पहला आर्टिफिशियल जनरल इंटेलिजेंस समाज को कैसे बदलेगा: आर्टिफिशियल इंटेलिजेंस का भविष्य P2

इमेज क्रेडिट: क्वांटमरुन

पहला आर्टिफिशियल जनरल इंटेलिजेंस समाज को कैसे बदलेगा: आर्टिफिशियल इंटेलिजेंस का भविष्य P2

    हमने पिरामिड बनाए हैं। हमने बिजली का दोहन करना सीखा। हम समझते हैं कि बिग बैंग (ज्यादातर) के बाद हमारा ब्रह्मांड कैसे बना। और निश्चित रूप से, क्लिच उदाहरण, हमने एक आदमी को चाँद पर रखा है। फिर भी, इन सभी उपलब्धियों के बावजूद, मानव मस्तिष्क आधुनिक विज्ञान की समझ से बहुत दूर है और, डिफ़ॉल्ट रूप से, ज्ञात ब्रह्मांड में सबसे जटिल वस्तु है - या कम से कम हमारी समझ में।

    इस वास्तविकता को देखते हुए, यह पूरी तरह से चौंकाने वाला नहीं होना चाहिए कि हमने अभी तक मनुष्यों के समान कृत्रिम बुद्धिमत्ता (AI) का निर्माण नहीं किया है। डेटा (स्टार ट्रेक), राचेल (ब्लेड रनर), और डेविड (प्रोमेथियस), या गैर-ह्यूमनॉइड एआई जैसे सामंथा (उसका) और टीएआरएस (इंटरस्टेलर) जैसे एआई, ये सभी एआई विकास में अगले महान मील के पत्थर के उदाहरण हैं: आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई, कभी-कभी इसे एचएलएमआई या ह्यूमन लेवल मशीन इंटेलिजेंस के रूप में भी जाना जाता है). 

    दूसरे शब्दों में, AI शोधकर्ता जिस चुनौती का सामना कर रहे हैं, वह यह है: जब हम यह भी नहीं जानते कि हमारा अपना दिमाग कैसे काम करता है, तो हम अपनी तुलना में एक कृत्रिम दिमाग का निर्माण कैसे कर सकते हैं?

    हम इस सवाल का पता लगाएंगे, साथ ही भविष्य के एजीआई के खिलाफ इंसान कैसे ढेर हो जाएंगे, और आखिरकार, दुनिया के लिए पहली एजीआई की घोषणा के बाद समाज कैसे बदलेगा। 

    एक कृत्रिम सामान्य बुद्धि क्या है?

    एक ऐसा AI डिज़ाइन करें जो शतरंज, ख़तरनाक और गो में शीर्ष क्रम के खिलाड़ियों को हरा सके, आसान (गहरा नीला, वॉटसन, तथा AlphaGo क्रमश)। एक ऐसा एआई डिज़ाइन करें जो आपको किसी भी प्रश्न का उत्तर दे सके, उन वस्तुओं का सुझाव दे सकता है जिन्हें आप खरीदना चाहते हैं, या राइडशेयर टैक्सियों के बेड़े का प्रबंधन कर सकते हैं - पूरी बहु-अरब डॉलर की कंपनियां उनके आसपास बनी हैं (Google, Amazon, Uber)। यहां तक ​​कि एक ऐसा एआई भी जो आपको देश के एक छोर से दूसरे छोर तक ले जा सकता है... ठीक है, हम इस पर काम कर रहे हैं।

    लेकिन एआई से बच्चों की किताब पढ़ने और उस सामग्री, अर्थ या नैतिकता को समझने के लिए कहें जो वह सिखाने की कोशिश कर रहा है, या एआई से बिल्ली और ज़ेबरा की तस्वीर के बीच अंतर बताने के लिए कहें, और आप अंत में कुछ से अधिक पैदा करेंगे शॉर्ट सर्किट। 

