एड्रियन ज़िडारिट्ज़, AIbluedot.com के लेखक – साक्षात्कार श्रृंखला

एड्रियन ज़िडारिट्ज़ AIbluedot.com के लेखक हैं, जो एक ब्लॉग है जो एआई का अवलोकन प्रदान करता है, जिसमें गणित, नैतिकता, राजनीति और बीच में “सब कुछ” का मिश्रण है। हालांकि लेखों में तकनीकी सामग्री की न्यूनतम मात्रा है, वे विशेषज्ञों के लिए नहीं हैं, बल्कि वे सामान्य जनता के लिए हैं। एआई को गैर-विशेषज्ञों द्वारा गलत समझा जाता है और यह मीडिया में या तो हाइप किया जाता है या नीचा दिखाया जाता है; यह फिर भी हमारे वर्तमान समय में सबसे परिणामी प्रौद्योगिकी है।

आपको एआई में क्या आकर्षित किया?

एआई विकास के लिए विभिन्न प्रकार की विशेषज्ञता की आवश्यकता होती है, जो किसी भी अन्य आधुनिक प्रौद्योगिकी से अलग है। यह आंकड़ों से शोध, तंत्रिका विज्ञान, अनुप्रयुक्त गणित, कंप्यूटर विज्ञान, सॉफ्टवेयर विकास, मनोविज्ञान आदि पर निर्भर करता है। यह चुनौति मुझे आकर्षित करती है, साथ ही साथ मुझे अपने पिछले करियर में इनमें से कई क्षेत्रों के साथ प्रयोग करने का अवसर मिला था: गणित, कंप्यूटर विज्ञान, सॉफ्टवेयर विकास, आंकड़े।

आपके पास एआई में काम करने का व्यापक अनुभव है। कुछ ऐसे हाइलाइट्स पर चर्चा करें?

यह एक तरह से प्रश्न 1 का विस्तार है। लगभग हर मध्यम आयु वर्ग के व्यक्ति जो वर्तमान में एआई में काम कर रहे हैं, वे कहीं और से आते हैं। 2005 तक एआई नहीं था (बtw एआई की सफलता मुख्य रूप से न्यूरल नेटवर्क = डीप लर्निंग के कारण है, सभी अन्य तकनीकें इसकी तुलना में फीकी हैं; इसलिए व्यावहारिक उद्देश्यों के लिए जब हम एआई कहते हैं तो हम डीप लर्निंग का मतलब लेते हैं)। परिणामस्वरूप, हममें से जो एआई में काम करते हैं वे क्षेत्र में अद्वितीय दृष्टिकोण लाते हैं। मैं गणित की पृष्ठभूमि से आता हूं, जो व्यावहारिक एआई परियोजनाओं का नेतृत्व करता है, जिसमें बिगडेटा इंजीनियरिंग एक बहुत बड़ी भूमिका निभाती है (कभी-कभी कुल परियोजना समय का 80% से अधिक)। मेरी पृष्ठभूमि एआई को इसके गणितीय आधारों (बहुत सैद्धांतिक) के प्रश्न और डेटा वैज्ञानिकों और मशीन लर्निंग इंजीनियरों की टीमों का नेतृत्व करने के व्यावहारिक पहलुओं के बीच में रखती है। अन्य शोधकर्ता हैं जो एआई प्रौद्योगिकियों के बारे में मध्य में सैंडविच के बारे में अधिक जानते हैं।

आपका मानना है कि एआई को मीडिया में हाइप किया जाता है या पानी के नीचे किया जाता है। मीडिया द्वारा एआई की स्थिति की सटीक रिपोर्टिंग और प्रौद्योगिकी की वास्तविक वास्तविकता के बीच ऐसा डिस्कनेक्ट क्यों है?

क्योंकि एआई को एआई में काम करने वाले कुछ लोगों द्वारा भी गलत समझा जाता है, न कि सिर्फ प्रेस द्वारा। यह एक बहुत ही युवा अनुशासन है, जिसमें बहुत युवा कार्यकर्ता हैं। इन युवा कार्यकर्ताओं के विभिन्न राय मीडिया में अपना रास्ता बनाते हैं, जो उद्देश्यों के मिसालignment को खिलाते हैं। सोशल डिलेमा डॉक्यूमेंट्री का उल्लेख करने के लिए पर्याप्त है, जिसमें एआई के इन संघर्षपूर्ण दृष्टिकोण, सिलिकॉन वैली के दृष्टिकोण से, अच्छी तरह से प्रलेखित किया गया है।

वर्तमान में एआई में जो प्रगति हमने देखी है, वह अधिकांश डीप लर्निंग से है। डीप लर्निंग के ब्लैक बॉक्स समस्या पर आपके विचार क्या हैं?

