उसके करीब जाने की कोशिश कर रहा है। लेकिन एक दार्शनिक के दृष्टिकोण से कृत्रिम बुद्धिमत्ता क्या है? टी एंड पी, सर्गेई गोल्डेनकोव, डॉक्टर ऑफ फिलॉसफी के एक लेख को प्रकाशित करता है, जो कांट और डेलेज़े की मदद से एक सोच मशीन बनाने की बहुत संभावना पर सवाल उठाता है।
चेतना की समस्या एक विरोधाभासी स्थिति में है: हम, बुद्धिमान प्राणी, चेतना है, हमारे पास है, लेकिन हम नहीं जानते कि चेतना क्या है। ममार्दशिविली ने इस स्थिति को परिभाषित करते हुए लिखा: "चेतना एक विरोधाभास है, जिसका उपयोग करना असंभव है।" चेतना के विरोधाभास की ख़ासियत का खुलासा करते हुए, उन्होंने चेतना के अध्ययन में दो कठिनाइयों का उल्लेख किया। पहला यह है कि "चेतना" की अवधारणा एक परम दार्शनिक अवधारणा है, जैसे "होने" की अवधारणा। और इस तरह की अवधारणाएं शास्त्रीय जीनस-विशिष्ट परिभाषा के लिए खुद को उधार नहीं देती हैं। एक और कठिनाई इस तथ्य से उत्पन्न होती है कि चेतना "एक बहुत ही अजीब घटना है, जो मौजूद है और जो एक ही समय में समझ में नहीं आती है, उसे एक चीज के रूप में प्रस्तुत किया जाता है।" हालांकि, एक और परिस्थिति है जो चेतना की समस्या को विशेष रूप से कठिन बनाती है। मुद्दा यह है कि चेतना ही हमेशा चेतना की सामग्री द्वारा जांच की जाती है। मुझे और अधिक विस्तार से इस कठिनाई का सार बताएं।
एक समय, कांत ने विचार की सामग्री की एकता की प्रकृति के सवाल पर चर्चा करते हुए, "क्रिटिक ऑफ प्योर रीज़न" में लिखा कि हमारे विचार की सामग्री की एकता के लिए स्थिति "अनुप्रस्थ एकता है।" वह यहाँ क्या बात कर रहा है मेरे हाथ में एक कागज का टुकड़ा है। इस स्थिति को सार्थक रूप से इस प्रकार व्यक्त किया जा सकता है: "अब मैं अपने हाथ में कागज़ की एक सफेद चादर धारण कर रहा हूँ।" इस मौखिक अभिव्यक्ति को विचार की सामग्री माना जाएगा। इस विचार में, सार्थक रूप से विभिन्न तत्व जुड़े हुए हैं। इसमें समय का एक विचार (शब्द "अब"), मेरे शरीर का एक अंग ("हाथ"), एक विचार ("हाथ"), एक निश्चित चीज़ का एक विचार शामिल है। ("पेपर की शीट"), इस चीज की संपत्ति का एक विचार ("व्हाइट"), मेरे शरीर के सापेक्ष कागज की शीट की स्थानिक व्यवस्था का विचार ("मेरे हाथ में")। व्यक्त विचारों के अलावा, इस विचार में निहित है, अर्थात्, मौखिक रूप से व्यक्त नहीं किया गया है, और स्थिति के अन्य तत्व, उदाहरण के लिए, कागज की एक शीट की गुणवत्ता। जाहिर है, ये सभी गुणात्मक (और इसलिए सार्थक) विभिन्न विचार हैं। कुछ स्रोतों में स्पर्शनीय संवेदनाएं (कागज़ की गुणवत्ता: चिकनी / खुरदरी) हैं, अन्य मोटर-मोटर हैं (मैं अपने हाथ में पकड़ता हूं), अन्य दृश्य (शीट का सफेद रंग) हैं, और इसी तरह।
कांत सवाल पूछता है, क्या अलग-अलग अभ्यावेदन की अनुमति देता है जो हर विचार को इस विचार की संपूर्ण एकता बनाने की अनुमति देता है? और वह उत्तर देता है - आशंका की पारलौकिक एकता। इसका मतलब यह है कि एक दृश्य प्रतिनिधित्व में दी गई सभी विविधता को एक वस्तु की अवधारणा में ट्रान्सेंडैंटल एपर्सेप्शन की मदद से जोड़ा जाता है। कांत कहते हैं कि यह एकीकरण एक ऐसा कार्य है जो किसी भी सार्थक विचार के साथ होता है और मौखिक रूप से इस तरह व्यक्त किया जा सकता है: "मुझे लगता है।" दूसरे शब्दों में, ताकि यह सोचा जाए कि मैं अब अपने हाथ में एक कागज़ की एक सफेद चादर धारण कर रहा हूं, अलग-अलग सामग्री के विचारों में विघटित नहीं होती है, लेकिन एक विचार हो, यह विचार हमेशा सोच के कार्य के साथ होना चाहिए "मैं सोच रहा हूँ "
यह "मुझे लगता है" हममें चेतना की क्रिया है। लेकिन इस कृत्य को पहचानने में कठिनाई यह है कि यह कृत्य "मुझे लगता है" हमेशा चेतना की सामग्री द्वारा प्रदर्शित किया जाता है "अब मैं अपने हाथ में एक कागज़ की एक सफेद चादर पकड़े हुए हूँ"। और यहां तक \u200b\u200bकि अगर हम खुद इस अधिनियम पर ध्यान देते हैं, तो यह एक सार्थक विचार बन जाता है, जो एक होने के लिए, खुद को अधिनियम के साथ होना चाहिए "मुझे लगता है।" इस मामले में, हमारे पास निम्नलिखित मौखिक अभिव्यक्ति है "मुझे लगता है, मुझे क्या लगता है", जहां दूसरा "मुझे लगता है" पहले से ही विचार की सामग्री है, जिसके लिए स्थिति पहले "मुझे लगता है" का कार्य है। इस तथ्य के बावजूद कि ये दोनों अभिव्यक्तियां समान रूप से एक ही शब्द से बनी हैं, वे स्पष्ट रूप से दो अलग-अलग "चीजें" हैं। पहला विचार के कार्य को व्यक्त करता है, दूसरा - इसकी सामग्री को। और उनके ज्ञान के लिए विभिन्न तरीकों और उपकरणों की आवश्यकता होती है। यहाँ हम खुद को एक ऐसी स्थिति में पाते हैं जो प्राथमिक कणों (क्वांटम यांत्रिकी) की भौतिकी में अच्छी तरह से जाना जाता है, जब एक ही कण और एक ही उपकरण के साथ एक प्राथमिक कण की स्थिति और इसकी गति का वर्णन करना असंभव है (अर्थात, इसकी गति और वेग के वेक्टर को इंगित करें) ... या तो हम जानते हैं कि कण कहां है, लेकिन हम इसकी वर्तमान गति और गति की दिशा नहीं जानते हैं, या हम वेक्टर और वेग को जानते हैं, लेकिन हम इसकी स्थिति नहीं जानते हैं।
अधिनियम "मुझे लगता है" एक प्रकार का अस्तित्व है जो चेतना के साथ जुड़ा हुआ है, जिसे ममार्दशिविली और पायटिगोर्स्की ने "चेतना की स्थिति" कहा है। "चेतना की स्थिति" शब्द के अनुसार, उन्होंने अधिकांश भाग के लिए, किसी भी मानसिक सामग्री से स्वतंत्र, "हमारे मनोचिकित्सात्मक तंत्र की स्थिति चेतना से संबंधित है।" ध्यान दें कि शब्द "थिंक" ("मुझे लगता है") द्वारा वर्णित राज्य उसी वर्ग से संबंधित है जैसा कि राज्य "अवलोकन", "याद रखें", "अनुभव", "कल्पना" और पसंद करते हैं। ये सभी राज्य, एक रास्ता या कोई अन्य, चेतना के साथ जुड़े हुए हैं, चेतना उनमें मौजूद है।
आइए अब हम चेतना की अवस्थाओं के इस वर्ग पर एक नज़र डालें। एक उदाहरण के रूप में, चेतना की स्थिति पर विचार करें "मैं एक तालिका देख रहा हूं।" हम इसमें क्या ढूंढ सकते हैं? सबसे पहले, यह तथ्य कि यह रचना में सजातीय नहीं है। इस राज्य में एक तत्व है, जो बाहरी रूप से दी गई चीज़ से जुड़ा है, जिसमें से दिया गया हमारे राज्य की सामग्री को निर्धारित करता है। हम जो देखते हैं (सोचते हैं, याद करते हैं और इसी तरह) एक तालिका है। अवलोकन के कार्य में, "तालिका" शब्द द्वारा निर्दिष्ट क्या इस अधिनियम की सामग्री, चेतना की स्थिति है। और यह अवलोकन की सामग्री (चेतना की स्थिति की सामग्री) बाहरी चीज़ से निर्धारित नहीं होती है। तालिका, जैसा कि शरीर मैं देखता हूं, मैं जो निरीक्षण करता हूं उसकी सामग्री सेट नहीं करता है।
इस से यह इस प्रकार है कि एक सचेत घटना के रूप में शरीर के अवलोकन की सामग्री इस शरीर द्वारा निर्धारित नहीं है, लेकिन चेतना द्वारा पूरी तरह से निर्धारित है। मैं इस बात पर जोर देना चाहूंगा कि शरीर का अस्तित्व चेतना द्वारा निर्धारित नहीं है, लेकिन शरीर के अवलोकन की सामग्री। इसका मतलब यह है कि चेतना की स्थिति में "मैं तालिका का निरीक्षण करता हूं", तालिका अवलोकन के एक सार्थक तत्व के रूप में कार्य करती है और इसलिए, "चेतना में" अवलोकन की सामग्री के रूप में है। पोस्ट-हस्सरल परंपरा के बाद, प्रेक्षित तालिका एक जानबूझकर वस्तु है। एक जानबूझकर वस्तु, हमारे मामले में एक "तालिका", चेतना की सामग्री का गठन करती है, यह वास्तव में मौजूदा तालिका के साथ सहसंबद्ध है, लेकिन चेतना द्वारा दी गई है।
आइए इस तथ्य पर ध्यान दें कि राज्य में "मैं तालिका का अवलोकन कर रहा हूं" में दो "तत्व" शामिल हैं: वास्तविक तालिका और "जानबूझकर" तालिका। और उनके बीच एक फासला है। और यह अंतर विचार के लिए अभेद्य है, अधिक सटीक रूप से, इसे बौद्धिक साधनों से दूर नहीं किया जा सकता है, क्योंकि इसमें ऐसे तत्व शामिल हैं जो सोच से संबंधित नहीं हैं। ये तत्व क्या हैं? ममार्दशिविली और पायटिगॉर्स्की ने अपने काम में इस तरह के एक तत्व को बुलाया - यह "हमारा मनोचिकित्सा तंत्र है।" जाहिर है, राज्य "मैं तालिका का निरीक्षण कर रहा हूं" इसके बिना असंभव है। मैं ऐसे कई तत्वों की ओर भी इशारा करूंगा। अवलोकन की स्थिति (धारणा, कल्पना, सोच, और इसी तरह) हमारे अस्तित्व की स्थिति है, होने की स्थिति है। हमारे अस्तित्व की विशिष्टता - सचेत अस्तित्व - हीडगर के बाद दार्शनिक परंपरा में "अस्तित्व" शब्द द्वारा परिभाषित किया गया है। मौजूदा अपने अस्तित्व को समझने का एक तरीका है। ऐसे अस्तित्व की विशिष्टता क्या है, "समझ से अस्तित्व"? समझ क्या है?
