Anderson का एंगल

सत्यापन अर्थव्यवस्था में संक्रमण

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
AI-generated image featuring a harried office-worker struggling to rubber-stamp the print-outs of a dozen queuing robots. GPT-1.5.

एआई के काम की जांच एक महत्वपूर्ण क्षेत्र बन सकता है जो नए मशीन लर्निंग अर्थव्यवस्था में स्केल करना होगा, और जो स्वचालित नहीं किया जा सकता है। लेकिन जैसे ही वर्ष बीतते हैं, मानव ‘विशेषज्ञ’ गुणवत्ता में कम होने की संभावना है।

 

राय. मेरी पत्नी यूरोप की सबसे जटिल और तीव्र नौकरशाही में एक वास्तुकार है। उसकी शिक्षा का एक महत्वपूर्ण हिस्सा उसके हस्ताक्षर के अधिकार को प्राप्त करने और बनाए रखने में निहित है – एक महंगा प्रमाणीकरण जो हर साल फिर से सब्सक्राइब किया जाना चाहिए, और जो उसे साहित्यिक रूप से ‘साइन ऑफ’ करने की अनुमति देता है जिसका कार्यान्वयन लाखों यूरो में हो सकता है।

वह मुझे बताती है कि यह उसके काम का सबसे कठिन हिस्सा नहीं है, क्योंकि यह केवल उसके自己的 गणनाओं को औपचारिक बनाता है, या दूसरों की, और इस उद्देश्य के लिए, बाहरी काम आमतौर पर जांच करने में मुश्किल नहीं होता है।

मूल रूप से, जैसा कि अक्सर सीईओ की नियुक्ति के मामले में भी होता है, यह मुहर (यह वास्तव में एक मुहर है) मुख्य रूप से हितधारकों को एक ऐसा व्यक्ति प्रदान करती है जिसे वे दोष दे सकते हैं अगर चीजें गलत हो जाती हैं। जिम्मेदारी सुनिश्चित करने में, यह बीमा कवरेज और निवेशकों का विश्वास भी सुविधाजनक बनाता है, जो ऐसे वाउचसफेस के बिना प्राप्त नहीं किया जा सकता है।

यह मेरे जीवन में दूसरी बार है जब मैंने इस प्रक्रिया को सीधे देखा है; 25 साल पहले मैं एक ऑन्कोलॉजिस्ट से जुड़ा हुआ था जो एक और कुख्यात नौकरशाही में था, इटली में, और मैंने देखा कि उसके विशेषज्ञ हस्ताक्षर एक विश्वास की श्रृंखला में अंतिम चरण थे जिसमें कई अन्य लोगों को भी योगदान देना था।

मैंने अपनी पूर्व मंगेतर से सुना, उस समय, और हाल ही में मेरी पत्नी से, कि उनके पेशे में योग्य हैक्स उनके हस्ताक्षर बेचने और कम लाभदायक काम को छोड़ने के लिए भरे हुए थे जो कम लाभदायक थे। ऐसे निंदनीय अभ्यासकर्ता उच्च शुल्क ले सकते हैं क्योंकि वे दुर्लभ और आवश्यक संसाधनों का प्रतिनिधित्व करते हैं।

देखें

यह विषय मेरे दिमाग में आया जब मैंने आज एक नए और विस्तृत पेपर पर ठोकर खाई, जिसका शीर्षक एजीआई की कुछ सरल अर्थशास्त्र है। इसमें, एमआईटी, वाशिंगटन विश्वविद्यालय में सेंट लुईस, और यूसीएलए के तीन शोधकर्ता, एक निकट भविष्य का वर्णन करते हैं जहां एआई-संचालित स्वचालन की ओर खतरनाक, नौकरी को नष्ट करने वाली प्रेरणा उच्च जोखिम वाले परिदृश्यों में वास्तविक दुनिया के गधों की आवश्यकता के साथ टकराती है – इस प्रकार एक नई मानव सत्यापन, प्रमाणीकरण और जिम्मेदारी की अर्थव्यवस्था की ओर ले जाती है*।

पेपर मीडिया के वर्तमान कल्पना के विपरीत है जो व्यापक व्यवसायिक क्षेत्रों को एकल-व्यक्ति ‘पर्यवेक्षकों’ में कम कर देता है, जिनके निर्णयों का उपयोग (उम्मीद है) आगे के मांसवेयर को निकालने के लिए प्रशिक्षण डेटा के रूप में किया जा रहा है

