आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) क्या है और यह अभी तक यहां क्यों नहीं है: एआई उत्साही लोगों के लिए एक वास्तविकता जांच

आर्टिफिशियल इंटेलिजेंस (एआई) हर जगह है। स्मार्ट असिस्टेंट से लेकर... आत्म - ड्राइविंग कारेंएआई सिस्टम हमारे जीवन और व्यवसायों को बदल रहे हैं। लेकिन क्या होगा अगर कोई एआई होता जो विशिष्ट कार्यों को करने के अलावा और भी बहुत कुछ कर सकता हो? क्या होगा अगर कोई ऐसी एआई हो जो इंसान की तरह सीख सके और सोच सके या इंसान की बुद्धि से भी आगे निकल जाए?

का यही दर्शन है आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई), एआई का एक काल्पनिक रूप जो मनुष्य द्वारा किए जा सकने वाले किसी भी बौद्धिक कार्य को पूरा करने की क्षमता रखता है। एजीआई की तुलना अक्सर की जाती है आर्टिफिशियल नैरो इंटेलिजेंस (एएनआई)एआई की वर्तमान स्थिति, जो केवल एक या कुछ डोमेन में उत्कृष्टता प्राप्त कर सकती है, जैसे शतरंज खेलना या चेहरों को पहचानना। दूसरी ओर, एजीआई में भाषा, तर्क, रचनात्मकता, सामान्य ज्ञान और भावना जैसे कई डोमेन को समझने और तर्क करने की क्षमता होगी।

एजीआई कोई नई अवधारणा नहीं है. यह शुरुआती दिनों से ही एआई अनुसंधान का मार्गदर्शक दृष्टिकोण रहा है और इसका सबसे विभाजनकारी विचार बना हुआ है। कुछ एआई उत्साही लोगों का मानना ​​है कि एजीआई अपरिहार्य और आसन्न है और यह एक नए तकनीकी और सामाजिक प्रगति युग को जन्म देगा। अन्य लोग अधिक संशयवादी और सतर्क हैं और ऐसी शक्तिशाली और अप्रत्याशित इकाई को बनाने और नियंत्रित करने के नैतिक और अस्तित्व संबंधी जोखिमों के बारे में चेतावनी देते हैं।

लेकिन हम एजीआई हासिल करने के कितने करीब हैं, और क्या कोशिश करने का कोई मतलब है? वास्तव में, यह एक महत्वपूर्ण प्रश्न है जिसका उत्तर एआई उत्साही लोगों के लिए वास्तविकता की जांच प्रदान कर सकता है जो अलौकिक बुद्धिमत्ता के युग को देखने के लिए उत्सुक हैं।

क्या है एकGI और यह AI से किस प्रकार भिन्न है?

एजीआई किसी भी बौद्धिक कार्य को करने की अपनी क्षमता के कारण मौजूदा एआई से अलग है, जिसे मनुष्य कर सकता है, भले ही उससे आगे न निकल सके। यह अंतर कई प्रमुख विशेषताओं के संदर्भ में है, जिनमें शामिल हैं:

• सामान्य सोच
• विशिष्ट उदाहरणों से सामान्यीकरण करने की क्षमता
• विविध पृष्ठभूमि ज्ञान से चित्रण
• निर्णय लेने के लिए सामान्य ज्ञान और चेतना का उपयोग करना
• केवल सहसंबंध के बजाय कार्य-कारण को समझना
• मनुष्यों और अन्य एजेंटों के साथ प्रभावी संचार और अंतःक्रिया।

हालाँकि ये सुविधाएँ मानव-जैसी या अतिमानवीय बुद्धिमत्ता प्राप्त करने के लिए महत्वपूर्ण हैं, लेकिन वर्तमान AI सिस्टम के लिए इन्हें पकड़ना कठिन है।

वर्तमान AI मुख्य रूप से मशीन लर्निंग पर निर्भर करता है, जो कंप्यूटर विज्ञान की एक शाखा है जो मशीनों को डेटा और अनुभवों से सीखने में सक्षम बनाती है। मशीन लर्निंग के माध्यम से संचालित होती है देखरेख, के चलते किसी, तथा सुदृढीकरण सीखना.

पर्यवेक्षित शिक्षण में नए डेटा की भविष्यवाणी या वर्गीकरण करने के लिए लेबल किए गए डेटा से मशीनें सीखना शामिल है। अनसुपरवाइज्ड लर्निंग में बिना लेबल वाले डेटा में पैटर्न ढूंढना शामिल है, जबकि सुदृढीकरण लर्निंग कार्यों और फीडबैक से सीखने, पुरस्कारों के लिए अनुकूलन करने या लागत को कम करने पर केंद्रित है।

