BMS, BUS, ଶିଳ୍ପ, ଉପକରଣ କେବୁଲ ପାଇଁ।

ଏଲୋନ୍ ମସ୍କ ଏବଂ xAI ଦଳ ଏକ ଲାଇଭଷ୍ଟ୍ରିମ୍ ସମୟରେ Grokର ନୂତନତମ ସଂସ୍କରଣ, Grok3, ଆନୁଷ୍ଠାନିକ ଭାବରେ ଲଞ୍ଚ କରିଥିଲେ। ଏହି କାର୍ଯ୍ୟକ୍ରମ ପୂର୍ବରୁ, ମସ୍କଙ୍କ 24/7 ପ୍ରଚାରମୂଳକ ପ୍ରଚାର ସହିତ ଜଡିତ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ପରିମାଣର ସମ୍ପର୍କିତ ସୂଚନା, Grok3 ପାଇଁ ବିଶ୍ୱବ୍ୟାପୀ ଆଶାକୁ ଅଭୂତପୂର୍ବ ସ୍ତରକୁ ବୃଦ୍ଧି କରିଥିଲା। ମାତ୍ର ଗୋଟିଏ ସପ୍ତାହ ପୂର୍ବରୁ, DeepSeek R1 ଉପରେ ମନ୍ତବ୍ୟ ଦେବା ସମୟରେ ମସ୍କ ଏକ ଲାଇଭଷ୍ଟ୍ରିମ୍ ସମୟରେ ଆତ୍ମବିଶ୍ୱାସର ସହିତ କହିଥିଲେ, "xAI ଏକ ଉନ୍ନତ AI ମଡେଲ୍ ଲଞ୍ଚ କରିବାକୁ ଯାଉଛି।" ଲାଇଭ୍ ଉପସ୍ଥାପିତ ତଥ୍ୟରୁ, Grok3 ଗଣିତ, ବିଜ୍ଞାନ ଏବଂ ପ୍ରୋଗ୍ରାମିଂ ପାଇଁ ମାନଦଣ୍ଡରେ ସମସ୍ତ ବର୍ତ୍ତମାନର ମୁଖ୍ୟଧାରାର ମଡେଲଗୁଡ଼ିକୁ ଅତିକ୍ରମ କରିଛି ବୋଲି ରିପୋର୍ଟ କରାଯାଇଛି, ମସ୍କ ଏପରିକି ଦାବି କରିଛନ୍ତି ଯେ Grok3 SpaceX ର ମଙ୍ଗଳ ମିଶନ ସହିତ ଜଡିତ କମ୍ପ୍ୟୁଟେସନାଲ୍ କାର୍ଯ୍ୟ ପାଇଁ ବ୍ୟବହାର କରାଯିବ, "ତିନି ବର୍ଷ ମଧ୍ୟରେ ନୋବେଲ୍ ପୁରସ୍କାର ସ୍ତରରେ ସଫଳତା" ପୂର୍ବାନୁମାନ କରିଛନ୍ତି। ତଥାପି, ଏଗୁଡ଼ିକ ବର୍ତ୍ତମାନ କେବଳ ମସ୍କଙ୍କ ଦାବି। ଲଞ୍ଚ ପରେ, ମୁଁ Grok3 ର ନୂତନତମ ବିଟା ସଂସ୍କରଣ ପରୀକ୍ଷା କରି ବଡ଼ ମଡେଲଗୁଡ଼ିକ ପାଇଁ କ୍ଲାସିକ୍ ଟ୍ରିକ୍ ପ୍ରଶ୍ନ ଉଠାଇଛି: "କେଉଁଟି ବଡ଼, 9.11 କିମ୍ବା 9.9?" ଦୁଃଖର ବିଷୟ, କୌଣସି ଯୋଗ୍ୟତା କିମ୍ବା ଚିହ୍ନ ବିନା, ସବୁଠାରୁ ଚତୁର କୁହାଯାଉଥିବା Grok3 ଏପର୍ଯ୍ୟନ୍ତ ଏହି ପ୍ରଶ୍ନର ସଠିକ୍ ଉତ୍ତର ଦେଇପାରିଲେ ନାହିଁ। Grok3 ପ୍ରଶ୍ନର ଅର୍ଥକୁ ସଠିକ୍ ଭାବରେ ଚିହ୍ନଟ କରିବାରେ ବିଫଳ ହେଲେ।