समझ को "ध्यान", "स्वीकृति", "स्वीकृति", "प्रवेश", "आत्मसात" के रूप में देखा जा सकता है। जब मैं एक निश्चित अस्तित्व को समझता हूं, उदाहरण के लिए, जब मैं एक तालिका के रूप में अपने अवलोकन की वस्तु को समझता हूं (या नहीं समझता), तो मैं इस प्रकार अपने राज्य की सामग्री के रूप में स्वीकार करता हूं (या नहीं मानता)। दूसरे शब्दों में, यहां समझ मेरे अस्तित्व, अस्तित्व की एक विधा के रूप में एक प्रकार की परीक्षा के रूप में कार्य करती है। और यह विधा अपनी प्रकृति के अनुसार है। एक ओर, समझने (सुनने, स्वीकार करने, और इतने पर) के होने के नाते, मैं खुद को समझने की क्षमता के लिए खुद को परखता हूं, और दूसरी तरफ, मैं खुद को उसके सत्य होने के लिए परखता हूं, इसे होने से प्राप्त करता हूं । समझ इस मामले में स्वयं और प्राणियों दोनों की क्षमता के परीक्षण के रूप में प्रकट होती है। दूसरे शब्दों में, चेतना की स्थिति में, न केवल बौद्धिक प्रक्रियाओं को एक आवश्यक तत्व के रूप में शामिल किया जाता है, बल्कि मेरी अस्तित्वगत (दोनों ontological और ontic) विशेषताओं को भी शामिल किया जाता है। विशेष रूप से, समझ में "भाग लेता है" इस तरह की संरचना के साथ-साथ-दूसरे के रूप में। आइए अधिक विस्तार से विचार करें कि यह अस्तित्वगत संरचना चेतना की स्थिति और इसकी सामग्री को कैसे निर्धारित करती है।
इस तरह के एक प्रभाव के एक उदाहरण के रूप में, मैं धारणा के विश्लेषण का उल्लेख करूंगा - और यह राज्य, जैसा कि मैंने ऊपर उल्लेख किया है, अवलोकन के समान वर्ग का है - गाइल्स डेलेज़े "मिशेल टुर्नियर और अन्य के बिना दुनिया में। " इस काम में, डेल्यूज़ दिखाता है कि दूसरे, एक तत्व के रूप में, मेरी धारणा को कैसे निर्धारित करते हैं। सबसे पहले, Deleuze नोट, दूसरे का मेरे वस्तुओं और विचारों की धारणा के क्षेत्र पर एक आयोजन प्रभाव है। यह आयोजन प्रभाव इस तथ्य में प्रकट होता है कि मैं एक निश्चित वस्तु के रूप में कथित वस्तु को पहचानता हूं या महसूस करता हूं, वह है, जो एक अन्य वस्तु से भिन्न होती है। मैं एक वस्तु और दूसरे के बीच के अंतर को नहीं जानता और समझ नहीं सकता। मैं केवल बहुत अंतर रिकॉर्ड कर रहा हूं। यह अंतर, अन्य सीमा की धारणा के लिए ठीक है, और मुझे अंतर करने का अवसर देता है। यह भेदभाव करने, अंतर करने की क्षमता के लिए एक शर्त के रूप में कार्य करता है।
आइए इस क्षण पर अधिक विस्तार से विचार करें। आइए धारणा के कार्य को शुरू से वस्तु की मान्यता के लिए क्रमिक चरणों में विभाजित करें: कथित वस्तु से अवधारणात्मक संवेदनाएं प्राप्त करने का कार्य (पृष्ठभूमि में एक आकृति की पहचान); चयनित वस्तु पर "ध्यान केंद्रित" करने का कार्य (अन्य सभी वस्तुएं एक अप्रभेद्य पृष्ठभूमि में विलीन हो जाती हैं); चयनित वस्तु को समाप्त करने का कार्य, इसकी मौखिक पदनाम और व्याख्या का कार्य (जो कि वस्तु को "पहचानना" है), पहले से ही प्रणाली में वस्तु के अर्थ (यह शब्द से निर्धारित होता है) के अधिनियम के रूप में मौजूदा अर्थ (उदाहरण के लिए, भाषा प्रणाली में)। इस प्रकार, हमारे पास धारणा में किसी वस्तु का निर्धारण करने के लिए चार चरण हैं। आइए अब हम इस तथ्य से पचा लेते हैं कि इस प्रक्रिया को एक अलग तरीके से विभाजित किया जा सकता है। यहां यह महत्वपूर्ण है कि इस प्रक्रिया में एक स्टेप वाइज (या लिंक, या स्टेप वाइज - या कुछ अन्य) संरचना है। इस तथ्य पर जोर देना महत्वपूर्ण है कि चरणों, लिंक, चरणों के बीच अंतराल हैं। वे महत्वपूर्ण रूप से ठीक हैं क्योंकि इन अंतरालों में कुछ ऐसा है, जो एक तरफ, धारणा का एक संरचनात्मक तत्व नहीं है, और दूसरी तरफ, धारणा को उनके बिना महसूस नहीं किया जा सकता है। अन्य सिर्फ धारणा का आवश्यक तत्व है। मुझे इस थीसिस की व्याख्या करें।
आइए उस अंतर को देखें जो एक वस्तु पर ध्यान केंद्रित करने और वस्तु का नामकरण करने के कार्य के बीच स्थित है, इसे एक नाम के साथ समाप्त करना। इस परिवर्तन को करने के लिए, शब्दों का अस्तित्व, वाणी का अस्तित्व, भाषा का अस्तित्व, नामकरण की संस्कृति, बोलने की संस्कृति। और यह सब तभी संभव है जब दूसरा मौजूद हो। इसके अलावा, कथित वस्तु को पहचानने की प्रक्रिया के लिए पहले और दूसरे चरणों के बीच दूसरे का अस्तित्व पहले से ही आवश्यक है। यह डेलेयुज़ का अर्थ है जब वह कहता है कि अन्य वस्तुओं और विचारों के बीच अंतर करने की शर्त है।
धारणा की प्रक्रिया में दूसरे के आंकड़े की व्याख्या नहीं की जा सकती है "न तो मेरी धारणा के क्षेत्र में एक वस्तु के रूप में, न ही एक विषय के रूप में, जो मुझे समझती है" (हालांकि आनुभविक रूप से, यदि कोई अन्य व्यक्ति मेरी धारणा के क्षण में है, तो वह ऐसा हो सकता है एक वस्तु और विषय)। तो क्या, फिर, अन्य है? डेलेज़े लिखते हैं: "... यह मुख्य रूप से धारणा के क्षेत्र की संरचना है, जिसके बिना एक पूरे क्षेत्र के रूप में यह कार्य नहीं करता है।" इस संरचना के बिना - दूसरे की संरचना - धारणा नहीं हो सकती थी। वह अन्य की इस संरचना को "एक अन्य प्राथमिकता" कहता है। एक प्राथमिकता, चूंकि यह संरचना किसी भी वास्तविक धारणा से पहले ही मौजूद है, इसलिए इसकी स्थिति के रूप में कार्य करना। इस प्राथमिकता का कार्य अन्य (या दूसरे की संरचना) अन्य लोगों के लिए आधार के रूप में कार्य करना है जो इस संरचना को धारणा के प्रत्येक विशिष्ट क्षेत्र में लागू करेंगे। दूसरे शब्दों में, यह संरचना विशिष्ट अनुभूति के अनुभव को संभव बनाती है। इसलिए, यह संरचना - अन्य की संरचना - डेल्यूज़ "संभव की संरचना" कहती है। "एक संरचना के रूप में दूसरा संभव दुनिया की अभिव्यक्ति है।"
यह देखना दिलचस्प है कि अन्य (देउलुज़े की "एक प्राथमिकता अन्य") की संरचना क्या इस तरह की चेतना की स्थिति में धारणा के रूप में पैदा करती है। इस संरचना की कार्रवाई का मुख्य परिणाम, डेल्यूज़ का मानना \u200b\u200bहै, मेरी चेतना और उसकी वस्तु का परिसीमन है। चूँकि दूसरा दुनिया के भेदों, सीमाओं, किनारों, तबादलों में लाता है, जो कि धारणा के क्षेत्र में किसी वस्तु की उपस्थिति सुनिश्चित करते हैं, तो यह वस्तु, जैसा कि माना जाता है, चेतना से अलग हो जाती है और इसका विरोध करती है। दूसरे शब्दों में, घटना "धारणा" (वह है, चेतना) और "कथित" (जो है, एक वस्तु)। इससे पहले, चेतना और उसकी वस्तु को एक पूरे में मिला दिया गया था और अलग-अलग घटनाओं के रूप में मौजूद नहीं था। यह दूसरा है जो चेतना और उसकी वस्तु के अंतर को सुनिश्चित करता है। इसके अलावा, चेतना का परिसीमन और उसकी वस्तु का निर्माण एक ही समय में अंतरिक्ष का उद्भव है, क्योंकि विभिन्न स्थान उत्पन्न होते हैं - "यहां" और "वहां"। मेरी चेतना (या "स्वयं को समझना") "यहां" होती है, और कथित वस्तु "वहां" होती है। अंत में, दूसरे की उपस्थिति मेरी दुनिया को एक अतीत की दुनिया में बदल देती है, मेरी चेतना को "मैं था" की स्थिति में बदल देती है। दूसरा इसे एक संभव दुनिया के साथ लाता है और इस तरह दुनिया में अस्थायी विभाजनों का परिचय देता है। समय अतीत, वर्तमान और भविष्य की अपनी घटनाओं में उत्पन्न होता है।
