हर दिन अनगिनत सुर्खियां दुनिया भर में असंख्य स्रोतों से निकलती हैं, दोनों गंभीर परिणामों की चेतावनी देते हैं और यूटोपियन वायदा का वादा करते हैं - सभी कृत्रिम बुद्धि के लिए धन्यवाद। AI "कार्यस्थल को बदल रहा है, " वॉल स्ट्रीट जर्नल लिखता है, जबकि फॉर्च्यून पत्रिका हमें बताती है कि हम एक "एआई क्रांति" का सामना कर रहे हैं जो "हमारे जीवन को बदल देगा।" लेकिन हम वास्तव में यह नहीं समझते हैं कि एआई के साथ बातचीत क्या होगी। - या यह कैसा होना चाहिए।
हालांकि, यह पता चला है कि हमारे पास पहले से ही एक अवधारणा है जिसका उपयोग हम एआई के बारे में सोचते समय कर सकते हैं: यह है कि हम जानवरों के बारे में कैसे सोचते हैं। पूर्व पशु प्रशिक्षक के रूप में (संक्षेप में) जो अब अध्ययन करते हैं कि लोग एआई का उपयोग कैसे करते हैं, मुझे पता है कि पशु और पशु प्रशिक्षण हमें बहुत कुछ सिखा सकते हैं कि हमें कृत्रिम बुद्धि के बारे में कैसे सोचना, दृष्टिकोण करना और बातचीत करना चाहिए, दोनों अब और। भविष्य।
पशु उपमाओं का उपयोग नियमित लोगों को कृत्रिम बुद्धि के कई जटिल पहलुओं को समझने में मदद कर सकता है। यह हमें यह सोचने में भी मदद कर सकता है कि इन प्रणालियों को नए कौशल सिखाने के लिए सबसे अच्छा और, शायद सबसे महत्वपूर्ण बात यह है कि हम अपनी सीमाओं के बारे में कैसे ठीक से गर्भधारण कर सकते हैं, यहां तक कि जब तक हम AI की नई संभावनाओं का जश्न मनाते हैं।
बाधाओं को देखते हुए
जैसा कि एआई विशेषज्ञ मैगी बॉडेन बताते हैं, "कृत्रिम बुद्धिमत्ता कंप्यूटर बनाने के लिए उन चीजों को करना चाहती है जो दिमाग कर सकता है।" एआई शोधकर्ता कंप्यूटर को तर्क, अनुभव, योजना, चाल और संघ बनाने के लिए सिखा रहे हैं। एआई बड़े डेटा सेट में पैटर्न देख सकता है, एक घटना की संभावना की भविष्यवाणी कर सकता है, एक मार्ग की योजना बना सकता है, एक व्यक्ति की बैठक अनुसूची का प्रबंधन कर सकता है और यहां तक कि युद्ध-गेम परिदृश्य भी खेल सकता है।
इन क्षमताओं में से कई, अपने आप में, अस्वाभाविक हैं: बेशक एक रोबोट अंतरिक्ष में घूम सकता है और किसी भी चीज से नहीं टकरा सकता है। लेकिन किसी तरह एआई अधिक जादुई लगता है जब कंप्यूटर कार्यों को पूरा करने के लिए इन कौशल को एक साथ रखना शुरू करता है।
मसलन, स्वायत्त कारों को ही लें। चालक रहित कार की उत्पत्ति 1980 के दशक की रक्षा उन्नत अनुसंधान परियोजना एजेंसी परियोजना में है जिसे ऑटोनोमस लैंड व्हीकल कहा जाता है। परियोजना के लक्ष्य कंप्यूटर दृष्टि, धारणा, योजना और रोबोट नियंत्रण में अनुसंधान को प्रोत्साहित करना था। 2004 में, ALV प्रयास सेल्फ-ड्राइविंग कारों के लिए पहला ग्रैंड चैलेंज बन गया। अब, प्रयास शुरू होने के 30 से अधिक वर्षों के बाद, हम नागरिक बाजार में स्वायत्त या स्व-ड्राइविंग कारों की पसंद पर हैं। शुरुआती वर्षों में, कुछ लोगों ने सोचा कि ऐसा कोई पराक्रम असंभव था: कंप्यूटर ड्राइव नहीं कर सकते थे!
