रोनाल्ड टी. न्यूसेल, “हाउ एआई वर्क्स: फ्रॉम सॉर्सरी टू साइंस” के लेखक – साक्षात्कार श्रृंखला

हमें हाल ही में रोनाल्ड टी. न्यूसेल द्वारा लिखित पुस्तक “हाउ एआई वर्क: फ्रॉम सॉर्सरी टू साइंस” की एक उन्नत प्रति मिली। मैंने अब तक एआई पर 60 से अधिक पुस्तकें पढ़ी हैं, और जबकि उनमें से कुछ दोहरावदार हो सकती हैं, इस पुस्तक ने एक ताज़ा दृष्टिकोण प्रस्तुत किया, मैंने इस पुस्तक का आनंद लिया और इसे अपनी व्यक्तिगत सूची में बेस्ट मशीन लर्निंग & एआई बुक्स ऑफ ऑल टाइम में जोड़ा।

“हाउ एआई वर्क्स: फ्रॉम सॉर्सरी टू साइंस” एक संक्षिप्त और स्पष्ट पुस्तक है जो मशीन लर्निंग के मूलभूत सिद्धांतों को परिभाषित करने के लिए डिज़ाइन की गई है। नीचे कुछ प्रश्न दिए गए हैं जो लेखक रोनाल्ड टी. न्यूसेल से पूछे गए थे।

यह आपकी तीसरी एआई पुस्तक है, पहली दो “प्रैक्टिकल डीप लर्निंग: ए पाइथन-बेस्ड इंट्रोडक्शन,” और “मैथ फॉर डीप लर्निंग: व्हाट यू नीड टू नो टू अंडरस्टैंड न्यूरल नेटवर्क्स” हैं। जब आप इस पुस्तक को लिखने के लिए निकले तो आपका प्रारंभिक उद्देश्य क्या था?

विभिन्न लक्ष्य दर्शक। मेरी पिछली पुस्तकें उन लोगों के लिए परिचय के रूप में हैं जो एआई प्रैक्टिशनर बनने में रुचि रखते हैं। यह पुस्तक सामान्य पाठकों के लिए है, जो समाचार में एआई के बारे में बहुत कुछ सुन रहे हैं लेकिन इसके पीछे कोई पृष्ठभूमि नहीं है। मैं पाठकों को दिखाना चाहता हूं कि एआई कहां से आया, यह जादू नहीं है, और कोई भी इसकी समझ सकता है।

जबकि कई एआई पुस्तकें सामान्यीकरण की ओर जाती हैं, आपने विभिन्न शब्दावली के अर्थ सिखाने और एआई, मशीन लर्निंग और डीप लर्निंग के बीच संबंध की व्याख्या करने में विशिष्ट होने का विपरीत दृष्टिकोण अपनाया है। आपको लगता है कि इन शब्दों के बीच इतनी सामाजिक भ्रम क्यों है?

एआई के इतिहास और इसके इतनी तेजी से विकसित होने के कारणों को समझने के लिए, हमें इन शब्दों के बीच के अंतर को समझने की आवश्यकता है, लेकिन लोकप्रिय उपयोग में, यह “एआई” का उपयोग करना उचित है, जो मुख्य रूप से उन एआई प्रणालियों को संदर्भित करता है जो दुनिया को इतनी तेजी से बदल रही हैं। आधुनिक एआई प्रणालियां डीप लर्निंग से उत्पन्न हुईं, जो मशीन लर्निंग और कनेक्शनिस्ट दृष्टिकोण से उत्पन्न हुईं।

दूसरा अध्याय एआई के इतिहास में गहराई से जाता है, तालोस के मिथक से लेकर एलन ट्यूरिंग के 1950 के पेपर “कंप्यूटिंग मशीनरी एंड इंटेलिजेंस” तक, और 2012 में डीप लर्निंग क्रांति के आगमन तक। एआई और मशीन लर्निंग के इतिहास की समझ एआई के विकास को पूरी तरह से समझने के लिए इतनी महत्वपूर्ण क्यों है?