मैं एक और तत्व का उल्लेख करूंगा जो चेतना की स्थिति में है और इस राज्य और इसकी सामग्री के अस्तित्व को सुनिश्चित करता है। लगभग आधी सदी के अपने काम में "मार्क्स के कामों में चेतना का विश्लेषण" ममदाराशिविली ने दिखाया कि मार्क्स के अनुसार, चेतना "एक फ़ंक्शन, एसजी की सामाजिक प्रणालियों की एक विशेषता) है, न कि एक साधारण प्रदर्शन से। विषय की धारणा में वस्तु। " दूसरे शब्दों में, चेतना की सामग्री (और चेतना की घटना के रूप में सोच) मानव सामाजिक गतिविधि की प्रणाली से ली गई है। इस प्रकार, चेतना की अवस्थाओं में एक आवश्यक तत्व के रूप में शामिल है, व्यक्ति का सामाजिक घटक, अर्थात्, सामाजिक संबंधों की प्रणाली जिसमें व्यक्ति को एक सामाजिक विषय के रूप में शामिल किया जाता है। जिन तत्वों पर विचार किया गया था - वास्तविक चीज़ और जानबूझकर वस्तु, सामाजिक प्रणाली, चेतना के काम में दूसरे की संरचना (और सोच) - चेतना (सोच) की गैर-निरंतरता की गवाही देते हैं।
गैर-बौद्धिक घटकों वाले अंतर को विचार के काम से नहीं जोड़ा जा सकता है। यह केवल एक व्यक्तिगत प्रयास से ही दूर हो जाता है - होने का एक परीक्षण / होने - एक अधिनियम के रूप में बौद्धिक नहीं है, लेकिन अस्तित्वगत है। दूसरे शब्दों में, विचार के "काम" के लिए आवश्यक परिस्थितियों के रूप में जीवन (शारीरिक, मानसिक, सामाजिक, और इसी तरह) की आवश्यकता होती है, न कि बौद्धिक तत्वों की। यह परिस्थिति हमें कृत्रिम बुद्धि बनाने के प्रयासों पर सवाल उठाने की अनुमति देती है।
बुकमेट पर पढ़ें:
आर्टिफिशियल इंटेलिजेंस (एआई) एक ऐसा विषय है जिसने लंबे समय तक लोकप्रिय विज्ञान पत्रिकाओं के पन्नों को नहीं छोड़ा है और लगातार फिल्मों और किताबों में छुआ जाता है। जितने अधिक विशेषज्ञ विज्ञान के इस क्षेत्र को विकसित करते हैं, उतने ही मिथक आच्छादित होते जाते हैं।
कृत्रिम बुद्धिमत्ता का विकास और भविष्य भी उन लोगों को चिंतित करता है जो राज्य के शीर्ष पर हैं। इतना समय पहले नहीं, रूसी राष्ट्रपति व्लादिमीर पुतिन ने कंपनी की 20 वीं वर्षगांठ के दिन यांडेक्स कार्यालय का दौरा किया, जहां उन्होंने उन्हें समझाया कि जब एआई मानव बुद्धि से आगे निकल जाएगा।
हर कोई जो कृत्रिम बुद्धिमत्ता की क्षमता में थोड़ा सा भी शामिल हो जाता है, समझता है कि इस विषय को नजरअंदाज नहीं किया जा सकता है। यह न केवल चर्चा के लिए एक महत्वपूर्ण मुद्दा है, बल्कि भविष्य के संदर्भ में सबसे महत्वपूर्ण में से एक है।
कृत्रिम बुद्धिमत्ता क्या है और लोग वास्तव में किससे डरते हैं, ने कहा “हिमपात। टीवी "मशीन सीखने के तरीकों के विशेषज्ञ सर्गेई मार्कोव।
1956 में "कृत्रिम बुद्धिमत्ता" शब्द के आविष्कारक जॉन मैकार्थी ने कहा, "एक बार जब यह काम करता है, तो कोई भी इसे एआई नहीं कहता है।" AI पहले से ही एक वास्तविकता है: कैलकुलेटर, सिरी, सेल्फ-ड्राइविंग कार, आदि, लेकिन वे अभी भी इस पर विश्वास नहीं करते हैं। ऐसा क्यों है कि लोग एआई के अस्तित्व को नकारते हैं?
मुख्य रूप से पारिभाषिक भ्रम के कारण, क्योंकि विभिन्न लोगों ने "कृत्रिम बुद्धिमत्ता" की अवधारणा में पूरी तरह से अलग अर्थ लगाए।
विज्ञान में, कृत्रिम बुद्धिमत्ता को बौद्धिक समस्याओं के समाधान को स्वचालित करने के लिए डिज़ाइन की गई प्रणाली कहा जाता है। बदले में, एक "बौद्धिक कार्य" को एक कार्य के रूप में समझा जाता है जिसे लोग अपनी स्वयं की प्राकृतिक बुद्धि की मदद से हल करते हैं।
यह देखना आसान है कि कृत्रिम बुद्धि की ऐसी परिभाषा अत्यंत व्यापक है - यहां तक \u200b\u200bकि एक साधारण कैलकुलेटर भी इसके अंतर्गत आता है, क्योंकि अंकगणितीय समस्याएं अनिवार्य रूप से बौद्धिक होती हैं, एक व्यक्ति अपनी बुद्धि की मदद से उन्हें हल करता है।
इसलिए, "कृत्रिम बुद्धिमत्ता" की अवधारणा के भीतर, एक महत्वपूर्ण सीमा तैयार की गई थी, जिसे लागू किया गया था या, जैसा कि वे कहते हैं, कमजोर कृत्रिम बुद्धिमत्ता, किसी भी एक बौद्धिक समस्या या उनमें से एक छोटे से सेट को हल करने के लिए डिज़ाइन किया गया है, जिसे एक काल्पनिक मजबूत एआई भी कहा जाता है। सार्वभौमिक कृत्रिम बुद्धिमत्ता (eng। - कृत्रिम सामान्य बुद्धि)।
ऐसी प्रणाली, जब इसे बनाया जाता है, तो मानव बुद्धि की तरह, बौद्धिक कार्यों की एक असीम विस्तृत श्रृंखला को हल करने में सक्षम होगी। इस दृष्टिकोण से, एक कैलकुलेटर जो किसी व्यक्ति की तुलना में बहुत तेजी से गिनती कर सकता है, या एक कार्यक्रम जो किसी व्यक्ति को शतरंज में मारता है, एक लागू एआई है, जबकि भविष्य का काल्पनिक सुपरिंटगेंस एक मजबूत एआई है।
जब आप एआई के क्षेत्र में विभिन्न खोजों और विकास के बारे में पढ़ते हैं, तो आप समझते हैं कि सब कुछ मूल रूप से यूएसए या एशिया में होता है। रूस में चीजें कैसे चल रही हैं? क्या हमारा कोई विकास है?
कंप्यूटर विज्ञान का क्षेत्र आज अंतर्राष्ट्रीय है, हमारे कई विशेषज्ञ रूसी और अंतरराष्ट्रीय टीमों दोनों के हिस्से के रूप में मशीन लर्निंग के विभिन्न मॉडलों के निर्माण और सुधार पर काम कर रहे हैं। हमारे पास पारंपरिक रूप से मजबूत गणितीय और एल्गोरिथम स्कूल है, विश्व स्तर के अनुसंधान केंद्र अग्रणी विश्वविद्यालयों और कुछ निजी कंपनियों में बनाए गए हैं।
लेकिन आइए ईमानदार हों - विज्ञान और शिक्षा के लिए हमारे देश में आवंटित बजट की तुलना सबसे विकसित देशों के वैज्ञानिक बजटों से नहीं की जा सकती। 2016 में रूसी संघ का बजट राजस्व लगभग 200 बिलियन अमेरिकी डॉलर था, जबकि अकेले अमेरिका पूरे रूसी बजट की तुलना में रक्षा पर तीन गुना अधिक खर्च करता है।
रूसी विज्ञान का पूरा बजट आइवी लीग से केवल एक विश्वविद्यालय के बजट के बराबर है। 1990 के दशक में बिना पैसे के कई प्रमुख विशेषज्ञ देश छोड़कर चले गए, और कई वैज्ञानिक स्कूलों की निरंतरता बाधित हुई। इसके अलावा, इलेक्ट्रॉनिक्स का अपना उत्पादन व्यावहारिक रूप से खो गया था।
जबकि दुनिया के आईटी नेता तंत्रिका नेटवर्क के प्रशिक्षण के लिए विशेष प्रोसेसर बनाने के लिए दौड़ रहे हैं, हम केवल एल्गोरिदम और सॉफ्टवेयर विकसित करने के क्षेत्र में बचे हैं। हालांकि, इस क्षेत्र में हमने बहुत प्रभावशाली सफलताएं हासिल की हैं।
उदाहरण के लिए, आर्टीम ओगनोव के नेतृत्व में एक टीम ने एक यूएसपीईएक्स प्रणाली बनाई जो रासायनिक यौगिकों के क्रिस्टल संरचनाओं की भविष्यवाणी करने में सक्षम थी, जिससे आधुनिक रसायन विज्ञान में वास्तविक क्रांति हुई।
मॉस्को स्टेट यूनिवर्सिटी के वीएमके के साथ व्लादिमीर मखनीचेव और विक्टर ज़खारोव की टीम पहली बार 7-पीस शतरंज एंडिंग्स की गणना करने में सक्षम थी जो उन्होंने बनाई प्रणाली, साथ ही साथ सुपर कंप्यूटर लोमोनोसोव और आईबीएम ब्लू जीन / पी।
यैंडेक्स के तंत्रिका नेटवर्क भाषण को पहचानते हैं और संश्लेषित करते हैं, सिविल डिफेंस और संगीतकार स्क्रिपिन की शैली में संगीत उत्पन्न करते हैं। Sberbank ने AI और मशीन लर्निंग विशेषज्ञों की एक मजबूत टीम भी बनाई है।
एक शब्द में, हम भी हमारे देश में ध्यान देने योग्य सफलताएं हैं।
जितनी तेजी से आर्टिफिशियल इंटेलिजेंस तकनीक आगे बढ़ती है, उतने ही भयभीत लोग इस बात को लेकर होते हैं कि वे कितनी जल्दी काम से बाहर हो जाएंगे। क्या यह सच में उतना बुरा है?