यह एक बड़ी समस्या है। मूल रूप से हमें सीखने की प्रक्रिया की एक सैद्धांतिक (= गणितीय) समझ नहीं है। हम नहीं जानते कि डीप लर्निंग एल्गोरिदम वास्तव में कैसे सीखते हैं। हम केवल देखते हैं कि वे करते हैं। सिद्धांत विकसित करने के प्रयास किए गए हैं, लेकिन कोई भी व्यापक स्वीकृति प्राप्त नहीं की है। इसलिए, उस बुनियादी समझ की अनुपस्थिति में, हम केवल यह कह सकते हैं “देखें, यह काम करता है”। लेकिन एक व्हाइट-बॉक्स स्पष्टीकरण असंभव है इस समय। अन्य एल्गोरिदम (डीप लर्निंग नहीं) बेहतर समझे जाते हैं और उनके लिए परिणामों की व्याख्या संभव है। डीप लर्निंग के लिए नहीं।

एआई पूर्वाग्रह और इसे कैसे रोकने पर आपके विचार क्या हैं?

वर्तमान में एआई सभी के बारे में डेटा है, एल्गोरिदम के बारे में नहीं। एल्गोरिदम में कोई पूर्वाग्रह नहीं है, पूर्वाग्रह डेटा में है। डेटा समाज संरचना और समाज स्तरीकरण को भी दर्शाता है, क्योंकि डेटा संग्रह में भी पूर्वाग्रह होता है। ये स्वाभाविक रूप से होने वाले हैं, जो होना चाहिए वह डेटा संग्रह प्रक्रिया में सभी प्रकार के पृष्ठभूमि के लोगों का धीरे-धीरे समावेश है, ताकि डेटा जनसंख्या का सही प्रतिनिधित्व करे।

आपको किस प्रकार की मशीन लर्निंग सबसे रोचक लगती है?

जैसा कि मैंने पहले कहा, मशीन लर्निंग अब अपनी सबसे सफल आंतरिक शाखा, डीप लर्निंग को जमीन दे रही है। न्यूरल नेटवर्क, अपनी बहुमुखी प्रतिभा के माध्यम से, प्रमुख हैं।

आपका मानना है कि यूनिवर्सल बेसिक आय (यूबीआई) एआई से उत्पन्न नौकरी के नुकसान से निपटने के लिए आवश्यक होगी। आप अपने विचारों पर विस्तार कर सकते हैं?

समाज एआई (लागू की गई एआई) से巨ी परिणामों का सामना करेगा। हमने 2016 से राजनीतिक उथल-पुथल में भी बदलाव देखा है। वहाँ बस कोई रास्ता नहीं होगा जिससे वापस जाया जा सके। कई नौकरियां बस गायब हो जाएंगी। आजकल एक रेडियोलॉजिस्ट के रूप में प्रशिक्षण लेने का कोई मतलब नहीं है। एआई एक मानव से बेहतर एक्स-रे, एमआरआई और अन्य प्रिंट पढ़ सकता है। जब कोई नौकरी नहीं होगी जो वे कर सकते हैं, तो लोगों के साथ क्या होगा? यूबीआई यह गारंटी देता है कि मानव बिना किसी आवश्यकता के पीड़ित नहीं होंगे जब स्वचालन व्यापक हो जाएगा। और इसकी कोई जरूरत नहीं है, क्योंकि एआई समाज के लिए अभी भी काम करने के लिए आवश्यक काम देगा।

क्या आप मानते हैं कि हम आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) हासिल कर सकते हैं?

हाँ, कई लोग तर्क देते हैं कि डीपमाइंड का सॉफ्टवेयर पहले से ही एजीआई की सीमा पर है। मैं उस विचार की सदस्यता नहीं लेता, लेकिन मेरे लिए भी उत्तर हाँ है। एजीआई का अर्थ भावनाएं या चेतना नहीं है, एजीआई में आई का अर्थ केवल संज्ञानात्मक बुद्धिमत्ता है। और उस स्तर की बुद्धिमत्ता के लिए, उत्तर हाँ लगता है।

क्या आप मानते हैं कि हम एक सिमुलेशन में रहते हैं?

एक संभावना? हाँ, अर्थात हम एक सिमुलेशन में रहते हैं इसकी संभावना 0 नहीं है। यह बौद्धिक रूप से आकर्षक भी है। लेकिन क्या यह संभव है? नहीं, मेरे लिए यह संभव नहीं है, अर्थात यह संभावना 0 नहीं है, लेकिन बहुत छोटी है।

साक्षात्कार के लिए धन्यवाद, पाठक जो एड्रियन के विभिन्न पहलुओं पर एआई के बारे में अधिक जानना चाहते हैं उन्हें AIbluedot.com पर जाना चाहिए।