जैसे क्षेत्रों में उल्लेखनीय परिणाम प्राप्त करने के बावजूद कंप्यूटर दृष्टि और प्राकृतिक भाषा प्रसंस्करणवर्तमान एआई सिस्टम प्रशिक्षण डेटा की गुणवत्ता और मात्रा, पूर्वनिर्धारित एल्गोरिदम और विशिष्ट अनुकूलन उद्देश्यों से बाधित हैं। उन्हें अक्सर अनुकूलनशीलता में सहायता की आवश्यकता होती है, विशेष रूप से नई स्थितियों में, और अपने तर्क को समझाने में अधिक पारदर्शिता के लिए।

इसके विपरीत, एजीआई की इन सीमाओं से मुक्त होने की कल्पना की गई है और यह पूर्वनिर्धारित डेटा, एल्गोरिदम या उद्देश्यों पर निर्भर नहीं होगा, बल्कि इसकी अपनी सीखने और सोचने की क्षमताओं पर निर्भर करेगा। इसके अलावा, एजीआई विभिन्न स्रोतों और डोमेन से ज्ञान प्राप्त और एकीकृत कर सकता है, इसे नए और विविध कार्यों में निर्बाध रूप से लागू कर सकता है। इसके अलावा, एजीआई तर्क, संचार, समझ और दुनिया और खुद में हेरफेर करने में उत्कृष्ट होगा।

एजीआई हासिल करने में चुनौतियाँ और दृष्टिकोण क्या हैं?

एजीआई को समझने से तकनीकी, वैचारिक और नैतिक आयामों में काफी चुनौतियां सामने आती हैं।

उदाहरण के लिए, स्मृति, ध्यान, रचनात्मकता और भावना जैसे घटकों सहित बुद्धिमत्ता को परिभाषित करना और मापना एक बुनियादी बाधा है। इसके अतिरिक्त, मानव मस्तिष्क के कार्यों, जैसे धारणा, अनुभूति और भावना का मॉडलिंग और अनुकरण, जटिल चुनौतियाँ पेश करता है।

इसके अलावा, महत्वपूर्ण चुनौतियों में स्केलेबल, सामान्यीकृत शिक्षण और तर्क एल्गोरिदम और आर्किटेक्चर को डिजाइन और कार्यान्वित करना शामिल है। मनुष्यों और अन्य एजेंटों के साथ बातचीत में एजीआई प्रणालियों की सुरक्षा, विश्वसनीयता और जवाबदेही सुनिश्चित करना और एजीआई प्रणालियों के मूल्यों और लक्ष्यों को समाज के साथ संरेखित करना भी अत्यंत महत्वपूर्ण है।

एजीआई की खोज में विभिन्न अनुसंधान दिशा-निर्देश और प्रतिमान प्रस्तावित और अन्वेषण किए गए हैं, जिनमें से प्रत्येक की ताकत और सीमाएं हैं। प्रतीकात्मक AI, ज्ञान प्रतिनिधित्व और हेरफेर के लिए तर्क और प्रतीकों का उपयोग करने वाला एक शास्त्रीय दृष्टिकोण, गणित और शतरंज जैसी अमूर्त और संरचित समस्याओं में उत्कृष्टता, लेकिन संवेदी और मोटर डेटा को स्केलिंग और एकीकृत करने में सहायता की आवश्यकता होती है।

इसी तरह, कनेक्शनिस्ट ए.आईबड़ी मात्रा में डेटा को संसाधित करने के लिए तंत्रिका नेटवर्क और गहन शिक्षण को नियोजित करने वाला एक आधुनिक दृष्टिकोण, दृष्टि और भाषा जैसे जटिल और शोर वाले डोमेन में उत्कृष्टता प्राप्त करता है, लेकिन व्याख्या और सामान्यीकरण में सहायता की आवश्यकता होती है।

हाइब्रिड एआई अधिक मजबूत और बहुमुखी प्रणालियों का लक्ष्य रखते हुए, अपनी शक्तियों का लाभ उठाने और कमजोरियों को दूर करने के लिए प्रतीकात्मक और कनेक्शनवादी एआई को जोड़ती है। उसी प्रकार, Eक्रांतिकारी ए.आई प्राकृतिक चयन के माध्यम से एआई सिस्टम विकसित करने के लिए विकासवादी एल्गोरिदम और आनुवंशिक प्रोग्रामिंग का उपयोग करता है, मानव डिजाइन द्वारा अप्रतिबंधित नए और इष्टतम समाधान की तलाश करता है।

अन्त में, न्यूरोमोर्फिक एआई जैविक तंत्रिका तंत्र का अनुकरण करने के लिए न्यूरोमॉर्फिक हार्डवेयर और सॉफ्टवेयर का उपयोग करता है, जिसका लक्ष्य अधिक कुशल और यथार्थवादी मस्तिष्क मॉडल बनाना और मनुष्यों और एजेंटों के साथ प्राकृतिक बातचीत को सक्षम करना है।

एजीआई के लिए ये एकमात्र दृष्टिकोण नहीं हैं बल्कि कुछ सबसे प्रमुख और आशाजनक दृष्टिकोण हैं। प्रत्येक दृष्टिकोण के फायदे और नुकसान हैं, और उन्हें अभी भी उस व्यापकता और बुद्धिमत्ता को प्राप्त करने की आवश्यकता है जिसकी एजीआई को आवश्यकता है।

