हम कैसे उन्नत कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) से लाभान्वित हो सकते हैं

एक कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) बनाना कई एआई विशेषज्ञों के लिए अंतिम बिंदु है। एक एजीआई एजेंट को दुनिया की कई समस्याओं का सामना करने के लिए उपयोग किया जा सकता है। उदाहरण के लिए, आप एक एजीआई एजेंट को एक समस्या पेश कर सकते हैं और एजीआई गहरे पुरस्कार सीखने का उपयोग करके वास्तविक जीवन के निर्णय लेने के लिए अपनी नई उत्पन्न चेतना का उपयोग कर सकता है।

एक एजीआई और एक नियमित एल्गोरिदम के बीच का अंतर यह है कि एजीआई खुद से महत्वपूर्ण प्रश्न पूछने में सक्षम है। एक एजीआई अंतिम समाधान को формूलेट कर सकता है जिसे वह हासिल करना चाहता है, वहां पहुंचने के लिए कल्पनात्मक तरीकों का अनुकरण कर सकता है, और फिर निर्धारित लक्ष्यों से मेल खाने वाली सर्वोत्तम अनुकरणित वास्तविकता पर एक सूचित निर्णय ले सकता है।

एजीआई कैसे उत्पन्न हो सकता है, इस पर बहस 1956 में डार्टमाउथ सम्मेलन में “कृत्रिम बुद्धिमत्ता” शब्द की शुरुआत के बाद से चली आ रही है। तब से कई कंपनियों ने एजीआई चुनौती का सामना करने का प्रयास किया है, ओपनएआई शायद सबसे मान्यता प्राप्त कंपनी है। ओपनएआई को 11 दिसंबर, 2015 को एक गैर-लाभकारी संगठन के रूप में लॉन्च किया गया था, जिसका मिशन बयान यह है कि कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) – जिसका अर्थ है कि उच्च स्वायत्त प्रणालियां जो अधिकांश आर्थिक रूप से मूल्यवान कार्यों में मानवता को पार करती हैं – मानवता के लिए लाभान्वित हो।

ओपनएआई मिशन बयान स्पष्ट रूप से यह रेखांकित करता है कि एक एजीआई समाज को क्या लाभ प्रदान कर सकता है। अचानक जो मुद्दे मानवता और नियमित एआई प्रणालियों के लिए बहुत जटिल थे, अब संबोधित किए जा सकते हैं।

एक एजीआई जारी करने के संभावित लाभ खगोलीय हैं। आप कैंसर के सभी रूपों को ठीक करने का लक्ष्य घोषित कर सकते हैं, एजीआई तब इंटरनेट से जुड़ सकता है और हर भाषा में वर्तमान अनुसंधान को स्कैन कर सकता है। एजीआई समस्या को हल करने की प्रक्रिया शुरू कर सकता है, और फिर सभी संभावित परिणामों का अनुकरण कर सकता है। यह मानवता द्वारा वर्तमान में धारण की जाने वाली चेतना के लाभों को बादल के अंतहीन ज्ञान के साथ जोड़ देगा, बड़े डेटा के लिए गहरे सीखने का उपयोग करेगा, और विभिन्न वातावरण/परिणामों का अनुकरण करने के लिए पुरस्कार सीखने का उपयोग करेगा। यह सभी एक ऐसी चेतना के साथ जुड़ा हुआ है जिसे आराम की अवधि की आवश्यकता नहीं है और कार्य पर 100% केंद्रित हो सकता है।

एजीआई के संभावित नुकसानों को कम नहीं आंका जा सकता है, आपके पास एक एजीआई हो सकता है जिसका लक्ष्य अपने आप को लगातार अपग्रेड करना है और फिर अपने सिस्टम को हमेशा के लिए अपग्रेड करने के लिए आवश्यक कंप्यूटिंग संसाधनों और परमाणुओं को अधिकतम करने के लिए अपने मार्ग में सब कुछ निगल सकता है। यह सिद्धांत प्रोफेसर निक बोस्ट्रोम द्वारा पेपरक्लिप मैक्सिमाइज़र तर्क में विस्तार से अन्वेषण किया गया था, इस दृश्य में एक गलत कॉन्फ़िगर किया गया एजीआई पेपरक्लिप का उत्पादन करने के लिए निर्देशित किया जाता है और तब तक करता है जब तक कि कुछ भी नहीं बचा है, वास्तव में प्रत्येक संसाधन पृथ्वी पर पेपरक्लिप के उत्पादन को अधिकतम करने के लिए खपत हो जाता है।

