सार्वजनिक इंटरनेट डेटावर प्रशिक्षण घेतल्याने AI मॉडेल्स समान होत असल्याचा दावा
Oracle आता खाजगी डेटामध्ये भविष्यातील AI संधी शोधत असल्याचे संकेत
AI क्षेत्रातील वाढत्या स्पर्धेमध्ये आता मोठ्या टेक कंपन्यांच्या धोरणांवर प्रश्नचिन्ह उपस्थित केले जात आहे. Oracleचे सह-संस्थापक लॅरी एलिसन यांनी सर्व मोठी AI मॉडेल्स समान सार्वजनिक इंटरनेट डेटावर प्रशिक्षित होत असल्याने ती “कमोडिटी” बनत असल्याचे म्हटले आहे. यावर अमेरिकन शास्त्रज्ञ गॅरी मार्कस यांनी प्रतिक्रिया देत आपण दोन वर्षांपूर्वीच हा इशारा दिला होता, असे सांगितले. मार्कस यांच्या मते, AI उद्योगाने “नो मोट” समस्येकडे दुर्लक्ष केले आणि त्याची मोठी किंमत आता मोजावी लागू शकते. दरम्यान, Oracle आता खाजगी एंटरप्राइझ डेटामध्ये AI चे भविष्यातील मोठे मार्केट पाहत असल्याचे स्पष्ट झाले आहे.
मुंबई : AI क्षेत्रातील वाढत्या स्पर्धेदरम्यान Oracleचे सह-संस्थापक लॅरी एलिसन यांच्या विधानामुळे नव्या चर्चेला सुरुवात झाली आहे. एलिसन यांनी अलीकडेच असा दावा केला की OpenAI, Google, Meta आणि xAI यांसारख्या कंपन्यांची AI मॉडेल्स एकाच सार्वजनिक इंटरनेट डेटावर प्रशिक्षण घेत असल्यामुळे आता जवळपास सारखीच होत चालली आहेत.
या विधानावर अमेरिकन शास्त्रज्ञ आणि NYUचे प्राध्यापक एमेरिटस गॅरी मार्कस यांनी तीव्र प्रतिक्रिया दिली. त्यांनी सोशल मीडिया प्लॅटफॉर्म X वर पोस्ट करत म्हटले की, “मी दोन वर्षांपूर्वीच या समस्येबद्दल इशारा दिला होता. सर्वजण समान डेटावर प्रशिक्षण घेत असल्याने कोणत्याही कंपनीकडे खरा ‘मोट’ किंवा वेगळेपणा राहणार नाही.” उद्योगाने बाहेरील मतांकडे दुर्लक्ष केल्यामुळे त्यांना आता मोठी किंमत मोजावी लागेल, असेही त्यांनी नमूद केले.
एलिसन यांनी डिसेंबरमध्ये झालेल्या Oracleच्या आर्थिक Q2 2026 कमाई कॉलमध्ये आपले मत मांडले होते. त्यांच्या मते, पुढील AI क्रांती ही अधिक शक्तिशाली बेस मॉडेल्स तयार करण्याबद्दल नसून सुरक्षित आणि खाजगी एंटरप्राइझ डेटावर नियंत्रण मिळवण्याबद्दल असेल. Oracle यासाठी मोठी गुंतवणूक करत असून कंपनीने यावर्षी सुमारे 50 अब्ज डॉलर भांडवली खर्चाचा अंदाज व्यक्त केला आहे.
Oracle चा दावा आहे की सर्वात मौल्यवान खाजगी डेटा आधीपासूनच त्यांच्या डेटाबेसमध्ये उपलब्ध आहे. कंपनीचे AI डेटा प्लॅटफॉर्म रिट्रीव्हल-ऑग्मेंटेड जनरेशनसारख्या तंत्रांचा वापर करून मॉडेल्सना सुरक्षित पद्धतीने रिअल-टाइम डेटा वापरण्याची सुविधा देते.
दरम्यान, गॅरी मार्कस यांनी यापूर्वीच AI क्षेत्रात तीव्र किंमत युद्ध, “नो मोट” समस्या आणि वाढत्या खर्चामुळे उद्भवणाऱ्या अडचणींचा अंदाज वर्तवला होता. Claude, Gemini, Llama, Grok आणि DeepSeek यांसारखी मॉडेल्स आता बेंचमार्कवर जवळपास समान कामगिरी करत असल्याचेही त्यांनी नमूद केले.
मार्कस यांनी पारंपरिक AI स्केलिंगऐवजी न्यूरोसिम्बोलिक सिस्टीमचा पुरस्कार केला आहे. त्यांच्या मते, केवळ मोठ्या प्रमाणावर खर्च करून AI क्षेत्रात दीर्घकालीन यश मिळवणे कठीण आहे. तथापि, काही विशिष्ट क्षेत्रांमध्ये खाजगी डेटा उपयुक्त ठरू शकतो, असे त्यांनी मान्य केले आहे.
