कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) क्या है और यह अभी तक क्यों नहीं है: एआई उत्साही लोगों के लिए वास्तविकता जांच

कृत्रिम बुद्धिमत्ता (एआई) हर जगह है। स्मार्ट सहायकों से लेकर स्व-ड्राइविंग कारों तक, एआई सिस्टम हमारे जीवन और व्यवसायों को बदल रहे हैं। लेकिन अगर एक ऐसा एआई होता जो विशिष्ट कार्यों के अलावा और भी बहुत कुछ कर सकता? अगर एक ऐसा एआई होता जो मानव की तरह सीख और सोच सकता या मानव बुद्धिमत्ता को पार कर सकता?

यह कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) की दृष्टि है, एक कल्पनात्मक एआई रूप जिसमें मानव द्वारा की जा सकने वाली किसी भी बौद्धिक कार्य को पूरा करने की क्षमता है। एजीआई को अक्सर कृत्रिम संकीर्ण बुद्धिमत्ता (एएनआई) के साथ तुलना की जाती है, जो वर्तमान एआई की स्थिति है जो केवल एक या एक से अधिक डोमेन में उत्कृष्टता प्राप्त कर सकती है, जैसे कि शतरंज खेलना या चेहरों को पहचानना। दूसरी ओर, एजीआई में भाषा, तर्क, रचनात्मकता, सामान्य ज्ञान और भावना जैसे कई डोमेन में समझने और तर्क करने की क्षमता होगी।

एजीआई एक नया概念 नहीं है। यह एआई अनुसंधान के शुरुआती दिनों से इसका मार्गदर्शक दृष्टिकोण रहा है और इसका सबसे विभाजनकारी विचार बना हुआ है। कुछ एआई उत्साही लोग मानते हैं कि एजीआई अपरिहार्य और निकट है और यह एक नए प्रौद्योगिकी और सामाजिक प्रगति के युग की ओर ले जाएगा। दूसरे अधिक संदेहवादी और सावधान हैं और एजीआई प्रणालियों के निर्माण और नियंत्रण के नैतिक और अस्तित्व संबंधी जोखिमों की चेतावनी देते हैं।

लेकिन हम एजीआई को प्राप्त करने के कितने करीब हैं, और क्या यह thậmाल करने की कोशिश करना समझ में आता है? यह वास्तव में एक महत्वपूर्ण प्रश्न है जिसका उत्तर एआई उत्साही लोगों के लिए एक वास्तविकता जांच प्रदान कर सकता है जो सुपरमानव बुद्धिमत्ता के युग को देखने के लिए उत्सुक हैं।

एजीआई क्या है और यह एआई से कैसे अलग है?

एजीआई वर्तमान एआई से अपनी क्षमता द्वारा अलग है जो मानव द्वारा की जा सकने वाली किसी भी बौद्धिक कार्य को पूरा कर सकती है, यदि नहीं तो उन्हें पार कर सकती है। यह अंतर कई मुख्य विशेषताओं के संदर्भ में है, जिनमें शामिल हैं:

• अमूर्त सोच
• विशिष्ट उदाहरणों से सामान्यीकरण करने की क्षमता
• विविध पृष्ठभूमि ज्ञान से ड्रॉ करना
• निर्णय लेने के लिए सामान्य ज्ञान और चेतना का उपयोग करना
• संबंध के बजाय कारण को समझना
• मानवों और अन्य एजेंटों के साथ प्रभावी संचार और परस्पर क्रिया

इन विशेषताओं को मानव जैसी या सुपरमानव बुद्धिमत्ता प्राप्त करने के लिए महत्वपूर्ण माना जाता है, लेकिन वे वर्तमान एआई प्रणालियों के लिए कठिन हैं।

वर्तमान एआई मुख्य रूप से मशीन लर्निंग पर निर्भर करता है, जो कि कंप्यूटर विज्ञान की एक शाखा है जो मशीनों को डेटा और अनुभवों से सीखने में सक्षम बनाती है। मशीन लर्निंग पर्यवेक्षित, अपर्यवेक्षित, और पुरस्कार सीखने के माध्यम से काम करता है।

पर्यवेक्षित सीखने में मशीनें लेबल वाले डेटा से सीखती हैं ताकि नए डेटा को भविष्यवाणी या वर्गीकृत किया जा सके। अपर्यवेक्षित सीखने में अलेबल डेटा में पैटर्न खोजना शामिल है, जबकि पुरस्कार सीखने में क्रियाओं और प्रतिक्रिया से सीखना, पुरस्कारों को अधिकतम करने या लागत को कम करने के लिए अनुकूलन शामिल है।

कंप्यूटर दृष्टि और प्राकृतिक भाषा प्रसंस्करण जैसे क्षेत्रों में उल्लेखनीय परिणामों के बावजूद, वर्तमान एआई प्रणालियां प्रशिक्षण डेटा की गुणवत्ता और मात्रा, पूर्वनिर्धारित अल्गोरिदम और विशिष्ट अनुकूलन उद्देश्यों द्वारा सीमित हैं। उन्हें अक्सर अनुकूलन में मदद की आवश्यकता होती है, विशेष रूप से नए स्थितियों में, और उनके तर्क की व्याख्या में अधिक पारदर्शिता की आवश्यकता होती है।

इसके विपरीत, एजीआई को इन सीमाओं से मुक्त होने की कल्पना की जाती है और यह पूर्वनिर्धारित डेटा, अल्गोरिदम या उद्देश्यों पर निर्भर नहीं करेगा, बल्कि अपनी स्वयं की सीखने और सोच क्षमताओं पर निर्भर करेगा। इसके अलावा, एजीआई विभिन्न स्रोतों और डोमेन से ज्ञान प्राप्त और एकीकृत कर सकती है, और इसे नए और विविध कार्यों में सहजता से लागू कर सकती है। इसके अलावा, एजीआई तर्क, संचार, समझ और दुनिया और स्वयं को हेरफेर करने में उत्कृष्टता प्राप्त करेगी।

एजीआई प्राप्त करने के लिए चुनौतियां और दृष्टिकोण क्या हैं?

एजीआई को वास्तविक बनाना तकनीकी, अवधारणात्मक और नैतिक आयामों सहित कई चुनौतियों को प्रस्तुत करता है।

उदाहरण के लिए, बुद्धिमत्ता को परिभाषित और मापने का कार्य, जिसमें स्मृति, ध्यान, रचनात्मकता और भावना जैसे घटक शामिल हैं, एक मूलभूत बाधा है। इसके अलावा, मानव मस्तिष्क के कार्यों को मॉडलिंग और सिम्युलेट करना, जैसे कि धारणा, संज्ञान और भावना, जटिल चुनौतियां प्रस्तुत करता है।

इसके अलावा, महत्वपूर्ण चुनौतियों में स्केलेबल, सामान्यीकृत सीखने और तर्क अल्गोरिदम और वास्तुकला को डिज़ाइन और लागू करना शामिल है। एजीआई प्रणालियों की सुरक्षा, विश्वसनीयता और जवाबदेही को मानवों और अन्य एजेंटों के साथ उनके परस्पर क्रिया में सुनिश्चित करना और एजीआई प्रणालियों के मूल्यों और लक्ष्यों को समाज के मूल्यों और लक्ष्यों के साथ संरेखित करना भी महत्वपूर्ण है।

एजीआई की खोज में विभिन्न अनुसंधान दिशाएं और परिदृश्य प्रस्तावित और अन्वेषित किए गए हैं, प्रत्येक के अपने मजबूत और सीमाएं हैं। प्रतीकात्मक एआई, एक पारंपरिक दृष्टिकोण जो ज्ञान प्रतिनिधित्व और मैनिपुलेशन के लिए तर्क और प्रतीकों का उपयोग करता है, अमूर्त और संरचित समस्याओं जैसे गणित और शतरंज में उत्कृष्टता प्राप्त करता है लेकिन संवेदी और मोटर डेटा को एकीकृत करने में मदद की आवश्यकता है।

इसी तरह, कनेक्शनिस्ट एआई, एक आधुनिक दृष्टिकोण जो बड़े डेटा सेटों को संसाधित करने के लिए न्यूरल नेटवर्क और गहरे सीखने का उपयोग करता है, जटिल और शोर वाले डोमेन जैसे दृष्टि और भाषा में उत्कृष्टता प्राप्त करता है लेकिन व्याख्या और सामान्यीकरण में मदद की आवश्यकता है।

हाइब्रिड एआई प्रतीकात्मक और कनेक्शनिस्ट एआई को मिलाता है ताकि इसकी ताकत का लाभ उठाया जा सके और कमजोरियों को दूर किया जा सके, अधिक मजबूत और बहुमुखी प्रणालियों की ओर बढ़े। इसी तरह, विकासवादी एआई विकासवादी अल्गोरिदम और जेनेटिक प्रोग्रामिंग का उपयोग करता है ताकि एआई प्रणालियों को प्राकृतिक चयन के माध्यम से विकसित किया जा सके, जो नए और अनुकूल समाधानों की तलाश में है जो मानव डिज़ाइन से परे हैं।

अंत में, न्यूरोमॉर्फिक एआई न्यूरोमॉर्फिक हार्डवेयर और सॉफ्टवेयर का उपयोग करता है ताकि जैविक न्यूरल सिस्टम की नकल की जा सके, जो अधिक कुशल और वास्तविक मस्तिष्क मॉडल की ओर बढ़ रहा है और मानवों और एजेंटों के साथ प्राकृतिक परस्पर क्रिया को सक्षम बनाता है।

वे एजीआई के लिए केवल कुछ प्रमुख और आशाजनक दृष्टिकोण हैं, प्रत्येक के अपने फायदे और नुकसान हैं। प्रत्येक दृष्टिकोण में एजीआई की विशालता और बुद्धिमत्ता को प्राप्त करने की आवश्यकता है।

