Recursive Superintelligence-க்கு $500M+ நிதி – எக்ஸ்ட்‑DeepMind, OpenAI எஞ்சினியர்ஸ் உருவாக்கும் சுய‑கற்ப AI

சுவாரஸ்யமான செய்தி என்ன?#

Recursive Superintelligence என்ற, நான்கு மாதம் தான் பழகிய ஒரு ஸ்டார்ட்‑அப், $500 மில்லியன்‑க்கு மேல் நிதியுதவி பெற்றது. இந்த நிதி சில வாலிபை (VC) நிறுவனங்களும், இந்தியா ஒரு பெரிய டெலிகாம் பங்குதாரரும் கூட்டாக வழங்கினார்கள். நிறுவனத்தை நிறுவியவர்கள் DeepMind‑லிருந்து டாக்டர் மாயா பாட்டெல் மற்றும் OpenAI‑லிருந்து அருண் சிந்ஹா – இருவரும் AI ரீசர்சில் 10 வருடங்களுக்கும் மேலாக வேலை பார்த்த வர்த்தகர்கள்.

சுய‑கற்ப AI எப்படிப் பண்ணும்?#

பொதுவாக AI மாதிரிகள் பெரிய லேபல்‑டேட்டா செட் கொண்டு மாதாந்திரம் அல்லது ஆறு மாதம் ஒருமுறை புதுப்பிக்கப்படும். Recursive‑ன் பிளாட்ஃபார்மில் “continual meta‑learning” எனும் தொழில்நுட்பம் உள்ளது. அதாவது, பயனரின் செயல்களை நேரடியாகப் பார்த்து, மாதிரி தன்னையே புதுப்பிக்கிறது. குழந்தை சைக்கிள் ஓட்டுவதில் இருந்து கற்றுக்கொள்வதைப் போல – textbook‑ல் படிக்காமல் trial‑and‑error மூலம் மேம்படும்.

சில முக்கியக் கோடு உதாரணம்:

real‑time update pseudo‑code
for batch in user_stream:
 loss = model.compute_loss(batch)
 grads = torch.autograd.grad(loss, model.parameters)
 model.apply_gradients(grads, lr=meta_lr)

இதைப் பயன்படுத்தி, பயனர் ஒரு செயலுக்குப் பிறகு AI உடனே தனது வெயிட்‑களை சரிசெய்கிறது. இதனால் லேபல்‑டேட்டா செலவுகள் சுமார் 70% குறையும் என்று அவர்கள் சொல்கிறார்கள்.

நிதி விபரம்#

மொத்தம் $500 மில்லியன்‑க்கு மேல், கூடுதலாக $100 மில்லியன் டாலர் “talent‑car” ஆக ஒதுக்கப்பட்டது. Andreessen Horowitz, Sequoia Capital India, மற்றும் ஒரு இந்திய பெரிய டெலிகாம் நிறுவனத்தால் (பெயர் ரகசியம்) ஆதரவு கிடைத்தது. மதிப்பு $2 பில்லியன்‑க்கு மேல் என்று ஊகிக்கப்படுகிறது – இதுவரை AI ஸ்டார்ட்‑அப்பில் மிக வேகமாக மதிப்பு உயர்வு.

இந்தத் தகுதிகள் இந்திய பயனர்களுக்கு என்ன அர்த்தம்?#

இந்தியாவின் UPI, Swiggy, Zomato, OTT, e‑commerce போன்ற பெரிய பயன்பாடுகள் எல்லாம் பெரும் பயனர் தரவுகளை உருவாக்குகின்றன. Recursive‑ன் தொழில்நுட்பம் வந்தால்:

• பிராந்திய மொழியில் (தமிழ், ஹிந்தி, பஞ்சாபி) தானாகவே தழுவும் பைர்ட் உதவியாளர்கள்.
• FinTech-ல் fraud detection real‑time‑ல் நடந்து, UPI‑யில் தவறான அலர்ட்களை 30% குறைக்கும்.
• Flipkart, Amazon India போன்ற தளங்களில் recommendation engine‑கள் ஒவ்வொரு கிளிக்கிலும் மேம்பட்டு, bounce rate‑ஐ 15% வரை குறைக்கலாம்.

அதிகமான data‑labeling தேவையில்லை; அதனால் செலவுகள் குறையும், வேகமான iteration‑கள் கிடைக்கும்.

இந்தியாவில் விலை & கிடைக்கும் நிலை#

Recursive SaaS மாதிரி வழங்குகிறது. ஆரம்ப “founder‑friendly” பிளான் ₹30,000/மாதம், 1 TB data க்கு. மிட்‑டியர் பிளான் ₹1,20,000/மாதம், 10 TB data + dedicated support. பெரிய நிறுவனங்களுக்கு custom contract – பல கோடி ரூபாய் வரை.

Beta program-ல் ஏற்கனவே ஒரு புனரூட்டல் OTT, ஒரு பிராந்திய வங்கியின் மொபைல் ஆப், மற்றும் ஒரு Bengaluru‑ஆதாரமான health‑tech ஸ்டார்ட்‑அப் சேர்க்கப்பட்டுள்ளன. முதல் public case study-யில் 25% user retention உயர்வு கண்டறியப்பட்டது.

TamilTech-ஓட கருத்து – நன்மை-தவறு#

நன்மைகள்:

• வேகமான iteration: real‑time learning மூலம் feedback loop மாதங்கள் இருந்து நாட்களுக்கு குறைவு.
• செலவு குறைவு: பெரிய annotation team‑கள் தேவையில்லை – இந்திய ஸ்டார்ட்‑அப்புகளுக்கு இது பெரிய புள்ளி.
• மொழி தழுவல்: தமிழ், ஹிந்தி, தெலுங்கு போன்ற மொழிகளுக்கு தனி language model தேவை இல்லை.

தவறுகள்:

• தரவு தனியுரிமை: பயனர் நிகழ்வுகளை தொடர்ந்து சேகரிக்கும் போது, இந்தியா புதிய data‑privacy சட்டங்களை பின்பற்ற வேண்டும்.
• கணினி செலவு: real‑time update க்கு edge GPU/TPU தேவை – இதனால் infra‑யில் அதிகம் செலவாகலாம்.
• வெண்டர் லாக்‑இன்: ஒருமுறை Recursive‑ல் அடிப்படை recommendation logic அமைத்த பின், மாற்றம் கடினமாகும்.

மொத்தத்தில், Recursive‑ன் பார்வை பெரியது, இந்தியா முழுவதும் app‑கள் எப்படி evolve ஆகும் என்பதை மாற்றும் சாத்தியம் உள்ளது. விலை உயர்ந்தாலும், பெரிய scale‑ல் பயன் அதிகம் என்றால் ROI‑யை நியாயப்படுத்தலாம்.

அடுத்தது என்ன?#

Recursive Q4 2024-ல் developer portal-ஐ வெளியிட திட்டமிட்டுள்ளது. Android, iOS, web‑க்கு SDK-கள், React Native, Flutter integration guide‑களும் அதில் இருக்கும்.

அடுத்த 12 மாதங்களில் கவனிக்கவேண்டியது:

1. மேலும் இந்திய beta partners-ன் case study-கள்.
2. தொடர்ச்சியான data collection-க்கு regulatory scrutiny.
3. போட்டி அதிகரிக்கும் போது விலை மாற்றம்.

Recursive‑ன் $500 M பந்தயம் இந்திய AI களத்தில் எப்படி விளையாடும் என்பதை நாங்கள் தொடர்ந்து (track) செய்வோம்.