝতে পারা যে কোন ব্যবসায়িক সমস্যা সমাধান করতে চায় এবং মডেলটিকে কীভাবে কার্যকরী সিস্টেমের সাথে সংযুক্ত করবে।