चीन के ओपन सोर्स मॉडल के अवरुद्ध होने की बजाय धीमा होने की अधिक संभावना है।
जो चीज वास्तव में भंगुर हो जाती है वह है वितरण, अद्यतन और निर्भरता श्रृंखला
जब इस तरह की चर्चा परियोजना में आती है, तो यह अंततः एक ठंडे वाक्य में परिवर्तित हो जाएगी: ओपन सोर्स मॉडल को पूरी तरह से मिटाना मुश्किल है। जो चीज़ वास्तव में सबसे पहले भंगुर हो जाती है वह असेंबली लाइन है जो मॉडल के चारों ओर घूमती है। जब तक मॉडल फ़ाइलों, छवियों, जांच मूल्यों, अनुमान पर्यावरण और मूल्यांकन स्क्रिप्ट में से एक टूटा हुआ है, टीम को जो महसूस होगा वह यह नहीं है कि “क्या यह मॉडल अभी भी दुनिया में मौजूद है”, लेकिन “क्या इस अपग्रेड को पुन: पेश किया जा सकता है।”
जो चीज़ वास्तव में अटकती है वह आमतौर पर प्रवेश द्वार और अपडेट हैं।
आधिकारिक हिरासत को सबसे पहले बंद करना सबसे आसान है। वेब पेज, एपीआई, डाउनलोड पेज, मिरर साइट, जब तक प्रवेश केंद्रीकृत है, भुगतान, कानूनी मामले, सीडीएन, क्षेत्रीय प्रतिबंध और खाता नीतियां सभी इसे सीमित कर सकती हैं। बादल अनुमान के लिए भी यही सच है। एक बार जब व्यवसाय मॉडल क्षमताओं को एक निश्चित होस्टिंग बिंदु पर आउटसोर्स कर देता है, तो नाकाबंदी को मॉडल को दुनिया से हटाने की आवश्यकता नहीं होती है। जब तक पहुंच, कोटा, भुगतान और क्षेत्रीय प्रतिबंध कड़े होंगे, सिस्टम हिलना शुरू हो जाएगा।
लेकिन एक बार जब वजन कम हो जाता है, तो स्थिति बदल जाती है। ओपन सोर्स मॉडल न केवल एक निश्चित होमपेज पर रहता है, बल्कि यह स्थानीय डिस्क, बिल्ड कैश, इमेज वेयरहाउस और टीम द्वारा निर्मित आर्टिफैक्ट स्टोरेज पर भी रहता है। आप पहले से मौजूद प्रतियों की तुलना में वितरण जारी रखने की गति को अधिक नियंत्रित कर सकते हैं। स्थिति को स्पष्ट करने के लिए, सबसे बड़ा प्रभाव अक्सर यह नहीं होता है कि “क्या आप अभी भी एक निश्चित संस्करण डाउनलोड कर सकते हैं”, लेकिन “क्या आप भविष्य में टोकनाइज़र, चैट टेम्पलेट्स, क्वांटिज़ेशन पैकेज और निर्भरता निर्देशों का समान सेट प्राप्त कर सकते हैं।”
यहां इसे सबसे कम आंका गया है। पहली बार जब आप मॉडल चलाते हैं, तो जोखिम ख़त्म हो जाता है; वास्तविक परेशानी अक्सर दूसरी बार होती है। दूसरी बार जब मैंने पीछे मुड़ना चाहा, तो छवि वहां नहीं थी; दूसरी बार जब मैंने पुनरुत्पादन करना चाहा, तो परिमाणीकरण प्रारूप बदल गया था; दूसरी बार जब मैं अपग्रेड करना चाहता था, तो अनुमान कोड और वजन संस्करण मेल नहीं खाते थे; दूसरी बार जब मैंने सत्यापित करना चाहा, तो मूल्यांकन सेट और प्रीप्रोसेसिंग स्क्रिप्ट बदल दी गई थी। सतह पर, केवल एक डाउनलोड लिंक गायब है, लेकिन वास्तव में, जो गायब है वह दोहराने योग्य आपूर्ति श्रृंखलाओं का एक पूरा सेट है।
तो इस प्रकार की “सील” विलोपन की तुलना में मंदी की तरह अधिक है। संचार की गति, क्लाउड एक्सेस, वर्जन सिंक्रोनाइज़ेशन और पारिस्थितिक विश्वास को काफी हद तक कमजोर किया जा सकता है; जिस चीज को पूरी तरह से मिटाना मुश्किल है वह है भारित प्रतियां, स्थानीय तैनाती क्षमताएं और माध्यमिक वितरण क्षमताएं जो फैल गई हैं। एक बार जब ओपन सोर्स मॉडल पर्याप्त मशीनों में प्रवेश कर जाता है, तो जोखिम “क्या यह अस्तित्व में रह सकता है” से “क्या यह स्थिर रूप से विकसित हो सकता है” में बदल जाता है।
यह वह जगह भी है जहां घरेलू टीमों के चूकने की सबसे अधिक संभावना है। मॉडल को उत्पाद में एकीकृत करने के बाद, केवल प्रभावों के पहले दौर पर ध्यान केंद्रित करना और यह भूल जाना आसान है कि मॉडल वास्तव में एक निर्भरता है। एक बार जब निर्भरता में प्रवेश का केवल एक ही बिंदु होता है, तो एकल बिंदु एक नियंत्रण बिंदु बन जाएगा; एक बार निर्भरता में संस्करण लॉकिंग नहीं होने पर, अपग्रेड एक यादृच्छिक घटना बन जाएगा; एक बार जब किसी निर्भरता की कोई ऑफ़लाइन प्रतिलिपि नहीं होती है, तो एक निश्चित दर्पण के विफल होने के बाद तथाकथित “स्वयं की क्षमता” प्रकट हो जाएगी।
अधिक स्थिर दृष्टिकोण यह कल्पना करना नहीं है कि कोई नाकाबंदी नहीं होगी, बल्कि नाकाबंदी को पहले से ही कई किफायती छोटी समस्याओं में तोड़ना है: वजन और रनटाइम को अलग-अलग संग्रहीत किया जाता है, डाउनलोड पता और सत्यापन मूल्य एक साथ सहेजे जाते हैं, अनुमान वातावरण को ऑफ़लाइन बनाया जाता है, मूल्यांकन परिणाम संस्करण द्वारा संग्रहीत किए जाते हैं, और रोलबैक पथ रिलीज पथ के समान ही स्पष्ट होता है। इस तरह, भले ही अपस्ट्रीम अचानक बंद हो जाए, उत्पाद केवल एक प्रवेश द्वार खो देगा, और पूरी क्षमता एक ही समय में ऑफ़लाइन नहीं होगी।
ओपन सोर्स मॉडल की वास्तविक समस्या यह कभी नहीं रही कि “कोई भी इसे प्रबंधित करने की हिम्मत नहीं करता”, लेकिन “जब इसे प्रबंधित किया जाता है, तो इसे एक बिंदु तक प्रबंधित करना पहले से ही मुश्किल होता है।” ऐसे कई प्रवेश द्वार हैं जिन पर सख्ती की जा सकती है, और जो प्रतियां फैल गई हैं उन्हें पुनर्प्राप्त करना मुश्किल है।
What to read next
Want more posts about AI?
Posts in the same category are usually the best next step for reading more on this topic.
View same categoryWant to keep following #AI?
Tags are useful for related tools, specific problems, and similar troubleshooting notes.
View same tagWant to explore another direction?
If you are not sure what to read next, return to the homepage and start from categories, topics, or latest updates.
Back home