एआई मानव बुद्धिमत्ता से आगे क्यों नहीं बढ़ सकता?

प्रमुख नामों के दावों के बावजूद, शोधकर्ताओं का कहना है कि तर्क मॉडलों में मूलभूत खामियां रोबोटों को मानव बुद्धिमत्ता से आगे निकलने से रोकती हैं।

एंथ्रोपिक के डारियो अमोदेई, गूगल के डेमिस हसाबिस और ओपनएआई के सैम ऑल्टमैन जैसे आज के शीर्ष तकनीकी सीईओ के लिए, सिर्फ़ यह कहना काफ़ी नहीं है कि उनका एआई सर्वश्रेष्ठ है। इन तीनों ने हाल ही में सार्वजनिक रूप से कहा है कि एआई इतना बेहतर होगा कि यह समाज के ताने-बाने को पूरी तरह बदल देगा।

हालाँकि, शोधकर्ताओं का एक बढ़ता हुआ समूह, जो आधुनिक एआई का निर्माण, अध्ययन और उपयोग करते हैं, ऐसे दावों पर संदेह कर रहे हैं।

एआई तर्क सर्वशक्तिमान नहीं है

अपनी शुरुआत के सिर्फ़ तीन साल बाद ही, कृत्रिम बुद्धिमत्ता पढ़ाई और कामकाज जैसी कई रोज़मर्रा की गतिविधियों में शामिल होने लगी है। कई लोगों को डर है कि यह जल्द ही इंसानों की जगह ले लेगी।

हालाँकि, आज के नए AI मॉडल वास्तव में उतने स्मार्ट नहीं हैं जितना हम सोचते हैं। दुनिया की सबसे बड़ी टेक्नोलॉजी कंपनियों में से एक, Apple की एक खोज इस बात को साबित करती है।

विशेष रूप से, "इल्यूजनरी थिंकिंग" नामक एक नए प्रकाशित अध्ययन में, एप्पल की शोध टीम ने दावा किया है कि क्लाउड, डीपसीक-आर1 और ओ3-मिनी जैसे अनुमान मॉडल वास्तव में "मस्तिष्क-संचालित" नहीं हैं, जैसा कि उनके नाम से पता चलता है।

एप्पल का यह पेपर कई समान इंजीनियरों द्वारा किए गए पिछले कार्य पर आधारित है, साथ ही इसमें अकादमिक जगत और सेल्सफोर्स सहित अन्य प्रमुख प्रौद्योगिकी कंपनियों के उल्लेखनीय शोध भी शामिल हैं।

इन प्रयोगों से पता चलता है कि अनुमान लगाने वाले एआई - जिन्हें स्वायत्त एआई एजेंटों और अंततः सुपरइंटेलिजेंस की ओर अगला कदम माना गया है - कुछ मामलों में समस्याओं को सुलझाने में पहले आए बुनियादी एआई चैटबॉट्स से भी बदतर हैं।

बड़े अनुमान मॉडलों पर एप्पल के नए शोध से पता चलता है कि एआई मॉडल उतने "दिमाग-गहन" नहीं हैं, जितने वे लगते हैं। फोटो: ओपनएआई।

अध्ययन में यह भी पाया गया कि चाहे एआई चैटबॉट का उपयोग किया गया हो या अनुमान मॉडल का, सभी प्रणालियां अधिक जटिल कार्यों में पूरी तरह विफल रहीं।

शोधकर्ताओं का सुझाव है कि अनुमान शब्द की जगह "अनुकरण" शब्द का इस्तेमाल किया जाना चाहिए। टीम का तर्क है कि ये मॉडल केवल पैटर्न को याद रखने और दोहराने में ही कारगर हैं। लेकिन जब प्रश्न बदल दिया जाता है या जटिलता बढ़ जाती है, तो ये लगभग ध्वस्त हो जाते हैं।

सीधे शब्दों में कहें तो, चैटबॉट तब तक अच्छा काम करते हैं जब तक वे पैटर्न पहचान और उनका मिलान कर सकते हैं, लेकिन जब काम बहुत जटिल हो जाता है, तो वे उसे संभाल नहीं पाते। अध्ययन में कहा गया है, "जब जटिलता एक निश्चित सीमा से ज़्यादा हो जाती है, तो अत्याधुनिक लार्ज रीजनिंग मॉडल (LRM) सटीकता में पूरी तरह से विफल हो जाते हैं।"