    प्रकृति ने एक कंप्यूटिंग डिवाइस (दिमाग) विकसित करने में लाखों साल बिताए जो प्रसंस्करण, समझ, सीखने और फिर नई परिस्थितियों और नए वातावरण में कार्य करने में उत्कृष्टता प्राप्त करते हैं। इसकी तुलना कंप्यूटर विज्ञान की पिछली आधी सदी से करें, जिसमें कंप्यूटिंग डिवाइस बनाने पर ध्यान केंद्रित किया गया था, जो उन विलक्षण कार्यों के अनुरूप थे, जिनके लिए उन्हें डिज़ाइन किया गया था। 

    दूसरे शब्दों में, मानव-कंप्यूटर एक सामान्यवादी है, जबकि कृत्रिम कंप्यूटर एक विशेषज्ञ है।

    एजीआई बनाने का लक्ष्य एक ऐसा एआई बनाना है जो प्रत्यक्ष प्रोग्रामिंग के बजाय अनुभव के माध्यम से एक इंसान की तरह सोच और सीख सके।

    वास्तविक दुनिया में, इसका मतलब होगा कि भविष्य में एजीआई दुनिया में अपने स्वयं के अनुभव के माध्यम से पढ़ना, लिखना और चुटकुला सुनाना, या चलना, दौड़ना और बाइक चलाना सीख रहा है। संवेदी अंग/उपकरण हम इसे देते हैं), और अपनी बातचीत के माध्यम से अन्य एआई और अन्य इंसान।

    आर्टिफिशियल जनरल इंटेलिजेंस बनाने में क्या लगेगा

    तकनीकी रूप से कठिन होने पर, एजीआई बनाना संभव होना चाहिए। यदि वास्तव में, भौतिकी के नियमों के भीतर एक गहरी पकड़ वाली संपत्ति है - गणना की सार्वभौमिकता - जो मूल रूप से कहती है कि एक भौतिक वस्तु सब कुछ कर सकती है, एक पर्याप्त शक्तिशाली, सामान्य-उद्देश्य वाला कंप्यूटर, सिद्धांत रूप में, कॉपी / अनुकरण करने में सक्षम होना चाहिए।

    और फिर भी, यह मुश्किल है।

    शुक्र है, इस मामले पर बहुत सारे चतुर एआई शोधकर्ता हैं (उनका समर्थन करने वाले बहुत सारे कॉर्पोरेट, सरकार और सैन्य फंडिंग का उल्लेख नहीं करने के लिए), और अब तक, उन्होंने तीन प्रमुख अवयवों की पहचान की है जो उन्हें लगता है कि एक लाने के लिए हल करना आवश्यक है। हमारी दुनिया में एजीआई।

    बिग डेटा. एआई विकास के लिए सबसे आम दृष्टिकोण में एक तकनीक शामिल है जिसे डीप लर्निंग कहा जाता है - एक विशिष्ट प्रकार की मशीन लर्निंग सिस्टम जो बड़ी मात्रा में डेटा को खिसकाकर काम करती है, नकली न्यूरॉन्स के नेटवर्क में डेटा को क्रंच करना (मानव मस्तिष्क के बाद मॉडलिंग), और फिर अपनी अंतर्दृष्टि को प्रोग्राम करने के लिए निष्कर्षों का उपयोग करें। गहन शिक्षण के बारे में अधिक जानकारी के लिए, इस पढ़ा.

    उदाहरण के लिए, 2017 में, Google ने अपने एआई को बिल्लियों की हजारों छवियां खिलाईं, जो कि इसकी गहरी सीखने की प्रणाली न केवल एक बिल्ली की पहचान करना सीखती है, बल्कि विभिन्न बिल्ली नस्लों के बीच अंतर करती है। कुछ ही समय बाद, उन्होंने आने वाली रिलीज़ की घोषणा की Google लेंस, एक नया खोज ऐप जो उपयोगकर्ताओं को किसी भी चीज़ की तस्वीर लेने देता है और Google आपको न केवल यह बताएगा कि यह क्या है, बल्कि इसका वर्णन करने वाली कुछ उपयोगी प्रासंगिक सामग्री प्रदान करता है - यात्रा करते समय आसान और आप एक विशिष्ट पर्यटक आकर्षण के बारे में अधिक जानना चाहते हैं। लेकिन यहां भी, Google लेंस वर्तमान में अपने छवि खोज इंजन में सूचीबद्ध अरबों छवियों के बिना संभव नहीं होगा।

