हम जो कुछ भी एआई कहते हैं वह वास्तव में कृत्रिम बुद्धिमत्ता नहीं है। यहाँ आपको जानने की आवश्यकता है

अगस्त 1955 में, विद्वानों के एक समूह ने डार्टमाउथ कॉलेज, न्यू हैम्पशायर में ग्रीष्मकालीन संगोष्ठी आयोजित करने के लिए $13 के वित्त पोषण के लिए अनुरोध प्रस्तुत किया। उन्होंने जिस क्षेत्र का पता लगाने का प्रस्ताव दिया वह कृत्रिम बुद्धिमत्ता (एआई) था। हालांकि फंडिंग अनुरोध मामूली था, शोधकर्ताओं की परिकल्पना यह नहीं थी: "सीखने का हर पहलू या बुद्धि की कोई अन्य विशेषता, सिद्धांत रूप में, इतनी सटीक रूप से वर्णित की जा सकती है कि इसकी नकल करने के लिए एक मशीन बनाई जा सकती है।"

इन विनम्र शुरुआत के बाद से, फिल्मों और मीडिया ने एआई को रोमांटिक बना दिया है या इसे एक खलनायक के रूप में चित्रित किया है। हालाँकि, अधिकांश लोगों के लिए, AI केवल बहस का विषय बना हुआ है और सचेत जीवन अनुभव का हिस्सा नहीं है।

पिछले महीने के अंत में एआई के रूप में ChatGPT विज्ञान कथा अटकलों और अनुसंधान प्रयोगशालाओं से और आम जनता के डेस्कटॉप और फोन से बाहर हो गया है। यह तथाकथित "जनरेटिव एआई" है - एक अप्रत्याशित रूप से बुद्धिमानी से तैयार किया गया संकेत एक निबंध लिख सकता है या एक नुस्खा और खरीदारी की सूची बना सकता है, या एल्विस प्रेस्ली की शैली में एक कविता बना सकता है।

यद्यपि ChatGPT जनरेटिव एआई सफलता के एक वर्ष में सबसे प्रभावशाली प्रवेशकर्ता रहा है, इस तरह की प्रणालियों ने नई सामग्री बनाने के लिए और भी अधिक क्षमता दिखाई है, और टेक्स्ट-टू-इमेज संकेतों का उपयोग ज्वलंत छवियों को बनाने के लिए किया जा रहा है जिन्होंने कला प्रतियोगिताएं भी जीती हैं। एआई में अभी तक जीवित चेतना या मन के सिद्धांत को विज्ञान कथा फिल्मों और उपन्यासों में लोकप्रिय नहीं किया जा सकता है, लेकिन यह कम से कम बाधित करने के करीब पहुंच रहा है जो हम सोचते हैं कि कृत्रिम बुद्धि प्रणाली कर सकती है।

Google के LaMDA लार्ज लैंग्वेज मॉडल (LLM) के मामले में, जो शोधकर्ता इन प्रणालियों के साथ मिलकर काम करते हैं, वे बुद्धिमत्ता की संभावना पर बेहोश हो जाते हैं। एलएलएम एक ऐसा मॉडल है जिसे प्राकृतिक भाषा को संसाधित करने और उत्पन्न करने के लिए प्रशिक्षित किया गया है।

जनरेटिव एआई ने साहित्यिक चोरी, मॉडल बनाने के लिए उपयोग की जाने वाली मूल सामग्री के शोषण, सूचना हेरफेर की नैतिकता और विश्वास के दुरुपयोग और यहां तक ​​कि "प्रोग्रामिंग के अंत" के बारे में भी चिंता जताई है।

एआई का वास्तव में क्या मतलब है?