यह डेवलपर की इस उम्मीद के विपरीत है कि ज़्यादा संसाधनों के साथ जटिलता में सुधार होगा। अध्ययन में आगे कहा गया है, "एआई अनुमान लगाने का प्रयास जटिलता के साथ बढ़ता है, लेकिन केवल एक सीमा तक, और फिर घट जाता है, भले ही इसे संभालने के लिए पर्याप्त टोकन बजट (कम्प्यूटेशनल पावर) मौजूद हो।"

एआई का वास्तविक भविष्य

अमेरिकी मनोवैज्ञानिक और लेखक गैरी मार्कस ने कहा कि एप्पल के निष्कर्ष प्रभावशाली तो हैं, लेकिन वास्तव में नए नहीं हैं और पिछले शोध को और पुष्ट करते हैं। न्यूयॉर्क विश्वविद्यालय में मनोविज्ञान और तंत्रिका विज्ञान के एमेरिटस प्रोफेसर ने उदाहरण के तौर पर अपने 1998 के अध्ययन का हवाला दिया।

इसमें उन्होंने तर्क दिया है कि तंत्रिका नेटवर्क, जो बड़े भाषा मॉडल के पूर्ववर्ती हैं, वे जिस डेटा वितरण पर प्रशिक्षित किए गए थे, उसके भीतर अच्छी तरह से सामान्यीकरण कर सकते हैं, लेकिन वितरण के बाहर डेटा का सामना करने पर अक्सर बिखर जाते हैं।

हालाँकि, श्री मार्कस का यह भी मानना ​​है कि एलएलएम या एलआरएम मॉडल दोनों के अपने-अपने अनुप्रयोग हैं, और कुछ मामलों में उपयोगी हैं।

तकनीकी दुनिया में, सुपरइंटेलिजेंस को एआई विकास के अगले चरण के रूप में देखा जाता है, जहां प्रणालियां न केवल मनुष्यों की तरह सोचने की क्षमता (एजीआई) हासिल करती हैं, बल्कि गति, सटीकता और जागरूकता के स्तर में भी उत्कृष्टता प्राप्त करती हैं।

प्रमुख सीमाओं के बावजूद, एआई आलोचक भी यह कहने में तत्पर हैं कि कंप्यूटर सुपरइंटेलिजेंस की ओर यात्रा अभी भी पूरी तरह से संभव है।

ओपनएआई के सीईओ सैम ऑल्टमैन ने एक बार कहा था कि एआई सिर्फ़ गूगल के विकल्प या होमवर्क हेल्पर से कहीं बढ़कर, मानवता की प्रगति को बदल देगा। फोटो: एए फोटो।

रटगर्स लैब में इंजीनियरिंग के एसोसिएट प्रोफेसर जॉर्ज ऑर्टिज़ का कहना है कि वर्तमान सीमाओं को उजागर करने से एआई कंपनियों को उन पर काबू पाने का रास्ता मिल सकता है।

ऑर्टिज़ ने नए प्रशिक्षण तरीकों के उदाहरण दिए, जैसे मॉडल के प्रदर्शन पर वृद्धिशील फीडबैक देना, कठिन समस्याओं का सामना करने पर अधिक संसाधन जोड़ना, जो एआई को बड़ी समस्याओं से निपटने और अंतर्निहित सॉफ्टवेयर का बेहतर उपयोग करने में मदद कर सकता है।

इस बीच, उद्यम पूंजी फर्म लक्स कैपिटल के सह-संस्थापक जोश वोल्फ ने कहा कि व्यवसायिक दृष्टिकोण से, चाहे वर्तमान प्रणालियां तर्क कर सकें या नहीं, वे फिर भी उपयोगकर्ताओं के लिए मूल्य सृजित करेंगी।

पेन्सिल्वेनिया विश्वविद्यालय के प्रोफेसर एथन मॉलिक ने भी विश्वास व्यक्त किया कि निकट भविष्य में एआई मॉडल इन सीमाओं को पार कर लेंगे।

मोलिक ने कहा, "मॉडल बेहतर से बेहतर होते जा रहे हैं, तथा एआई के लिए नए दृष्टिकोण लगातार विकसित किए जा रहे हैं, इसलिए मुझे आश्चर्य नहीं होगा यदि निकट भविष्य में इन सीमाओं पर काबू पा लिया जाए।"

स्रोत: https://znews.vn/vi-sao-ai-chua-the-vuot-qua-tri-tue-con-nguoi-post1561163.html