AI हे Computer आहे

AI हे Computer आहे

आम्ही नुकतेच Perplexity Computer लाँच केले आहे. ही पोस्ट त्यामागील आमचा तर्क स्पष्ट करते.

दर काही आठवड्यांनी, बाजारपेठेत खळबळ उडवून देणारे एखादे नवीन AI उत्पादन लाँच होते. हा एक नवीन उपक्रम आहे, किंवा एखादा एजंट आहे, किंवा आणखी काही. ते काहीही असो, ते काय करू शकत नाही हे मी तुम्हाला सांगू शकतो.

जगातील सर्वोत्तम AI मॉडेल असूनही, ते तुमच्यासाठी त्याचे सर्वोत्कृष्ट कार्य करू शकत नाही.

मला कसे माहीत? कारण फ्रंटियर मॉडेल्सची स्थिती इतकी प्रगत झाली आहे की त्यापैकी कोणत्याहीकडून सर्वोत्तम कार्य करून घेण्यासाठी, तुम्हाला वेगवेगळ्या मॉडेल्सना एकत्र काम करणे आवश्यक आहे. Claude ची सर्वात मोठी कमजोरी अशी आहे की ते केवळ Claude सोबतच सहकार्य करते.

इतरांच्या कौशल्याशिवाय कोणतीही मॉडेल फॅमिली सर्वोच्च स्तरावर कार्य करू शकत नाही. मॉडेल्स अधिक शक्तिशाली होत असताना, आपण त्यांना विशिष्ट कार्ये करताना पाहत आहोत. AI चे भविष्यातील स्वरूप असे असेल की जेव्हा विविध मॉडेल्स एकत्र काम करतील तेव्हा तुमचे सर्वोत्कृष्ट कार्य पूर्ण होईल.

AI मध्ये आपण याला "ऑर्केस्ट्रेशन" किंवा कधीकधी "हर्नेस" म्हणतो. तुम्हाला जे म्हणायचे असेल ते म्हणा, बहु-मॉडेल ऑर्केस्ट्रेशनची उत्कृष्ट कामगिरी मॉडेल्सच्या कोणत्याही वैयक्तिक कुटुंबापेक्षा कितीतरी पटीने पुढे आहे.

AI चापुढील टप्पा मोठ्या प्रमाणावर मल्टीमॉडल असणे आवश्यक आहे. ते Perplexity Computer आहे. बॅकएंडमध्ये एकोणीस मॉडेल्स उपलब्ध आहेत, आणि आउटपुटने मला थोड्या काळातील AI मधील इतर कशापेक्षाही जास्त प्रभावित केले आहे.

ते कसे अस्तित्वात आले ते येथे आहे.

Computer कसे तयार केले गेले

सुरुवातीला, आम्ही आमच्या प्रयोगाचे नाव ASI ठेवले. याचा खरोखर कशाशीही संबंध नव्हता, परंतु कधीकधी आम्ही याला "आर्टिफिशियल सुपर इंटेलिजन्स" म्हणत असे. (याचा अर्थ "अदर स्लॅक इंटीग्रेशन" असाही असू शकतो, कारण ते सुरुवातीला तिथेच राहत होते.)

आम्ही याचा विचार एक डिजिटल कामगार म्हणून केला. तुम्ही स्लॅक मध्ये एका कार्यासाठी कामगाराला मेसेज करता, आणि ते कामाला लागते. ते वेगवेगळ्या कामांसाठी सबएजन्ट्स तयार करून, पुढील टप्प्यात स्वतःला मदत करण्यासाठी फाइल्स बनवून, महत्त्वाची माहिती शोधून आणि आवश्यक असेल तेव्हाच अधूनमधून तपासणी करून काम सोपवते. तुम्ही झोपून जाऊ शकता आणि आठवडेभर काम पूर्ण करून उठू शकता. किंवा, तुम्ही ते आठवडेभर काम करण्यास सांगू शकता, आणि ते विश्वासाने आणि वारંवार पुढे चालू राहील.

या काळात, जगाला Clawdbot चा शोध लागला, ज्याला आता OpenClaw म्हटले जाते. मालवेअर तुमचे मजकूर वाचत असल्यास, ते मनोरंजक होते. आपण पाहू शकतो की ASI अधिक सुरक्षित आणि अधिक सक्षम होते: यात फाइल सिस्टम होती, शेकडो साधनांशी जोडलेले होते, फाइल्स वाचू आणि लिहू शकत होते, कोड लिहू शकत होते, CLI साधने वापरू शकत होते, इंटरनेट ब्राउझ करू शकत होते आणि प्रत्येक कार्य योग्य उप-एजन्ट्सना ऑर्केस्ट्रेट करण्यास सक्षम होते जे त्या कार्यासाठी अनुकूल सर्वोत्तम मॉडेल वापरतात. क्लाऊडवर सुरक्षित विकास सँडबॉक्समध्ये सर्व काही.

