आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) की ओर साझा यात्रा: एक संतुलित दृष्टिकोण

जैसे ही आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) तेजी से आगे बढ़ रहा है, चर्चा दार्शनिक बहस से व्यावहारिक प्रासंगिकता की ओर बढ़ रही है, जिसमें वैश्विक व्यवसायों और मानव क्षमता को बदलने का अवसर है।

ट्यूरिंग के एजीआई आइकॉन्स इवेंट श्रृंखला में एआई नवप्रवर्तनकारी लोग एकत्र होकर एजीआई समाधानों के व्यावहारिक और जिम्मेदार विकास पर चर्चा करते हैं। 24 जुलाई को, ट्यूरिंग ने हमारा दूसरा एजीआई आइकॉन्स इवेंट एसएचएसीเค15, सैन फ्रांसिस्को में आयोजित किया, जो उद्यमियों और प्रौद्योगिकी नवप्रवर्तनकारियों के लिए एक विशेष केंद्र है। अनीता रामास्वामी, द इन्फॉर्मेशन की वित्तीय स्तंभकार, के साथ बातचीत में, मैंने क्वोरा के सीईओ, एडम डी’एंजेलो के साथ बैठकर एजीआई की ओर यात्रा पर चर्चा की और विकास की समयसीमा, वास्तविक दुनिया के अनुप्रयोगों और जिम्मेदार तैनाती के सिद्धांतों पर अंतर्दृष्टि साझा की।

एआई से एजीआई की ओर

एआई अनुसंधान का “उत्तरी तारा” जो मानव-स्तरीय “बुद्धिमत्ता” की खोज है। एजीआई को मानक एआई से अलग करने वाली बात यह है कि यह संकीर्ण कार्यक्षमता से अधिक सामान्यता (ब्रेड्थ) और प्रदर्शन (डेप्थ) की ओर बढ़ता है, यहां तक कि मानव क्षमताओं को भी पार करता है।

यह “एजीआई की ओर यात्रा” है, जहां एआई अधिक स्वायत्त प्रणालियों, उत्कृष्ट तर्क, बढ़ी हुई क्षमताओं और बेहतर कार्यक्षमता की ओर बढ़ता है। इन प्रगतियों को पांच करणीय स्तरों में विभाजित किया जा सकता है:

• स्तर 0: कोई एआई नहीं – सरल उपकरण जैसे कि कैलकुलेटर
• स्तर 1: उभरता हुआ एजीआई – वर्तमान एलएलएम जैसे कि चैटजीपीटी
• स्तर 2: सक्षम एजीआई – एआई प्रणालियां जो विशिष्ट कार्यों पर कुशल वयस्कों के साथ मेल खाती हैं
• स्तर 3: विशेषज्ञ एजीआई – एआई प्रणालियां जो 90वें प्रतिशतile पर कुशल वयस्कों के साथ मेल खाती हैं
• स्तर 4: विर्तूओसो एजीआई – एआई प्रणालियां जो 99वें प्रतिशतile पर हैं
• स्तर 5: सुपरह्यूमन एजीआई – एआई प्रणालियां जो सभी मानवों को पार करती हैं

स्रोत

हमारी चर्चा के दौरान, एडम ने एजीआई की अवधारणा को “सॉफ्टवेयर के रूप में परिभाषित किया जो मानव द्वारा की जाने वाली सभी चीजें कर सकता है।” उन्हें एक भविष्य की कल्पना है जहां एआई स्वयं को बेहतर बनाता है, अंततः जटिल मानव-कार्यों को संभालता है जो मशीन लर्निंग शोधकर्ताओं द्वारा संभाले जाते हैं।

इसके आगे बढ़ते हुए, मैंने अपने एजीआई के दृष्टिकोण की तुलना एक “कृत्रिम मस्तिष्क” से की, जो विविध कार्यों जैसे कि “मशीन अनुवाद, जटिल प्रश्नों और कोडिंग” के लिए सक्षम है। यह एजीआई और अधिक पूर्वानुमानिक एआई और संकीर्ण रूप से मशीन लर्निंग के बीच का अंतर है। यह एक उभरता हुआ व्यवहार महसूस करता है।

