बहुत से लोग सोचते हैं कि कृत्रिम बुद्धिमत्ता दूर का भविष्य है, लेकिन हम हर दिन इसका सामना करते हैं।

सऊदी अरब, 2017। दुनिया के पहले रोबोट को मिली नागरिकता यह मीडिया स्पेस में आर्टिफिशियल इंटेलिजेंस तकनीकों की सबसे प्रसिद्ध प्रतिनिधि सोफिया है। वह जानती है कि बातचीत को कैसे बनाए रखना है, 62 प्रशंसनीय चेहरे के भावों को पुन: पेश करता है, एलोन मस्क और मानवता के विनाश के बारे में उत्तेजक बयान और चुटकुले बनाता है।

ऐसा लगता है कि ऐसी प्रौद्योगिकियां अभी भी "मात्र नश्वर" से बहुत दूर हैं, और वास्तव में हम दैनिक आधार पर कृत्रिम बुद्धि के साथ बातचीत करते हैं। तो यह क्या है, इसे कहाँ खोजना है, और मशीनें कैसे सीखने का प्रबंधन करती हैं?

क्या कब कहां

यह पूछे जाने पर कि आर्टिफिशियल इंटेलिजेंस (एआई) क्या है, विकिपीडिया जवाब देगा कि यह कम्प्यूटेशनल भाषाविज्ञान और सूचना विज्ञान का एक खंड है जो मनुष्यों द्वारा किए गए कार्यों से मिलते-जुलते कार्यों को औपचारिक रूप देता है।

सरल शब्दों में, कृत्रिम बुद्धिमत्ता (AI) कंप्यूटर विज्ञान की एक व्यापक शाखा है जिसका उद्देश्य मशीनों द्वारा मानव बुद्धि का अनुकरण करना है। और यद्यपि 2000 के दशक की शुरुआत से इस तकनीक के बारे में कहीं सक्रिय रूप से बात की गई है, यह नए से बहुत दूर है।

शब्द "कृत्रिम बुद्धिमत्ता" को 1956 में डार्टमाउथ कॉलेज के प्रोफेसर जॉन मैकार्थी द्वारा गढ़ा गया था, जब उन्होंने यह निर्धारित करने के लिए वैज्ञानिकों की एक छोटी टीम का नेतृत्व किया कि क्या मशीनें परीक्षण और त्रुटि के माध्यम से बच्चों की तरह सीख सकती हैं, अंततः औपचारिक सोच विकसित कर सकती हैं।

वास्तव में, यह परियोजना यह पता लगाने के इरादे पर आधारित थी कि कैसे मशीनों को "भाषा, अमूर्त रूपों का उपयोग करें, उन समस्याओं को हल करें जो मनुष्य आमतौर पर हल करते हैं, और सुधारते हैं।" और वह 60 साल पहले की बात है।

AI की मांग अभी क्यों उठी है

1. आज हम अभूतपूर्व मात्रा में जानकारी के साथ काम कर रहे हैं। पिछले कुछ वर्षों में, दुनिया का 90% डेटा तैयार किया गया है। इस आंकड़े का पहली बार आईबीएम द्वारा 2013 में एक अध्ययन में उल्लेख किया गया था, लेकिन प्रवृत्ति स्थिर बनी हुई है। दरअसल, पिछले तीन दशकों में हर दो साल में, दुनिया में डेटा की मात्रा में लगभग 10 गुना वृद्धि हुई है।

2. एल्गोरिदम अधिक परिष्कृत होते जा रहे हैं, और तंत्रिका नेटवर्क वाली मशीनें मानव मस्तिष्क के काम करने के तरीके को पुन: उत्पन्न करने और जटिल संघ बनाने में सक्षम हैं।

3. कंप्यूटिंग शक्ति लगातार बढ़ रही है और बड़ी मात्रा में डेटा को संसाधित करने में सक्षम है।

यह सब एक साथ रखो, और हमारे पास बहुत सारे तकनीकी कर्मचारी, कंपनी के अधिकारी और उद्यम पूंजीपति हैं जो एआई विकास में निवेश कर रहे हैं और प्रौद्योगिकी की उन्नति में रुचि रखते हैं।

"कृत्रिम बुद्धि" और हम

आर्टिफिशियल इंटेलिजेंस प्रौद्योगिकियों ने दशकों से जनता की कल्पना पर कब्जा कर लिया है, लेकिन बहुतों को यह एहसास नहीं है कि वे हर दिन उनका उपयोग कर रहे हैं।

इसलिए, विशेष कंपनी स्पॉटहब ने दुनिया के विभिन्न हिस्सों से 1400 लोगों का एक यादृच्छिक सर्वेक्षण किया, और यह पता चला कि उनमें से 63% एआई के दैनिक महत्व को नहीं समझते हैं।

शायद ऐसा इसलिए है क्योंकि जब आर्टिफिशियल इंटेलिजेंस की बात आती है, तो हम एक ऐसे बुद्धिमान रोबोट को देखने की उम्मीद करते हैं जो हमारी तरह बोलता और सोचता हो। और यद्यपि सोफिया और इसी तरह की मशीनें अब भविष्य से "हैलो" की तरह लग सकती हैं, फिर भी यह आत्म-चेतना से दूर एक तकनीक है।

अब हम कई अविश्वसनीय रूप से परिष्कृत कृत्रिम बुद्धिमत्ता उपकरणों से घिरे हुए हैं जिन्हें के सभी पहलुओं को सुविधाजनक बनाने के लिए डिज़ाइन किया गया है आधुनिक जीवन... यहां उनमें से कुछ दिए गए हैं:

सिरी, एलेक्सा और कॉर्टाना जैसे खोज सहायक मानव आवाज प्रसंस्करण और पहचान सॉफ्टवेयर से लैस हैं, जो उन्हें एआई उपकरण बनाते हैं। अब तक, ध्वनि खोज क्षमता 3.9 बिलियन . पर उपलब्ध है सेब के उपकरण, Android और Windows पूरी दुनिया में, और वह अन्य निर्माताओं की गिनती नहीं कर रहा है। इसकी व्यापकता के लिए, आवाज खोज अल समर्थन के साथ सबसे आधुनिक तकनीकों में से एक है।

वीडियो गेम

वीडियो गेम ने लंबे समय से अल का उपयोग किया है, जो पिछले कई दशकों में जटिलता और दक्षता में तेजी से बढ़ा है। इसके परिणामस्वरूप, उदाहरण के लिए, आभासी पात्र अपने वातावरण का विश्लेषण करते हुए पूरी तरह से अप्रत्याशित तरीके से व्यवहार करने में सक्षम होते हैं।

स्वायत्त कारें

पूरी तरह से स्वायत्त कारें वास्तविकता के करीब पहुंच रही हैं। इस साल, Google ने एक एल्गोरिथम की घोषणा की जो सीख सकता है कि कार कैसे चलाना है ठीक उसी तरह जैसे एक व्यक्ति करता है - अनुभव के माध्यम से। विचार यह है कि अंततः कार सड़क पर "देखने" में सक्षम होगी और वह निर्णय ले सकेगी जो वह देखता है।

माल की पेशकश

टारगेट और अमेज़ॅन जैसे बड़े खुदरा विक्रेता अपने स्टोर की आपकी ज़रूरतों का अनुमान लगाने की क्षमता के लिए लाखों धन्यवाद करते हैं। उदाहरण के लिए, Amazon.com पर सिफारिश सेवा मशीन लर्निंग तकनीकों पर आधारित है, जो प्रसंस्करण केंद्रों में स्वचालित आवाजाही और ऑर्डर पूर्ति के लिए सर्वोत्तम मार्ग चुनने में भी मदद करती है।

आपूर्ति श्रृंखलाएं और पूर्वानुमान और संसाधन आवंटन प्रणालियां इन प्रौद्योगिकियों के आधार पर काम करती हैं। प्राकृतिक भाषण को समझने और पहचानने की तकनीक ने एलेक्सा सेवा का आधार बनाया। डीप लर्निंग कंपनी की नई ड्रोन पहल, प्राइम एयर और नए रिटेल आउटलेट्स, अमेज़ॅन गो में मशीन विजन टेक्नोलॉजी पर आधारित है।

ऑनलाइन ग्राहक सहायता

सेवा उद्योग में, चैटबॉट्स ने सेवा में क्रांति ला दी है, और उपभोक्ता उन्हें फोन या ईमेल की तरह ही सुविधाजनक पाते हैं।

अवधारणा सरल है: एक एआई बॉट जो एक एंटरप्राइज़ वेबसाइट पर चलता है, विज़िटर के अनुरोधों का जवाब देता है जैसे: कीमत क्या है? आपकी कंपनी का फ़ोन नंबर क्या है? आपका कार्यालय कहाँ है? विज़िटर को उनकी आवश्यक जानकारी के लिए साइट पर खोज करने के बजाय एक सीधी प्रतिक्रिया प्राप्त होती है।

यह भी पढ़ें:आर्टिफिशियल इंटेलिजेंस स्वायत्त हथियारों को किलर रोबोट में बदल सकता है। यह वास्तव में डरावना क्यों है

समाचार पोर्टल

आर्टिफिशियल इंटेलिजेंस वित्तीय रिपोर्ट, खेल कवरेज आदि जैसी सरल कहानियां लिखने में सक्षम है। इस हैलोवीन के लिए, मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के शोधकर्ताओं ने बनाया है

परिचय

कृत्रिम बुद्धि के विचारों की उत्पत्ति की तलाश करते समय, कई तथ्यों और मिथकों का हवाला दिया जा सकता है। क्रेते द्वीप की रक्षा के लिए ज़ीउस द्वारा बनाए गए प्राचीन ग्रीक रोबोट टैलोस से, या एडा लवलेस के साथ चार्ल्स बैबेज और 19 वीं शताब्दी के मध्य के उनके विश्लेषणात्मक इंजन, मिंस्की और मेकार्टनी के विचारों के लिए, जिन्होंने एआई की आधुनिक परिभाषा बनाई। किसी प्रोग्राम या मशीन द्वारा की गई कोई भी क्रिया, जिसके बारे में, यदि यह किसी व्यक्ति द्वारा किया जाता है, तो हम कहेंगे कि उसे बुद्धि या सरलता दिखाने की जरूरत है।

मैं 1683 में गैलीलियो गैलीली की पुस्तक "दो नए विज्ञानों के वार्तालाप और गणितीय प्रमाण" में एआई की उत्पत्ति देखता हूं।

