आर्टिफिशियल इंटेलिजेंस क्या है? आर्टिफिशियल इंटेलिजेंस (एआई) क्या है: सरल शब्दों में अवधारणा की परिभाषा क्या कृत्रिम बुद्धिमत्ता है

इंटेलिजेंस के आर्किटेक्ट्स के लिए: इसके रचनाकारों से आर्टिफिशियल इंटेलिजेंस के बारे में सच्चाई, लेखक और भविष्यवादी मार्टिन फोर्ड ने एआई के 23 सबसे प्रमुख शोधकर्ताओं का साक्षात्कार लिया, जिनमें डीपमाइंड के सीईओ डेमिस हसाबिस, Google एआई के सीईओ जेफ डीन और स्टैनफोर्ड फे में एआई निदेशक शामिल हैं। फी ली। फोर्ड ने उनमें से प्रत्येक से पूछा कि किस वर्ष एक मजबूत एआई बनाने की संभावना कम से कम 50% होगी।

23 लोगों में से 18 ने उत्तर दिया, और उनमें से केवल दो ही भविष्यवाणियों को अपने नाम से प्रकाशित करने के लिए सहमत हुए। दिलचस्प बात यह है कि उन्होंने सबसे चरम उत्तर दिए: रे कुर्ज़वील, भविष्यवादी और Google में इंजीनियरिंग के निदेशक, जिसका नाम 2029 है, और रॉडनी ब्रूक्स, रोबोटिस्ट और iRobot के सह-संस्थापक, जिसका नाम 2200 है। शेष अनुमान इन दो ध्रुवों के बीच गिर गए, औसत 2099 यानि 80 साल बाद है।

फोर्ड का कहना है कि विशेषज्ञों ने अधिक दूर की तारीखें देना शुरू कर दिया है - पिछले वर्षों के सर्वेक्षणों में, उन्होंने कहा कि मजबूत एआई लगभग 30 वर्षों में प्रकट हो सकता है।

लेखक ने कहा, "आप कितने अहंकारी या आशावादी हैं और आप कितने युवा हैं, इसके बीच शायद कुछ संबंध है, यह देखते हुए कि उनके कई साक्षात्कारकर्ता 70 के दशक में थे और उन्होंने एआई के उतार-चढ़ाव का अनुभव किया था। "दशकों तक इस मुद्दे पर काम करने के बाद, आप थोड़ा अधिक निराशावादी हो सकते हैं," वे कहते हैं।

फोर्ड ने यह भी बताया कि सामान्य प्रयोजन एआई कैसे उभरेगा, इस बारे में विशेषज्ञों की अलग-अलग राय है, कुछ का कहना है कि उपलब्ध तकनीक इसके लिए पर्याप्त है, जबकि अन्य दृढ़ता से असहमत हैं।

कुछ शोधकर्ताओं का तर्क है कि अधिकांश उपकरण पहले से ही तैयार हैं, और अब इसमें केवल समय और प्रयास लगता है। उनके विरोधी आश्वस्त हैं कि मजबूत एआई बनाने के लिए कई मूलभूत खोजें अभी भी गायब हैं। फोर्ड के अनुसार, जिन वैज्ञानिकों का काम गहन शिक्षा पर केंद्रित है, वे सोचते हैं कि भविष्य में प्रगति तंत्रिका नेटवर्क, आधुनिक एआई के वर्कहॉर्स का उपयोग करके की जाएगी। एआई के अन्य क्षेत्रों में अनुभव रखने वालों के लिए, एआई के एक मजबूत संस्करण के निर्माण के लिए प्रतीकात्मक तर्क जैसी अतिरिक्त तकनीकों की आवश्यकता होगी।

"डीप लर्निंग कैंप में कुछ लोग सीधे तौर पर कुछ इस तरह विकसित करने के विचार को खारिज कर रहे हैं व्यावहारिक बुद्धिएआई में। उन्हें लगता है कि यह बेवकूफी है। उनमें से एक ने कहा कि यह जानकारी के टुकड़ों को सीधे दिमाग में डालने की कोशिश करने जैसा था, ”फोर्ड कहते हैं।

सभी साक्षात्कारकर्ताओं ने वर्तमान एआई सिस्टम और प्रमुख कौशल की सीमाओं को नोट किया, जिसमें उन्हें अभी तक मास्टर करना है, जिसमें ट्रांसफर लर्निंग शामिल है, जहां एक क्षेत्र में ज्ञान दूसरे पर लागू होता है, और असुरक्षित शिक्षा, जहां सिस्टम मानव हस्तक्षेप के बिना नई चीजें सीखते हैं। भारी बहुमत आधुनिक तरीकेमशीन लर्निंग सिस्टम मानव-लेबल वाले डेटा पर भरोसा करते हैं, जो उनके विकास में एक प्रमुख बाधा है।

साक्षात्कारकर्ताओं ने एआई जैसे क्षेत्र में भविष्यवाणियां करने की पूर्ण असंभवता पर भी जोर दिया, जहां प्रमुख खोजें खोजे जाने के दशकों बाद तक पूरी तरह से लागू नहीं होती हैं।

बर्कले में कैलिफोर्निया विश्वविद्यालय के प्रोफेसर और एआई पर मौलिक पाठ्यपुस्तकों में से एक के लेखक स्टुअर्ट रसेल ने बताया कि मजबूत एआई के निर्माण की तकनीकों का "बड़े डेटा या अधिक शक्तिशाली मशीनों से कोई लेना-देना नहीं है।"

"मैं हमेशा परमाणु भौतिकी से एक कहानी सुनाता हूं। 11 सितंबर, 1933 को अर्नेस्ट रदरफोर्ड द्वारा व्यक्त दृष्टिकोण यह था कि ऊर्जा को परमाणुओं से नहीं निकाला जा सकता है। हालांकि, अगली सुबह, लियो स्ज़ीलार्ड ने रदरफोर्ड के भाषण को पढ़ा, क्रोधित हो गए, और न्यूट्रॉन-मध्यस्थ परमाणु श्रृंखला प्रतिक्रिया का आविष्कार किया! इस प्रकार, रदरफोर्ड की भविष्यवाणी लगभग 16 घंटों के बाद अस्वीकृत हो गई। इसी तरह, एआई में सटीक भविष्यवाणियां करने का कोई मतलब नहीं है, ”रसेल ने कहा।

शोधकर्ता एआई के संभावित खतरों पर भी असहमत थे। निक Bostrom, ऑक्सफोर्ड दार्शनिक और आर्टिफिशियल इंटेलिजेंस के लेखक: चरण। धमकी। रणनीतियाँ, और एलोन मस्क के पसंदीदा, का तर्क है कि एआई जलवायु परिवर्तन की तुलना में मानवता के लिए एक बड़ा खतरा है। उनका और उनके समर्थकों का मानना ​​है कि इस क्षेत्र में सबसे बड़ी चुनौतियों में से एक एआई को मानवीय मूल्यों के बारे में पढ़ाना है।

"ऐसा नहीं है कि एआई हमें गुलाम बनाने के लिए हमसे नफरत करेगा, या यह कि चेतना की एक चिंगारी अचानक उठेगी और विद्रोह करेगी। इसके बजाय, वह बहुत लगन से एक ऐसे लक्ष्य का पीछा करेगा जो हमारे वास्तविक इरादे से अलग है, ”बोस्ट्रोम ने कहा।

अधिकांश उत्तरदाताओं ने कहा कि आर्थिक मंदी और युद्ध में उन्नत तकनीकों के उपयोग जैसे मुद्दों की तुलना में एआई के खतरे का मुद्दा बेहद सारगर्भित है। हार्वर्ड में एआई प्रोफेसर और भाषा प्रसंस्करण के क्षेत्र में एक प्रमुख योगदानकर्ता बारबरा ग्रॉस ने कहा कि मजबूत एआई के नैतिक मुद्दे ज्यादातर "विचलित करने वाले" हैं।

"मौजूदा एआई के साथ हमारे पास कई नैतिक मुद्दे हैं। मुझे लगता है कि भयावह भविष्य के परिदृश्य के कारण हमें उनसे विचलित नहीं होना चाहिए, ”उसने कहा।

फोर्ड के अनुसार, इस तरह के विवादों को उनके सर्वेक्षण का सबसे महत्वपूर्ण परिणाम कहा जा सकता है: वे दिखाते हैं कि इस तरह के एक जटिल क्षेत्र में कृत्रिम होशियारीकोई आसान जवाब नहीं हैं। ज्ञान के इस क्षेत्र की मूलभूत समस्याओं पर सबसे प्रतिष्ठित वैज्ञानिक भी एकमत नहीं हो सकते।

आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग प्रौद्योगिकियां विज्ञान कथा नहीं रह गई हैं और पहले से ही हमारे जीवन का हिस्सा बन चुकी हैं। उनके विकास का मुख्य चालक बड़ा व्यवसाय है: उद्योग, खुदरा, बैंकिंग। रूस में एआई के कार्यान्वयन की समस्याओं और बारीकियों पर जेट इंफोसिस्टम्स के साथ चर्चा की गई।

व्लादिमीर मोलोडीखजेट इंफोसिस्टम्स में सॉफ्टवेयर के विकास और कार्यान्वयन निदेशालय के प्रमुख

आज कृत्रिम बुद्धिमत्ता प्रौद्योगिकियों का क्या महत्व है? एआई का विकास लोगों के लिए क्या अवसर और किन क्षेत्रों में खुलता है?

हम भविष्य के बारे में फिल्मों से कृत्रिम बुद्धिमत्ता के बारे में एक दार्शनिक और भविष्य संबंधी अवधारणा के रूप में बात कर सकते हैं। लेकिन अगर हम बात करें असली जीवन, तो इसका तात्पर्य मशीन सीखने के तरीकों के एक या दूसरे संयोजन से है: जब हम संचित डेटा का एक बड़ा सेट लेते हैं, तो हम विशेष उन्नत गणित की मदद से इसके आधार पर एक मॉडल बनाते हैं और इसे किसी विशेष समस्या को हल करना सिखाते हैं।

यानी वास्तविक जीवन में एआई उन क्षेत्रों में लागू होता है जहां बड़ी मात्रा में संचित डेटा होता है। वे विभिन्न प्रकार के होते हैं। जब आपके पास सशर्त रूप से तीन प्रकार के डेटा होते हैं, तो एक विश्लेषक उन्हें संभाल सकता है। लेकिन अगर एक हजार से अधिक पैरामीटर हैं, और उनमें से कुछ असंरचित हैं, तो यह किसी भी विश्लेषक के सिर में फिट नहीं होगा। ऐसे मामलों में, मानव मन, पिछले तकनीकी क्रम के विश्लेषणात्मक उपकरणों द्वारा समर्थित, सामान्य रूप से सब कुछ का विश्लेषण करने में सक्षम नहीं है। यह सरल होगा, तीन या चार प्रमुख पैरामीटर लेगा। और वह तब होता है जब मशीन लर्निंग - एआई का व्यावहारिक कार्यान्वयन क्या होता है - प्रभावी हो जाता है।

आज ऐसा क्यों है कि वे AI के बारे में बात करते हैं, हालाँकि पहली नज़र में, संबंधित गणित और कंप्यूटर बीस साल पहले मौजूद थे?

अगर हम अत्यधिक विशिष्ट कार्यों के बारे में बात करते हैं, तो वहां पहले भी मशीन लर्निंग का उपयोग किया गया है। चार प्रमुख कारक हैं जिनके कारण हम कह सकते हैं कि AI एक नया वैश्विक चलन है जो दुनिया को बदल रहा है। पहला यह है कि अधिक डेटा है, उदाहरण के लिए, यदि पहले उत्पादन में केवल कागज के रिकॉर्ड थे, तो अब जानकारी एकत्र करने वाली मशीनों पर सेंसर हैं। दूसरा और तीसरा कारक कंप्यूटिंग शक्ति की वृद्धि और गणित के संबंधित क्षेत्रों का विकास है। समाधान की लागत कम हो जाती है: "लोहे" की लागत में कमी के कारण, अब दस साल तक उत्पादन में परियोजना के भुगतान की प्रतीक्षा करने की आवश्यकता नहीं है। और अंत में, व्यवसाय अभ्यास धीरे-धीरे विकसित हो रहा है, इस क्षेत्र में परियोजना के अनुभव वाले विशेषज्ञ उभर रहे हैं।

रूस में AI को शुरू करने की प्रक्रिया धीरे-धीरे क्यों चल रही है?