एजीआई की ओर यात्रा में वास्तविक विकास की समयसीमा

जैसे कि एक सड़क यात्रा पर, एजीआई के बारे में सबसे महत्वपूर्ण प्रश्न यह है कि “क्या हम वहां पहुंच गए हैं?” इसका संक्षिप्त उत्तर नहीं है, लेकिन जैसे ही एआई अनुसंधान तेजी से आगे बढ़ रहा है, सही प्रश्न यह है कि “कैसे हम एजीआई की महत्वाकांक्षा को वास्तविक अपेक्षाओं के साथ संतुलित कर सकते हैं?”

एडम ने इस बात पर जोर दिया कि एजीआई से बढ़ी हुई स्वचालन मानव भूमिकाओं को समाप्त नहीं करेगा, बल्कि उन्हें तेजी से आर्थिक विकास और अधिक कुशल उत्पादकता की ओर ले जाएगा। “जैसे ही यह प्रौद्योगिकी अधिक शक्तिशाली होती जाएगी, हम एक बिंदु पर पहुंचेंगे जहां 90% चीजें जो लोग आज कर रहे हैं वे स्वचालित हो जाएंगी, लेकिन हर कोई अन्य चीजों में स्थानांतरित हो जाएगा।”

वर्तमान में, दुनिया की अधिकांश अर्थव्यवस्था उपलब्ध लोगों की संख्या से सीमित है। एक बार जब हम एजीआई हासिल कर लेते हैं, तो हम अर्थव्यवस्था को आज की तुलना में बहुत तेजी से बढ़ा सकते हैं।

हम एजीआई के वास्तविक समयसीमा के बारे में एक निश्चित उत्तर नहीं दे सकते हैं, लेकिन एडम और मैंने कई उदाहरणों का उल्लेख किया जहां एआई प्रगति भविष्य में एजीआई प्रगति के लिए मार्ग प्रशस्त कर रही है। उदाहरण के लिए, ट्यूरिंग के एआई डेवलपर टूल्स के साथ प्रयोगों ने 33% विकासक उत्पादकता में वृद्धि दिखाई, जो भविष्य में और भी अधिक संभावनाओं की ओर संकेत करता है।

वास्तविक दुनिया के अनुप्रयोग और प्रभाव

एजीआई के सबसे आशाजनक अनुप्रयोगों में से एक सॉफ्टवेयर विकास के क्षेत्र में है। बड़े भाषा मॉडल (एलएलएम), जो एजीआई का एक पूर्ववर्ती है, पहले से ही सॉफ्टवेयर विकास में सुधार और कोड गुणवत्ता में वृद्धि के लिए उपयोग किए जा रहे हैं। मैं इस एआई युग को जीव विज्ञान के करीब देखता हूं, जहां सभी प्रकार के ज्ञान कार्य में सुधार होगा। यहां से मानवता के लिए बहुत अधिक उत्पादकता अनलॉक होगी।

मेरा दृष्टिकोण अनुभव से आता है, जहां मैंने एलएलएम और एआई डेवलपर टूल्स का उपयोग करते हुए 10 गुना व्यक्तिगत उत्पादकता वृद्धि देखी है। हम ट्यूरिंग में एआई का उपयोग तकनीकी प्रतिभा का मूल्यांकन करने और सही सॉफ्टवेयर इंजीनियरों और पीएचडी स्तर के डोमेन विशेषज्ञों को सही नौकरियों से मेल करने के लिए भी कर रहे हैं।

मैं एलएलएम प्रशिक्षण स्थान में देख रहा हूं, उदाहरण के लिए, प्रशिक्षक इन मॉडलों का उपयोग विकासक उत्पादकता में सुधार और परियोजना समयसीमा में तेजी लाने के लिए करते हैं। विकासकों को नियमित कोडिंग कार्यों को स्वचालित करने और बुद्धिमान कोड सुझाव प्रदान करने से, एलएलएम विकासकों को अधिक रणनीतिक और रचनात्मक पहलुओं पर ध्यान केंद्रित करने के लिए मुक्त करते हैं।