इस पुस्तक में, गैलीलियो ने, विशेष रूप से, लिखा है कि दुनिया में सब कुछ, सहित प्राकृतिक घटनाएं, गणित की भाषा में व्यक्त किया जा सकता है। यह पता चला है कि किसी भी घटना या क्रिया के लिए, आप एक एल्गोरिथ्म के साथ आ सकते हैं। इस प्रकार, कृत्रिम बुद्धि सभी अवसरों के लिए एल्गोरिदम का एक सेट है। और एआई की मुख्य क्षमताओं में से एक उपलब्ध डेटा के आधार पर नए एल्गोरिदम को स्वतंत्र रूप से संश्लेषित करने की क्षमता होगी।

संक्षिप्त रूप में, यह पहले से ही संभव है। उदाहरण के लिए, Google का AlphaGo, 30 मिलियन चालों के डेटाबेस का विश्लेषण करने और कई हज़ार बार स्वयं के साथ अभ्यास करने के बाद, दुनिया के सर्वश्रेष्ठ गो खिलाड़ी को मात देने में सक्षम था।

और आईबीएम डॉक्टरों की मदद के लिए अपने वाटसन सुपरकंप्यूटर को प्रशिक्षण दे रही है। कार्य प्राकृतिक भाषा में पूछे गए प्रश्नों के उत्तर खोजने के लिए कंप्यूटर को सिखाना है, अर्थात वाटसन एक चिकित्सा सर्वेक्षण करना सीखता है। एक तरह का डिफरेंशियल डायग्नोसिस गेम, डॉ हाउस के बजाय सिर्फ एक कंप्यूटर। दरअसल, यहीं पर हम कहानी खत्म करते हैं। आम लोगों के दिमाग में, "आयरन मैन", टर्मिनेटर, या, सबसे खराब, रोबोकॉप के बारे में कॉमिक्स से कृत्रिम बुद्धिमत्ता जार्विस है (फिल्म में, यह जोड़ा गया एआई है जो साइबोर्ग को बहुत जल्दी और सटीक रूप से शूट करने में मदद करता है) . बेशक, यह विकल्प होता है, लेकिन आइए आज जो उपलब्ध है उससे शुरू करें।

आज एआई कितने प्रकार के हैं?

सामान्य तौर पर, सभी प्रकार के AI को दो श्रेणियों में विभाजित किया जा सकता है - कमजोर या सीमित AI और सामान्य या मजबूत AI।

कमजोर एआई

दरअसल, नाम अपने लिए बोलते हैं। एआई आज पहला प्रकार है - सीमित, अर्थात कुछ कार्यों के लिए बुद्धि को तेज किया जाता है। उदाहरण के लिए, जब सैमसंग वादा करता है कि 2020 तक उसके प्रत्येक डिवाइस में एआई होगा, तो इसका मतलब एक सीमित विकल्प है। उदाहरणों में सिरी या ऐलिस शामिल हैं, जो ठीक वही कर सकते हैं जो उन्हें करने के लिए प्रोग्राम किया गया है। ऐलिस तब भी जवाब देती है जब वह कुछ नहीं जानती या नहीं जानती कि कैसे: "प्रोग्रामर ने मुझे बाद में यह सिखाने का वादा किया।"

इस प्रकार में Google और यांडेक्स मानचित्र शामिल हैं जो ट्रैफिक जाम और प्लॉट मार्गों का विश्लेषण करते हैं, कैमरे जो दृश्यों को पहचानते हैं, एक बुद्धिमान ओवन जो स्वतंत्र रूप से गर्मी के स्तर को नियंत्रित करता है, और एक रोबोट वैक्यूम क्लीनर, जो चाहे आप इसे कैसे भी समझाएं, केवल वैक्यूम करना जानता है और चप्पल नहीं देंगे।

और अब तक, यह सीमित AI है - यह एकमात्र प्रकार की कृत्रिम बुद्धिमत्ता है जिसमें मानवता ने महारत हासिल की है। कमजोर एआई को उन प्रमुख कार्यों में विभाजित किया जा सकता है जिन पर विशेषज्ञ आज काम कर रहे हैं। यह:

• वाक् पहचान;
• कंप्यूटर दृष्टि;
• प्राकृतिक भाषा प्रसंस्करण;
• पैटर्न, या डेटा विश्लेषण के लिए खोज;
• रोबोटिक्स।

इन समस्याओं का समाधान प्राप्त करने के दो तरीके हैं, अर्थात्, एक निश्चित एआई को अपने शब्दों को समझना और चित्रों को पहचानना सिखाना।

1. प्रतीकात्मक दृष्टिकोण।

   यह दृष्टिकोण 40 के दशक के उत्तरार्ध से 90 के दशक की शुरुआत तक अग्रणी था। विधि उस पर आधारित है जिसे माना जाता था सबसे अच्छा तरीकाएआई को "प्रशिक्षित" करने के लिए जितना संभव हो उतना ज्ञान खिलाना है। उदाहरण के लिए, चिकित्सा के संदर्भ में बोलते हुए, सभी प्रकार की पाठ्यपुस्तकों और ज्ञानकोषों को एआई में लोड किया जाता है। और AI केवल उपलब्ध जानकारी के आधार पर उत्तर की तलाश कर रहा है, केवल प्रोग्रामर द्वारा बनाए गए नियमों के अनुसार ज्ञान को संसाधित कर रहा है।

   तदनुसार, इस प्रकार का AI स्थैतिक समस्याओं को हल करने के लिए अच्छा है। उदाहरण के लिए, आप इसमें रूसी भाषा पर सभी पाठ्यपुस्तकों को लोड कर सकते हैं, और एआई निबंधों की अच्छी तरह से जांच करने, वर्तनी, विराम चिह्न त्रुटियों को खोजने और ध्यान केंद्रित करने में सक्षम होगा। आर्थोपेडिक मानदंड, भाषण त्रुटियों और कमियों को भी अलग करने में सक्षम होंगे। हालाँकि, वह ऐसा केवल नियमों के आधार पर करेगा, यानी संदर्भ को नहीं समझेगा, बल्कि सही शब्द क्रम और वर्तनी को अलग करेगा।

   एक अन्य उदाहरण मशीनी अनुवाद है। चरित्र-प्रशिक्षित एआई सभी प्रकार के शब्दकोशों और वाक्यांश-पुस्तिकाओं से लैस है। और यदि अनुवाद के लिए उसे पेश किया गया वाक्यांश उनमें से एक में है, तो वह इसका अच्छी तरह से अनुवाद करेगा, और यदि नहीं, तो वह केवल निर्धारित नियमों के आधार पर शब्दों, पूर्वसर्गों और वाक्य संरचना को प्रतिस्थापित करेगा।

2. मशीन लर्निंग, या गैर-प्रतीकात्मक एआई।

   प्रतीकात्मक प्रशिक्षण के विपरीत, इस प्रकार के प्रशिक्षण का अर्थ है कि कृत्रिम बुद्धि को दिखाया गया था कि एक निश्चित समस्या को कैसे हल किया जाए, और फिर स्वतंत्र रूप से तैरने की अनुमति दी जाए। इस प्रकार तंत्रिका नेटवर्क काम करते हैं। मुझे एक उदाहरण के बारे में पढ़ना याद है जहां एक प्रोग्रामर ने एआई को स्प्रिंकलर के नियंत्रण से जोड़ा और सिखाया कि पड़ोसी की बिल्ली को पानी से कैसे भगाया जाए, जिसे लॉन में शौचालय जाने की आदत हो गई थी। प्रोग्रामर ने एआई को बिल्लियों की कई तस्वीरें दिखाईं, जिसके बाद कृत्रिम बुद्धिमत्ता ने हर बार पानी के पैड को चालू करने के लिए एक पलटा विकसित किया, उसे ऐसा लगा कि उसने कुछ ऐसा देखा है जो बिल्ली जैसा दिखता है। सिस्टम हमेशा सुचारू रूप से काम नहीं करता था। ऐसा लग रहा था कि जब एआई ने फुटपाथ पर छाया को बिल्ली समझ लिया तो यह किसी तरह चालू हो गया।

   यदि हम अनुवाद के साथ एक उदाहरण के बारे में बात करते हैं, तो एक प्रशिक्षित एआई वाक्यांश के संदर्भ को समझने की कोशिश कर सकता है और अनुवाद में स्थानापन्न कर सकता है, न कि पहला शब्द जो बुनियादी आवश्यकताओं को पूरा करता है, लेकिन वह, जो उनकी राय में, शैली को बेहतर ढंग से दर्शाता है। , भावना, कठबोली या कुछ और, जिसके साथ उसे प्रशिक्षित किया गया था।

आज, अधिकांश प्रोग्रामर दूसरे प्रकार - मशीन लर्निंग का उपयोग करना पसंद करते हैं, क्योंकि वह जानता है कि कैसे बोलना है, सुधार करना है। उदाहरण के लिए, यदि एक स्वायत्त कार को पहले प्रकार के अनुसार प्रशिक्षित किया जाता है, तो वह नियमों के अनुसार चलाएगी, लेकिन यदि सड़क पर कोई अप्रत्याशित स्थिति उत्पन्न होती है, तो कार मुश्किल में होगी। और मशीन लर्निंग में प्रशिक्षित एक मशीन परिस्थितियों पर कार्य कर सकती है, पहले से दी गई जानकारी के आधार पर विचारों का संश्लेषण कर सकती है।

समस्या तुरंत उत्पन्न होती है। कुंजी में से एक महत्वपूर्ण विशेषताएंप्रतीकात्मक एआई यह है कि सिस्टम हमेशा समझा सकता है कि उसने एक विशेष निर्णय क्यों लिया। लेकिन मशीन लर्निंग के मामले में चीजें आसान नहीं हैं। यही कारण है कि वही UBER या Tesla यह पता लगाने में बहुत समय लगाते हैं कि उनकी कारों ने ऐसा या वह निर्णय क्यों लिया जिससे दुर्घटना हुई।

हालांकि, समान कारों के लिए, प्रतीकात्मक प्रशिक्षण उपयुक्त नहीं है, क्योंकि एआई के लिए सभी नियम मैन्युअल रूप से दर्ज किए गए हैं, यानी अपेक्षाकृत बोलते हुए, आपको कार के लिए सभी विकल्पों को पंजीकृत करने की आवश्यकता है - एक व्यक्ति सड़क पर भाग गया, एक घुमक्कड़ लुढ़क गया, एक बॉक्स उड़ गया, आदि। मैं कुछ रजिस्टर करना भूल गया, और अचानक यह पता चला कि कार ने एक मूस मारा, क्योंकि नियमों के सेट में इसके बारे में कुछ भी नहीं कहा गया था, जबकि एआई मशीन यह अनुमान लगाने में सक्षम होगी कि चारों को गोली मारना असंभव है- टांगों वाला।