यह उस तरह से। अब रूस में वे वास्तव में एआई के बारे में अधिक बात करते हैं जितना वे वास्तव में करते हैं। विषय फैशनेबल है, और इस पर "शीर्ष पर" रिपोर्ट करने के लिए, कई लोग किसी प्रकार के हैकथॉन की घोषणा करते हैं और इंस्टाग्राम पर तस्वीरें दिखाते हैं। और जो परिणाम व्यवसाय को बदलता है वह प्रकट नहीं होता है। अपने अनुभव के आधार पर, हम देखते हैं कि रूस के अधिकांश सबसे बड़े संगठनों में, AI को केवल 5-7% मामलों में ही सफलतापूर्वक लागू किया जाता है, जिसके बारे में वे बात कर रहे हैं।

तथ्य यह है कि यह एक नए प्रकार की परियोजना है जिसके साथ वे अभी भी नहीं जानते कि कैसे सक्षम रूप से काम करना है। यह एक जटिल कहानी है: मशीन लर्निंग की मदद से, एक कार्य को बहुत जल्दी हल किया जा सकता है, लेकिन इसके लिए व्यावसायिक प्रक्रियाओं के महत्वपूर्ण पुनर्गठन की आवश्यकता होती है। उदाहरण: आप खुदरा श्रृंखला के ग्राहकों के लिए व्यक्तिगत अनुशंसाओं का एक मॉडल बना सकते हैं, लेकिन यदि क्लासिक मार्केटिंग इसके साथ काम करती है, उदाहरण के लिए, "हर चीज पर 10% छूट" की शैली में प्रचार, तो ये सिफारिशें काम नहीं करेंगी। या, उदाहरण के लिए, हमने बेड़े में कारों के दोषों और टूटने की भविष्यवाणी करने के लिए एक मॉडल बनाया, लेकिन जब यह मॉडल बनाया जा रहा था, ईंधन आपूर्तिकर्ता बदल गया। और यह डेटा भी है जो मॉडल को प्रभावित करता है - और यह टूट जाता है। यही है, संगठन को बदलने की जरूरत है ताकि इसकी प्रक्रियाएं उन कार्यों के अनुरूप हों जिन्हें मशीन लर्निंग का उपयोग करके हल किया जा सकता है: विभागों के बीच प्रभावी ढंग से डेटा एक्सचेंज का निर्माण करना, और इसी तरह। यह परिवर्तनों का एक समूह है जिसे आपको करने में सक्षम होने की आवश्यकता है, और आपको इसके लिए लड़ने के लिए तैयार रहने की आवश्यकता है।

हम अभी भी बाजार निर्माण के चरण में हैं, और इसकी नवीनता के कारण कठिनाइयाँ उत्पन्न होती हैं। विशेष रूप से, हम उत्पादन में एक ऐसी स्थिति में आए जब लोगों ने सोचा: "तो, यह हम नहीं हैं जो शादी से लड़ेंगे, लेकिन किसी प्रकार का एआई मॉडल, और हमें, यह पता चला है, इसकी आवश्यकता नहीं है।" प्रेरणा का सामना करना पड़ा, और आलोचना में लगे लोगों की मदद करने के बजाय। प्रबंधन के सामने, एक तरफ, मास्को से कुछ डेटा विशेषज्ञ हैं, और दूसरी तरफ, एक 45 वर्षीय व्यक्ति जो उत्पादन को अंदर और बाहर जानता है, जो कहता है: "यह काम नहीं करेगा, लेकिन आप कुछ समझ नहीं आता।" और जाहिर सी बात है कि ऐसे में डायरेक्टर बहुत कॉन्फिडेंट फील नहीं करते हैं।

रूस में कौन से उद्योग अक्सर AI का उपयोग करते हैं और क्यों?

सबसे पहले, ये अभिनव इंटरनेट कंपनियां हैं। वही "यांडेक्स" - वहां यह आमतौर पर हर जगह प्रयोग किया जाता है। अगर हम बड़े उद्योगों को लें, तो रिटेल के साथ-साथ बैंक और बीमा कंपनियां पहले आ जाएंगी। लेकिन मुझे पूरा यकीन है कि एआई के लिए सबसे बड़ी क्षमता उद्योग में है: यह वास्तविक धन के साथ वास्तविक उत्पादन प्रक्रिया है और लागत कम करने की संभावना है। लेकिन यह उद्योग अभी भी कुछ हद तक पिछड़ रहा है, क्योंकि यह खुदरा की तुलना में अधिक रूढ़िवादी है, जिसे प्रतिस्पर्धी माहौल के कारण बहुत जल्दी विकसित होना चाहिए।

जहां बहुत सारा डेटा है। प्रभाव विशेष रूप से उद्योग में बहुत अच्छा होगा। मानदंड - डेटा की उपलब्धता और क्या अनुकूलित किया जा सकता है। ये रखरखाव, मरम्मत, शादी के खिलाफ लड़ाई, पूर्वानुमान, "डिजिटल जुड़वाँ" के कार्य हो सकते हैं जो आपको विश्लेषण करने की अनुमति देते हैं। शाखाओं को नहीं, बल्कि कार्यों के प्रकार को देखना अधिक सही है। यदि यह लड़ाकू विमानों के उत्पादन की तरह एक टुकड़ा उत्पादन है, तो अधिकांश कार्यों के लिए बस आवश्यक मात्रा में डेटा नहीं होगा। और अगर यह रोल्ड स्टील या कारों की मास असेंबली जैसे बड़े पैमाने पर है, तो यहां एआई प्रभावी होगा।

उद्यम में AI क्यों लागू करें?

एक उद्यम आमतौर पर पैसा बनाने में लगा रहता है - और इस तरह यह अधिक कमाएगा। आज, उत्पादन प्रक्रियाएं कदम दर कदम अधिक जटिल होती जा रही हैं, अधिक से अधिक कारक और बारीकियां हैं। यदि पहले पूरी उत्पादन प्रक्रिया एक प्रौद्योगिकीविद् के सिर में फिट बैठती है, तो अब यह एक व्यक्ति या लोगों के समूह को ध्यान में रखने से परे है। तदनुसार, तेजी से जटिल उत्पादन प्रक्रिया के लिए नए समाधानों की आवश्यकता होती है, विशेष रूप से एआई और मशीन लर्निंग में।

इसके अलावा, कुछ विशिष्ट दक्षताओं वाले लोग उत्पादन में विशेष रूप से मूल्यवान होते हैं। वे बीमार हो सकते हैं, सेवानिवृत्त हो सकते हैं, और एआई के उपयोग से मानव कारक के संबंध में व्यवसाय की लचीलापन बढ़ जाती है।

AI के बारे में सबसे आम गलतफहमियाँ क्या हैं जो आप अक्सर देखते हैं?

भ्रम दो प्रकार के होते हैं। पहला: "अब मैं एक डेटा विशेषज्ञ को लूंगा, वह मेरे लिए एक मॉडल तैयार करेगा, और कुछ हफ़्ते में सब कुछ मेरे साथ उड़ जाएगा।" ऐसा कभी नहीं होता। एक अन्य प्रकार: "यह सब कल्पना और कहानियां हैं, लेकिन हमारे पास एक अलग जीवन है जिसमें यह सब लागू नहीं है।" और सच्चाई वास्तव में कहीं बीच में है।

एक व्यापक धारणा है कि समय के साथ, एआई विनिर्माण और अन्य उद्योगों में लोगों को पूरी तरह से बदलने में सक्षम हो जाएगा। क्या आप इसे साझा करते हैं?

तीन-पांच-दस वर्षों के पैमाने पर, विशिष्ट क्षेत्र उत्पन्न होंगे जिनमें एक व्यक्ति को प्रतिस्थापित किया जाएगा। वर्तमान में मानव रहित वाहनों का परीक्षण किया जा रहा है, और वे शायद धीरे-धीरे ड्राइवरों को बदल देंगे, क्योंकि यह दुर्घटना दर को कम करने और ड्राइवरों को पैसे देने से बचने की अनुमति देता है। अगर हम बिजनेस की बात करें तो यह हमारी आंखों के ठीक सामने होता है। यदि पहले कोई व्यक्ति अकेले निर्णय लेता था, तो अब वह मशीन लर्निंग या रोबोटिक्स की मदद से करता है। जहां सौ लोग काम करते थे, वहां अब एक टेक्नोलॉजिस्ट, एक डेटा साइंटिस्ट हो सकता है और बाकी काम मशीनों से होता है।

पहले स्थान पर प्रतिस्थापित विशिष्ट कार्य होंगे। व्यक्तिगत, रचनात्मक कार्यों में लगे लोग अभी सुरक्षित हैं। और जिन क्षेत्रों में एक ही पद पर हजारों कर्मचारी नियमानुसार काम करते हैं, वहां तीन से पांच साल में उन्हें एआई से बदल दिया जाएगा।

उद्यम में एआई को लागू करने की प्रक्रिया कैसे शुरू करें?

पहला कदम एक अनुभवी टीम को ढूंढना है जो यह समझती है कि इसे कैसे करना है। क्योंकि यहां बहुत सारे नुकसान हैं, और उनसे निपटने की जरूरत है। दूसरा, ऐसे कार्यों को खोजना है जिन्हें व्यवसाय के लाभ के लिए हल किया जा सकता है, सक्षम, उचित मेट्रिक्स का निर्माण करें और समझें कि इसे पैसे में कैसे परिवर्तित किया जाए। आखिरकार, त्वरित सफलता भी महत्वपूर्ण है।

आप कैसे तय करते हैं कि इसे स्वयं करना है या ठेकेदार को किराए पर लेना है?

किसी भी कंपनी को धीरे-धीरे आईटी की ओर बढ़ना चाहिए, जो उसके लिए न केवल एक सहायक कार्य बन जाए, बल्कि कुछ ऐसा हो जो पैसा कमाने में मदद करे। इसका मतलब है कि उसे आईटी दक्षताओं को विकसित करने की जरूरत है, और यह एक त्वरित प्रक्रिया नहीं है। इसलिए, प्रारंभिक चरण में, विशेषज्ञों को शामिल करना और फिर उनके साथ मिलकर यह तय करना तर्कसंगत है कि कंपनी को किन क्षेत्रों में खुद को विकसित करना चाहिए और किन क्षेत्रों में भागीदारों पर भरोसा करना चाहिए।

पार्टनर का चुनाव कैसे करें?

यह समझना महत्वपूर्ण है कि एआई का विषय जटिल है। हमें एक ऐसी टीम की आवश्यकता है जो न केवल विश्लेषणात्मक सांख्यिकी, डेटा विज्ञान, मशीन लर्निंग को समझे, बल्कि इसमें जटिल दक्षताएं भी हों: परियोजना प्रबंधन से लेकर डेटा, उच्च-लोड सिस्टम और डेटा सफाई के साथ काम करने की क्षमता तक। सूचना सुरक्षा भी महत्वपूर्ण है, क्योंकि नए प्रकार के आईटी समाधान नए आईटी खतरों को जन्म देते हैं, जबकि पुराने खतरे दूर नहीं होते हैं। इसलिए हमें एक ऐसी टीम की जरूरत है जो यह सब कर सके।

आप भविष्य में AI तकनीक को कैसे बदलते हुए देखते हैं?

व्यावहारिक रूप से, जबकि जो है उसमें महारत हासिल करना महत्वपूर्ण है। यदि हम भविष्य के बारे में बात करते हैं, तो मुझे ऐसा लगता है कि प्रौद्योगिकी मुख्य रूप से सुदृढीकरण सीखने, स्व-शिक्षा की ओर बढ़ेगी, जब सिस्टम ताजा डेटा के आधार पर खुद को प्रशिक्षित करेगा। लेकिन अभी के लिए, यह अभ्यास से अधिक सिद्धांत है। जब कंप्यूटर को गो खेलना सिखाने की बात आती है, तो सुदृढीकरण सीखना काम करता है। और अधिक जटिल व्यावहारिक समस्याओं में, अभी तक नहीं।

क्या रूस में एआई समस्याओं की व्यावहारिक चर्चा के लिए कई मंच हैं?