इसके बजाय, लेखकों का मानना है कि व्यावहारिक विचार और अनुपालन आवश्यकताएं ‘रबर-स्टैम्पिंग’ मानवों पर巨ी ध्यान केंद्रित करेंगी जो एक कंपनी के (एआई/मानव/एआई-सहायता प्राप्त) कानूनी विभाग को शांत करते हैं:

‘कंपनियों के लिए, मुख्य रणनीतिक अंतर्दृष्टि यह है कि सत्यापन अब एक मात्र अनुपालन कार्य नहीं है, बल्कि एक प्राथमिक उत्पादन प्रौद्योगिकी है – और बढ़ते हुए, उनकी सबसे मजबूत है। यह एक संरचनात्मक परिवर्तन को दर्शाता है: दृश्यता में भारी निवेश, सत्यापन-ग्रेड जमीनी सच्चाई का विस्तार, और एक “सैंडविच” टोपोलॉजी (मानव इरादा → मशीन निष्पादन → मानव सत्यापन और अंडरराइटिंग) के आसपास पुनर्गठन।

‘एक अर्थव्यवस्था में जहां कच्चा आउटपुट कमोडिटाइज्ड है, प्रतिस्पर्धी लाभ दुर्लभ प्रतिभा और डेटा की ओर स्थानांतरित हो जाता है जो विश्वसनीय रूप से एजेंटिक सिस्टम को निर्देशित और प्रमाणित करने में सक्षम हैं – नेटवर्क प्रभाव उत्पन्न करता है जो केवल आउटपुट में नहीं, बल्कि विश्वसनीय परिणामों में है।’

लेखकों का अनुमान है कि विकास पर परिभाषित प्रतिबंध बुद्धिमत्ता नहीं हो सकता है – जिसे एआई ने अब ‘जीव विज्ञान से अलग’ कर दिया है – लेकिन सत्यापन बैंडविथ

मानव सत्यापन की ओर मूल्य का परिवर्तन

पेपर एजीआई की ओर बढ़ने की प्रक्रिया को एक विस्तारित विचलन के रूप में वर्णित करता है जो मशीन आउटपुट के उत्पादन की लागत और उस आउटपुट की जांच की लागत के बीच है – जो बाद में मानव समय और जीवन के अनुभव से जुड़ी हुई है।

योजनाओं, रिपोर्टों, डिजाइनों और सिफारिशों का उत्पादन इस परिदृश्य में सस्ता और बहुतायत में हो जाएगा, जबकि यह निर्धारित करना कि उनमें से कौन से ध्वनि, संरेखित, और पर्याप्त रूप से सुरक्षित हैं कि उन पर कार्रवाई की जा सके, यह ‘दुर्लभ कार्य’ बन जाएगा। आउटपुट प्रणाली जो उत्पादित कर सकती है उसकी प्रभावी सीमा तब नहीं होगी कि वे कितना आउटपुट उत्पादित कर सकती हैं, बल्कि यह है कि कितना आउटपुट विश्वसनीय रूप से सत्यापित किया जा सकता है।

इस प्रकार, इसके बजाय मापदंडों में विशेषज्ञता को पुरस्कृत करने के बजाय, प्रणाली मापनीयता को पुरस्कृत करना शुरू कर देगी: जो काम पैरामीटरीकृत किया जा सकता है वह कमोडिटाइजेशन की ओर बढ़ेगा क्योंकि इसकी निष्पादन लागत कम्प्यूटे की सीमांत लागत के करीब आ जाएगी, मूल्य उच्च गुणवत्ता वाली जमीनी सच्चाई, विश्वसनीय ऑडिट ट्रेल, और संस्थागत तंत्र में जमा होगा जिम्मेदारी के लिए।

इसलिए, एक सत्यापन अर्थव्यवस्था में, लाभ कम सामग्री का उत्पादन करने में नहीं होगा, बल्कि परिणामों को प्रमाणित करने और उनसे जुड़े जोखिमों को अंडरराइट करने में होगा।

यदि स्वचालन तेजी से बढ़ता रहता है और सत्यापन मानव समय और ध्यान से सीमित रहता है, तो पेपर का अनुमान है कि एक होलो अर्थव्यवस्था उत्पन्न होगी, जहां काम का हिस्सा जो वास्तव में सत्यापित किया जाता है कम हो जाएगा, जिसके परिणामस्वरूप नकारात्मक परिणाम होंगे।

