पैलेंटिर के सीईओ एलेक्स कार्प ने सिलिकॉन वैली में हाल के समय में लोकप्रिय हुए “tokenmaxxing” विचार की आलोचना की है, जिसमें उन्होंने कहा कि AI के उपयोग को बढ़ाना वास्तविक व्यावसायिक मूल्य उत्पन्न करने के समान नहीं है। पैलेंटिर AIP Con 10 के दौरान एक साक्षात्कार में, उन्होंने कहा कि बाजार अब “AI क्या वास्तविक है?” की चर्चा से आगे बढ़कर “AI वास्तविक रूप से काम करता है, लेकिन कई परिदृश्यों में यह अपेक्षित तरीके से काम नहीं कर रहा है” पर स्थानांतरित हो गया है।
Controversy points to high-consumption usage
टोकन का अर्थ है वह बुनियादी मापक इकाई जिसका उपयोग बड़े भाषा मॉडल टेक्स्ट को प्रोसेस करने के लिए करते हैं, और एआई सेवा प्रदाता आमतौर पर टोकन के उपभोग के आधार पर शुल्क लेते हैं। पिछले कुछ सप्ताहों में, सिलिकॉन वैली के कुछ पेशेवरों ने "टोकनमैक्सिंग" संस्कृति पर पुनर्विचार करना शुरू कर दिया है, जिसका अर्थ है एआई एजेंट के विकास की गति के साथ चलने के लिए एआई के उपयोग को लगभग कोई सीमा नहीं रखना।
कार्प का मानना है कि अधिक टोकन का अर्थ अक्सर अधिक गुणवत्ता रहित आउटपुट होता है, न कि अधिक मूल्यवान परिणाम। पिछले महीने, पैलेंटिर के मुख्य प्रौद्योगिकी अधिकारी श्याम संकर ने भी फंड्स कॉल पर इसी तरह का दृष्टिकोण व्यक्त किया, जिसमें उन्होंने कंपनी के भीतर "नो स्लॉप ज़ोन" पर जोर दिया और सस्ते मॉडल कॉल को मूल्य के रूप में नहीं मानने की बात कही।
Palantir प्रणाली पर बल देता है, मॉडल के स्टैकिंग पर नहीं।
संकर ने उस समय कहा कि केवल सस्ते AI से स्वचालित रूप से अधिक रिटर्न नहीं मिलेगा, और व्यवसायों को अभी भी Palantir AIP जैसी प्रणालियों की आवश्यकता है, जो मॉडल क्षमताओं को वास्तविक व्यावसायिक परिवेश से जोड़ें और गलत आउटपुट के कारण होने वाले आर्थिक नुकसान से बचें।
कार्प ने नवीनतम साक्षात्कार में और बताया कि मॉडल को सामान्य सामग्री उत्पन्न करने के बजाय, AI को निरंतर संचालित व्यवसाय प्रक्रियाओं में एकीकृत करना वास्तव में कठिन है। उदाहरण के लिए, चीन के GDP वृद्धि पर एक रिपोर्ट लिखना, बड़े मॉडल अच्छी तरह से पूरा कर सकते हैं; लेकिन तेल और प्राकृतिक गैस खनन, आपूर्ति श्रृंखला समायोजन, रक्षा उत्पादन या ऑटोमोबाइल उत्पादन जैसी जटिल कार्यों में, AI स्वयं विशिष्ट प्रक्रियाओं का स्थान नहीं ले सकता।
जटिल व्यवसाय को अभी भी निरंतर निष्पादित करने की आवश्यकता है
वह मानते हैं कि इस प्रकार के मुद्दे अक्सर लागत, अनुपालन, नैतिकता और कार्यान्वयन विवरणों को एक साथ शामिल करते हैं, जिनके लिए सटीक और निरंतर संचालन प्रक्रिया की आवश्यकता होती है। बड़े मॉडल इन प्रक्रियाओं को बढ़ा सकते हैं, लेकिन उनका सीधे रूप से स्थानापन्न नहीं कर सकते।
कार्प ने यह भी उल्लेख किया कि उद्योग अब धीरे-धीरे इस बात को समझने लगा है कि AI की क्षमताओं का प्रमाणित किया जा चुका है, लेकिन व्यवसायों के लिए इसे वास्तविक व्यावसायिक परिणाम में बदलने की कुंजी न केवल मॉडल के उपयोग को असीमित रूप से बढ़ाने में है, बल्कि यह स्पष्ट होना चाहिए कि वे किस व्यावसायिक समस्या को हल करना चाहते हैं और मॉडल को किस प्रकार से कार्यान्वयनयोग्य प्रणाली में एकीकृत करें।