यू सू, नियोकॉग्निशन के सह-संस्थापक और सीईओ – साक्षात्कार श्रृंखला

यू सू, नियोकॉग्निशन के सह-संस्थापक और सीईओ, एक दीर्घकालिक कृत्रिम बुद्धिमत्ता अनुसंधानकर्ता हैं जिनका करियर अकादमिक, उद्यम कृत्रिम बुद्धिमत्ता और उन्नत एजेंट प्रणालियों में फैला है। नियोकॉग्निशन का नेतृत्व करने के अलावा, वह ओहायो स्टेट यूनिवर्सिटी में एसोसिएट प्रोफेसर और इनोवेशन स्कॉलर के रूप में कार्य करते हैं, जहां उनका काम कृत्रिम बुद्धिमत्ता एजेंटों, तर्क प्रणालियों और मशीन लर्निंग पर केंद्रित रहा है। उनकी पृष्ठभूमि में माइक्रोसॉफ्ट में छह वर्ष से अधिक का वरिष्ठ अनुसंधानकर्ता भी शामिल है, जहां उन्होंने पर्सी लियांग के साथ मिलकर आउटलुक के लिए सेमेंटिक पार्सिंग तकनीकों का उपयोग करके संवादात्मक कृत्रिम बुद्धिमत्ता प्रणालियों पर काम किया। माइक्रोसॉफ्ट, अकादमिक और अनुसंधान संस्थानों जैसे आईबीएम टी जे वॉटसन रिसर्च सेंटर में भूमिकाओं के माध्यम से, यू सू ने जटिल डिजिटल वातावरण के साथ बातचीत करने में सक्षम कृत्रिम बुद्धिमत्ता प्रणालियों को आगे बढ़ाने की प्रतिष्ठा अर्जित की है, जो उन्नत अनुसंधान और वास्तविक दुनिया के अनुप्रयोगों के बीच की खाई को पाटने में मदद करती है।

नियोकॉग्निशन एक कृत्रिम बुद्धिमत्ता एजेंट अनुसंधान कंपनी है जो “विशेषज्ञता बुद्धिमत्ता” विकसित करने पर ध्यान केंद्रित कर रही है – कृत्रिम बुद्धिमत्ता प्रणालियां जो अनुभव के माध्यम से निरंतर सीखती और सुधारती हैं। अग्रणी कृत्रिम बुद्धिमत्ता अनुसंधानकर्ताओं द्वारा स्थापित, कंपनी एक दृष्टि का पीछा कर रही है जो स्थिर बड़े भाषा मॉडल की ओर से आगे बढ़ती है जो विशिष्ट डोमेन में गहरी विशेषज्ञता विकसित करने में सक्षम एजेंटों की ओर बढ़ती है। इसका शोध निरंतर सीखने, तर्क, योजना, उपकरण उपयोग और बहु-एजेंट सहयोग जैसे क्षेत्रों पर केंद्रित है, जिसका उद्देश्य ऐसी कृत्रिम बुद्धिमत्ता प्रणालियों का निर्माण करना है जो समय के साथ अधिक सक्षम और विश्वसनीय हो जाती हैं। मशीन लर्निंग में प्रगति को संरचित तर्क और अनुकूली सीखने की तकनीकों के साथ मिलाकर, नियोकॉग्निशन अगली पीढ़ी के कृत्रिम बुद्धिमत्ता एजेंटों को आकार देने में मदद करना चाहता है जो बढ़ती जटिलता वाले वास्तविक दुनिया के कार्यों से निपटने में सक्षम हों।

कई कंपनियों ने सामान्य कृत्रिम बुद्धिमत्ता सह-पायलट जारी करने के लिए जल्दबाजी की, लेकिन हमें बढ़ती चिंताएं सुनने को मिल रही हैं कि जब ये प्रणालियां वास्तविक उत्पादन वातावरण में प्रवेश करती हैं तो विश्वसनीयता के बारे में। आप क्यों मानते हैं कि इतने सारे वर्तमान कृत्रिम बुद्धिमत्ता एजेंट नियंत्रित डेमो के बाहर संघर्ष करते हैं?