कमजोर एआई, जैसा कि आप देख सकते हैं, इसकी सीमाओं के बावजूद, इसका उपयोग करने के कई तरीके हैं - यह स्मार्ट तकनीक है, और स्वतंत्र कारें हैं, और भविष्य की भविष्यवाणी करने के प्रयासों के साथ डेटा प्रोसेसिंग है। वैसे, Google डुप्लेक्स, जो एक रेस्तरां में टेबल ऑर्डर करना जानता है, वह भी एक सीमित एआई है, क्योंकि यह वही कर सकता है जो इसे करने के लिए प्रशिक्षित किया गया था।

मजबूत एआई (स्वतंत्र)

यहां परिकल्पनाओं का क्षेत्र शुरू हो जाता है, क्योंकि मानवता ने कभी ऐसा कुछ नहीं देखा है। शायद यह केवल Google या IBM की आंतों में है कि कुछ आधा-अधूरा रहता है। पिछले Google I / O सम्मेलन में, एक बहुत ही स्मार्ट चीनी महिला, फी फी ली, जो Google क्लाउड में मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस में सबसे ऊपर है, ने कहा कि हालांकि AI अनुसंधान को 60 साल से अधिक हो गए हैं, लेकिन विज्ञान है अभी भी एक प्रारंभिक चरण में है, और अभी तक हम केवल सीमित एआई के विकास में महारत हासिल करने के बारे में ही बात कर सकते हैं।

हालांकि, मैं एक मजबूत एआई के बारे में कुछ कल्पना करने का प्रस्ताव करता हूं और यह निर्धारित करने का प्रयास करता हूं कि यह क्या होना चाहिए और इसे क्या करने में सक्षम होना चाहिए। ऐसा माना जाता है कि एक मजबूत एआई मानसिक रूप से एक औसत व्यक्ति की तरह होता है, यानी सिद्धांत रूप में, वह किसी भी समस्या को हल कर सकता है .. और अगर पहले किसी भी तरह से जॉन कॉनर को नष्ट करने के कार्य का सामना करना पड़ा, तो दूसरा अधिकतम के लिए प्यास एन्ट्रापी टर्मिनेटर, यदि मेट्रो बंद है, तो जॉन कॉनर को बस से मारने के लिए जाएगा, और यदि बस टूट जाती है, तो वह चल जाएगा या टैक्सी बुलाएगा, और बीमार व्यक्ति लिख देगा कि सभी विज्ञापन, कि लेखक को कुछ भी समझ में नहीं आता है , लोकतंत्र और परिष्कार में संलग्न होने का प्रयास करेंगे। दरअसल, दुनिया भर की सरकारें सबसे ज्यादा मजबूत एआई को पकड़ने का सपना देखती हैं ताकि शत्रुता का संचालन किया जा सके और कंप्यूटर ट्रोल बॉट्स की सेना के साथ अमेरिकी चुनावों में तोड़फोड़ की जा सके।

गूगल का कहना है कि अगर सब कुछ ठीक रहा तो 2050 तक शायद सफलता मिलेगी और पहला मजबूत एआई सामने आएगा।

ऐसे एआई की मुख्य कमजोरी यह है कि, अपनी सभी क्षमताओं के बावजूद, यह अभी भी औसत व्यक्ति की तरह अपेक्षाकृत संकीर्ण सोच वाला है, लेकिन, एक व्यक्ति के विपरीत, एक मजबूत एआई सब कुछ याद रखता है और जानकारी की खोज और प्रसंस्करण में बेहतर उन्मुख होता है।

सुपर मजबूत बुद्धि

यह पूरी तरह से कल्पना के दायरे से बाहर है। उदाहरण के लिए, "आयरन मैन" से शुक्रवार / जार्विस को सिर्फ एक मजबूत बुद्धि के लिए जिम्मेदार ठहराया जा सकता है।

अगर आपको याद हो तो किसी एक फिल्म में मुख्य चरित्रटोनी स्टार्क अपने सीने में डालने के लिए कुछ नए गैर-विषैले ऊर्जा स्रोत का आविष्कार करने की कोशिश कर रहे थे। जार्विस ने उसकी सहायता की, लेकिन फिर भी, केवल टोनी स्टार्क ही समस्या का समाधान कर सकता था, क्योंकि एआई में "स्मार्ट" की कमी थी। सुपर मजबूत बुद्धि स्वतंत्र रूप से सबसे अधिक हल करने में सक्षम होगी चुनौतीपूर्ण कार्य... यह उसके लिए है कि मानवता एक प्रश्न पूछेगी, जिसका वह "42" का उत्तर देगा, और फिर सुपर-मजबूत एआई सभी लोगों को तरल पदार्थ के साथ वत्स में डाल देगा और चुने हुए की घटना का निर्माण करेगा (यह बकवास नहीं है, लेकिन "द हिचहाइकर गाइड टू द गैलेक्सी" और फिल्म "द मैट्रिक्स" पुस्तक के लिए संकेत)।

क्या आपको एआई से डरना चाहिए?

सभी साइंस फिक्शन फिल्मों के बावजूद, डरने की जरूरत नहीं है, कम से कम तब तक नहीं जब तक कि नवीनतम प्रकार का एआई नहीं आ जाता। हालांकि, आपको उन लोगों से डरने की ज़रूरत है जो विकास में लगे हुए हैं, क्योंकि गलती के कारण या जानबूझकर उसी सीमित एआई में, "सभी लोगों को सिखाओ" के बजाय नियम "सभी लोगों को मार डालो" रखा जा सकता है। और फिर एआई के लिए, मामला छोटा है - बस शब्दकोश में सभी शब्दों के अर्थ स्पष्ट करने और व्यवसाय में उतरने के लिए।

हालांकि, यहां तक ​​​​कि सीमित एआई के विकास ने पहले ही आधुनिक समाज में कई समस्याओं का नेतृत्व किया है और आगे भी जारी रहेगा।

पहली समस्या

समस्याओं में से एक पारंपरिक कैरियर सीढ़ी का विनाश है, क्योंकि एआई के विकास से उन नौकरियों को छोड़ दिया जाता है जिनके लिए मध्यवर्ती कौशल स्तरों की आवश्यकता होती है। मुझे और अधिक विस्तार से समझाएं। कंप्यूटर में डेटा दर्ज करने के लिए आपको एक सस्ते श्रम बल की आवश्यकता होती है, क्योंकि अपेक्षाकृत बोलते हुए, एक व्यक्ति अभी भी "कैप्चा" को बेहतर ढंग से पहचानने में सक्षम है। इसे उन लोगों की भी आवश्यकता है जो कंप्यूटर द्वारा संसाधित डेटा के आधार पर निर्णय लेंगे। लेकिन सामान्य विश्लेषकों की अब आवश्यकता नहीं है, क्योंकि वे सीखे गए एल्गोरिदम के आधार पर डेटा का विश्लेषण और अध्ययन करते हैं। उदाहरण के लिए, मेरे समय में एक विश्लेषक के रूप में, मैं पूर्वानुमान लगाने के लिए 42 विभिन्न डेटा प्रोसेसिंग विकल्पों से लैस था। इन सभी विकल्पों को एक साफ-सुथरी प्रस्तुति में व्यवस्थित किया गया है, जिसका मैं नियमित रूप से यह पता लगाने के लिए संदर्भित करता हूं कि किसी स्थिति में कौन सी विधि का उपयोग करना सबसे अच्छा है। मुझे एआई के साथ बदलना तार्किक और उचित लगता है, क्योंकि यह पूर्वानुमान कार्यों को बहुत तेजी से सामना करेगा। तदनुसार, एक अंतर प्राप्त होता है जब पारंपरिक कैरियर की सीढ़ीएक कनिष्ठ विश्लेषक से एक नेता तक, क्योंकि करियर के निचले भाग में बुद्धिमत्ता का प्रदर्शन करने के लिए व्यावहारिक रूप से कोई पैंतरेबाज़ी नहीं होती है।

दूसरी समस्या

इसके अलावा, एआई के कारण, धीरे-धीरे उन बुनियादी व्यवसायों को अस्वीकार कर दिया जाएगा जिन्हें एल्गोरिथम बनाया जा सकता है, यानी सरल कार्यों में कम किया जा सकता है। कुछ इसी तरह अब "औचन" और "लेंटा" में देखा जा सकता है, जहां कैशियर के स्वयं-सेवा मशीनों के साथ-साथ एक कर्मचारी जो उभरती समस्याओं को हल करने में मदद करता है, और एक सुरक्षा गार्ड जो आदेश रखता है, के साथ धीरे-धीरे प्रतिस्थापन होता है। भविष्य में, गार्ड को निगरानी कैमरों से बदल दिया जाएगा जो व्यवस्था बनाए रखते हैं। यह पता चला है कि लोगों के मूल्य में कमी आएगी।

व्यवसायों को एआई द्वारा प्रतिस्थापित किए जाने की सबसे अधिक संभावना है: डाकिया, जौहरी, लकड़हारे, किसान, कारखाने के कर्मचारी, बीमाकर्ता

मैंने पढ़ा है कि सैन फ्रांसिस्को कुछ हद तक इस समस्या के उदाहरण के रूप में काम कर सकता है। संयुक्त राज्य अमेरिका के इस शहर को तकनीकी अभिजात वर्ग द्वारा चुना गया है। तदनुसार, शहर की अर्थव्यवस्था का उद्देश्य अभिजात वर्ग की जरूरतों को पूरा करना है, लेकिन जो लोग प्रौद्योगिकी अर्थव्यवस्था से संबंधित नहीं हैं उन्हें भारी समस्याओं का सामना करना पड़ रहा है। वे बहुत कम कमाते हैं, और शहर में सभी मूल्य टैग आईटी स्टार्टअप के लिए प्रदर्शित होते हैं। साधारण लोग इस तरह के खर्च को वहन नहीं कर सकते, इसलिए वे या तो चले जाते हैं या पहले से ही बेघर लोगों की विशाल सेना को भर देते हैं।

