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

हमें हाल ही में रोनाल्ड टी. न्यूसेल द्वारा लिखित पुस्तक “हाउ एआई वर्क्स: फ्रॉम सोर्सरी 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 सर्वकालिक सर्वश्रेष्ठ मशीन लर्निंग और एआई पुस्तकों में जोड़ा।

“हाउ एआई वर्क्स: फ्रॉम सोर्सरी 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-आधारित परिचय” और “मैथ फॉर डीप लर्निंग: व्हाट यू नीड टू नो टू अंडरस्टैंड न्यूरल नेटवर्क्स” हैं। जब आप इस पुस्तक को लिखने के लिए निकल पड़े, तो आपका प्रारंभिक उद्देश्य क्या था?

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

जबकि कई एआई पुस्तकें सामान्यीकरण करने की प्रवृत्ति रखती हैं, आपने विभिन्न शब्दावली के अर्थ को सिखाने में बहुत विशिष्ट दृष्टिकोण अपनाया है, और एआई, मशीन लर्निंग और डीप लर्निंग के बीच संबंध की व्याख्या की है। आप क्यों सोचते हैं कि इन शब्दों के बीच इतनी सामाजिक भ्रम है?

एआई के इतिहास और इसकी उत्पत्ति 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 गहरे शिक्षण से उत्पन्न हुईं, जो मशीन लर्निंग और कनेक्शनिस्ट दृष्टिकोण से उत्पन्न हुईं।

दूसरा अध्याय एआई के इतिहास में गहराई से उतरता है, तालोस के मिथक से, एक विशाल रोबोट जो एक फीनीशियन राजकुमारी की रक्षा के लिए था, अलान ट्यूरिंग के 1950 के पेपर “कंप्यूटिंग मशीनरी एंड इंटेलिजेंस” तक, और 2012 में गहरे शिक्षण क्रांति के आगमन तक। एआई और मशीन लर्निंग के इतिहास को समझना एआई के विकास को पूरी तरह से समझने के लिए क्यों महत्वपूर्ण है?

मेरा उद्देश्य यह 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 लाने वाला मार्ग नहीं है। यह दशकों के विचार, अनुसंधान, और प्रयोग का परिणाम है।

आपने विरासत एआई प्रणालियों जैसे कि सहायता वेक्टर मशीन, निर्णय पेड़, और यादृच्छिक वनों को समझने के लिए एक पूरे अध्याय को समर्पित किया है। आप क्यों सोचते हैं कि इन शास्त्रीय एआई मॉडलों को पूरी तरह से समझना इतना महत्वपूर्ण है?

एआई को न्यूरल नेटवर्क के रूप में देखना केवल (!) एक वैकल्पिक दृष्टिकोण है जो अनुकूलन-आधारित मॉडलिंग के समान प्रकार को प्रस्तुत करता है जो पहले के कई मशीन लर्निंग मॉडलों में पाया जाता है। यह एक ही प्रक्रिया या कार्य के लिए 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।

आप कहते हैं कि ओपनएआई के चैटजीपीटी के एलएलएम मॉडल वास्तविक एआई का उदय है। आपके विचार में, इससे पहले के तरीकों की तुलना में यह क्या सबसे बड़ा परिवर्तन था?

मैंने हाल ही में 1980 के दशक के एक वीडियो में रिचर्ड फ़ेमन को एक प्रश्न का उत्तर देते हुए देखा, जिसमें उन्होंने कहा कि वे नहीं जानते कि कौन सा कार्यक्रम बुद्धिमान हो सकता है। एक अर्थ में, वे प्रतीकात्मक एआई के बारे में बात कर रहे थे, जहां बुद्धिमत्ता का रहस्य तार्किक संचालन की जादुई अनुक्रम खोजने में है। मैंने भी सोचा था, जैसे कई अन्य लोगों ने, कि बुद्धिमत्ता को कैसे कार्यक्रमित किया 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 बुद्धिमत्ता को लागू करने में सक्षम होती हैं (यानी, हमारे जैसे)। हमारे मस्तिष्क विशाल जटिल नेटवर्क हैं जो बुनियादी इकाइयों से बने हैं। यही एक न्यूरल नेटवर्क है। मुझे लगता है कि ट्रांसफॉर्मर आर्किटेक्चर, जैसा कि एलएलएम में लागू किया गया है, एक ऐसी व्यवस्था पर ठोकर खा गई है जो बुद्धिमत्ता 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 की व्यवस्था और बुद्धिमत्ता को उत्पन्न करने वाले परस्पर क्रिया होते हैं। यह स्पष्ट है कि ट्रांसफॉर्मर मॉडल एक ऐसी व्यवस्था है। निश्चित रूप से, 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 उनकी प्रतिक्रियाओं और क्षमताओं से लगातार आश्चर्यचकित हूं, लेकिन पिछले प्रश्न के संदर्भ में, बुद्धिमत्ता का उदय वास्तविक है, तो क्यों नहीं एक पर्याप्त रूप से बड़े मॉडल में ऐसा होना चाहिए जिसमें एक उपयुक्त आर्किटेक्चर हो? मुझे लगता है कि शोधकर्ता, जैसे कि फ्रैंक रोसेनब्लाट, पहले से ही ऐसा सोचते थे।

ओपनएआई का मिशन बयान है “सुनिश्चित करना कि कृत्रिम सामान्य बुद्धिमत्ता—एआई प्रणालियां जो मानवों से सामान्य रूप से अधिक बुद्धिमान हैं—मानवता के लिए लाभकारी हों।” क्या आप व्यक्तिगत रूप से मानते हैं कि एजीआई प्राप्त करना संभव है?

मुझे नहीं पता कि एजीआई का क्या अर्थ है, ठीक वैसे ही जैसे मुझे नहीं पता कि चेतना का क्या अर्थ है, इसलिए इसका उत्तर देना मुश्किल है। जैसा कि मैंने पुस्तक में कहा है, जल्द ही ऐसा समय आ सकता है जहां ऐसे अंतरों की परवाह करना व्यर्थ होगा—यदि यह एक बतख की तरह चलता है और एक बतख की तरह क्वैक करता है, तो बस इसे एक बतख कहें और आगे बढ़ें।

चंचल उत्तरों को छोड़कर, यह पूरी तरह से संभव है कि एक एआई प्रणाली जल्द ही कई चेतना सिद्धांतों को संतुष्ट कर सकती है। क्या हम पूरी तरह से चेतन 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 मानव सहित किसी भी प्रकार के किसी भी प्राणी के अधिकारों का सम्मान करने के लिए तैयार नहीं है।

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

एलएलएम की उभरती क्षमताओं के समान स्तर की आश्चर्य के अलावा, जो हर किसी को आश्चर्यचकित करती हैं, मुझे वास्तव में कुछ नहीं मिला। मैंने 1980 के दशक में एक छात्र के रूप में एआई के बारे में सीखा, मैंने 2000 के दशक की शुरुआत में मशीन लर्निंग के साथ काम करना शुरू किया, और मैं 2010 के दशक की शुरुआत में गहरे शिक्षण के उदय के साथ शामिल था। मैंने पिछले दशक के विकास को पहले से ही देखा है, जैसे कि हजारों अन्य लोगों ने, जब क्षेत्र सम्मेलन से सम्मेलन तक नाटकीय रूप से बढ़ा।

साक्षात्कार के लिए धन्यवाद, पाठकों को यह भी देखना चाहिए कि मैंने इस पुस्तक की समीक्षा की है। यह पुस्तक सभी प्रमुख खुदरा विक्रेताओं पर उपलब्ध है, जिनमें अमेज़न भी शामिल है।