अधिकांश वर्तमान कृत्रिम बुद्धिमत्ता एजेंट उत्पादन में संघर्ष करते हैं क्योंकि वे अभी भी मूल रूप से सामान्यवादी हैं जो वे काम कर रहे वातावरण की एक टिकाऊ समझ के बिना काम कर रहे हैं। वे अक्सर एक बार एक डेमो में एक कार्य पूरा कर सकते हैं, लेकिन यह वास्तविक ऑपरेशनल सिस्टम के भीतर दोहराए जाने वाले निर्णय विकसित करने से बहुत अलग है।

आज के मॉडल पैटर्न मैचिंग में प्रभावशाली हैं, लेकिन उनमें अभी भी ऐसी तंत्र नहीं हैं जो मानवों को विश्वसनीय विशेषज्ञ बनाने के लिए उपयोग करते हैं। मानव एक बार में एक कार्य को याद करके विश्वसनीय नहीं बनते हैं। हम विशेषज्ञता हासिल करते हैं क्योंकि हम एक विशिष्ट दुनिया की संरचना सीखते हैं: कार्यप्रवाह, प्रतिबंध, संबंध, उपकरण, प्राथमिकताएं और परिणाम जो एक पेशे या संगठन को परिभाषित करते हैं। समय के साथ, हम उस वातावरण का एक आंतरिक कार्य मॉडल बनाते हैं, और यह मॉडल ही है जो सुसंगत और दोहराए जाने वाले निर्णयों की अनुमति देता है।

आज के अधिकांश कृत्रिम बुद्धिमत्ता एजेंट उस प्रकार की ऑपरेशनल समझ नहीं बनाते हैं। वे प्रॉम्प्टिंग, रिट्रीवल या ऑर्केस्ट्रेशन लेयर्स पर भारी निर्भर करते हैं जो उन्हें अलग-अलग क्रियाएं पूरा करने में मदद करते हैं, लेकिन वे अभी भी ज्यादातर हर बार एक नई स्थिति का सामना करने पर सुधार कर रहे हैं। यही कारण है कि प्रदर्शन अक्सर तब टूट जाता है जब वातावरण बदलता है और अधिक जब यह गंदा, गतिशील या उच्च जोखिम वाला हो जाता है।

गायब होने वाला टुकड़ा विशेषज्ञता है। मानव इसलिए समृद्ध हैं क्योंकि हम लगातार बदलते वातावरण में अनुकूलन कर सकते हैं और उनमें विशेषज्ञ बन सकते हैं निरंतर सीखने के माध्यम से। हम मानते हैं कि कृत्रिम बुद्धिमत्ता एजेंटों को एक समान क्षमता की आवश्यकता है: एक डोमेन की स्थानीय संरचना को इतनी गहराई से सीखने की क्षमता कि वे वास्तविक प्रवीणता के साथ काम कर सकें।

नियोकॉग्निशन ने अपनी दृष्टि को एजेंटों के रूप में वर्णित किया है जो मानवों की तरह निरंतर सीखते और अनुकूलन करते हैं। यह तकनीकी रूप से क्या दिखता है जब यह आज कई उद्यमों द्वारा उपयोग की जाने वाली स्थिर फाइन-ट्यूनिंग या रिट्रीवल-आधारित दृष्टिकोणों की तुलना में किया जाता है?

आज के अधिकांश उद्यम कृत्रिम बुद्धिमत्ता प्रणालियां या तो एक मॉडल को फाइन-ट्यून करके या अनुमान समय पर प्रासंगिक जानकारी पुनर्प्राप्त करके प्रदर्शन में सुधार करती हैं। ये दृष्टिकोण उपयोगी हो सकते हैं, लेकिन वे मूल रूप से एजेंट को एक डोमेन के भीतर विकसित होती विशेषज्ञता की अनुमति नहीं देते हैं।

फाइन-ट्यूनिंग आमतौर पर प्रशिक्षण के बाद स्थिर होती है। रिट्रीवल सिस्टम जानकारी को सतह पर लाने में मदद करते हैं, लेकिन ज्ञान पुनर्प्राप्ति विशेषज्ञता या अनुभव के साथ व्यवहार को अनुकूलित करने जैसा नहीं है। कई मामलों में, एजेंट अभी भी एक स्थायी मॉडल की कमी है जो वातावरण में संचालित होता है।

