एआई का उत्पादकता विरोधाभास

पिछले दशक में श्रम उत्पादकता में काफी गिरावट आई है, भले ही कृत्रिम बुद्धिमत्ता ने दैनिक कार्य में दोहराव वाले कार्यों को प्रतिस्थापित करने में योगदान दिया है।

क्या AI वाकई उत्पादकता बढ़ाता है? फोटो: लिंक्डइन ।

एआई के कारण नौकरियों के नुकसान की बढ़ती आशंकाओं के बीच, आशावादी लोग कहते हैं कि यह केवल एक उत्पादकता उपकरण है जो श्रमिकों और अर्थव्यवस्था दोनों को लाभान्वित करेगा। माइक्रोसॉफ्ट के सीईओ सत्य नडेला का कहना है कि उपयोगकर्ता केवल अपने लक्ष्य बताएंगे, जबकि स्वचालित एआई एजेंट सभी प्रणालियों में योजना बनाएंगे, उन्हें क्रियान्वित करेंगे और सीखेंगे।

हालाँकि, एआई एक "उत्पादकता जाल" बना रहा है, जिससे ज़्यादा से ज़्यादा लोग इसका इस्तेमाल करने, यहाँ तक कि इस पर निर्भर होने के लिए मजबूर हो रहे हैं। इससे आत्म-प्रश्न करने, समस्याओं को हल करने की क्षमता में कमी आएगी, और इससे भी गंभीर बात यह है कि रचनात्मकता और जीवन में सफलताएँ प्रभावित होंगी।

गुणवत्ता की बजाय मात्रा पर ध्यान दें

एफटी का तर्क है कि आदर्श एआई उपकरण वह होगा जहाँ उत्पादकता की समस्या का समाधान केवल दक्षता से ही हो। अखबार बताता है कि पिछली आधी सदी में, पहले से कहीं ज़्यादा तेज़ कहे जाने वाले कंप्यूटरों की संख्या बढ़ी है, लेकिन विकसित अर्थव्यवस्थाओं में श्रम उत्पादकता की वृद्धि दर 1990 के दशक के लगभग 2% प्रति वर्ष से गिरकर आज लगभग 0.8% रह गई है।

जब कंप्यूटरों के साथ इंटरनेट का भी इस्तेमाल हुआ और वैश्विक प्रतिभाएँ आपस में जुड़ीं, तो सफलताओं में भारी वृद्धि होनी चाहिए थी। लेकिन इसके बजाय, शोध उत्पादकता में गिरावट आई है। आज एक वैज्ञानिक 1960 के दशक के अपने पूर्ववर्ती वैज्ञानिकों की तुलना में प्रति डॉलर निवेश पर कम सफलताएँ प्राप्त करता है।

अर्थशास्त्री गैरी बेकर ने बताया है कि माता-पिता को "गुणवत्ता और मात्रा" के बीच चुनाव करना पड़ता है। उदाहरण के लिए, उनके जितने ज़्यादा बच्चे होंगे, वे हर बच्चे पर उतना ही कम निवेश कर पाएँगे। नवाचार के साथ भी यही हो सकता है।

एक साथ बहुत सारे प्रोजेक्ट रचनात्मकता को प्रभावित कर सकते हैं। फोटो: एडोब स्टॉक।

पेटेंट उत्पादन के बड़े पैमाने पर किए गए अध्ययन इस बात की पुष्टि करते हैं कि शुरू की गई परियोजनाओं की संख्या किसी सफलता की संभावना के व्युत्क्रमानुपाती होती है। हाल के दशकों में, वैज्ञानिक शोधपत्र और पेटेंट किसी सफलता से ज़्यादा धीरे-धीरे आगे बढ़ने वाली प्रक्रिया बन गए हैं।

इस बीच, इतिहास के महान दिमागों ने इसे अच्छी तरह समझा। आइज़ैक न्यूटन ने एक बार कहा था कि वह हमेशा "अपने सामने एक समस्या रखते थे... जब तक कि प्रकाश की पहली किरणें धीरे-धीरे प्रकट नहीं हुईं, और फिर अंततः स्पष्ट और पूर्ण प्रकाश में फूट पड़ीं।" स्टीव जॉब्स ने इस बात पर सहमति जताते हुए कहा, "नवाचार हज़ार चीज़ों को 'ना' कहना है।"