हां और ना। मानवता पहले ही कई बार उन प्रौद्योगिकियों के उद्भव का सामना कर चुकी है जिन्होंने पूरे उत्पादन क्षेत्र में क्रांति ला दी है।
तो यह औद्योगिक क्रांति के युग में भाप इंजन के साथ था, जिसने व्यावहारिक रूप से कई व्यवसायों (मुख्य रूप से आदिम शारीरिक श्रम से जुड़े) को नष्ट कर दिया था, इसलिए यह इलेक्ट्रॉनिक कंप्यूटरों के साथ था, जो प्रवाह गणितीय गणनाओं के आधार पर समस्याओं में मनुष्यों को प्रतिस्थापित करता था।
15 वीं -18 वीं शताब्दी में, जब भेड़ें इंग्लैंड में लोगों को खा जाती थीं, तो सामाजिक परिणाम वास्तव में विनाशकारी होते थे। इंग्लैंड अपनी जनसंख्या के 7 से 30% से, विभिन्न अनुमानों के अनुसार, हार गया। उस समय की शक्ति अभिजात वर्ग गंभीरता से चिंतित था कि अतिरिक्त लोगों के साथ क्या करना है। जोनाथन स्विफ्ट ने एक हास्य पैम्फलेट के साथ इस खोज का जवाब दिया जिसमें उन्होंने गरीबों के बच्चों को खाने का सुझाव दिया था।
हालाँकि, आज हम देखते हैं कि नए लोगों ने विलुप्त व्यवसायों की जगह ले ली है, और पृथ्वी की आबादी 18 वीं शताब्दी की तुलना में बहुत बड़ी है। 20 वीं शताब्दी में, स्वचालन के परिणाम अब सामाजिक दृष्टिकोण से इतने विनाशकारी नहीं थे। हालाँकि, आपको खतरे को कम नहीं समझना चाहिए।
"30 वर्षों में, रोबोट लगभग सब कुछ करने में सक्षम होंगे जो मनुष्य कर सकते हैं," मोशे वर्डी, कम्प्यूटेशनल इंजीनियरिंग के प्रोफेसर और राइस यूनिवर्सिटी में सूचना प्रौद्योगिकी के लिए कैनेडी इंस्टीट्यूट के निदेशक। राइस विश्वविद्यालय)। "यह इस तथ्य को जन्म देगा कि दुनिया के 50% से अधिक निवासी बेरोजगार हो जाएंगे।"
हाल ही में सूचना नीति, सूचना प्रौद्योगिकी और संचार पर राज्य ड्यूमा समिति के अध्यक्ष लियोनिद लेविन ने कहा कि कृत्रिम बुद्धि द्वारा कार्यबल को बाहर करने की समस्या रूस के लिए एक महत्वपूर्ण मुद्दा है।
जल्दी या बाद में, लोगों को एक स्वचालित प्रणाली द्वारा बदल दिया जाएगा, और देश की 2% कार्यशील आबादी बाजार पर फैल जाएगी। यही कारण है कि हमें इस बारे में सोचने की ज़रूरत है कि डिजिटल तकनीकों के विकास के कारण जो लोग अपनी नौकरी खो देंगे, उनके लिए रोजगार कैसे मिलेगा।
अध्यक्ष के अनुसार, निकट भविष्य में हम बेरोजगारी में वृद्धि का सामना करेंगे। लेकिन क्या रोबोट वास्तव में हमारी नौकरियों को "छीन" लेंगे और क्या इस बारे में चिंता करने की कोई जरूरत है, मशीन सीखने के विशेषज्ञ सर्गेई मार्कोव ने स्नेग.टीवी को बताया।
सर्गेई, यहां तक \u200b\u200bकि अब पहले से ही "मृत पेशे" हैं जिन्हें मानव श्रम की आवश्यकता नहीं है, हालांकि, ऐसा प्रतीत होता है, 10 साल पहले, किसी ने भी नहीं सोचा था, उदाहरण के लिए, कंडक्टर जल्द ही अनावश्यक हो जाएंगे। क्या अन्य व्यवसायों प्रौद्योगिकी की जगह लेगा?
हम ऐसे समय में आ रहे हैं जब मशीनें लगभग किसी भी चीज़ में इंसानों से आगे निकल जाएंगी। मेरा मानना \u200b\u200bहै कि समाज को इस समस्या का सामना करने से पहले अपनी पूरी ऊंचाई तक पहुंचने की जरूरत है। यदि मशीनें लगभग सब कुछ कर सकती हैं जो मनुष्य कर सकता है, तो वे क्या कर सकते हैं? मोशे वर्डी, कम्प्यूटेशनल इंजीनियरिंग के प्रोफेसर और चावल विश्वविद्यालय में केन कैनेडी इंस्टीट्यूट ऑफ इंफॉर्मेशन टेक्नोलॉजी के निदेशक।
एक लंबे समय के लिए, तकनीकी सीमाएँ स्वचालन के रास्ते में खड़ी थीं: मशीनें छवियों और भाषण को नहीं पहचान सकती थीं, बोल नहीं सकती थीं, प्राकृतिक भाषा में बयानों के अर्थ को अच्छी तरह से समझ नहीं सकती थीं, जिनके पास बहुत सी बातें जानने के लिए पर्याप्त डेटा नहीं था। मनुष्य।
कृत्रिम बुद्धिमत्ता में हालिया प्रगति के साथ, इनमें से कई प्रतिबंधों को प्रभावी ढंग से हटा लिया गया है। इसके अलावा, कई व्यवसायों ने स्वयं एक परिवर्तन किया है जिससे उन्हें स्वचालित करना आसान हो गया है।
उदाहरण के लिए, एक आधुनिक कार्यालय क्लर्क कागज में पत्राचार नहीं करता है, लेकिन इलेक्ट्रॉनिक रूप में, एक लेखाकार कागज पर प्रविष्टियां नहीं करता है, लेकिन एक लेखा कार्यक्रम में, एक मशीन ऑपरेटर अक्सर हैंडल की मदद से मशीन को नियंत्रित नहीं करता है, लेकिन मदद से एक नियंत्रण कार्यक्रम के। इसलिए, अब कई व्यवसायों में स्वचालन की समस्या वैज्ञानिक नहीं रह गई है और विशुद्ध रूप से इंजीनियरिंग बन गई है।
सच है, अब तक एआई से संबंधित उत्पादन क्षेत्र में नौकरियां पैदा होने की अधिक संभावना है - हमें मशीन लर्निंग और डेटा तैयारी के क्षेत्र में विशेषज्ञों की जरूरत है, कर्मचारियों को प्रशिक्षण सरणियों, कार्यान्वयन विशेषज्ञों आदि को चिह्नित करना है, लेकिन कुछ बिंदु पर, "इलेक्ट्रिक भेड़ "निश्चित रूप से लोगों को खाना शुरू कर देंगे, और परिणामों को अब ध्यान रखने की आवश्यकता है।
उसी समय, यह समझना महत्वपूर्ण है कि तकनीकी प्रगति को रोकना असंभव है, और ऐसा करने के प्रयास के परिणामस्वरूप बहुत अधिक भयावह परिणाम होंगे।
क्या हम कभी भी रोबोट (एआई) पर पूरी तरह से भरोसा कर पाएंगे, या किसी भी व्यवसाय में एक मानवीय कारक होना चाहिए?
इस सवाल के कई पहलू हैं। एक तरफ, अतीत में लोग लगभग किसी भी तकनीक से सावधान थे। पहली लिफ्ट, पहली कार, पहली ट्रेन या विमान - यह सब एक बार असामान्य था और कई लोगों के लिए खतरनाक लग रहा था। हां, कई मायनों में यह खतरनाक था - मानव निर्मित आपदाओं ने कई लोगों के जीवन का दावा किया।
फिर भी, इन दिनों ये सभी चीजें आम हो गई हैं और अब मजबूत डर का कारण नहीं है। इस अर्थ में, हमारे वंशज एआई सिस्टम को अधिक शांति से व्यवहार करेंगे। लोग कभी-कभी ऐसी चीज़ों की खोज करते हैं जो उन्हें समझ में नहीं आती हैं। बर्बर सोचता है कि एक बुरी आत्मा ट्रेन में रहती है, और आधुनिक आम आदमी सोचता है कि हमारे एआई सिस्टम सचेत हैं, हालांकि यह मामले से बहुत दूर है।
दूसरी ओर, मुझे नहीं लगता कि सामान्य-उद्देश्य AI सिस्टम कभी भी हमारे निर्माण स्थान का हिस्सा बन जाएगा। मेरी राय में, भविष्य सिंथेटिक सिस्टम के बजाय है - अर्थात, मनुष्य और मशीन को एक ही जीव में एकीकरण करना। इस लिहाज से भविष्य की कृत्रिम बुद्धिमत्ता से मानवीय बुद्धिमत्ता बेहतर होगी।
वैसे, मानव बुद्धिमत्ता को भी प्राकृतिक कहलाने के लिए पूरी तरह से सही नहीं है। जन्म से एक बच्चे में बुद्धि नहीं होती है; समाज, माता-पिता और पर्यावरण उसे सब कुछ सिखाते हैं। इस अर्थ में, हम सभी, वास्तव में, "कृत्रिम बुद्धिमत्ता" हैं, और एआई से जुड़े हमारे डर कई मायनों में खुद से डरते हैं।
हाल ही में, कई वैज्ञानिक, उदाहरण के लिए स्टीफन हॉकिंग, बिल गेट्स या उसी एलोन मस्क ने घबराहट करना शुरू कर दिया कि एआई मानवता को मौत के घाट उतारता है, और वे भविष्य को किसी तरह के डिस्टोपिया के रूप में देखते हैं। क्या हमें ऐसी भविष्यवाणियों को गंभीरता से लेना चाहिए?
