नेक्स्ट-जेन एआई: ओपनएआई और मेटा की रीज़निंग मशीनों की ओर छलांग

ओपनएआई और मेटा, जेनरेटिव एआई के क्षेत्र में अग्रणी हैं लॉन्च के करीब उनकी अगली पीढ़ी की कृत्रिम बुद्धिमत्ता (एआई)। एआई की यह नई लहर तर्क और योजना में क्षमताओं को बढ़ाने के लिए तैयार है, जो विकास की दिशा में महत्वपूर्ण प्रगति को चिह्नित करती है कृत्रिम सामान्य बुद्धि. यह लेख इन आगामी नवाचारों और उनके द्वारा बताए गए संभावित भविष्य की पड़ताल करता है।

आर्टिफिशियल जनरल इंटेलिजेंस के लिए मार्ग प्रशस्त करना

पिछले कुछ वर्षों में, OpenAI और मेटा ने आगे बढ़ने में महत्वपूर्ण प्रगति की है फाउंडेशन एआई मॉडलएआई अनुप्रयोगों के लिए आवश्यक बिल्डिंग ब्लॉक। यह प्रगति एक जेनेरिक एआई प्रशिक्षण रणनीति से उपजी है जहां मॉडल लापता शब्दों और पिक्सल की भविष्यवाणी करना सीखते हैं। हालांकि इस पद्धति ने जेनरेटिव एआई को प्रभावशाली ढंग से धाराप्रवाह आउटपुट देने में सक्षम बनाया है, लेकिन यह गहरी प्रासंगिक समझ या मजबूत समस्या-समाधान कौशल प्रदान करने में कम है जिसके लिए सामान्य ज्ञान और रणनीतिक योजना की आवश्यकता होती है। नतीजतन, जब जटिल कार्यों से निपटते हैं या सूक्ष्म समझ की आवश्यकता होती है, तो ये फाउंडेशन एआई मॉडल अक्सर सटीक प्रतिक्रिया देने में विफल होते हैं। यह सीमा कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) विकसित करने की दिशा में और प्रगति की आवश्यकता पर प्रकाश डालती है।

इसके अलावा, एजीआई की खोज एआई सिस्टम विकसित करने का प्रयास है जो मनुष्यों और जानवरों में देखी गई सीखने की दक्षता, अनुकूलनशीलता और अनुप्रयोग क्षमताओं से मेल खाती है। ट्रू एजीआई में ऐसे सिस्टम शामिल होंगे जो न्यूनतम डेटा को सहजता से संसाधित कर सकते हैं, नए परिदृश्यों के लिए जल्दी से अनुकूल हो सकते हैं, और विभिन्न स्थितियों में ज्ञान स्थानांतरित कर सकते हैं - कौशल जो दुनिया की जटिलताओं की सहज समझ से उत्पन्न होते हैं। एजीआई के प्रभावी होने के लिए, उन्नत तर्क और योजना क्षमताएं आवश्यक हैं, जो इसे परस्पर जुड़े कार्यों को निष्पादित करने और इसके कार्यों के परिणामों की भविष्यवाणी करने में सक्षम बनाती हैं। एआई में इस प्रगति का उद्देश्य वास्तविक दुनिया की चुनौतियों की जटिलताओं को प्रबंधित करने में सक्षम बुद्धिमत्ता के गहरे, अधिक प्रासंगिक रूप को विकसित करके वर्तमान कमियों को दूर करना है।

एजीआई के लिए एक मजबूत तर्क और योजना मॉडल की ओर

एआई में तर्क और योजना क्षमताओं को स्थापित करने के लिए पारंपरिक पद्धतियां, जैसे प्रतीकात्मक तरीके और सुदृढीकरण सीखना, पर्याप्त कठिनाइयों का सामना करना पड़ता है। प्रतीकात्मक तरीकों के लिए स्वाभाविक रूप से व्यक्त समस्याओं को संरचित, प्रतीकात्मक प्रतिनिधित्व में बदलने की आवश्यकता होती है - एक ऐसी प्रक्रिया जिसके लिए महत्वपूर्ण मानवीय विशेषज्ञता की आवश्यकता होती है और यह अत्यधिक त्रुटि-संवेदनशील होती है, जहां थोड़ी सी भी अशुद्धियां बड़ी खराबी का कारण बन सकती हैं। इस बीच, सुदृढीकरण सीखने (आरएल) को अक्सर प्रभावी रणनीतियों को विकसित करने के लिए पर्यावरण के साथ व्यापक बातचीत की आवश्यकता होती है, एक दृष्टिकोण जो डेटा अधिग्रहण धीमा या महंगा होने पर अव्यावहारिक या निषेधात्मक रूप से महंगा हो सकता है।