हालांकि, यहां एक प्रमुख विशेषता है जो कुछ व्यवसायों को संरक्षित रखेगी। आर्टिफिशियल इंटेलिजेंस को काम करने के लिए सृजित परिस्थितियों की आवश्यकता होती है। उदाहरण के लिए, एक रोबोट वैक्यूम क्लीनर केवल एक चिकनी मंजिल पर ड्राइव कर सकता है और छोटी अनियमितताओं को दूर कर सकता है। तदनुसार, कई बुनियादी पेशे तब तक टिके रहेंगे जब तक कृत्रिम प्रतिस्थापन बनाना बहुत कठिन और महंगा है। उदाहरण के लिए, कई दरवाजों वाले कमरे में, एक सफाई रोबोट को दरवाज़े के हैंडल को चालू करने के लिए या तो जोड़तोड़ करने की आवश्यकता होती है, या यह आवश्यक है कि सभी दरवाजे अपने आप खुल जाएँ। दोनों काफी महंगे हैं, लेकिन मध्य एशिया के नवागंतुक सरहट के पास पोछे और दरवाजे की घुंडी को संभालने के लिए पर्याप्त हाथ और दिमाग है, लेकिन कोई पंजीकरण और कम वेतन की आवश्यकताएं नहीं हैं।

समस्या तीन

यहां तक ​​कि सीमित एआई ने भी फ्रीलांसिंग की घटना को बहुत प्रेरित किया है। रिमोट रिक्रूटिंग और रिक्रूटिंग प्लेटफॉर्म हर साल अधिक से अधिक फलते-फूलते हैं। उदाहरण के लिए, नवीनतम आंकड़ों के अनुसार, दुनिया की पहली अर्थव्यवस्था, संयुक्त राज्य अमेरिका में 55 मिलियन फ्रीलांसर हैं।

और यह वर्तमान पीढ़ी में है, दृष्टांत पर एक नज़र डालें। बढ़ता हुआ कार्यबल ऑफिस में बैठना पसंद नहीं करता है। तदनुसार, कार्य के संगठन में एक बदलाव होगा। कंपनियों को कर्मचारियों की भर्ती और उन्हें बनाए रखने में चुनौतियों का सामना करना पड़ेगा, क्योंकि जब आप ऑनलाइन हैं और आप पूरी दुनिया में काम की तलाश कर सकते हैं तो अपना जीवन एक कंपनी को क्यों समर्पित करें।

चौथी समस्या

एक गंभीर समस्या सामाजिक असमानता है, जिसका मैंने पहले ही समस्या संख्या 2 में उल्लेख किया है। यह और भी बदतर हो जाएगी। मुझे लगता है कि आपने लेख से अनुमान लगाया है कि नई दुनिया में सफल होने के लिए, आपको स्मार्ट और आधुनिक तकनीकों से परिचित होने की आवश्यकता है। यह कोई रहस्य नहीं है कि गरीब लोगों की शिक्षा तक बदतर पहुंच है। तदनुसार, गरीब एक नए स्तर को तोड़ने में सक्षम नहीं होंगे, क्योंकि उनके पास कुछ उपयोगी सीखने का मौका नहीं होगा, क्योंकि अच्छी तरह से सोचने के लिए, गहन प्रशिक्षण के वर्षों की आवश्यकता होती है, और इसे कहां प्राप्त करना है, कब आपको भोजन की तलाश करनी होगी।

एक नए समाज को या तो सस्ते श्रम या निर्णय लेने वाले बुद्धिजीवियों की आवश्यकता होती है।

समस्या पांच

इसे संक्षेप में तैयार किया जा सकता है - शीर्ष पर कौन है? एआई सिस्टम विकसित करने वाले लोगों की एक विशेष जिम्मेदारी होगी क्योंकि वे एआई को प्रशिक्षित करते हैं कि एआई निर्णय लेने के लिए किस डेटा का उपयोग करेगा। क्या यह असिमोव के रोबोटिक्स के नियम होंगे या अन्य नियम जो लोगों के एक निश्चित वर्ग की रक्षा करते हैं।

आर्टिफिशियल इंटेलिजेंस एक वरदान क्यों है?

ऊपर सूचीबद्ध समस्याएं कुछ कठिन हैं, लेकिन एआई एक दोधारी तलवार है जो मदद कर सकती है।

लाभ 1

आर्टिफिशियल इंटेलिजेंस कई क्षेत्रों के विकास के लिए एक शक्तिशाली प्रोत्साहन के रूप में काम करेगा। चिकित्सा एक अच्छा उदाहरण है। आज, 21वीं सदी में, डॉक्टर उसी तरह से इलाज कर रहे हैं जैसे सौ साल पहले करते थे। वे पाठ्यपुस्तकों को रट रहे हैं। यह एक बुरा विकल्प है, क्योंकि कोई भी डॉक्टर सभी बीमारियों के सभी लक्षणों को दिल से याद नहीं रख सकता है। ऐसी गलतियों के परिणाम घातक हो सकते हैं। स्थानीय डॉक्टर ने मुझे आखिरी तक आश्वासन दिया कि मेरी माँ की बेचैनी का कारण सर्दी और थकान थी, क्योंकि सभी मुख्य लक्षण मौजूद थे। यह केवल तब था जब पहले ही बहुत देर हो चुकी थी कि सही निदान किया गया था - तीव्र ल्यूकेमिया, एक ऐसी बीमारी जिसे पहचानना काफी मुश्किल है। और इस स्थिति में, एक ऐसा AI होना जो सभी बीमारियों और लक्षणों को याद रखता है और जो कभी नहीं थकता है, वह रास्ता होगा।

कानून के क्षेत्र में भी वही बदलाव हो सकते हैं, जहां वकीलों और न्यायाधीशों को सभी कानूनों, मिसालों और ढेर सारे सबूतों को ध्यान में रखना होगा।

लाभ 2

एआई व्यक्तिगत अनुभव बनाने में मदद करेगा। इस बिंदु को स्पष्ट करने का सबसे अच्छा तरीका सीखना है। आज शिक्षक अभिभूत हैं और शारीरिक रूप से सभी छात्रों पर ध्यान देने में असमर्थ हैं। लेकिन नई सामग्री में महारत हासिल करने की हर किसी की अपनी गति होती है। एआई-आधारित शिक्षण प्रणालियां सीखने की गति को ट्रैक करती हैं, देखें कि क्या छात्र सामग्री को अच्छी तरह से याद करता है या बुरी तरह से, ध्यान से पढ़ता है या विचलित होता है। इसके आधार पर, एक व्यक्तिगत सीखने की गति का निर्माण किया जाता है और समेकन के लिए अभ्यासों का चयन किया जाता है।

साथ ही, एक तथ्य यह भी है कि लोगों के लिए एआई की मदद से नई सामग्री को समझना आसान होता है, क्योंकि इस मामले में त्रुटि का डर काफी कम हो जाता है। मैं इस कथन से सहमत हो सकता हूं। कंप्यूटर से एक आक्रोशित बीप प्राप्त करना नैतिक रूप से आसान है कि उदाहरण को गलत तरीके से हल किया गया था, मेरे गणित के शिक्षक ओल्गा स्टेपानोव्ना की टकटकी का सामना करने की तुलना में।

एआई सभी लोगों पर बराबर ध्यान दे पाएगा। इसमें शिक्षा और चिकित्सा से लेकर फैशन लुक (शरीर के प्रकार, चेहरे के आकार और मौसम के रुझानों के अनुसार) और जिम प्रशिक्षण तक सब कुछ शामिल है।

लाभ 3

आज हमारी दुनिया पहले से ही सूचनाओं से भरी पड़ी है। कोई भी डेटा हर जगह से एकत्र किया जाता है, मौसम की स्थिति से लेकर एक व्यक्ति कितने कदम चला है।

बड़े डेटा तक पहुंच के साथ आर्टिफिशियल इंटेलिजेंस इस डेटा का विश्लेषण करने में सक्षम होगा और इस बात के बीच संबंध की तलाश करेगा कि चरणों की संख्या स्वास्थ्य को कैसे प्रभावित करती है, लेकिन संक्षेप में नहीं, बल्कि कुछ मौसम को ध्यान में रखते हुए। यात्री प्रवाह की आवाजाही के विश्लेषण से भीड़भाड़ को कम करने में मदद मिलेगी, पीक आवर्स के दौरान ट्रैफिक जाम की संख्या को कम करने में मदद मिलेगी। संक्षेप में, विश्लेषण किए जा सकने वाले डेटा का विश्लेषण किया जाएगा और एआई अपने निष्कर्ष प्रस्तुत करेगा।

निष्कर्ष

आज, कृत्रिम बुद्धिमत्ता ने प्रदर्शित किया है कि यह केवल उन्हीं कार्यों को हल करने में अच्छा है जो इसे सिखाया गया था, और सामान्य लोगों की तुलना में उनसे भी बेहतर। एक रानी के बिना भी एक स्मार्टफोन एक ग्रैंडमास्टर को आसानी से हरा सकता है, जापानी एआई, जिसने एक लघु उपन्यास लिखा, ने इसे साहित्यिक प्रतियोगिता के फाइनल में जगह दी, और उसके भाई अच्छा संगीत लिखते और प्रदर्शन करते हैं।

दुर्भाग्य से, हालांकि, एआई अभी भी अपनी प्रारंभिक अवस्था में है। वह केवल वही कर सकता है जो उसे सिखाया गया था - कई साहित्यिक या संगीत कार्यों का विश्लेषण करने के लिए और अपने स्वयं के कुछ को संश्लेषित करने के लिए, या लाखों चालों को याद रखने और सर्वश्रेष्ठ का चयन करने के लिए।

सीमित एआई के विकास के रास्ते में खड़ी मुख्य समस्याएं आसपास की दुनिया और बुनियादी ढांचे के संज्ञान के लिए सार्वभौमिक एल्गोरिदम की कमी हैं (डेटा एकत्र करने के लिए, आपको बहुत सारे सेंसर की आवश्यकता होती है, आदर्श चिह्नों वाली मानव रहित सड़कों के लिए, मालिक को समझने के लिए) अनुरोध, आवाज सहायकों को बेहतर एल्गोरिदम की आवश्यकता होती है)।

मजबूत कृत्रिम बुद्धि के उद्भव के लिए, मौलिक रूप से अलग कंप्यूटिंग शक्ति और सूचना प्रसंस्करण एल्गोरिदम की आवश्यकता होती है, जिसे लोग अंतर्ज्ञान कहते हैं। शायद, निकट भविष्य में हम सभी प्रकार की स्थितियों के लिए व्यवहार के अंतर्निहित एल्गोरिदम के साथ सीमित एआई के विभिन्न रूपों का निरीक्षण करेंगे।