सच कहूं, तो मैं इन बयानों से गंभीर रूप से डरने की जल्दी नहीं करूंगा। स्टीफन हॉकिंग निश्चित रूप से एआई विशेषज्ञ नहीं हैं, जैसे कि एलोन मस्क सामान्य रूप से हैं।
स्केल के दूसरी तरफ, एंड्रयू एनजी, एक अमेरिकी कंप्यूटर वैज्ञानिक, स्टैनफोर्ड विश्वविद्यालय में एक सहायक प्रोफेसर, रोबोटिक्स और मशीन सीखने के शोधकर्ता और चीनी निगम की कृत्रिम बुद्धिमत्ता प्रयोगशाला में एक अग्रणी विशेषज्ञ जैसे लोगों के बयान। Baidu।
एनजी, एआई सुरक्षा के मुद्दे के बारे में बोलते हुए, इसकी तुलना मंगल ग्रह पर अतिप्राप्ति की समस्या से करता है - बेशक, हम किसी दिन मंगल ग्रह का उपनिवेश करेंगे, और फिर शायद किसी बिंदु पर अतिपिछलेपन का मुद्दा होगा। लेकिन क्या आज यह करने लायक है?
मार्क जुकरबर्ग भी मस्क के दावों को लेकर काफी संशय में थे। "कृत्रिम बुद्धिमत्ता भविष्य में हमारे जीवन को बेहतर बनाएगी, और दुनिया के अंत की भविष्यवाणी करना बहुत गैर जिम्मेदाराना होगा," उन्होंने कहा।
व्यक्तिगत रूप से, मुझे लगता है कि मस्क के बयानों को एक व्यावहारिक शिरा में देखा जाना चाहिए - मस्क इस विषय को बाहर करना चाहते हैं और, आदर्श रूप से, इसे विकसित करने के लिए राज्य से धन प्राप्त करते हैं।
क्या सब कुछ इतना बादल रहित है और चिंता की कोई बात नहीं है?
एआई के विकास से जुड़े वास्तविक खतरे, मेरी राय में, इसके बारे में सोचने के लिए प्रथागत है। मुख्य जोखिम इस तथ्य से जुड़े नहीं हैं कि हम स्काईनेट बनाएंगे, जो मानवता को गुलाम बनाएगी। एआई और मशीन सीखने की तकनीक शुरू करने के जोखिम कहीं अधिक सांसारिक हैं।
कुछ गणितीय मॉडलों के लिए महत्वपूर्ण मुद्दों के समाधान पर भरोसा करते हुए, हम उनके विकास में हुई गलतियों से पीड़ित हो सकते हैं। मानव विशेषज्ञों के कार्यों की प्रतिकृति बनाने वाली कृत्रिम बुद्धि उनकी गलतियों और पूर्वाग्रहों को विरासत में देगी। उत्पादन या परिवहन नियंत्रण प्रणालियों में अपर्याप्तता आपदाओं को जन्म दे सकती है।
कुल स्वचालन की स्थितियों में महत्वपूर्ण प्रणालियों के संचालन में घुसपैठियों की घुसपैठ खतरनाक परिणाम दे सकती है। एक प्रणाली जितनी जटिल है, उतनी ही संभावित कमजोरियां उनमें हो सकती हैं, जिनमें कुछ कृत्रिम बुद्धि एल्गोरिदम की बारीकियों से संबंधित हैं।
बेशक, इन जोखिमों का प्रबंधन करने के लिए, कमजोरियों की पहचान के लिए एक कानूनी ढांचा, उचित सुरक्षा नियम और विशेष तरीके बनाना आवश्यक है। कुछ AI सिस्टम का इस्तेमाल दूसरों को नियंत्रित करने के लिए किया जाएगा। शायद स्वतंत्र ऑडिट के लिए महत्वपूर्ण प्रणालियों के कोड को प्रकाशित करने की आवश्यकता होगी। संक्षेप में, इस क्षेत्र के विशेषज्ञों के लिए अभी भी बहुत काम है।
मेरे और सबसे जिज्ञासु छात्रों के लिए मेरा पसंदीदा विषय समान है, यदि पहली नज़र में, शब्दों और अभिव्यक्तियों में समान नहीं है।
बहुत बार विदेशी, पहले से ही रूसी भाषा में काफी धाराप्रवाह, "पियर्स" शब्दों का उपयोग जो ठेठ समानार्थी शब्द लगते हैं, लेकिन वास्तव में अलग-अलग अर्थ हैं, विशेष रूप से संदर्भ में। "क्यों" के बजाय "क्यों" शब्द का सबसे आम उपयोग है। यदि आप ऐसी गलतियां करते हैं, तो चिंता न करें, यह स्वाभाविक से अधिक है, क्योंकि संदर्भ से बाहर, इन शब्दों का अर्थ लगभग समान है और अंग्रेजी शब्द "क्यों" के समान शब्दार्थ भार वहन करता है, जिसका उपयोग दोनों में किया जाता है "क्यों" के अर्थ में और "क्यों" के अर्थ में, और यहां तक \u200b\u200bकि "और क्या" के अर्थ में।
आज तुम इतने उदास क्यों हो? - आज तुम इतने उदास क्यों हो?
हम इस भयानक जगह पर क्यों आए? - हम इस भयानक जगह पर क्यों आए हैं?
आपकी शादी हो गई? - क्या आप शादीशुदा हैं?
नहीं। क्या? - नहीं न। क्यों?
चूंकि जो छात्र अभी रूसी भाषा से परिचित होना शुरू कर रहे हैं, अक्सर एक शब्द को इसके शब्दकोश अर्थों के यादृच्छिक रूप में एक शब्द के संदर्भ में ट्रेस कर रहा है, एक अर्थपूर्ण भ्रम है। स्थिति की कल्पना करो। मैं आपको एक वीडियो ट्यूटोरियल भेजना चाहता हूं, लेकिन मुझे नहीं पता कि आप इसे देख सकते हैं, यदि आपके पास ऐसा करने की तकनीकी क्षमता है। फिर मैं एक सवाल पूछने का फैसला करता हूं, और निम्नलिखित बातचीत होती है:
- हाँ। क्यों?
- क्या आपके कंप्यूटर पर वीडियो प्लेयर है?
- हाँ। और क्यों?
पहले मामले में, आप स्पष्ट रूप से "हां क्यों?" कहना चाहते थे, और दूसरे में, "हां। क्यों?"
मैं आपसे पूछता हूं कि क्या आपके कंप्यूटर पर एक वीडियो प्लेयर स्थापित है, और आपको आश्चर्य है कि आपको इसकी आवश्यकता क्यों हो सकती है, लेकिन "क्यों" शब्द के उपयोग के कारण, काउंटर प्रश्न का अर्थ विकृत है। अधिक सटीक रूप से, यह सवाल पूरी तरह से अप्राकृतिक लगता है। इस मामले में "क्यों" शब्द का उपयोग "क्यों" शब्द के बजाय किया गया था, लेकिन इसके अर्थ में इसे प्रतिस्थापित नहीं किया।
कैसे समझें कि किस मामले में हम "क्यों" शब्द का उपयोग करते हैं, और किस "क्यों" में? चलिए इसका पता लगाते हैं।
प्रश्न पूछने से पहले, यह समझना आवश्यक है कि हमारा क्या मतलब है: लक्ष्य या कार्रवाई का कारण।
प्रश्न "क्यों" को निम्नलिखित प्रश्नों द्वारा प्रतिस्थापित किया जा सकता है: "किस उद्देश्य के लिए?", "किस उद्देश्य के लिए?", "किस लिए?"
प्रश्न "क्यों" को निम्नलिखित प्रश्नों द्वारा प्रतिस्थापित किया जा सकता है: "इससे क्या हुआ?", "आपने इसे क्या बनाया / ऐसा सोचते हैं?"
इसलिए, जब हमारे छोटे संवाद के दौरान आप यह जानना चाहते हैं कि आपको वीडियो प्लेयर की आवश्यकता क्यों है, तो यह स्पष्ट है कि आप अनिवार्य रूप से पूछ रहे हैं: "मुझे किस उद्देश्य से इसकी आवश्यकता है?", "मुझे इसकी आवश्यकता क्यों है?"
आइए इन प्रश्नों का उपयोग करके देखें। संवाद हो सकता है, उदाहरण के लिए, यह:
- क्या आपके कंप्यूटर में एक वीडियो प्लेयर है?
- हाँ। तुमने क्यों पूछा?
इस मामले में, सवाल "क्यों" का उपयोग सही ढंग से किया जाता है, क्योंकि सवाल "आप क्यों पूछ रहे हैं?" सार्थक इस सवाल के बराबर है "आपने यह सवाल क्या पूछा?" (अंतिम अभिव्यक्ति बहुत औपचारिक और सख्त लगती है, लेकिन अब इससे कोई फर्क नहीं पड़ता, हमारा काम अब अंतर महसूस करना है)
बिना अपवाद के रूसी भाषा संभव नहीं है, इसलिए ऐसे मामले हैं जब "क्यों" शब्द का उपयोग "क्यों" के अर्थ में किया जाता है। यह एक दुर्लभता है, और इस रूप को पुराना माना जाता है, लेकिन यह पाया जा सकता है, उदाहरण के लिए, साहित्यिक ग्रंथों में, कविता में। इस तरह के वाक्यांश हर रोज़ भाषण से अधिक उदात्त लगते हैं, अधिक भावुक होते हैं। उदाहरण के लिए: "मैं एक पक्षी क्यों नहीं हूँ? .."