इन बाधाओं को दूर करने के लिए, हाल की प्रगति ने उन्नत तर्क और योजना क्षमताओं के साथ मूलभूत एआई मॉडल को बढ़ाने पर ध्यान केंद्रित किया है। यह आम तौर पर अनुमान के दौरान मॉडल के इनपुट संदर्भ में तर्क और योजना कार्यों के उदाहरणों को शामिल करके प्राप्त किया जाता है, जिसे एक विधि का उपयोग किया जाता है। इन-कॉन्टेक्स्ट लर्निंग. यद्यपि इस दृष्टिकोण ने क्षमता दिखाई है, यह आमतौर पर केवल सरल, सीधे परिदृश्यों में ही अच्छा प्रदर्शन करता है और इन क्षमताओं को विभिन्न डोमेन में स्थानांतरित करने में कठिनाइयों का सामना करना पड़ता है - कृत्रिम सामान्य बुद्धि (एजीआई) प्राप्त करने के लिए एक मूलभूत आवश्यकता। ये सीमाएं मूलभूत एआई मॉडल विकसित करने की आवश्यकता को रेखांकित करती हैं जो जटिल और विविध वास्तविक दुनिया की चुनौतियों का व्यापक समाधान कर सकती हैं, जिससे एजीआई की खोज को आगे बढ़ाया जा सके।

रीजनिंग और प्लानिंग में मेटा और ओपनएआई की नई सीमाएं

यान लेकन, मेटा में मुख्य एआई वैज्ञानिक हैं लगातार इस बात पर जोर दिया गया कि तर्क और योजना के लिए जेनेरिक एआई की क्षमताओं में सीमाएं काफी हद तक वर्तमान प्रशिक्षण पद्धतियों की सरल प्रकृति के कारण हैं। उनका तर्क है कि ये पारंपरिक तरीके रणनीतिक सोच और योजना कौशल विकसित करने के बजाय मुख्य रूप से अगले शब्द या पिक्सेल की भविष्यवाणी करने पर ध्यान केंद्रित करते हैं। LeCun अधिक उन्नत प्रशिक्षण तकनीकों की आवश्यकता को रेखांकित करता है जो AI को संभावित समाधानों का मूल्यांकन करने, कार्य योजनाएँ तैयार करने और इसके विकल्पों के निहितार्थ को समझने के लिए प्रोत्साहित करती हैं। उन्होंने खुलासा किया है कि मेटा सक्रिय रूप से एआई सिस्टम को जटिल कार्यों को स्वतंत्र रूप से प्रबंधित करने में सक्षम बनाने के लिए इन परिष्कृत रणनीतियों पर काम कर रहा है, जैसे कि पेरिस में एक कार्यालय से न्यूयॉर्क में दूसरे कार्यालय तक यात्रा के हर तत्व को व्यवस्थित करना, जिसमें हवाई अड्डे तक का आवागमन भी शामिल है।

इस बीच, ओपनएआई, जो अपनी जीपीटी श्रृंखला और चैटजीपीटी के लिए प्रसिद्ध है, अपने गुप्त प्रोजेक्ट के लिए सुर्खियों में रहा है जिसे कहा जाता है क्यू स्टार. हालांकि विशिष्ट बातें दुर्लभ हैं, परियोजना का नाम क्यू-लर्निंग और ए-स्टार एल्गोरिदम के संभावित संयोजन पर संकेत देता है, जो सुदृढीकरण सीखने और योजना में महत्वपूर्ण उपकरण हैं। यह पहल अपने GPT मॉडल की तर्क और योजना क्षमताओं को बढ़ाने के लिए OpenAI के चल रहे प्रयासों के अनुरूप है। की हालिया रिपोर्ट फाइनेंशियल टाइम्समेटा और ओपनएआई दोनों के अधिकारियों के साथ चर्चा के आधार पर, इन महत्वपूर्ण संज्ञानात्मक डोमेन में अच्छा प्रदर्शन करने वाले एआई मॉडल को और विकसित करने के लिए इन संगठनों की संयुक्त प्रतिबद्धता पर प्रकाश डाला गया है।