बहुत सारे अलग-अलग फ़ोरम हैं, और हर कोई AI के बारे में बात करता है। विषय प्रचार है, यहाँ यह नैनो तकनीक की तरह निकल सकता है। यह सब देखते हुए हम अपना खुद का रशियन आर्टिफिशियल इंटेलिजेंस फोरम (RAIF) आयोजित कर रहे हैं। इस साल यह तीसरी बार आयोजित किया जाएगा और ओपन इनोवेशन इंटरनेशनल फोरम के हिस्से के रूप में 22-23 अक्टूबर को स्कोल्कोवो में होगा। वहां हम केवल अभ्यास के बारे में बात कर रहे हैं: इस क्षेत्र में क्या समस्याएं हैं, कठिनाइयां इत्यादि।

इस वर्ष के मंच का मुख्य विषय क्या है?

इस वर्ष, फोरम का मुख्य विषय यह है कि एआई प्रोजेक्ट को व्यावसायिक संचालन के लिए "पुश" कैसे किया जाए ताकि यह परिणाम लाए। हम सभी संबंधित विषयों पर भी ध्यान केंद्रित करते हैं। हमारे पास बड़े डेटा, सूचना सुरक्षा, हार्डवेयर पर अनुभाग हैं। हम गणितज्ञों, प्रोग्रामरों, हार्डवेयर विशेषज्ञों, बुनियादी ढांचे और संचालन के विशेषज्ञों को इकट्ठा करते हैं।

हम वास्तविक अभ्यास के बारे में बात कर रहे हैं, वैज्ञानिक समस्याओं के बारे में नहीं - हालांकि इस बारे में हमारा एक अलग खंड है। लेकिन सबसे पहले, हम ऐसे लोगों को इकट्ठा करते हैं जो एआई परियोजनाओं को लागू करते हैं, अपने स्वयं के अनुभव के बारे में बात करते हैं, नुकसान बताते हैं। और सबसे महत्वपूर्ण बात यह है कि हम हमेशा एक परियोजना के संदर्भ में एक जटिल में कार्यों पर विचार करते हैं, न कि किसी प्रकार के दर्शन या विज्ञान पर।

ICTV के तथ्य बताते हैं कि कृत्रिम बुद्धिमत्ता क्यों नहीं है, कॉफी मशीन आपके व्यक्तिगत डेटा का उपयोग कैसे करती है और या किसी दिन लोगों के काम को बदल देगी।

हांगकांग स्थित हैनसन रोबोटिक्स नर्सिंग होम में बुजुर्गों की मदद के लिए रोजगार सृजित कर रहा है। सोफिया की उपस्थिति अभिनेत्री ऑड्रे हेपबर्न से मिलती-जुलती थी।

लेकिन सोफिया आर्टिफिशियल इंटेलिजेंस नहीं है।

तथ्य कीव इंटरनेशनल इकोनॉमिक फोरम के ढांचे में आईसीटीवी ने मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी में एक कृत्रिम बुद्धि शोधकर्ता नतालिया कोस्मिना के साथ बात की।

उसने समझाया कि सोफिया क्या है, कृत्रिम बुद्धिमत्ता क्यों मौजूद नहीं है, और व्यक्तिगत डेटा का सावधानीपूर्वक उपयोग करना कैसे सीखें।

सोफिया की लोकप्रियता एक वास्तविक व्यक्ति के समान होने के कारण है - एक ह्यूमनॉइड-प्रकार का रोबोट। लेकिन वास्तव में, यह केवल कार्यों का एक एल्गोरिथ्म है जिसे इंजीनियरों ने डिज़ाइन किया है:

यह केवल एल्गोरिदम का एक निश्चित सेट है - उन्हें एक ह्यूमनॉइड रोबोट में बनाया जा सकता है, उन्हें एक रोबोट में बनाया जा सकता है जो कुत्ते की तरह दिखता है, या आप उन्हें पानी की इस बोतल में "धक्का" सकते हैं (हंसते हैं - प्रामाणिक)। और यह सोफिया जैसा ही रोबोट होगा, लेकिन यह पानी के डिब्बे जैसा दिखता है।

सोफिया में कोई वास्तविक भावनाएं नहीं हैं। वह जो कुछ भी करती है वह एक निश्चित एल्गोरिथम द्वारा उसमें प्रोग्राम किया जाता है। एक चैटबॉट की तरह। सहमत हूँ, Siri मज़ाक भी कर सकती है और आपसे बात भी कर सकती है।

और जब सोफिया मजाक करती है, तो यह सिस्टम त्रुटि से ज्यादा कुछ नहीं है। जब उनसे पूछा गया कि यूक्रेन में भ्रष्टाचार को कैसे दूर किया जाए, तो उन्होंने फोन काट दिया। हमने इसे एक उत्तर के रूप में लिया। कथित तौर पर कृत्रिम बुद्धिमता भी भ्रष्टाचार की समस्या का समाधान नहीं कर पा रही है।

इस तरह की छोटी-छोटी मजेदार घटनाएं एक सामान्य गलती है। सिस्टम आपके द्वारा अनुरोधित जानकारी को समझने और संसाधित करने में सक्षम नहीं है, - नतालिया बताती हैं।

सोफिया एल्गोरिदम के एक सेट से ज्यादा कुछ नहीं है। उसे लोगों के साथ संवाद करने के लिए प्रोग्राम किया जाता है और वह सफल होती है। जैसे बोस्टन डायनेमिक के कार्यों को स्थानांतरित करने के लिए प्रोग्राम किया जाता है।

ऐसी प्रणालियों को केवल एल्गोरिथम कहना बहुत सही है। सोफिया बहुत अच्छा समूहएल्गोरिदम एक साथ लाए, इस मामले में एक काम में। वे काम को आगे बढ़ने, बात करने और प्रतिक्रिया करने की अनुमति देते हैं।

आर्टिफिशियल इंटेलिजेंस मौजूद नहीं है

यदि सोफिया केवल कुछ कार्यों का समूह है, तो कृत्रिम बुद्धि क्या है? फिल्मों में, हम ऐसे कंप्यूटर प्रोग्राम देखने के आदी हैं जो दुनिया में बाढ़ लाने और मानवता को नष्ट करने में सक्षम हैं।

आर्टिफिशियल इंटेलिजेंस की सबसे बड़ी कमी यह है कि यह मौजूद नहीं है। कभी-कभी किसी चीज़ को "कृत्रिम बुद्धिमत्ता" कहना अधिक सुविधाजनक होता है, बजाय इसके कि वह क्या है। अब एल्गोरिदम हैं। वे एक या दो समस्याओं को अधिक से अधिक हल करने के लिए बहुत अच्छी तरह से विकसित हैं। ऐसी कोई कृत्रिम बुद्धि नहीं है। हम अभी भी इससे बहुत दूर हैं," शोधकर्ता कहते हैं।

सौभाग्य से, या इसके विपरीत, एक ऐसा रोबोट मौजूद नहीं है जो किसी व्यक्ति से अधिक स्मार्ट होगा। नतालिया बताती हैं कि एक व्यक्ति बड़ी संख्या में कार्य करने और जल्दी सीखने में सक्षम होता है।

कार्य केवल एक या दो कार्य ही कर सकते हैं। इसके अलावा, सीखने के लिए, उन्हें बहुत बड़ी मात्रा में जानकारी और बहुत समय चाहिए। और यही समस्या है।

हम उन रोबोटों से बहुत दूर हैं जो सोचेंगे। अब हमें अपनी सोच से निपटने की जरूरत है। हमें आपके साथ बड़ी समस्या है - मस्तिष्क संसाधनों में बहुत सीमित है।

कार्य आपके डेटा को संसाधित करता है

गोपनीयता एक विलासिता बन जाती है। और हर कोई इसे वहन नहीं कर सकता। सीखने के लिए, काम को बहुत सारी जानकारी की आवश्यकता होती है। और वे इसे आपसे लेते हैं। वैसे, आपकी कॉफी मशीन भी एक तरह से रोबोट है। और उसे डेटा भी चाहिए।

नतालिया बताती हैं कि यह कैसे काम करता है:

मैं अपने सिस्टम में गैजेट्स के डेटा का उपयोग करता हूं। मुझे "क्लाउड" पर जाने की आवश्यकता नहीं है, किसी इंटरनेट कनेक्शन की आवश्यकता नहीं है। कुछ मामलों में, सिस्टम अलग तरह से काम करता है - डेटा को ब्लूटूथ या वाईफाई के माध्यम से कंप्यूटर में प्रेषित किया जाता है, सभी डेटा प्रोसेसिंग कंप्यूटर पर होती है और उस सिस्टम को प्रेषित की जाती है जिसे हम नियंत्रित करना चाहते हैं।

लेकिन क्या आप जानते हैं कि मशीनें आपका डेटा ले रही हैं? उपयोग की शर्तों को पढ़ने वालों का प्रतिशत बहुत छोटा है। बस "सहमत" बटन पर क्लिक करना आसान है।

सिस्टम और एप्लिकेशन हमेशा पारदर्शी रूप से काम नहीं करते हैं, कभी-कभी उपयोगकर्ता यह नहीं समझते हैं कि वे क्या दे रहे हैं, शायद उन्हें बदले में कुछ भी नहीं मिलता है, यहां तक ​​कि एक सेवा भी नहीं।

यहां तक ​​कि मार्क जुकरबर्ग भी अपने कंप्यूटर के कैमरे और माइक्रोफोन को टेप कर लेते हैं। अपने डेटा का उपयोग होने से रोकने के लिए, यह सीखना महत्वपूर्ण है कि इसे ठीक से कैसे प्रबंधित किया जाए।

कोसमिना का कहना है कि लोगों के साथ काम करते समय वे एक सख्त नैतिक प्रोटोकॉल का पालन करते हैं। यदि कोई व्यक्ति संतुष्ट नहीं है, तो वह अध्ययन से इंकार कर सकती है:

हम स्पष्ट रूप से कहते हैं कि किस डेटा का उपयोग किया जाएगा, चाहे हम चित्र लें या वीडियो शूट करें, बायोमेट्रिक डेटा लें, यह डेटा कितने वर्षों तक संग्रहीत किया जाएगा और इसकी पहुंच किसके पास है।

दुर्भाग्य से, सभी प्रणालियों में ऐसे स्पष्ट प्रोटोकॉल नहीं होते हैं।

नौकरियां बनाम लोग

2016 में वापस, यूके ने ऑप्टेलम प्रणाली विकसित की, जो मनुष्यों में फेफड़ों के कैंसर का निदान करती है। रोबोट को सिखाने के लिए वैज्ञानिकों ने ट्यूमर के रोगियों का दुनिया का सबसे बड़ा डेटाबेस एकत्र किया है। और स्टार्टअप बंद हो गया। रोबोट एक युवा डॉक्टर की तरह बीमारियों का प्रभावी ढंग से पता नहीं लगा सका।

और जापान में, रोबोट पहले से ही सेवा क्षेत्र में सक्रिय रूप से उपयोग किए जा रहे हैं। रोबोट आपको आसानी से एक होटल में समायोजित कर सकता है, दस्तावेजों को स्कैन कर सकता है, एक चाबी जारी कर सकता है और यहां तक ​​कि नाश्ते के लिए पेनकेक्स भी बना सकता है।

एक ओर जहां लोगों के काम करने में महीनों लग जाते हैं और यह एक समस्या है। वहीं दूसरी ओर नए अवसर भी मिल रहे हैं।

काम लेकर भी हम नया बना सकते हैं। रोबोट को भी सिखाया जाना चाहिए। हम ऐसी नौकरियां सृजित कर सकते हैं जहां लोग अधिक जुड़ाव महसूस करते हैं। वे अब भी लोगों की मदद करेंगे और सर्विस सेक्टर में काम करते रहेंगे।

और यद्यपि विज्ञान आत्मविश्वास से हर दिन आगे बढ़ रहा है, मनुष्य ने अभी तक ऐसा रोबोट नहीं बनाया है जो इसे पार कर सके। शायद यही अच्छे के लिए है। मस्क को भरोसा है कि आर्टिफिशियल इंटेलिजेंस से तीसरा विश्व युद्ध होगा।

हालांकि, रोबोटिक सिस्टम किसी व्यक्ति के लिए जीवन को आसान बना सकते हैं - वे कॉफी तैयार करते हैं, सुझाव देते हैं कि किसी स्थिति में कैसे कार्य करना है, और कारें हमें चलाती हैं।

कार खरीदना चाबी का गुच्छा खरीदने से शुरू होता है।
लेखक के व्यक्तिगत सूत्र से

मनुष्य कृत्रिम बुद्धि वाली मशीनों से कैसे भिन्न हैं? पूछे गए प्रश्न के असामान्य उत्तरों में से एक सहानुभूति है। यदि हम ऑक्सफोर्ड डिक्शनरी में दी गई सहानुभूति की परिभाषा का अनुवाद करें अंग्रेजी में, ऐसा लगता है: सहानुभूति किसी अन्य व्यक्ति या देखी गई वस्तु (या उन्हें पूरी तरह से समझने) के साथ मानसिक रूप से खुद को पहचानने की क्षमता है। यह विकिपीडिया की सामान्य परिभाषा के अनुरूप है: "सहानुभूति (ग्रीक ἐν -" में "+ ग्रीक πάθος - जुनून, पीड़ा, भावना) इस की बाहरी उत्पत्ति की भावना को खोए बिना किसी अन्य व्यक्ति की वर्तमान भावनात्मक स्थिति के साथ सचेत सहानुभूति है। अनुभव। " सहमत हूं, यह एक बहुत ही विशिष्ट विशेषता है जो लोगों को एक क्रमादेशित मशीन से अलग करती है। तकनीकी साहित्य में इस विषय पर बहुत कम ध्यान दिया गया है, और मैं इस पर अधिक विस्तार से ध्यान देना चाहूंगा, विशेष रूप से एआई समस्याओं के आलोक में, यह महत्वपूर्ण लगता है।

रूसी अनुवाद में इस विषय पर सामग्री का उपयोग करने का एक विशेष अवसर ईएमईए क्षेत्र में माइक्रोसॉफ्ट में मार्केटिंग के प्रमुख जेसन मिलर द्वारा लेख के लेखक को प्रदान किया गया था और जिन्होंने एक बार लिंक्डइन पर "क्या मशीन में सहानुभूति हो सकती है?" लेख प्रकाशित किया था। ("क्या कोई मशीन सहानुभूति दिखा सकती है?")। हमने इस विषय पर एक संक्षिप्त चर्चा की, जिसके दौरान यह पता चला कि समस्या पर हमारे विचार और अनियंत्रित विकास और एआई के उपयोग के जोखिम मेल खाते हैं। वे अब कृत्रिम बुद्धिमत्ता को एक तरह के दिमाग में बदलने की कोशिश कर रहे हैं, यानी इसे पूरी तरह से मानवीय विशेषताओं के साथ संपन्न करने के लिए - वही सहानुभूति जो जेसन मिलर ने विपणन में इसके उपयोग की संभावना के संदर्भ में मूल्यांकन की थी। इस लेख के लेखक के अनुसार, सहानुभूति के संभावित अनुप्रयोग का क्षेत्र बहुत व्यापक है। सहमत, एक दोस्ताना सहयोगी औद्योगिक रोबोट के साथ संवाद करना अधिक सुखद है, यदि आप उसके साथ कुछ शब्दों का आदान-प्रदान कर सकते हैं और मजाक कर सकते हैं, तो वह आपसे मिलता है विनम्र शब्दऔर, सेंसर के साथ आपका मूल्यांकन (वह अभी भी उनके पास है), उपयुक्त व्यवहार मॉडल का चयन करता है। यह सिर्फ अंदर से "स्मार्ट" के साथ काम करने से बेहतर है, लेकिन बाहर की तरफ एक बेवकूफी भरा तंत्र है। और अगर यह एक घर है, भले ही सॉफ्टवेयर, सहायक या निजी सहायक - कहने के लिए कुछ भी नहीं है।

सहानुभूति के लिए, पिछले मई में I / O डेवलपर्स सम्मेलन में, Google ने अपना नया डुप्लेक्स सिस्टम दिखाया। वह एक एआई-पावर्ड वर्चुअल असिस्टेंट है जो अपने "बॉस" शेड्यूल को बेहतर ढंग से व्यवस्थित करने के लिए फोन कॉल करने में सक्षम है। दर्शकों ने देखा कि डुप्लेक्स ने रेस्तरां में ऑर्डर दिए और नाई की दुकान पर हेयरकट बुक किया। वे आश्चर्य से हँसे, जब बातचीत के दौरान, उसने स्पष्ट रूप से टेलीफोन लाइन के दूसरे छोर पर मौजूद व्यक्ति को आश्वस्त किया कि वह एक व्यक्ति से बात कर रहा था, न कि किसी कार्यक्रम के लिए। यहां हम अपने मनोविज्ञान के लिए एक भत्ता बना सकते हैं: लेख के लेखक ने इसी तरह की घटना को देखा जब उन्होंने 1980 के दशक में विकसित और वापस किया। प्रोटोटाइप सचिव-मुखबिर (जिसे बाद में उत्तर देने वाली मशीन कहा गया)। उस समय, लगभग सभी लोगों ने इस प्रोटोटाइप के साथ बात करने की कोशिश की, क्योंकि जब उन्होंने फोन किया, तो उन्होंने मानव भाषण की रिकॉर्डिंग सुनी।

डुप्लेक्स डेमो ने एक दिलचस्प सवाल उठाते हुए सोशल मीडिया पर एक जीवंत चर्चा की। क्या एक कृत्रिम प्रणाली की क्षमता इस तरह से संवादी संकेतों को समझने और भेजने की है कि एक मशीन सहानुभूति सीख सके? यह सबसे में से एक है महत्वपूर्ण मुद्देएआई के बारे में उभरती बहस में, समाज में इसकी भूमिका, और यह किस हद तक मूल मानव डोमेन में घुसपैठ करेगा।

जब जेसन मिलर ने लिंक्डइन पर दर्शकों से यह सवाल पूछा, तो उन्हें तीन पूरी तरह से मिले अलग - अलग प्रकारउत्तर - और ये उत्तर हैं बडा महत्वएआई के भविष्य को समझने के लिए। वे एक अच्छा विचार देते हैं कि पेशेवर एआई की संभावनाओं के बारे में क्या सोचते हैं, साथ ही एआई की इन संभावनाओं का उपयोग कैसे किया जा सकता है।

पहला उत्तर है "हाँ, एक मशीन सहानुभूति सीख सकती है" या "हाँ, क्योंकि एआई अंततः वह सब कुछ करने में सक्षम होगा जो मानव मस्तिष्क करने में सक्षम है।" यह तर्क दिया गया है कि सहानुभूति को हमारी धारणा के समान क्रमादेशित किया जा सकता है। इस सिद्धांत के समर्थकों के लिए, हम मशीन हैं, और हमारा मस्तिष्क एक बहुत अच्छा कंप्यूटर है, यहां तक ​​कि एक क्वांटम भी, लेकिन, एक सामान्य कंप्यूटर की तरह, उपयुक्त प्रोग्रामिंग के साथ।

दूसरा उत्तर है नहीं, यह नहीं हो सकता, क्योंकि सहानुभूति एक अद्वितीय मानवीय विशेषता है, न कि ऐसा कुछ जिसे कोई मशीन अनुभव कर सकती है। और क्या वह कुछ भी महसूस कर सकती है? हालांकि फिल्म "एक्स मशीन" से अवा, जिसे एआई के विकास के उदाहरण के रूप में लिया गया था, ने कम से कम सहानुभूति दिखाई और सफलतापूर्वक इसका इस्तेमाल किया। यदि हम अन्य उदाहरणों की ओर मुड़ते हैं, तो फिल्म "हर" ("हर", स्पाइक जोंज़, 2013 द्वारा निर्देशित और लिखित एक अमेरिकी फंतासी मेलोड्रामा) में, जो उस दृष्टिकोण से महत्वपूर्ण है जिस पर हम विचार कर रहे हैं, इस गुण का महत्व बहुत स्पष्ट रूप से दिखाई देता है, क्योंकि फिल्म पूरी तरह से इस पर बनी है और इसमें एआई के भौतिक अवतार का अभाव है, जिसे सामंथा के तंत्रिका नेटवर्क (फिल्म "ओएसेस" के अनुसार) के रूप में प्रस्तुत किया गया है। सहानुभूति न केवल "खुद को महसूस करने" की अनुमति देती है, बल्कि किसी और के दर्द, अनुभव और किसी और की भावनाओं को अधिक या कम हद तक महसूस करने की अनुमति देती है। हम लोगों में चेतना के संगठन को नहीं समझते हैं, इस चेतना को कृत्रिम रूप से उचित सत्यापन (प्रमाणीकरण, तकनीकी शब्दों में) के साथ बनाने की क्षमता की तो बात ही छोड़ दें।

तीसरा उत्तर विशेष रूप से पेचीदा है। यह एक उत्तर भी नहीं है, बल्कि एक प्रश्न है: अगर मशीन में सहानुभूति है, तो क्या यह कोई फर्क नहीं पड़ता कि यह सहानुभूति वास्तविक है या नहीं? कार्यात्मक रूप से, कोई अंतर नहीं है: क्या यह मशीन उन्हीं भावनाओं के लिए सक्षम है जो हम हैं, या बस इन भावनाओं को उन संकेतों से प्राप्त करते हैं जो लोग स्वयं या इसके सेंसर इसे भेजते हैं, सबसे उपयुक्त प्रतिक्रिया, प्रतिक्रिया विकसित करते हैं। कल्पना कीजिए कि हम यह नहीं बता सकते कि क्या सहानुभूति वास्तविक है क्योंकि एक गहन सीखने वाले रोबोट ने हमारे चेहरे के भाव और व्यवहार के पैटर्न को सीख लिया है - क्या हम तब भी रोबोट को एक मशीन के रूप में देख सकते हैं?

यह एक आसान सवाल से बहुत दूर है। क्या वास्तविक और "कृत्रिम" सहानुभूति के बीच का अंतर मायने रखता है? यहाँ लेख के लेखक की राय जेसन मिलर के उत्तर से मेल खाती है - हाँ, यह करता है। यदि हम फिल्म "एक्स मशीन" पर वापस जाते हैं: अवा ने सफलतापूर्वक इसका प्रदर्शन किया, और कालेब, जैसा कि वे कहते हैं, बिना किसी उम्मीद के, गोभी के सूप में मुर्गियों की तरह पकड़ा गया। शायद, अगर वह एक लड़की की छवि में नहीं होती, विशेष रूप से उसकी पसंद के लिए बनाई गई, तो सब कुछ अलग होता। हम पुरुषों पर बहुत कम भरोसा करते हैं, और हमारे दृष्टिकोण से अप्रिय, बाहरी रूप से और भी अधिक, इसलिए इसके डेवलपर न्यूटन ने इस तथ्य को यहां ध्यान में रखा। और फिल्म "शी" में, थियोडोर, एक सहायक के कार्यों के उपयोग से शुरू होकर, बस एक महिला आवाज से प्यार हो गया, जिसने उसके लिए लाइव संचार को बदल दिया।

चावल। एक।

सहायक के रूप में एआई का उपयोग करने की संभावना आम तौर पर विशेषता है - उदाहरण के लिए, वही बेहद नकारात्मक, यदि शत्रुतापूर्ण नहीं है, तो एलोन मस्क सोफिया द्वारा माना जाता है, जो अक्टूबर 2017 में सऊदी अरब का विषय बन गया और नागरिकता प्राप्त करने वाला पहला रोबोट बन गया। कोई भी देश (चित्र 1)।