    और फिर भी, यह बड़ा डेटा और गहन शिक्षण कॉम्बो अभी भी एक एजीआई लाने के लिए पर्याप्त नहीं है।

    बेहतर एल्गोरिदम. पिछले एक दशक में, Google की एक सहायक और AI स्पेस में लीडर, डीपमाइंड ने रीइन्फोर्समेंट लर्निंग के साथ डीप लर्निंग की ताकत को मिलाकर धूम मचा दी है - एक कॉम्प्लिमेंट्री मशीन लर्निंग अप्रोच जिसका उद्देश्य AI को यह सिखाना है कि कैसे हासिल करने के लिए नए वातावरण में कार्रवाई की जाए। एक निर्धारित लक्ष्य।

    इस हाइब्रिड रणनीति के लिए धन्यवाद, डीपमाइंड के प्रीमियर एआई, अल्फागो ने न केवल नियमों को डाउनलोड करके और मास्टर मानव खिलाड़ियों की रणनीतियों का अध्ययन करके अल्फागो खेलना सिखाया, बल्कि लाखों बार खुद के खिलाफ खेलने के बाद सर्वश्रेष्ठ अल्फागो खिलाड़ियों को हराने में सक्षम था। खेल में पहले कभी नहीं देखी गई चालों और रणनीतियों का उपयोग करना। 

    इसी तरह, डीपमाइंड के अटारी सॉफ्टवेयर प्रयोग में एआई को एक विशिष्ट गेम स्क्रीन देखने के लिए एक कैमरा देना, इसे गेम ऑर्डर (जॉयस्टिक बटन की तरह) इनपुट करने की क्षमता के साथ प्रोग्रामिंग करना और इसे अपने स्कोर को बढ़ाने के लिए एकमात्र लक्ष्य देना शामिल था। परिणाम? कुछ ही दिनों में, इसने खुद को सिखाया कि कैसे खेलना है और दर्जनों क्लासिक आर्केड गेम में कैसे महारत हासिल करना है। 

    लेकिन ये शुरुआती सफलताएँ जितनी रोमांचक हैं, हल करने के लिए कुछ प्रमुख चुनौतियाँ हैं।

    एक के लिए, एआई शोधकर्ता एआई को 'चंकिंग' नामक एक तरकीब सिखाने पर काम कर रहे हैं, जिसमें मानव और पशु दिमाग असाधारण रूप से अच्छे हैं। सीधे शब्दों में कहें, जब आप किराने का सामान खरीदने के लिए बाहर जाने का फैसला करते हैं, तो आप अपने अंतिम लक्ष्य (एवोकाडो खरीदना) और एक मोटा योजना की कल्पना कर सकते हैं कि आप इसे कैसे करेंगे (घर छोड़ दें, किराने की दुकान पर जाएं, खरीदें एवोकैडो, घर लौटें)। आप जो नहीं करते हैं वह हर सांस, हर कदम, हर संभव आकस्मिकता की योजना बनाते हैं। इसके बजाय, आपके दिमाग में एक अवधारणा (हिस्सा) है कि आप कहाँ जाना चाहते हैं और अपनी यात्रा को किसी भी स्थिति में अनुकूलित करें।

    जैसा कि यह आपको सामान्य लग सकता है, यह क्षमता उन प्रमुख लाभों में से एक है जो मानव मस्तिष्क के पास अभी भी एआई से अधिक है - यह एक लक्ष्य निर्धारित करने और हर विवरण को पहले से जाने बिना और किसी भी बाधा या पर्यावरणीय परिवर्तन के बावजूद लक्ष्य निर्धारित करने की अनुकूलन क्षमता है। मुठभेड़ हो सकती है। यह कौशल एजीआई को ऊपर वर्णित बड़े डेटा की आवश्यकता के बिना अधिक कुशलता से सीखने में सक्षम करेगा।