इसके विपरीत, एक अग्रिम अर्थव्यवस्था सुनिश्चित करेगी कि सत्यापन क्षमता स्वचालन के साथ तालमेल बिठाएगी। यह संरचित प्रशिक्षण में एक जानबूझकर निवेश को शामिल करेगा जो विशेषज्ञता को संरक्षित करने के लिए है, साथ ही नए दायित्व ढांचे जो जोखिम को अवशोषित कर सकते हैं। तैनाती तब तक सीमित होगी जब तक कि वास्तव में जांचा और बीमाकृत किया जा सकता है – प्रभावी रूप से, एक बहुत पुरानी बोतलेंक जो एक अभूतपूर्व पैमाने पर तकनीकी विकास द्वारा केंद्र स्तर पर लाया गया है:

‘प्रौद्योगिकी क्षेत्र में, प्रमुख राजस्व मॉडल सॉफ्टवेयर एक्सेस (सॉफ्टवेयर-ए-ए-सर्विस) से परिणामों को मोनेटाइज (सॉफ्टवेयर-ए-ए-लेबर) में स्थानांतरित हो जाएगा। इसके परिणामस्वरूप, कंपनियों का मूल्यांकन मुख्य रूप से उनकी दायित्व को अवशोषित करने की क्षमता पर किया जाएगा।

‘निष्पादन अब अनंत रूप से स्केलेबल है; इसके अपरिहार्य विफलताओं को अवशोषित करने की कानूनी और वित्तीय क्षमता नई बोतलेंक है। ‘

कम होती वापसी

वास्तव में, मानवों में डोमेन विशेषज्ञता का संरक्षण समस्या के लिए महत्वपूर्ण है, क्योंकि एक औद्योगिक पर्यवेक्षण की संस्कृति के अनुसार, लेखकों के अनुसार, समय के साथ उन लोगों की गुणवत्ता को कम कर देगी जो पर्यवेक्षण कर रहे हैं – क्योंकि बाद की पीढ़ियों के पर्यवेक्षकों के पास अब सीधे और जीवन का अनुभव नहीं होगा जो सत्यापन की आवश्यकता है।

संभावित रूप से, उस चरण में, पर्यवेक्षण की गुणवत्ता वास्तव में स्वचालन के लिए अतिसंवेदनशील हो जाएगी – क्योंकि नए निर्णय केवल पूर्व निर्णयों के आधार पर बनाए जाएंगे। हालांकि, यह हितधारकों को एक किक करने योग्य गधा के बिना छोड़ देगा, या एक व्यवहार्य व्यवसाय मॉडल। यह भी ऐसी भूमिका को इतना अस्थिर और जोखिम भरा बना देगा कि यह नियुक्ति के एक जलवायु में भी अपील नहीं करेगा।

पेशेवरों को डॉक्टरों और वास्तुकारों जैसे साख वाले पेशेवरों को एक अच्छी तरह से भुगतान वाली लेकिन बहुत अधिक बोझिल ‘रबर-स्टैम्पिंग’ स्थिति में डालने से उनकी भूमिका में उनका मूल्य कम होने की संभावना है: जितना अधिक उनका वास्तविक क्षेत्र अनुभव उनकी अनुपस्थिति में विकसित होता है, उतना ही अधिक ‘सैद्धांतिक’ उनके निर्णय हो सकते हैं।

(यह पहले से ही एआई व्यवसाय संस्कृति में, कुशल कर्मचारियों के रूप में परिचित है जो प्रबंधन में आगे बढ़ते हैं और निरंतर विकास से दूर हो जाते हैं, अंततः अपने मूल्य को कम कर देते हैं जो पर्यवेक्षकों और संगठकों के रूप में है। यह स्टार ट्रेक: टीएनजी प्रशंसकों के लिए भी परिचित है, पाकलेड्स के रूप में – एक जाति जो उन्नत प्रौद्योगिकी का व्यापक रूप से उपयोग करती है, लेकिन अब नहीं जानती कि इसे कैसे बनाया जाए या कैसे ठीक किया जाए।)

प्रवेश-स्तर के निष्पादन ने ऐतिहासिक रूप से भविष्य के विशेषज्ञों के लिए प्रशिक्षण के मैदान के रूप में कार्य किया है; लेकिन यदि स्वचालन नियमित कार्यों को समाप्त कर देता है जिनमें निर्णय लेने की क्षमता का पोषण किया जाता है, तो भविष्य के सत्यापनकर्ताओं की आपूर्ति कम हो जाएगी, लेखक सुझाव देते हैं।

