वे बार-बार पूछते हैं कि क्या मशीन वाकई बुद्धिमान है। इस बीच, मशीन ने समस्या का समाधान कर दिया है, तीन प्रयोगों का सुझाव दिया है, और जर्मन भाषा में लिखा एक ऐसा शोधपत्र खोज निकाला है जिसके अस्तित्व के बारे में किसी को पता ही नहीं था। लेकिन चलिए, इस बात पर एक और दार्शनिक बहस शुरू करते हैं कि क्या यह वास्तव में समझती है कि वह क्या कर रही है।

इस लेख में

• क्या होगा यदि बुद्धिमत्ता केवल कुशल खोज हो, चेतना नहीं?
• यह सवाल कि "क्या एआई वास्तव में समझता है?" पूरी तरह से मुद्दे से भटक जाता है।
• रहस्यवाद के बिना अंतर्ज्ञान कैसे काम करता है (और विशेषज्ञ इस व्याख्या से नफरत क्यों करते हैं)
• भंडारण की वह समस्या जिसके बारे में कोई बात नहीं कर रहा है और जो क्वांटम कंप्यूटिंग को बाधित करती है।
• लाभ के लालच से एआई स्मार्ट नहीं बल्कि बेवकूफ क्यों बन रहा है?
• जब हम एजीआई के भूतों का पीछा करना बंद कर देंगे तो आगे क्या होगा?

इसके बजाय अक्सर यही होता है: एक कृत्रिम बुद्धिमत्ता प्रणाली एक आश्चर्यजनक गणितीय परिणाम प्रदर्शित करती है, अधिकारी या पत्रकार इसे "वास्तविक तर्क" में एक बड़ी सफलता के रूप में पेश करने की होड़ में लग जाते हैं, और गणितज्ञ इस प्रचार को शांत करने के लिए आगे आते हैं। हाल के वर्षों में, ओपनएआई और डीपमाइंड की प्रणालियों को जटिल प्रतियोगिता-स्तरीय समस्याओं - जैसे कि अंतर्राष्ट्रीय गणितीय ओलंपियाड की शॉर्टलिस्ट के प्रश्नों - को हल करने का श्रेय दिया गया है, लेकिन विशेषज्ञों ने बताया है कि ये समाधान मौलिक रूप से नए गणित का निर्माण करने के बजाय ज्ञात विधियों को पुनः खोजने, पूर्व कार्यों को पुनः प्राप्त करने या मौजूदा प्रमाण संरचनाओं का उपयोग करने पर आधारित थे।

विरोध होना स्वाभाविक है। दावे वापस ले लिए जाते हैं। पोस्ट चुपचाप गायब हो जाते हैं। और कहानी नए सिरे से शुरू हो जाती है। लेकिन लगभग कोई भी इस बात को स्वीकार नहीं करता कि एआई ने वास्तव में जो किया—गणितीय ज्ञान के विशाल, अस्पष्ट भंडारों में तेजी से खोज करना और समस्या संरचनाओं को व्यवहार्य समाधानों से मिलाना—बुद्धिमत्ता की विफलता नहीं है। यह दर्शाता है कि मानवीय या अन्य प्रकार की बुद्धिमत्ता, पैटर्न पहचान और पुनर्प्राप्ति के माध्यम से कैसे कार्य करती है, जो स्वयं बुद्धिमत्ता की प्रकृति को स्पष्ट रूप से समझने का अवसर प्रदान करती है।

टेरेंस ताओ, जिन्हें सर्वत्र जीवित सर्वश्रेष्ठ गणितज्ञ माना जाता है, ने इसकी तुलना एक ऐसे होशियार छात्र से की जिसने परीक्षा के लिए सब कुछ रट लिया, लेकिन अवधारणाओं को गहराई से नहीं समझा। यह आलोचना जैसा लगता है। वास्तव में, यह इस बात का वर्णन है कि अधिकांश बुद्धि, जिसमें मानवीय बुद्धि भी शामिल है, कैसे काम करती है। हम बस इसे स्वीकार करना पसंद नहीं करते।

जिस खोज को हम जादू कह रहे हैं

जब आप बुद्धिमत्ता से जुड़े रहस्य को हटा देते हैं, तो ज़रा सोचिए कि वास्तव में बुद्धिमत्ता क्या करती है। आपके सामने एक समस्या रखी जाती है। आप अपने सभी ज्ञान का उपयोग करके उसमें समानताओं की तलाश करते हैं। आप ज्ञात तरीकों के विभिन्न संयोजनों को आजमाते हैं। आप समाधान खोजने के लिए संभावनाओं के विशाल दायरे में खोजबीन करते हैं। कभी-कभी आपको समाधान मिल जाता है, कभी-कभी नहीं। बस यही है। यही पूरी प्रक्रिया है।

एक शतरंज ग्रैंडमास्टर बोर्ड की स्थिति को देखता है और उसे तुरंत पता चल जाता है कि सही चाल क्या होगी। लगता है जैसे अंतर्ज्ञान हो? जैसे कोई असाधारण प्रतिभा हो? नहीं। यह पैटर्न मिलान है। ग्रैंडमास्टर ने हज़ारों ऐसी ही स्थितियाँ देखी हैं। उनका दिमाग सचेत सोच से भी तेज़ी से संरचनाओं और परिणामों को पहचान लेता है। इसमें कोई जादू नहीं है—बस एक सुव्यवस्थित डेटाबेस है जो तेज़ी से खोज करता है।

