डीपमाइंड एजीआई पेपर नैतिक एआई के लिए तात्कालिकता जोड़ता है

Posted on

एआई अपनाने की अवस्था में आपका उद्यम कहां खड़ा है? पता लगाने के लिए हमारे एआई सर्वेक्षण में भाग लें।


आर्टिफिशियल इंटेलिजेंस के लिए यह एक बेहतरीन साल रहा है। कंपनियां बड़ी एआई परियोजनाओं पर अधिक खर्च कर रही हैं, और एआई स्टार्टअप्स में नया निवेश रिकॉर्ड वर्ष के लिए गति पर है। यह सारा निवेश और खर्च ऐसे परिणाम दे रहा है जो हम सभी को लंबे समय से प्रतीक्षित पवित्र कब्र – कृत्रिम सामान्य बुद्धि (एजीआई) के करीब ले जा रहे हैं। मैकिन्से के अनुसार, कई शिक्षाविदों और शोधकर्ताओं का कहना है कि इस बात की कम से कम संभावना है कि अगले दशक में मानव स्तर की कृत्रिम बुद्धिमत्ता हासिल की जा सके। और एक शोधकर्ता कहता है: “एजीआई कोई दूर की कल्पना नहीं है। अधिकांश लोगों के विचार से यह हम पर जल्दी होगा।”

एआई रिसर्च लैब डीपमाइंड से एक और बढ़ावा मिलता है, जिसने हाल ही में पीयर-रिव्यू के लिए एक सम्मोहक पेपर प्रस्तुत किया है कृत्रिम होशियारी “इनाम काफी है” शीर्षक वाली पत्रिका। उनका मानना ​​​​है कि सुदृढीकरण सीखने – व्यवहार पुरस्कारों के आधार पर गहन शिक्षा का एक रूप – एक दिन मानव संज्ञानात्मक क्षमताओं को दोहराने और एजीआई प्राप्त करने के लिए प्रेरित करेगा। यह सफलता तात्कालिक गणना और पूर्ण स्मृति की अनुमति देगी, जिससे एक कृत्रिम बुद्धिमत्ता होगी जो लगभग हर संज्ञानात्मक कार्य में मनुष्यों से बेहतर प्रदर्शन करेगी।

हम कृत्रिम सामान्य बुद्धि के लिए तैयार नहीं हैं

दिग्गजों के आश्वासन के बावजूद कि एजीआई पूरी मानवता को लाभान्वित करेगा, आज के एकल-उद्देश्य वाले संकीर्ण एआई एल्गोरिदम के साथ पहले से ही वास्तविक समस्याएं हैं जो इस धारणा को प्रश्न में कहते हैं। हार्वर्ड बिजनेस रिव्यू की कहानी के अनुसार, जब एआई के उदाहरण भविष्य कहनेवाला पुलिसिंग से लेकर स्वचालित क्रेडिट स्कोरिंग एल्गोरिदम तक अनियंत्रित हो जाते हैं, तो वे हमारे समाज के लिए एक गंभीर खतरे का प्रतिनिधित्व करते हैं। प्यू रिसर्च ऑफ टेक्नोलॉजी इनोवेटर्स, डेवलपर्स, बिजनेस और पॉलिसी लीडर्स, रिसर्चर्स और एक्टिविस्ट्स द्वारा हाल ही में प्रकाशित एक सर्वेक्षण से इस संदेह का पता चलता है कि नैतिक एआई सिद्धांतों को 2030 तक व्यापक रूप से लागू किया जाएगा। यह व्यापक विश्वास के कारण है कि व्यवसाय मुनाफे को प्राथमिकता देंगे और सरकारें जारी रहेंगी उनकी आबादी का सर्वेक्षण और नियंत्रण करने के लिए। यदि पारदर्शिता को सक्षम करना, पूर्वाग्रह को समाप्त करना और आज के संकीर्ण एआई के नैतिक उपयोग को सुनिश्चित करना इतना कठिन है, तो एजीआई से अनपेक्षित परिणामों की संभावना खगोलीय प्रतीत होती है।