ଏହି ପରୀକ୍ଷାଟି ଶୀଘ୍ର ଅନେକ ବନ୍ଧୁଙ୍କଠାରୁ ଯଥେଷ୍ଟ ଧ୍ୟାନ ଆକର୍ଷଣ କଲା, ଏବଂ ସଂଯୋଗବଶତଃ, ବିଦେଶରେ ବିଭିନ୍ନ ସମାନ ପରୀକ୍ଷାରୁ Grok3 ମୌଳିକ ପଦାର୍ଥ ବିଜ୍ଞାନ/ଗଣିତ ପ୍ରଶ୍ନ ସହିତ ସଂଘର୍ଷ କରୁଥିବା ଦେଖାଯାଇଛି ଯେପରିକି "ପିସାର ଲିନିଂ ଟାୱାରରୁ କେଉଁ ବଲ୍ ପ୍ରଥମେ ପଡ଼ିଥାଏ?" ତେଣୁ, ଏହାକୁ ହାସ୍ୟରସପୂର୍ଣ୍ଣ ଭାବରେ "ସରଳ ପ୍ରଶ୍ନର ଉତ୍ତର ଦେବାକୁ ଅନିଚ୍ଛୁକ ଜଣେ ପ୍ରତିଭା" ଭାବରେ ଲେବଲ୍ କରାଯାଇଛି।

Grok3 ଭଲ, କିନ୍ତୁ ଏହା R1 କିମ୍ବା o1-Pro ଅପେକ୍ଷା ଭଲ ନୁହେଁ।
ଅଭ୍ୟାସରେ ଅନେକ ସାଧାରଣ ଜ୍ଞାନ ପରୀକ୍ଷାରେ Grok3 "ବିଫଳତା" ଅନୁଭବ କରିଥିଲା। xAI ଲଞ୍ଚ ଇଭେଣ୍ଟ ସମୟରେ, ମସ୍କ ଖେଳ Path of Exile 2 ରୁ ଚରିତ୍ର ଶ୍ରେଣୀ ଏବଂ ପ୍ରଭାବ ବିଶ୍ଳେଷଣ କରିବା ପାଇଁ Grok3 ବ୍ୟବହାର କରି ପ୍ରଦର୍ଶନ କରିଥିଲେ, ଯାହାକୁ ସେ ପ୍ରାୟତଃ ଖେଳିବାକୁ ଦାବି କରିଥିଲେ, କିନ୍ତୁ Grok3 ଦ୍ୱାରା ପ୍ରଦାନ କରାଯାଇଥିବା ଅଧିକାଂଶ ଉତ୍ତର ଭୁଲ ଥିଲା। ଲାଇଭଷ୍ଟ୍ରିମ୍ ସମୟରେ ମସ୍କ ଏହି ସ୍ପଷ୍ଟ ସମସ୍ୟାକୁ ଲକ୍ଷ୍ୟ କରିନଥିଲେ।
ଏହି ଭୁଲ ବିଦେଶୀ ନେଟିଜେନମାନଙ୍କୁ ଗେମିଂରେ "ବିକଳ୍ପ ଖୋଜିବା" ପାଇଁ ମସ୍କଙ୍କୁ ପରିହାସ କରିବା ପାଇଁ କେବଳ ଅଧିକ ପ୍ରମାଣ ପ୍ରଦାନ କରିନଥିଲା ବରଂ ବ୍ୟବହାରିକ ପ୍ରୟୋଗରେ Grok3 ର ନିର୍ଭରଯୋଗ୍ୟତା ସମ୍ପର୍କରେ ମଧ୍ୟ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଚିନ୍ତାଧାରା ସୃଷ୍ଟି କରିଥିଲା। ଏପରି "ପ୍ରତିଭା" ପାଇଁ, ଏହାର ପ୍ରକୃତ କ୍ଷମତା ନିର୍ବିଶେଷରେ, ମଙ୍ଗଳ ଅନୁସନ୍ଧାନ କାର୍ଯ୍ୟ ଭଳି ଅତ୍ୟନ୍ତ ଜଟିଳ ପ୍ରୟୋଗ ପରିସ୍ଥିତିରେ ଏହାର ନିର୍ଭରଯୋଗ୍ୟତା ସନ୍ଦେହରେ ରହିଛି।
ବର୍ତ୍ତମାନ, ଅନେକ ପରୀକ୍ଷକ ଯେଉଁମାନେ ସପ୍ତାହ ପୂର୍ବରୁ Grok3 ରେ ପ୍ରବେଶ ପାଇଥିଲେ, ଏବଂ ଯେଉଁମାନେ ଗତକାଲି କିଛି ଘଣ୍ଟା ପାଇଁ ମଡେଲ କ୍ଷମତା ପରୀକ୍ଷା କରିଥିଲେ, ସେମାନେ ସମସ୍ତେ ଏକ ସାଧାରଣ ନିଷ୍କର୍ଷକୁ ଇଙ୍ଗିତ କରୁଛନ୍ତି: "Grok3 ଭଲ, କିନ୍ତୁ ଏହା R1 କିମ୍ବା o1-Pro ଅପେକ୍ଷା ଭଲ ନୁହେଁ।"

"Nvidia କୁ ବାଧା ଦେବା" ଉପରେ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଦୃଷ୍ଟିକୋଣ
ପ୍ରକାଶନ ସମୟରେ ଆନୁଷ୍ଠାନିକ ଭାବରେ ଉପସ୍ଥାପିତ PPTରେ, Grok3 କୁ ଚାଟବଟ୍ ଆରେନାରେ "ବହୁତ ଆଗରେ" ଦର୍ଶାଯାଇଥିଲା, କିନ୍ତୁ ଏହା ଚତୁରତାର ସହିତ ଗ୍ରାଫିକ୍ କୌଶଳ ବ୍ୟବହାର କରିଥିଲା: ଲିଡରବୋର୍ଡରେ ଭୂଲମ୍ବ ଅକ୍ଷ କେବଳ 1400-1300 ସ୍କୋର ପରିସରରେ ଫଳାଫଳ ତାଲିକାଭୁକ୍ତ କରିଥିଲା, ଯାହା ଫଳରେ ପରୀକ୍ଷା ଫଳାଫଳରେ ମୂଳ 1% ପାର୍ଥକ୍ୟ ଏହି ଉପସ୍ଥାପନାରେ ଅସାଧାରଣ ଭାବରେ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଦେଖାଯାଉଛି।

ପ୍ରକୃତ ମଡେଲ୍ ସ୍କୋରିଂ ଫଳାଫଳରେ, Grok3 DeepSeek R1 ଏବଂ GPT-4.0 ଠାରୁ ମାତ୍ର 1-2% ଆଗରେ ଅଛି, ଯାହା ବ୍ୟବହାରିକ ପରୀକ୍ଷାରେ ଅନେକ ଉପଭୋକ୍ତାଙ୍କ ଅଭିଜ୍ଞତା ସହିତ ମେଳ ଖାଉଛି ଯେଉଁମାନେ "କୌଣସି ଆଖିଦୃଶିଆ ପାର୍ଥକ୍ୟ" ପାଇଲେ ନାହିଁ। Grok3 କେବଳ 1%-2% ଦ୍ୱାରା ଏହାର ଉତ୍ତରାଧିକାରୀଙ୍କୁ ଅତିକ୍ରମ କରିଛି।

ଯଦିଓ Grok3 ବର୍ତ୍ତମାନ ସମସ୍ତ ସାର୍ବଜନୀନ ଭାବରେ ପରୀକ୍ଷିତ ମଡେଲଗୁଡ଼ିକ ଅପେକ୍ଷା ଅଧିକ ସ୍କୋର କରିଛି, ଅନେକ ଏହାକୁ ଗମ୍ଭୀରତାର ସହ ନେଉନାହାଁନ୍ତି: ସର୍ବପରି, Grok2 ଯୁଗରେ xAI ପୂର୍ବରୁ "ସ୍କୋର ହେରଫେର" ପାଇଁ ସମାଲୋଚନା କରାଯାଇଛି। ଲିଡରବୋର୍ଡ ଉତ୍ତର ଲମ୍ବ ଶୈଳୀକୁ ଦଣ୍ଡିତ କରିବା ସହିତ, ସ୍କୋରଗୁଡ଼ିକ ବହୁତ ହ୍ରାସ ପାଇଛି, ଯାହା ଶିଳ୍ପ ଭିତରର ବ୍ୟକ୍ତିମାନଙ୍କୁ "ଉଚ୍ଚ ସ୍କୋରିଂ କିନ୍ତୁ ନିମ୍ନ କ୍ଷମତା" ଘଟଣାର ସମାଲୋଚନା କରିବାକୁ ପ୍ରେରଣା ଦେଇଛି।
ଲିଡରବୋର୍ଡ "ମ୍ୟାନିପୁଲେସନ୍" ମାଧ୍ୟମରେ ହେଉ କିମ୍ବା ଚିତ୍ରରେ ଡିଜାଇନ୍ ଟ୍ରିକ୍ସ ମାଧ୍ୟମରେ, ସେମାନେ ମଡେଲ୍ କ୍ଷମତାରେ "ପ୍ୟାକ୍ର ନେତୃତ୍ୱ ନେବା" ଧାରଣା ପ୍ରତି xAI ଏବଂ ମସ୍କଙ୍କ ଆବେଗକୁ ପ୍ରକାଶ କରନ୍ତି। ମସ୍କ ଏହି ମାର୍ଜିନ୍ ପାଇଁ ଏକ ବଡ଼ ମୂଲ୍ୟ ଦେଇଥିଲେ: ଲଞ୍ଚ ସମୟରେ, ସେ 200,000 H100 GPU ବ୍ୟବହାର କରିବାର ଗର୍ବ କରିଥିଲେ (ଲାଇଭଷ୍ଟ୍ରିମ୍ ସମୟରେ "100,000 ରୁ ଅଧିକ" ଦାବି କରିଥିଲେ) ଏବଂ ମୋଟ 200 ନିୟୁତ ଘଣ୍ଟା ତାଲିମ ସମୟ ହାସଲ କରିଥିଲେ। ଏହା କେତେକଙ୍କୁ ବିଶ୍ୱାସ କରିବାକୁ ବାଧ୍ୟ କରିଥିଲା ଯେ ଏହା GPU ଶିଳ୍ପ ପାଇଁ ଆଉ ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଉପହାର ପ୍ରତିନିଧିତ୍ୱ କରେ ଏବଂ ଡିପ୍ସିକ୍ର ଏହି କ୍ଷେତ୍ର ଉପରେ ପ୍ରଭାବକୁ "ମୂର୍ଖତା" ବୋଲି ବିବେଚନା କରିବାକୁ ବାଧ୍ୟ କରିଥିଲା। ଉଲ୍ଲେଖନୀୟ ଯେ, କେତେକ ବିଶ୍ୱାସ କରନ୍ତି ଯେ ସମ୍ପୂର୍ଣ୍ଣ କମ୍ପ୍ୟୁଟେସନାଲ୍ ଶକ୍ତି ମଡେଲ୍ ତାଲିମର ଭବିଷ୍ୟତ ହେବ।
ତଥାପି, କିଛି ନେଟିଜେନ ଦୁଇ ମାସ ମଧ୍ୟରେ 2000 H800 GPU ବ୍ୟବହାରକୁ DeepSeek V3 ଉତ୍ପାଦନ କରିବା ପାଇଁ ତୁଳନା କରି ହିସାବ କରିଛନ୍ତି ଯେ Grok3 ର ପ୍ରକୃତ ତାଲିମ ଶକ୍ତି ବ୍ୟବହାର V3 ର 263 ଗୁଣ। DeepSeek V3, ଯାହା 1402 ପଏଣ୍ଟ ସ୍କୋର କରିଥିଲା, ଏବଂ Grok3 ମଧ୍ୟରେ ବ୍ୟବଧାନ 100 ପଏଣ୍ଟରୁ କମ୍। ଏହି ତଥ୍ୟ ପ୍ରକାଶ ପାଇବା ପରେ, ଅନେକ ଶୀଘ୍ର ଅନୁଭବ କଲେ ଯେ "ବିଶ୍ୱର ସବୁଠାରୁ ଶକ୍ତିଶାଳୀ" ଭାବରେ Grok3 ର ଟାଇଟଲ୍ ପଛରେ ଏକ ସ୍ପଷ୍ଟ ସୀମାନ୍ତ ଉପଯୋଗୀତା ପ୍ରଭାବ ରହିଛି - ଶକ୍ତିଶାଳୀ କାର୍ଯ୍ୟଦକ୍ଷତା ସୃଷ୍ଟି କରୁଥିବା ବଡ଼ ମଡେଲଗୁଡ଼ିକର ଯୁକ୍ତି ହ୍ରାସ ପାଉଥିବା ରିଟର୍ଣ୍ଣ ଦେଖାଇବା ଆରମ୍ଭ କରିଛି।

"ଉଚ୍ଚ ସ୍କୋରିଂ କିନ୍ତୁ ନିମ୍ନ କ୍ଷମତା" ସହିତ ମଧ୍ୟ, Grok2 ପାଖରେ X (ଟ୍ୱିଟର) ପ୍ଲାଟଫର୍ମରୁ ବ୍ୟବହାରକୁ ସମର୍ଥନ କରିବା ପାଇଁ ବିପୁଳ ପରିମାଣର ଉଚ୍ଚ-ଗୁଣବତ୍ତା ପ୍ରଥମ-ପକ୍ଷ ଡାଟା ଥିଲା। ତଥାପି, Grok3 ର ତାଲିମରେ, xAI ସ୍ୱାଭାବିକ ଭାବରେ OpenAI ବର୍ତ୍ତମାନ ସମ୍ମୁଖୀନ ହେଉଥିବା "ସୀଲିଂ"ର ସମ୍ମୁଖୀନ ହୋଇଥିଲା - ପ୍ରିମିୟମ୍ ତାଲିମ ତଥ୍ୟର ଅଭାବ ମଡେଲର କ୍ଷମତାର ସୀମାନ୍ତ ଉପଯୋଗିତାକୁ ଶୀଘ୍ର ପ୍ରକାଶ କରେ।
Grok3 ଏବଂ Musk ର ଡେଭଲପରମାନେ ଏହି ତଥ୍ୟଗୁଡ଼ିକୁ ଗଭୀର ଭାବରେ ବୁଝିବା ଏବଂ ଚିହ୍ନଟ କରିବାରେ ପ୍ରଥମ ବ୍ୟକ୍ତି, ଯେଉଁଥିପାଇଁ ମସ୍କ ସୋସିଆଲ ମିଡିଆରେ ନିରନ୍ତର ଉଲ୍ଲେଖ କରିଛନ୍ତି ଯେ ବ୍ୟବହାରକାରୀମାନେ ବର୍ତ୍ତମାନ ଯେଉଁ ସଂସ୍କରଣ ଅନୁଭବ କରୁଛନ୍ତି ତାହା "ଏବେ ବିଟା" ଏବଂ "ସମ୍ପୂର୍ଣ୍ଣ ସଂସ୍କରଣ ଆଗାମୀ ମାସଗୁଡ଼ିକରେ ମୁକ୍ତିଲାଭ କରିବ।" ମସ୍କ Grok3 ର ଉତ୍ପାଦ ପରିଚାଳକ ଭୂମିକା ଗ୍ରହଣ କରିଛନ୍ତି, ମତାମତ ବିଭାଗରେ ସମ୍ମୁଖୀନ ହେଉଥିବା ବିଭିନ୍ନ ସମସ୍ୟା ଉପରେ ମତାମତ ପ୍ରଦାନ କରିବାକୁ ପରାମର୍ଶ ଦେଇଛନ୍ତି। ସେ ପୃଥିବୀରେ ସର୍ବାଧିକ ଅନୁସରଣ କରାଯାଇଥିବା ଉତ୍ପାଦ ପରିଚାଳକ ହୋଇପାରନ୍ତି।
ତଥାପି, ଗୋଟିଏ ଦିନ ମଧ୍ୟରେ, Grok3 ର କାର୍ଯ୍ୟଦକ୍ଷତା ନିସନ୍ଦେହରେ ଯେଉଁମାନେ "ବୃହତ୍ କମ୍ପ୍ୟୁଟେସନାଲ୍ ମାଂସପେଶୀ" ଉପରେ ନିର୍ଭର କରିବାକୁ ଆଶା କରୁଛନ୍ତି ସେମାନଙ୍କ ପାଇଁ ସତର୍କ କରିଦେଇଛି: ସାର୍ବଜନୀନ ଭାବରେ ଉପଲବ୍ଧ Microsoft ସୂଚନା ଉପରେ ଆଧାରିତ, OpenAI ର GPT-4 ର ପାରାମିଟର ଆକାର 1.8 ଟ୍ରିଲିୟନ ପାରାମିଟର, GPT-3 ର ଦଶ ଗୁଣ ଅଧିକ। ଗୁଜବ ସୂଚାଇ ଦେଉଛି ଯେ GPT-4.5 ର ପାରାମିଟର ଆକାର ଆହୁରି ବଡ଼ ହୋଇପାରେ।
ମଡେଲ୍ ପାରାମିଟର ଆକାର ବୃଦ୍ଧି ପାଇବା ସହିତ, ତାଲିମ ଖର୍ଚ୍ଚ ମଧ୍ୟ ଆକାଶଛୁଆଁ ହେଉଛି। Grok3 ର ଉପସ୍ଥିତି ସହିତ, GPT-4.5 ପରି ପ୍ରତିଯୋଗୀ ଏବଂ ଯେଉଁମାନେ ପାରାମିଟର ଆକାର ମାଧ୍ୟମରେ ଉନ୍ନତ ମଡେଲ୍ କାର୍ଯ୍ୟଦକ୍ଷତା ହାସଲ କରିବା ପାଇଁ "ଟଙ୍କା ଜାଳିବା" ଜାରି ରଖିବାକୁ ଚାହାଁନ୍ତି, ସେମାନଙ୍କୁ ବର୍ତ୍ତମାନ ସ୍ପଷ୍ଟ ଭାବରେ ଦେଖାଯାଉଥିବା ସୀମା ବିଷୟରେ ବିଚାର କରିବାକୁ ପଡିବ ଏବଂ ଏହାକୁ କିପରି ଦୂର କରିବେ ତାହା ଚିନ୍ତା କରିବାକୁ ପଡିବ। ଏହି ମୁହୂର୍ତ୍ତରେ, OpenAI ର ପୂର୍ବତନ ମୁଖ୍ୟ ବୈଜ୍ଞାନିକ ଇଲିଆ ସୁଟସ୍କେଭର ଗତ ଡିସେମ୍ବରରେ ପୂର୍ବରୁ କହିଥିଲେ, "ଆମେ ପରିଚିତ ପ୍ରାକ୍-ପ୍ରଶିକ୍ଷଣ ଶେଷ ହେବ," ଯାହା ଆଲୋଚନାରେ ପୁନର୍ବାର ଉପନୀତ ହୋଇଛି, ବଡ଼ ମଡେଲଗୁଡ଼ିକୁ ତାଲିମ ଦେବା ପାଇଁ ପ୍ରକୃତ ପଥ ଖୋଜିବା ପାଇଁ ପ୍ରୟାସ ଆରମ୍ଭ କରିଛି।

ଇଲିଆଙ୍କ ଦୃଷ୍ଟିକୋଣ ଶିଳ୍ପରେ ସତର୍କ ସୂଚନା ବଜାଇଛି। ସେ ସୁଗମ ନୂତନ ତଥ୍ୟର ଆସନ୍ନ ଅବସାନକୁ ସଠିକ୍ ଭାବରେ ପୂର୍ବାନୁମାନ କରିଥିଲେ, ଯାହା ଫଳରେ ତଥ୍ୟ ଅଧିଗ୍ରହଣ ମାଧ୍ୟମରେ କାର୍ଯ୍ୟଦକ୍ଷତା ବୃଦ୍ଧି ପାଇପାରିବ ନାହିଁ, ଏହାକୁ ଜୀବାଶ୍ମ ଇନ୍ଧନର ଅବସାନ ସହିତ ତୁଳନା କରିଥିଲେ। ସେ ସୂଚିତ କରିଥିଲେ ଯେ "ତେଲ ପରି, ଇଣ୍ଟରନେଟରେ ମାନବ-ସୃଷ୍ଟ ବିଷୟବସ୍ତୁ ଏକ ସୀମିତ ସମ୍ବଳ।" ସୁଟସ୍କେଭରଙ୍କ ଭବିଷ୍ୟବାଣୀରେ, ପରବର୍ତ୍ତୀ ପିଢ଼ିର ମଡେଲଗୁଡ଼ିକ, ପୂର୍ବ-ପ୍ରଶିକ୍ଷଣ ପରେ, "ପ୍ରକୃତ ସ୍ୱାୟତ୍ତତା" ଏବଂ "ମାନବ ମସ୍ତିଷ୍କ ପରି" ଯୁକ୍ତି କ୍ଷମତା ପାଇବେ।
ଆଜିର ପୂର୍ବ-ପ୍ରଶିକ୍ଷିତ ମଡେଲଗୁଡ଼ିକ ପରି ନୁହେଁ ଯାହା ମୁଖ୍ୟତଃ ବିଷୟବସ୍ତୁ ମେଳ ଉପରେ ନିର୍ଭର କରେ (ପୂର୍ବରୁ ଶିଖିଥିବା ମଡେଲ ବିଷୟବସ୍ତୁ ଉପରେ ଆଧାରିତ), ଭବିଷ୍ୟତର AI ସିଷ୍ଟମଗୁଡ଼ିକ ମାନବ ମସ୍ତିଷ୍କର "ଚିନ୍ତାଧାରା" ପରି ସମସ୍ୟା ସମାଧାନ କରିବା ପାଇଁ ପଦ୍ଧତିଗୁଡ଼ିକୁ ଶିଖିପାରିବ ଏବଂ ସ୍ଥାପନ କରିପାରିବ। ଜଣେ ମଣିଷ କେବଳ ମୌଳିକ ବୃତ୍ତିଗତ ସାହିତ୍ୟ ସହିତ ଏକ ବିଷୟରେ ମୌଳିକ ଦକ୍ଷତା ହାସଲ କରିପାରିବ, ଯେତେବେଳେ ଏକ AI ବଡ଼ ମଡେଲକୁ ସବୁଠାରୁ ମୌଳିକ ପ୍ରବେଶ-ସ୍ତରୀୟ ପ୍ରଭାବଶାଳୀତା ହାସଲ କରିବା ପାଇଁ ଲକ୍ଷ ଲକ୍ଷ ଡାଟା ପଏଣ୍ଟ ଆବଶ୍ୟକ ହୁଏ। ଶବ୍ଦଗୁଡ଼ିକ ସାମାନ୍ୟ ପରିବର୍ତ୍ତନ ହେଲେ ମଧ୍ୟ, ଏହି ମୌଳିକ ପ୍ରଶ୍ନଗୁଡ଼ିକ ସଠିକ୍ ଭାବରେ ବୁଝିହେବ ନାହିଁ, ଯାହା ଦର୍ଶାଏ ଯେ ମଡେଲଟି ପ୍ରକୃତରେ ବୁଦ୍ଧିମତ୍ତା କ୍ଷେତ୍ରରେ ଉନ୍ନତ ହୋଇନାହିଁ: ପ୍ରବନ୍ଧର ଆରମ୍ଭରେ ଉଲ୍ଲେଖ କରାଯାଇଥିବା ମୌଳିକ କିନ୍ତୁ ସମାଧାନଯୋଗ୍ୟ ପ୍ରଶ୍ନଗୁଡ଼ିକ ଏହି ଘଟଣାର ଏକ ସ୍ପଷ୍ଟ ଉଦାହରଣ ପ୍ରତିନିଧିତ୍ୱ କରେ।

ଉପସଂହାର
ତଥାପି, ନିଷ୍ଠୁର ଶକ୍ତି ବାହାରେ, ଯଦି Grok3 ପ୍ରକୃତରେ ଶିଳ୍ପକୁ ପ୍ରକାଶ କରିବାରେ ସଫଳ ହୁଏ ଯେ "ପୂର୍ବ-ପ୍ରଶିକ୍ଷିତ ମଡେଲଗୁଡ଼ିକ ସେମାନଙ୍କର ଶେଷ ଆଡ଼କୁ ଆସୁଛନ୍ତି," ତେବେ ଏହା କ୍ଷେତ୍ର ପାଇଁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ପ୍ରଭାବ ପକାଇବ।
ହୁଏତ Grok3 ଚାରିପାଖରେ ଥିବା ଉନ୍ମାଦ ଧୀରେ ଧୀରେ କମିବା ପରେ, ଆମେ Fei-Fei Li ଙ୍କ ଉଦାହରଣ ପରି ଅଧିକ ଘଟଣା ଦେଖିବୁ "ମାତ୍ର $50 ପାଇଁ ଏକ ନିର୍ଦ୍ଦିଷ୍ଟ ଡାଟାସେଟରେ ଉଚ୍ଚ-କର୍ମଦର୍ଶୀ ମଡେଲଗୁଡ଼ିକୁ ଟ୍ୟୁନିଂ କରିବା," ଶେଷରେ AGI ପାଇଁ ପ୍ରକୃତ ପଥ ଆବିଷ୍କାର କରିବା।
ନିୟନ୍ତ୍ରଣ କେବୁଲ୍ଗୁଡ଼ିକ
ସଂରଚିତ କେବଲିଂ ସିଷ୍ଟମ
ନେଟୱାର୍କ ଏବଂ ଡାଟା, ଫାଇବର-ଅପ୍ଟିକ୍ କେବୁଲ୍, ପ୍ୟାଚ୍ କର୍ଡ, ମଡ୍ୟୁଲ୍, ଫେସପ୍ଲେଟ୍
ଏପ୍ରିଲ୍ ୧୬-୧୮, ୨୦୨୪ ଦୁବାଇରେ ମଧ୍ୟ-ପୂର୍ବ-ଶକ୍ତି
୧୬ ଏପ୍ରିଲ୍-୧୮ ଏପ୍ରିଲ୍, ୨୦୨୪ ମସ୍କୋରେ ସେକ୍ୟୁରିକା
୯ ମଇ, ୨୦୨୪ରେ ସାଂଘାଇରେ ନୂତନ ଉତ୍ପାଦ ଏବଂ ପ୍ରଯୁକ୍ତିବିଦ୍ୟାର ଶୁଭାରମ୍ଭ କାର୍ଯ୍ୟକ୍ରମ
୨୨ ଅକ୍ଟୋବର-୨୫ ତାରିଖ, ୨୦୨୪ ବେଜିଂରେ ସୁରକ୍ଷା ଚୀନ୍
ନଭେମ୍ବର ୧୯-୨୦, ୨୦୨୪ ସଂଯୁକ୍ତ ବିଶ୍ୱ KSA
ପୋଷ୍ଟ ସମୟ: ଫେବୃଆରୀ-୧୯-୨୦୨୫