जब एक मानव कंपनी में शामिल होता है, तो वे प्रभावी नहीं होते हैं क्योंकि वे दस्तावेजों को खोज सकते हैं। वे धीरे-धीरे निर्णय विकसित करते हैं क्योंकि वे वास्तव में समझते हैं कि संगठन कैसे काम करता है और विशेषज्ञता उस आंतरिक मॉडल को लगातार परिष्कृत करने से उत्पन्न होती है।

हम मानते हैं कि अगली पीढ़ी के एजेंटों को एक समान सीखने की तंत्र की आवश्यकता है। नियोकॉग्निशन में, हम एजेंटों को उन प्रकार के विकसित होते ऑपरेशनल मॉडल को सक्षम करने पर केंद्रित हैं ताकि वे निरंतर विशेषज्ञता और सुधार कर सकें एक डोमेन के भीतर समय के साथ, न कि बार-बार शुरू करने या मानव पुनः-इंजीनियरिंग पर निर्भर करने के लिए।

कृत्रिम बुद्धिमत्ता प्रयोग और ऑपरेशनल विश्वास के बीच एक बढ़ती हुई खाई का पता चलता है। उद्यम आंतरिक रूप से एजेंटों को सफलतापूर्वक प्रोटोटाइप कर सकते हैं, लेकिन उन्हें बड़े पैमाने पर तैनात करना एक अलग चुनौती है। संगठन इस संक्रमण के बारे में क्या कम अनुमान लगा रहे हैं?

कई संगठन वास्तविक ऑपरेशनल वातावरण कितने गतिशील हैं इसका अनुमान लगा रहे हैं। 85% सटीकता वाला एक एजेंट परीक्षण में मजबूत लग सकता है, लेकिन उद्यम स्तर पर यह अभी भी मानव टीमों द्वारा प्रबंधित किए जाने वाले त्रुटियों और रिकवरी स्थितियों की एक निरंतर धारा में अनुवाद करता है। चुनौती बहु-चरणीय कार्यप्रवाह में और भी महत्वपूर्ण हो जाती है जहां विफलताएं प्रणालियों और कार्यों के पारस्परिक क्रिया में जुड़ जाती हैं, जिससे निरीक्षण, हस्तक्षेप और जवाबदेही पहले से ही कई संगठनों की अपेक्षा से कहीं अधिक कठिन हो जाती है।

उद्यम अभी भी तैनाती को एक ऑर्केस्ट्रेशन या प्रॉम्प्टिंग समस्या के रूप में मान रहे हैं, जब वास्तव में यह एक सीखने की समस्या भी है। कठिन हिस्सा केवल एक एजेंट को एक कार्य निष्पादित करने के लिए नहीं है। यह प्रणाली को एक गतिशील ऑपरेशनल वातावरण के भीतर स्थायी क्षमता और निर्णय विकसित करने में सक्षम बनाना है।

आज भी मानव टीमों पर अनुकूलन, प्रॉम्प्टिंग, पर्यवेक्षण और पुनः-इंजीनियरिंग का बोझ पड़ता है। यह अक्सर एक संकेत है कि प्रणाली अभी भी ऑपरेशनल समझ की कमी है; वे हर बार मैनुअल रूप से इसके माध्यम से निर्देशित किए जा रहे हैं। यह न तो पैमाने और न ही विश्वास का मार्ग है।

कृत्रिम बुद्धिमत्ता उद्योग में एक प्रमुख विषय जो उभर रहा है वह है शासन, गार्डरेल और नीति प्रवर्तन। फिर भी, नियोकॉग्निशन तर्क देता है कि शासन अकेले पर्याप्त नहीं है। आप क्यों मानते हैं कि विश्वसनीयता अंततः स्थिर नियमों का पालन करने के बजाय अपने वातावरण में निरंतर अनुकूलन करने वाली प्रणालियों की आवश्यकता होती है?