और वह चिंता सिर्फ एआई के वास्तविक कामकाज के लिए है। एआई के राजनीतिक और आर्थिक प्रभावों के परिणामस्वरूप कई संभावित परिणाम हो सकते हैं, एक पोस्ट-कमी यूटोपिया से लेकर एक सामंती डायस्टोपिया तक। यह भी संभव है कि दोनों अतियां सह-अस्तित्व में हों। उदाहरण के लिए, यदि एआई द्वारा उत्पन्न धन पूरे समाज में वितरित किया जाता है, तो यह यूटोपियन विजन में योगदान कर सकता है। हालाँकि, हमने देखा है कि AI तकनीक को नियंत्रित करने वाली अपेक्षाकृत कम संख्या में कंपनियों के साथ शक्ति केंद्रित करता है। सत्ता की एकाग्रता सामंती डायस्टोपिया के लिए मंच तैयार करती है।

शायद विचार से कम समय

डीपमाइंड पेपर बताता है कि एजीआई कैसे हासिल किया जा सकता है। अनुमान के आधार पर, 20 साल से हमेशा के लिए, अभी भी कुछ रास्ते दूर हैं, हालांकि हाल के अग्रिमों से पता चलता है कि समयरेखा इस स्पेक्ट्रम के छोटे छोर पर होगी और संभवतः इससे भी जल्दी। मैंने पिछले साल तर्क दिया था कि OpenAI से GPT-3 ने AI को एक गोधूलि क्षेत्र, संकीर्ण और सामान्य AI के बीच के क्षेत्र में स्थानांतरित कर दिया है। GPT-3 बिना किसी अतिरिक्त प्रशिक्षण के कई अलग-अलग कार्यों में सक्षम है, सम्मोहक आख्यानों का निर्माण करने में सक्षम है कंप्यूटर कोड, स्वत: पूर्ण छवियां, भाषाओं के बीच अनुवाद करना, और गणित की गणना करना, अन्य कारनामों के साथ, जिनमें इसके कुछ रचनाकारों ने योजना नहीं बनाई थी। यह स्पष्ट बहुआयामी क्षमता संकीर्ण एआई की परिभाषा की तरह नहीं लगती है। वास्तव में, यह कार्य में बहुत अधिक सामान्य है।

फिर भी, आज के डीप-लर्निंग एल्गोरिदम, जिसमें GPT-3 भी शामिल है, बदलती परिस्थितियों के अनुकूल नहीं हो पा रहे हैं, एक मूलभूत अंतर जो आज के AI को AGI से अलग करता है। अनुकूलन क्षमता की ओर एक कदम मल्टीमॉडल एआई है जो जीपीटी -3 की भाषा प्रसंस्करण को अन्य क्षमताओं जैसे दृश्य प्रसंस्करण के साथ जोड़ता है। उदाहरण के लिए, GPT-3 के आधार पर, OpenAI ने DALL-E की शुरुआत की, जो सीखी गई अवधारणाओं के आधार पर चित्र बनाता है। एक साधारण टेक्स्ट प्रॉम्प्ट का उपयोग करते हुए, DALL-E “सूर्योदय के समय एक खेत में बैठे कैपिबारा की एक पेंटिंग” तैयार कर सकता है। हालाँकि इसने पहले कभी इसकी एक तस्वीर “देखी” नहीं है, यह दर्जनों छवियों का निर्माण करने के लिए चित्रों, कैप्यबार, खेतों और सूर्योदय के बारे में जो कुछ भी सीखा है उसे जोड़ सकता है। इस प्रकार, यह मल्टीमॉडल है और अधिक सक्षम और सामान्य है, हालांकि अभी भी एजीआई नहीं है।

चीन में बीजिंग एकेडमी ऑफ आर्टिफिशियल इंटेलिजेंस (BAAI) के शोधकर्ताओं ने हाल ही में 1.75 ट्रिलियन मापदंडों के साथ एक मल्टीमॉडल-एआई सिस्टम वू डाओ 2.0 पेश किया। यह GPT-3 की शुरुआत के ठीक एक साल बाद हुआ है और यह परिमाण का एक बड़ा क्रम है। GPT-3 की तरह, मल्टीमॉडल वू दाओ – जिसका अर्थ है “ज्ञानोदय” – प्राकृतिक भाषा प्रसंस्करण, पाठ निर्माण, छवि पहचान और छवि निर्माण कार्य कर सकता है। लेकिन यह इतनी तेजी से, यकीनन बेहतर कर सकता है, और गा भी सकता है।

