पिछले कई दशकों में, वैज्ञानिकों, इंजीनियरों और गणितज्ञों ने एक लक्ष्य को ध्यान में रखते हुए विभिन्न प्रकार के एआई कार्यान्वयन और मॉडल विकसित किए हैं: मानव मस्तिष्क के सोच पैटर्न को प्रतिबिंबित करना। इस समय के दौरान, एआई की अवधारणा ने कंप्यूटर विज़न से लेकर प्राकृतिक भाषा प्रसंस्करण से लेकर चिकित्सा अनुसंधान में प्रगति तक के क्षेत्रों में कुछ अविश्वसनीय प्रगति की है। उद्योग ने "एआई विंटर्स" को भी सहन किया है जहां प्रगति धीमी हो गई या रुक गई। हालाँकि, एआई विंटर्स के बाद उद्योग परंपरागत रूप से एआई के भविष्य के लिए एक नए और ताज़ा तरीके का अनुभव करता है और एआई के अगले युग का जन्म होता है।
आज का ऐआई अपनी सीमा तक पहुँच गया है जब प्रौद्योगिकियों में प्रगति धीमी होती है, तो इसका मतलब यह नहीं है कि प्रौद्योगिकी अपने चरम पर है और नवाचार के लिए कोई जगह नहीं बची है। वास्तव में, यह विपरीत है. एआई उद्योग अगले एआई विंटर के शिखर पर है। इस ठंड के मौसम से निपटने के लिए हमें इस बात पर पुनर्विचार करना चाहिए कि एआई को भविष्य में प्रगति और आगे बढ़ाने के लिए हार्डवेयर और सॉफ्टवेयर एक साथ कैसे काम करेंगे। एआई प्रगति का वर्तमान युग रोमांचक रहा है। हालाँकि, हम देख रहे हैं कि ये प्रगति रुकनी शुरू हो गई है। उद्योग विशेष रूप से मल्टी-लेयर न्यूरल नेटवर्क से जुड़ी प्रसंस्करण शक्ति को तेज करने पर केंद्रित है। ये एआई प्रोसेसर मूर के कानून में मंदी की समस्या का सामना कर रहे हैं।
इसके साथ, उद्योग जगत के नेताओं और स्टार्टअप्स की मौजूदा एआई मॉडल से अधिक प्रदर्शन हासिल करने की क्षमता गंभीर दबाव में है। एआई का भविष्य प्राकृतिक बुद्धिमत्ता है एआई क्या करने में सक्षम है, इसकी मांग और अपेक्षा को पूरा करने के लिए, एआई मॉडल के भविष्य को मानव बुद्धि के लिए जैविक मॉडल के साथ अधिक निकटता से संरेखित करने की आवश्यकता होगी। अधिक प्राकृतिक बुद्धि और प्रसंस्करण क्षमताओं को प्रदर्शित करने के लिए हार्डवेयर और सॉफ्टवेयर को विकसित होना चाहिए। लेकिन यह पहले नहीं किया गया है, और आज के कई एआई नेता यह पता लगाने की कोशिश कर रहे हैं कि इसे कैसे किया जाए। खैर, हम काम, शोध और समस्या-समाधान कर रहे हैं और हमारा मानना है कि इस एआई सर्दियों के बाद एआई का भविष्य कैसा दिखेगा: एआई प्रोसेसिंग के नए युग का आधार गणित नहीं, बल्कि पैटर्न होंगे।
आज के एआई मॉडल - जो गणितीय-आधारित शिक्षण मॉडल हैं - मस्तिष्क द्वारा सूचना और डेटा का विश्लेषण करने के तरीके में बहुत कम समानता है। गणित मनुष्य द्वारा प्रदर्शित बुद्धिमत्ता का आधार नहीं है। मानव बुद्धि की नींव मानव मस्तिष्क की हमारी इंद्रियों द्वारा प्राप्त पैटर्न को समझने की क्षमता पर बनी है। पैटर्न प्रोसेसिंग पर आधारित भविष्य की एआई प्रणालियां मानव जैसी क्षमताएं प्रदान करने का सबसे प्रभावी साधन होंगी जो हम एआई प्रणालियों से चाहते हैं। डेटा वैज्ञानिक अपने पास मौजूद डेटा के साथ काम करने में सक्षम होंगे। डेटा वैज्ञानिक आज अपना 60% समय एआई प्रणाली द्वारा प्रसंस्करण के लिए अपने डेटा सेट को तैयार करने में बिताते हैं। कुछ मामलों में, डेटा शोरपूर्ण है और उसे साफ़ किया जाना चाहिए।