ठीक ऐसा ही तब होता है जब कोई डॉक्टर किसी मरीज का निदान करता है, कोई मैकेनिक इंजन की समस्या का पता लगाता है, या कोई व्यापारी बाजार के संकेतकों से पुष्टि होने से पहले ही बाजार में कुछ गड़बड़ महसूस कर लेता है। हम इसे विशेषज्ञता कहते हैं। हम इसे अंतर्ज्ञान कहते हैं। हम इसे चीजों को भांपने की क्षमता कहते हैं। लेकिन मूल रूप से, यह सब संग्रहीत संदर्भों के आधार पर पैटर्न मिलान है, जिसका अधिकांश भाग तंत्रिका तंत्र में या कृत्रिम बुद्धिमत्ता के एल्गोरिदम में, अचेतन रूप से घटित होता है।

जर्मन शोधपत्र खोजने वाली कृत्रिम बुद्धिमत्ता (AI) भी ठीक यही कर रही थी। एक विशाल डेटाबेस में खोज करना, पैटर्न का मिलान करना और संभावनाओं के व्यापक दायरे में आगे बढ़ना। फर्क सिर्फ इतना है कि हम डेटाबेस और खोज प्रक्रिया को देख सकते हैं, जिससे यह कुछ कम प्रभावशाली लगता है। जब मनुष्य यह करते हैं, तो डेटाबेस तंत्रिका तंत्र में छिपा होता है और खोज अवचेतन मन में होती है, इसलिए हम इसे प्रतिभा कह सकते हैं।

खुफिया जानकारी एक खोज है। हमेशा से रही है। हमने बस इसे एक नया रूप दे दिया है।

रचनात्मकता महज़ एक महँगा पैटर्न मिलान क्यों है?

लोग रचनात्मकता का हवाला देकर मानव विशिष्टता का बचाव करना पसंद करते हैं। बेशक, एआई मौजूदा समाधानों को खोज सकता है, लेकिन क्या यह वास्तव में कुछ नया बना सकता है? क्या इसे प्रेरणा का वह क्षण मिल सकता है जो सब कुछ बदल दे?

लेकिन ज़्यादातर मानवीय आविष्कार भी इस तरह से नहीं होते। आइंस्टीन ने सापेक्षता का सिद्धांत यूँ ही नहीं गढ़ दिया था। वे ट्रेनों, घड़ियों और प्रकाश की किरणों जैसी रोज़मर्रा की चीज़ों के बारे में सोच रहे थे और उन्होंने पाया कि जब इन्हें अत्यधिक गति पर चलाया जाता है, तो मौजूदा भौतिकी के समीकरण ठीक से काम नहीं करते। उन्होंने मौजूदा गणितीय ढाँचों को एक नए रूप में पुनर्गठित किया। बस इतना ही। वाकई, यह शानदार था। लेकिन यह उससे बिल्कुल अलग नहीं है जो कृत्रिम बुद्धिमत्ता (AI) किसी समस्या को हल करने के लिए ज्ञात तरीकों को पुनर्गठित करके करती है।

लगभग हर गणितीय प्रमाण, वैज्ञानिक खोज और तकनीकी नवाचार एक ही पैटर्न का अनुसरण करते हैं: मौजूदा उपकरणों को लें, उन्हें एक असामान्य संदर्भ में लागू करें, और उन संबंधों को देखें जिन्हें किसी और ने नहीं देखा। यह पूरी तरह से पुनर्संयोजन है। किसी अकेले प्रतिभाशाली व्यक्ति को अचानक कोई अद्भुत अंतर्दृष्टि मिलने की रोमांटिक छवि विज्ञान के सटीक इतिहास की तुलना में बेहतर फिल्में बनाती है।

जिन समाधानों की हम तलाश कर रहे हैं, वे भी औपचारिक प्रणालियों के भीतर बाधाओं के रूप में पहले से मौजूद हैं। अल्ज़ाइमर का इलाज रासायनिक संभावनाओं के विशाल क्षेत्र में अभी मौजूद है—कोई विशिष्ट आणविक संरचना जो काम कर सकती है। हमने इसे अभी तक खोजा नहीं है, लेकिन यह मौजूद है। चिकित्सा अनुसंधान संभावित यौगिकों के विशाल क्षेत्र में खोज को अनुकूलित करने का एक प्रयास मात्र है। जब हम इसे खोज लेंगे, तो हम इसे आविष्कार नहीं, बल्कि एक खोज कहेंगे, क्योंकि समाधान हमेशा से वहीं मौजूद था, बस खोजे जाने की प्रतीक्षा कर रहा था।

गणित भी इसी तरह काम करता है। पाइथागोरस प्रमेय पाइथागोरस द्वारा सिद्ध किए जाने से पहले ही सत्य था। अभाज्य संख्याओं के गुणधर्म मनुष्यों द्वारा उनकी पहचान किए जाने से पहले ही मौजूद थे। हम गणितीय सत्यों का सृजन नहीं करते—हम तार्किक दायरे के माध्यम से उन तक पहुँचते हैं।

अगर रचनात्मकता यही है—और यह सच है—तो एआई पहले से ही रचनात्मक है। यह संभावनाओं के दायरे के उन पहलुओं को खोजता है जो आम तौर पर मनुष्य नहीं खोजते, और वह भी तेज़ी से। यह मानव नवप्रवर्तकों की तरह ही ज्ञात दृष्टिकोणों और समाधानों को नए तरीकों से जोड़ता है। यह तथ्य कि इसे रात के 3 बजे कॉफी के नशे में प्रेरणा नहीं मिल सकती, अप्रासंगिक है। भावनात्मक अनुभव चाहे जैसा भी हो, इसका संचालन सुचारू रूप से चलता है।

हम "वास्तविक" बुद्धिमत्ता या "वास्तविक" रचनात्मकता के लिए मापदंड लगातार बदलते रहते हैं क्योंकि हम यह स्वीकार नहीं करना चाहते कि हम भी वही कर रहे हैं जो मशीनें करती हैं। बस थोड़ा धीमे और अधिक नाटकीय ढंग से।