    एक और चुनौती न सिर्फ किताब पढ़ने की क्षमता है बल्कि अर्थ समझो या इसके पीछे का संदर्भ। लंबे समय तक, यहां लक्ष्य एक एआई के लिए एक समाचार पत्र के लेख को पढ़ना है और जो वह पढ़ता है उसके बारे में कई सवालों के सटीक उत्तर देने में सक्षम है, जैसे कि एक पुस्तक रिपोर्ट लिखना। यह क्षमता एक एआई को केवल एक कैलकुलेटर से बदल देगी जो संख्याओं को एक ऐसी इकाई में बदल देती है जो अर्थ को क्रंच करती है।

    कुल मिलाकर, मानव मस्तिष्क की नकल कर सकने वाले स्व-शिक्षण एल्गोरिथम के लिए आगे की प्रगति एक एजीआई के अंतिम निर्माण में महत्वपूर्ण भूमिका निभाएगी, लेकिन इस काम के साथ-साथ एआई समुदाय को भी बेहतर हार्डवेयर की आवश्यकता है।

    बेहतर हार्डवेयर. ऊपर बताए गए मौजूदा दृष्टिकोणों का उपयोग करते हुए, एजीआई तभी संभव हो पाएगा जब हम इसे चलाने के लिए उपलब्ध कंप्यूटिंग शक्ति को गंभीरता से बढ़ाएंगे।

    संदर्भ के लिए, यदि हम मानव मस्तिष्क की सोचने की क्षमता को लेते हैं और इसे कम्प्यूटेशनल शब्दों में परिवर्तित करते हैं, तो औसत मानव की मानसिक क्षमता का अनुमानित अनुमान एक एक्सफ्लॉप है, जो 1,000 पेटाफ्लॉप्स के बराबर है ('फ्लॉप' प्रति फ्लोटिंग-पॉइंट ऑपरेशंस के लिए है। दूसरा और गणना की गति को मापता है)।

    इसकी तुलना में, 2018 के अंत तक, दुनिया का सबसे शक्तिशाली सुपर कंप्यूटर, जापान का एआई ब्रिजिंग क्लाउड 130 पेटाफ्लॉप पर गुनगुनाएगा, जो एक एक्सफ्लॉप से ​​बहुत कम है।

    जैसा कि हमारे में उल्लिखित है supercomputers हमारे में अध्याय कंप्यूटर का भविष्य श्रृंखला, अमेरिका और चीन दोनों 2022 तक अपने स्वयं के एक्सफ्लॉप सुपर कंप्यूटर बनाने के लिए काम कर रहे हैं, लेकिन भले ही वे सफल हों, फिर भी यह पर्याप्त नहीं हो सकता है।

    ये सुपर कंप्यूटर कई दर्जन मेगावाट बिजली पर काम करते हैं, कई सौ वर्ग मीटर जगह लेते हैं, और इसे बनाने में कई सौ मिलियन खर्च होते हैं। एक मानव मस्तिष्क केवल 20 वाट शक्ति का उपयोग करता है, खोपड़ी के अंदर लगभग 50 सेमी परिधि में फिट बैठता है, और हम में से सात अरब (2018) हैं। दूसरे शब्दों में, अगर हम एजीआई को इंसानों की तरह सामान्य बनाना चाहते हैं, तो हमें यह सीखना होगा कि उन्हें आर्थिक रूप से और अधिक कैसे बनाया जाए।

    उस अंत तक, एआई शोधकर्ता क्वांटम कंप्यूटरों के साथ भविष्य के एआई को शक्ति देने पर विचार कर रहे हैं। में अधिक विस्तार से वर्णित है क्वांटम कंप्यूटर हमारे भविष्य के कंप्यूटर श्रृंखला के अध्याय में, ये कंप्यूटर उन कंप्यूटरों की तुलना में मौलिक रूप से भिन्न तरीके से काम करते हैं जिन्हें हम पिछली आधी सदी से बना रहे हैं। एक बार 2030 तक सिद्ध हो जाने के बाद, एक एकल क्वांटम कंप्यूटर विश्व स्तर पर वर्तमान में 2018 में काम कर रहे प्रत्येक सुपर कंप्यूटर की गणना करेगा। वे बहुत छोटे भी होंगे और वर्तमान सुपर कंप्यूटरों की तुलना में बहुत कम ऊर्जा का उपयोग करेंगे। 

    एक कृत्रिम सामान्य बुद्धि मानव से श्रेष्ठ कैसे होगी?