दूसरों में गायब मूल्य हो सकते हैं जिन्हें सिस्टम में पूर्वाग्रह डालने के जोखिम पर लगाया जाना चाहिए। कल के एआई सिस्टम कम मात्रा में जानकारी के साथ सीखने में सक्षम होंगे - आज आवश्यक डेटा का केवल 5%। और इंसानों की तरह, वे थकाऊ प्रीप्रोसेसिंग या जानकारी के संश्लेषण की आवश्यकता के बिना, वास्तविक दुनिया में सीखने की क्षमता विकसित करेंगे। एआई सिस्टम विश्वसनीय संस्थाएं बन जाएंगी। मौजूदा एआई मॉडल जटिल, गहन शिक्षण नेटवर्क पर निर्भर करते हैं जो नियमित रूप से क्षमता खो देते हैंअपने निर्णयों की व्याख्या करें क्योंकि इनपुट डेटा पर लाखों गणनाएँ की जाती हैं। वे 'क्यों' के बारे में बहुत कम जानकारी प्रदान करते हैं।
'स्पष्टीकरण' की इस कमी के कारण सरकारी नियम बने हैं जो कुछ उपयोग के मामलों में ऐसी अपारदर्शी प्रणालियों के उपयोग पर रोक लगाते हैं। यह सुनिश्चित करने का एकमात्र तरीका है कि एआई प्रणाली विश्वसनीय, दोहराए जाने योग्य निर्णय ले रही है जो अनपेक्षित पूर्वाग्रह से मुक्त हैं, इन निर्णयों के आधार को पारदर्शी और व्याख्या योग्य बनाना है। एआई सिस्टम का अगला युग ऐसे मॉडलों में निहित है जो इनपुट से आउटपुट तक डेटासेट के शब्दार्थ को संरक्षित करते हैं और उनमें खुद को समझाने की क्षमता होगी। प्रशिक्षण और अनुमान विलीन हो जाएंगे और निरंतर हो जाएंगे।
जैसे इंसान लगातार सीख रहा है, एआई सिस्टम भी वैसी ही क्षमता विकसित करेगा। इसके साथ, प्रौद्योगिकी टाइटन्स द्वारा क्यूरेट किए गए बड़े डेटा सेट पर प्रशिक्षण की अवधारणा कुशल और निरंतर प्रशिक्षण प्रदान करेगी जिसे हर किसी द्वारा कार्यान्वित किया जा सकता है। एआई का भविष्य लोकतांत्रिक होगा, जिससे इसे पहले से कहीं अधिक व्यापक रूप से अपनाया जा सकेगा। एआई सिस्टम ऊर्जा कुशल बनेंगे। अधिक गणित बेहतर एआई का उत्तर नहीं है। विशाल गणितीय कार्यभार को संभालने के लिए डिज़ाइन किए जा रहे चिप्स में बढ़ने के लिए जगह नहीं बची है। गहरे, बहु-परत नेटवर्क के प्रशिक्षण और पुनर्प्रशिक्षण में विद्युत शक्ति में हजारों नहीं तो लाखों डॉलर खर्च हो सकते हैं और समस्या और भी बदतर होती जा रही है।
अगली पीढ़ी के एआई सिस्टम गणितीय प्रसंस्करण पर अपनी निर्भरता से छुटकारा पा लेंगे और अधिक कुशल पैटर्न प्रसंस्करण तकनीकों को अपनाएंगे। पैटर्न-आधारित प्रसंस्करण प्रौद्योगिकी की सफलता है जो उद्योग को अगले एआई सर्दियों से बाहर ले जाएगी। यह अगला युग एआई के भविष्य के लिए रास्ता साफ करेगा, और आने वाले दशकों में दक्षता और क्षमताओं दोनों में सुधार के लिए आवश्यक गुंजाइश प्रदान करेगा।
विजय गर्ग सेवानिवृत्त प्रधानाचार्य शैक्षिक स्तंभकार मलोट
Comment List