मेरा उद्देश्य दिखाना है कि एआई आकाश से नहीं गिरा। इसका एक इतिहास, एक मूल, और एक विकास है। जबकि बड़े भाषा मॉडल की उभरती क्षमताएं एक आश्चर्य हैं, उन्हें ले जाने वाला मार्ग नहीं है। यह दशकों के विचार, अनुसंधान, और प्रयोग का परिणाम है।

आपने विरासत एआई प्रणालियों जैसे कि सपोर्ट वेक्टर मशीन, डिसीजन ट्री और रैंडम फॉरेस्ट को समझने के लिए एक पूरा अध्याय समर्पित किया है। क्योंकि आप मानते हैं कि शास्त्रीय एआई मॉडल को पूरी तरह से समझना इतना महत्वपूर्ण है?

एआई को न्यूरल नेटवर्क के रूप में देखना उन कई पहले के मशीन लर्निंग मॉडलों में पाए जाने वाले ऑप्टिमाइजेशन-आधारित मॉडलिंग का एक विकल्प है। यह किसी प्रक्रिया, किसी फ़ंक्शन को इनपुट से आउटपुट तक मैप करने के लिए एक मॉडल विकसित करने के अर्थ का एक अलग दृष्टिकोण है। पहले के मॉडलों के बारे में जानना यह समझने में मदद करता है कि वर्तमान मॉडल कहां से आए हैं।

आप कहते हैं कि ओपनएआई के चैटजीपीटी के एलएलएम मॉडल का उदय सच्चे एआई का सूर्योदय है। आपकी राय में, पिछले तरीकों की तुलना में यह क्या सबसे बड़ा गेमचेंजर था?

मैंने हाल ही में 1980 के दशक के एक वीडियो में रिचर्ड फ़ेमन को एक बुद्धिमान मशीन के बारे में एक प्रश्न का उत्तर देते हुए देखा, जिसमें उन्होंने कहा कि उन्हें नहीं पता कि किस तरह का कार्यक्रम बुद्धिमान व्यवहार प्रदर्शित कर सकता है। एक तरह से, वह प्रतीकात्मक एआई के बारे में बात कर रहे थे, जहां बुद्धिमत्ता का रहस्य तार्किक संचालन की जादुई क्रम को खोजने में है। मैंने भी सोचा था, जैसे कई अन्य लोगों ने, कि कैसे एक बुद्धिमान कार्यक्रम लिखा जा सकता है?

मेरा मानना ​​है कि वास्तव में ऐसा नहीं किया जा सकता है। इसके बजाय, बुद्धिमत्ता पर्याप्त जटिल प्रणालियों से उत्पन्न होती है जो हमें बुद्धिमत्ता (यानी, हम) को लागू करने में सक्षम होती हैं। हमारे दिमाग वास्तविक इकाइयों के विशाल नेटवर्क हैं। यह एक न्यूरल नेटवर्क भी है। मुझे लगता है कि ट्रांसफॉर्मर आर्किटेक्चर, जैसा कि एलएलएम में लागू किया गया है, एक समान व्यवस्था पर ठोकर खा गई है जो एक साथ मिलकर बुद्धिमान व्यवहार को उत्पन्न करने की अनुमति देती है।

एक ओर, यह अंतिम बॉब रॉस “हैप्पी एक्सीडेंट” है, जबकि दूसरी ओर, यह आश्चर्य की बात नहीं होनी चाहिए जब बुनियादी इकाइयों के बीच व्यवस्था और अनुमत इंटरैक्शन होते हैं जो बुद्धिमान व्यवहार को उत्पन्न करने में सक्षम होते हैं। ऐसा लगता है कि ट्रांसफॉर्मर मॉडल एक ऐसी व्यवस्था है।当然, यह सवाल उठता है: क्या ऐसी अन्य व्यवस्थाएं हो सकती हैं?