एजीआई के उदाहरण और अनुप्रयोग

जबकि एजीआई को अभी तक प्राप्त नहीं किया गया है, कुछ उल्लेखनीय एआई प्रणालियों में एजीआई के कुछ पहलुओं या विशेषताओं का प्रदर्शन किया गया है, जो अंततः एजीआई प्राप्ति की दृष्टि में योगदान करते हैं। ये उदाहरण एजीआई की ओर बढ़ने वाले कदम का प्रतिनिधित्व करते हैं और विशिष्ट क्षमताओं को प्रदर्शित करते हैं:

अल्फाज़ीरो, डीपमाइंड द्वारा विकसित, एक पुरस्कार सीखने वाली प्रणाली है जो स्वायत्त रूप से शतरंज, शोगी और गो खेलना सीखती है बिना मानव ज्ञान या मार्गदर्शन के। सुपरमानव प्रवीणता का प्रदर्शन करते हुए, अल्फाज़ीरो नए और रचनात्मक रणनीतियों को भी पेश करता है जो पारंपरिक ज्ञान को चुनौती देते हैं।

इसी तरह, ओपनएआई का जीपीटी-3 विभिन्न विषयों और कार्यों में सुसंगत और विविध पाठ उत्पन्न करता है। प्रश्नों का उत्तर देने, निबंध लिखने और विभिन्न लेखन शैलियों की नकल करने में सक्षम, जीपीटी-3 लचीलापन प्रदर्शित करता है, हालांकि कुछ सीमाओं के भीतर।

इसी तरह, नीट, केनेथ स्टैनली और रिस्टो मियिकुलाइनेन द्वारा बनाया गया एक विकासवादी अल्गोरिदम, रोबोट नियंत्रण, गेम खेलने और छवि उत्पादन जैसे कार्यों के लिए न्यूरल नेटवर्क का विकास करता है। नीट की नेटवर्क संरचना और कार्य को विकसित करने की क्षमता नए और जटिल समाधानों को उत्पन्न करती है जो मानव प्रोग्रामर द्वारा पूर्वनिर्धारित नहीं किए गए हैं।

इन उदाहरणों में एजीआई की ओर प्रगति का प्रदर्शन किया गया है, लेकिन वे मौजूदा सीमाओं और अंतराल को भी रेखांकित करते हैं जो आगे के अन्वेषण और विकास की आवश्यकता को दर्शाते हैं।

एजीआई के परिणाम और जोखिम

एजीआई वैज्ञानिक, प्रौद्योगिकी, सामाजिक और नैतिक चुनौतियों को प्रस्तुत करता है जिनके गहरे परिणाम हैं। आर्थिक रूप से, यह नए अवसर पैदा कर सकता है और मौजूदा बाजारों को विकृत कर सकता है, संभावित रूप से असमानता को बढ़ा सकता है। शिक्षा और स्वास्थ्य में सुधार करते हुए, एजीआई नए चुनौतियों और जोखिमों को भी पेश कर सकता है।

नैतिक रूप से, यह नए मानकों, सहयोग और सहानुभूति को बढ़ावा दे सकता है और संघर्ष, प्रतिस्पर्धा और क्रूरता को भी पेश कर सकता है। एजीआई मौजूदा अर्थों और उद्देश्यों को प्रश्न में ला सकता है, ज्ञान का विस्तार कर सकता है और मानव प्रकृति और भाग्य को पुनः परिभाषित कर सकता है। इसलिए, हितधारकों को इन परिणामों और जोखिमों पर विचार करना और उन्हें संबोधित करना चाहिए, जिनमें शोधकर्ता, विकासकर्ता, नीति निर्माता, शिक्षक और नागरिक शामिल हैं।

नीचे की रेखा

एजीआई एआई अनुसंधान के अग्रभाग पर खड़ा है, मानव क्षमताओं से परे एक बुद्धिमत्ता का वादा करता है। जबकि दृष्टि उत्साही लोगों को आकर्षित करती है, चुनौतियां इस लक्ष्य को प्राप्त करने में बनी हुई हैं। वर्तमान एआई, जो विशिष्ट डोमेन में उत्कृष्टता प्राप्त करता है, को एजीआई की विस्तृत क्षमता से मिलना चाहिए।

कई दृष्टिकोण हैं, प्रतीकात्मक और कनेक्शनिस्ट एआई से लेकर न्यूरोमॉर्फिक मॉडल तक, जो एजीआई को वास्तविक बनाने का प्रयास कर रहे हैं। उल्लेखनीय उदाहरण जैसे अल्फाज़ीरो और जीपीटी-3 प्रगति का प्रदर्शन करते हैं, लेकिन वास्तविक एजीआई अभी भी दूर है। आर्थिक, नैतिक और अस्तित्व संबंधी परिणामों के साथ, एजीआई की यात्रा में सामूहिक ध्यान और जिम्मेदार अन्वेषण की आवश्यकता है।