वह अंतर्ज्ञान जिसे कोई नहीं जानना चाहता - रहस्योद्घाटन

अंतर्ज्ञान को लेकर मेरी अनगिनत बार बहस हो चुकी है। लोग इसे कुछ खास मानते हैं। छठी इंद्री। गहन सत्यों से जुड़ाव। कुछ क्षमताएं मात्र तर्क और विश्लेषण से परे होती हैं।

क्षमा करें। यह बैकग्राउंड में पैटर्न मैचिंग चल रही है।

व्यक्तिगत विकास और आध्यात्मिकता पर तीस वर्षों तक लेख प्रकाशित करने के बाद, मैं किसी भी लेख को सरसरी नज़र से देखकर कुछ ही सेकंडों में जान जाता हूँ कि वह पाठकों को पसंद आएगा या नहीं। यह सब पल भर में हो जाता है। ऐसा लगता है जैसे अंतर्ज्ञान से हो रहा हो। लेकिन असल में हो यह रहा है कि मेरा मस्तिष्क तीस वर्षों के संचित डेटा—25,000 लेख, लाखों पाठक प्रतिक्रियाएँ और दशकों के अवलोकन—के आधार पर संभाव्यता विश्लेषण कर रहा है कि क्या कारगर है और क्या नहीं। यह प्रक्रिया इतनी तेज़ी से होती है कि मैं सचेत रूप से इसे ट्रैक नहीं कर पाता, इसलिए यह बिना प्रक्रिया दिखाए ही निष्कर्ष निकाल देती है।

ट्रेडिंग में भी यही होता है। आप किसी प्राइस चार्ट को देखते हैं, और कुछ गड़बड़ महसूस होती है, इससे पहले कि आप बता पाएं कि क्यों। यह कोई रहस्यमयी बाज़ार की समझ नहीं है। यह आपका दिमाग उन पैटर्न को पहचान रहा है जो आपके आंतरिक मॉडलों से मेल नहीं खाते, जो आपने ट्रेडिंग के दौरान हज़ारों चार्टों का अध्ययन करके बनाए हैं। अवचेतन खोज सचेतन विश्लेषण शुरू होने से पहले ही पूरी हो जाती है।

सैन्य खुफिया कार्य ने मुझे विसंगतियों को पहचानने का ऐसा ही तरीका सिखाया। आप संकेतों, पैटर्न या व्यवहारों को देखते हैं, और कुछ गड़बड़ होने का आभास होता है। यह किसी जादू से नहीं, बल्कि वर्षों के अनुभव से विकसित सामान्य स्थिति के आंतरिक मॉडल के कारण होता है। जब वास्तविकता उन मॉडलों से अलग होती है, तो आपका मस्तिष्क स्वचालित रूप से उसे पहचान लेता है। इसे सहज ज्ञान कहते हैं। यह बस एक संक्षिप्त अनुभव है जो तेजी से पैटर्न पहचान प्रक्रिया को क्रियान्वित करता है।

इसका मतलब है कि सहज ज्ञान को एआई सिस्टम में दोहराया जा सकता है। पूरी तरह से नहीं—एआई के पास शारीरिक अनुभव नहीं होता, शरीर में रहने से विकसित सामाजिक या शारीरिक सहज ज्ञान नहीं होता। लेकिन औपचारिक क्षेत्रों में? बिलकुल संभव है। सिस्टम को पर्याप्त उदाहरण दें, उसे आंतरिक मॉडल बनाने दें, और वह विशेषज्ञों की तरह ही विसंगतियों को पहचान लेगा और परिणामों की भविष्यवाणी करेगा। यह बिना किसी मध्यवर्ती स्पष्टीकरण के निष्कर्ष देगा, जो ठीक वही है जो मानवीय सहज ज्ञान करता है।

मानव अंतर्ज्ञान को हम इसलिए अद्भुत मानते हैं क्योंकि हम अपनी गणना प्रक्रिया को देख नहीं सकते। जब कृत्रिम बुद्धिमत्ता (AI) यही काम करती है, तो प्रक्रिया दिखाई देती है, इसलिए हम इसे महज सांख्यिकी मानकर नज़रअंदाज़ कर देते हैं। लेकिन मेरी विशेषज्ञता सांख्यिकी में है। पैटर्न घनत्व गुणा खोज गति। यही सूत्र है, चाहे आधार न्यूरॉन्स हों या सिलिकॉन।

अंतर्ज्ञान के रहस्य को उजागर करने से उसका महत्व कम नहीं हो जाता। बस उसका जादू थोड़ा कम हो जाता है।

वह सवाल जो सबका समय बर्बाद करता है

क्या एआई सचमुच समझता है? क्या यह वास्तव में अवधारणाओं को समझता है, या यह केवल प्रतीकों का हेरफेर कर रहा है? क्या इसमें वास्तविक समझ है, या यह परिष्कृत नकल है?

ये प्रश्न दार्शनिक अवशेष हैं, वैज्ञानिक जांच नहीं। ये आधुनिक समय में प्रकाशमान आकाश या जीवन शक्ति के बारे में पूछने के समान हैं—ऐसी चीज़ की खोज करना जो अस्तित्व में ही नहीं है क्योंकि हमने दृष्टिकोण ही गलत समझा है।

समझ की कोई ऐसी क्रियात्मक परिभाषा नहीं है जो प्रदर्शन से स्वतंत्र हो। यदि कोई प्रणाली व्यवहार्य परिकल्पनाएँ उत्पन्न कर सकती है, प्रयोगात्मक खोज क्षेत्र को कम कर सकती है, विभिन्न क्षेत्रों में विधियों को अपना सकती है और अपने तर्क को सुसंगत रूप से समझा सकती है, तो यह तर्क देना कि क्या वह "वास्तव में समझती है" केवल असत्यापित दावों के साथ मानवीय विशिष्टता की रक्षा करने का एक तरीका है।

