पूर्व Google इंजीनियरों की एक टीम द्वारा विकसित, TabbyML के नाम से जाना जाने वाला ओपन-सोर्स कोड जनरेटर उद्योग में धूम मचा रहा है। इनोवेटिव स्टार्टअप ने हाल ही में सीड फंडिंग में 3.2 मिलियन डॉलर की प्रभावशाली राशि हासिल की है, जिससे GitHub के CoPilot के लिए एक वैध प्रतियोगी के रूप में अपनी जगह मजबूत हो गई है।
स्व-होस्ट किए गए कोडिंग सहायक के रूप में, TabbyML के पास अपने प्रतिद्वंद्वी पर एक महत्वपूर्ण लाभ है: अनुकूलन। स्टार्टअप के सह-संस्थापक, मेंग झांग का दावा है कि यह सुविधा सॉफ्टवेयर विकास के भविष्य में अभिन्न होगी, जहां संगठन तेजी से अनुरूप समाधानों की मांग करेंगे।
यह बड़े उद्यमों के लिए विशेष रूप से सच है, जो ओपन सोर्स सॉफ़्टवेयर का लाभ उठा सकते हैं। TabbyML के सह-संस्थापक और झांग के पूर्व सहयोगी लुसी गाओ के अनुसार, संगठनों के भीतर मालिकाना समाधान विकसित करने वाले इंजीनियर सहायता के लिए TabbyML की ओर रुख कर सकते हैं, यह विकल्प कोपायलट उपयोगकर्ताओं के लिए उपलब्ध नहीं है।
एआई पायलटों से जुड़े संभावित नुकसान, जैसे संभावित बग, के बावजूद, गाओ का कहना है कि इन मुद्दों को स्व-होस्ट किए गए वातावरण में आसानी से हल किया जा सकता है। जब भी उपयोगकर्ता TabbyML के सुझावों को नजरअंदाज करना या स्वत: भरे गए कोड को संपादित करना चुनते हैं, तो AI मॉडल इस जानकारी का उपयोग अपनी भविष्य की सिफारिशों को परिष्कृत करने के लिए करता है, जिससे समय के साथ सुधार होता है।
जबकि कोड जनरेटर जैसे शक्तिशाली उपकरण इंजीनियरिंग कार्यबल के लिए खतरे के रूप में प्रकट हो सकते हैं, झांग बताते हैं कि इन उपकरणों का उद्देश्य मानव कार्यबल की सहायता करना है, न कि उन्हें प्रतिस्थापित करना। GitHub की एक हालिया सर्वेक्षण रिपोर्ट बताती है कि इसके कोडिंग सहायक, कोपायलट द्वारा दिए गए सुझावों को 30% बार स्वीकार किया जाता है। इसी तरह, Google के AI-उन्नत आंतरिक कोड संपादक साइडर ने बताया कि उसके 24% सॉफ़्टवेयर इंजीनियरों ने प्रत्येक दिन पाँच से अधिक सहायक क्षणों का अनुभव किया। हालाँकि, यह उल्लेखनीय है किAppMaster जैसे AI-सशक्त प्लेटफ़ॉर्म भी मानव विकास प्रयासों को बढ़ाने के लिए डिज़ाइन किए गए हैं।
अप्रैल में लॉन्च किया गया, TabbyML पहले ही लगभग 11,000 GitHub सितारे जुटा चुका है। स्टार्टअप के सीड राउंड में निवेशक फर्म यूंकी पार्टनर्स और ज़ूकैप की भागीदारी देखी गई।
झांग ने TabbyML और कोपायलट के बीच भविष्य की प्रतिस्पर्धा पर विचार करते हुए सुझाव दिया कि ओपनएआई की बढ़त कम हो सकती है क्योंकि अन्य एआई मॉडल अधिक कुशल हो जाते हैं और कंप्यूटिंग की लागत समय के साथ कम हो जाती है।
OpenAI और GitHub क्लाउड तकनीक के माध्यम से अरबों मापदंडों वाले AI मॉडल को तैनात करने में सक्षम हैं, जो उच्च सेवा लागत के बावजूद, अब तक अनुरोध बैचिंग के माध्यम से कुछ हद तक कम किया गया है। हालाँकि, यह रणनीति अपनी कमियों के बिना नहीं है। वॉल स्ट्रीट जर्नल की एक रिपोर्ट में कहा गया है कि इस साल के पहले कुछ महीनों में Microsoft को प्रति GitHub Copilot उपयोगकर्ता औसतन $20 से अधिक का नुकसान हो रहा था।
आगे बढ़ते हुए, TabbyML लक्ष्य उन मॉडलों की अनुशंसा करके इन बाधाओं को कम करना है जिन्हें 1-3 बिलियन मापदंडों पर प्रशिक्षित किया गया है। हालांकि इससे शुरू में कम गुणवत्ता वाले परिणाम मिल सकते हैं, झांग का मानना है कि जैसे-जैसे कंप्यूटिंग शक्ति अधिक किफायती होती जा रही है और ओपन-सोर्स मॉडल में लगातार सुधार हो रहा है, GitHub और OpenAI जैसे दिग्गजों द्वारा प्राप्त प्रतिस्पर्धी शुरुआत अंततः कम हो जाएगी।