यह कृत्रिम बुद्धि क्या है? निस्संदेह, कई लोगों ने कारों के बारे में सुना है जो मानव सहायता के बिना अपने आंदोलन को नियंत्रित कर सकते हैं, ऐप्पल के सिरी, अमेज़ॅन के एलेक्सा, Google के सहायक और माइक्रोसॉफ्ट के कॉर्टाना जैसे भाषण पहचान उपकरण। लेकिन ये आर्टिफिशियल इंटेलिजेंस (एआई) की सभी संभावनाओं से कोसों दूर हैं।

एआई को पहली बार 1950 के दशक में "खोजा" गया था। वर्षों से, उतार-चढ़ाव ने उसका इंतजार किया, लेकिन वर्तमान चरणमानव जाति के विकास, कृत्रिम बुद्धि को भविष्य की एक प्रमुख तकनीक के रूप में देखा जाता है। इलेक्ट्रॉनिक्स और तेज प्रोसेसर में प्रगति के साथ, अधिक से अधिक एप्लिकेशन एआई का उपयोग कर रहे हैं। आर्टिफिशियल इंटेलिजेंस एक असामान्य सॉफ्टवेयर तकनीक है जिससे हर इंजीनियर को परिचित होना चाहिए। इस लेख में, हम इस तकनीक का संक्षेप में वर्णन करने का प्रयास करेंगे।

आर्टिफिशियल इंटेलिजेंस को परिभाषित किया गया है

एआई कंप्यूटर विज्ञान का एक उपक्षेत्र है जिसमें मानव मस्तिष्क की नकल करके कंप्यूटर और इलेक्ट्रॉनिक घटकों का बेहतर उपयोग शामिल है। बुद्धिमत्ता ज्ञान और अनुभव प्राप्त करने और समस्याओं को हल करने के लिए इसे लागू करने की क्षमता है। एआई विशेष रूप से डेटा सेट का विश्लेषण और व्याख्या करने और इससे वास्तव में उपयोगी जानकारी निकालने के लिए उपयोगी है। जानकारी से समझ आती है जिसे निर्णय लेने या किसी प्रकार की कार्रवाई करने के लिए लागू किया जा सकता है।

अनुसंधान क्षेत्र

आर्टिफिशियल इंटेलिजेंस एक व्यापक तकनीक है जिसमें कई संभावित अनुप्रयोग हैं। आमतौर पर इसे उप-शाखाओं में विभाजित किया जाता है। आइए उनमें से प्रत्येक का एक छोटा सा अवलोकन करें:

• सामान्य समस्याओं को हल करना जिनका कोई विशिष्ट एल्गोरिथम समाधान नहीं है। अनिश्चितता और अस्पष्टता के साथ समस्याएं।
• विशेषज्ञ प्रणाली - सॉफ्टवेयर जिसमें कई व्यक्तिगत विशेषज्ञों से प्राप्त नियमों, तथ्यों और डेटा का ज्ञान आधार होता है। डेटाबेस से समस्याओं को हल करने, बीमारियों का निदान करने या सलाह देने का अनुरोध किया जा सकता है।
• प्राकृतिक भाषा प्रसंस्करण (एनएलपी) - पाठ विश्लेषण के लिए प्रयुक्त। आवाज पहचान भी (एनएलपी) का हिस्सा है।
• कंप्यूटर दृष्टि - दृश्य जानकारी (फोटो, वीडियो, आदि) का विश्लेषण और समझ। एक उदाहरण मशीन दृष्टि और चेहरा पहचान है। "स्वायत्त" वाहनों और उत्पादन लाइनों में उपयोग किया जाता है।
• रोबोटिक्स रोबोट को अधिक स्मार्ट, अधिक अनुकूली और अधिक आत्मनिर्भर बनाने के बारे में है।
• गेम्स: एआई गेम्स को अच्छा खेलता है। कंप्यूटर पहले से ही शतरंज, पोकर और गो खेलने और जीतने के लिए प्रोग्राम किए गए हैं।
• मशीन लर्निंग ऐसी प्रक्रियाएं हैं जो कंप्यूटर को इनपुट से सीखने और परिणामों की समझ बनाने में सक्षम बनाती हैं। तंत्रिका नेटवर्क मशीन सीखने की रीढ़ हैं।

आर्टिफिशियल इंटेलिजेंस कैसे काम करता है

पारंपरिक कंप्यूटर समस्याओं को हल करने के लिए एल्गोरिदम का उपयोग करते हैं। निर्देशों का एक क्रम आपको परिणाम प्राप्त करने के लिए कदम दर कदम आगे ले जाता है। आर्टिफिशियल इंटेलिजेंस के पारंपरिक रूप ज्ञान के आधारों और अनुमान इंजनों पर निर्भर करते हैं जो यूजर इंटरफेस के माध्यम से ज्ञान के आधार में हेरफेर करने के लिए विभिन्न तंत्रों का उपयोग करते हैं। निम्नलिखित विधियों में से कुछ द्वारा उपयोगी परिणाम प्राप्त किए गए हैं:

• खोज: खोज एल्गोरिदम ग्राफ़ या पेड़ों में एकत्रित जानकारी के डेटाबेस का उपयोग करते हैं। खोज कृत्रिम बुद्धि की प्राथमिक विधि है।
• लॉजिक: डिडक्टिव और इंडक्टिव रीजनिंग का उपयोग यह निर्धारित करने के लिए किया जाता है कि कोई कथन सही है या गलत। इसमें प्रस्तावक तर्क और विधेय तर्क दोनों शामिल हैं।
• नियम: नियम "अगर" बयानों की एक श्रृंखला है जिसे परिणाम निर्धारित करने के लिए पाया जा सकता है। नियम-आधारित प्रणालियों को विशेषज्ञ प्रणाली कहा जाता है।
• संभाव्यता और सांख्यिकी: कुछ समस्याओं को हल किया जा सकता है, और समाधान पाए जाते हैं, संभाव्यता और आंकड़ों के मानक गणितीय सिद्धांत के आवेदन के लिए धन्यवाद।
• सूचियाँ: कुछ प्रकार की सूचनाओं को सूचियों में सहेजा जा सकता है, जो खोजने योग्य हो जाती हैं।
• ज्ञान के अन्य रूप स्कीमा, फ्रेम और स्क्रिप्ट हैं, जो संरचनाएं हैं जो विभिन्न प्रकार के ज्ञान को समाहित करती हैं। खोज विधियां संबंधित प्रश्नों के उत्तर ढूंढती हैं।

खोज, तर्क, संभाव्यता और नियमों जैसी पारंपरिक या विरासती एआई तकनीकों को कृत्रिम बुद्धिमत्ता की पहली लहर माना जाता है। इन विधियों का अभी भी उपयोग किया जाता है और ज्ञान और तर्क द्वारा अच्छी तरह से स्वीकार किया जाता है, खासकर कार्यों की एक संकीर्ण श्रेणी के लिए। एआई की पहली लहर में सीखने और निर्णय लेने के मानवीय लक्षणों का अभाव है। तंत्रिका नेटवर्क और मशीन सीखने के लिए धन्यवाद, ये गुण अब कृत्रिम बुद्धि की दूसरी लहर में उपलब्ध हैं।

तंत्रिका जाल

अधिकांश एआई अनुसंधान और विकास आज तंत्रिका नेटवर्क या कृत्रिम तंत्रिका नेटवर्क (एएनएन) के उपयोग पर आधारित है। ये नेटवर्क कृत्रिम न्यूरॉन्स से बने होते हैं जो मानव मस्तिष्क में न्यूरॉन्स की नकल करते हैं जो हमारी सोच और सीखने के लिए जिम्मेदार होते हैं। प्रत्येक न्यूरॉन एक जटिल संबंध में एक नोड है जो कई न्यूरॉन्स को सिनेप्स के माध्यम से दूसरों से जोड़ता है। एएनएन इस नेटवर्क का अनुकरण करता है।

प्रत्येक नोड में कई भारित इनपुट होते हैं, साथ ही एक आउटपुट और थ्रेशोल्ड सेटिंग (ऊपर चित्र)। ऐसे नोड्स आमतौर पर सॉफ्टवेयर में लागू किए जाते हैं, हालांकि हार्डवेयर इम्यूलेशन भी संभव है। एक विशिष्ट योजनाबद्ध में तीन परतें होती हैं - एक इनपुट परत, एक छिपी (प्रसंस्करण या प्रशिक्षण परत) और एक आउटपुट परत:

कुछ तंत्र प्रतिक्रिया प्रदान करने के लिए बैकप्रोपेगेशन का उपयोग करते हैं जो नई जानकारी प्राप्त होने पर कुछ नोड्स के इनपुट भार को बदल देता है।

मशीन लर्निंग और डीप लर्निंग

मशीन लर्निंग पैटर्न को पहचानने के लिए कंप्यूटर को पढ़ाने की एक विधि है। कंप्यूटर या डिवाइस उदाहरण के साथ "सीखता है" और फिर प्रशिक्षित मूल्य के साथ इनपुट की तुलना करने के लिए विशेष प्रोग्राम चलाता है। आमतौर पर, प्रशिक्षण सॉफ्टवेयर के लिए बड़ी मात्रा में डेटा की आवश्यकता होती है। मशीन लर्निंग प्रोग्राम स्वचालित रूप से सीखने के लिए डिज़ाइन किए गए हैं क्योंकि वे नई सामग्री से अधिक ज्ञान और अनुभव प्राप्त करते हैं।

तंत्रिका नेटवर्क आमतौर पर मशीन सीखने के लिए उपयोग किए जाते हैं, हालांकि अन्य एल्गोरिदम का भी उपयोग किया जा सकता है। सॉफ्टवेयर तब नए इनपुट के आधार पर पहचान में सुधार करने के लिए खुद को संशोधित कर सकता है। कुछ मशीन लर्निंग सिस्टम अब बिना प्रशिक्षण के अपने आप पैटर्न को पहचान सकते हैं, और फिर खुद को और बेहतर बनाने के लिए संशोधित कर सकते हैं।

डीप लर्निंग मशीन लर्निंग का एक उन्नत मामला है। यह तंत्रिका नेटवर्क का भी उपयोग करता है जिसे डीप न्यूरल नेटवर्क (GNN) कहा जाता है। उनमें आपकी क्षमताओं को और बढ़ाने के लिए गणना की अतिरिक्त छिपी हुई परतें शामिल हैं। सामूहिक प्रशिक्षण की आवश्यकता है। प्रोग्रामर इंटरकनेक्ट वेट के साथ खेलकर उत्पादकता में सुधार कर सकते हैं। GNS को मैट्रिक्स प्रोसेसिंग की भी आवश्यकता होती है। हालांकि, यह ध्यान दिया जाना चाहिए कि जीएनएस सांख्यिकीय भार का उपयोग करते हैं, इसलिए परिणाम, कहते हैं, दृश्य मान्यता 100% नहीं हो सकती है। इसके अलावा, इस तरह के सिस्टम को डिबग करना एक बहुत ही श्रमसाध्य काम है।