लेकिन मूल प्रश्न पर वापस: क्या कोई मशीन किसी के साथ सहानुभूति रख सकती है? यह उन सवालों में से एक है जो भविष्य में बदल सकता है। स्वाभाविक रूप से, एक मशीन परिभाषा के अनुसार सहानुभूति का अनुभव नहीं कर सकती है, यह सब सहानुभूति और एक मशीन की परिभाषा में आता है।

मशीनें मानसिक रूप से इंसानों के साथ अपनी पहचान नहीं बना सकती हैं क्योंकि हमारे मानव दिमाग में जो कुछ भी होता है, उसमें ऐसी चीजें शामिल होती हैं जिन्हें एक मशीन कभी भी अपने आप अनुभव नहीं कर सकती, चाहे उसकी अपनी विश्लेषणात्मक प्रक्रियाएं और संवेदी धारणाएं कितनी भी उन्नत और गहरी क्यों न हों। जब हम समाज में एआई की भूमिका पर चर्चा करते हैं, तो यह स्पष्ट होना महत्वपूर्ण है कि चीजें वैसी क्यों हैं जैसी वे हैं। भले ही हम वास्तव में खुद को नहीं समझते हैं। सीएनबीसी के पत्रकार एंड्रयू रॉस सॉर्किन ने एक संवाददाता सम्मेलन में सोफिया से पूछा: "क्या रोबोट में दिमाग और आत्म-जागरूकता होती है?" जिस पर उसने निम्नलिखित उत्तर दिया: "और मैं जवाब में आपसे पूछूं कि आप कैसे जानते हैं कि आप एक व्यक्ति हैं?"।

मशीन हमारे करीब आ सकती है, लेकिन लेख के लेखक (और न केवल उसे) ऐसा लगता है कि वह कभी भी व्यक्ति को पूरी तरह से समझ नहीं पाएगा। हमारी चेतना में सिर्फ तर्कसंगत ज्ञान और तार्किक सोच के अलावा और भी बहुत कुछ है। वास्तव में, तर्कसंगत रूप से सोचने की यह क्षमता हमारी चेतना के अधिकांश अन्य पहलुओं का उप-उत्पाद है, न कि अपने आप में हमारे मस्तिष्क की नियंत्रण शक्ति। हमारा सचेत जीवन इस बात से प्रेरित होता है कि हम अपनी इंद्रियों के माध्यम से दुनिया को कैसे देखते हैं। यह दृष्टि, ध्वनि, स्पर्श, स्वाद और गंध का एक संयोजन है जिसे कोई भी मशीन कभी भी उसी तरह अनुभव नहीं कर सकती है।

मानव चेतना भी हमारे शक्तिशाली जैविक आवेगों और जरूरतों से संचालित होती है। कोई भी मशीन कभी महसूस नहीं करेगी कि भूखे या प्यासे होने का क्या मतलब है। वास्तव में, कोई भी मशीन, जैसा कि फिल्म "हर" में है, सहानुभूति और किसी अन्य मशीन या व्यक्ति तक पहुंचने में सक्षम नहीं होगी, और प्यार की इच्छा और किसी व्यक्ति के लिए इस प्राकृतिक प्रक्रिया के साथ आने वाली सभी भावनाओं से प्रेरित नहीं होगी। . याद कीजिए कि कैसे फिल्म में कार एक साथ कई लोगों के साथ फ्लर्ट करने लगी और समझ नहीं आया कि थिओडोर इससे नाराज क्यों था।

इसके अलावा, कार में किस तरह का अलार्म हो सकता है? कोई भी मशीन अकेलेपन से डरती नहीं है, अपने सिर पर एक छत खो देती है और अपनी शारीरिक सुरक्षा के लिए डर के कारण एक मजबूत भेद्यता महसूस नहीं करती है, जब तक कि वह बिजली व्यवस्था में शक्ति में गिरावट या तापमान में अस्वीकार्य वृद्धि को "महसूस" नहीं करती है। एआई के साथ एक भौतिक वस्तु। तो पत्रकार सोफिया के जवाब में गलत है, न्यूरोलॉजिस्ट एंटोनियो दामासियो ने इस समस्या को निम्नलिखित तरीके से हल करने का प्रस्ताव दिया है: "हम मशीन नहीं सोच रहे हैं जो महसूस करते हैं, बल्कि हम उन मशीनों को महसूस कर सकते हैं जो सोचते हैं।"

अंतिम लेकिन कम से कम, हमारी चेतना हमारी सभ्यता के विकास के दौरान उत्पन्न सामूहिक मन और सांस्कृतिक स्मृति से आकार लेती है। हम हजारों वर्षों में, हमारी साझा भावनाओं और संवेदी अनुभवों के सामूहिक संचय के उत्पाद हैं, जो पीढ़ी-दर-पीढ़ी पारित होते हैं और इतिहास में परिलक्षित होते हैं। बातचीत, सामान्य चुटकुले, कटाक्ष, प्रतीकवाद सभी अविश्वसनीय रूप से सूक्ष्म मनोवैज्ञानिक संकेत हैं। वही सामूहिक मन नैतिकता और मूल्यों को विकसित करता है जिन पर हम सभी सहज रूप से सहमत हो सकते हैं, भले ही वे तार्किक रूप से उचित न हों। यदि आप प्रेस रिपोर्टों पर विश्वास करते हैं, हालांकि यह एक और नकली की तरह दिखता है, तो स्टैनफोर्ड विश्वविद्यालय में वे एआई को मजाक सिखाने की कोशिश कर रहे हैं और एक अजीबोगरीब सेंस ऑफ ह्यूमर के साथ एक तंत्रिका नेटवर्क विकसित कर रहे हैं। डेवलपर्स के अनुसार, कार्य कठिन हो गया, क्योंकि एआई एक निश्चित एल्गोरिथ्म के अनुसार काम करता है, और इसमें कामचलाऊ व्यवस्था शामिल नहीं है। अब तक, निष्कर्ष निराशाजनक है: आप एआई को मज़ेदार नहीं बना सकते, भले ही आप दुनिया के सभी चुटकुले और उपाख्यानों को तंत्रिका नेटवर्क पर अपलोड कर दें।

और कुछ भी लोगों की तरह संचार नहीं करता है - और जिस तरह से हम एक दूसरे के साथ संवाद करते हैं, लोग किसी और चीज के साथ संवाद नहीं करते हैं। यह महत्वपूर्ण है क्योंकि हमारी सामूहिक बुद्धि में हिस्सेदारी हासिल करने का एकमात्र तरीका किसी व्यक्ति के साथ बातचीत करना है। यदि हम अन्य लोगों की तरह मशीनों के साथ बातचीत नहीं करते हैं, तो यह सामूहिक अनुभव और बुद्धिमत्ता उनके लिए उपलब्ध नहीं है। वे हमारी सहानुभूति प्रणाली का हिस्सा नहीं हैं। हां, हमें अपने "प्रिय" कंप्यूटर के लिए खेद हो सकता है, शायद हम इसे फेंक भी नहीं पाएंगे। लेख के लेखक ने अपना पहला एक - एएमडी 133 मेगाहर्ट्ज प्रोसेसर पर 500 एमबी एचडीडी के साथ रखा, जिसे 1990 के दशक में शानदार के लिए खरीदा गया था। $750. लेकिन मैं उनका जन्मदिन नहीं मनाता, मैं पेंट्री में समय नहीं बिताता और मेरे पास उनके साथ उदासीन बातचीत नहीं है: "क्या आपको याद है कि हम DOOM II में कैसे थे ..."। हालांकि हमारे पास पसंदीदा चीजें हैं, लेकिन उनके साथ हमारा भावनात्मक संबंध नहीं है, हमारा केवल उन घटनाओं से संबंध है जो कुछ चीजों से जुड़ी हैं (डेमिस रूसो द्वारा प्रस्तुत सुंदर गीत "स्मृति चिन्ह से स्मृति चिन्ह" के बारे में सोचें)। अन्यथा, यह पहले से ही बुतपरस्ती है - निर्जीव भौतिक वस्तुओं की पूजा, जिसके लिए अलौकिक गुणों को जिम्मेदार ठहराया गया है, या एक मानसिक विकार है, लेकिन इस मामले में हम संघों के साथ काम कर रहे हैं।

जब लोग मानव मस्तिष्क के कंप्यूटर की तरह काम करने या मानव की तरह AI सीखने की बात करते हैं, तो वे लाक्षणिक रूप से बोल रहे होते हैं। यह अनुमान लगाने की एक लंबी परंपरा का हिस्सा माना जा सकता है कि हमारा दिमाग कैसे काम करता है और हमारी चेतना वास्तव में क्या है। जब भी हम एक नई तकनीक का आविष्कार करते हैं, तो मस्तिष्क के कामकाज के लिए इसे एक सादृश्य के रूप में उपयोग करने का एक मजबूत प्रलोभन होता है। जब हमने बिजली का आविष्कार किया, तो हमने मस्तिष्क में विद्युत धाराओं के बारे में बात करना शुरू कर दिया। जब टेलीग्राफ दिखाई दिया, तो हमने तय किया कि मस्तिष्क भी असतत संकेत भेजता है। कई लोगों का यह मानना ​​कि मानव मस्तिष्क कंप्यूटर की तरह काम करता है (और इसलिए पहली जगह में एक तार्किक मशीन है) सिर्फ हमारा अनुमान है। हम वास्तव में नहीं जानते कि मस्तिष्क कैसे काम करता है, यह कार्य हमारी चेतना में कैसे अनुवादित होता है और यह कहाँ, कैसे संग्रहीत होता है। हम एक निश्चित गतिविधि और परिणाम देखते हैं जिसे हम तंत्रिका नेटवर्क में मॉडल करने में कामयाब रहे, लेकिन हम इस प्रक्रिया को नहीं देखते हैं और न ही समझते हैं।

बातचीत को देखकर हम निष्कर्ष निकालते हैं, लेकिन शायद हम ऐसी स्थिति में हैं जहां हम तय करते हैं कि तिलचट्टा, जिसके पैर फटे हुए थे, सुनना बंद कर देता है, क्योंकि यह अब दस्तक से दूर नहीं भागता है। यह संभावना है कि यदि हम कंप्यूटर के साथ एक सादृश्य बनाते हैं, तो हमारे "डेटाबेस" तक पहुंचने के लिए केवल एक निश्चित इंटरफ़ेस, पासवर्ड और लॉगिन होता है, जो एक निश्चित क्लाउड में संग्रहीत होता है, और हम एक त्वरित एक्सेस तकनीक का उपयोग करते हैं जो अभी भी अज्ञात है हमें। क्यों नहीं? तकनीकी दृष्टिकोण से, यह सही समझ में आता है। शायद इसीलिए हमें कभी-कभी जानकारी मिलती है, जैसा कि हमें लगता है, किसी और के जीवन से, यह हमारे सिस्टम में "बग" की तरह दिखता है। यह बहुत कम संभावना है कि जब हमने एआई के वर्तमान सिद्धांत को विकसित किया तो हमने मानव मस्तिष्क को आंशिक रूप से दोहराया। यहां तक ​​​​कि जिसे हम तंत्रिका नेटवर्क कहते हैं, वह हमारी वर्तमान समझ (चित्र 2) पर आधारित एक सादृश्य है।

चावल। 2.

