By 
અમેરિકન વિજ્ઞાની ગેરી માર્કસ લેરી એલિસનને તેની ક્ષણ આપવા દેતા નથી. જ્યારે ઓરેકલના સ્થાપકે તાજેતરમાં દલીલ કરી હતી કે AI મોડેલોમાંથી ઓપનએઆઈ, Googleમેટા, અને xAI બધા કોમોડિટીમાં ફેરવાઈ રહ્યા છે કારણ કે તેઓ સમાન જાહેર ઇન્ટરનેટ ડેટા પર તાલીમ આપે છે, માર્કસે કહ્યું. તેનો સંદેશ, X પર પોસ્ટ કરવામાં આવ્યો હતો, તે અસ્પષ્ટ હતો: તેણે આ ચોક્કસ પરિણામને બે વર્ષ પહેલાં કહ્યું હતું, અને સિલિકોન વેલી ફક્ત સાંભળતી ન હતી. “મેં આ લોકોને બરાબર આ સમસ્યા વિશે ચેતવણી આપી હતી – કોઈ મોટ નથી કારણ કે દરેક એક જ ડેટા પર તાલીમ લઈ રહ્યા છે – બે વર્ષ પહેલા,” એનવાયયુ પ્રોફેસર એમેરિટસે લખ્યું હતું. તેમણે ઉમેર્યું હતું કે ઉદ્યોગ દ્વારા તેના પોતાના બબલની બહાર કોઈને સાંભળવાનો ઇનકાર એ “તેમને ખરેખર ખૂબ જ મોટી રકમનો ખર્ચ કરવો પડશે.”
લેરી એલિસનને લાગે છે કે આગામી AI ગોલ્ડમાઇન ખાનગી ડેટામાં બંધ છે
એલિસનની દલીલ ડિસેમ્બરમાં ઓરેકલના નાણાકીય Q2 2026 કમાણી કોલ દરમિયાન આવી હતી. સીટીઓએ એક સરળ થીસીસ રજૂ કરી: દરેક મોટા મોટા ભાષાના મોડેલને સમાન સ્ક્રેપ કરેલા ઇન્ટરનેટ ડેટા પર તાલીમ આપવામાં આવે છે, તેથી તે બધા લગભગ સમાન હોય છે. “તે બધા મૂળભૂત રીતે સમાન છે. અને તેથી જ તેઓ આટલી ઝડપથી કોમોડિટાઇઝ્ડ બની રહ્યા છે,” તેમણે કહ્યું. તેની પિચ એ હતી કે આગામી મોટી તરંગ વધુ સારા બેઝ મોડલ્સ બનાવવા વિશે નહીં હોય. તે AI માલિકીના એન્ટરપ્રાઇઝ ડેટાને ખવડાવવા વિશે હશે જ્યારે તેને લૉક ડાઉન અને સુરક્ષિત રાખો.ઓરેકલ તે શરત પાછળ વાસ્તવિક પૈસા મૂકી રહ્યું છે. કંપની વર્ષ માટે આશરે $50 બિલિયન મૂડી ખર્ચનો અંદાજ લગાવી રહી છે, જે માત્ર ત્રણ મહિના અગાઉના $35 બિલિયનના અંદાજથી વધારે છે. તેની દલીલ એ છે કે સૌથી મૂલ્યવાન ખાનગી ડેટા પહેલેથી જ ઓરેકલ ડેટાબેઝની અંદર બેસે છે, અને તેનું AI ડેટા પ્લેટફોર્મ રીટ્રીવલ-ઓગમેન્ટેડ જનરેશન જેવી તકનીકોનો ઉપયોગ કરે છે જેથી મોડલને તે ડેટામાંથી વાસ્તવિક સમયમાં સુરક્ષા ટ્રેડ-ઓફ વગર ખેંચી શકાય.
માર્કસે 2024 માં પાછા ભાવ યુદ્ધ અને ‘નો મોટ’ સમસ્યા ગણાવી
માર્કસ માટે, આ તે સાબિતી છે જેની તે રાહ જોઈ રહ્યો હતો. માર્ચ 2024 ની આસપાસ, તેમણે GPT-4-સ્તરના મોડલના ગીચ ક્ષેત્ર, ક્રૂર કિંમત યુદ્ધ, કોઈ વાસ્તવિક ખાઈ અને હઠીલા વિશ્વસનીયતા સમસ્યાઓની આગાહી કરી હતી કે જે એકલા સ્કેલિંગથી ઠીક થશે નહીં. તેમાંથી ઘણું બધું રમ્યું. Claude, Gemini, Llama, Grok, અને ઓપન-સોર્સ ચેલેન્જર્સ જેમ કે DeepSeek હવે બેન્ચમાર્ક પર ચુસ્તપણે ક્લસ્ટર છે, જ્યારે API કિંમતો તૂટી ગઈ છે અને Nvidia જેવા ચિપમેકર્સ સિવાય દરેક માટે નફો પ્રપંચી રહ્યો છે.માર્કસ લાંબા સમયથી બ્રુટ-ફોર્સ સ્કેલિંગના વિકલ્પોને આગળ ધપાવે છે, ન્યુરોસિમ્બોલિક સિસ્ટમ્સની તરફેણ કરે છે જે તર્ક અને માળખાગત તર્ક સાથે પેટર્નની ઓળખને મિશ્રિત કરે છે. તે અવિચારી મૂડી ખર્ચ તરીકે જે જુએ છે તેના વિશે પણ તે અવાજ ઉઠાવે છે, એકવાર AI કેપેક્સ સ્પ્રીને ઇતિહાસમાં નાણાંની સૌથી મોટી ખોટી ફાળવણીમાંની એક તરીકે ઓળખવામાં આવે છે.તેમ છતાં, તે એલિસનના વિચારને સંપૂર્ણપણે લખી રહ્યો નથી. માર્કસ સ્વીકારે છે કે માલિકીનો ડેટા “કેટલાક સંકુચિત ઉપયોગના કેસોમાં” મદદ કરે છે, જેમ કે વ્યાપક બચાવની ઉદ્યોગને આશા નથી. વિવેચકો કાઉન્ટર કરે છે કે વાસ્તવિક મોટ્સ કોઈપણ રીતે, વિતરણ, બ્રાન્ડ, સલામતી અથવા સ્થિર એન્ટરપ્રાઈઝ રેકોર્ડ્સને બદલે ગ્રાહક એપ્લિકેશનો દ્વારા વહેતા વપરાશકર્તા-પ્રતિક્રિયાના ડેટામાં હોઈ શકે છે.
