एड्रियन ज़िडारिट्ज़, एआईब्लूडॉट.कॉम के लेखक – साक्षात्कार श्रृंखला

एड्रियन ज़िडारिट्ज़ एआईब्लूडॉट.कॉम के लेखक हैं, जो एक ब्लॉग है जो एआई का अवलोकन प्रदान करता है, जिसमें गणित, नैतिकता, राजनीति और बीच में “सब कुछ” शामिल है। हालांकि लेखों में तकनीकी सामग्री की न्यूनतम मात्रा होती 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 बढ़ा-चढ़ाकर पेश किया जाता है या नीचा दिखाया जाता है; यह हमारे वर्तमान समय में सबसे परिणामी प्रौद्योगिकी है।

आपको एआई में最初 क्या आकर्षित किया?

एआई विकास एक विस्तृत श्रृंखला की विशेषज्ञता की आवश्यकता है, जो किसी भी अन्य आधुनिक प्रौद्योगिकी से अलग है। यह सांख्यिकी, तंत्रिका विज्ञान, अनुप्रयुक्त गणित, कंप्यूटर विज्ञान, सॉफ्टवेयर विकास, मनोविज्ञान आदि से शोध पर निर्भर करता है। यह चुनौती मुझे आकर्षित करती है, साथ ही मुझे अपने पिछले करियर में इनमें से कई क्षेत्रों में छेड़छाड़ करने का भाग्य मिला था: गणित, कंप्यूटर विज्ञान, सॉफ्टवेयर विकास, सांख्यिकी।

आपके पास एआई में व्यापक करियर है। कुछ हाइलाइट्स पर चर्चा करें?

यह एक तरह से प्रश्न 1 की निरंतरता है। लगभग हर मध्यम आयु वर्ग के लोग जो वर्तमान में एआई में काम कर रहे हैं वे कहीं और से आते हैं। 2005 तक एआई नहीं था (दूसरी ओर, एआई की सफलता मुख्य रूप से न्यूरल नेटवर्क = गहरे शिक्षण के कारण है; इसलिए, व्यावहारिक उद्देश्यों के लिए, जब हम एआई कहते हैं, तो हम गहरे शिक्षण का अर्थ लेते हैं)। इसके परिणामस्वरूप, हममें से कई जो एआई में काम करते हैं वे क्षेत्र में अनोखे दृष्टिकोण लाते हैं। मैं गणित की पृष्ठभूमि से आता हूं, जो बड़े डेटा इंजीनियरिंग के साथ जुड़ा हुआ है (कभी-कभी परियोजना के कुल समय का 80% से अधिक)। मेरी पृष्ठभूमि एआई को इसके गणितीय आधारों (बहुत सैद्धांतिक) और डेटा वैज्ञानिकों और मशीन लर्निंग इंजीनियरों की टीमों का नेतृत्व करने के व्यावहारिक पहलुओं के बीच में रखती है। एआई प्रौद्योगिकियों के बारे में मध्य में अधिक जानने वाले अन्य शोधकर्ता हैं।

आपका मानना ​​है कि मीडिया एआई की स्थिति को सटीक रूप से रिपोर्ट करने और वास्तविकता के बीच इतना बड़ा अंतर 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। नेटफ्लिक्स पर सोशल डिलेमा डॉक्यूमेंट्री का उल्लेख करना पर्याप्त है, जिसमें एआई के इन विरोधाभासी दृष्टिकोण, सिलिकॉन वैली के दृष्टिकोण से, अच्छी तरह से प्रलेखित किया गया है।

वर्तमान में एआई में जो प्रगति हुई है, उसका एक बड़ा हिस्सा गहरे शिक्षण से आया है। गहरे शिक्षण के ब्लैक बॉक्स समस्या पर आपके क्या विचार हैं?

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

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

वर्तमान में, एआई डेटा के बारे में है, एल्गोरिदम के बारे में नहीं। एल्गोरिदम में कोई पूर्वाग्रह नहीं है, पूर्वाग्रह डेटा में है। डेटा समाज संरचना और समाज स्तरीकरण को प्रतिबिंबित करता है, क्योंकि डेटा संग्रह में भी पूर्वाग्रह होता है। यह एक धीरे-धीरे लोगों के सभी प्रकार के पृष्ठभूमि में डेटा संग्रह प्रक्रिया में शामिल होने की जरूरत है, ताकि डेटा आबादी का एक सही प्रतिनिधित्व करे।

आपको किस प्रकार का मशीन लर्निंग सबसे रोचक लगता है?

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

आपका मानना ​​है कि एआई से होने वाली नौकरी के नुकसान से निपटने के लिए सार्वभौमिक बुनियादी आय (यूबीआई) आवश्यक होगी। कृपया अपने विचारों पर विस्तार करें।

सociety स्वचालन (लागू एआई) से बड़े प्रतिशोध का सामना करेगी। हमने 2016 से राजनीतिक उथल-पुथल में भी बदलाव देखा है। यह वापस जाने का कोई तरीका नहीं है। कई नौकरियां बस गायब हो जाएंगी। एक रेडियोलॉजिस्ट के रूप में प्रशिक्षण लेने का कोई मतलब नहीं है। एआई एक्स-रे, एमआरआई और अन्य प्रिंट को मानव से बेहतर 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 जब स्वचालन व्यापक हो जाएगा, तो मानवों को अनावश्यक रूप से पीड़ित नहीं होना पड़ेगा। और इसकी कोई जरूरत नहीं है, क्योंकि एआई समाज को अभी भी काम करने के लिए आवश्यक काम प्रदान करेगा।

क्या आप मानते हैं कि हम कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) हासिल कर सकते हैं?

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

क्या आप मानते हैं कि हम एक सिम्युलेशन में रहते हैं इसकी संभावना है?

एक संभावना? हाँ, इसका अर्थ है कि हमारे एक सिम्युलेशन में रहने की संभावना 0 नहीं है। यह बौद्धिक रूप से आकर्षक भी है। लेकिन क्या यह संभव है? नहीं, मेरे लिए तो नहीं, अर्थात संभावना 0 नहीं है, लेकिन बहुत छोटी है।

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