इस सब के केंद्र में एक सवाल है जिसकी प्रासंगिकता डार्टमाउथ में ग्रीष्मकालीन संगोष्ठी के बाद से बढ़ रही है: क्या एआई मानव बुद्धि से अलग है? एआई माने जाने के लिए, एक प्रणाली को सीखने और अनुकूलन के एक निश्चित स्तर का प्रदर्शन करना चाहिए। इस कारण से, निर्णय लेना, स्वचालन और सांख्यिकीय प्रणालियाँ AI नहीं हैं। मोटे तौर पर, एआई को दो श्रेणियों में बांटा गया है: कृत्रिम संकीर्ण बुद्धि (एआई) और कृत्रिम सामान्य बुद्धि (एआई)। वर्तमान में, SHI मौजूद नहीं है। सामान्य एआई के निर्माण के लिए एक महत्वपूर्ण चुनौती एक सुसंगत और उपयोगी तरीके से ज्ञान के पूरे शरीर के साथ दुनिया को पर्याप्त रूप से मॉडल करना है। यह, इसे हल्के ढंग से रखने के लिए, एक बड़े पैमाने का कार्य है।

आज हम जिसे एआई के रूप में जानते हैं, उनमें से अधिकांश में संकीर्ण बुद्धि है - जहां एक विशिष्ट प्रणाली एक विशिष्ट समस्या का समाधान करती है। मानव बुद्धि के विपरीत, ऐसी संकीर्ण AI बुद्धिमत्ता केवल उस डोमेन में प्रभावी होती है जिसमें इसे प्रशिक्षित किया गया है: जैसे कि धोखाधड़ी का पता लगाना, चेहरे की पहचान या सामाजिक अनुशंसाएँ। और एआई एक इंसान की तरह ही काम करेगा। वर्तमान में, इसे प्राप्त करने के प्रयासों का सबसे प्रमुख उदाहरण भारी मात्रा में डेटा पर प्रशिक्षित तंत्रिका नेटवर्क और गहन शिक्षण का उपयोग है।

तंत्रिका नेटवर्क इस बात से प्रेरित हैं कि मानव मस्तिष्क कैसे काम करता है। अधिकांश मशीन लर्निंग मॉडल के विपरीत, जो प्रशिक्षण डेटा पर गणना करते हैं, तंत्रिका नेटवर्क एक दूसरे से जुड़े नेटवर्क के माध्यम से प्रत्येक डेटा बिंदु को फीड करके काम करते हैं, हर बार मापदंडों को समायोजित करते हैं। जैसा कि अधिक से अधिक डेटा नेटवर्क के माध्यम से खिलाया जाता है, पैरामीटर स्थिर हो जाते हैं, जिसके परिणामस्वरूप एक "प्रशिक्षित" तंत्रिका नेटवर्क होता है जो तब नए डेटा पर वांछित आउटपुट का उत्पादन कर सकता है - उदाहरण के लिए, यह पहचानना कि एक छवि में बिल्ली या कुत्ता है या नहीं।

आज आर्टिफिशियल इंटेलिजेंस के विकास में एक महत्वपूर्ण छलांग बड़े तंत्रिका नेटवर्क सीखने के तरीकों में तकनीकी सुधार के कारण है, जो बड़े क्लाउड कंप्यूटिंग इन्फ्रास्ट्रक्चर की क्षमताओं की बदौलत प्रत्येक रन के दौरान बड़ी संख्या में मापदंडों को समायोजित करने की अनुमति देता है। उदाहरण के लिए, GPT-3 (AI सिस्टम जो ChatGPT को शक्ति प्रदान करता है) 175 बिलियन मापदंडों वाला एक बड़ा तंत्रिका नेटवर्क है।

आर्टिफिशियल इंटेलिजेंस के काम करने के लिए क्या आवश्यक है?