एआई सिस्टम में उन्नत तर्कशक्ति के परिवर्तनकारी प्रभाव

चूंकि ओपनएआई और मेटा तर्क और योजना क्षमताओं के साथ अपने मूलभूत एआई मॉडल को बढ़ाना जारी रखते हैं, ये विकास एआई सिस्टम की क्षमता का काफी विस्तार करने के लिए तैयार हैं। इस तरह की प्रगति से निम्नलिखित संभावित सुधारों के साथ कृत्रिम बुद्धिमत्ता में बड़ी सफलताएँ मिल सकती हैं:

• बेहतर समस्या समाधान और निर्णय लेना: तर्क और योजना क्षमताओं के साथ उन्नत एआई सिस्टम उन जटिल कार्यों को संभालने के लिए बेहतर ढंग से सुसज्जित हैं जिनके लिए समय के साथ कार्यों और उनके परिणामों की समझ की आवश्यकता होती है। इससे रणनीतिक गेमप्ले, लॉजिस्टिक्स योजना और स्वायत्त निर्णय लेने वाली प्रणालियों में प्रगति हो सकती है, जिसके लिए कारण और प्रभाव की सूक्ष्म समझ की आवश्यकता होती है।
• सभी डोमेन में प्रयोज्यता में वृद्धि: डोमेन-विशिष्ट शिक्षा की बाधाओं को दूर करके, ये एआई मॉडल स्वास्थ्य देखभाल, वित्त और शहरी नियोजन जैसे विभिन्न क्षेत्रों में अपने तर्क और योजना कौशल को लागू कर सकते हैं। यह बहुमुखी प्रतिभा एआई को उन वातावरणों में चुनौतियों का प्रभावी ढंग से समाधान करने की अनुमति देगी जो उन वातावरणों से बिल्कुल अलग हैं जिनमें उन्हें शुरू में प्रशिक्षित किया गया था।
• बड़े डेटा सेट पर निर्भरता कम: न्यूनतम डेटा के साथ तर्क और योजना बनाने वाले मॉडल की ओर बढ़ना कुछ उदाहरणों से जल्दी सीखने की मानवीय क्षमता को दर्शाता है। डेटा आवश्यकताओं में यह कमी एआई सिस्टम को प्रशिक्षित करने के कम्प्यूटेशनल बोझ और संसाधन मांगों दोनों को कम करती है, जबकि नए कार्यों को अपनाने में उनकी गति को भी बढ़ाती है।
• आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) की ओर कदम: तर्क और योजना के लिए ये मूलभूत मॉडल हमें एजीआई हासिल करने के करीब लाते हैं, जहां मशीनें किसी दिन कोई भी बौद्धिक कार्य कर सकती हैं जो एक इंसान कर सकता है। एआई की क्षमताओं में यह विकास महत्वपूर्ण सामाजिक प्रभाव पैदा कर सकता है, जिससे हमारे जीवन में बुद्धिमान मशीनों के नैतिक और व्यावहारिक विचारों पर नई चर्चा शुरू हो सकती है।

नीचे पंक्ति

ओपनएआई और मेटा एआई की अगली पीढ़ी विकसित करने में सबसे आगे हैं, जो तर्क और योजना क्षमताओं को बढ़ाने पर केंद्रित है। ये सुधार आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) के करीब जाने के लिए महत्वपूर्ण हैं, जिसका लक्ष्य एआई सिस्टम को उन जटिल कार्यों को संभालने के लिए तैयार करना है जिनके लिए व्यापक संदर्भ और दीर्घकालिक परिणामों की जटिल समझ की आवश्यकता होती है।

इन क्षमताओं को परिष्कृत करके, एआई को स्वास्थ्य देखभाल, वित्त और शहरी नियोजन जैसे विभिन्न क्षेत्रों में अधिक व्यापक रूप से लागू किया जा सकता है, जिससे बड़े डेटासेट पर निर्भरता कम हो सकती है और अनुकूलनशीलता में सुधार हो सकता है। यह प्रगति न केवल एआई के व्यावहारिक अनुप्रयोगों का विस्तार करने का वादा करती है, बल्कि हमें एक ऐसे भविष्य के करीब भी लाती है, जहां एआई सभी बौद्धिक कार्यों में मनुष्यों की तरह ही सक्षमता से प्रदर्शन कर सकता है, जिससे रोजमर्रा की जिंदगी में एआई के एकीकरण के बारे में महत्वपूर्ण बातचीत शुरू हो सकती है।