आपका मुख्य संदेश यह है कि आधुनिक एआई (एलएलएम) मूल रूप से एक न्यूरल नेटवर्क है जो बैकप्रोपेगेशन और ग्रेडिएंट डिसेंट द्वारा प्रशिक्षित है। क्या आप व्यक्तिगत रूप से एलएलएम की प्रभावशीलता से आश्चर्यचकित हैं?

हां और नहीं। मैं उनके उत्तरों और क्षमताओं से लगातार आश्चर्यचकित हूं, लेकिन पिछले प्रश्न का संदर्भ लेते हुए, बुद्धिमत्ता वास्तविक है, तो क्यों नहीं एक पर्याप्त रूप से बड़े मॉडल में उभरेगी जिसमें एक उपयुक्त वास्तुकला है? मुझे लगता है कि शोधकर्ताओं ने फ्रैंक रोसेनब्लैट के रूप में दूर के रूप में, यदि पहले नहीं, तो बहुत कुछ सोचा होगा।

ओपनएआई का मिशन बयान है “कृत्रिम सामान्य बुद्धिमत्ता – एआई प्रणालियों को सुनिश्चित करने के लिए जो मानवों से अधिक बुद्धिमान हैं – मानवता के लिए लाभकारी है।” क्या आप व्यक्तिगत रूप से मानते हैं कि एजीआई प्राप्त करने योग्य है?

मुझे नहीं पता कि एजीआई का क्या अर्थ है, जितना कि मुझे नहीं पता कि चेतना का क्या अर्थ है, इसलिए इसका उत्तर देना मुश्किल है। जैसा कि मैं पुस्तक में कहता हूं, जल्द ही ऐसा समय आ सकता है जब ऐसे अंतरों की परवाह करना व्यर्थ होगी – यदि यह एक बत्तख की तरह चलता है और एक बत्तख की तरह क्वैक करता है, तो बस इसे एक बत्तख कहें और आगे बढ़ें।

मजाकिया उत्तरों को छोड़कर, यह पूरी तरह से संभव है कि एक एआई प्रणाली जल्द ही चेतना के कई सिद्धांतों को संतुष्ट कर सकती है। क्या हम पूरी तरह से चेतन (जो कि वास्तव में इसका अर्थ है) एआई प्रणालियों चाहते हैं? शायद नहीं। यदि यह चेतन है, तो यह हमारे जैसा है और, इसलिए, एक व्यक्ति है जिसके अधिकार हैं – और मुझे लगता है कि दुनिया कृत्रिम व्यक्तियों के लिए तैयार नहीं है। हम अपने साथी मानवों के अधिकारों का सम्मान करने में पर्याप्त परेशानी का सामना करते हैं, न कि किसी अन्य प्रकार के प्राणी के।

क्या आपको इस पुस्तक के लेखन के दौरान कुछ ऐसा मिला जो आपको आश्चर्यचकित कर गया?

बड़े भाषा मॉडल की उभरती क्षमताओं पर हर किसी की तरह आश्चर्य के स्तर से परे, नहीं। मैंने 1980 के दशक में एक छात्र के रूप में एआई के बारे में सीखा, और मैंने 2000 के दशक की शुरुआत में मशीन लर्निंग के साथ काम करना शुरू किया और 2010 के दशक की शुरुआत में गहरे शिक्षा के उदय के साथ शामिल हो गया। मैंने पिछले दशक के दौरान इस क्षेत्र के नाटकीय विकास को सम्मेलन से सम्मेलन तक देखा।

धन्यवाद इस महान साक्षात्कार के लिए, पाठकों को मेरी इस पुस्तक की समीक्षा देखने में भी रुचि हो सकती है। यह पुस्तक सभी प्रमुख रिटेलर्स पर उपलब्ध है, जिनमें अमेज़ॅन शामिल है।