फिर भी, जैसा कि हमने देखा है, वे कर सकते हैं। स्वायत्त कारों की क्षमताओं को समझना हमारे लिए अपेक्षाकृत आसान है। लेकिन हम उनकी सीमाओं को समझने के लिए संघर्ष करते हैं। 2015 की घातक टेस्ला दुर्घटना के बाद, जहां कार का ऑटोपायलट फ़ंक्शन एक ट्रैक्टर-ट्रेलर को अपनी लेन में पार करने में विफल रहा, कुछ अभी भी इस बात की गंभीरता को समझते हैं कि टेस्ला का ऑटोपायलट वास्तव में कितना सीमित है। हालांकि कंपनी और उसके सॉफ्टवेयर को नेशनल हाइवे ट्रैफिक सेफ्टी एडमिनिस्ट्रेशन द्वारा लापरवाही से हटा दिया गया था, लेकिन यह स्पष्ट नहीं है कि ग्राहक वास्तव में समझते हैं कि कार क्या कर सकती है और क्या नहीं।
क्या होगा यदि टेस्ला के मालिकों को यह नहीं बताया गया था कि वे ऑटोपायलट का "बीटा" संस्करण चला रहे थे, बल्कि एक अर्ध-स्वायत्त कार में एक कृमि की मानसिक समानता थी? तथाकथित "बुद्धिमत्ता" जो "पूर्ण आत्म-ड्राइविंग क्षमता" प्रदान करती है, वह वास्तव में एक विशालकाय कंप्यूटर है जो वस्तुओं को पहचानने और उनसे बचने, छवियों में वस्तुओं को पहचानने और सीमित योजना बनाने में बहुत अच्छा है। यह मालिक के दृष्टिकोण को बदल सकता है कि कार वास्तव में मानव इनपुट या निरीक्षण के बिना कितना कर सकती है।
यह क्या है?
टेक्नोलॉजिस्ट अक्सर एआई को समझाने की कोशिश करते हैं कि यह कैसे बनाया गया है। उदाहरण के लिए, गहरी शिक्षा में की गई प्रगति। यह एक ऐसी तकनीक है जो किसी कार्य को करने के लिए सीखने के लिए बहुस्तरीय नेटवर्क का उपयोग करती है। नेटवर्क को बड़ी मात्रा में जानकारी संसाधित करने की आवश्यकता है। लेकिन उनके लिए आवश्यक डेटा की मात्रा, नेटवर्क में संघों और एल्गोरिदम की जटिलता के कारण, यह अक्सर मनुष्यों के लिए अस्पष्ट होता है कि वे कैसे सीखते हैं कि वे क्या करते हैं। ये सिस्टम एक विशेष कार्य में बहुत अच्छे हो सकते हैं, लेकिन हम वास्तव में उन्हें नहीं समझते हैं।
एआई के बारे में कुछ अलौकिक या एलियन के रूप में सोचने के बजाय, उन्हें जानवरों के अनुरूप बनाना आसान है, बुद्धिमान गैर-हम लोगों के पास प्रशिक्षण का अनुभव है।
उदाहरण के लिए, अगर मुझे बैठने के लिए एक कुत्ते को प्रशिक्षित करने के लिए सुदृढीकरण सीखने का उपयोग करना था, तो मैं कुत्ते की प्रशंसा करूंगा और जब वह कमान पर बैठता है, तो उसे उपचार देगा। समय के साथ, वह व्यवहार के साथ कमांड को व्यवहार के साथ जोड़ना सीखेगा।
एआई प्रणाली का प्रशिक्षण बहुत समान हो सकता है। सुदृढीकरण गहरी सीखने में, मानव डिजाइनरों ने एक प्रणाली स्थापित की, जो वे चाहते हैं कि वे इसे सीखना चाहते हैं, इसकी जानकारी दें, इसके कार्यों को देखें और इसे प्रतिक्रिया दें (जैसे प्रशंसा) जब वे देखते हैं कि वे क्या चाहते हैं। संक्षेप में, हम एआई प्रणाली का इलाज कर सकते हैं जैसे हम उन जानवरों का इलाज करते हैं जिन्हें हम प्रशिक्षण दे रहे हैं।
सादृश्य गहरे स्तर पर भी काम करता है। मैं बैठे कुत्ते से "प्यार" या "अच्छा" जैसी जटिल अवधारणाओं को समझने की उम्मीद नहीं कर रहा हूं। मैं उससे एक व्यवहार सीखने की उम्मीद कर रहा हूं। जिस तरह हम कुत्तों को बैठने, रुकने और लुढ़कने के लिए पा सकते हैं, उसी तरह हम सार्वजनिक सड़कों पर कारों को ले जाने के लिए AI सिस्टम प्राप्त कर सकते हैं। लेकिन यह बहुत ज्यादा है कि कार को नैतिक समस्याओं को "हल" करने की उम्मीद है जो ड्राइविंग आपात स्थिति में उत्पन्न हो सकती है।
शोधकर्ताओं की भी मदद करना
एक प्रशिक्षित जानवर के रूप में AI के बारे में सोचना आम जनता के लिए इसे समझाने के लिए उपयोगी नहीं है। यह प्रौद्योगिकी का निर्माण करने वाले शोधकर्ताओं और इंजीनियरों के लिए भी मददगार है। यदि एक AI विद्वान एक प्रणाली को एक नया कौशल सिखाने की कोशिश कर रहा है, तो पशु प्रशिक्षक के दृष्टिकोण से प्रक्रिया के बारे में सोचकर संभावित समस्याओं या जटिलताओं की पहचान करने में मदद मिल सकती है।
उदाहरण के लिए, अगर मैं अपने कुत्ते को बैठने के लिए प्रशिक्षित करने की कोशिश करता हूं, और हर बार जब मैं कहता हूं कि "बैठो" तो बजर ओवन पर चला जाता है, तो मेरा कुत्ता न केवल मेरी आज्ञा के साथ बैठना शुरू कर देगा, बल्कि उसकी आवाज के साथ भी। ओवन का बजर। संक्षेप में, बजर कुत्ते को बैठने के लिए कहने वाला एक और संकेत बन जाता है, जिसे "आकस्मिक सुदृढीकरण" कहा जाता है। यदि हम एआई सिस्टम में आकस्मिक सुदृढीकरण या संकेतों की तलाश करते हैं जो ठीक से काम नहीं कर रहे हैं, तो हम न केवल बेहतर जानते हैं कि क्या हो रहा है गलत, लेकिन यह भी कि क्या विशिष्ट रीट्रेनिंग सबसे प्रभावी होगी।
इससे हमें यह समझने की आवश्यकता है कि एआई प्रशिक्षण के दौरान हम क्या संदेश दे रहे हैं, साथ ही एआई आसपास के वातावरण में क्या देख रहा है। ओवन बजर एक सरल उदाहरण है; वास्तविक दुनिया में यह कहीं अधिक जटिल होगा।
इससे पहले कि हम अपने एआई अधिवक्ताओं का स्वागत करें और अपने जीवन और नौकरियों को रोबोटों को सौंप दें, हमें चाहिए कि हम जिस तरह की बुद्धिमानी पैदा कर रहे हैं, उसके बारे में सोचें और विचार करें। वे विशेष कार्यों या कार्यों को करने में बहुत अच्छे होंगे, लेकिन वे अवधारणाओं को समझ नहीं सकते हैं, और कुछ भी नहीं जानते हैं। इसलिए जब आप एक नई टेस्ला कार के लिए हज़ारों से बाहर जाने के बारे में सोच रहे हैं, तो याद रखें कि इसका ऑटोपायलट फ़ंक्शन वास्तव में बहुत तेज़ और सेक्सी कीड़ा है। क्या आप वास्तव में अपने जीवन और अपने प्रियजनों के जीवन को एक कृमि पर नियंत्रण देना चाहते हैं? शायद नहीं, इसलिए अपने हाथों को पहिया पर रखें और सो न जाएं।
यह आलेख मूल रूप से वार्तालाप पर प्रकाशित हुआ था।
हीथर रॉफ, वरिष्ठ अनुसंधान साथी, राजनीति विभाग और अंतर्राष्ट्रीय संबंध, ऑक्सफोर्ड विश्वविद्यालय; रिसर्च साइंटिस्ट, ग्लोबल सिक्योरिटी इनिशिएटिव, एरिजोना स्टेट यूनिवर्सिटी
