सीमित डेटा का मतलब सीमित नवाचार है। फोनलामई फोटो सैम वलाडी / फ़्लिकर, सीसी द्वारा एसए

यूरोपीय पेटेंट कार्यालय हाल ही में ठुकरा दिया गया एक पेटेंट के लिए एक आवेदन जो एक खाद्य कंटेनर का वर्णन करता है। यह इसलिए नहीं था कि आविष्कार उपन्यास या उपयोगी नहीं था, लेकिन क्योंकि यह कृत्रिम बुद्धिमत्ता (एआई) द्वारा बनाया गया था। कायदे से, आविष्कारकों को वास्तविक लोग होने की आवश्यकता है। यह AI द्वारा पहला आविष्कार नहीं है - मशीनों ने नवाचारों का उत्पादन किया है वैज्ञानिक पत्र और किताबें नई सामग्री और संगीत.

उस ने कहा, रचनात्मक होना स्पष्ट रूप से सबसे उल्लेखनीय मानव लक्षणों में से एक है। इसके बिना न कविता होती, न इंटरनेट और न ही कोई अंतरिक्ष यात्रा होती। लेकिन एअर इंडिया कभी मैच कर सकता है या हमसे आगे निकल सकता है? आइए नजर डालते हैं शोध पर।

एक सैद्धांतिक दृष्टिकोण से, रचनात्मकता और नवाचार की एक प्रक्रिया है खोज और संयोजन। हम ज्ञान के एक टुकड़े से शुरू करते हैं और इसे ज्ञान के दूसरे टुकड़े के साथ जोड़ते हैं जो नया और उपयोगी है। सिद्धांत रूप में, यह भी कुछ ऐसा है जो मशीनों द्वारा किया जा सकता है - वास्तव में, वे डेटा के भीतर भंडारण, प्रसंस्करण और कनेक्शन बनाने में उत्कृष्टता प्राप्त करते हैं।

मशीनें जेनेरिक विधियों का उपयोग करके नवाचारों के साथ आती हैं। लेकिन यह कैसे काम करता है? वहां अलग अलग दृष्टिकोण, लेकिन कला की स्थिति कहा जाता है जनरेटिव प्रतिकूल नेटवर्क। एक उदाहरण के रूप में, एक मशीन पर विचार करें जो किसी व्यक्ति की नई तस्वीर बनाने वाली है। पीढ़ी के प्रतिकूल नेटवर्क दो उप-कार्यों को मिलाकर इस निर्माण कार्य से निपटते हैं।

पहला भाग जनरेटर है, जो पिक्सेल के यादृच्छिक वितरण से शुरू होने वाली नई छवियों का उत्पादन करता है। दूसरा भाग डिस्क्रिमिनेटर है, जो जनरेटर को बताता है कि वास्तव में एक वास्तविक दिखने वाली तस्वीर का उत्पादन करने के लिए यह कितना करीब आया।

भेदभाव करने वाला कैसे जानता है कि मानव कैसा दिखता है? ठीक है, आप इसे कार्य शुरू करने से पहले वास्तविक व्यक्ति के चित्रों के कई उदाहरण खिलाते हैं। विवेचक की प्रतिक्रिया के आधार पर, जनरेटर अपने एल्गोरिथ्म में सुधार करता है और एक नई तस्वीर का सुझाव देता है। यह प्रक्रिया तब तक चलती रहती है जब तक कि विवेचक यह तय नहीं कर लेता है कि चित्र उस चित्र उदाहरण के काफी करीब लग रहे हैं जो उसने सीखा है। ये उत्पन्न चित्र आते हैं बेहद करीब असली लोगों के लिए।

लेकिन भले ही मशीनें डेटा से नवाचार बना सकें, इसका मतलब यह नहीं है कि वे जल्द ही किसी भी समय मानव रचनात्मकता की सभी चिंगारी चोरी करने की संभावना रखते हैं। नवाचार एक समस्या को सुलझाने की प्रक्रिया है - नवाचार के लिए होने वाली समस्याओं को समाधान के साथ जोड़ा जाता है। मनुष्य या तो दिशा में जा सकता है - वे एक समस्या से शुरू करते हैं और इसे हल करते हैं, या वे एक समाधान लेते हैं और प्रयास करते हैं इसके लिए नई समस्याओं का पता लगाएं.

नवाचार के बाद के प्रकार के लिए एक उदाहरण है चिपचिपा ध्यान दें। एक इंजीनियर ने एक चिपकने वाला विकसित किया जो बहुत कमजोर था और अपने डेस्क पर बैठा था। बाद में केवल एक सहयोगी ने महसूस किया कि यह समाधान गाना बजानेवालों के दौरान उसके नोटों को उसके स्कोर से गिरने से रोकने में मदद कर सकता है।

एक इनपुट और कोड के रूप में डेटा का उपयोग स्पष्ट समस्या निर्माण के रूप में, मशीनें समस्याओं का समाधान भी प्रदान कर सकती हैं। हालाँकि, समस्या का पता लगाना मशीनों के लिए कठिन है, क्योंकि अक्सर समस्याएँ डेटा पूल की सीमाओं से बाहर होती हैं, जो मशीनों को नया बनाती हैं।

क्या अधिक है, नवाचार अक्सर पर आधारित होता है जरूरतें हमें पता भी नहीं थीं कि हमारे पास है। वॉकमैन के बारे में सोचो। भले ही कोई भी उपभोक्ता चलने के दौरान संगीत सुनने की इच्छा न रखता हो, लेकिन यह नवाचार एक बड़ी सफलता थी। चूंकि इस तरह की अव्यक्त जरूरतों को तैयार करना और स्पष्ट करना मुश्किल है, इसलिए उन्हें डेटा पूल में अपना रास्ता खोजने की भी संभावना नहीं है जो मशीनों को नवाचार की आवश्यकता होती है।

मनुष्य और मशीनों में अलग-अलग कच्चे माल भी होते हैं जिनका वे नवाचार के लिए इनपुट के रूप में उपयोग करते हैं। जहां मनुष्य जीवन भर विचारों को बनाने के लिए व्यापक अनुभवों पर आकर्षित होता है, मशीनों को बड़े पैमाने पर हमारे द्वारा खिलाए जाने वाले डेटा तक ही सीमित रखा जाता है। मशीनें इनपुट डेटा के आधार पर नए संस्करणों के रूप में अनगिनत वृद्धिशील नवाचारों को जल्दी से उत्पन्न कर सकती हैं। ब्रेकथ्रू इनोवेशन, हालांकि, मशीनों से बाहर आने की संभावना नहीं है क्योंकि यह अक्सर आधारित होता है कनेक्टिंग फ़ील्ड जो एक दूसरे से दूर या असंबद्ध हैं। के बारे में सोचो स्नोबोर्ड का आविष्कार, जो स्कीइंग और सर्फिंग की दुनिया को जोड़ता है।

इसके अलावा, रचनात्मकता केवल नवीनता के बारे में नहीं है, यह उपयोगिता के बारे में भी है। जबकि मशीनें स्पष्ट रूप से कुछ ऐसा बनाने में सक्षम हैं जो आकस्मिक रूप से नया है, इसका मतलब यह नहीं है कि ये रचनाएं उपयोगी हैं। उपयोगिता को उन लोगों की नजर में परिभाषित किया गया है जो संभावित रूप से नवाचारों का उपयोग कर रहे हैं और मशीनों के लिए न्याय करना मुश्किल है। हालाँकि, मनुष्य अन्य मनुष्यों के साथ सहानुभूति रख सकता है और उनकी आवश्यकताओं को बेहतर ढंग से समझ सकता है।

अंत में, AI द्वारा उत्पन्न रचनात्मक विचारों को उपभोक्ताओं द्वारा कम पसंद किया जा सकता है क्योंकि वे एक मशीन द्वारा बनाए गए हैं। मनुष्य AI से विचारों को छूट सकता है क्योंकि उन्हें लगता है कि ये विचार हैं कम प्रामाणिक or धमकी भी दे रहा है। या वे बस अपनी तरह के विचारों को पसंद कर सकते हैं, एक प्रभाव यह देखा गया है पहले अन्य क्षेत्रों में।

अब तक, रचनात्मकता के कई पहलू मशीनों और एआई के लिए निर्विरोध भूभाग बने हुए हैं। हालांकि, अस्वीकरण हैं। भले ही मशीनें रचनात्मक डोमेन में मनुष्यों की जगह नहीं ले सकती हैं, लेकिन वे हैं मानव रचनात्मकता के पूरक के लिए बहुत मदद। उदाहरण के लिए, हम नए प्रश्न पूछ सकते हैं या नई समस्याओं की पहचान कर सकते हैं कि हम संयोजन में हल करते हैं मशीन सीखने के साथ।

इसके अलावा, हमारा विश्लेषण इस तथ्य पर आधारित है कि मशीनें ज्यादातर संकीर्ण डेटासेट पर नवाचार करती हैं। एआई अधिक रचनात्मक बन सकता है यदि यह बड़े, समृद्ध और अन्यथा डिस्कनेक्ट किए गए डेटा को मिला सकता है।

इसके अलावा, मशीनें रचनात्मकता में बेहतर हो सकती हैं, जब वे उस तरह की व्यापक बुद्धिमत्ता वाले मनुष्यों से बेहतर हों, जिन्हें हम "सामान्य बुद्धिमत्ता" कहते हैं। और यह भविष्य में बहुत दूर नहीं हो सकता है - कुछ विशेषज्ञ आकलन करें कि 50% संभावना है यह मशीनें अगले 50 वर्षों के भीतर मानव-स्तर की बुद्धिमत्ता तक पहुँचती हैं।

लेखक के बारे में

टिम श्वेएस्सफर्थ, प्रौद्योगिकी और नवाचार प्रबंधन के लिए एसोसिएट प्रोफेसर, दक्षिणी डेनमार्क विश्वविद्यालय और रेने चेस्टर गोडुस्चिट, प्रौद्योगिकी और नवाचार अध्ययन के प्रोफेसर, आरहूस विश्वविद्यालय

इस लेख से पुन: प्रकाशित किया गया है वार्तालाप क्रिएटिव कॉमन्स लाइसेंस के तहत। को पढ़िए मूल लेख.