वक्ता यह नहीं पूछता है कि वह किस उद्देश्य से एक मानव पैदा हुआ था, लेकिन अफसोस के एक निश्चित नोट के साथ पूछता है कि किस कारण से, वह हवा में चढ़ने और अधिक स्वतंत्र महसूस करने में सक्षम नहीं है।
तो, आइए संक्षेप में बताएं कि संक्षिप्त सूत्र के साथ क्या कहा गया है।
क्यों \u003d प्रयोजन
क्यों \u003d कारण
कृत्रिम बुद्धिमत्ता पहले से ही आपके भविष्य को किसी तरह निर्धारित करने में मदद कर रही है। जब आप किसी खोज इंजन पर कुछ खोजते हैं, तो Netflix जैसी सेवा का उपयोग करते हैं, या बैंक बंधक के लिए आपकी उपयुक्तता का मूल्यांकन करता है। लेकिन क्या होता है अगर कृत्रिम बुद्धि को यह निर्धारित करना है कि आप दोषी हैं या नहीं, अदालत में? अजीब तरह से पर्याप्त, कुछ देशों में यह पहले से ही हो रहा हो सकता है। हाल ही में, अमेरिका के उच्च न्यायमूर्ति जॉन रॉबर्ट्स से पूछा गया था कि क्या वह एक दिन की कल्पना कर सकते हैं जब "कृत्रिम बुद्धि द्वारा नियंत्रित स्मार्ट मशीनें, सबूत खोजने में या न्यायिक निर्णय लेने में भी सहायता करेंगी।" उन्होंने जवाब दिया: "यह दिन पहले ही आ चुका है, और वह कार्यवाही में न्यायिक अधिकारियों की मदद कर रहे हैं।"
शायद रॉबर्ट्स एरिक लूमिस के हालिया मामले का जिक्र कर रहे थे, जिन्हें एक निजी कंपनी से गुप्त स्वामित्व सॉफ्टवेयर की सिफारिश पर छह साल जेल की सजा सुनाई गई थी। लूमिस, जिनके पास पहले से ही एक आपराधिक इतिहास था और चोरी की कार में पुलिस से बचने के लिए सजा सुनाई गई थी, अब दावा करता है कि प्रक्रिया के उनके अधिकार का उल्लंघन किया गया था क्योंकि न तो वह और न ही उनके प्रतिनिधि सिफारिश एल्गोरिथ्म की समीक्षा या चुनौती देने में सक्षम थे।
कम्पास सॉफ्टवेयर द्वारा रिपोर्ट तैयार की गई थी, जिसे नॉट्रॉइंट द्वारा जहाजों को बेचा जाता है। यह कार्यक्रम एआई अनुसंधान में एक नई प्रवृत्ति का प्रतीक है: न्यायाधीशों को अदालत में "बेहतर" (या कम से कम अधिक डेटा-चालित) निर्णय लेने में मदद करता है।
जबकि लूमिस मामले के विशिष्ट विवरण बंद रहते हैं, इसमें निश्चित रूप से चार्ट और संख्याएं शामिल होती हैं जो लूमिस के जीवन, व्यवहार और एक रिलेप्ले की संभावना को परिभाषित करती हैं। इनमें उम्र, नस्ल, लिंग पहचान, आदतें, ब्राउज़र इतिहास और खोपड़ी के कुछ माप शामिल हैं। कोई भी अधिक सटीक रूप से जानता है।
यह ज्ञात है कि मामले में अभियोजन पक्ष ने न्यायाधीश को बताया कि लूमिस ने "पूर्वाग्रह, हिंसा, पूर्व-परीक्षण कार्यवाही का एक उच्च जोखिम" दिखाया। यह मानक है जब यह सजा की बात आती है। न्यायाधीश ने सहमति व्यक्त की और लूमिस को बताया कि "कम्पास ने उन्हें समाज के लिए उच्च जोखिम वाले व्यक्ति के रूप में पहचाना।"
विस्कॉन्सिन सुप्रीम कोर्ट ने लूमिस को दोषी ठहराया, यह कहते हुए कि कम्पास रिपोर्ट ने उनके फैसले में बहुमूल्य जानकारी जोड़ दी, लेकिन ध्यान दिया कि उसके बिना, उन्होंने एक ही वाक्य पारित किया। बेशक, आप यह सुनिश्चित करने में सक्षम नहीं होंगे। किस तरह के संज्ञानात्मक पक्षपात हो सकते हैं जब कंपास जैसी सर्वशक्तिमान "स्मार्ट" प्रणाली न्यायाधीशों को क्या करने की सलाह देने में शामिल है?
चलो ईमानदार रहें, विस्कॉन्सिन अदालत ने जो किया उसके बारे में कुछ भी "अवैध" नहीं है - यह सिर्फ एक उदाहरण है। अन्य अदालतें भी ऐसा कर सकती हैं।
दुर्भाग्य से, हम यह नहीं जानते हैं कि सजा में एआई और अन्य एल्गोरिदम का उपयोग किस हद तक किया जाता है। यह माना जाता है कि कुछ अदालतें बंद परीक्षणों में कम्पास की तरह "परीक्षण" कर रही हैं, लेकिन साझेदारी का दावा नहीं कर सकती हैं। यह भी माना जाता है कि कई एआई स्टार्टअप ऐसे स्मार्ट सिस्टम विकसित कर रहे हैं।
हालांकि, एआई इन लॉ का उपयोग किसी वाक्य के साथ शुरू या समाप्त नहीं होता है, यह एक जांच से शुरू होता है। यूके ने पहले ही VALCRI सिस्टम विकसित कर लिया है, जो सेकंड में समय लेने वाली विश्लेषणात्मक कार्य करता है - उन चीज़ों को उजागर करने के लिए ग्रंथों, प्रयोगशाला रिपोर्ट और पुलिस दस्तावेजों जैसे डेटा के माध्यम से चुपके जो आगे की जांच की आवश्यकता हो सकती है।
यूके वेस्ट मिडलैंड्स पुलिस अनाम डेटा का उपयोग करते हुए अगले तीन वर्षों में VALCRI का परीक्षण करेगी, जिसमें 6.5 मिलियन से अधिक रिकॉर्ड होंगे। बेल्जियम में एंटवर्प पुलिस द्वारा इसी तरह का परीक्षण किया जा रहा है। हालाँकि, अतीत में, बड़े डेटासेट से जुड़े AI और डीप लर्निंग प्रोजेक्ट्स समस्याग्रस्त रहे हैं।
तकनीक ने फोटोकॉपीर्स से लेकर डीएनए निष्कर्षण तक उंगलियों के निशान से लेकर अत्याधुनिक निगरानी तकनीकों तक कई उपयोगी सहायक उपकरण प्रदान किए हैं। लेकिन इसका मतलब यह नहीं है कि कोई भी तकनीक एक सुधार है।
जबकि जांच और सजा में एआई का उपयोग संभावित रूप से समय और धन की बचत कर सकता है, यह तीव्र समस्याएं पैदा करता है। प्रोपोलिस की एक कम्पास रिपोर्ट ने यह स्पष्ट किया कि अश्वेतों को गलती से गोरों के प्रति अधिक शत्रुतापूर्ण माना जाता है। यहां तक \u200b\u200bकि सबसे परिष्कृत एआई सिस्टम उन लोगों के नस्लीय और लिंग पक्षपात को विरासत में ले सकते हैं जो उन्हें बनाते हैं।
इसके अलावा, एल्गोरिथ्म पर मनुष्यों के लिए अद्वितीय मुद्दों पर निर्णय लेने (कम से कम भाग में) को स्थानांतरित करने की बात क्या है? संयुक्त राज्य अमेरिका में एक निश्चित कठिनाई होती है जब ज्यूस अपने साथियों की कोशिश करते हैं। कानूनी मानक कभी भी बेंचमार्क नहीं रहे हैं, यही वजह है कि इन जूरी ट्रायल को सबसे लोकतांत्रिक और प्रभावी सजा प्रणाली माना जाता है। हम गलतियाँ करते हैं, लेकिन समय के साथ हम ज्ञान को संचित करते हैं कि उन्हें कैसे नहीं बनाया जाए, सिस्टम को परिष्कृत किया जाए।
कम्पास और इसी तरह की प्रणालियाँ कानूनी प्रणाली में एक ब्लैक बॉक्स का प्रतिनिधित्व करती हैं। ऐसा नहीं होना चाहिए। कानूनी प्रणालियां निरंतरता, सूचना की पारदर्शिता और समीक्षा करने की क्षमता पर निर्भर करती हैं। समाज एक ऐसी प्रणाली नहीं चाहता है जो तेजी से, सस्ते और विशेष समाधान बनाने वाले AI स्टार्टअप बनाने की दौड़ को प्रोत्साहित करे। जल्दबाजी में बनाया गया AI भयानक होगा।
कम्पास का एक अद्यतन खुला स्रोत संस्करण एक सुधार होगा। लेकिन पहले, न्याय प्रणाली के मानकों को एल्गोरिदम के पक्ष में जिम्मेदारी बदलने से पहले उठाना होगा।
सभी ने द टर्मिनेटर के बारे में फिल्में देखीं, जहां स्काईनेट सुपरकंप्यूटर ने स्वतंत्र इच्छा प्राप्त की और मानवता को नष्ट करने का फैसला किया। एलोन मस्क और स्टीफन हॉकिंग एआई के विकास से कुछ इसी तरह की उम्मीद करते हैं। हम पता लगाते हैं कि क्या उनका डर सच है।
कृत्रिम बुद्धि क्या है? यह समझना महत्वपूर्ण क्यों है कि यह क्या है? आज हर कोई उसके बारे में क्यों बात कर रहा है?