    आइए मान लें कि ऊपर सूचीबद्ध हर चुनौती का पता लगाया जाता है, कि एआई शोधकर्ता पहले एजीआई बनाने में सफलता पाते हैं। एक एजीआई दिमाग हमारे अपने दिमाग से कैसे अलग होगा?

    इस प्रकार के प्रश्न का उत्तर देने के लिए, हमें एजीआई दिमागों को तीन श्रेणियों में वर्गीकृत करने की आवश्यकता है, वे जो रोबोट बॉडी के भीतर रहते हैं (डेटा से स्टार ट्रेक), जिनके पास भौतिक रूप है लेकिन वे इंटरनेट/क्लाउड से वायरलेस तरीके से जुड़े हैं (एजेंट स्मिथ से मैट्रिक्स) और बिना भौतिक रूप वाले जो पूरी तरह से कंप्यूटर या ऑनलाइन में रहते हैं (सामंथा से उसके).

    शुरू करने के लिए, वेब से अलग रोबोटिक शरीर के अंदर एजीआई मानव दिमाग के बराबर प्रतिस्पर्धा करेंगे, लेकिन चुनिंदा फायदे के साथ:

    • स्मृति: एजीआई के रोबोटिक रूप के डिजाइन के आधार पर, उनकी अल्पकालिक स्मृति और महत्वपूर्ण जानकारी की स्मृति निश्चित रूप से मनुष्यों से बेहतर होगी। लेकिन दिन के अंत में, आप रोबोट में कितना हार्ड ड्राइव स्थान पैक कर सकते हैं, इसकी एक भौतिक सीमा है, यह मानते हुए कि हम उन्हें मनुष्यों की तरह दिखने के लिए डिज़ाइन करते हैं। इस कारण से, एजीआई की दीर्घकालिक स्मृति बहुत हद तक मनुष्यों की तरह काम करेगी, सक्रिय रूप से उन सूचनाओं और यादों को भूल जाती है जिन्हें इसके भविष्य के कामकाज के लिए अनावश्यक समझा जाता है ('डिस्क स्थान' को खाली करने के लिए)।
    • गति: मानव मस्तिष्क के अंदर न्यूरॉन्स का प्रदर्शन लगभग 200 हर्ट्ज पर अधिकतम होता है, जबकि आधुनिक माइक्रोप्रोसेसर गीगाहर्ट्ज़ स्तर पर चलते हैं, इसलिए न्यूरॉन्स की तुलना में लाखों गुना तेज। इसका मतलब है कि मनुष्यों की तुलना में, भविष्य के एजीआई सूचनाओं को संसाधित करेंगे और मनुष्यों की तुलना में तेजी से निर्णय लेंगे। ध्यान रहे, इसका मतलब यह नहीं है कि यह एजीआई मनुष्यों की तुलना में अधिक स्मार्ट या अधिक सही निर्णय लेगा, बस वे तेजी से निष्कर्ष पर आ सकते हैं।
    • प्रदर्शन: सीधे शब्दों में कहें, तो मानव मस्तिष्क थक जाता है यदि वह आराम या नींद के बिना बहुत लंबा काम करता है, और जब ऐसा होता है, तो उसकी याददाश्त और सीखने और तर्क करने की क्षमता खराब हो जाती है। इस बीच, एजीआई के लिए, यह मानते हुए कि वे नियमित रूप से रिचार्ज (बिजली) करते हैं, उन्हें वह कमजोरी नहीं होगी।
    • उन्नयन योग्यता: एक इंसान के लिए, एक नई आदत सीखने में हफ्तों का अभ्यास हो सकता है, एक नया कौशल सीखने में महीनों लग सकते हैं और एक नया पेशा सीखने में सालों लग सकते हैं। एजीआई के लिए, उनके पास अनुभव (मनुष्यों की तरह) और सीधे डेटा अपलोड द्वारा सीखने की क्षमता होगी, ठीक उसी तरह जैसे आप अपने कंप्यूटर के ओएस को नियमित रूप से अपडेट करते हैं। ये अद्यतन ज्ञान उन्नयन (नए कौशल) या एजीआई के भौतिक रूप में प्रदर्शन उन्नयन पर लागू हो सकते हैं। 