एडम ने समाप्त किया, “एलएलएम सभी कोड नहीं लिखेंगे, लेकिन सॉफ्टवेयर मूलभूत बातों को समझना अभी भी महत्वपूर्ण है। कैलकुलेटर ने गणित सीखने की आवश्यकता को समाप्त नहीं किया।” उन्होंने कहा, “विकासक इन मॉडलों का उपयोग करते समय अधिक मूल्यवान हो जाते हैं। एलएलएम की उपस्थिति विकासक नौकरियों के लिए सकारात्मक है और विकासकों के लिए बहुत सारे लाभ होंगे।”

हम सॉफ्टवेयर विकास के एक सुनहरे युग में प्रवेश कर रहे हैं जहां एक सॉफ्टवेयर इंजीनियर 10 गुना अधिक उत्पादक हो सकता है, अधिक बना सकता है और दुनिया को लाभान्वित कर सकता है।

तकनीकी और शासन संबंधी चुनौतियां

एजीआई की आशाजनक संभावनाओं के बावजूद, चुनौतियों का सामना करना आवश्यक है। मजबूत मूल्यांकन प्रक्रियाएं और नियामक ढांचे आवश्यक हैं ताकि एजीआई नवाचार को सार्वजनिक सुरक्षा के साथ संतुलित किया जा सके।

एडम ने इस बात पर जोर दिया कि खराब-स्थिति परिदृश्यों को सीमित करने के लिए व्यापक परीक्षण और रेतीले तट की आवश्यकता है। “आपको एक मजबूत मूल्यांकन प्रक्रिया चाहिए … और वास्तविक दुनिया के उपयोग के खिलाफ परीक्षण करने के लिए वितरण प्राप्त करना चाहिए।”

और मैं सहमत हूं। एजीआई प्रगति के लिए वर्तमान में बोतलनेक मानव बुद्धिमत्ता है, न कि कम्प्यूटिंग शक्ति या डेटा। मानव विशेषज्ञता एआई मॉडलों को बारीक करने और अनुकूलित करने के लिए महत्वपूर्ण है, जो कि ट्यूरिंग मॉडलों को मानव बुद्धिमत्ता के साथ संतुलित करने पर केंद्रित है।

हमें एजीआई चुनौतियों का सामना करना चाहिए, क्षमताओं पर ध्यान केंद्रित करना चाहिए, सामान्यता और प्रदर्शन, और संभावनाओं पर।

चुनौतियों पर दृष्टिकोण: मानव-एजीआई इंटरैक्शन में सुधार

एजीआई चुनौतियों का सामना करने के लिए कुछ सर्वोत्तम अभ्यासों में शामिल हैं:

• क्षमताओं या “एजीआई क्या कर सकता है” पर ध्यान केंद्रित करना rather than प्रक्रियाओं या “यह कैसे करता है” पर।
• सामान्यता और प्रदर्शन को एजीआई के आवश्यक घटकों के रूप में संतुलित करना।
• शारीरिक कार्यों/आउटपुट की तुलना में संज्ञानात्मक/मेटाकॉग्निटिव कार्यों और सीखने की क्षमताओं पर ध्यान केंद्रित करना।
• एजीआई को इसकी संभावनाओं और क्षमताओं द्वारा मापना।
• पारिस्थितिकीय मान्यता पर ध्यान केंद्रित करना by बेंचमार्क को वास्तविक दुनिया के कार्यों के साथ संरेखित करना जो लोग मूल्य देते हैं।
• यह याद रखना कि एजीआई की ओर यात्रा एक एकल बिंदु नहीं है, बल्कि एक पुनरावृत्ति प्रक्रिया है।

इन सर्वोत्तम अभ्यासों को जोड़ते हुए, एडम और मैंने मानव-एजीआई इंटरैक्शन में सुधार के महत्व पर जोर दिया। एडम ने इन मॉडलों का उपयोग करने और सीखने के मूल्य पर जोर दिया, उन्हें शक्तिशाली सीखने के उपकरण के रूप में देखा जो किसी भी प्रोग्रामिंग के उपडोमेन को जल्दी से सिखा सकते हैं, साथ ही सॉफ्टवेयर मूलभूत बातों को समझने के महत्व पर भी जोर दिया।

