एसोसिएशन फॉर द एडवांसमेंट ऑफ आर्टिफिशियल इंटेलिजेंस (AAAI) द्वारा इस महीने प्रकाशित एक नए अध्ययन, जिसमें सैकड़ों AI शोधकर्ता शामिल थे, का एक महत्वपूर्ण निष्कर्ष है: AI के प्रति हमारा वर्तमान दृष्टिकोण हमें कृत्रिम सामान्य बुद्धिमत्ता की ओर ले जाने की संभावना नहीं है।
पिछले कुछ वर्षों में कृत्रिम बुद्धिमत्ता चर्चा का एक लोकप्रिय विषय रहा है, लेकिन वैज्ञानिक अनुसंधान के क्षेत्र के रूप में एआई का अस्तित्व दशकों से है। उदाहरण के लिए, एलन ट्यूरिंग का प्रसिद्ध पेपर "कम्प्यूटिंग मशीनरी एंड इंटेलिजेंस" और ट्यूरिंग टेस्ट, जिसके बारे में हम आज भी बात करते हैं, 1950 में प्रकाशित हुए थे।
आज हर कोई जिस एआई की बात कर रहा है, उसका जन्म इन्हीं दशकों के शोध से हुआ है, लेकिन यह उनसे दूर भी जा रहा है। वैज्ञानिक अनुसंधान के बजाय, अब हमारे पास AI की एक अलग शाखा भी है जिसे हम "व्यावसायिक AI" कह सकते हैं।
माइक्रोसॉफ्ट, गूगल, मेटा, एप्पल और अमेज़न जैसी बड़ी एकाधिकार कंपनियां, एआई उत्पादों के निर्माण के प्राथमिक लक्ष्य के साथ, वाणिज्यिक एआई प्रयासों का नेतृत्व कर रही हैं। यह कोई समस्या नहीं होनी चाहिए, लेकिन अभी तो ऐसा लग रहा है कि यह समस्या हो सकती है।
पहला, चूंकि अधिकांश लोग केवल कुछ वर्षों से ही एआई अनुसंधान पर नजर रख रहे हैं, इसलिए एआई के बारे में औसत व्यक्ति जो कुछ भी जानता है, वह इन कंपनियों से आता है, न कि वैज्ञानिक समुदाय से। अध्ययन में निम्नलिखित बातें शामिल हैं इस विषय को "धारणा बनाम वास्तविकता" अध्याय में संबोधित किया गया है, जहां भाग लेने वाले 79% वैज्ञानिकों का मानना है कि एआई क्षमताओं की वर्तमान धारणाएं एआई अनुसंधान और विकास की वास्तविकता से मेल नहीं खाती हैं।
दूसरे शब्दों में, आम जनता जो सोचती है कि एआई क्या कर सकता है, वह उससे मेल नहीं खाता जो वैज्ञानिक सोचते हैं कि एआई क्या कर सकता है। इसका कारण जितना सरल है, उतना ही दुर्भाग्यपूर्ण भी है: जब कोई वरिष्ठ तकनीकी अधिकारी एआई के बारे में कोई बयान देता है, तो वह कोई वैज्ञानिक राय नहीं होती - बल्कि वह उत्पाद विपणन होता है। वे अपने नए उत्पादों में प्रयुक्त प्रौद्योगिकी का प्रचार करना चाहते हैं तथा यह सुनिश्चित करना चाहते हैं कि हर कोई उनकी इस मुहिम में शामिल होना चाहे।
जब वह कहता है सैम ऑल्टमैन أو मार्क ज़ुकेरबर्ग उदाहरण के लिए, सॉफ्टवेयर इंजीनियरिंग की नौकरियों का स्थान एआई ले लेगा, क्योंकि वे इंजीनियरों को एआई कौशल सीखने के लिए प्रभावित करना चाहते हैं और तकनीकी कंपनियों को महंगी उद्यम योजनाओं में निवेश करने के लिए प्रभावित करना चाहते हैं। हालाँकि, जब तक वे अपने इंजीनियरों को बदलना शुरू नहीं करते (और इसका लाभ नहीं उठाते), मैं व्यक्तिगत रूप से इस विषय पर उनकी एक भी बात पर विश्वास नहीं करूँगा।