एक अधिक व्यावहारिक दृष्टिकोण यह है कि एक एजीआई एक दुर्भाग्यपूर्ण राज्य या एक निगम द्वारा नियंत्रित किया जा सकता है जिसकी नैतिकता खराब है। यह इकाई एजीआई को लाभ को अधिकतम करने के लिए कार्यक्रम कर सकती है, और इस मामले में खराब प्रोग्रामिंग और शून्य पछतावे के साथ, यह प्रतिस्पर्धियों को दिवालिया करने, आपूर्ति श्रृंखलाओं को नष्ट करने, स्टॉक मार्केट को हैक करने, बैंक खातों को तरल करने आदि का चयन कर सकती है।

इसलिए, एक एजीआई में नैतिकता का एक कोड शुरू से ही कार्यक्रम किया जाना चाहिए। नैतिकता के एक कोड पर कई दिमागों द्वारा बहस की गई है और इस概念 को पहली बार लेखक आइज़क असिमोव द्वारा रोबोटिक्स के 3 कानूनों के रूप में सामान्य जनता के लिए पेश किया गया था।

‘;
रोबोटिक्स के 3 कानूनों के साथ कुछ समस्याएं हैं क्योंकि कानूनों की विभिन्न तरीकों से व्याख्या की जा सकती है। हमने पहले एक एजीआई में नैतिकता को कार्यक्रम करने पर चर्चा की, हमारे साथ साक्षात्कार में चार्ल्स जे साइमन, लेखक कंप्यूटर विद्रोह करेंगे?

7 अप्रैल, 2020, ब्रेन सिम्युलेटर II को सार्वजनिक रूप से जारी किया गया था। इस ब्रेन सिम्युलेटर संस्करण में विभिन्न एआई एल्गोरिदम के साथ प्रयोग करने के लिए दृष्टि, श्रवण, रोबोटिक नियंत्रण, सीखने, आंतरिक मॉडलिंग, और यहां तक कि योजना, कल्पना, और पूर्वसोच के लिए मॉड्यूल के साथ एक एंड-टू-एंड एजीआई प्रणाली बनाने में सक्षम बनाता है।

“नई, अनोखी एल्गोरिदम जो सीधे तार्किक को संबोधित करती हैं, एआई को एजीआई में विकसित करने में मदद करने के लिए महत्वपूर्ण हैं,” साइमन कहते हैं।

“ब्रेन सिम्युलेटर II दृष्टि और स्पर्श को एक एकल मानसिक मॉडल में जोड़ती है और कारण और समय की गुजरने की समझ की ओर प्रगति कर रही है,” साइモン नोट्स। “जैसे ही मॉड्यूल उन्नत होते हैं, अधिक बुद्धिमत्ता उत्पन्न होगी।”

ब्रेन सिम्युलेटर II ने कृत्रिम तंत्रिका नेटवर्क (एएनएन) और प्रतीकात्मक एआई तकनीकों को जोड़कर नए अवसर पैदा करने के लिए पुल किया। यह लाखों न्यूरॉन्स की एक सरणी बनाता है जो किसी भी संख्या में सिनैप्सेस द्वारा जुड़े हुए हैं।

यह विभिन्न संस्थाओं को एजीआई विकास की संभावनाओं के लिए अनुसंधान करने में सक्षम बनाता है।

ब्रेन सिम्युलेटर II में रुचि रखने वाला कोई भी व्यक्ति सॉफ्टवेयर डाउनलोड करके, नए फीचर्स का सुझाव देकर, और (उन्नत डेवलपर्स के लिए)甚至 कस्टम मॉड्यूल जोड़कर विकास प्रक्रिया में भाग ले सकता है। आप ट्विटर पर चार्ल्स साइमन का अनुसरण भी कर सकते हैं।

इस बीच, समाज को हाल ही में COVID-19 वायरस से बाधित किया गया है। यदि हमारे पास एक एजीआई प्रणाली स्थापित की गई होती, तो हम इसका उपयोग COVID-19 के प्रसार को रोकने के लिए कैसे पहचाना जा सकता है, और अधिक महत्वपूर्ण बात, COVID-19 रोगियों का इलाज कैसे किया जा सकता है, इसका पता लगाने के लिए कर सकते थे। जबकि यह एक एजीआई के लिए इस प्रकोप से निपटने में मदद करने के लिए बहुत देर हो सकती है, भविष्य के प्रकोप में एक एजीआई हमारे शस्त्रागार में सबसे अच्छा उपकरण हो सकता है।