स्व-शिक्षित एआई की दुनिया में क्रांति: अब विज्ञान कल्पना नहीं है

नए एआई फ्रेमवर्क मशीनों को स्व-सुधार करने की क्षमता प्रदान करते हैं, जिसमें मानव ज्ञान की आवश्यकता नहीं होती है।

वर्षों से, यहां तक कि सबसे उन्नत एआई मॉडल भी निष्क्रिय इंजन बने रहे, जो प्रशिक्षण डेटा को संशोधित नहीं कर सकते थे जिसके आधार पर वे प्रतिक्रियाएं करते थे। लेकिन आज, एआई के अगले अध्याय को परिभाषित करने वाली बात मॉडल का आकार नहीं है, बल्कि यह है कि मॉडल स्वयं को विकसित कर सकता है या नहीं।

हाल ही में, एमआईटी के शोधकर्ताओं ने एक नए एआई फ्रेमवर्क का अनावरण किया जिसे स्व-आकार लेने वाले एलएलएम (एसईएल) कहा जाता है। यह दृष्टिकोण बड़े भाषा मॉडल (एलएलएम) को स्वायत्त रूप से स्वयं को सुधारने की अनुमति देता है, जिससे एआई अपनी सीमाओं का निदान कर सकता है और पुनरावृत्ति शिक्षा द्वारा संचालित एक आंतरिक प्रतिक्रिया लूप के माध्यम से अपने न्यूरल वजन को स्थायी रूप से अपडेट कर सकता है।

“बड़े भाषा मॉडल (एलएलएम) शक्तिशाली होते हैं लेकिन स्थिर; वे नए कार्यों, ज्ञान या उदाहरणों के प्रति अपने वजन को अनुकूलित करने के तंत्र से वंचित हैं,” एमआईटी के शोधकर्ताओं ने एक ब्लॉग पोस्ट में लिखा। “ज्ञान एकीकरण और कुछ-शॉट सामान्यीकरण पर प्रयोग यह दिखाते हैं कि एसईएल स्व-निर्देशित अनुकूलन में सक्षम भाषा मॉडल की दिशा में एक आशाजनक कदम है।”

प्रारंभिक परीक्षणों में, इस स्व-संपादन लूप ने मॉडल को जटिल अमूर्त तर्क पहेलियों पर पूर्ण विफलता से सफलता तक ले जाने की अनुमति दी, जिसमें 72.5 प्रतिशत सफलता दर के साथ जीपीटी-4.1 जैसे बहुत बड़े मॉडलों को भी पीछे छोड़ दिया, जहां पारंपरिक तरीके विफल रहे। इसके अलावा, एसईएल को मानव पर्यवेक्षण को 85 प्रतिशत तक कम करने और सटीकता और अनुकूलन को बढ़ाने के लिए कहा जाता है।

स्व-शिक्षित एआई फ्रेमवर्क का उदय

एसईएल एक व्यापक प्रवृत्ति का हिस्सा है जो स्वायत्त मशीन इंटेलिजेंस की ओर बढ़ रही है। उदाहरण के लिए, साकाना एआई के शोधकर्ताओं ने डार्विन-गॉडेल मशीन का परिचय दिया है – एक एआई एजेंट जो खुले समाप्ति विकास रणनीतियों का उपयोग करके अपना कोड लिखता है।

“यह विभिन्न स्व-सुधार बनाता है, जैसे कि पैच सत्यापन चरण, बेहतर फ़ाइल देखने, उन्नत संपादन उपकरण, कई समाधानों को उत्पन्न करना और चुनना और एक इतिहास जोड़ना जो पहले क्या कोशिश की गई थी (और क्यों विफल रही) जब नई परिवर्तन करते हैं,” साकाना एआई ने एक ब्लॉग पोस्ट में लिखा।

इसी तरह, एंथ्रोपिक के एआई एजेंट, क्लाउड 4 द्वारा संचालित, अब स्वायत्त रूप से कोडबेस और व्यवसायिक उपकरणों पर कार्य प्रवाह को समन्वयित कर सकते हैं।

“एक प्रणाली जो अपने तर्क को संपत्ति, उसके वातावरण और उसके इतिहास के प्रकार के आधार पर पुनः कॉन्फ़िगर करती है, यह एक प्रतिक्रियात्मक प्रतिक्रिया से एक निरंतर रोकथाम रणनीति में जाने की अनुमति देती है,” फ्रैक्टल के सीईओ और सह-संस्थापक क्रिश्चियन स्ट्रुवे ने मुझसे कहा। “यह अधिक परतों या अधिक पैरामीटर के बारे में नहीं है, बल्कि अधिक स्वायत्त और अधिक उपयोगी प्रणालियों के बारे में है।”

इन प्रयासों को एकजुट करने वाली बात यह है कि एआई को बड़ा होने की आवश्यकता नहीं है; उसे अधिक अनुकूलनीय बनने की आवश्यकता है।