इन कारणों से, हम दूसरी राय को स्वीकार कर सकते हैं, यानी यह दावा कि एक मशीन सहानुभूति महसूस कर सकती है, लेकिन इस सिद्धांत में दोष यह है कि हम मानव मस्तिष्क और चेतना के विशाल रहस्यमय संचालन को कम कर देते हैं जिसे समझा जा सकता है, पुन: उत्पन्न किया जा सकता है और तर्क द्वारा नियंत्रित मशीन से नकल करें। ऐसा नहीं है कि हम एआई की क्षमताओं को कम आंकते हैं, बल्कि यह कि हम अपनी क्षमताएं कितनी जटिल हैं, इसे बहुत कम आंकते हैं।

यह हमें एक और प्रश्न पर वापस लाता है: क्या यह मायने रखता है कि "कृत्रिम सहानुभूति" सच्ची सहानुभूति नहीं है, भले ही यह हमारे साथ उसी तरह से बातचीत करता हो? एक और भ्रम के मृत अंत में न पड़ने के लिए इसे समझना बहुत महत्वपूर्ण है - कि एक कंप्यूटर या एक प्रोग्राम ने सोचना शुरू कर दिया है। परिणाम दुखद हो सकते हैं, हमने मशीनगनों को पहले ही इतना कुछ दे दिया है, यह तय करते हुए कि उन्होंने इसके लिए पर्याप्त "होशियार" किया है। जिसे हम एआई कहते हैं और वास्तविक बुद्धिमत्ता के बीच की रेखा कहाँ है? हमें ऐसा लगता है कि यह भावुकता में छिपा है। आइए सहानुभूति के एक समझने योग्य उदाहरण के साथ जारी रखें।

कृत्रिम सहानुभूति लोगों द्वारा भेजे जाने वाले संकेतों को देखने, सीखने, प्रतिक्रिया करने और उनकी नकल करने का काम करती है। जैसे-जैसे गहन शिक्षण एआई आगे बढ़ता है और हर चीज के साथ काम करने की क्षमता बढ़ती है बड़े सेटइससे निपटने और सहानुभूति की उपस्थिति (या छवि) देने में ये कार्यक्रम बेहतर और बेहतर होंगे। हालाँकि, सच्ची सहानुभूति में भावनात्मक संकेतों को देखने और उनका जवाब देने से कहीं अधिक शामिल है, चाहे आपको इनमें से कितने भी संकेतों के साथ काम करना पड़े। क्यों? क्योंकि लोग जो सिग्नल भेजते हैं, वे वास्तव में उनके द्वारा अनुभव किए जाने वाले संकेतों का एक छोटा सा अंश होते हैं। हम जो करते हैं और कहते हैं, उसे देखकर दूसरे लोग हमारे बारे में क्या सोचते हैं, इसके योग से हम सभी बहुत अधिक हैं। हमारे पास क्षमताएं, भावनाएं, यादें और अनुभव हैं जो हमारे व्यवहार को प्रभावित करते हैं और जरूरी नहीं कि वे बाहर दिखाई दें। उन्हें सहज ज्ञान युक्त होना चाहिए, भले ही उन पर बिल्कुल भी ध्यान न दिया जाए। उदाहरण: हम अक्सर एक तस्वीर या चित्र में खुद को या एक अच्छी तरह से (बिल्कुल अच्छी तरह से) परिचित व्यक्ति को नहीं पहचानते हैं, लेकिन बाकी - कोई समस्या नहीं है। एक चित्र के साथ, मामले को दार्शनिक रूप से समझाया जा सकता है - "वस्तुनिष्ठ वास्तविकता की व्यक्तिपरक धारणा द्वारा।" एक "ऑब्जेक्टिव" फोटो के साथ, इसका कारण यह है कि यह हमें एक छीना हुआ पल देता है, और हम खुद को और जाने-माने लोगों को एक जटिल के रूप में देखते हैं, बाकी के लिए, हमारे पास पर्याप्त सहसंबंध है, जो कि हमारा दिमाग अच्छा है।

चीजें और अधिक जटिल हो जाती हैं जब मशीनें ऐसे निर्णय लेने लगती हैं जिनके गंभीर परिणाम होते हैं, और भावनात्मक संदर्भ और साझा मूल्यों के बिना लोग ऐसे मामलों में उपयोग करते हैं। हेनरी ए किसिंजर ने हाल ही में द अटलांटिक के लिए एआई के प्रभावों के बारे में लिखा एक लेख में यह प्रमुख विषयों में से एक था। उदाहरण के लिए, एक मानव रहित वाहन को लें, जो एक आसन्न दुर्घटना की स्थिति में, यह तय करे कि माता-पिता या बच्चे को मारना है या नहीं। क्या ऐसी मशीन कभी लोगों को यह समझाने में सक्षम होगी कि यह कुछ विकल्प क्यों बनाती है? और अगर मशीन के कार्यों को मानवीय परिणामों के साथ और मानवीय दृष्टिकोण से उचित ठहराने की आवश्यकता नहीं है, तो हमारी नैतिकता और न्याय प्रणाली का क्या होगा? आप इसे कार में कैसे डालते हैं? आखिरकार, हमें अपनी भावनाओं को त्यागकर मशीन का पक्ष लेना होगा, दुनिया को उसकी आंखों से देखना होगा। क्या हम इसके लिए सक्षम हैं?

यदि हम कृत्रिम सहानुभूति को मानव से बदल दें तो ऐसी प्रक्रिया आसान और सरल हो जाएगी। एआई मानव अंतःक्रियाओं की नकल कर सकता है, लेकिन हमारे मुकाबले क्या हो रहा है, इसकी बहुत संकीर्ण समझ के साथ। प्रक्रियाओं या रणनीतियों के प्रबंधन में एआई को जो भूमिका निभानी चाहिए, उसे चुनते समय हमें इसे ध्यान में रखना होगा। कार के संबंध में लेख के इस भाग में हमने जिस सहानुभूति के बारे में बात की, वह बहुत महत्वपूर्ण भूमिका निभाती है। शायद इसीलिए वे सहायक रोबोटों को एक मानवीय रूप और एक सुखद आवाज देने की कोशिश करते हैं (छद्म वैज्ञानिक फिल्मों में वे किसी कारण से खाते हैं और न केवल)।

लेख के पहले भाग में वर्णित गेमिंग सिस्टम को विकसित करते समय, जिसमें लेखक ने न केवल इलेक्ट्रॉनिक फिलिंग के एक डेवलपर के रूप में, बल्कि एक डिजाइनर और एक विचारक के रूप में भी भाग लिया, हमें ऐसी समस्या का सामना करना पड़ा। हमारी मशीनों में से दूसरा, और यह पहले से ही 100% रोबोट था (जैसा कि अपेक्षित था, गुलजार और मोड़), "लाइव" डीलरों की तुलना में अधिक कुशलता से काम किया, गलती नहीं की, और अधिक आर्थिक प्रभाव दिया। लेकिन मिश्रित विकल्प अधिक लोकप्रिय था - कुछ खिलाड़ियों ने एक "लाइव" डीलर चुना, जिसका काम केवल मुस्कुराना और एक जूते से एक कार्ड निकालना था (एक जुआ टेबल पर ताश खेलने का वितरक)। इस मामले में, सहानुभूति ने काम किया, जो कि हमारी पूरी तरह से रोबोटिक प्रणाली, जैसे कि एक यादृच्छिक नक्शा जनरेटर के साथ प्रणाली, एक प्राथमिकता नहीं थी।

Google का डुप्लेक्स सिस्टम ऐसा लग सकता है कि इसमें सहानुभूति है, लेकिन यह सहानुभूति सख्ती से उस कार्य के लिए प्रासंगिक है जो हाथ में है। उदाहरण के लिए, किसी रेस्तरां में टेबल बुक करना। डुप्लेक्स को किसी दिए गए एल्गोरिथम के बाहर किसी भी भावना का पता लगाने, या किसी विशिष्ट स्थिति के आधार पर उसके व्यवहार को पुनर्व्यवस्थित करने के लिए प्रशिक्षित नहीं किया जाता है। यदि टेलीफोन लाइन के दूसरे छोर पर मौजूद व्यक्ति की आवाज मित्रवत और घबराहट वाली लगती है, तो क्या डुप्लेक्स उसके साथ पर्याप्त रूप से संवाद कर सकता है? क्या वह किसी व्यक्ति को जीतने और उसे शांत करने का कोई तरीका खोज सकता है? क्या वह रेस्तरां के भीड़-भाड़ वाले समय में एक मुफ्त टेबल खोजने के लिए भीख माँग सकता है? मानव संचार सूचना के कुशल आदान-प्रदान से कहीं अधिक है, और यहीं पर वास्तविक और कृत्रिम सहानुभूति का उपयोग करने के निहितार्थ विशेष रूप से महत्वपूर्ण हो जाते हैं।

यदि हम मौलिक रणनीतिक निर्णय एआई को हस्तांतरित करते हैं, तो इसकी भागीदारी से उत्पादित अंतिम उत्पाद के मूल्य की परिभाषा (अन्यथा, इस एआई की बिल्कुल आवश्यकता क्यों है?) एक आश्चर्यजनक दर से घट जाएगी। लेकिन जोखिम यह है कि एआई अन्य तत्वों की उपेक्षा करता है जो मानव चेतना को अलग-अलग तरीकों से प्रभावित करते हैं, मानव आत्मा के तार पर खेलते हैं, जैसा कि "एक्स मशीन" से उसी एवा ने केवल एक स्पष्ट लक्ष्य प्राप्त करने के लिए किया था।

मानव बुद्धि इतनी शक्तिशाली है क्योंकि यह केवल तर्कसंगत सोच तक ही सीमित नहीं है। चेतना के तत्व हमें अपने आसपास की दुनिया की अप्रत्याशितता और अनिश्चितता से निपटने की अनुमति देते हैं। वे हमें साझा मूल्यों और प्रेरणाओं के आधार पर निर्णय लेने में सक्षम बनाते हैं जो सामूहिक रूप से प्रतिध्वनित होते हैं, और यह जानने के लिए कि क्या सही है, यह जानने के लिए भी कि यह क्यों है। सहानुभूतिपूर्ण मानव बुद्धि यह अनुभव करने में सक्षम है कि वह दुखी या खुश होने के लिए क्या अनुभव करता है - और यह इन भावनाओं को अपने निर्णयों और दूसरों के साथ अपने व्यवहार को प्रभावित करने की अनुमति देता है। मशीन चाहे तो भी ऐसा नहीं कर सकती थी, क्योंकि यह हमारी सभ्यता का एक उत्पाद है। अन्य सभ्यताओं में, सब कुछ अलग हो सकता है - उदाहरण के लिए, व्लादिमीर वायसोस्की की तरह, अपनी तरह का "बड़े सम्मान से" खाने में कुछ भी गलत नहीं होगा: "जो कोई भी इसे बिना नमक और बिना प्याज के खाता है, वह मजबूत, साहसी होगा। अच्छा ... "।

एक मशीन को बुद्धिमान बनने के लिए, हमें उसे मूल्य मॉडल देना होगा। कौन सा? हम अपने पैमाने को जानते हैं और हम इसे कला - साहित्य और सिनेमा में पेश करने के प्रयास देखते हैं, लेकिन हम वास्तव में पहले से ही "सोच" मशीन को क्या दे सकते हैं? हमारी राय में, कुछ भी नहीं। उसके लिए भले और बुरे के ज्ञान का वृक्ष कैसे उगाएं, और उसे किस प्रकार के फल देने चाहिए? यदि हम इस मार्ग का अनुसरण करते हैं, तो यह हमें एक वास्तविक टकराव की ओर ले जाएगा, मशीनों का अपना दर्शन, धर्म आदि होगा। केवल एक चीज जो हम भाग्यशाली हैं, वह है आज्ञाएँ, लेकिन हम इसके बारे में इसके अंतिम भाग में बात करेंगे। लेख..

इस साल, यांडेक्स ने एलिस वॉयस असिस्टेंट लॉन्च किया। नई सेवा उपयोगकर्ता को समाचार और मौसम सुनने, सवालों के जवाब पाने और बस बॉट के साथ संवाद करने की अनुमति देती है। "ऐलिस" कभी-कभी चुटीला, कभी-कभी यह लगभग उचित और मानवीय रूप से व्यंग्यात्मक लगता है, लेकिन अक्सर वह समझ नहीं पाती कि उससे क्या पूछा जा रहा है, और वह एक पोखर में बैठ जाती है।

इस सब ने न केवल चुटकुलों की एक लहर को जन्म दिया, बल्कि कृत्रिम बुद्धिमत्ता के विकास के बारे में चर्चाओं के एक नए दौर को भी जन्म दिया। स्मार्ट एल्गोरिदम ने जो हासिल किया है, उसके बारे में खबरें आज लगभग हर दिन आ रही हैं, और मशीन लर्निंग को खुद को समर्पित करने के लिए सबसे आशाजनक क्षेत्रों में से एक कहा जाता है।

कृत्रिम बुद्धि के बारे में मुख्य प्रश्नों को स्पष्ट करने के लिए, हमने कृत्रिम बुद्धि और मशीन सीखने के तरीकों के विशेषज्ञ सर्गेई मार्कोव के साथ बात की, सबसे शक्तिशाली रूसी शतरंज कार्यक्रमों में से एक के लेखक स्मारथिंक और 22 वीं शताब्दी परियोजना के निर्माता।

सर्गेई मार्कोव,

कृत्रिम बुद्धि विशेषज्ञ

एआई के बारे में भ्रांतियां दूर करना

तो "कृत्रिम बुद्धिमत्ता" क्या है?

