हम आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) के विकास से कैसे लाभ उठा सकते हैं

आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) बनाना कई एआई विशेषज्ञों के लिए अंतिम लक्ष्य है। एक एजीआई एजेंट को दुनिया की कई समस्याओं का समाधान 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 के साथ अपनी नई उत्पन्न चेतना का उपयोग करके वास्तविक जीवन के निर्णय ले सकता है।

एक एजीआई और एक नियमित एल्गोरिदम के बीच का अंतर यह है कि एजीआई खुद से महत्वपूर्ण प्रश्न पूछ सकता है। एक एजीआई अंतिम समाधान को формूलेट कर सकता है जिसे वह प्राप्त करना चाहता है, कल्पनात्मक तरीकों से वहां पहुंचने के लिए सिम्युलेट कर सकता है, और फिर निर्धारित लक्ष्यों के साथ सबसे अच्छा मेल खाने वाली सिम्युलेटेड वास्तविकता पर एक सूचित निर्णय ले सकता है।

एजीआई कैसे उत्पन्न हो सकता है, इस पर बहस 1956 में डार्टमाउथ सम्मेलन में “आर्टिफिशियल इंटेलिजेंस” 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 आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) – जिसे हम अर्थशास्त्री रूप से मूल्यवान काम में मानवता से बेहतर प्रदर्शन करने वाली अत्यधिक स्वायत्त प्रणाली के रूप में परिभाषित करते हैं – को सुनिश्चित करना है कि यह मानवता के लिए लाभकारी है।

ओपनएआई मिशन बयान स्पष्ट रूप से एजीआई द्वारा पेश किए जा सकने वाले संभावित लाभों को रेखांकित करता है। अचानक जो मुद्दे मानवों 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 बता सकते हैं, एजीआई तब इंटरनेट से जुड़कर हर भाषा में वर्तमान अनुसंधान को स्कैन कर सकता है। एजीआई समस्या का समाधान बनाने की प्रक्रिया शुरू कर सकता है, और फिर सभी संभावित परिणामों को सिम्युलेट कर सकता है। यह मानवों द्वारा वर्तमान में धारण किए जाने वाले चेतना के लाभों को बादल के अंतहीन ज्ञान के साथ जोड़ सकता है, बड़े डेटा के लिए गहरे सीखने के लिए पैटर्न मान्यता का उपयोग कर सकता है, और विभिन्न पर्यावरण/परिणामों को सिम्युलेट करने के लिए पुरस्कार सीखने का उपयोग कर सकता है। यह सभी एक ऐसी चेतना के साथ जुड़ा हुआ है जिसे कभी भी आराम की आवश्यकता नहीं होती है और कार्य पर 100% केंद्रित हो सकती है।

एजीआई के संभावित नुकसानों को कम करके नहीं आंका जा सकता है, आपके पास एक एजीआई हो सकता है जिसका लक्ष्य लगातार खुद को 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 तरीके से कॉन्फ़िगर किए गए एजीआई को पेपरक्लिप बनाने का निर्देश दिया जाता है और तब तक ऐसा करता है जब तक कि कुछ भी नहीं बचता, साहित्यिक अर्थों में, पेपरक्लिप के उत्पादन को अधिकतम करने के लिए पृथ्वी पर हर संसाधन की खपत हो जाती है।

एक अधिक व्यावहारिक दृष्टिकोण यह है कि एक एजीआई को 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 प्रोग्राम कर सकती है, और इस मामले में खराब प्रोग्रामिंग और शून्य पछतावे के साथ, यह प्रतिद्वंद्वियों को दिवालिया करने, आपूर्ति श्रृंखला को नष्ट करने, स्टॉक बाजार को हैक करने, बैंक खातों को तरल करने आदि का विकल्प चुन सकती है।

अतः, एक एजीआई में नैतिकता का एक कोड शुरू से ही प्रोग्राम किया जाना चाहिए। एक नैतिकता के कोड पर कई दिमागों ने चर्चा की है, और यह अवधारणा पहली बार लेखक आइज़क असिमोव द्वारा रोबोटिक्स के 3 कानूनों के रूप में सामान्य जनता के लिए पेश की गई थी।

रोबोटिक्स के 3 कानूनों में कुछ समस्याएं हैं क्योंकि कानूनों की विभिन्न व्याख्या की जा सकती है। हमने पहले एक एजीआई में नैतिकता को प्रोग्राम करने पर चर्चा की थी, हमारे चार्ल्स जे साइमन, लेखक विल कंप्यूटर्स रिवोल्ट? से साक्षात्कार श्रृंखला में

7 अप्रैल, 2020, वह दिन है जब ब्रेन सिम्युलेटर II को सार्वजनिक रूप से जारी किया गया था। इस ब्रेन सिम्युलेटर के संस्करण में विभिन्न एआई एल्गोरिदम के प्रयोग के लिए विज़न, श्रवण, रोबोटिक नियंत्रण, सीखने, आंतरिक मॉडलिंग, और यहां तक कि योजना, कल्पना, और पूर्वानुमान के साथ एक एंड-टू-एंड एजीआई सिस्टम बनाने के लिए मॉड्यूल हैं।

“नई, अनोखी एल्गोरिदम जो सीधे तौर पर संज्ञान को संबोधित करती हैं, एआई को एजीआई में विकसित करने में मदद करने की कुंजी हैं,” साइमन बताते हैं।

“ब्रेन सिम्युलेटर II दृष्टि और स्पर्श को एक ही मानसिक मॉडल में जोड़ता है और कारण और समय की प्रगति की समझ की ओर प्रगति कर रहा है,” साइमन नोट्स। “जैसे ही मॉड्यूल बढ़ते हैं, अधिक बुद्धिमत्ता उत्पन्न होगी।”

ब्रेन सिम्युलेटर II ने आर्टिफिशियल न्यूरल 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 का अनुसंधान करने में सक्षम बनाता है।

ब्रेन सिम्युलेटर II में रुचि रखने वाले कोई भी सॉफ़्टवेयर डाउनलोड करके, नए फीचर्स का सुझाव देकर, और (उन्नत डेवलपर्स के लिए) यहां तक कि कस्टम मॉड्यूल भी जोड़कर विकास प्रक्रिया में शामिल हो सकते हैं। आप इसके निर्माता चार्ल्स साइमन को ट्विटर पर भी फॉलो कर सकते हैं।

इस बीच, समाज को हाल ही में COVID-19 वायरस से व्यवधित किया गया है। यदि हमारे पास एक एजीआई सिस्टम होता, तो हम इसका उपयोग COVID-19 के प्रसार को रोकने के तरीके की पहचान करने और अधिक महत्वपूर्ण बात, COVID-19 रोगियों का इलाज करने के लिए कर सकते थे। जबकि यह महामारी के लिए एजीआई की मदद लेने के लिए बहुत देर हो सकती है, भविष्य के प्रकोप में एक एजीआई हमारे शस्त्रागार में सबसे अच्छा उपकरण हो सकता है।