मशीन लर्निंग और डीप लर्निंग का व्यापक रूप से बड़े डेटा सेट के विश्लेषण के साथ-साथ कंप्यूटर विज़न और स्पीच रिकग्निशन में उपयोग किया जाता है। उन्हें दवा, कानून और वित्त जैसे अन्य क्षेत्रों में भी लागू किया जा सकता है।

आर्टिफिशियल इंटेलिजेंस सॉफ्टवेयर

एआई प्रोग्रामिंग के लिए लगभग किसी भी प्रोग्रामिंग भाषा का उपयोग किया जा सकता है, लेकिन कुछ भाषाओं के कुछ फायदे हैं। विशेष रूप से AI के लिए डिज़ाइन की गई प्रोफाइलिंग भाषाओं में LISP और Prolog शामिल हैं। LISP, सबसे पुरानी उच्च-स्तरीय भाषाओं में से एक, प्रक्रियाओं की सूची। प्रोलॉग तर्क आधारित है। C++ और Python आज लोकप्रिय हैं। विशेषज्ञ प्रणालियों के विकास के लिए विशेष सॉफ्टवेयर भी है।

कई बड़े AI उपयोगकर्ता Amazon, Baidu (चीन), Google, IBM और Microsoft सहित विकास मंच प्रदान करते हैं। ये कंपनियां वॉयस रिकग्निशन जैसे कुछ सामान्य अनुप्रयोगों के लिए शुरुआती बिंदु के रूप में पूर्व-प्रशिक्षित सिस्टम की पेशकश करती हैं। एनवीडिया और एएमडी जैसे प्रोसेसर विक्रेता भी कुछ सहायता प्रदान करते हैं।

आर्टिफिशियल इंटेलिजेंस हार्डवेयर

कंप्यूटर पर आर्टिफिशियल इंटेलिजेंस सॉफ़्टवेयर चलाने के लिए आमतौर पर उच्च गति और बहुत अधिक मेमोरी की आवश्यकता होती है। हालांकि, कुछ साधारण एप्लिकेशन 8-बिट प्रोसेसर पर चल सकते हैं। आज के कुछ प्रोसेसर पर्याप्त से अधिक हैं, और कई समानांतर प्रोसेसर कुछ अनुप्रयोगों के लिए आदर्श हो सकते हैं। इसके अलावा, कुछ अनुप्रयोगों के लिए समर्पित प्रोसेसर विकसित किए गए हैं।

ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू) एक आर्किटेक्चर और निर्देश सेट का एक उदाहरण है जो प्रदर्शन को अनुकूलित करने के लिए दिए गए उपयोग पर ध्यान केंद्रित करता है। उदाहरण के लिए, स्व-ड्राइविंग कारों और एएमडी जीपीयू के लिए समर्पित एनवीडिया प्रोसेसर। Google ने अपने खोज इंजन को अनुकूलित करने के लिए अपने स्वयं के प्रोसेसर विकसित किए हैं। Intel और Knupath अपने अत्याधुनिक प्रोसेसर के लिए सॉफ़्टवेयर समर्थन भी प्रदान करते हैं। कुछ मामलों में, ASIC या FPGA में विशेष तर्क एक विशिष्ट एप्लिकेशन को लागू कर सकते हैं।

गतिविधि और वर्तमान स्थिति

कृत्रिम बुद्धिमत्ता को कभी विदेशी माना जाता था सॉफ्टवेयरविशेष जरूरतों के लिए बनाया गया है। बहुत अधिक मेमोरी वाले उच्च गति वाले कंप्यूटरों की आवश्यकता ने इसके उपयोग को सीमित कर दिया। आज, सुपर फास्ट प्रोसेसर, मल्टी-कोर प्रोसेसर और सस्ती मेमोरी के लिए धन्यवाद, एआई अधिक लोकप्रिय हो गया है। हम सभी दैनिक आधार पर जिन Google सर्च इंजनों का उपयोग करते हैं, वे कृत्रिम बुद्धिमत्ता द्वारा संचालित होते हैं।

आज तक, निस्संदेह तंत्रिका नेटवर्क और गहरी मशीन सीखने पर जोर दिया गया है। जबकि वॉयस रिकग्निशन और सेल्फ-ड्राइविंग कारें सुर्खियों में बनी हुई हैं, अन्य प्रमुख एप्लिकेशन जैसे कि फेशियल रिकग्निशन, सेल्फ-ड्राइविंग नेविगेशन, रोबोटिक्स, मेडिकल डायग्नोस्टिक्स और फाइनेंस उभर रहे हैं। उन्नत सैन्य अनुप्रयोग (जैसे स्वायत्त हथियार) भी विकास में हैं।

एआई का भविष्य आशाजनक लग रहा है। ऑर्बिस रिसर्च के अनुसार, वैश्विक एआई बाजार के 2022 तक बढ़ने की उम्मीद है, जिसमें 35% से अधिक की चक्रवृद्धि वार्षिक वृद्धि दर होगी। इंटरनेशनल डेटा कॉरपोरेशन (IDC) भी उत्साहित है, यह कहते हुए कि कृत्रिम बुद्धिमत्ता पर खर्च 2020 में बढ़कर 47 बिलियन डॉलर होने की उम्मीद है, जो 2016 में 8 बिलियन डॉलर से अधिक है।

बहुत से लोगों के मन में एक तार्किक प्रश्न होता है - क्या कृत्रिम बुद्धिमत्ता कुछ व्यवसायों में लोगों की जगह लेगी, और वे किस तरह के पेशे होंगे? उत्तर इस प्रकार है - "शायद कुछ ही।" आर्टिफिशियल इंटेलिजेंस कंप्यूटर उत्पादकता, दक्षता और निर्णय लेने की गति को बढ़ाकर कुछ व्यवसायों की उत्पादकता में सुधार करने में मदद कर सकते हैं। हालांकि, कुछ औद्योगिक नौकरियां अभी भी समाप्त हो जाएंगी, क्योंकि रोबोटिक्स गति प्राप्त करता है, लेकिन मनुष्यों को मशीनों से बदलने से इन मशीनों के रखरखाव से संबंधित नई नौकरियों का सृजन होगा।

एक और सवाल कई लोगों द्वारा पूछा जाता है कि क्या कृत्रिम बुद्धिमत्ता मानवता के लिए खतरनाक हो सकती है? एआई स्मार्ट है, लेकिन वह स्मार्ट नहीं है। इसका मुख्य उद्देश्य उपलब्ध जानकारी और आसुत ज्ञान के आधार पर डेटा विश्लेषण, समस्या समाधान और निर्णय लेना होगा। लोग अभी भी हावी हैं, खासकर जब नवाचार और रचनात्मकता की बात आती है। हालांकि, भविष्य की भविष्यवाणी करना मुश्किल है। कम से कम विकास के इस स्तर पर, कोई सुपर स्मार्ट रोबोट नहीं हैं, अभी तक नहीं ...

इस साल यांडेक्स ने वॉयस असिस्टेंट एलिस को 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 साहसी, कभी-कभी लगभग उचित और मानवीय रूप से व्यंग्यात्मक लगता है, लेकिन अक्सर यह पता नहीं लगा पाता कि उससे क्या पूछा गया है, और 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 का एक नया दौर भी शुरू किया। आज, स्मार्ट एल्गोरिदम ने क्या हासिल किया है, इसके बारे में खबरें लगभग हर दिन आती 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 घरेलू शतरंज कार्यक्रमों में से एक के लेखक SmarThink और "XXII सदी" परियोजना के निर्माता।

सर्गेई मार्कोव,

कृत्रिम बुद्धि विशेषज्ञ

एआई मिथकों को खारिज करना

तो कृत्रिम बुद्धि क्या है?

"कृत्रिम बुद्धिमत्ता" की अवधारणा कुछ हद तक अशुभ है। मूल रूप से वैज्ञानिक वातावरण में प्रकट होने के बाद, यह अंततः विज्ञान कथा साहित्य में प्रवेश कर गया, और इसके माध्यम से - पॉप संस्कृति में, जहां कई परिवर्तन हुए, कई व्याख्याओं के साथ उग आया और अंत में, पूरी तरह से रहस्यमय हो गया।

इसलिए हम अक्सर गैर-विशेषज्ञों से निम्नलिखित कथनों के बारे में सुनते हैं: "एआई मौजूद नहीं है", "एआई नहीं बनाया जा सकता है।" एआई के क्षेत्र में किए गए शोध के सार को समझने में विफलता आसानी से लोगों को अन्य चरम सीमाओं की ओर 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 बुद्धि 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 दूर चले जाते 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 के रूप में। ऐसी कई सीधी रेखाएँ हो सकती हैं, जिसका अर्थ है कि सदियों तक बुद्धि की अवधारणा के बारे में विवाद छेड़ा जा सकता है।

"मजबूत" और "कमजोर" कृत्रिम बुद्धि

एआई सिस्टम दो बड़े समूहों में आते हैं।

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 समस्या या उनमें से एक छोटी संख्या को हल करने के लिए डिज़ाइन किया गया है। इस वर्ग में शतरंज खेलने, गो, पैटर्न पहचान, भाषण, बैंक ऋण जारी करने या न जारी करने का निर्णय लेने आदि के लिए सिस्टम शामिल हैं।

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

अक्सर लोग, शब्दावली को नहीं जानते, एआई को एक मजबूत एआई के साथ पहचानते हैं, इस वजह से, "एआई मौजूद नहीं है" की भावना में निर्णय उत्पन्न होते हैं।

मजबूत एआई वास्तव में अभी तक मौजूद नहीं है। पिछले एक दशक में हमने एआई में जितने भी विकास देखे हैं उनमें से लगभग सभी लागू सिस्टम हैं। इन सफलताओं को कम करके नहीं आंका जाना चाहिए, क्योंकि कुछ मामलों में लागू प्रणालियां बौद्धिक समस्याओं को सार्वभौमिक मानव बुद्धि से बेहतर तरीके से हल करने में सक्षम हैं।