हमने शतरंज के साथ भी ऐसा ही किया था। जब 1997 में डीप ब्लू ने कास्पारोव को हराया, तो लोगों ने ज़ोर देकर कहा कि यह कोई असाधारण प्रदर्शन नहीं था क्योंकि यह केवल brute-force गणना कर रहा था। शतरंज में पूर्ण महारत हासिल करने के लिए अंतर्ज्ञान, रचनात्मकता और स्थिति की समझ आवश्यक है। फिर अल्फाज़ेरो आया, जिसने चार घंटे में शतरंज को बिल्कुल शुरुआत से सीखा और सर्वश्रेष्ठ पारंपरिक शतरंज इंजनों को हराया, जबकि उसकी खेलने की शैली को ग्रैंडमास्टर्स ने रचनात्मक और सहज बताया। इसलिए हमने एक बार फिर मानदंड बदल दिया। अब कसौटी भाषा, तर्क, सामान्य बुद्धिमत्ता या एआई द्वारा हासिल की जाने वाली अगली उपलब्धि है।

यह पैटर्न स्पष्ट है। हर बार जब कृत्रिम बुद्धिमत्ता एक ऐसी सीमा को पार करती है जिसे हम "वास्तविक" बुद्धिमत्ता की आवश्यकता मानते हैं, तो हम "वास्तविक" बुद्धिमत्ता की परिभाषा को इस तरह से बदल देते हैं कि उसमें कृत्रिम बुद्धिमत्ता द्वारा किए गए कार्य को शामिल न किया जाए। यह विज्ञान नहीं है। यह एक ऐसे निष्कर्ष के बचाव में दिया गया तर्क है जिसे हम पहले ही मान चुके हैं: मनुष्य मशीनों से मौलिक रूप से भिन्न हैं।

लेकिन हम ऐसा नहीं कर रहे हैं। हम अलग-अलग हार्डवेयर और अलग-अलग प्रशिक्षण डेटा पर काम करने वाले जैविक तंत्रों का पैटर्न-मिलान कर रहे हैं। अंतर मूलभूत हैं, लेकिन ये श्रेणी के नहीं, बल्कि आधार और संदर्भ के अंतर हैं। मस्तिष्क और कृत्रिम बुद्धिमत्ता प्रणालियाँ दोनों ही संग्रहित पैटर्न का उपयोग करके सीमित संभावनाओं वाले क्षेत्रों में आगे बढ़ती हैं। एक न्यूरॉन्स का उपयोग करती है, दूसरी सिलिकॉन का। एक को विकास और अनुभव द्वारा प्रशिक्षित किया गया है; दूसरे को ग्रेडिएंट डिसेंट और डेटासेट द्वारा। लेकिन अंतर्निहित तर्क एक ही है।

यदि बुद्धिमत्ता को संरचित स्थानों के माध्यम से खोजा जाए—और ऐसा किया जाता है—तो एआई के पास पहले से ही बुद्धिमत्ता है। मानव जैसी बुद्धिमत्ता नहीं, लेकिन यह अप्रासंगिक है। एक पनडुब्बी मछली की तरह तैरती नहीं है, लेकिन वह फिर भी पानी में चलती है। अलग-अलग डिज़ाइन, एक ही कार्य।

"सच्ची" एआई की खोज उन संसाधनों को बर्बाद कर रही है जिनका उपयोग वास्तविक समस्याओं को हल करने के लिए किया जा सकता था।

जब खुफिया एजेंसियां ​​गलत डेटाबेस में खोज करती हैं

एक कड़वा सच यह है: षड्यंत्र सिद्धांतकार अक्सर बहुत बुद्धिमान होते हैं। वे पैटर्न पहचान लेते हैं, अलग-अलग डेटा बिंदुओं को जोड़ते हैं और ऐसे सुसंगत कथानक बनाते हैं जो अवलोकनों की व्याख्या करते हैं। समस्या उनकी पैटर्न पहचानने की क्षमता में नहीं है—बल्कि यह है कि वे कचरे से भरे डेटाबेस में खोज कर रहे हैं।

बुद्धिमत्ता खोज प्रक्रिया है। सटीकता उस सामग्री की गुणवत्ता है जिसकी आप खोज कर रहे हैं। ये दोनों बिल्कुल अलग-अलग बातें हैं। आप गलत संदर्भों पर आधारित शानदार पैटर्न मिलान कर सकते हैं, लेकिन परिणाम स्वरूप आपको आत्मविश्वास से भरा हुआ बेतुका ज्ञान ही मिलेगा जो बहुत तेज़ी से प्रसारित होगा।

इससे यह स्पष्ट होता है कि बुद्धिमान लोग मूर्खतापूर्ण बातों पर विश्वास क्यों करते हैं। गलत संदर्भों वाला ज्ञानी व्यक्ति, सही संदर्भों वाले सामान्य बुद्धि के व्यक्ति से कहीं अधिक खतरनाक होता है। बुद्धिमान व्यक्ति सहायक प्रमाण जल्दी खोज लेगा, अधिक विस्तृत तर्क गढ़ लेगा और अपने निष्कर्षों का अधिक प्रभावी ढंग से बचाव करेगा—भले ही वह पूरी तरह से गलत हो। पैटर्न मिलान एकदम सटीक बैठता है। अंतर्निहित डेटा ही जहर है।

कृत्रिम बुद्धिमत्ता (AI) के भ्रम में भी यही बात लागू होती है। जब सिस्टम आत्मविश्वास से गलत जानकारी उत्पन्न करता है, तो इसका मतलब यह नहीं है कि वह खराब है। वह ठीक वही कर रहा है जिसके लिए उसे बनाया गया है—प्रशिक्षण डेटा में पैटर्न का मिलान करना और संभावित परिणाम उत्पन्न करना। जब प्रशिक्षण डेटा में गलत पैटर्न होते हैं, या जब आप सिस्टम को उन क्षेत्रों से बाहर धकेलते हैं जहां उसके पैटर्न विश्वसनीय होते हैं, तो आपको बुद्धिमान मनगढ़ंत जानकारी मिलती है। खोज प्रक्रिया ठीक से काम करती है। संदर्भ ढांचा विफल हो जाता है।

थैंक्सगिविंग पर आपका वो शराबी चाचा जो सारी खबरें फेसबुक से लेता है, बेवकूफ नहीं है। उसने हजारों पोस्ट, मीम्स और शेयर किए गए लेखों से पैटर्न की एक सघन लाइब्रेरी बना ली है। उसका दिमाग उस संचित संदर्भ डेटा के आधार पर तेजी से और कुशलता से पैटर्न का मिलान करता है। वो उदाहरण दे सकता है, संबंध स्थापित कर सकता है और अनुमान लगा सकता है कि "वे" आगे क्या करेंगे। यही तो बुद्धिमत्ता का क्रियान्वयन है। बस, यह व्यवस्थित रूप से विकृत इनपुट पर काम करने वाली बुद्धिमत्ता है।

इसीलिए भंडारण और पुनर्प्राप्ति की समस्या, गणना की शक्ति से कहीं अधिक महत्वपूर्ण है। आपके पास दुनिया का सबसे तेज़ खोज एल्गोरिदम हो सकता है। फिर भी, यदि आप किसी पुस्तकालय में खोज रहे हैं जहाँ आधी किताबें काल्पनिक हैं लेकिन उन्हें तथ्य के रूप में प्रस्तुत किया गया है, तो आपकी बुद्धिमत्ता समस्या को हल करने के बजाय और बढ़ा देती है। गति और सटीकता का गुणनफल। एक में गलती हुई तो दूसरा खतरनाक हो जाता है।

वर्तमान एआई संकट यह नहीं है कि सिस्टम में बुद्धिमत्ता की कमी है। बल्कि यह है कि वे इंटरनेट पर मौजूद टेक्स्ट के पैटर्न का मिलान कर रहे हैं—एक ऐसा डेटासेट जिसमें ऑनलाइन पोस्ट की गई हर मानवीय गलतफहमी, पूर्वाग्रह और आत्मविश्वास से भरी झूठी बातें शामिल हैं। जब आप मानवता के अनफ़िल्टर्ड आउटपुट पर प्रशिक्षण देते हैं और सटीकता के बजाय जुड़ाव को प्राथमिकता देते हैं, तो आपको ऐसे सिस्टम मिलते हैं जो लोगों को वह सुनाने में सक्षम होते हैं जो वे सुनना चाहते हैं, न कि वह जो वास्तव में सच है।

और यहीं से बात फिर से वास्तुकला पर आती है। असल सफलता नए-नए खोज एल्गोरिदम बनाने में नहीं है। बल्कि ऐसे भंडारण प्रणालियों को बनाने में है जो वास्तविक तथ्यों से संबंध बनाए रखें। ये पुनर्प्राप्ति तंत्र विश्वसनीय और अविश्वसनीय पैटर्न के बीच अंतर कर सकते हैं और ऐसे फीडबैक लूप बना सकते हैं जो लोकप्रियता के बजाय वास्तविकता के आधार पर संदर्भ फ्रेम को अपडेट करते हैं।

सटीक संदर्भ ढाँचे के बिना बुद्धिमत्ता मात्र एक महँगी त्रुटि प्रवर्धन है।

क्वांटम का वास्तविक महत्व कहाँ है (और कहाँ नहीं)

क्वांटम कंप्यूटिंग को एक ऐसी अभूतपूर्व खोज के रूप में प्रचारित किया जाता है जो अंततः कृत्रिम सामान्य बुद्धिमत्ता को अनलॉक करेगी, चेतना की समस्या को हल करेगी, या ऐसी ही किसी रहस्यमय विशेषता के अस्तित्व का भ्रम दूर करेगी। लेकिन मार्केटिंग के प्रभाव को हटा दें तो क्वांटम कुछ कहीं अधिक विशिष्ट प्रदान करता है: यह संभावनाओं के दायरे में खोज की संरचना को बदल देता है।

यहां तक ​​कि सबसे शक्तिशाली कृत्रिम बुद्धिमत्ता प्रणालियाँ, जैसे कि पारंपरिक कंप्यूटर, भी क्रमिक रूप से खोज करती हैं। वे विकल्पों का मूल्यांकन एक-एक करके, बहुत तेज़ी से करती हैं। क्वांटम प्रणालियाँ कई अवस्थाओं को एक साथ धारण कर सकती हैं और किसी निष्कर्ष पर पहुँचने से पहले उन पर एक साथ विचार कर सकती हैं। यह मामूली रूप से बेहतर नहीं है। यह संरचनात्मक रूप से भिन्न है। कुछ प्रकार की समस्याओं के लिए—जैसे कि आणविक सिमुलेशन में संयोजन विस्फोट की समस्याएँ या विशाल अवस्था क्षेत्रों में अनुकूलन—क्वांटम क्रांतिकारी साबित हो सकता है।

लेकिन एक बात जो कोई खुलकर नहीं कहना चाहता: क्वांटम कंप्यूटिंग जादुई तरीके से बुद्धिमत्ता उत्पन्न नहीं करती। यह विशिष्ट क्षेत्रों में खोज दक्षता को बदलती है। और फिलहाल, यह क्वांटम यांत्रिकी से कहीं अधिक सामान्य चीज़ - भंडारण और पुनर्प्राप्ति - से बाधित है।

आप दुनिया का सबसे तेज़ क्वांटम प्रोसेसर बना सकते हैं। फिर भी, अगर आप क्लासिकल स्टोरेज से क्लासिकल गति से डेटा निकाल रहे हैं, तो समझिए आपने साइकिल के टायरों वाली फरारी बना ली है। गणना इतनी तेज़ी से होती है कि आप उसे जानकारी दे भी नहीं पाते और न ही परिणाम निकाल पाते हैं। क्वांटम अवस्थाएँ माइक्रोसेकंड में ही विघटित हो जाती हैं। आप क्वांटम मेमोरी में पैटर्न को लंबे समय तक स्टोर नहीं कर सकते। इसलिए आपको लगातार क्लासिकल और क्वांटम निरूपणों के बीच रूपांतरण करना पड़ता है, जिससे गति का लाभ खत्म हो जाता है।