यदि आप प्रेस को पढ़ते हैं, तो आप शायद जानते हैं कि अमेज़ॅन और Google आभासी सहायक इस तकनीक की सहायता से काम करते हैं, और जल्द ही मशीनें लोगों से सभी काम छीन लेंगी (वास्तव में, तथ्य नहीं)। लेकिन एक ही समय में, आप स्पष्ट रूप से समझने की संभावना नहीं रखते हैं कि कृत्रिम बुद्धि क्या है, और क्या यह सच है कि रोबोट हम सभी को गुलाम बनाएंगे। यह लेख आपको सभी मुद्दों को सुलझाने में मदद करेगा।
आर्टिफिशियल इंटेलिजेंस (AI) एक कंप्यूटर प्रोग्राम है जिसमें एक लर्निंग इंजन बनाया गया है। नया ज्ञान प्राप्त करने के बाद, वह बाद में एक नई स्थिति में निर्णय लेने के लिए इसका उपयोग करती है, जैसा कि लोग करते हैं। इस तरह के कार्यक्रम बनाने वाले शोधकर्ता कोड पढ़ने की छवियां, पाठ, वीडियो या ध्वनि बनाने की कोशिश करते हैं, और इस जानकारी से सीखते हैं। जब ऐसा होता है, तो प्राप्त ज्ञान का उपयोग दूसरी स्थिति में किया जा सकता है। यदि एल्गोरिदम ने किसी के चेहरे को पहचानना सीख लिया है, तो इसे बाद में फेसबुक से फोटो में पहचाना जा सकता है। सीखने को अक्सर आधुनिक AI में "कोचिंग" के रूप में जाना जाता है।
जन्म से लोग जानते हैं कि जटिल विचारों के साथ कैसे काम किया जाए: यदि हम एक सेब देखते हैं, तो बाद में हम पहले के विपरीत, पूरी तरह से अलग कुछ सीख पाएंगे। मशीनें बहुत शाब्दिक हैं - कंप्यूटर में "समानता" की कोई अवधारणा नहीं है - और एआई के विकास का लक्ष्य मशीनों को कम शाब्दिक बनाना है। मशीन आसानी से ऐप्पल फ़ोटो की सटीक डुप्लिकेट पा सकती है या पाठ में दो समान वाक्य पा सकती है, लेकिन ऐप्पल की दृश्य छवि के साथ काम करने के लिए, एक अलग कोण से या एक अलग प्रकाश के साथ एक ही ऐप्पल की छवि को पहचानने के लिए, आपको आवश्यकता है एआई। यह सामान्यीकरण या डेटा की समानता के आधार पर एक विचार का गठन, और आपको उन चीजों के बीच समानताएं देखने की अनुमति देता है, जिनमें एआई का सामना पहले नहीं हुआ है।
कार्नेगी मेलन विश्वविद्यालय में कंप्यूटर विज्ञान के प्रोफेसर एलेक्स रुडनिट्स्की कहते हैं: “लक्ष्य जटिल मानव व्यवहार को एक ऐसे रूप में आकार देना है जिसे कम्प्यूटेशनल रूप से संसाधित किया जा सके। और यह बदले में, हमें ऐसी प्रणाली बनाने की अनुमति देता है जो लोगों के लिए उपयोगी जटिल क्रियाएं कर सकती हैं। ”
एआई शोधकर्ता अभी भी बहुत मूल बातें पर काम कर रहे हैं। किसी चित्र या वीडियो में यह देखने के लिए कंप्यूटर को कैसे सिखाना है? जब यह सफल हो जाता है, तो आपको मान्यता से समझ तक स्थानांतरित करने की आवश्यकता होती है। यह न केवल यह पता लगाने के लिए बहुत अच्छा होगा कि तस्वीर में एक सेब है, बल्कि यह भी पता लगाने के लिए कि सेब खाद्य है, कि इसका संतरे और नाशपाती के साथ कुछ करना है, कि लोग सेब खाते हैं और सेब बनाने में उनका उपयोग करते हैं पाई। और मिचुरिन, कायाकल्प करने वाले सेब और इस तरह के बारे में जानना अच्छा होगा। इसके अलावा, भाषा को समझने में समस्या है, क्योंकि कई शब्दों के कई अर्थ होते हैं, केवल संदर्भ में अलग-अलग होते हैं, और हम सभी अपने विचारों को अलग-अलग तरीकों से व्यक्त करते हैं। एक कंप्यूटर इस तरल पदार्थ को कैसे बदल सकता है, कभी बदलती घटना?
विभिन्न क्षेत्रों में, AI प्रगति की गति बहुत अलग है। उदाहरण के लिए, कंप्यूटर दृष्टि अब बहुत तेज़ी से आगे बढ़ रही है, अर्थात्, छवियों को पहचानने की क्षमता, जबकि प्राकृतिक भाषा को समझने की स्थिति बहुत खराब है। इन क्षेत्रों में, तथाकथित "संकीर्ण बुद्धि" को विकसित किया जा रहा है - ऐसी एआई छवियों, ध्वनि या पाठ के साथ काम करते समय प्रभावी है, लेकिन एक साथ कई अलग-अलग संकेतों को नहीं देख सकता है (जब हम मनुष्यों में "सामान्य बुद्धि" का निरीक्षण करते हैं)। कई शोधकर्ताओं को उम्मीद है कि विशिष्ट क्षेत्रों में प्रगति मशीन सीखने के सामान्य सिद्धांतों को समझने में मदद करेगी, जो फिर भी सार्वभौमिक एआई के निर्माण का नेतृत्व करेगी।
एक बार जब एआई ने एक तस्वीर में एक सेब को पहचानना या एक ऑडियो रिकॉर्डिंग पर भाषण के टुकड़े को पहचानना सीख लिया है, तो इसका उपयोग अन्य कार्यक्रमों में पहले से ही निर्णय लेने के लिए किया जा सकता है जो अन्यथा एक मानव की आवश्यकता होगी। उदाहरण के लिए, आप स्वचालित रूप से अपने दोस्तों को फेसबुक फ़ोटो में टैग कर सकते हैं - अन्यथा आपको इसे मैन्युअल रूप से करना होगा। अगर हम एक मानवरहित वाहन या ड्राइवर सहायता प्रणाली के बारे में बात कर रहे हैं, तो अन्य कारों और सड़क के संकेतों को पहचानना संभव है, और कृषि में, फसल को हटाने के लिए, सड़े हुए फलों को हटाकर।
केवल छवि मान्यता के आधार पर ये कार्य, पारंपरिक रूप से उपयोगकर्ता द्वारा या सॉफ्टवेयर कंपनी के किसी व्यक्ति द्वारा किए गए हैं। यदि कोई कार्य उपयोगकर्ता के समय को बचाता है, तो यह उसका प्रतिस्पर्धी लाभ है, और यदि यह किसी कर्मचारी के समय को मुक्त करता है या अपने काम को पूरी तरह से अनावश्यक बनाता है, तो यह व्यावसायिक लागत को कम करता है।
इसके अलावा, ऐसे कार्य हैं जो केवल मशीनों के बिना नहीं किए जा सकते हैं: उदाहरण के लिए, यह कुछ ही मिनटों में लाखों रिकॉर्ड की मात्रा में बिक्री विश्लेषिकी को संसाधित कर रहा है। ये कार्य अब जल्दी और सस्ते में किए जाते हैं। यहां हम मशीन को वह करना सिखाते हैं जो लोग करते थे, और निश्चित रूप से, ऐसे नवाचारों से आर्थिक लाभ बहुत शानदार है।
कार्नेगी मेलन यूनिवर्सिटी कंप्यूटर इंटरेक्शन लेबोरेटरी के प्रोफेसर जेसन होंग का तर्क है कि जबकि एआई मनुष्यों के लिए कार्य कर सकता है, यह नई नौकरियां भी पैदा कर सकता है।
“कारों ने घोड़ों को पूरी तरह से बदल दिया है, लेकिन मध्यम से लंबी अवधि में, उनकी उपस्थिति ने विभिन्न प्रकार के कार्यों और उत्पादन का नेतृत्व किया है - वैगन, छोटे ट्रक, मिनीवैन, कन्वर्टिबल और इतने पर। इसी तरह, अल्पावधि में, एआई सिस्टम नियमित कार्यों के लिए मनुष्यों के लिए एक सीधा प्रतिस्थापन बन जाएगा, लेकिन मध्यम से दीर्घावधि में, हम देखेंगे कि इससे नई विविधता पैदा हुई है, ”वे कहते हैं।
गोटलिब डेमलर और कार्ल बेंज ने यह नहीं सोचा कि कार शहरों का चेहरा कैसे बदलेगी, या प्रदूषण के बारे में या विकसित देशों में मोटापा महामारी के बारे में नहीं होगा। इसलिए इस कारक के दीर्घकालिक प्रभाव का आकलन करना अभी भी हमारे लिए मुश्किल है।
वास्तव में, एआई प्रशिक्षण की व्यवस्था कैसे की जानी चाहिए, इस बारे में कई विचार 60 साल से अधिक पुराने हैं। 1950 के दशक में वापस, वैज्ञानिक फ्रैंक रोसेनब्लैट, बर्नार्ड विडो और मार्कियन हॉफ ने तत्कालीन जीव विज्ञान की अवधारणाओं के अनुसार न्यूरॉन्स की गणितीय अभिव्यक्ति का बीड़ा उठाया। हां, एक समीकरण किसी भी समस्या को हल नहीं कर सकता है, लेकिन क्या होगा यदि एक मस्तिष्क की तरह, आप कई संबंधित समीकरणों का उपयोग करते हैं? मूल उदाहरण सरल थे: डिजिटल टेलीफोन लाइन पर आने वाले लोगों और शून्य के सेटों का विश्लेषण करें और भविष्यवाणी करें कि आगे क्या होता है।