    इसके बाद, आइए उन एजीआई को देखें जिनका भौतिक रूप है, लेकिन ये इंटरनेट/क्लाउड से वायरलेस तरीके से भी जुड़े हुए हैं। गैर-जुड़े एजीआई की तुलना में हम इस स्तर के साथ जो अंतर देख सकते हैं उनमें शामिल हैं:

    • मेमोरी: इन एजीआई के पास पिछले एजीआई वर्ग के सभी अल्पकालिक लाभ होंगे, सिवाय इसके कि वे पूर्ण दीर्घकालिक स्मृति से भी लाभान्वित होंगे क्योंकि वे जरूरत पड़ने पर उन यादों को क्लाउड पर अपलोड कर सकते हैं। जाहिर है, यह मेमोरी कम कनेक्टिविटी वाले क्षेत्रों में उपलब्ध नहीं होगी, लेकिन 2020 और 2030 के दौरान जब दुनिया का अधिकांश हिस्सा ऑनलाइन हो जाएगा तो यह चिंता का विषय बन जाएगा। और पढ़ें अध्याय एक हमारे में से इंटरनेट का भविष्य श्रृंखला. 
    • गति: इस एजीआई के सामने आने वाली बाधा के प्रकार के आधार पर, वे इसे हल करने में मदद करने के लिए क्लाउड की बड़ी कंप्यूटिंग शक्ति तक पहुंच सकते हैं।
    • प्रदर्शन: असंबद्ध एजीआई की तुलना में कोई अंतर नहीं।
    • अपग्रेडेबिलिटी: इस एजीआई के बीच एकमात्र अंतर यह है कि यह अपग्रेडेबिलिटी से संबंधित है कि वे अपग्रेड डिपो में जाने और प्लग इन करने के बजाय, वायरलेस तरीके से रीयल टाइम में अपग्रेड एक्सेस कर सकते हैं।
    • सामूहिक: मनुष्य पृथ्वी की प्रमुख प्रजाति बन गया, इसलिए नहीं कि हम सबसे बड़े या सबसे मजबूत जानवर थे, बल्कि इसलिए कि हमने सामूहिक लक्ष्यों को प्राप्त करने के लिए विभिन्न तरीकों से संवाद करना और सहयोग करना सीखा, एक ऊनी मैमथ का शिकार करने से लेकर अंतर्राष्ट्रीय अंतरिक्ष स्टेशन बनाने तक। एजीआई की एक टीम इस सहयोग को अगले स्तर तक ले जाएगी। ऊपर सूचीबद्ध सभी संज्ञानात्मक लाभों को देखते हुए और फिर इसे व्यक्तिगत रूप से और लंबी दूरी पर वायरलेस तरीके से संचार करने की क्षमता के साथ, भविष्य की एजीआई टीम/हाइव दिमाग सैद्धांतिक रूप से मनुष्यों की एक टीम की तुलना में कहीं अधिक कुशलता से परियोजनाओं से निपट सकता है। 

    अंत में, अंतिम प्रकार का एजीआई एक भौतिक रूप के बिना संस्करण है, जो एक कंप्यूटर के अंदर संचालित होता है, और पूर्ण कंप्यूटिंग शक्ति और ऑनलाइन संसाधनों तक पहुंच होती है जो इसके निर्माता इसे प्रदान करते हैं। विज्ञान-फाई शो और किताबों में, ये एजीआई आमतौर पर विशेषज्ञ आभासी सहायकों / दोस्तों या एक अंतरिक्ष यान के स्पंकी ऑपरेटिंग सिस्टम का रूप लेते हैं। लेकिन एजीआई की अन्य दो श्रेणियों की तुलना में, यह एआई निम्नलिखित तरीकों से भिन्न होगा;