पारंपरिक ज्ञान यह मानता है कि एजीआई हासिल करना जरूरी नहीं कि कंप्यूटिंग शक्ति और गहन शिक्षण प्रणाली के मापदंडों की संख्या में वृद्धि हो। हालांकि, एक राय है कि जटिलता बुद्धि को जन्म देती है। पिछले साल, टोरंटो विश्वविद्यालय के प्रोफेसर जेफ्री हिंटन, जो गहन शिक्षा के अग्रणी और ट्यूरिंग अवार्ड विजेता हैं, ने कहा: “मस्तिष्क के एक घन सेंटीमीटर में एक ट्रिलियन सिनेप्स होते हैं। अगर सामान्य एआई जैसी कोई चीज है, [the system] संभवतः एक ट्रिलियन सिनेप्स की आवश्यकता होगी।” सिनैप्स डीप लर्निंग मॉडल मापदंडों के जैविक समकक्ष हैं।

वू दाओ 2.0 ने जाहिर तौर पर यह संख्या हासिल की है। बीएएआई के अध्यक्ष डॉ झांग होंगजियांग ने 2.0 रिलीज पर कहा: “कृत्रिम सामान्य बुद्धि का तरीका बड़े मॉडल हैं और [a] बड़ा कंप्यूटर। ” वू डाओ 2.0 के रिलीज होने के कुछ ही हफ्तों बाद, Google ब्रेन ने दो अरब मापदंडों वाले एक डीप-लर्निंग कंप्यूटर विज़न मॉडल की घोषणा की। हालांकि यह निश्चित नहीं है कि इन क्षेत्रों में हाल के लाभ की प्रवृत्ति तेजी से जारी रहेगी, ऐसे मॉडल हैं जो सुझाव देते हैं कि 2025 तक कंप्यूटर में मानव मस्तिष्क जितनी शक्ति हो सकती है।

स्रोत: मदर जोन्स

कंप्यूटिंग शक्ति का विस्तार और परिपक्व मॉडल एजीआई के लिए मार्ग प्रशस्त करते हैं

रीइन्फोर्समेंट लर्निंग एल्गोरिदम पुरस्कार प्राप्त करने के माध्यम से किसी लक्ष्य तक सर्वोत्तम तरीके से पहुंचने का तरीका सीखकर मनुष्यों का अनुकरण करने का प्रयास करते हैं। वू डाओ 2.0 जैसे एआई मॉडल और कंप्यूटिंग शक्ति दोनों तेजी से बढ़ रहे हैं, क्या सुदृढीकरण सीखना – परीक्षण और त्रुटि के माध्यम से मशीन सीखना – वह तकनीक हो सकती है जो एजीआई की ओर ले जाती है जैसा कि डीपमाइंड का मानना ​​​​है?

तकनीक पहले से ही व्यापक रूप से उपयोग की जा रही है और आगे अपनाई जा रही है। उदाहरण के लिए, वायव और वायमो जैसी सेल्फ-ड्राइविंग कार कंपनियां अपनी कारों के लिए नियंत्रण प्रणाली विकसित करने के लिए सुदृढीकरण सीखने का उपयोग कर रही हैं। सेना सक्रिय रूप से सहयोगी मल्टी-एजेंट सिस्टम विकसित करने के लिए सुदृढीकरण सीखने का उपयोग कर रही है जैसे कि रोबोट की टीमें जो भविष्य के सैनिकों के साथ कंधे से कंधा मिलाकर काम कर सकती हैं। मैकिन्से ने हाल ही में अमीरात टीम न्यूजीलैंड को एक सुदृढीकरण सीखने की प्रणाली का निर्माण करके 2021 अमेरिका कप के लिए तैयार करने में मदद की जो डिजिटल रूप से नकली, वास्तविक दुनिया की नौकायन स्थितियों में किसी भी प्रकार की नाव डिजाइन का परीक्षण कर सकती है। इसने टीम को एक प्रदर्शन लाभ हासिल करने की अनुमति दी जिससे उसे अपनी चौथी कप जीत हासिल करने में मदद मिली।