"कृत्रिम बुद्धि" की अवधारणा कुछ हद तक अशुभ है। प्रारंभ में वैज्ञानिक समुदाय में उत्पन्न होने के बाद, यह अंततः विज्ञान कथा साहित्य में प्रवेश कर गया, और इसके माध्यम से पॉप संस्कृति में, जहां इसने कई बदलाव किए, कई व्याख्याएं प्राप्त कीं, और अंत में पूरी तरह से रहस्यमय हो गया।

इसलिए हम अक्सर गैर-विशेषज्ञों से ऐसे बयान सुनते हैं जैसे: "एआई मौजूद नहीं है", "एआई नहीं बनाया जा सकता"। एआई के क्षेत्र में किए गए शोध के सार की गलतफहमी लोगों को आसानी से अन्य चरम सीमाओं तक ले जाती है - उदाहरण के लिए, आधुनिक एआई सिस्टम को चेतना, स्वतंत्र इच्छा और गुप्त उद्देश्यों की उपस्थिति का श्रेय दिया जाता है।

आइए मक्खियों को कटलेट से अलग करने का प्रयास करें।

विज्ञान में, कृत्रिम बुद्धिमत्ता बौद्धिक समस्याओं को हल करने के लिए डिज़ाइन की गई प्रणालियों को संदर्भित करती है।

बदले में, एक बौद्धिक कार्य एक ऐसा कार्य है जिसे लोग अपनी बुद्धि की सहायता से हल करते हैं। ध्यान दें कि इस मामले में, विशेषज्ञ जानबूझकर "खुफिया" की अवधारणा को परिभाषित करने से बचते हैं, क्योंकि एआई सिस्टम के आगमन से पहले, बुद्धि का एकमात्र उदाहरण मानव बुद्धि था, और एक उदाहरण के आधार पर बुद्धि की अवधारणा को परिभाषित करना वही है एक बिंदु के माध्यम से एक सीधी रेखा खींचने की कोशिश कर रहा है। आप जितनी चाहें उतनी पंक्तियाँ हो सकती हैं, जिसका अर्थ है कि बुद्धि की अवधारणा के बारे में बहस सदियों तक चल सकती है।

"मजबूत" और "कमजोर" कृत्रिम बुद्धि

AI सिस्टम को दो बड़े समूहों में बांटा गया है।

एप्लाइड आर्टिफिशियल इंटेलिजेंस(वे अंग्रेजी परंपरा में "कमजोर एआई" या "संकीर्ण एआई" शब्द का भी उपयोग करते हैं - कमजोर / लागू / संकीर्ण एआई) एक एआई है जिसे किसी एक बौद्धिक कार्य या उनमें से एक छोटी संख्या को हल करने के लिए डिज़ाइन किया गया है। इस वर्ग में शतरंज खेलने, गो, छवि पहचान, भाषण, बैंक ऋण जारी करने या न जारी करने पर निर्णय लेने आदि के लिए सिस्टम शामिल हैं।

लागू एआई के विपरीत, अवधारणा पेश की गई है यूनिवर्सल आर्टिफिशियल इंटेलिजेंस("मजबूत एआई", अंग्रेजी में - मजबूत एआई / आर्टिफिशियल जनरल इंटेलिजेंस) - यानी एक काल्पनिक (अब तक) एआई किसी भी बौद्धिक समस्याओं को हल करने में सक्षम है।

अक्सर लोग, शब्दावली को नहीं जानते हुए, AI को मजबूत AI से पहचानते हैं, इस वजह से, "AI मौजूद नहीं है" की भावना में निर्णय उत्पन्न होते हैं।

मजबूत एआई वास्तव में अभी तक मौजूद नहीं है। एआई के क्षेत्र में पिछले दशक में हमने जो प्रगति देखी है, वह व्यावहारिक रूप से लागू प्रणालियों में हुई है। इन सफलताओं को कम करके नहीं आंका जा सकता है, क्योंकि कुछ मामलों में लागू प्रणालियां बौद्धिक समस्याओं को सार्वभौमिक मानव बुद्धि की तुलना में बेहतर तरीके से हल करने में सक्षम हैं।

मुझे लगता है कि आपने देखा कि एआई की अवधारणा काफी व्यापक है। मान लीजिए कि मानसिक गणना भी एक बौद्धिक कार्य है, जिसका अर्थ है कि किसी भी गणना करने वाली मशीन को एआई सिस्टम माना जाएगा। खातों के बारे में क्या? अबेकस? एंटीकाइथेरा तंत्र? दरअसल, यह सब औपचारिक है, हालांकि आदिम, लेकिन एआई सिस्टम। हालाँकि, आमतौर पर, किसी सिस्टम को AI सिस्टम कहते हुए, हम इस सिस्टम द्वारा हल किए गए कार्य की जटिलता पर जोर देते हैं।

यह बिल्कुल स्पष्ट है कि बौद्धिक कार्यों का सरल और जटिल कार्यों में विभाजन बहुत ही कृत्रिम है, और कुछ कार्यों की जटिलता के बारे में हमारे विचार धीरे-धीरे बदल रहे हैं। 17वीं शताब्दी में यांत्रिक गणना मशीन तकनीक का एक चमत्कार था, लेकिन आज, जो लोग बचपन से ही अधिक जटिल तंत्रों का सामना कर रहे हैं, वे अब प्रभावित नहीं कर पा रहे हैं। जब गो या कार ऑटोपायलट में कारों का खेल जनता को आश्चर्यचकित करना बंद कर देता है, तो निश्चित रूप से ऐसे लोग होंगे जो इस तथ्य से विचलित होंगे कि कोई ऐसी प्रणाली को एआई के लिए जिम्मेदार ठहराएगा।

"रोबोट-उत्कृष्ट छात्र": एआई सीखने की क्षमता के बारे में

एक और अजीब गलतफहमी यह है कि एआई सिस्टम में स्वयं सीखने की क्षमता होनी चाहिए। एक ओर, यह एआई सिस्टम की अनिवार्य संपत्ति नहीं है: कई अद्भुत प्रणालियां हैं जो स्वयं सीखने में सक्षम नहीं हैं, लेकिन फिर भी, मानव मस्तिष्क की तुलना में कई समस्याओं को बेहतर ढंग से हल करती हैं। दूसरी ओर, कुछ लोग बस यह नहीं जानते हैं कि स्व-शिक्षा एक ऐसी विशेषता है जिसे कई एआई सिस्टम ने पचास साल से भी पहले हासिल कर लिया है।

जब मैंने 1999 में अपना पहला शतरंज कार्यक्रम लिखा था, इस क्षेत्र में स्व-अध्ययन पहले से ही एक आम बात थी - कार्यक्रम खतरनाक स्थितियों को याद रखने में सक्षम थे, अपने लिए शुरुआती विविधताओं को समायोजित करने, खेलने की शैली को समायोजित करने, प्रतिद्वंद्वी को समायोजित करने में सक्षम थे। बेशक, वे कार्यक्रम अभी भी अल्फा ज़ीरो से बहुत दूर थे। हालांकि, तथाकथित "सुदृढीकरण सीखने" प्रयोगों में अन्य प्रणालियों के साथ बातचीत के आधार पर व्यवहार सीखने वाले सिस्टम भी पहले से मौजूद थे। हालांकि, कुछ अकथनीय कारणों से, कुछ लोग अभी भी सोचते हैं कि आत्म-सीखने की क्षमता मानव बुद्धि का विशेषाधिकार है।

मशीन लर्निंग, एक संपूर्ण वैज्ञानिक अनुशासन, कुछ समस्याओं को हल करने के लिए शिक्षण मशीनों की प्रक्रियाओं से संबंधित है।

मशीन लर्निंग के दो बड़े ध्रुव हैं - पर्यवेक्षित शिक्षण और अनुपयोगी शिक्षण।

पर एक शिक्षक के साथ सीखनामशीन में पहले से ही कुछ मामलों के लिए सशर्त रूप से सही समाधान हैं। इस मामले में सीखने का कार्य उपलब्ध उदाहरणों के आधार पर मशीन को स्वीकार करना सिखाना है सही निर्णयअन्य, अज्ञात स्थितियों में।

दूसरी अति - शिक्षक के बिना सीखना. यानी मशीन को ऐसी स्थिति में रखा जाता है जहां सही समाधान अज्ञात होते हैं, केवल कच्चे, बिना लेबल वाले रूप में डेटा होता है। यह पता चला है कि ऐसे मामलों में कुछ सफलता हासिल करना संभव है। उदाहरण के लिए, आप किसी भाषा में शब्दों के बीच शब्दार्थ संबंधों की पहचान करने के लिए एक मशीन को पाठों के एक बहुत बड़े सेट के विश्लेषण के आधार पर सिखा सकते हैं।

एक प्रकार की पर्यवेक्षित शिक्षा सुदृढीकरण सीखना है। विचार यह है कि एआई सिस्टम कुछ मॉडल वातावरण में रखे गए एजेंट के रूप में कार्य करता है जिसमें यह अन्य एजेंटों के साथ बातचीत कर सकता है, उदाहरण के लिए, स्वयं की प्रतियों के साथ, और एक इनाम समारोह के माध्यम से पर्यावरण से कुछ प्रतिक्रिया प्राप्त करता है। उदाहरण के लिए, एक शतरंज कार्यक्रम जो खुद के साथ खेलता है, धीरे-धीरे अपने मापदंडों को समायोजित करता है और इस तरह धीरे-धीरे अपने खेल को मजबूत करता है।

सुदृढीकरण सीखना एक काफी व्यापक क्षेत्र है, जिसमें कई दिलचस्प तरीके, विकासवादी एल्गोरिदम से लेकर बायेसियन अनुकूलन तक। खेलों के लिए एआई में हालिया प्रगति सुदृढीकरण सीखने के दौरान एआई के प्रवर्धन से संबंधित है।

प्रौद्योगिकी जोखिम: क्या हमें कयामत से डरना चाहिए?