“स्केलिंग ने बड़े लाभ लाए हैं, लेकिन हम आकार के माध्यम से प्राप्त की जा सकने वाली सीमा तक पहुंच रहे हैं। स्व-आकार लेने वाले शिक्षण मॉडल जैसे एसईएल एक मजबूत अगले कदम की पेशकश करते हैं जो प्रणालियों को समय के साथ विकसित होने और सुधारने की अनुमति देते हैं,” डेटाको के संस्थापक और सीईओ जॉर्ज रIERA ने मुझसे कहा। “स्व-विकसित मॉडल भी प्रगति मापदंडों को स्थिर बेंचमार्क से अनुकूलन, शिक्षण दक्षता और सुरक्षित दीर्घकालिक सुधार के उपायों में बदल देते हैं। इसके बजाय कि केवल यह परीक्षण किया जाए कि एक मॉडल को तैनाती में क्या पता है, हम यह मूल्यांकन कर सकते हैं कि यह कितनी अच्छी तरह सीखता है, बनाए रखता है और समय के साथ विकसित होता है।”

एआई पारिस्थितिकी तंत्र और स्वायत्तता की दिशा में वैश्विक दौड़ पर प्रभाव

यह स्तर की स्वायत्तता एआई तैनाती के अर्थशास्त्र को भी फिर से लिखती है। कल्पना कीजिए कि धोखाधड़ी का पता लगाने वाली प्रणालियां जो नए खतरों का सामना करने के लिए स्वयं को अपडेट करती हैं, या एआई ट्यूटर जो एक छात्र के व्यवहार के आधार पर अपनी शिक्षण शैली को बदलते हैं। रोबोटिक्स में, स्व-आकार लेने वाले फ्रेमवर्क स्वायत्त मशीनों को नए आंदोलन पैटर्न सीखने की अनुमति दे सकते हैं जिन्हें पुनः प्रोग्राम किए जाने की आवश्यकता नहीं है।

मध्य पूर्व में, देश जैसे संयुक्त अरब अमीरात और सऊदी अरब तेजी से अनुकूलन के लिए डिज़ाइन किए गए मूल मॉडल बना रहे हैं। संयुक्त अरब अमीरात का फाल्कन और जी42 का जैस क्षेत्रीय प्रासंगिकता को ध्यान में रखते हुए खुले स्रोत एलएलएम हैं, जबकि सऊदी अरब का एलएलएएम और सऊदी अरामको का मेटाब्रेन स्मार्ट सिटी, स्वास्थ्य सेवा और लॉजिस्टिक्स के लिए स्वायत्त एआई एजेंटों के क्षेत्र में आगे बढ़ रहे हैं।

ये प्रयास अभी तक एमआईटी के एसईएल के बराबर स्व-संपादन क्षमता में नहीं हैं, लेकिन वे एक साझा दिशा को दर्शाते हैं: निष्क्रिय एआई प्रणालियों से सक्रिय, विकसित एजेंटों तक जो सीमित मानव मार्गदर्शन के साथ जटिलता का सामना कर सकते हैं। और जैसे कि एसईएल, इन पहलों को मजबूत शासन ढांचे द्वारा समर्थित किया जाता है, जो यह दर्शाता है कि एआई स्वायत्तता को जिम्मेदारी के साथ जोड़ा जाना चाहिए।

“यह स्व-प्रबंधित प्रणालियों की दिशा में पहला कदम है जो बिना निरंतर हस्तक्षेप के अपने तर्क को संशोधित करती हैं,” स्ट्रुवे कहते हैं। “मुझे लगता है कि कृत्रिम बुद्धिमत्ता बुद्धिमत्ता की परिभाषा को पुनः परिभाषित नहीं करती है, लेकिन यह हमें इसके साथ अपने संबंध को पुनः विचार करने के लिए मजबूर करती है। महत्वपूर्ण बात यह नहीं है कि एक मॉडल विकसित होता है, बल्कि यह है कि यह मानव द्वारा परिभाषित लक्ष्यों के साथ संरेखित है।”

गोरिला लॉजिक के सीटीओ जेफ टाउन्स भी एआई विकास के साथ तालमेल बिठाने वाले शासन के महत्व पर जोर देते हैं: “प्रश्न यह नहीं है कि क्या एआई विकसित हो सकता है – यह है कि क्या उद्यम इसके साथ विकसित हो सकता है। शासन को हर एआई अनुकूलन को स्पष्ट परिणामों और केपीआई तक लाने के लिए लीडर्स को मापने और विश्वास करने के लिए錨 करना होगा, ताकि नवाचार आत्मविश्वास के साथ जोखिम के बजाय बढ़े।”

क्या हम स्व-लेखन एआई के लिए तैयार हैं?

एसईएल द्वारा उठाया गया सबसे विवादास्पद प्रश्न तकनीकी नहीं है – यह है कि यदि मॉडल स्वयं को सिखाने का तरीका तय कर सकते हैं, तो हम उनके मूल्यों, प्राथमिकताओं और दिशा को आकार देने में क्या भूमिका निभाते हैं?