Google ने हाल ही में अपनी अगली पीढ़ी के टीपीयू को विकसित करने के लिए 10,000 कंप्यूटर चिप डिज़ाइन के डेटासेट पर रीइन्फोर्समेंट लर्निंग का उपयोग किया, एक चिप जिसे विशेष रूप से एआई एप्लिकेशन प्रदर्शन को तेज करने के लिए डिज़ाइन किया गया है। जिस काम में मानव डिजाइन इंजीनियरों की एक टीम ने कई महीनों का समय लिया था, वह अब एआई द्वारा छह घंटे के भीतर किया जा सकता है। इस प्रकार, Google एआई का उपयोग उन चिप्स को डिजाइन करने के लिए कर रहा है जिनका उपयोग और भी अधिक परिष्कृत एआई सिस्टम बनाने के लिए किया जा सकता है, नवाचार के एक पुण्य चक्र के माध्यम से पहले से ही घातीय प्रदर्शन लाभ को और तेज कर रहा है।

हालांकि ये उदाहरण सम्मोहक हैं, फिर भी वे एआई उपयोग के मामले संकीर्ण हैं। एजीआई कहां है? डीपमाइंड पेपर कहता है: “इनाम व्यवहार को चलाने के लिए पर्याप्त है जो ज्ञान, सीखने, धारणा, सामाजिक बुद्धि, भाषा, सामान्यीकरण और नकल सहित प्राकृतिक और कृत्रिम बुद्धि में अध्ययन की गई क्षमताओं को प्रदर्शित करता है।” इसका मतलब यह है कि एजीआई स्वाभाविक रूप से सुदृढीकरण सीखने से उत्पन्न होगा क्योंकि मॉडल का परिष्कार परिपक्व होता है और कंप्यूटिंग शक्ति का विस्तार होता है।

हर कोई डीपमाइंड के दृष्टिकोण में नहीं खरीदता है, और कुछ पहले से ही पेपर को पीआर स्टंट के रूप में खारिज कर रहे हैं, जिसका मतलब है कि विज्ञान को आगे बढ़ाने से ज्यादा खबरों में लैब रखना। फिर भी, अगर डीपमाइंड सही है, तो पूरे उद्योग और सरकार में नैतिक और जिम्मेदार एआई प्रथाओं और मानदंडों को स्थापित करना और भी महत्वपूर्ण है। एआई त्वरण और उन्नति की तीव्र दर के साथ, हम स्पष्ट रूप से यह जोखिम नहीं उठा सकते कि दीपमाइंड गलत है।

गैरी ग्रॉसमैन एडेलमैन में टेक्नोलॉजी प्रैक्टिस के सीनियर वीपी हैं और एडेलमैन एआई सेंटर ऑफ एक्सीलेंस के ग्लोबल लीड हैं।

वेंचरबीट

तकनीकी निर्णय लेने वालों के लिए परिवर्तनकारी तकनीक और लेनदेन के बारे में ज्ञान हासिल करने के लिए वेंचरबीट का मिशन एक डिजिटल टाउन स्क्वायर बनना है।

जब आप अपने संगठनों का नेतृत्व करते हैं तो हमारा मार्गदर्शन करने के लिए हमारी साइट डेटा तकनीकों और रणनीतियों पर आवश्यक जानकारी प्रदान करती है। हम आपको हमारे समुदाय का सदस्य बनने के लिए आमंत्रित करते हैं:

  • आपकी रुचि के विषयों पर अप-टू-डेट जानकारी
  • हमारे समाचार पत्र
  • गेटेड विचार-नेता सामग्री और हमारे बेशकीमती आयोजनों के लिए रियायती पहुंच, जैसे रूपांतरण 2021: और अधिक जानें
  • नेटवर्किंग सुविधाएँ, और बहुत कुछ

सदस्य बने

Leave a Reply

Your email address will not be published. Required fields are marked *