शासन और गार्डरेल बहुत महत्वपूर्ण हैं, लेकिन स्थिर नियम अकेले जटिल वातावरण में विश्वसनीयता को पूरी तरह से हल नहीं कर सकते हैं।

उत्पादन-स्तर की ऑपरेशनल प्रणालियां लगातार बदलती रहती हैं। कार्यप्रवाह विकसित होते हैं, उपकरण अपडेट होते हैं, नीतियां बदलती हैं, और अप्रत्याशित स्थितियां उत्पन्न होती हैं जिन्हें हमेशा पहले से नहीं देखा जा सकता है। यदि एक एजेंट केवल पूर्व-निर्धारित नियमों का पालन करना जानता है बिना वातावरण को समझे जिसमें यह संचालित होता है, तो यह अंततः ऐसी स्थितियों का सामना करेगा जिनके लिए उन नियमों ने प्रदान नहीं किया है।

मानवों की विश्वसनीयता निर्णय से आती है, न कि केवल स्क्रिप्ट का कठोर पालन, लेकिन क्योंकि हम अपने आसपास की दुनिया की संरचना और प्रतिबंधों को समझने के माध्यम से निर्णय विकसित करते हैं। हम सीखते हैं कि कब बढ़ाना है, जब कुछ असामान्य दिखता है, और जब संदर्भ सही कार्रवाई का तरीका बदलता है।

हम मानते हैं कि कृत्रिम बुद्धिमत्ता एजेंटों को एक समान अनुकूलन और पर्यावरणीय समझ की क्षमता की आवश्यकता है। सुरक्षित प्रणालियां उन्हें अधिक सक्षम और विशेषज्ञता में बनाने से आएंगी जो स्पष्ट रूप से परिभाषित ऑपरेशनल दुनिया के भीतर। इस प्रकार की प्रणाली अपने वातावरण और अपने आउटपुट का निरीक्षण करती है और यह ट्रैक करती है कि यह कहां विफल होती है और अपने व्यवहार को अपडेट करती है।

कृत्रिम बुद्धिमत्ता उद्योग अक्सर बड़े मॉडल और व्यापक क्षमताओं पर जोर देता है, लेकिन नियोकॉग्निशन विशेषज्ञता और संदर्भ-आधारित सीखने पर केंद्रित लगता है। क्या आप मानते हैं कि उद्यम कृत्रिम बुद्धिमत्ता एजेंटों का भविष्य अधिक विशेषज्ञता वाले डिजिटल कार्यकर्ताओं की तरह दिखेगा या सार्वभौमिक सहायकों की तरह?

हम दृढ़ता से मानते हैं कि भविष्य विशेषज्ञता से चलेगा। उद्योग ने समझदारी से बढ़ती सामान्य मॉडल पर ध्यान केंद्रित किया है क्योंकि व्यापक क्षमता प्रभावशाली है। लेकिन उद्यम वातावरण में, वास्तविक चुनौती यह नहीं है कि क्या एक एजेंट थोड़ा-बहुत सब कुछ कर सकता है। यह है कि क्या यह एक विशिष्ट भूमिका में विश्वसनीयता और सुसंगत निर्णय के साथ प्रदर्शन कर सकता है। हमारी ताकत यह नहीं है कि हम हर वातावरण में जन्मजात विशेषज्ञ हैं। यह है कि हम एक विशिष्ट दुनिया की संरचना को इतनी गहराई से सीख सकते हैं कि हम उसमें प्रभावी ढंग से काम कर सकें।

नियोकॉग्निशन में, हम मानते हैं कि भविष्य एक सुपर एजेंट के बारे में नहीं होगा जो सब कुछ करता है। इसके बजाय, यह विशेषज्ञ एजेंटों की बहुतायत होगी, प्रत्येक एक विशिष्ट दुनिया को इतनी गहराई से सीखने में सक्षम होगा कि वे वास्तविक प्रवीणता, विश्वसनीयता और निर्णय के साथ काम कर सकें। उनका उद्देश्य मानव विशेषज्ञता को प्रतिस्थापित करना नहीं है, बल्कि इसे अधिक प्रचुर बनाना है: फ्रंटियर-ग्रेड क्षमता को अधिक हाथों में रखना और यह आधार बढ़ाना कि कोई भी व्यक्ति या संगठन क्या कर सकता है।

स्वायत्त एजेंटों के साथ एक बड़ी चिंता यह है कि वे अप्रत्याशित रूप से परिवर्तित होने वाले वातावरण में कैसे व्यवहार करते हैं। विफलताओं, हॉलुसिनेशन या असुरक्षित क्रियाओं को रोकने के लिए वास्तविक दुनिया के अनुकूलन और पर्यावरणीय जागरूकता कितनी महत्वपूर्ण है?