    • गति: असीमित (या, कम से कम उस हार्डवेयर की सीमा तक जिसकी पहुंच है)।
    • मेमोरी: असीमित  
    • प्रदर्शन: सुपरकंप्यूटिंग केंद्रों तक इसकी पहुंच को देखते हुए निर्णय लेने की गुणवत्ता में वृद्धि धन्यवाद।
    • उन्नयन योग्यता: पूर्ण, वास्तविक समय में, और संज्ञानात्मक उन्नयन के असीमित चयन के साथ। बेशक, चूंकि इस एजीआई श्रेणी में भौतिक रोबोट रूप नहीं है, इसलिए इसे भौतिक उन्नयन की आवश्यकता नहीं होगी, जब तक कि वे उन्नयन उस सुपर कंप्यूटर के लिए न हों जिसमें इसका संचालन होता है।
    • सामूहिक: पिछली एजीआई श्रेणी की तरह, यह अशरीरी एजीआई अपने एजीआई सहयोगियों के साथ प्रभावी ढंग से सहयोग करेगा। हालांकि, असीमित कंप्यूटिंग शक्ति और ऑनलाइन संसाधनों तक पहुंच के लिए इसकी अधिक सीधी पहुंच को देखते हुए, ये एजीआई आमतौर पर समग्र एजीआई सामूहिक में नेतृत्व की भूमिका निभाते हैं। 

    मानव जाति पहली कृत्रिम सामान्य बुद्धि कब बनाएगी?

    एआई अनुसंधान समुदाय कब मानता है कि वे एक वैध एजीआई का आविष्कार करेंगे, इसकी कोई निर्धारित तिथि नहीं है। हालांकि, एक 2013 सर्वेक्षण दुनिया के शीर्ष एआई शोधकर्ताओं में से 550, प्रमुख एआई शोध विचारकों निक बोस्ट्रोम और विंसेंट सी। मुलर द्वारा संचालित, तीन संभावित वर्षों के लिए राय की सीमा का औसत निकालते हैं:

    • औसत आशावादी वर्ष (10% संभावना): 2022
    • माध्य यथार्थवादी वर्ष (50% संभावना): 2040
    • माध्य निराशावादी वर्ष (90% संभावना): 2075 

    ये पूर्वानुमान कितने सटीक हैं, इससे कोई फर्क नहीं पड़ता। क्या मायने रखता है कि एआई अनुसंधान समुदाय के विशाल बहुमत का मानना ​​​​है कि हम अपने जीवन काल में और इस सदी के अपेक्षाकृत शुरुआती दिनों में एक एजीआई का आविष्कार करेंगे। 

    कैसे एक कृत्रिम सामान्य बुद्धि बनाने से मानवता बदल जाएगी

    हम इस श्रृंखला के अंतिम अध्याय में इन नए एआई के प्रभाव का विस्तार से पता लगाते हैं। उस ने कहा, इस अध्याय के लिए, हम कहेंगे कि एक एजीआई का निर्माण उस सामाजिक प्रतिक्रिया के समान होगा जो हम अनुभव करेंगे कि मनुष्य मंगल ग्रह पर जीवन ढूंढते हैं। 

    एक शिविर महत्व को नहीं समझेगा और यह सोचता रहेगा कि वैज्ञानिक एक और अधिक शक्तिशाली कंप्यूटर बनाने के बारे में बहुत कुछ कर रहे हैं।

    एक अन्य शिविर, जिसमें संभवतः लुडाइट्स और धार्मिक विचारधारा वाले व्यक्ति शामिल थे, इस एजीआई से डरेंगे, यह सोचकर कि यह एक घृणित है कि यह मानवता को नष्ट करने की कोशिश करेगा स्काईनेट-शैली। यह शिविर सक्रिय रूप से एजीआई को उनके सभी रूपों में हटाने/नष्ट करने की वकालत करेगा।