आर्टिफिशियल इंटेलिजेंस को सफलतापूर्वक काम करने के लिए तीन चीजों की जरूरत होती है। सबसे पहले, उसे गुणवत्ता, वस्तुनिष्ठ डेटा और बहुत कुछ चाहिए। तंत्रिका नेटवर्क का निर्माण करने वाले शोधकर्ता डेटा के बड़े सरणियों का उपयोग करते हैं जो समाज के डिजिटलीकरण के लिए धन्यवाद प्रकट हुए हैं।

मानव प्रोग्रामरों का पूरक, सह-पायलट अपना डेटा GitHub पर होस्ट किए गए कोड की अरबों लाइनों से प्राप्त करता है। ChatGPT और अन्य बड़े भाषा मॉडल इंटरनेट पर संग्रहीत अरबों वेबसाइटों और टेक्स्ट दस्तावेज़ों का उपयोग करते हैं।

छवि रूपांतरण उपकरण जैसे पाठ स्थिर प्रसार, डेल-2 और मिडजर्नी, LAION-5B जैसे डेटासेट से इमेज-टेक्स्ट जोड़े का उपयोग करें। एआई मॉडल का विकास जारी रहेगा क्योंकि हम अपने जीवन का अधिक डिजिटीकरण करते हैं और उन्हें वैकल्पिक डेटा स्रोत खिलाते हैं, जैसे कि सिमुलेशन डेटा या गेम सेटिंग्स जैसे कि Minecraft से डेटा।

एआई को प्रभावी ढंग से प्रशिक्षित करने के लिए कंप्यूटिंग इंफ्रास्ट्रक्चर की भी आवश्यकता है। जैसे-जैसे कंप्यूटर अधिक शक्तिशाली होते जाते हैं, जिन मॉडलों को अब गहन प्रयास और बड़े पैमाने पर गणना की आवश्यकता होती है, उन्हें निकट भविष्य में स्थानीय रूप से संसाधित किया जा सकता है। उदाहरण के लिए, स्थिर प्रसार मॉडल को पहले से ही स्थानीय कंप्यूटरों पर चलाया जा सकता है न कि क्लाउड वातावरण में। एआई की तीसरी जरूरत बेहतर मॉडल और एल्गोरिदम है। डेटा-संचालित प्रणालियां उन क्षेत्रों में तेजी से प्रगति करना जारी रखती हैं जिन्हें कभी मानव अनुभूति का क्षेत्र माना जाता था।

हालाँकि, चूंकि हमारे आस-पास की दुनिया लगातार बदल रही है, एआई सिस्टम को नए डेटा का उपयोग करके लगातार पुन: प्रशिक्षित करने की आवश्यकता है। इस महत्वपूर्ण कदम के बिना, एआई सिस्टम ऐसे उत्तर देंगे जो तथ्यात्मक रूप से गलत हैं या नई जानकारी को ध्यान में नहीं रखते हैं जो उनके प्रशिक्षित होने के बाद से सामने आई है।

एआई के लिए तंत्रिका नेटवर्क एकमात्र दृष्टिकोण नहीं हैं। आर्टिफिशियल इंटेलिजेंस अनुसंधान में एक और उल्लेखनीय शिविर प्रतीकात्मक एआई है - डेटा के विशाल सरणियों को पचाने के बजाय, यह कुछ घटनाओं के आंतरिक प्रतीकात्मक प्रतिनिधित्व बनाने की मानव प्रक्रिया के समान नियमों और ज्ञान पर निर्भर करता है।

लेकिन पिछले एक दशक में, शक्ति का संतुलन डेटा-चालित दृष्टिकोणों की ओर बहुत अधिक झुका हुआ है, और आधुनिक गहन शिक्षा के "संस्थापक पिता" को हाल ही में ट्यूरिंग पुरस्कार से सम्मानित किया गया, जो कंप्यूटर विज्ञान में नोबेल पुरस्कार के बराबर है।

डेटा, गणना और एल्गोरिदम भविष्य के एआई का आधार बनते हैं। सभी संकेतक निकट भविष्य के लिए तीनों श्रेणियों में तेजी से प्रगति की ओर इशारा करते हैं।

आप यूक्रेन को रूसी आक्रमणकारियों से लड़ने में मदद कर सकते हैं। ऐसा करने का सबसे अच्छा तरीका यूक्रेन के सशस्त्र बलों को धन दान करना है जीवन बचाएं या आधिकारिक पेज के माध्यम से NBU.