वास्तवik पाहता, ASI खरोखर एक रिमोट डिजिटल कामगार नव्हता. फाइल सिस्टममध्ये प्रवेश, कोड सुरक्षितपणे कार्यान्वित करण्यासाठी शेल, आणि वेब ॲप्स आणि कनेक्टरमध्ये प्रवेश करण्यासाठी ब्राउझरसह, ASI मुळात एक कॉम्प्युटर होता. तुमचा कॉम्प्युटर. तो कॉम्प्युटर.

म्हणून आम्ही त्याचे अधिकृत नाव Perplexity Computer ठेवले.

वेब का महत्त्वाचे आहे

2011 मध्ये, गुगलला अशी कल्पना सुचली की तुम्ही फक्त इंटरनेट, फाइल्स आणि बाश टर्मिनलसह कॉम्प्युटर लाँच करू शकता. त्याला क्रोमबुक म्हटले गेले. कॉम्प्युटरचा सर्वात महत्त्वाचा भाग असा आहे की त्यात वेब प्रवेश आहे हे समजून घेण्यात गुगल बरोबर होते.

वेब हेच आपले कार्य आणि संवाद करण्याचे ठिकाण आहे. शाब्दिक आणि लक्षणिक दोन्ही अर्थांनी हे आपले स्टोरेज डिव्हाइस देखील आहे. यात प्रचंड प्रमाणात डेटा, माहिती आणि ज्ञान साठवलेले असते. काही सामायिक केलेले, काही वैयक्तिक.

जर तुम्ही वेबचा विचार ज्ञानाची स्टोरेज प्रणाली म्हणून केला, तर ते नेहमीच WRITE फंक्शनमध्ये खूप चांगले राहिले आहे. पहिले ब्लॉग 90 च्या दशकाच्या सुरुवातीला प्रकाशित झाले होते, आणि तेव्हापासून वेबवर ज्ञानाचे प्रकाशन आणि साठवणूक प्रचंड प्रमाणात वाढली आहे.

क्रोमबुक बाबत गुगलने ज्या गोष्टीचा अंदाज बांधला नाही ती म्हणजे स्टोरेज प्रणाली म्हणून वेबची सर्वात मोठी समस्या खरोखरच READ फंक्शन आहे. वेबवरून ज्ञान वाचण्यासाठी, आपण अल्गोरिदमिक शोधावर अवलंबून राहिलो आहोत जो 28 वर्षांपासून कमी-अधिक प्रमाणात बदललेला नाही.

ज्ञानात प्रवेश मिळवण्याचा एक मार्ग म्हणून सर्च इंजिन कधीही सखोल संशोधन, संश्लेषण किंवा सारांश करण्यास सक्षम नाहीत. तसेच सर्च इंजिन एजंटप्रमाणे वागू शकत नाहीत, वेबवरील अशा कोणत्याही ज्ञानात प्रवेश करू शकत नाहीत ज्यामध्ये प्रवेश करण्यासाठी कृती आवश्यक असते.

नंतर AI आले. Perplexity ने पहिले उत्तर इंजिन तयार केले, आणि बाकीचे त्याचे अनुसरण करत आहेत. सखोल संशोधनावर तीव्र लक्ष केंद्रित करून, आम्ही अचूक AI वर लक्ष केंद्रित केले आहे. याचे कारण असे की जेव्हा AI शोधू शकते, विश्लेषण करू शकते, तर्क करू शकते आणि खुल्या वेबवरील सर्व ज्ञान अचूकपणे प्रस्तुत करू शकते, तेव्हा READ समस्या शेवटी सुटते.

जर इंटरनेट हे पृथ्वीच्या ज्ञानाची स्टोरेज डिस्क असेल, तर Perplexity ने रीड फंक्शन सोडवले आहे.

एकदा वेब पूर्णपणे कार्यक्षम रीड/राइट स्टोरेज सिस्टीम बनली की, नेव्हिगेट करू शकणाऱ्या आणि कार्ये पार पाडू शकणाऱ्या एजंट्ससह, कॉम्प्युटरला आवश्यक असलेली एकमेव गोष्ट म्हणजे वैयक्तिक असलेली प्रत्येक गोष्ट.

सतत स्मृती कॉम्प्युटरला वैयक्तिक बनवते. यात फाइल्स आणि साधने आहेत, आणि त्या तुमच्या फाइल्स आणि साधने आहेत, खाजगी आणि तुमच्या प्राधान्यांच्या मते तयार केलेल्या. कॉम्प्युटर तुमच्यासाठी, वैयक्तिकरित्या त्यांच्याशी काम करण्यास सक्षम असला पाहिजे.