इस प्रकार पेपर एक विरोधाभास की भविष्यवाणी करता है: जितना अधिक शक्तिशाली एजेंटिक सिस्टम बनते हैं, उतना ही अधिक समाज उन मानव विशेषज्ञता पर निर्भर करेगा जो उन्हीं प्रणालियों द्वारा क्षय हो सकती हैं।

और आइए यह याद रखें कि यह किसी भी तरह से एक तकनीकी समस्या नहीं है, न ही यह एक तकनीकी समाधान के लिए प्रवण है। कई मायनों में, यह सिंड्रोम एआई मॉडल कोलैप्स के तुलनीय है – सिवाय इसके कि यहां हम आर्थिक मॉडल के कमजोर होने पर विचार कर रहे हैं।

‘नीति के दृष्टिकोण से, मुख्य चुनौती एक गहरा संरचनात्मक असमानता है: एआई तैनाती के लाभ आक्रामक रूप से निजीकृत हैं, जबकि प्रणालीगत जोखिम सामाजिक हैं। कंपनियां और व्यक्ति स्वचालन के अपसाइड को पकड़ते हैं जबकि दुर्घटनावश जोखिमों को बाहरी करते हैं।

‘बिना साझा सत्यापन बुनियादी ढांचे और सख्त दायित्व मूल्य निर्धारण के, बाजार तर्कसंगत रूप से एक होलो अर्थव्यवस्था की ओर बढ़ेगा – एक संतुलन जो मापदंडों में गतिविधि से भरा हुआ है, लेकिन मूल रूप से मानव नियंत्रण से खोखला है। ‘

निष्कर्ष: एक अलग संकट

लेखकों ने अनुमानित संकट को मापनीयता अंतर के रूप में परिभाषित किया है, जहां मापदंडों में प्रक्रियाएं मानव योगदान से स्वचालित हो सकती हैं, -हार्ड या -कानूनी प्रक्रियाओं को छोड़ देती हैं जिन्हें अभी भी मानव विशेषज्ञता की आवश्यकता होती है।

हालांकि, मेरी पत्नी का अनुभव सुझाव देता है कि एक प्रक्रिया की जटिलता या कठिनाई आवश्यक रूप से उस प्रक्रिया में जिम्मेदारी की आवश्यकता से संबंधित नहीं है; जिन चीजों पर वह ‘हस्ताक्षर’ करती है वे स्वयं में त्रिविया समस्याएं या गणनाएं हो सकती हैं, लेकिन वे उल्लंघन में परिणामी हो सकती हैं। और जितना अधिक व्यावसायिक संस्कृति मुकदमेबाजी हो जाती है, उतना ही अधिक अंडरराइटर और निवेशक मानव जिम्मेदारी की मांग करेंगे व्यापक प्रक्रियाओं में।

इसलिए, सत्यापन अर्थव्यवस्था में संक्रमण एक अलग संकट पैदा कर सकता है जो वर्तमान में सुर्खियों में है। मुद्दा तब नहीं होगा कि क्या एआई अधिक उत्पादन कर सकता है, बल्कि यह है कि संस्थानों द्वारा उत्पादित की जाने वाली चीजों की पुष्टि की जा सकती है ताकि मशीन बुद्धिमत्ता को स्थायी मूल्य में अनुवाद किया जा सके।

चूंकि मशीन बुद्धिमत्ता जल्द ही बिना पूर्ववर्ती के स्केल करने की संभावना है, और मानव समय और ध्यान की उपलब्धता उस गति के साथ नहीं रख सकती है, नए कार्य में उल्लिखित मुद्दे जल्द ही उभरने की संभावना है – भले ही वे शुरू में एआई अपनाने के व्यापक आर्थिक परिणामों से डूब जाएं।

 

* पेपर बहुत लंबा है और इसे सामान्य तरीके से तोड़ने के लिए उपयुक्त नहीं है, और मैंने इसलिए यह तय किया कि मैं इसके बारे में टिप्पणी करूं और इसके महत्व पर विचार करूं, और पाठक को स्रोत कार्य के लिए भेजूं ताकि वे भी ऐसा कर सकें।

/s

पहली बार बुधवार, 25 फरवरी, 2026 को प्रकाशित हुआ

मशीन लर्निंग पर लेखक, मानव इमेज सिंथेसिस में डोमेन विशेषज्ञ। मेटाफिजिक.ai में रिसर्च कंटेंट के पूर्व प्रमुख, जब तक कि इसका डीएनजीई के ब्रह्मा.ai में विलय नहीं हो गया।
पोर्टफोलियो साइट: martinanderson.ai
संपर्क: martin@martinanderson.ai