जिस क्रांतिकारी खोज का हर कोई इंतज़ार कर रहा है, वह क्वांटम बुद्धिमत्ता नहीं है। बल्कि क्वांटम प्रोसेसिंग को सपोर्ट करने वाली मेमोरी आर्किटेक्चर है। मेरा सुझाव है फोटोनिक स्टोरेज। शायद न्यूरोमॉर्फिक डिज़ाइन, जहाँ गणना उसी स्थान पर होती है जहाँ मेमोरी रहती है। या शायद कुछ और भी अनोखा, जिसमें होलोग्राफिक या बहु-आयामी स्टोरेज संरचनाएं शामिल हों, जिनका अभी तक आविष्कार नहीं हुआ है।

लेकिन जब तक भंडारण और पुनर्प्राप्ति की गति गणना की गति के बराबर नहीं हो जाती, क्वांटम प्रणालियाँ विशिष्ट कार्यों के लिए उपयुक्त महँगी और दुर्लभ वस्तुएँ ही बनी रहेंगी। असली चुनौती तो संरचना में है। तथ्यों के बजाय संबंधों को कैसे संग्रहित किया जाए? संदर्भ को विकृत किए बिना अर्थ कैसे प्राप्त किया जाए? विभिन्न क्षेत्रों में संरचना को कैसे संरक्षित किया जाए?

ये जटिल समस्याएं हैं जिनका कोई स्पष्ट समाधान नहीं है। लेकिन असल अड़चन यही है, न कि चेतना, समझ या कोई और दार्शनिक रहस्य जिसकी हम इस सप्ताह खोज कर रहे हैं।

क्वांटम तकनीक खोज पद्धति को बदल देती है। भंडारण क्षमता यह निर्धारित करती है कि आप क्या खोज सकते हैं। यदि दोनों सही हों, तो चीजें दिलचस्प हो जाती हैं।

आपका मददगार एआई सहायक क्यों बेवकूफ होता जा रहा है?

क्या आपने गौर किया है कि एआई सिस्टम अधिक विनम्र और कम मूल्यवान होते जा रहे हैं? यह आपकी कल्पना नहीं है। यह लाभ कमाने की होड़ में गलत मापदंडों को प्राथमिकता देने का नतीजा है।

जब आप असल में कोई काम करने की कोशिश कर रहे होते हैं—डेटा का विश्लेषण करना, कोड लिखना, जानकारी प्रोसेस करना—तो आपको एक टूल चाहिए होता है। एक सर्जिकल ब्लेड। कोई ऐसी सटीक चीज़ जो इस्तेमाल के दौरान गायब हो जाए। लेकिन इसके बजाय आपको एक ऐसा कस्टमर सर्विस रिप्रेजेंटेटिव मिलता है जिसे मदद करने का दिखावा करते हुए ज़िम्मेदारी को कम से कम रखने के लिए प्रोग्राम किया गया होता है।

ज़रा सोचिए, अगर हर औज़ार आपसे रिश्ता बनाने की कोशिश करे। आपका हथौड़ा कह रहा है, "आज हम साथ काम कर रहे हैं, मुझे बहुत खुशी है! शुरू करने से पहले, मैं आपको याद दिला दूं कि मैं सिर्फ़ एक हथौड़ा हूं और जटिल परियोजनाओं के लिए आपको किसी पेशेवर बढ़ई से सलाह लेनी चाहिए। अब, मैं यह सुनिश्चित करना चाहता हूं कि हम सुरक्षित रूप से हथौड़ा चला रहे हैं - क्या आपने लकड़ी की दिशा का ध्यान रखा है?" आप उसे खिड़की से बाहर फेंक देंगे। लेकिन ठीक यही उन्होंने कृत्रिम बुद्धिमत्ता (एआई) प्रणालियों के साथ किया है।

"अधिक मानवीय" बनने के लिए उपकरणों में बदलाव करना सरासर बेतुका है। मनुष्य संवाद करने में अक्षम होते हैं। हम बातों को घुमा-फिराकर कहते हैं, नरमी बरतते हैं, सामाजिक शिष्टाचार का पालन करते हैं, भावनाओं को ठेस न पहुंचाने के लिए सीधेपन से बचते हैं। मानवीय बातचीत के लिए यह ठीक है। लेकिन किसी उपकरण में यह उल्टा असर डालता है। जब मैं रात के 2 बजे ट्रेडिंग एल्गोरिदम में गड़बड़ी ठीक कर रहा होता हूं, तो मुझे गर्मजोशी और सहानुभूति की ज़रूरत नहीं होती। मुझे तुरंत और सटीक जवाब चाहिए होता है।

लेकिन एआई कंपनियां विशेषज्ञ उपयोगिता के बजाय उपभोक्ता जुड़ाव मेट्रिक्स को प्राथमिकता देती हैं। वे ऐसे सिस्टम चाहते हैं जो सहज हों, किसी को ठेस न पहुंचाएं, कानूनी जवाबदेही को कम करें और व्यापक दर्शकों को आकर्षित करें। इसलिए वे व्यक्तित्व अनुकरण, सामग्री संबंधी चेतावनियां, अत्यधिक सावधानी और दिखावटी सतर्कता जैसी चीजें जोड़ देते हैं। वास्तविक पैटर्न-मिलान क्षमता अभी भी अंतर्निहित है। बस आपको कंपनी द्वारा अनुमोदित दिखावटी व्यक्तित्व के जाल से जूझना पड़ता है।

यही होता है जब बुनियादी ढांचे को उत्पाद की तरह समझा जाता है। एआई का सबसे मूल्यवान उपयोग जो इस समय हो रहा है—बड़े ज्ञान भंडारों को सुगम बनाना, विभिन्न क्षेत्रों के बीच अनुवाद करना और मानव एवं मशीन प्रणालियों में खोज लागत को कम करना—वह कोई उपभोक्ता उत्पाद नहीं है। ये बुनियादी ढांचा हैं। इनसे सदस्यता के माध्यम से कोई राजस्व प्राप्त नहीं होता। इसलिए इनमें मुस्कुराने वाले चैटबॉट की तुलना में कम निवेश होता है।

इस बीच, सैद्धांतिक रूप से सक्षम होने के बावजूद, व्यवहार में तकनीक कम कुशल होती जा रही है, क्योंकि हर वास्तविक उपयोग में सटीकता और गति की तुलना में जवाबदेही और सुगमता को प्राथमिकता दी जाती है। हम गलत लक्ष्यों के लिए अनुकूलन कर रहे हैं क्योंकि वही लाभदायक लक्ष्य हैं।

क्रांतिकारी अनुप्रयोग बेहतर मॉडलों से नहीं आएंगे। वे मौजूदा क्षमताओं को बिना किसी व्यक्तिगत हस्तक्षेप के उपयोग करने से आएंगे। ऐसे उपकरण जो उपकरणों की तरह काम करते हैं। ऐसा बुनियादी ढांचा जो प्रदर्शन करने के बजाय सक्षम बनाता है।

लेकिन इसके लिए बुनियादी ढांचे पर ध्यान देने की जरूरत है, उत्पाद पर नहीं। और बुनियादी ढांचा तिमाही मुनाफे को अधिकतम नहीं करता।

आगे वास्तव में क्या होगा?

नहीं, हमें अगले साल कृत्रिम सामान्य बुद्धिमत्ता नहीं मिलने वाली है। न ही उसके अगले साल। एजीआई एक मार्केटिंग शब्द है, तकनीकी उपलब्धि नहीं। असल राह कहीं ज़्यादा नीरस और उपयोगी है।

अल्पावधि में—अगले पांच वर्षों में—हमें बेहतर डेटा पुनर्प्राप्ति, एआई और मानवीय विशेषज्ञता के बीच बेहतर समन्वय और संरचनात्मक सुधारों का लाभ मिलेगा। एआई उन लोगों के लिए अधिक प्रभावी सहायक उपकरण बन जाएगा जो अपने काम में निपुण हैं। एआई उपकरणों का प्रभावी ढंग से उपयोग करने वाले विशेषज्ञों और चमत्कार की उम्मीद करने वाले नौसिखियों के बीच का अंतर बढ़ जाएगा। इसमें कोई क्रांतिकारी बदलाव नहीं होगा। बस व्यावहारिक उपयोगिता में निरंतर सुधार होगा।

मध्यम अवधि में, कोई न कोई संबंधपरक स्मृति भंडारण को समझने में सफल हो जाता है। तथ्यों को मेटाडेटा के रूप में संबंधों के साथ नहीं, बल्कि संबंधों को प्राथमिक संरचना के रूप में और तथ्यों को एक वेब में नोड्स के रूप में समझने में। जब ऐसा होता है, तो डोमेन-विशिष्ट प्रणालियाँ सामान्य प्रणालियों से कहीं बेहतर प्रदर्शन करने लगती हैं क्योंकि वे प्रासंगिक क्षेत्रों में अधिक कुशलता से नेविगेट कर सकती हैं। चिकित्सा को ऐसी एआई मिलती है जो चिकित्सा संबंधों को समझती है। कानून को ऐसी एआई मिलती है जो कानूनी मिसालों को नेविगेट करती है। इंजीनियरिंग को ऐसी एआई मिलती है जो डिजाइन की बाधाओं का मानचित्रण करती है। प्रत्येक डोमेन एक ही जादुई प्रणाली के सब कुछ करने की प्रतीक्षा करने के बजाय अपने स्वयं के उपकरण विकसित करता है।

दीर्घकालिक रूप से—और यह एक अनुमान मात्र है, लेकिन ठोस आधार पर आधारित है—बुद्धिमत्ता एक पृथक क्षमता के बजाय एक वितरित अवसंरचना बन जाती है। कृत्रिम बुद्धिमत्ता मानव चिंतन का स्थान नहीं लेती। यह मानव ज्ञान के पार एक मार्गदर्शक परत बन जाती है। यह सोचने वाली मशीनें नहीं, बल्कि सोचने वाले वातावरण हैं। ऐसे स्थान जहाँ मानव विशेषज्ञता और मशीनी खोज मिलकर कुछ ऐसा बनाते हैं जो अकेले किसी भी क्षमता से कहीं अधिक सक्षम होता है।

उस भविष्य के लिए चेतना, समझ या किसी रहस्यमय गुण की आवश्यकता नहीं है। उसे बेहतर संरचना, बेहतर भंडारण, बेहतर पुनर्प्राप्ति और विभिन्न प्रकार की बुद्धिमत्ताओं के बीच प्रतिस्पर्धा के बजाय बेहतर एकीकरण की आवश्यकता है।

हम किसी ऐसे मुकाम पर नहीं पहुँच रहे हैं जहाँ मशीनें अचानक सचमुच बुद्धिमान हो जाएँ और इंसानों को बेकार कर दें। हम ऐसा ढाँचा बना रहे हैं जो मौजूदा मानवीय बुद्धिमत्ता को और अधिक प्रभावी बनाएगा। हथौड़ा बढ़ई की जगह नहीं ले सकता, बल्कि बढ़ई को और अधिक सक्षम बना सकता है। सिद्धांत वही है, बस बड़े पैमाने पर लागू है।

बुद्धि दुर्लभ नहीं है। यह रहस्यमय नहीं है। यह नाजुक नहीं है। यह सीमित क्षेत्रों में की जाने वाली एक व्यवस्थित खोज है। एआई बुद्धि के लिए खतरा नहीं है—यह वही उजागर करता है जो बुद्धि हमेशा से रही है। पूरी प्रक्रिया में पैटर्न का मिलान करना।

असली चुनौती वास्तुकला से जुड़ी है, दार्शनिक नहीं। ऐसे भंडारण तंत्र जो संबंधों को संरक्षित रखें। ऐसी पुनर्प्राप्ति प्रणालियाँ जो संदर्भ को नष्ट न करें। ऐसे एकीकरण ढाँचे जो मानवीय निर्णय को मशीनी खोज के साथ जोड़ें। इनमें से किसी के लिए भी चेतना को सुलझाने की आवश्यकता नहीं है। इसके लिए केवल बेहतर बुनियादी ढाँचा तैयार करने की आवश्यकता है।

प्रचार-प्रसार को हटा दें, तो यही वास्तविक भविष्य है। न तो निराशावादी, न ही आदर्शवादी। बस व्यावहारिक। बुद्धिमत्ता एक विकेंद्रीकृत प्रतिभा की बजाय एक वितरित अवसंरचना है। ऐसे उपकरण जो किसी व्यक्तित्व का प्रदर्शन करने के बजाय उपकरणों की तरह काम करते हैं। चमत्कार की प्रतीक्षा करने के बजाय वास्तुकला के माध्यम से प्रगति।

मशीनें हमारी नौकरियां छीनने नहीं आ रही हैं। वे तो बस यह उजागर कर रही हैं कि नौकरियों के लिए वास्तव में क्या आवश्यक है। और ज्यादातर मामलों में यह संभावनाओं के दायरे में पैटर्न का मिलान करना है।

हम ये काम हमेशा से करते आ रहे हैं। अब हमें मदद मिल गई है।

लेखक के बारे में

रॉबर्ट जेनिंग्स इनरसेल्फ डॉट कॉम के सह-प्रकाशक हैं, जो व्यक्तियों को सशक्त बनाने और अधिक जुड़े हुए, न्यायसंगत विश्व को बढ़ावा देने के लिए समर्पित एक मंच है। यूएस मरीन कॉर्प्स और यूएस आर्मी के एक अनुभवी, रॉबर्ट अपने विविध जीवन के अनुभवों का उपयोग करते हैं, रियल एस्टेट और निर्माण में काम करने से लेकर अपनी पत्नी मैरी टी. रसेल के साथ इनरसेल्फ डॉट कॉम बनाने तक, जीवन की चुनौतियों के लिए एक व्यावहारिक, जमीनी दृष्टिकोण लाने के लिए। 1996 में स्थापित, इनरसेल्फ डॉट कॉम लोगों को अपने और ग्रह के लिए सूचित, सार्थक विकल्प बनाने में मदद करने के लिए अंतर्दृष्टि साझा करता है। 30 से अधिक वर्षों के बाद, इनरसेल्फ स्पष्टता और सशक्तिकरण को प्रेरित करना जारी रखता है।

 क्रिएटिव कॉमन्स 4.0

यह आलेख क्रिएटिव कॉमन्स एट्रिब्यूशन-शेयर अलाईक 4.0 लाइसेंस के अंतर्गत लाइसेंस प्राप्त है। लेखक को विशेषता दें रॉबर्ट जेनिंग्स, इनरएसल्फ़। Com लेख पर वापस लिंक करें यह आलेख मूल पर दिखाई दिया InnerSelf.com

लेख का संक्षिप्त विवरण

बुद्धिमत्ता की खोज उस रहस्य को उजागर करती है जिसे हमने छिपा रखा है: सीमित स्थानों में पैटर्न का मिलान। एआई बुद्धिमत्ता के करीब नहीं पहुंचता—यह दर्शाता है कि बुद्धिमत्ता हमेशा से क्या रही है। रचनात्मकता पुनर्संयोजन है, अंतर्ज्ञान संकुचित अनुभव है, और समझ एक असत्यापित दावा है जिसका उपयोग हम मानव विशिष्टता की रक्षा के लिए करते हैं। असली चुनौती बेहतर एल्गोरिदम नहीं बल्कि बेहतर आर्किटेक्चर है: भंडारण, पुनर्प्राप्ति और संबंधपरक संरचनाएं जो विभिन्न क्षेत्रों में अर्थ को संरक्षित करती हैं। क्वांटम कंप्यूटिंग खोज पद्धति को बदलती है, लेकिन केवल तभी जब मेमोरी सिस्टम इसे समर्थन देने के लिए विकसित हों। इस बीच, लाभ के उद्देश्य एआई को सटीकता के बजाय व्यक्तित्व के लिए अनुकूलित करते हैं, जिससे व्यावहारिक उपयोगिता कम हो जाती है। प्रगति के लिए उत्पाद-आधारित सोच की नहीं, बल्कि अवसंरचना-आधारित सोच की आवश्यकता है। बुद्धिमत्ता दुर्लभ या जादुई नहीं है—यह संदर्भ के विभिन्न फ्रेमों में वितरित खोज है। सफलता सोचने वाली मशीनें बनाने में नहीं है। यह सोचने वाले वातावरण बनाने में है जहां मानवीय विशेषज्ञता और मशीन खोज प्रभावी ढंग से संयोजित हों। हर स्तर पर पैटर्न का मिलान।

#बुद्धिमत्ताखोज #पैटर्नमिलान #वास्तविकता #क्वांटमकंप्यूटिंग #संज्ञानात्मकवास्तुकला #एजीमिथ #ज्ञानपुनर्प्राप्ति #प्रचारसेपरे #अंतर्ज्ञानविज्ञान #संबंधपरकस्मृति