विशेषज्ञ चेतावनी देते हैं कि जैसे ही स्व-आकार लेने वाले एआई प्रणालियां स्वायत्तता प्राप्त करती हैं, स्व-सुधार की ओर दौड़ नैतिक सुरक्षा रेल की स्थापना से आगे नहीं निकलनी चाहिए। “मुझे लगता है कि सभी एआई प्रणालियों में कम से कम तीन मूलभूत नैतिक सिद्धांतों को शामिल किया जाना चाहिए,” क्राइटेरियन के सीटीओ जैकब इवांस कहते हैं।

“पहला, और यह शायद कहने की जरूरत नहीं है, लेकिन एआई को खुद को एआई के रूप में पहचानना चाहिए। दूसरा, एआई को मानव-केंद्रित होना चाहिए, मानव निर्णय को पूरक और प्रतिस्थापित नहीं करना चाहिए। और अंत में, यह अपनी सीमाओं और अनिश्चितताओं को स्वीकार करना चाहिए, और गंभीर नुकसान को सुविधाजनक बनाने वाली जानकारी प्रदान करने से इनकार करना चाहिए। बिना इन सुरक्षा उपायों के, एआई हेरफेर का एक उपकरण बन सकता है, न कि विश्वसनीय समर्थन।”

“उत्पादन में मॉडल को स्व-सुधार करने के लिए सक्षम करने के लिए, उन्हें एक गतिशील प्रतिक्रिया लूप की आवश्यकता होती है, न कि केवल स्थिर प्रशिक्षण। एक शक्तिशाली विधि एक ‘डिजिटल ट्विन’ या एक जटिल सैंडबॉक्स वातावरण का उपयोग करना है जहां एआई अपने स्वयं के स्व-निर्मित सुधारों का सुरक्षित रूप से परीक्षण और सत्यापन कर सकता है इससे पहले कि वे कभी भी उपयोगकर्ताओं को तैनात किए जाएं,” ऑटोमोटस के कंप्यूटर विजन इंजीनियर गणेश वनामा ने साझा किया।

वनामा ने शासन के बारे में कहा, “अनिवार्य नियंत्रण ‘मानव-इन-द-लूप’ पर्यवेक्षण है।” उन्होंने कहा कि जबकि हम चाहते हैं कि मॉडल अनुकूलित हों, “आपको ‘संरेखण ड्रिफ्ट’ का पता लगाने के लिए निरंतर निगरानी की आवश्यकता है जहां मॉडल अपने इरादा लक्ष्यों या सुरक्षा प्रतिबंधों से विचलित हो जाता है। यह प्रणाली मानव ऑडिटर को किसी भी स्वायत्त अद्यतन को वीटो करने या तुरंत वापस लेने की शक्ति देनी चाहिए जो सुरक्षा या प्रदर्शन समीक्षा में विफल हो जाता है।”

लेकिन अन्य विशेषज्ञों का मानना है कि अभी भी इन सुरक्षा उपायों को विकसित करने का समय है, यह तर्क देते हुए कि एक वास्तविक, सामान्य-उद्देश्य, स्व-सुधार एआई बनाना अभी भी एक बड़ा चुनौतीपूर्ण कार्य है।

“ऐसे मॉडल अभी भी वास्तविक समय में स्वयं को विश्वसनीय रूप से पुनः प्रोग्राम करने की क्षमता से वंचित हैं। मुख्य चुनौतियों में त्रुटि प्रबलीकरण को रोकना, क्षय से बचना, अद्यतनों के दौरान स्थिरता सुनिश्चित करना और आंतरिक परिवर्तनों के आसपास पारदर्शिता बनाए रखना शामिल हैं,” रIERA कहते हैं। “जब तक ये संबोधित नहीं किए जाते, पूर्ण स्व-निर्देशित अनुकूलन एक सीमा बनी हुई है, न कि वास्तविकता।”

एमआईटी के शोधकर्ता एसईएल को एक आवश्यक विकास मानते हैं। एमआईटी के एक प्रमुख वैज्ञानिक के अनुसार, यह फ्रेमवर्क वर्तमान में मानव शिक्षा की तुलना में अधिक बारीकी से अनुकरण करता है जो पहले से ही आया था।

“ये प्रणालियां स्थिर, एक-शॉट मॉडल से अनुकूलन वास्तुकला की ओर संकेत करती हैं जो अनुभव से सीख सकती हैं, स्मृति का प्रबंधन कर सकती हैं और समय के साथ लक्ष्यों का पीछा कर सकती हैं। दिशा स्पष्ट है: मॉड्यूलर, संदर्भ-जागरूक बुद्धिमत्ता जो निरंतर रूप से खुद को समायोजित कर सकती है,” रIERA ने मुझसे कहा। “हालांकि अभी भी प्रायोगिक चरण में, यह दृष्टिकोण अधिक स्वायत्त और लचीले एआई प्रणालियों की दिशा में एक अर्थपूर्ण कदम का प्रतिनिधित्व करता है।”

चाहे यह अधिक व्यक्तिगत प्रणालियों की ओर ले जाए या पूरी तरह से नए मशीन एजेंसी के रूप, यह देखना बाकी है। स्व-शिक्षित एआई का युग आ गया है – और यह न केवल अपना कोड लिख रहा है, बल्कि मशीनों के लिए नियमों को फिर से लिख रहा है।