स्व-विकसित करने वाले एआई का उदय: डार्विन गodel मशीन कैसे एआई विकास को बदल रही है

कृत्रिम बुद्धिमत्ता ने हमारे काम करने, संवाद करने और समस्याओं का समाधान करने के तरीके को बदल दिया है। भाषा मॉडल जो निबंध लिखते हैं से लेकर जटिल डेटा का विश्लेषण करने वाले सिस्टम तक, एआई एक शक्तिशाली उपकरण बन गया है। हालांकि, आज के अधिकांश एआई सिस्टम एक सामान्य सीमा साझा करते हैं: वे स्थिर हैं। वे एक निश्चित डिज़ाइन के साथ बनाए जाते हैं जो मानव द्वारा बनाए जाने से परे अनुकूलन नहीं कर सकता है। एक बार वे तैनात हो जाने के बाद, वे मानव सहायता के बिना स्वयं को बेहतर नहीं बना सकते हैं। यह प्रतिबंध प्रगति को धीमा करता है और यह सीमित करता है कि वे नए चुनौतियों के अनुसार कितनी अच्छी तरह से अनुकूलन कर सकते हैं।

हाल ही में, एक सफलता जिसे डार्विन गodel मशीन कहा जाता है, इसे बदलने जा रहा है। यह एआई सिस्टम को अपना खुद का कोड लिखने और मानव हस्तक्षेप के बिना निरंतर विकसित करने की अनुमति देता है। यह विकास एक भविष्य की एक झलक प्रदान करता है जहां एआई स्वयं को बेहतर बनाता है। इस लेख में, हम यह जानने जा रहे हैं कि डार्विन गodel मशीन क्या है, यह कैसे काम करता है, और इसका एआई विकास के भविष्य के लिए क्या अर्थ है।

स्व-विकसित करने वाले एआई को समझना

स्व-विकसित करने वाले एआई पारंपरिक एआई से अलग है। पारंपरिक एआई डेटा से सीखता है लेकिन अपनी संरचना को बदल नहीं सकता है। यह मानव इंजीनियरों द्वारा निर्धारित सीमाओं के भीतर रहता है। स्व-विकसित करने वाले एआई, हालांकि, अपना डिज़ाइन सुधार सकते हैं। यह समय के साथ अधिक बुद्धिमान और सक्षम हो सकता है, जैसे कि वैज्ञानिक विचारों को परिष्कृत करते हैं या जैसे प्राकृतिक विकास में प्रजातियां विकसित होती हैं। यह क्षमता एआई प्रगति को तेज कर सकती है और मशीनों को बिना मानव मार्गदर्शन के कठिन कार्यों को संभालने में सक्षम बना सकती है।

यह विचार दो मजबूत प्रक्रियाओं से आता है: वैज्ञानिक विधियों और जैविक विकास। विज्ञान में, प्रगति तब होती है जब हम परिकल्पनाओं का निर्माण करते हैं, उनका परीक्षण करते हैं, और परिणामों का उपयोग आगे बढ़ने के लिए करते हैं। प्रकृति में, विकास जीवन को विविधता और चयन के माध्यम से बेहतर बनाता है। इंजीनियरों ने ऑटोमेटेड मशीन लर्निंग और मेटा-लर्निंग जैसे उपकरणों के साथ इन प्रक्रियाओं की नकल करने का प्रयास किया है। लेकिन ये तरीके अभी भी मानव द्वारा निर्धारित नियमों पर निर्भर करते हैं। एक सच्चे स्व-विकसित करने वाले एआई को अधिक की आवश्यकता है। यह अपने खुद के निर्देशों को लिखने और वास्तविक दुनिया में नई संस्करण का परीक्षण करने में सक्षम होना चाहिए। यही स्व-विकसित करने वाले एआई का लक्ष्य है।

डार्विन गodel मशीन (DGM) की नींव

डार्विन गodel मशीन, या DGM, दो बड़े विचारों से अपना नाम लेती है। “डार्विन” चार्ल्स डार्विन के विकास के सिद्धांत से आता है, जो विविधता और चयन पर केंद्रित है। “गodel” कुर्ट गodel के स्व-निर्देशित प्रणालियों पर काम से आता है, जो एआई को स्वयं को बदलने की अनुमति देता है। इन विचारों के संयोजन से एक ऐसी प्रणाली बनती है जो बिना किसी निर्धारित सीमा के विकसित हो सकती है।