इसी तरह, मैं सुझाव देता हूं कि हर मानव को एलएलएम का एक शक्तिशाली उपयोगकर्ता बनाना उत्पादकता और विभिन्न क्षेत्रों में समझ में काफी सुधार कर सकता है। एलएलएम जटिल जानकारी को सभी के लिए सुलभ बना सकते हैं, उत्पादकता में सुधार कर सकते हैं। लेकिन इसके लिए एक चरणबद्ध, पुनरावृत्ति दृष्टिकोण की आवश्यकता है: मानवों की सहायता के लिए एआई कोपायलट के साथ शुरू करना, फिर मानव पर्यवेक्षण के साथ एजेंटों की ओर बढ़ना, और अंत में अच्छी तरह से मूल्यांकित कार्यों में पूरी तरह से स्वायत्त एजेंटों को प्राप्त करना।

इसके साथ, प्रशिक्षण के बाद का अंतर महत्वपूर्ण है, जिसमें पर्यवेक्षित बारीक करना (एसएफटी) और मानव बुद्धिमत्ता का लाभ उठाना शामिल है ताकि कस्टम मॉडल बनाए जा सकें। जो कंपनियां प्रशिक्षकों, इंजीनियरों और अन्य लोगों को स्रोत और मेल खा सकती हैं, वे अपनी बारीक करने और कस्टम इंजीनियरिंग क्षमताओं को तेजी से बढ़ा सकती हैं। ओपनएआई और एंथ्रोपिक जैसी अग्रणी कंपनियों के साथ सहयोग भी इन मॉडलों को विभिन्न उद्योगों में लागू करने के लिए महत्वपूर्ण है।

जिम्मेदार एजीआई विकास के सिद्धांत

“एजीआई विकास जिम्मेदार और नैतिक होना चाहिए, सुरक्षा और पारदर्शिता सुनिश्चित करते हुए नवाचार को बढ़ावा देना।” – एडम डी’एंजेलो

जिम्मेदार एजीआई विकास के लिए कई मूल सिद्धांतों का पालन करना आवश्यक है:

• सुरक्षा और सुरक्षा: यह सुनिश्चित करना कि एजीआई प्रणालियां विश्वसनीय और दुरुपयोग के प्रति प्रतिरोधी हैं, विशेष रूप से जब मॉडल नए डेटा इनपुट या एल्गोरिदम के लिए स्केल करते हैं।
• पारदर्शिता: एजीआई की क्षमताओं, सीमाओं और “यह कैसे काम करता है” के बारे में वास्तविक होना।
• नैतिक विचार: न्याय, पूर्वाग्रह और एजीआई के रोजगार और अन्य सामाजिक-आर्थिक कारकों पर प्रभाव को संबोधित करना।
• नियमन: सरकारों और अन्य संगठनों के साथ काम करना ताकि प्रगति के साथ सार्वजनिक सुरक्षा को संतुलित करने वाले ढांचे विकसित किए जा सकें।
• बेंचमार्किंग: भविष्य के बेंचमार्क को एजीआई व्यवहार और क्षमताओं को नैतिक विचारों और करणीय स्तरों के खिलाफ मापना चाहिए।

निष्कर्ष: एजीआई की ओर यात्रा पर ध्यान केंद्रित करें, एकल बिंदु पर नहीं

एजीआई की ओर यात्रा जटिल है, लेकिन यात्रा के दौरान हर रुकावट महत्वपूर्ण है। एजीआई की पुनरावृत्ति सुधारों को समझने से – साथ ही साथ इसके निहितार्थ – लोग और व्यवसाय इस विकसित होती प्रौद्योगिकी को जिम्मेदारी से अपना सकते हैं। यह जिम्मेदार एजीआई विकास का मूल है, जहां वास्तविक दुनिया की अंतरक्रिया यह निर्धारित करती है कि हम इस नए क्षेत्र में कैसे आगे बढ़ते हैं।