यह बिल्कुल महत्वपूर्ण है। पर्यावरणीय जागरूकता के बिना, एजेंट अपनी स्थिति की समझ पुरानी या अधूरी होने पर भी आत्मविश्वास से कार्य करना जारी रख सकते हैं। यह वह जगह है जहां ऑपरेशनल विफलताएं अक्सर उत्पन्न होती हैं।

हम मानते हैं कि विश्वसनीयता के लिए एजेंटों को निरंतर सीखने की आवश्यकता है वे वातावरण जिसमें वे काम करते हैं और समय के साथ अपनी समझ को अपडेट करते हैं। विश्वसनीयता समय के साथ बदलती रहती है: जो सितंबर में विश्वसनीय लगता था वह मई में एक जैसा नहीं लग सकता है। जितना अधिक एक एजेंट प्रणालियों, प्रतिबंधों, कार्यप्रवाह और संबंधों को समझता है जो इसके आसपास है, उतना ही अधिक यह परिस्थितियों में परिवर्तन या अनिश्चितता को पहचानने में सक्षम होता है जो वृद्धि की आवश्यकता होती है।

आप कितना करीब मानते हैं कि उद्योग वास्तविक ऑपरेशनल वातावरण के साथ बातचीत के माध्यम से स्वयं को सुधारने में सक्षम कृत्रिम बुद्धिमत्ता प्रणालियों को तैनात करने के लिए है?

हम अभी भी विश्वसनीय निरंतर सीखने और स्व-सुधार के लिए आवश्यक मूलभूत सीखने के तंत्र बनाने में शुरुआती चरण में हैं, लेकिन उद्योग इस संक्रमण के करीब है जितना कि कई लोगों को एहसास है। हम एक संकुचित समयरेखा में रह रहे हैं। अगली प्रौद्योगिकी उन्नति के लिए सामग्री तैयार है। यह बहुत जल्दी हो सकता है।

जो महत्वपूर्ण है वह स्वयं-सुधार नहीं है, बल्कि वास्तविक वातावरण में संरचित विशेषज्ञता है। इसका अर्थ है कार्यप्रवाह, प्रतिबंध, संबंध और सफल व्यवहार के पैटर्न सीखना जो स्थिर, शासित और विनाशकारी भूलने के लिए प्रतिरोधी हैं। यह वह समस्या है जिस पर हम नियोकॉग्निशन में केंद्रित हैं।

कुछ वर्षों की अवधि में, आप क्या सोचते हैं कि अंततः विश्वसनीय उद्यम कृत्रिम बुद्धिमत्ता एजेंटों को वर्तमान में बाजार में आने वाले प्रयोगात्मक प्रणालियों की लहर से अलग करेगा?

जो प्रणालियां सफल होंगी वे वे होंगी जो खिलौना परिदृश्यों की तुलना में अधिक विश्वसनीय ऑपरेटरों की तरह महसूस होंगी।

कच्ची मॉडल क्षमता अकेले पर्याप्त नहीं होगी। उद्यम यह देखेंगे कि क्या एजेंट उनके वास्तविक वातावरण के भीतर सुसंगत रूप से काम कर सकते हैं, स्थानीय कार्यप्रवाह और प्रतिबंधों को समझते हैं, सीमाओं और अनुमतियों का सम्मान करते हैं, समय के साथ सुरक्षित रूप से अनुकूलन करते हैं, और दोहराए जाने वाले परिणाम प्रदान करते हैं।

उद्यम कृत्रिम बुद्धिमत्ता में भविष्य के विजेता केवल व्यापक प्रश्नों का उत्तर देने वाली प्रणालियां नहीं होंगे। वे प्रणालियां होंगी जो एक विशिष्ट ऑपरेशनल दुनिया को इतनी गहराई से सीख सकती हैं कि वे इसके भीतर वास्तविक प्रवीणता, निर्णय और विश्वसनीयता के साथ कार्य कर सकें।

साक्षात्कार के लिए धन्यवाद, पाठक जो अधिक जानना चाहते हैं उन्हें नियोकॉग्निशन पर जाना चाहिए।