कॉम्प्युटर देखील तयार करतात. ते कोड, दस्तऐवज आणि फाइल्स यांसारखे खरे आर्टिफॅक्ट्स बनवतात. ते फाइल्स साठवतात, फाइल्स पुनर्प्राप्त करतात, नवीन फाइल्स लिहितात, फाइल्समध्ये प्रवेश करतात. AI या सर्व गोष्टी करू शकते. शेवटी, जेव्हा AI हे सर्व काम करत असते, तेव्हा तुम्हाला कॉम्प्युटरमधील विविध कामांसाठी विविध फ्रंटियर मॉडेल्स हाताशी असणे आवश्यक असते.

उपयुक्त असणाऱ्या कोणत्याही कॉम्प्युटरसाठी एकाच मॉडेलला त्या सर्वांवर चांगले कार्य करण्यासाठी खूप वेगवेगळ्या कौशल्यांची आवश्यकता असते. कॉम्प्युटरसाठी ऑर्केस्ट्रेशन आवश्यक आहे.

याचा अर्थ असा असू शकतो की AI जसजसे प्रगत होईल तसतसे ऑपरेटिंग सिस्टमचा हार्ड कोड डिव्हाइस उत्पादकांसाठी एक तटबंदी कमी होईल. मला माहीत नाही. आपल्याला जे माहीत आहे ते म्हणजे कॉम्प्युटर ही ऑर्केस्ट्रेशन प्रणाली आहे.

ऑर्केस्ट्रेशन का महत्त्वाचे आहे

स्टीव्ह जॉब्स म्हणाले, "संगीतकार त्यांची वाद्ये वाजवतात. मी ऑर्केस्ट्रा वाजवतो." AI ही यासारखेच आहे. Stradivarius मध्ये विशिष्ट गुणधर्म असतात, आणि आपण त्याच्या आवाजाने आणि कारागिरीने थक्क होतो. पण तरीही ते बास ड्रमप्रमाणे तुम्हाला हलवू शकत नाही, आणि ड्रम महलरच्या सिम्फनीप्रमाणे तुम्हाला हलवू शकत नाही.

मॉडेल निर्माते हे आपल्या काळातील अँटोनियो Stradivaris आहेत. माझा याचा अनादर करण्याचा अर्थ नाही. मी प्रत्येक नवीन मॉडेल क्षमतेबद्दल थक्क आहे आणि फ्रंटियर लॅबमधील कामाचा एक उत्कट समर्थक आहे. ते आपले भविष्य पुढे नेतात.

परंतु आता आपण पाहतो की मॉडेल्स विशेषीकरण करत आहेत, कमोडिटायझिंग करत नाहीत. जेव्हा तुम्ही त्यांच्यासोबत एजंट तयार करता, तेव्हा त्यांच्यात कोणत्याही कामगाराप्रमाणे वेगवेगळी कौशल्ये असतात. एक तर्कात उत्तम आहे. दुसरे कोडमध्ये. दुसरे क्रिएटिव्ह रायटिंगमध्ये. महत्त्वाचे हे आहे की तुम्ही त्यांचे ऑर्केस्ट्रेशन कसे करता.

वास्तविक काम हाताळण्यासाठी पुरेशी अष्टपैलू प्रणाली तयार करण्याचा एकमेव मार्ग म्हणजे मॉडेल्स आणि कुटुंबांमध्ये ऑर्केस्ट्रेशन करणे. जेव्हा तुम्हाला निर्णयाची माहिती देण्यासाठी सखोल संशोधनाची आवश्यकता असते, तेव्हा तुम्हाला अचूकता आणि पुनर्प्राप्तीसाठी अनुकूलित केलेल्या मॉडेलची इच्छा असते. जेव्हा तुम्हाला कोड लिहण्याची आवश्यकता असते, तेव्हा तुम्हाला उत्पादन कोबसेसच्या अब्जावधी ओळींवर प्रशिक्षित मॉडेल हवे असते.

तुम्ही लोकांच्या टीमचे व्यवस्थापन करत असाल, किंवा संगीतकारांच्या सिम्फनीचे, उच्च दर्जाचे काम नेहमीच असेच असते. AI एजंट काही वेगळे नसतात.

वर्कफ्लोसाठी, भिन्नता ही हार्नेस आहे. एक प्लॅनर जटिल उद्दिष्टांचे उपकार्यांमध्ये विभाजन करतो. एक ऑकेस्ट्रेटर ती कार्ये योग्य एजंट्सना नियुक्त करतो, नियम लागू करतो आणि अंमलबजावणी व्यवस्थापित करतो. विशेष उप-एजंट्स केंद्रित कृती करतात. सामायिक मेमरी सातत्यसाठी संदर्भ आणि शिकणे संग्रहित करते. दुसऱ्या शब्दांत, बुद्धिमत्ता हे संगणक आहे.