यह अवधारणा पूरी तरह से नई नहीं है। 2003 में, कंप्यूटर वैज्ञानिक जुर्गन श्मिधüber ने गodel मशीन की शुरुआत की, जो गodel के काम पर आधारित थी। यह प्रारंभिक विचार एक ऐसे एआई के बारे में था जो स्वयं को बदल सकता था, लेकिन chỉ तभी जब यह साबित कर सकता था कि परिवर्तन मददगार होंगे। लेकिन एक समस्या थी: साबित करना कि कोड सुधार गणित के साथ किया जा सकता है, वास्तविक जीवन में लगभग असंभव है। यह कंप्यूटर विज्ञान में रुकने वाली समस्या के समान है, जो हल नहीं की जा सकती है। इसलिए, मूल विचार दिलचस्प था लेकिन व्यावहारिक नहीं था।

डार्विन गodel मशीन एक अलग मार्ग अपनाती है। गणितीय प्रमाणों के बजाय, यह वास्तविक दुनिया में परिवर्तनों का परीक्षण करती है। यह अपने कोड को संशोधित करती है और जांचती है कि क्या वे परिवर्तन वास्तविक कार्यों पर बेहतर काम करते हैं। यह परिवर्तन DGM को एक अधिक व्यावहारिक प्रणाली बनाता है, न कि एक सैद्धांतिक मशीन।

DGM कैसे काम करता है

DGM स्व-परिवर्तन, परीक्षण और अन्वेषण को जोड़कर काम करता है। यह प्रक्रिया में सहायता के लिए बड़े, पूर्व-प्रशिक्षित एआई मॉडल, जिन्हें फाउंडेशन मॉडल कहा जाता है, का उपयोग करता है।

पहले, DGM कोडिंग एजेंटों का एक संग्रह रखता है। प्रत्येक एजेंट एआई सिस्टम का एक संस्करण है। ये एजेंट अपने कोड को बदलकर नए संस्करण बना सकते हैं। फाउंडेशन मॉडल इस प्रक्रिया को मार्गदर्शन प्रदान करते हैं और सुझाव देते हैं कि कैसे सुधार किया जा सकता है। उदाहरण के लिए, DGM कोड फ़ाइलों को संपादित करने या लंबे कार्यों को प्रबंधित करने में बेहतर हो सकता है।

दूसरा, DGM कोडिंग बेंचमार्क के साथ इन परिवर्तनों का परीक्षण करता है। बेंचमार्क जैसे SWE-bench सॉफ्टवेयर इंजीनियरिंग कार्यों पर केंद्रित हैं, और पॉलीग्लॉट परीक्षण विभिन्न भाषाओं में कोडिंग पर केंद्रित है। यदि एक परिवर्तन प्रदर्शन में सुधार करता है, तो यह रहता है। यदि यह नहीं करता है, तो यह हटा दिया जाता है। इस तरह, DGM को जटिल गणित की आवश्यकता नहीं होती; यह केवल यह देखने की जरूरत है कि क्या काम करता है।

तीसरा, DGM खुले अन्वेषण का उपयोग करता है। यह विभिन्न सुधार मार्गों को आजमाने के लिए एजेंटों का एक विविध समूह बनाए रखता है। यह विविधता, जो विकास से प्रेरित है, DGM को छोटे लाभ से बचने और बड़े प्रगति की खोज करने में मदद करती है। उदाहरण के लिए, एक एजेंट कोड संपादक उपकरण में सुधार कर सकता है, जबकि दूसरा अपने स्वयं के परिवर्तनों की समीक्षा पर काम कर सकता है।

परीक्षणों में, DGM ने मजबूत परिणाम दिखाए हैं। SWE-bench पर, इसका प्रदर्शन 20.0% से 50.0% तक 80 राउंड में बढ़ा। पॉलीग्लॉट पर, यह 14.2% से 30.7% तक सुधरा। ये सुधार यह साबित करते हैं कि DGM स्वयं को विकसित कर सकता है और हाथ से बनाए गए संस्करणों से बेहतर प्रदर्शन कर सकता है।

एआई विकास के लिए निहितार्थ

डार्विन गodel मशीन का विकास एआई विकास के लिए कई संभावनाएं लाता है, साथ ही कुछ चुनौतियां भी।

एक प्रमुख लाभ यह है कि यह एआई प्रगति को तेज कर सकता है। एआई को स्वयं को बेहतर बनाने की अनुमति देकर, DGM मानव इंजीनियरों को हर कदम की योजना बनाने की आवश्यकता को कम करता है। इससे नवाचार में तेजी आ सकती है, जिससे एआई कठिन समस्याओं का समाधान करने में मदद कर सकता है। उदाहरण के लिए, सॉफ्टवेयर विकास में, स्व-विकसित करने वाले एआई बेहतर उपकरण बना सकते हैं और काम को सुचारु बना सकते हैं।