“एआई का मध्य क्षमता जाल”

ब्रिस्टल विश्वविद्यालय में मास्टर ऑफ फाइनेंस एंड अकाउंटिंग प्रोग्राम के निदेशक, श्री हो क्वोक तुआन ने "एआई के औसत क्षमता जाल" की अवधारणा का उल्लेख किया। सामान्य कार्य जिसमें औसत क्षमता वाले लोगों की क्षमता की आवश्यकता होती है, अक्सर स्पष्ट और मात्रात्मक प्रक्रियाओं का पालन करते हुए कई दोहराए जाने वाले कार्य शामिल होते हैं। हालाँकि, उनका मानना ​​है कि यही एआई की असाधारण ताकत है।

बड़े भाषा मॉडल (एलएलएम) अक्सर आँकड़ों के आधार पर आम सहमति पर टिके रहते हैं। अगर आप किसी चैटबॉट को 19वीं सदी का पाठ दें, तो वह "साबित" कर देगा कि इंसान तब तक उड़ नहीं सकता जब तक राइट बंधुओं ने नहीं।

मार्च 2025 में नेचर पत्रिका में प्रकाशित एक समीक्षा में पाया गया कि एलएलएम (LLM) दोहराव वाले वैज्ञानिक कार्यों को कम करने में मदद कर सकता है, लेकिन सोच में असली उछाल अभी भी इंसानों के हाथ में है। श्री तुआन का यह भी मानना ​​है कि जो ज्ञात है उसी पर अड़े रहना, जोखिम उठाने की हिम्मत न करना और आलोचनात्मक सोच रखना, एआई युग की घातक कमज़ोरियाँ हैं।

डेमिस हसाबिस, जो गूगल डीपमाइंड की उस टीम का नेतृत्व करते हैं जिसने प्रोटीन के आकार की भविष्यवाणी करने वाले मॉडल, अल्फाफोल्ड, को विकसित किया है, को एआई के क्षेत्र में अब तक की सबसे महत्वपूर्ण वैज्ञानिक उपलब्धियों में से एक माना जाता है। लेकिन वे भी मानते हैं कि वास्तविक सामान्य कृत्रिम बुद्धिमत्ता हासिल करने के लिए अभी भी "कई और नवाचारों" की आवश्यकता होगी।

नोबेल पुरस्कार विजेता वैज्ञानिक कार्य, अल्फाफोल्ड, को भी "और अधिक नवाचार" की आवश्यकता है। फोटो: गूगल डीपमाइंड।

निकट भविष्य में, एआई रचनात्मकता से ज़्यादा दक्षता पर केंद्रित होगा। आर्क्सिव पर प्रकाशित 7,000 से ज़्यादा ज्ञान कार्यकर्ताओं के एक सर्वेक्षण में पाया गया कि जिन लोगों ने जनरेटिव एआई का व्यापक रूप से उपयोग किया, उन्होंने अपने ईमेल समय में औसतन प्रति सप्ताह 3.6 घंटे (31%) की कमी की, जबकि सहयोगात्मक कार्यों में काफ़ी हद तक कोई बदलाव नहीं आया।

हालाँकि, अगर हर कोई ईमेल का जवाब देने का काम ChatGPT को आउटसोर्स कर दे, तो इनबॉक्स में ईमेल की संख्या बढ़ सकती है, जिससे शुरुआती उत्पादकता कम हो सकती है। FT के अनुसार, 1990 के दशक में अमेरिका में उत्पादकता में सुधार के अनुभव से पता चलता है कि अगर नए टूल्स के साथ वास्तविक रचनात्मक सफलताएँ नहीं मिलीं, तो उनके लाभ जल्दी ही फीके पड़ जाएँगे।

स्रोत: https://znews.vn/nghich-ly-nang-suat-cua-ai-post1561451.html