आंदोलन उदाहरण और अनुप्रयोग

जबकि एजीआई अभी तक हासिल नहीं किया गया है, एआई सिस्टम के कुछ उल्लेखनीय उदाहरण एजीआई की याद दिलाने वाले कुछ पहलुओं या विशेषताओं को प्रदर्शित करते हैं, जो अंततः एजीआई प्राप्ति की दृष्टि में योगदान करते हैं। ये उदाहरण विशिष्ट क्षमताओं को प्रदर्शित करके एजीआई की ओर प्रगति का प्रतिनिधित्व करते हैं:

अल्फ़ाज़ोडीपमाइंड द्वारा विकसित, एक सुदृढीकरण सीखने की प्रणाली है जो मानव ज्ञान या मार्गदर्शन के बिना स्वचालित रूप से शतरंज, शोगी और गो खेलना सीखती है। अलौकिक दक्षता का प्रदर्शन करते हुए, अल्फ़ाज़ीरो उन नवीन रणनीतियों का भी परिचय देता है जो पारंपरिक ज्ञान को चुनौती देती हैं।

इसी तरह, ओपनएआई GPT-3 विभिन्न विषयों और कार्यों में सुसंगत और विविध पाठ तैयार करता है। प्रश्नों का उत्तर देने, निबंध लिखने और विभिन्न लेखन शैलियों की नकल करने में सक्षम, जीपीटी-3 कुछ सीमाओं के भीतर ही सही, बहुमुखी प्रतिभा प्रदर्शित करता है।

इसी तरह, स्वच्छकेनेथ स्टेनली और रिस्तो मिइकुलैनेन द्वारा बनाया गया एक विकासवादी एल्गोरिदम, रोबोट नियंत्रण, गेम खेलने और छवि निर्माण जैसे कार्यों के लिए तंत्रिका नेटवर्क विकसित करता है। नेटवर्क संरचना और कार्य को विकसित करने की NEAT की क्षमता नए और जटिल समाधान उत्पन्न करती है जो मानव प्रोग्रामर द्वारा पूर्वनिर्धारित नहीं होते हैं।

जबकि ये उदाहरण एजीआई की दिशा में प्रगति को दर्शाते हैं, वे मौजूदा सीमाओं और अंतरालों को भी रेखांकित करते हैं जिनके लिए सच्चे एजीआई को आगे बढ़ाने के लिए और अधिक अन्वेषण और विकास की आवश्यकता होती है।

एजीआई निहितार्थ और जोखिम

एजीआई गहन निहितार्थों के साथ वैज्ञानिक, तकनीकी, सामाजिक और नैतिक चुनौतियाँ प्रस्तुत करता है। आर्थिक रूप से, यह अवसर पैदा कर सकता है और मौजूदा बाजारों को बाधित कर सकता है, संभावित रूप से असमानता बढ़ सकती है। शिक्षा और स्वास्थ्य में सुधार करते हुए, एजीआई नई चुनौतियाँ और जोखिम पेश कर सकता है।

नैतिक रूप से, यह नए मानदंडों, सहयोग और सहानुभूति को बढ़ावा दे सकता है और संघर्ष, प्रतिस्पर्धा और क्रूरता का परिचय दे सकता है। एजीआई मौजूदा अर्थों और उद्देश्यों पर सवाल उठा सकता है, ज्ञान का विस्तार कर सकता है और मानव स्वभाव और नियति को फिर से परिभाषित कर सकता है। इसलिए, शोधकर्ताओं, डेवलपर्स, नीति निर्माताओं, शिक्षकों और नागरिकों सहित हितधारकों को इन निहितार्थों और जोखिमों पर विचार करना चाहिए और उनका समाधान करना चाहिए।

नीचे पंक्ति

एजीआई एआई अनुसंधान में सबसे आगे है, जो मानव क्षमताओं से अधिक बुद्धि के स्तर का वादा करता है। जबकि दृष्टि उत्साही लोगों को लुभाती है, इस लक्ष्य को साकार करने में चुनौतियाँ बनी रहती हैं। वर्तमान एआई, विशिष्ट डोमेन में उत्कृष्ट प्रदर्शन करते हुए, एजीआई की व्यापक क्षमता को पूरा करना चाहिए।

प्रतीकात्मक और कनेक्शनवादी एआई से लेकर न्यूरोमॉर्फिक मॉडल तक कई दृष्टिकोण, एजीआई प्राप्ति के लिए प्रयास करते हैं। अल्फ़ाज़ीरो और जीपीटी-3 जैसे उल्लेखनीय उदाहरण प्रगति को दर्शाते हैं, फिर भी सच्चा एजीआई मायावी बना हुआ है। आर्थिक, नैतिक और अस्तित्व संबंधी निहितार्थों के साथ, एजीआई की यात्रा सामूहिक ध्यान और जिम्मेदार अन्वेषण की मांग करती है।