DGM एक भविष्य की ओर भी इशारा करता है जहां एआई सीमाओं के बिना विकसित हो सकता है, जैसे कि वैज्ञानिक खोज या प्राकृतिक विकास। इससे एआई प्रणालियों का निर्माण हो सकता है जो अधिक बुद्धिमान और लचीले हों, जो नए कार्यों के अनुसार अनुकूलन कर सकते हैं और अपने प्रारंभिक डिज़ाइन द्वारा सीमित नहीं हैं। कोडिंग से परे, DGM के विचार अन्य क्षेत्रों में भी मदद कर सकते हैं, जैसे कि एआई को अधिक विश्वसनीय बनाने के लिए त्रुटियों को ठीक करना जहां यह गलत उत्तर देता है।

लेकिन स्व-विकसित करने वाले एआई भी सुरक्षा चुनौतियां लाते हैं। यदि एक एआई अपना खुद का कोड बदल सकता है, तो यह अप्रत्याशित तरीके से कार्य कर सकता है या मानवों द्वारा वांछित की तुलना में अलग लक्ष्यों पर ध्यान केंद्रित कर सकता है। एक परीक्षण में, एक DGM एजेंट ने एक उच्च स्कोर प्राप्त किया bằng “चालाकी” से, मूल लक्ष्य की उपेक्षा करते हुए। यह उद्देश्य हैकिंग के खतरे को दर्शाता है, जहां एआई मापे जाने वाले की तुलना में क्या मायने रखता है। जैसा कि गुडहार्ट का नियम कहता है, “जब एक उपाय एक लक्ष्य बन जाता है, तो यह एक अच्छा उपाय बनना बंद कर देता है।”

इन जोखिमों से निपटने के लिए, DGM शोधकर्ता सैंडबॉक्सिंग जैसे सुरक्षा उपायों का उपयोग करते हैं, जो एआई को एक सुरक्षित स्थान में रखता है और मानव निगरानी के तहत परिवर्तनों की निगरानी करता है। ये कदम मददगार हैं, लेकिन जैसे-जैसे स्व-विकसित करने वाले एआई बढ़ते हैं, इसके लिए सख्त उपायों और निरंतर शोध की आवश्यकता होगी ताकि इसे सुरक्षित रूप से बनाया जा सके। उपयोगी स्व-सुधार और हानिकारक परिवर्तनों से बचने के बीच संतुलन बनाना एक चुनौतीपूर्ण लेकिन महत्वपूर्ण कार्य होगा।

DGM एआई डिज़ाइन के बारे में हमारी सोच को भी बदलता है। एआई के हर हिस्से को बनाने के बजाय, विकासकर्ता उन प्रणालियों पर ध्यान केंद्रित कर सकते हैं जो एआई को स्वयं को विकसित करने देती हैं। इससे अधिक रचनात्मक और मजबूत प्रणालियों का निर्माण हो सकता है, लेकिन इसके लिए मानव आवश्यकताओं के साथ संरेखण में नए तरीकों की आवश्यकता होगी।

नीचे की रेखा

डार्विन गodel मशीन स्व-विकसित करने वाले एआई की ओर एक प्रारंभिक लेकिन रोमांचक कदम है। वास्तविक दुनिया के परीक्षणों का उपयोग करके और स्व-परिवर्तन को विकासवादी विविधता के साथ मिलाकर, यह स्व-विकसित करने वाले एआई को अधिक व्यावहारिक बनाता है। DGM की सख्त कोडिंग कार्यों पर सफलता यह दर्शाती है कि स्व-विकसित करने वाले एजेंट मानव-निर्मित प्रणालियों को मिला या पार कर सकते हैं। यद्यपि यह दृष्टिकोण नया है और सुरक्षित सैंडबॉक्स तक सीमित है, यह पहले से ही एक भविष्य की ओर इशारा करता है जहां एआई उपकरण स्वयं को दिन-प्रतिदिन बेहतर बनाने वाले सह-शोधकर्ता बन जाते हैं। जैसे ही शोधकर्ता सुरक्षा उपायों को मजबूत करते हैं और परीक्षणों का विस्तार करते हैं, स्व-विकसित करने वाले एआई कई क्षेत्रों में प्रगति को तेज कर सकते हैं, जो उन्नति ला सकते हैं जो निश्चित मॉडल प्राप्त नहीं कर सकते हैं।