कई दशकों से, कंप्यूटर विज्ञान में यह व्यापक रूप से माना जाता रहा है कि इस तरह से कोई जटिल समस्या हल नहीं की जा सकती है। फिर भी, आज यह अवधारणा बड़ी कंपनियों के इस क्षेत्र में सक्रिय अधिकांश प्रणालियों को रेखांकित करती है: Google, Amazon, Facebook, Microsoft। अब, दृष्टिहीनता में, वैज्ञानिकों को एहसास हुआ कि हमारे दिमाग में अरबों न्यूरॉन्स को मॉडल करने के लिए कंप्यूटर पर्याप्त रूप से परिष्कृत नहीं थे, और तंत्रिका नेटवर्क को प्रशिक्षित करने के लिए बड़ी मात्रा में डेटा की आवश्यकता थी।
और ये दो कारक, कंप्यूटिंग शक्ति और पर्याप्त डेटा, केवल पिछले 10 वर्षों में उभरे हैं।
1990 के दशक के मध्य में, एक प्रसिद्ध ग्राफिक्स कार्ड निर्माता, एनवीडिया ने पाया कि इसके जीपीयू तंत्रिका नेटवर्क चलाने के लिए अच्छी तरह से अनुकूल थे, और एआई के साथ काम करने के लिए विशेष रूप से अनुकूलित कार्ड जारी करना शुरू कर दिया। यह पाया गया कि तेजी से और अधिक जटिल तंत्रिका नेटवर्क के साथ काम करने से प्रतिक्रियाओं की सटीकता में महत्वपूर्ण सुधार होता है।
फिर 2009 में, एआई शोधकर्ता फी-फी ली ने इमेजनेट नामक एक डेटाबेस प्रकाशित किया, जिसमें 3 मिलियन से अधिक संगठित चित्र कैप्शन के साथ थे। उनका मानना \u200b\u200bथा कि अगर एल्गोरिदम के और उदाहरण हैं, तो यह उन्हें अधिक जटिल विचारों को मास्टर करने में मदद करेगा। 2010 में, ली ने इमेजनेट प्रतियोगिता का शुभारंभ किया, और 2012 तक, एक अन्य शोधकर्ता, जेफ हिंटन, एक न्यूरल नेटवर्क को प्रशिक्षित करने के लिए इस छवि डेटाबेस का उपयोग कर रहे थे - और सटीकता के एक विशाल अंतर के द्वारा अन्य सभी अनुप्रयोगों को बेहतर बना दिया, 10% से अधिक।
जैसा कि ली ने भविष्यवाणी की थी, डेटा की मात्रा एक प्रमुख पैरामीटर बन गई है। Hinton ने तंत्रिका नेटवर्क से एक पाइप लाइन की भी व्यवस्था की - एक चित्र, एक अन्य बनावट आदि में एक आकार पाया, आज इसे डीप न्यूरल नेटवर्क या डीप लर्निंग कहा जाता है, और जब आप AI की अगली सफलता के बारे में समाचार में पढ़ते हैं, तो हम एक के बारे में बात कर रहे हैं। समान प्रणाली।
जैसे ही प्रौद्योगिकी उद्योग ने वैज्ञानिकों के परिणामों को देखा, एक उछाल शुरू हुआ। रिश्तेदार अस्पष्टता में गहरी सीखने पर काम करने वाले दशकों में नए रॉक स्टार थे, और 2015 तक Google के पास मशीन सीखने के लिए 1,000 से अधिक परियोजनाएं थीं।
हर कोई "दी टर्मिनेटर" देखता था और सर्वशक्तिमान स्काईनेट से डरने के लिए तैयार था। वैज्ञानिकों के बीच, संभावित स्काईनेट को सुपरिन्टिलेजेंस या सामान्य कृत्रिम बुद्धि कहा जाता है, जिसका अर्थ है एक ऐसा कार्यक्रम जो मानव मस्तिष्क के लिए कई मायनों में श्रेष्ठ है। क्योंकि कंप्यूटर सिस्टम को छोटा किया जा सकता है - अर्थात, कई सरल, तेज कंप्यूटरों को बनाया जा सकता है और एक साथ जोड़ा जा सकता है - ऐसी आशंकाएं हैं कि इस तरह के सुपरिन्टिनेस अनिश्चित काल तक बढ़ सकते हैं, मनुष्यों को बहुत पीछे छोड़ सकते हैं। और इतना स्मार्ट होने के नाते, वह नियंत्रण से बाहर हो जाएगा और लोगों द्वारा इस नियंत्रण को वापस लेने के किसी भी प्रयास को दरकिनार कर देगा। यह सर्वनाश परिदृश्य हमारे समय के कुछ सबसे अच्छे दिमागों द्वारा चित्रित किया गया है, जैसे कि एलोन मस्क और स्टीफन हॉकिंग। मस्क ने विशेष रूप से कहा कि "अधिकांश प्रमुख एआई शोधकर्ताओं ने कुछ क्षेत्रों में अपनी निस्संदेह खुफिया जानकारी के बावजूद एक बोतल में जिन्न की समस्या को कम किया है।"
एक और दृष्टिकोण भी है। फेसबुक के आर्टिफिशियल इंटेलिजेंस रिसर्च लेबोरेटरी के प्रमुख, यान लेकन का कहना है कि भले ही वैज्ञानिक एक ऐसी मशीन बनाने का प्रबंधन करें, जो विभिन्न प्रकार की चीजों को सीख सके और इस समझ को दुनिया की तस्वीर में व्यवस्थित कर सके, यह बिल्कुल भी नहीं है कि ऐसा कंप्यूटर हो अपनी इच्छाओं, इच्छा, या स्व-संरक्षण वृत्ति होगी।
"मानव व्यवहार - खतरे की प्रतिक्रिया में हिंसा, ईर्ष्या, संसाधनों तक पूरी तरह से पहुंच की इच्छा, रिश्तेदारों के लिए सहानुभूति और अजनबियों के लिए एंटीपैथी, आदि - हमारे पूर्वजों में विकास के दौरान बनाई गई थी। बुद्धिमान मशीनों में इस व्यवहार के लिए आवश्यक शर्तें नहीं होंगी जब तक कि हम उन्हें स्पष्ट रूप से खुद नहीं बनाते हैं, ”उन्होंने Quora वेबसाइट पर लिखा है।
यह मानने का कोई कारण नहीं है कि कंप्यूटर मानवता पर खतरा मानेगा, क्योंकि कंप्यूटर पर खतरे की कोई अवधारणा नहीं है। हां, आप ऐसे पैरामीटर सेट कर सकते हैं जो कंप्यूटर को ऐसा व्यवहार करेंगे जैसे कि यह आत्म-संरक्षण के लिए एक वृत्ति है, लेकिन वास्तव में ऐसा नहीं है।
एंड्रयू बिंग, गूगल ब्रेन के कॉफाउंडर और Baidu में एआई के पूर्व प्रमुख, कहना पसंद करते हैं, "मैं बुराई एआई के बारे में चिंता नहीं करता हूं, ठीक वैसे ही जैसे कि मैं मंगल ग्रह पर अतिवृष्टि के बारे में चिंता नहीं करता हूं।"
हालांकि, चिंता का कारण है - और यह मानवीय कारक है। एआई को बहुत आसानी से मानव पूर्वाग्रह का अनुभव करने के लिए दिखाया गया है जो इसके डेटा से अनुमान लगाता है। यह किसी प्रकार की हानिरहित प्रवृत्ति हो सकती है - उदाहरण के लिए, वह कुत्तों की तुलना में चित्रों में बिल्लियों को अधिक बार पहचान सकती है, क्योंकि उन्हें इस तरह सिखाया गया था। लेकिन आइए कल्पना करें कि एआई ने लोगों से अपने स्टीरियोटाइप को संभाला और, उदाहरण के लिए, एक अलग लिंग या जाति के लोगों के साथ गोरे लोगों के साथ "डॉक्टर" की अवधारणा को जोड़ा। यदि आप कल्पना करते हैं कि डॉक्टरों को काम पर रखने के लिए ऐसा एआई जिम्मेदार है, तो यह कुछ उम्मीदवारों को अनुचित वरीयता देगा।
और यह वास्तविकता है। एक ProPublica अध्ययन में पाया गया कि अपराधियों की सजा का निर्धारण करने के लिए इस्तेमाल किए गए एल्गोरिदम ने नस्लीय पूर्वाग्रह को प्रतिबिंबित किया और गैर-सफेद प्रतिवादियों के लिए अधिक कठोर सजा का सुझाव दिया। तथ्य यह है कि स्वास्थ्य के बारे में जानकारी एकत्र करते समय, महिलाओं को अक्सर बाहर रखा जाता है, विशेष रूप से गर्भवती महिलाओं को, और परिणामस्वरूप, इस तरह के अपूर्ण डेटा के आधार पर विकसित चिकित्सा सिफारिशें मरीजों की एक महत्वपूर्ण संख्या के लिए खराब रूप से लागू होती हैं। इस प्रकार, निर्णय लेने के लिए मशीनों पर भरोसा करने के लिए जिन्हें मानव उपस्थिति की आवश्यकता होती थी, हमें यह सुनिश्चित करने की आवश्यकता है कि निष्पक्षता के बारे में हमारी नैतिकता और विचारों के अनुसार ऐसा होता है।
समस्या यह है कि भले ही आपको पता चले कि एल्गोरिथ्म पक्षपाती है, इसे ठीक करने के लिए, आपको इसका कारण खोजने की आवश्यकता है। लेकिन चूंकि गहरी सीखने के लिए लाखों संबंधित संगणनाओं की आवश्यकता होती है, इसलिए इस उलझन से गुजरना अविश्वसनीय रूप से कठिन होता है और यह पता लगाना कि किसी विशेष समाधान का समग्र परिणाम में योगदान कैसे होता है। यह समस्या विशेष रूप से आत्म-ड्राइविंग कारों की प्रोग्रामिंग जैसे क्षेत्रों में तीव्र है, क्योंकि सड़क पर हर निर्णय जीवन और मृत्यु का मामला है। इस क्षेत्र में पहले अध्ययनों से आशा है कि हम अपने द्वारा निर्मित मशीनों के संचालन के तंत्र को समझने में सक्षम होंगे। लेकिन अभी के लिए, यह समझना असंभव है कि Facebook, Google या Microsoft द्वारा विकसित AI ने यह या वह निर्णय क्यों लिया।
इवगेनिया सिदोरोवा द्वारा तैयार किया गया