हालाँकि, वाणिज्यिक AI केवल जनता की धारणा को ही प्रभावित नहीं करता है। अध्ययन प्रतिभागियों का मानना है कि बड़ी टेक कंपनियों द्वारा बनाया गया “एआई प्रचार” अनुसंधान प्रयासों को नुकसान पहुंचा रहा है। उदाहरण के लिए, 74% लोग इस बात से सहमत हैं कि एआई अनुसंधान की दिशा प्रचार से प्रेरित होती है - संभवतः इसलिए क्योंकि वाणिज्यिक एआई लक्ष्यों के साथ संरेखित अनुसंधान को वित्तपोषित करना आसान होता है। 12% का यह भी मानना है कि इसके परिणामस्वरूप सैद्धांतिक एआई अनुसंधान प्रभावित हो रहा है।
तो फिर यह समस्या कितनी गंभीर है? भले ही बड़ी प्रौद्योगिकी कम्पनियां हमारे द्वारा किए जाने वाले अनुसंधान के प्रकार को प्रभावित करती हों, फिर भी इस क्षेत्र में उनके द्वारा लगाई जाने वाली भारी धनराशि का समग्र रूप से सकारात्मक प्रभाव होना चाहिए। हालांकि, जब शोध की बात आती है तो विविधता महत्वपूर्ण होती है - हमें सर्वोत्तम मार्ग खोजने के लिए सभी प्रकार के विभिन्न मार्गों का अनुसरण करने की आवश्यकता होती है।
लेकिन बड़ी टेक कंपनियाँ इस समय केवल एक ही चीज़ पर ध्यान केंद्रित कर रही हैं: बड़े भाषा मॉडल। यह विशिष्ट प्रकार का AI मॉडल ही लगभग सभी नवीनतम AI उत्पादों को शक्ति प्रदान करता है, और सैम ऑल्टमैन जैसे लोगों का मानना है कि इन मॉडलों को अधिक से अधिक स्केलेबल बनाकर (अर्थात, उन्हें अधिक डेटा, अधिक प्रशिक्षण समय और अधिक कंप्यूटिंग शक्ति देकर) हम अंततः सामान्य AI प्राप्त कर लेंगे।
यह विचार, जिसे स्केल परिकल्पना के रूप में जाना जाता है, कहता है कि हम जितनी अधिक शक्ति एआई को देंगे, उसकी संज्ञानात्मक क्षमताएं उतनी ही अधिक होंगी और त्रुटि दर उतनी ही कम होगी। कुछ व्याख्याएं यह भी कहती हैं कि नई संज्ञानात्मक क्षमताएं अप्रत्याशित रूप से उभर कर सामने आएंगी। इसलिए, हालांकि बड़े भाषा मॉडल अभी समस्याओं के बारे में योजना बनाने और तर्क करने में बहुत अच्छे नहीं हैं, फिर भी किसी न किसी समय ये क्षमताएं उभर कर सामने आएंगी।
वहाँ कोई दीवार नहीं है
- सैम ऑल्टमैन (@sama) नवम्बर 14/2024
हालाँकि, पिछले कुछ महीनों में विस्तार की परिकल्पना को कड़ी आलोचना का सामना करना पड़ा है। कुछ वैज्ञानिकों का मानना है कि बड़े भाषा मॉडल का विस्तार करने से कभी भी एजीआई नहीं हो सकता है, और उनका मानना है कि हम जो भी अतिरिक्त शक्ति देते हैं, वह एजीआई को जन्म नहीं देगी। नये मॉडल इससे अब कोई परिणाम नहीं निकलता। इसके बजाय, हम एक "स्केलिंग दीवार" या "स्केलिंग सीमा" पर पहुंच गए हैं, जहां बड़ी मात्रा में कंप्यूटिंग शक्ति और अतिरिक्त डेटा से नए मॉडलों में केवल मामूली सुधार ही संभव हो पाता है। एएएआई अध्ययन में शामिल अधिकांश वैज्ञानिक इस तर्क के पक्ष में हैं:
अधिकांश उत्तरदाताओं (76%) ने कहा कि एजीआई को प्राप्त करने के लिए “वर्तमान एआई दृष्टिकोणों को बढ़ाना” सफल होने की “संभावना नहीं” या “बहुत कम संभावना” है, जो इस बारे में संदेह दर्शाता है कि क्या वर्तमान मशीन लर्निंग मॉडल सामान्य बुद्धिमत्ता हासिल करने के लिए पर्याप्त हैं।
वर्तमान बड़ी भाषा प्रणालियाँ जब चीजें ठीक चल रही हों तो बहुत प्रासंगिक और उपयोगी प्रतिक्रियाएँ दे सकती हैं, लेकिन वे गणितीय सिद्धांतों पर आधारित ऐसा करने के लिए. कई वैज्ञानिकों का मानना है कि यदि हमें कृत्रिम सामान्य बुद्धिमत्ता के लक्ष्य की ओर आगे बढ़ना है तो हमें समाधान तक पहुंचने के लिए तर्क, कारण और तथ्यात्मक ज्ञान का उपयोग करने वाले नए एल्गोरिदम की आवश्यकता होगी। यहाँ बड़ी भाषा प्रणालियों और सामान्य कृत्रिम बुद्धिमत्ता के बारे में एक तीखा उद्धरण दिया गया है 2022 शोध पत्र जैकब ब्राउनिंग और यान लेकन द्वारा।
केवल भाषा पर प्रशिक्षित प्रणाली कभी भी मानव बुद्धिमत्ता के करीब नहीं आ सकती, भले ही इसे अभी से प्रशिक्षित किया जाए जब तक कि ब्रह्मांड की ऊष्मा समाप्त न हो जाए।
हालाँकि, यह जानने का कोई वास्तविक तरीका नहीं है कि यहाँ कौन सही है - अभी तक नहीं। एक ओर, सामान्य कृत्रिम बुद्धिमत्ता की परिभाषा निश्चित नहीं है, और हर कोई एक ही चीज़ के लिए प्रयास नहीं कर रहा है। कुछ लोगों का मानना है कि सामान्य कृत्रिम बुद्धिमत्ता को मानव-जैसी विधियों के माध्यम से मानव-जैसी प्रतिक्रियाएं उत्पन्न करनी चाहिए - इसलिए इसे अपने आसपास की दुनिया का अवलोकन करना चाहिए और हमारी तरह ही समस्याओं का समाधान करना चाहिए। जबकि अन्य लोगों का मानना है कि सामान्य एआई को मानवीय प्रतिक्रियाओं के बजाय सही प्रतिक्रियाओं पर अधिक ध्यान देना चाहिए, और उनके द्वारा उपयोग की जाने वाली विधियों का कोई महत्व नहीं होना चाहिए।
हालांकि, कई मायनों में, यह वास्तव में मायने नहीं रखता कि आप एजीआई के किस संस्करण में रुचि रखते हैं या आप स्केलिंग-अप परिकल्पना के पक्ष में हैं या उसके खिलाफ हैं - हमें अभी भी अपने शोध प्रयासों में विविधता लाने की आवश्यकता है। यदि हम केवल बड़े भाषा मॉडलों के स्केलिंग पर ही ध्यान केंद्रित करते हैं, तो यदि वे काम नहीं करते हैं तो हमें शुरुआत से ही शुरुआत करनी होगी, और हम नए, अधिक प्रभावी या कुशल तरीकों की खोज करने में असफल हो सकते हैं। इस अध्ययन में शामिल कई वैज्ञानिकों को डर है कि व्यावसायिक एआई और इसके इर्द-गिर्द का प्रचार वास्तविक प्रगति को धीमा कर देगा - लेकिन हम बस यही उम्मीद कर सकते हैं कि उनकी चिंताओं का समाधान किया जाएगा और एआई अनुसंधान की दोनों शाखाएं एक साथ मिलकर आगे बढ़ सकेंगी। खैर, आप यह भी उम्मीद कर सकते हैं कि एआई बुलबुला यदि आप चाहें तो सभी AI-संचालित तकनीकी उत्पाद विस्फोटित होकर गुमनामी में गायब हो जाते हैं।