    दूसरी ओर, तीसरा शिविर इस रचना को एक आधुनिक आध्यात्मिक घटना के रूप में देखेगा। हर मायने में, यह एजीआई जीवन का एक नया रूप होगा, एक ऐसा जो हमसे अलग सोचता है और जिसका लक्ष्य हमसे अलग है। एक बार एजीआई के निर्माण की घोषणा के बाद, मनुष्य अब केवल जानवरों के साथ पृथ्वी को साझा नहीं करेंगे, बल्कि कृत्रिम प्राणियों के एक नए वर्ग के साथ भी होंगे, जिनकी बुद्धि हमारे बराबर या उससे बेहतर है।

    चौथे शिविर में व्यावसायिक हित शामिल होंगे जो इस बात की जांच करेंगे कि वे विभिन्न व्यावसायिक जरूरतों को पूरा करने के लिए एजीआई का उपयोग कैसे कर सकते हैं, जैसे कि श्रम बाजार में अंतराल को भरना और नई वस्तुओं और सेवाओं के विकास में तेजी लाना।

    इसके बाद, हमारे पास सरकार के सभी स्तरों के प्रतिनिधि हैं जो एजीआई को विनियमित करने के तरीके को समझने की कोशिश कर रहे हैं। यह वह स्तर है जहां सभी नैतिक और दार्शनिक बहस सिर पर आ जाएगी, विशेष रूप से इन एजीआई को संपत्ति या व्यक्तियों के रूप में माना जाना चाहिए या नहीं। 

    और अंत में, अंतिम शिविर सैन्य और राष्ट्रीय सुरक्षा एजेंसियां ​​होंगी। सच में, एक अच्छा मौका है कि पहले एजीआई की सार्वजनिक घोषणा में महीनों से लेकर वर्षों तक की देरी हो सकती है, अकेले इस शिविर के कारण। क्यों? क्योंकि एजीआई का आविष्कार, संक्षेप में एक कृत्रिम अधीक्षण (एएसआई) के निर्माण की ओर ले जाएगा, जो कि एक बड़े भू-राजनीतिक खतरे का प्रतिनिधित्व करेगा और परमाणु बम के आविष्कार से कहीं अधिक का अवसर होगा। 

    इस कारण से, अगले कुछ अध्याय पूरी तरह से एएसआई के विषय पर ध्यान केंद्रित करेंगे और क्या इसके आविष्कार के बाद मानवता जीवित रहेगी।

    (अध्याय को समाप्त करने का अत्यधिक नाटकीय तरीका? आप शर्त लगाते हैं।)

    आर्टिफिशियल इंटेलिजेंस श्रृंखला का भविष्य

    आर्टिफिशियल इंटेलिजेंस कल की बिजली है: फ्यूचर ऑफ आर्टिफिशियल इंटेलिजेंस P1

    हम पहला कृत्रिम अधीक्षण कैसे बनाएंगे: कृत्रिम बुद्धिमत्ता का भविष्य P3 

    क्या एक कृत्रिम अधीक्षण मानवता को नष्ट कर देगा? आर्टिफिशियल इंटेलिजेंस का भविष्य P4

    मानव कृत्रिम अधीक्षण से कैसे बचाव करेगा: कृत्रिम बुद्धिमत्ता का भविष्य P5

    क्या कृत्रिम बुद्धि के प्रभुत्व वाले भविष्य में मनुष्य शांति से रहेंगे? आर्टिफिशियल इंटेलिजेंस का भविष्य P6

    इस पूर्वानुमान के लिए अगला शेड्यूल किया गया अपडेट

    2025-07-11

    पूर्वानुमान संदर्भ

    इस पूर्वानुमान के लिए निम्नलिखित लोकप्रिय और संस्थागत लिंक का संदर्भ दिया गया था:

    फ्यूचरऑफलाइफ
    न्यूयॉर्क टाइम्स
    यूट्यूब - फाइवसेंस रियलिटी
    एमआईटी प्रौद्योगिकी की समीक्षा

    इस पूर्वानुमान के लिए निम्नलिखित क्वांटमरुन लिंक्स को संदर्भित किया गया था: