यदि आप एक एआई जीनियस बनना चाहते हैं – तो जिस तरह से मार्क जुकरबर्ग ने आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) के लिए अपनी खोज में शामिल होने के लिए $ 50- $ 100 मिलियन की पेशकश की है – यहां ब्लूप्रिंट है, मेटा के एलीट हायर से डिकोड किया गया है।
1। एक रॉक-सॉलिड मैथ्स फाउंडेशन का निर्माण करें
लगभग हर एआई सुपरस्टार मेटा ने लुकास बेयर से ट्रैपिट बंसल तक – कट्टर गणित या कंप्यूटर विज्ञान की डिग्री के साथ शुरू किया। रैखिक बीजगणित, पथरी, संभावना और अनुकूलन वैकल्पिक नहीं हैं। वे आपकी रोटी और मक्खन हैं।क्यों? क्योंकि एआई मॉडल अरबों मापदंडों के लिए अनुकूलित मैट्रिक्स गुणन के सिर्फ विशाल ढेर हैं। यदि आप eigenvectors या ढाल वंश को संभाल नहीं सकते हैं, तो आप अगले GPT-5 का आविष्कार करने के बजाय ठीक-ट्यूनिंग ओपन-सोर्स मॉडल अटक जाएंगे।
2। में विशेषज्ञता गहरी शिक्षा
इसके बाद गहरी सीखने की महारत मिलती है। न्यूरल नेटवर्क का अध्ययन करें, दृष्टि के लिए दृढ़ नेटवर्क, भाषा के लिए ट्रांसफार्मर और अनुक्रम डेटा के लिए आवर्तक मॉडल। लुकास बेयर और अलेक्जेंडर कोल्सनिकोव द्वारा सह-निर्मित विज़न ट्रांसफार्मर (वीआईटी) ने कंप्यूटर विज़न को ठीक से फिर से परिभाषित किया क्योंकि वे ट्रांसफार्मर आर्किटेक्चर और विज़न सिस्टम दोनों को गहराई से समझते थे।अनुशंसित शिक्षण पथ:
- स्नातक/प्रारंभिक कोर्सवर्क: मशीन लर्निंग, सांख्यिकी, डेटा संरचनाएं, एल्गोरिदम।
- स्नातक स्तर की गहराई: तंत्रिका नेटवर्क आर्किटेक्चर, प्रतिनिधित्व सीखना, सुदृढीकरण सीखना।
3। अनुसंधान, अनुसंधान, अनुसंधान
असली विभेदक अकेले कोडिंग क्षमता नहीं है। यह मूल शोध है। मेटा की ड्रीम टीम को देखें:
- जैक राय ने तंत्रिका स्मृति और तर्क में पीएचडी की।
- Xiaohua Zhai ने बड़े पैमाने पर दृष्टि ट्रांसफॉर्मर पर ग्राउंडब्रेकिंग पेपर प्रकाशित किए।
- ट्रैपिट बंसल ने ओपनईएआई के ओ-सीरीज़ रीजनिंग मॉडल को सह-निर्माण करने से पहले यूएमएएस एमहर्स्ट में मेटा-लर्निंग और सुदृढीकरण सीखने में अपनी पीएचडी अर्जित की।
शीर्ष एआई लैब्स उन शोधकर्ताओं को काम पर रखते हैं जो ज्ञान को आगे बढ़ाते हैं, न कि केवल इंजीनियरों को जो मौजूदा एल्गोरिदम को लागू करते हैं। इसका मतलब यह है:
- दैनिक पेपर्स पढ़ना (Arxiv Sanity या Twitter AI सर्कल मदद)।
- NEURIPS, ICML, CVPR, ACL जैसे सम्मेलनों के लिए कागजात लिखना।
4। मल्टीमॉडल और रीज़निंग सिस्टम में गोता लगाएँ
यदि आप एजीआई फ्रंटियर में रहना चाहते हैं, तो मल्टीमॉडल एआई (विजन + लैंग्वेज + स्पीच) और रीजनिंग/प्लानिंग सिस्टम पर ध्यान केंद्रित करें।क्यों? क्योंकि AGI आपके वाक्यों को पूरा करने वाले भाषा मॉडल के बारे में नहीं है। इसके बारे में:
- छवियों, वीडियो और भाषण को मूल रूप से समझना
- लंबे संदर्भों पर तार्किक तर्क और योजना बनाना
उदाहरण के लिए, Hongyu Ren का काम प्रश्न उत्तर देने में सुधार करने के लिए LLMS के साथ ज्ञान ग्राफ़ को जोड़ती है। जैक राए एलएलएम मेमोरी और चेन-ऑफ-थॉट रीज़निंग पर केंद्रित है। यह अत्याधुनिक है।
5। अपने इंजीनियरिंग कौशल का अनुकूलन करें
अंत में, याद रखें कि एआई सफलताएं अकेले कागजात में नहीं रहती हैं। उन्हें पैमाने पर कुशलता से चलने की आवश्यकता है। PEI SUN और JOEL POBAR प्रमुख उदाहरण हैं: इंजीनियरिंग नेता जो डेटा सेंटर को पिघलाए बिना हार्डवेयर पर चलने वाले विशाल मॉडल को सुनिश्चित करते हैं।सीखना:
- वितरित प्रशिक्षण फ्रेमवर्क (पाइटोरच, टेन्सरफ्लो)
- सिस्टम ऑप्टिमाइज़ेशन (CUDA, GPUS, AI एक्सेलेरेटर)
- सॉफ्टवेयर इंजीनियरिंग स्केलेबल परिनियोजन के लिए सर्वोत्तम अभ्यास
तल – रेखा
AI जीनियस बनना त्वरित YouTube ट्यूटोरियल के बारे में नहीं है। यह गणित, डीप लर्निंग आर्किटेक्चर, ओरिजिनल रिसर्च, मल्टीमॉडल रीजनिंग और स्केलेबल इंजीनियरिंग में महारत हासिल करने के बारे में है। ऐसा करो, और हो सकता है कि एक दिन, मार्क जुकरबर्ग आपके दरवाजे पर दस्तक देगा, जो आपको अपने कृत्रिम भगवान के निर्माण के लिए $ 50 मिलियन का हस्ताक्षर करता है।तब तक, उन रैखिक बीजगणित समस्या सेट पर वापस। भविष्य उन लोगों का है जो टेंसर्स को समझते हैं।