मुझे लगता है कि आपने देखा है कि एआई की अवधारणा काफी व्यापक है। उदाहरण के लिए, मौखिक गिनती भी एक बौद्धिक कार्य है, जिसका अर्थ है कि किसी भी गिनती मशीन को एआई सिस्टम माना जाएगा। बिलों के बारे में क्या? अबेकस? एंटीकाइथेरा तंत्र? दरअसल, यह सब औपचारिक रूप से आदिम है, लेकिन एआई सिस्टम। हालाँकि, आमतौर पर, किसी सिस्टम को AI सिस्टम कहते हुए, हम इस सिस्टम द्वारा हल की गई समस्या की जटिलता पर जोर देते हैं।

यह बिल्कुल स्पष्ट है कि बौद्धिक कार्यों का सरल और जटिल में विभाजन बहुत ही कृत्रिम है, और कुछ कार्यों की जटिलता के बारे में हमारे विचार धीरे-धीरे बदल रहे हैं। 17वीं शताब्दी में एक यांत्रिक गिनती मशीन तकनीक का चमत्कार था, लेकिन आज जो लोग बचपन से बहुत 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 अब जनता को विस्मित नहीं करेगा, तो निश्चित रूप से ऐसे लोग होंगे जो इस तथ्य पर भौंकेंगे कि कोई इस तरह के सिस्टम को एआई के लिए जिम्मेदार ठहराएगा।

उत्कृष्ट रोबोट: एआई की सीखने की क्षमता पर

एक और अजीब गलतफहमी यह है कि एआई सिस्टम में हमेशा खुद से सीखने की क्षमता होती है। एक ओर, यह एआई सिस्टम की अनिवार्य संपत्ति नहीं है: कई अद्भुत प्रणालियां हैं जो स्वयं सीखने में सक्षम नहीं हैं, लेकिन फिर भी, वे 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 संपत्ति है जिसे कई एआई सिस्टम ने पचास साल से अधिक पहले हासिल किया था।

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

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

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

पर पर्यवेक्षित अध्ययनमशीन में पहले से ही मामलों के एक निश्चित सेट के लिए कई सशर्त रूप से सही समाधान हैं। इस मामले में सीखने का कार्य उपलब्ध उदाहरणों के आधार पर मशीन को सिखाना, अन्य अज्ञात स्थितियों में सही निर्णय लेना है।

दूसरा चरम है बिना शिक्षक के पढ़ाना... 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 की जा सकती है। उदाहरण के लिए, आप एक मशीन को किसी भाषा के शब्दों के बीच अर्थपूर्ण संबंधों की पहचान करने के लिए 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 एक निश्चित 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, अपनी प्रतियों के साथ, और 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 विकासवादी एल्गोरिदम से लेकर बायेसियन अनुकूलन तक कई दिलचस्प तकनीकें हैं। खेलों के लिए एआई में हालिया प्रगति ने सुदृढीकरण सीखने में एआई को बढ़ाने पर ध्यान केंद्रित किया है।

प्रौद्योगिकी विकास जोखिम: क्या आपको कयामत से डरना चाहिए?

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

दरअसल, भविष्य में यह संभावना है कि मनुष्य मंगल का उपनिवेश करेंगे। यह भी संभावना है कि मंगल 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? ईन और यांग लेकन के साथ सहमत हैं - दृढ़ तंत्रिका नेटवर्क के निर्माता, और उनके प्रमुख मार्क जुकरबर्ग, और योशुआ बेंजो - एक व्यक्ति, जिसका मुख्य रूप से धन्यवाद आधुनिक तंत्रिका नेटवर्क वर्ड प्रोसेसिंग के क्षेत्र में जटिल समस्याओं को हल करने में सक्षम हैं।

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

अलार्मिस्ट एआई के संभावित विनाशकारी प्रभावों से जुड़े जोखिमों पर विचार करते हैं, जबकि इस क्षेत्र में प्रगति को सीमित करने या रोकने की कोशिश से जुड़े जोखिमों की अनदेखी करते हैं। मानव जाति की तकनीकी शक्ति बहुत तेज गति से बढ़ रही है, जो एक प्रभाव की ओर ले जाती है जिसे मैं "सर्वनाश का सस्तापन" कहता हूं।

150 साल पहले, पूरी इच्छा के साथ, मानव जाति जीवमंडल या खुद को एक प्रजाति के रूप में अपूरणीय क्षति नहीं पहुंचा सकती थी। 50 साल पहले के विनाशकारी परिदृश्य को लागू करने के लिए, परमाणु शक्तियों की सभी तकनीकी शक्ति को केंद्रित करना आवश्यक होगा। कल, कुछ मुट्ठी भर कट्टरपंथी एक वैश्विक मानव निर्मित तबाही को जीवन में लाने के लिए पर्याप्त हो सकते हैं।

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

यदि अपने पूर्वाग्रहों, आक्रामकता, भ्रम और सीमाओं के साथ मानव बुद्धि को अधिक सूचित निर्णय लेने में सक्षम प्रणाली द्वारा प्रतिस्थापित नहीं किया जाता है (चाहे वह एआई हो या, जैसा कि मुझे लगता है कि अधिक संभावना है, तकनीकी रूप से बेहतर मानव बुद्धि को एक प्रणाली में मशीनों के साथ जोड़ा गया है), हम एक वैश्विक आपदा की प्रतीक्षा कर सकते हैं।

2. अधीक्षण का निर्माण मौलिक रूप से असंभव है

एक विचार है कि भविष्य की एआई निश्चित रूप से अधीक्षण होगी, इंसानों से भी ज्यादा इंसानों से बढ़कर चींटियों से बेहतर है। इस मामले में, मैं तकनीकी आशावादियों को भी निराश करने से डरता हूं - हमारे ब्रह्मांड में कई मूलभूत भौतिक सीमाएं हैं, जो सभी संभावनाओं में, 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। इसलिए पहली मौलिक सीमा का अनुसरण करता है - ब्रेमरमैन सीमा, जो किसी दिए गए द्रव्यमान m की स्वायत्त प्रणाली के लिए अधिकतम गणना गति पर प्रतिबंध लगाती है।

लैंडौअर सिद्धांत के साथ एक और सीमा जुड़ी हुई है, जिसके अनुसार है न्यूनतम राशि 1 बिट सूचना के प्रसंस्करण के दौरान जारी गर्मी। बहुत तेजी से कंप्यूटिंग करने से अस्वीकार्य हीटिंग और सिस्टम विनाश होगा। 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 का त्वरण कई बार "खुफिया" में केवल निरंतर वृद्धि देता है।

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

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

3.हम गलत बात को लेकर चिंतित हैं

दुर्भाग्य से, क्लार्क और कुब्रिक द्वारा टर्मिनेटर और प्रसिद्ध एचएएल 9000 पर जनता की आशंकाओं पर अलार्मवादियों की अटकलों के परिणामस्वरूप, एआई सुरक्षा के क्षेत्र में जोर असंभावित लेकिन शानदार परिदृश्यों के विश्लेषण की ओर बढ़ रहा है। ऐसा करने में, वास्तविक खतरे नज़रों से ओझल हो जाते हैं।

कोई भी पर्याप्त रूप से परिष्कृत तकनीक जो हमारे तकनीकी परिदृश्य में एक महत्वपूर्ण स्थान लेने का दावा करती है, निश्चित रूप से अपने साथ विशिष्ट जोखिम लाती है। भाप के इंजनों द्वारा - निर्माण में, परिवहन में, और इसी तरह - कई लोगों की जान चली गई, इससे पहले कि वे काम करते। प्रभावी नियमऔर सुरक्षा उपाय।

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 आकर्षित कर सकते हैं। अधिक से अधिक एआई अनुप्रयोग मानव जीवन और स्वास्थ्य को प्रभावित करने वाले मुद्दों पर निर्णय ले रहे हैं। इसमें मेडिकल डायग्नोस्टिक सिस्टम शामिल हैं, और, उदाहरण के लिए, सिस्टम जो बैंकों में एक ग्राहक को ऋण देने या न देने का 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 के व्यावसायिक रहस्यों से छिपे होते हैं जिसका भाग्य दांव पर है।

उपयोग किए गए मॉडल अपने निर्णयों को विशेषज्ञ शिक्षकों की राय पर आधारित कर सकते हैं जिन्होंने व्यवस्थित त्रुटियां 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। अंत में, इन मॉडलों में विशिष्ट दोष हो सकते हैं।

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

एक गर्म प्रवृत्ति 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। मूल रूप से बायोनिक दृष्टिकोण के अनुप्रयोग के परिणामस्वरूप बनाए गए, वे जल्दी से अपने जैविक प्रोटोटाइप से 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 बड़ी संख्या में परतों से इकट्ठे होते हैं, जिनमें से प्रत्येक कुछ नियमित पैटर्न के आधार पर बनाया जाता है।

नए तंत्रिका नेटवर्क मॉडल बनाने के अलावा, सीखने की तकनीकों के क्षेत्र में भी महत्वपूर्ण प्रगति हुई है। आज, तंत्रिका नेटवर्क को अब कंप्यूटर की केंद्रीय प्रसंस्करण इकाइयों का उपयोग करके नहीं पढ़ाया जाता है, बल्कि विशेष प्रोसेसर का उपयोग करके 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 जो पहले असंतोषजनक थीं। 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 रोबोट कितने स्मार्ट हैं?

सब कुछ सापेक्ष है। 2000 की तकनीकों की तुलना में, वर्तमान उपलब्धियां एक वास्तविक चमत्कार की तरह दिखती हैं। हमेशा ऐसे लोग होंगे जो मस्ती करना पसंद करते हैं। 5 साल पहले, उन्होंने ताकत और मुख्य के साथ बात की थी कि गो में लोगों के खिलाफ कारें कभी नहीं जीतेंगी (या, कम से कम, वे बहुत जल्द नहीं जीतेंगे)। यह कहा जाता था कि एक मशीन कभी भी खरोंच से एक चित्र को चित्रित करने में सक्षम नहीं होगी, जबकि आज लोग मशीनों द्वारा बनाई गई पेंटिंग और उनके लिए अज्ञात कलाकारों द्वारा पेंटिंग के बीच अंतर करने में व्यावहारिक रूप से असमर्थ हैं। पिछले साल के अंत में, मशीनों ने भाषण को संश्लेषित करना सीख लिया है जो मानव भाषण से व्यावहारिक रूप से अप्रभेद्य है, और हाल के वर्षों में, मशीनों द्वारा बनाए गए संगीत से कान नहीं झिलमिलाते हैं।

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

भविष्य की दिशा: अपना एआई डाइव कहां से शुरू करें?