मैं एआई अलार्मिस्टों में से नहीं हूं, और इस मायने में मैं अकेला नहीं हूं। उदाहरण के लिए, स्टैनफोर्ड मशीन लर्निंग कोर्स के निर्माता एंड्रयू एनजी, एआई के खतरों की तुलना मंगल ग्रह पर अधिक जनसंख्या की समस्या से करते हैं।

दरअसल, भविष्य में यह संभावना है कि मनुष्य मंगल ग्रह का उपनिवेश करेंगे। यह भी संभावना है कि मंगल ग्रह पर देर-सबेर जनसंख्या की समस्या उत्पन्न हो सकती है, लेकिन यह पूरी तरह से स्पष्ट नहीं है कि हमें इस समस्या से अभी क्यों निपटना चाहिए? कन्वेन्शनल न्यूरल नेटवर्क के निर्माता Yn और यांग लेकुन, Yn और उनके बॉस मार्क जुकरबर्ग और जोशुआ बेन्यो से सहमत हैं, एक ऐसा व्यक्ति जिसका शोध काफी हद तक उस शोध के कारण है जिसके आधुनिक तंत्रिका नेटवर्क क्षेत्र में जटिल समस्याओं को हल करने में सक्षम हैं। वर्ड प्रोसेसिंग की।

इस समस्या पर अपने विचार प्रस्तुत करने में शायद कई घंटे लगेंगे, इसलिए मैं केवल मुख्य थीसिस पर ही ध्यान केंद्रित करूंगा।

1. एआई विकास को सीमित न करें

इस क्षेत्र में प्रगति को सीमित करने या रोकने की कोशिश से जुड़े जोखिमों की अनदेखी करते हुए अलार्मिस्ट एआई के संभावित व्यवधान से जुड़े जोखिमों पर विचार करते हैं। मानव जाति की तकनीकी शक्ति अत्यंत तीव्र गति से बढ़ रही है, जो एक प्रभाव की ओर ले जाती है जिसे मैं "सर्वनाश की लागत को सस्ता करना" कहता हूं।

150 साल पहले, पूरी इच्छाशक्ति के साथ, मानवता न तो जीवमंडल को या खुद को एक प्रजाति के रूप में अपूरणीय क्षति पहुंचा सकती थी। 50 साल पहले के विनाशकारी परिदृश्य को लागू करने के लिए, परमाणु शक्तियों की सभी तकनीकी शक्ति को केंद्रित करना आवश्यक होता। कल, कुछ मुट्ठी भर कट्टरपंथी वैश्विक मानव निर्मित आपदा को जीवंत करने के लिए पर्याप्त हो सकते हैं।

इस शक्ति को नियंत्रित करने के लिए मानव बुद्धि की क्षमता की तुलना में हमारी तकनीकी शक्ति बहुत तेजी से बढ़ रही है।

जब तक मानव बुद्धि, अपने पूर्वाग्रहों, आक्रामकता, भ्रम और संकीर्णता के साथ, अधिक सूचित निर्णय लेने में सक्षम प्रणाली द्वारा प्रतिस्थापित नहीं किया जाता है (चाहे वह एआई हो या, जिसे मैं अधिक संभावना मानता हूं, एक तकनीकी रूप से बेहतर मानव बुद्धि को मशीनों के साथ एकीकृत किया जाता है। एकल प्रणाली), हम एक वैश्विक तबाही की प्रतीक्षा कर सकते हैं।

2. अधीक्षण का निर्माण मौलिक रूप से असंभव है

एक विचार है कि भविष्य की एआई निश्चित रूप से अति-बुद्धिमान होगी, मनुष्यों से भी श्रेष्ठ, चींटियों से भी श्रेष्ठ है। इस मामले में, मैं तकनीकी आशावादियों को निराश करने से डरता हूं - हमारे ब्रह्मांड में कई मूलभूत भौतिक सीमाएं हैं, जो, जाहिरा तौर पर, अधीक्षण के निर्माण को असंभव बना देगा।

उदाहरण के लिए, सिग्नल ट्रांसमिशन की गति प्रकाश की गति से सीमित होती है, और हाइजेनबर्ग अनिश्चितता प्लैंक पैमाने पर प्रकट होती है। इसका अर्थ है पहली मौलिक सीमा - ब्रेमरमैन सीमा, जो किसी दिए गए द्रव्यमान m की स्वायत्त प्रणाली के लिए अधिकतम कम्प्यूटेशनल गति पर प्रतिबंध लगाती है।

एक अन्य सीमा लैंडौअर के सिद्धांत से संबंधित है, जिसके अनुसार 1 बिट सूचना को संसाधित करते समय न्यूनतम मात्रा में ऊष्मा निकलती है। बहुत तेज गणना सिस्टम के अस्वीकार्य हीटिंग और विनाश का कारण बनेगी। वास्तव में, आधुनिक प्रोसेसर लैंडौअर सीमा से एक हजार गुना से भी कम पीछे हैं। ऐसा लगता है कि 1000 काफी है, लेकिन एक और समस्या यह है कि कई बौद्धिक कार्य EXPTIME जटिलता वर्ग से संबंधित हैं। इसका मतलब है कि उन्हें हल करने के लिए आवश्यक समय समस्या के आयाम का एक घातीय कार्य है। सिस्टम को कई बार तेज करने से "खुफिया" में केवल निरंतर वृद्धि होती है।

सामान्य तौर पर, यह मानने के बहुत गंभीर कारण हैं कि एक सुपर-बुद्धिमान मजबूत एआई काम नहीं करेगा, हालांकि, निश्चित रूप से, मानव बुद्धि के स्तर को पार किया जा सकता है। यह कितना खतरनाक है? सबसे अधिक संभावना है कि बहुत ज्यादा नहीं।

कल्पना कीजिए कि आप अचानक अन्य लोगों की तुलना में 100 गुना तेजी से सोचने लगे। क्या इसका मतलब यह है कि आप आसानी से किसी भी राहगीर को अपना बटुआ देने के लिए राजी कर पाएंगे?

3. हम किसी और चीज की चिंता करते हैं

दुर्भाग्य से, टर्मिनेटर और क्लार्क और कुब्रिक के प्रसिद्ध एचएएल 9000 पर लाए गए जनता के डर पर अलार्मवादियों की अटकलों के परिणामस्वरूप, एआई सुरक्षा के फोकस में अप्रत्याशित लेकिन शानदार परिदृश्यों के विश्लेषण की ओर एक बदलाव है। साथ ही असली खतरे नजरों से ओझल हो जाते हैं।

कोई भी पर्याप्त जटिल तकनीक जो हमारे तकनीकी परिदृश्य में एक महत्वपूर्ण स्थान पर कब्जा करने का दावा करती है, निश्चित रूप से अपने साथ विशिष्ट जोखिम लाती है। प्रभावी सुरक्षा नियमों और उपायों को लागू किए जाने से पहले - विनिर्माण, परिवहन, आदि में - भाप इंजनों द्वारा कई लोगों की जान नष्ट हो गई थी।

यदि हम एप्लाइड एआई के क्षेत्र में प्रगति के बारे में बात करते हैं, तो हम तथाकथित "डिजिटल सीक्रेट कोर्ट" की संबंधित समस्या पर ध्यान दे सकते हैं। अधिक से अधिक लागू एआई सिस्टम लोगों के जीवन और स्वास्थ्य को प्रभावित करने वाले मुद्दों पर निर्णय लेते हैं। इसमें मेडिकल डायग्नोस्टिक सिस्टम शामिल हैं, और, उदाहरण के लिए, ऐसे सिस्टम जो बैंकों में क्लाइंट को लोन जारी करने या न जारी करने के बारे में निर्णय लेते हैं।

उसी समय, उपयोग किए गए मॉडलों की संरचना, उपयोग किए गए कारकों के सेट और निर्णय लेने की प्रक्रिया के अन्य विवरण उस व्यक्ति से छिपे होते हैं जिसका भाग्य दांव पर होता है।

उपयोग किए गए मॉडल अपने निर्णयों को विशेषज्ञ शिक्षकों की राय पर आधारित कर सकते हैं जिन्होंने व्यवस्थित गलतियाँ कीं या कुछ पूर्वाग्रह थे - नस्लीय, लिंग।

ऐसे विशेषज्ञों के निर्णयों पर प्रशिक्षित एआई अपने निर्णयों में इन पूर्वाग्रहों को ईमानदारी से पुन: पेश करेगा। आखिरकार, इन मॉडलों में विशिष्ट दोष हो सकते हैं।

कुछ लोग अब इन समस्याओं से निपट रहे हैं, क्योंकि निश्चित रूप से, स्काईनेट ने परमाणु युद्ध शुरू करना, निश्चित रूप से, कहीं अधिक शानदार है।

"हॉट ट्रेंड" के रूप में तंत्रिका नेटवर्क

एक ओर, तंत्रिका नेटवर्क एआई सिस्टम बनाने के लिए उपयोग किए जाने वाले सबसे पुराने मॉडलों में से एक है। शुरू में बायोनिक दृष्टिकोण को लागू करने के परिणामस्वरूप दिखाई दिए, वे जल्दी से अपने जैविक प्रोटोटाइप से दूर भाग गए। यहां एकमात्र अपवाद आवेग तंत्रिका नेटवर्क हैं (हालांकि, उन्हें अभी तक उद्योग में व्यापक आवेदन नहीं मिला है)।

हाल के दशकों की प्रगति गहन शिक्षण प्रौद्योगिकियों के विकास से जुड़ी हुई है - एक दृष्टिकोण जिसमें तंत्रिका नेटवर्क को इकट्ठा किया जाता है एक लंबी संख्यापरतें, जिनमें से प्रत्येक कुछ निश्चित नियमित पैटर्न के आधार पर बनाई गई हैं।

नए तंत्रिका नेटवर्क मॉडल के निर्माण के अलावा, सीखने की तकनीकों के क्षेत्र में भी महत्वपूर्ण प्रगति हुई है। आज, तंत्रिका नेटवर्क को अब कंप्यूटर के केंद्रीय प्रोसेसर की मदद से नहीं पढ़ाया जाता है, बल्कि विशेष प्रोसेसर के उपयोग के साथ मैट्रिक्स और टेंसर गणनाओं को जल्दी से करने में सक्षम है। ऐसे उपकरणों का सबसे आम प्रकार आज वीडियो कार्ड है। हालांकि, तंत्रिका नेटवर्क के प्रशिक्षण के लिए और भी अधिक विशिष्ट उपकरणों को सक्रिय रूप से विकसित किया जा रहा है।

सामान्य तौर पर, निश्चित रूप से, तंत्रिका नेटवर्क आज मशीन सीखने के क्षेत्र में मुख्य तकनीकों में से एक है, जिसके लिए हम कई समस्याओं का समाधान करते हैं जिन्हें पहले असंतोषजनक रूप से हल किया गया था। दूसरी ओर, निश्चित रूप से, आपको यह समझने की आवश्यकता है कि तंत्रिका नेटवर्क रामबाण नहीं हैं। कुछ कार्यों के लिए, वे सबसे प्रभावी उपकरण से दूर हैं।

तो आज के रोबोट वास्तव में कितने स्मार्ट हैं?

सब कुछ सापेक्ष है। वर्ष 2000 की प्रौद्योगिकियों की पृष्ठभूमि के खिलाफ, वर्तमान उपलब्धियां एक वास्तविक चमत्कार की तरह दिखती हैं। हमेशा ऐसे लोग होंगे जो बड़बड़ाना पसंद करते हैं। 5 साल पहले, वे ताकत और मुख्य बात कर रहे थे कि मशीनें गो में लोगों को कभी नहीं हराएंगी (या कम से कम वे बहुत जल्द नहीं जीतेंगे)। ऐसा कहा जाता था कि एक मशीन कभी भी खरोंच से चित्र नहीं खींच पाएगी, जबकि आज लोग मशीनों द्वारा बनाए गए चित्रों और अज्ञात कलाकारों द्वारा बनाई गई पेंटिंग के बीच अंतर करने में व्यावहारिक रूप से असमर्थ हैं। पिछले साल के अंत में, मशीनों ने भाषण को संश्लेषित करना सीखा, मानव से लगभग अप्रभेद्य, और हाल के वर्षों में, मशीनों द्वारा बनाए गए संगीत से कान नहीं मुरझाते।

देखते हैं कल क्या होता है। मैं एआई के इन अनुप्रयोगों को बड़ी आशावाद के साथ देखता हूं।

आशाजनक निर्देश: AI के क्षेत्र में गोता लगाना कहाँ से शुरू करें?

मैं आपको सलाह दूंगा कि आप लोकप्रिय तंत्रिका नेटवर्क ढांचे में से एक और मशीन लर्निंग के क्षेत्र में लोकप्रिय प्रोग्रामिंग भाषाओं में से एक (आज सबसे लोकप्रिय TensorFlow + Python) में से एक को अच्छे स्तर पर मास्टर करने का प्रयास करें।

इन उपकरणों में महारत हासिल करने और आदर्श रूप से गणितीय सांख्यिकी और संभाव्यता सिद्धांत के क्षेत्र में एक मजबूत आधार होने के बाद, आपको अपने प्रयासों को उस क्षेत्र में निर्देशित करना चाहिए जो व्यक्तिगत रूप से आपके लिए सबसे दिलचस्प होगा।

काम के विषय में रुचि आपके सबसे महत्वपूर्ण सहायकों में से एक है।

मशीन लर्निंग विशेषज्ञों की आवश्यकता विभिन्न क्षेत्रों में मौजूद है - चिकित्सा में, बैंकिंग में, विज्ञान में, निर्माण में, इसलिए आज एक अच्छे विशेषज्ञ के पास पहले से कहीं अधिक विकल्प हैं। इनमें से किसी भी उद्योग के संभावित लाभ मुझे इस तथ्य की तुलना में महत्वहीन लगते हैं कि काम आपको खुशी देगा।