कॉम्प्युटरचा पुढील उत्क्रांती

400 वर्षांपूर्वी, एक "कॉम्प्युटर" हा खगोलशास्त्रज्ञाचा शिकाऊ होता. (ज्या लोकांनी धूमकेतूंना नावे दिली.)

त्यानंतर, कॉम्प्युटर मेकॅनिकल होता, नंतर इलेक्ट्रोमेकॅनिकल, नंतर डिजिटल. 1974 च्या सुमारास, GUI आले (ग्राफिकल युजर इंटरफेस). GUI सह, आम्ही नवीन मार्गांनी कॉम्प्युटरसह कार्य करू शकलो. आम्ही ते सोपवू शकलो आणि त्याचे कार्य पाहू शकलो. नंतर, पोर्टेबल, वैयक्तिक कॉम्प्युटर बनण्यासाठी स्क्रीन कीबोर्डवर दुमडली गेली.

स्टीव्ह जॉब्सने प्रत्येक व्यक्तीच्या खिशात वैयक्तिक कॉम्प्युटर ठेवला तेव्हा कॉम्प्युटरची पुढील उत्क्रांती झाली असे म्हणणे हा एक मीम आहे. आज असे म्हणणे अधिक अचूक वाटते की त्यांनी प्रत्येकाच्या चेहऱ्यावर एक स्क्रीन ठेवली. प्रत्येकजण स्क्रोल करत आहे. गेल्या 49 वर्षांत, GUI चा विकास आपण कॉम्प्युटर कसा नियंत्रित करतो यापासून कॉम्प्युटर आपल्याला कसा नियंत्रित करतो असा झाला आहे.

या मॉडेलबद्दलचा थकवा वाढत आहे. OpenClaw फॅड दरम्यान Mac Minis साठी झालेली धावपळ याचे उत्तम उदाहरण होते. GUI आवश्यक आहेत, परंतु ते नेहमीच आवश्यक असतात असे नाही.

AI मॉडेल्स शेवटी कॉम्प्युटरला त्याच्या खऱ्या अर्थावर परत आणण्यासाठी इतके प्रगत झाले आहेत: स्वायत्तपणे, अचूकपणे कार्य करण्यासाठी. आणि अतुल्यकालिकपणे, आपल्याला ते कार्य करताना पाहण्यापासून मुक्त करण्यासाठी.

माऊस, GUI आणि कीबोर्ड ही सर्व महत्त्वाची तंत्रज्ञाने आहेत, परंतु ते इंटरफेस आहेत. आणि जर तुम्हाला पूर्ण सेल्फ-ड्रायव्हिंग घोडा नको असेल, तर तुम्हाला हे कबूल करावे लागेल की इंटरफेस कधीही कॉम्प्युटरइतका महत्त्वाचा राहिलेला नाही.

भविष्य हे Computer आहे

AI मॉडेल्स इतके सक्षम होत आहेत की त्यांच्याभोवती तयार केलेली उत्पादने त्यांच्या खऱ्या क्षमतेचे प्रदर्शन करण्यासाठी एक अडथळा ठरली आहेत. उत्तर देण्यासाठी चॅट UI चांगले आहे, आणि वैयक्तिक कामांसाठी एजंट्स चांगले आहेत. यादरम्यान, संपूर्ण वर्कफ्लोसाठी UI नेहमीच कॉम्प्युटर राहिला आहे.

AI आता पूर्णपणे बहु-मॉडेल आहे. ते एकाच सुसंगत प्रणालीमध्ये डेटाचे अनेक प्रकार समजून घेते आणि निर्माण करते. जेन्सेन आणि इतरांनी म्हटले आहे की AI चे भविष्य देखील मल्टीमॉडल असणे आवश्यक आहे. ते बरोबर आहेत; विशिष्ट मॉडेल्सनी टीमप्रमाणे सहयोग करणे आवश्यक आहे. AI चे भविष्य मोठ्या प्रमाणावर मल्टीमॉडल आहे असे म्हणणे अधिक अचूक असू शकते.

AI जसजसे कॉम्प्युटर स्वतःचे कार्य बदलत जाईल, तसतसे कॉम्प्युटरची मुख्य क्रिया मोठ्या प्रमाणावर मल्टीमॉडल ऑर्केस्ट्रेशन असेल.

आणि आपण केवळ सुरुवातीला आहोत. 2025 मध्ये, सरासरी दर 17 दिवसांनी एक नवीन फ्रंटियर मॉडेल बाजारात प्रवेश केला. AI मधील प्रत्येक नवीन क्षमता प्रगतीसह, सिम्फनीमध्ये आपली जागा घेण्यासाठी दुसरा संगीतकार मंचावर येतो. कंडक्टर त्याची छडी वाजवतो. कॉम्प्युटर कामाला लागतो.

आजच Computer वापरून पहा.