सार:
कृत्रिम बुद्धिमत्ता प्रौद्योगिकी में बढ़ती प्रतिस्पर्धा के संदर्भ में, Apple, जो हमेशा अपनी सख्त गोपनीयता सुरक्षा के लिए जाना जाता है, अपनी मुख्य डेटा नीतियों में रणनीतिक समायोजन कर रहा है। नवीनतम समाचार से पता चलता है कि ऐप्पल ने सामान्य एआई मॉडल को प्रशिक्षित करने के लिए व्यक्तिगत ग्राहक डेटा का उपयोग कभी नहीं करने की अपनी पिछली प्रतिबद्धता को बदल दिया है, और अपने कृत्रिम बुद्धिमत्ता एल्गोरिदम और मशीन लर्निंग सिस्टम के प्रशिक्षण और अनुकूलन में तेजी लाने के लिए विशिष्ट ढांचे के तहत अज्ञात या अधिकृत उपयोगकर्ता इंटरैक्शन डेटा के उपयोग का पता लगाना शुरू कर दिया है।
लंबे समय से, Apple ने हमेशा प्रौद्योगिकी दिग्गजों के बीच "डिवाइस-साइड प्राथमिकता" और "शून्य डेटा संग्रह प्रशिक्षण" को अपने मुख्य विक्रय बिंदु के रूप में माना है, इस बात पर जोर दिया है कि Apple इंटेलिजेंस सहित कृत्रिम बुद्धिमत्ता सुविधाएँ मुख्य रूप से चलाने के लिए स्थानीय चिप कंप्यूटिंग शक्ति पर निर्भर करती हैं, और जटिल गणनाओं से युक्त निजी क्लाउड कंप्यूटिंग (प्राइवेट क्लाउड कंप्यूट) यह भी वादा करती है कि डेटा को पढ़ने के बाद नष्ट कर दिया जाएगा, बनाए नहीं रखा जाएगा, और माध्यमिक प्रशिक्षण के लिए उपयोग नहीं किया जाएगा। हालाँकि, जैसे-जैसे बड़े पैमाने के भाषा मॉडल और मल्टी-मोडल मॉडल के लिए उच्च-गुणवत्ता वाले वास्तविक इंटरैक्शन दृश्य डेटा की मांग तेजी से बढ़ रही है, केवल सार्वजनिक वेब क्रॉलिंग और व्यावसायिक रूप से खरीदे गए कॉपीराइट डेटा सेट पर निर्भरता धीरे-धीरे अपनी सीमाएं दिखा रही है।
आपूर्ति श्रृंखला और सॉफ्टवेयर पारिस्थितिकी तंत्र के अंदरूनी सूत्रों के खुलासे के अनुसार, ऐप्पल का समायोजन इस बार बॉटम-लाइन व्यापक डेटा कैप्चर में बदलाव नहीं है, बल्कि एक अधिक नियंत्रित चरणबद्ध तंत्र है। उपयोगकर्ताओं के पास जानने और चुनने का स्पष्ट अधिकार होगा, और सिस्टम भविष्य में अधिक परिष्कृत ऑप्ट-इन विकल्प पेश कर सकता है, जिससे उपभोक्ताओं को यह तय करने की अनुमति मिलेगी कि मॉडल की गुणवत्ता में सुधार करने में मदद के लिए गुमनाम रूप से डी-आइडेंटिफाइड टेक्स्ट इनपुट, सिरी इंटरैक्शन लॉग या एप्लिकेशन उपयोग फीडबैक साझा करना है या नहीं। साथ ही, विभेदक गोपनीयता और स्थानीय सिंथेटिक डेटा जेनरेशन तकनीक अभी भी डेटा प्रीप्रोसेसिंग के लिए फ्रंट-एंड बाधा के रूप में काम करेगी ताकि किसी भी संवेदनशील व्यक्तिगत पहचान योग्य जानकारी को मॉडल भार के साथ भौतिक रूप से जुड़े होने से रोका जा सके।
विश्लेषकों ने बताया कि Apple की अपनी डेटा प्रशिक्षण नीति को ठीक करना बड़े मॉडल क्षमताओं के लिए प्रतिस्पर्धा में उसके सामने आने वाले वास्तविक दबाव को दर्शाता है। OpenAI, Google और Meta जैसे प्रतिस्पर्धियों की तुलना में, समृद्ध, वास्तविक समय के वास्तविक उपयोगकर्ता कॉर्पस फीडबैक की कमी ने एक बाधा का गठन किया है जिसे Apple के बाद के बड़े पैमाने के टर्मिनल मॉडल, क्रॉस-एप्लिकेशन संदर्भ समझ क्षमताओं और यहां तक कि सिरी की नई पीढ़ी के विकास के लिए नजरअंदाज नहीं किया जा सकता है। कुछ विनियमित डेटा प्रशिक्षण चैनलों को उदार बनाकर, ऐप्पल अपने "गोपनीयता पहले" ब्रांड की मंशा का पालन करते हुए अपने एआई पारिस्थितिकी तंत्र को एल्गोरिदम पुनरावृत्ति के लिए आवश्यक महत्वपूर्ण ईंधन प्रदान करने का प्रयास कर रहा है।
टिप्पणियाँ