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

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

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

मशीन लर्निंग विशेषज्ञों की आवश्यकता कई तरह के क्षेत्रों में मौजूद है - चिकित्सा में, in बैंकिंग, विज्ञान में, उत्पादन में, इसलिए आज एक अच्छा विशेषज्ञ पहले से कहीं अधिक व्यापक विकल्प प्रदान करता है। इनमें से किसी भी उद्योग के संभावित लाभ मुझे इस तथ्य की तुलना में महत्वहीन लगते हैं कि आप अपने काम का आनंद लेंगे।

आर्टिफिशियल इंटेलिजेंस भविष्य नहीं है, आर्टिफिशियल इंटेलिजेंस वर्तमान है।

श्रवण, बोलना, दृष्टि और भविष्य कहनेवाला अंतर्ज्ञान दोनों नेटवर्क (सीएनएन और आरएनएन), साथ ही प्राकृतिक भाषा प्रसंस्करण (एनएलपी) प्रौद्योगिकियों के उपयोग पर आधारित हैं, जो एक दूसरे के पूरक हैं। एलेक्सा, सिरी, गूगल नाओ, कॉर्टाना और अन्य स्मार्ट वॉयस असिस्टेंट में इसी तरह की तकनीकों का उपयोग किया जाता है।

AI बनाने के लिए कौन से प्रोग्राम का उपयोग किया जाता है?

वहाँ दर्जनों AI फ्रेमवर्क हैं, लेकिन इस सूची में केवल शीर्ष वाले ही शामिल हैं।

केरासी

यह एक खुला स्रोत पायथन-आधारित तंत्रिका नेटवर्क पुस्तकालय है जिसे Microsoft CNTK (संज्ञानात्मक टूलकिट), Tensorflow और कई अन्य रूपरेखाओं द्वारा संचालित किया जा सकता है।

KERAS शुरुआती लोगों के लिए सबसे उपयुक्त है।

टेंसरफ़्लो

Tensorflow सबसे प्रमुख AI विकास ढांचा है जो तंत्रिका नेटवर्क जैसी मशीन सीखने की तकनीकों का उपयोग करता है।

Tensorflow को Google Brain टीम द्वारा विकसित किया गया था, यह वह ढांचा है जो Google खोज इंजन के पाठ क्षेत्र में वाक्यांशों के स्वत: पूर्ण होने के साथ-साथ Google अनुप्रयोगों के AI के लिए जिम्मेदार है।

गाथा

Google डीपमाइंड टीम द्वारा बनाया गया, सॉनेट एक पुस्तकालय है जो जटिल गहन शिक्षण तंत्रिका नेटवर्क बनाने के लिए TensorFlow के शीर्ष पर चलता है। SONET AI अनुसंधान और विकास के लिए सबसे उपयुक्त है और शुरुआती लोगों के लिए बहुत चुनौतीपूर्ण है।

सीएनटीके (माइक्रोसॉफ्ट कॉग्निटिव टूलकिट)

पूर्व में CNTK के रूप में जाना जाने वाला, Microsoft Cognitive Toolkit का उद्देश्य मानव मस्तिष्क की तरह सोचने के लिए एल्गोरिदम को प्रशिक्षित करना है। इसमें गति, मापनीयता, गुणवत्ता और C++ और Python संगतता है। Microsoft इसका उपयोग Skype, Cortana और Bing में AI सुविधाओं के लिए कर रहा है।

Microsoft CNTK उपयोगकर्ताओं को DNN, CNN और RNN जैसे लोकप्रिय गहन शिक्षण मॉडल को संयोजित करने की अनुमति देता है।

पाइटोरचो

Pytorch, Torch पर आधारित Python के लिए एक ओपन सोर्स मशीन लर्निंग लाइब्रेरी है जो प्राकृतिक भाषा प्रसंस्करण (NLP) तकनीकों का उपयोग करती है।

DL4J (डीप्लर्निंग4j)

Deeplearning4j गहन शिक्षण तकनीकों का उपयोग करके AI विकास के लिए एक खुला स्रोत पुस्तकालय है। विशेष रूप से जावा और जेवीएम (जावा वर्चुअल मशीन) के लिए लिखा गया है।

DL4J इसकी अपनी संख्यात्मक गणना पुस्तकालय द्वारा संचालित है और CPU और GPU दोनों पर चल सकता है।

और भी कई हैं अलग वातावरणकृत्रिम बुद्धि के विकास के लिए। ONNX पर संक्षेप में प्रकाश डालें, जो एक गहन शिक्षण मंच है जिसे संयुक्त रूप से Facebook और Microsoft द्वारा विकसित किया गया था, और कई अन्य: H2O, DSSTNE, थीनो, डीपडिटेक्ट, ConvNetJS, ACT-R, Caffe, और CaffeOnSpark।

एमएक्सनेट

अपाचे एमएक्सएनईटी तंत्रिका नेटवर्क को तैनात करने के लिए एक गहन शिक्षण सॉफ्टवेयर ढांचा है। इसमें एक स्केलेबल लर्निंग मॉडल है जो एआई विकास के लिए कई प्रोग्रामिंग भाषाओं का समर्थन करता है: गो, आर, स्काला, पर्ल, सी ++, पायथन, जूलिया, मैटलैब, जावास्क्रिप्ट, और एक ओपन सोर्स प्रोजेक्ट है।

एमएक्सएनईटी का उपयोग एडब्ल्यूएस और माइक्रोसॉफ्ट एज़ूर जैसी साझा होस्टिंग सेवाओं पर तंत्रिका नेटवर्क को तैनात करने के लिए किया जाता है।

आर्टिफिशियल इंटेलिजेंस का उपयोग कहाँ किया जाता है?

विभिन्न क्षेत्रों और क्षेत्रों में बुद्धिमान प्रणालियों का उपयोग किया जाता है। वे वॉयस असिस्टेंट, ट्रेडिंग रोबोट, सैन्य विकास आदि में पाए जा सकते हैं। आइए सबसे महत्वपूर्ण पर चलते हैं।

आवाज सहायक

AI- पावर्ड वॉयस असिस्टेंट जैसे Siri, Google Now, Alexa, Bixby और Cortana। वे सुनते हैं कि उपयोगकर्ता भाषण को मशीन-पठनीय वेक्टर में बदलने के लिए क्या कह रहा है, जिसके बाद एक प्रतिक्रिया वेक्टर उत्पन्न होता है, जो प्राकृतिक भाषा प्रसंस्करण (एनएलपी) का उपयोग करके आवाज सहायक द्वारा बोली जाती है।

स्मार्ट सहायक

ऑटोडेस्क ईवा एक स्मार्ट सहायक का एक बेहतरीन उदाहरण है जो वास्तविक समय में ग्राहकों के साथ बातचीत करने के लिए सीएनएन और एनएलपी का उपयोग करता है।

3D में सिम्युलेटेड स्मार्ट असिस्टेंट, क्लाइंट के साथ रियल टाइम में कम्युनिकेट कर सकता है और चेहरे के भावों का अनुकरण कर सकता है।

मानव रहित वाहन

सेल्फ-ड्राइविंग कारें आने वाले वाहनों के 3D मॉडल बनाने के लिए रडार, LIDAR (लाइट डिटेक्टर और डिस्टेंस फाइंडर), GPS और एक कैमरा का उपयोग करती हैं। यह सभी डेटा बहुत उच्च सटीकता के साथ वाहन के स्थान को निर्धारित करने के लिए संयुक्त है। ड्राइवर एआई है, जो सेंसर से आने वाली सभी सूचनाओं का विश्लेषण करता है।

चेहरा पहचान

सीएनएन पर आधारित कृत्रिम बुद्धिमत्ता के विकास ने चेहरे की पहचान प्रणाली को लागू करना संभव बना दिया।

हाल ही में, चीन ने ट्रैफिक जुर्माना लगाते हुए पूरे शहर में सीसीटीवी कैमरों का उपयोग करते हुए एक चेहरा पहचान प्रणाली का उपयोग करना शुरू कर दिया है। चीन में अलीबाबा स्टोर चालान के लिए चेहरे और छवि पहचान का उपयोग करते हैं।

भार का संतुलन

सड़कों, परिवहन प्रणालियों, सर्वरों आदि पर भार को संतुलित करना।

भाषा अनुवादक

Google अनुवादक एक अच्छा उदाहरण है। इसके दो मॉड्यूल हैं: एक एनकोडर और एक डिकोडर। एनकोडर भाषण या पाठ से इनपुट वाक्य लेता है और फिर उन्हें एक वेक्टर में अनुवाद करता है, जो सभी भाषाओं के इनपुट के लिए समान प्रारूप है।

डिकोडर मॉड्यूल इस वेक्टर को इनपुट के रूप में लेता है और फिर लक्ष्य भाषा में टेक्स्ट या स्पीच उत्पन्न करता है। भाषा की पहचान आरएनएन का उपयोग करके की जाती है, भाषण आउटपुट एनएलपी का उपयोग करके किया जाता है।

छवियों की खोज और विश्लेषण

साहित्यिक चोरी की जांच के लिए छवि खोज और विश्लेषण का उपयोग किया जाता है,
लोगों को खोजें, SEO उद्देश्यों के लिए, सामाजिक नेटवर्क पर आपत्तिजनक सामग्री की खोज करें।

सर्वोत्तम परिणामों के लिए अनुकूलन

डीपमाइंड मॉड्यूल को शतरंज, गो, डोटा 2, स्टारफील्ड 2 खेलने के लिए प्रशिक्षित किया गया है।

इन मॉड्यूल ने कुछ ही हफ्तों के प्रशिक्षण में सैकड़ों साल के खेल खेले हैं, जिससे एआई दुनिया के सर्वश्रेष्ठ खिलाड़ियों को हराने में सफल रहा है।

बेशक, ये सभी AI एप्लिकेशन के क्षेत्र नहीं हैं। जैसे-जैसे एआई की तकनीक और क्षमताएं विकसित होंगी, इंटेलिजेंट सिस्टम के अनुप्रयोग का दायरा केवल विस्तारित होगा।

यदि तकनीकी विकास की प्रवृत्ति जारी रहती है या तेज हो जाती है, तो मुझे डर है कि हमारे पास उस युग को पकड़ने का समय होगा जब कंप्यूटर लोगों की तुलना में अधिक स्मार्ट हो जाएंगे, और सभी सेवाओं, प्रणालियों और उपकरणों को कृत्रिम बुद्धि के नियंत्रण में एक केंद्रीकृत प्रणाली से जोड़ा जाएगा। .

आप में रुचि हो सकती है: