Education

एआई, बिल्कुल सर्दी की तरह, आ रहा है…



एआई, विंटर की तरह, बड़े डेटा और शक्तिशाली हार्डवेयर के साथ यहां है

[Update, January 2024]: जबकि एल एंड डी क्षेत्र में बहुत से लोगों ने सात साल पहले आर्टिफिशियल इंटेलिजेंस (एआई)/मशीन लर्निंग (एमएल) के बारे में मेरी ओर ध्यान नहीं दिया था, आज, यह लेख एक बोतल में एक संदेश की तरह पढ़ा जाता है। एक बोतल में एक संदेश की बात करते हुए, बिग डेटा और शक्तिशाली हार्डवेयर पर आने वाली लहर से सावधान रहें… एक विचारोत्तेजक पुस्तक जिसकी मैं दृढ़ता से अनुशंसा करता हूं वह है आने वाली लहर: प्रौद्योगिकी, शक्ति, और इक्कीसवीं सदी की सबसे बड़ी दुविधा मुस्तफा सुलेमान (लेखक) और माइकल भास्कर द्वारा। नीचे स्मृति लेन में यात्रा का आनंद लें!

AI काफी समय से मौजूद है। मशीन लर्निंग, एआई का एक अनुप्रयोग जहां एक मशीन अपने आप सीखने में सक्षम है, यह भी नया नहीं है। तो, पिछले कुछ वर्षों में एआई को लेकर इतनी उत्तेजना और भय क्यों पैदा हुआ है?

मशीन लर्निंग कोई नई बात नहीं है

पच्चीस साल पहले, मैं अपनी थीसिस लिखते हुए अपने कंप्यूटर पर घूर रहा था। हर किसी के विपरीत, मैं कुछ ऐसा करना चाहता था जिससे वास्तव में मेरी स्नातक स्तर की पढ़ाई ख़तरे में पड़ सकती थी। मैं C++ में एक कृत्रिम तंत्रिका नेटवर्क बना रहा था। नेटवर्क को केवल डेटा देखकर ही सीखना चाहिए था। इसमें यह सीखना था कि दो संख्याओं को एक साथ कैसे जोड़ा जाए।

कृत्रिम तंत्रिका नेटवर्क में कई परतें थीं। इनपुट लेयर का काम मेरे द्वारा दिखाए जा रहे डेटा को “देखना” था। आउटपुट लेयर का काम परिणाम को उगलना था। बीच-बीच में छुपी हुई परतें सीख रही थीं। ये सभी न्यूरॉन्स जुड़े हुए थे। मशीन लर्निंग की प्रक्रिया एक दोहरावदार अभ्यास था। प्रोग्राम ने नेटवर्क को दो नंबर दिखाए, साथ ही उन्हें जोड़ने का सही परिणाम भी दिखाया। नेटवर्क एक परिणाम लेकर आया। यदि परिणाम गलत था (त्रुटि के मार्जिन के बाहर), तो नेटवर्क खुद को समायोजित करने के लिए एक एल्गोरिदम के माध्यम से चला गया (बैकप्रॉपैगेशन)। फिर, प्रोग्राम ने संख्याओं की एक और जोड़ी और परिणाम दिखाया। ये तो चलता ही जा रहा था. नेटवर्क सीख रहा था. बैकप्रॉपैगेशन एक कृत्रिम तंत्रिका नेटवर्क में वजन के संबंध में हानि फ़ंक्शन के ग्रेडिएंट की गणना करने की एक विधि है।

तो, जैसा कि मैंने कहा, मैं हफ्तों तक मॉनिटर को घूरता रहा। मॉनिटर ने मुझे एक एकल नंबर दिखाया। यह त्रुटि थी. दूसरे शब्दों में, संख्याओं को एक साथ जोड़ना सीखने से नेटवर्क कितना दूर था। मैं उत्सुक था कि क्या मैं कभी स्नातक हो पाऊंगा। एक दिन पहले तक, त्रुटि इतनी छोटी थी कि जीत की घोषणा की जा सके। यह नेटवर्क का परीक्षण करने का समय था। देखिये, तंत्रिका नेटवर्क उन संख्याओं के साथ अच्छी तरह से काम कर रहा था जिनसे वह सीख रहा था लेकिन अब, उसे वे संख्याएँ दिखाने का समय आ गया था जिन्हें नेटवर्क ने कभी नहीं देखा था। यदि मशीन लर्निंग सफल रही, तो नेटवर्क उन नंबरों को जोड़ने में सक्षम हो जाएगा जिन्हें उसने कभी एक साथ नहीं देखा था, और मैं स्नातक हो जाऊंगा। यदि नहीं, तो एक वर्ष के लिए डिबग करने का समय आ गया है…

इसने काम किया। तंत्रिका नेटवर्क ने बिना किसी प्रोग्रामिंग के केवल दिखाए गए डेटा के पैटर्न का पता लगाकर जोड़ना सीखा। मैंने अपने कृत्रिम तंत्रिका नेटवर्क को फ्लॉपी डिस्क पर सहेजा! (अपडेट, 2024: “चैटजीपीटी, फ़्लॉपी डिस्क क्या है?”)

मशीन लर्निंग के लिए बड़े डेटा और शक्तिशाली हार्डवेयर की आवश्यकता होती है

सरल बनाने के लिए, मशीन लर्निंग को दो चीजों की आवश्यकता है: बड़ा डेटा और बड़ा प्रदर्शन। मेरी फ़्लॉपी डिस्क शायद ही बिग डेटा थी। मैंने वास्तव में इसका उपयोग किसी और रोमांचक चीज़ के लिए करने की कोशिश की: लॉटरी जीतना। मैंने लॉटरी पैटर्न खोजने और खुद को अमीर बनाने के लिए नेटवर्क में “बिग डेटा” लोड किया। और तभी मुझे मशीन लर्निंग की दूसरी आवश्यकता के बारे में पता चला: प्रदर्शन। आपको बड़े डेटा और शक्तिशाली हार्डवेयर की आवश्यकता है। डगलस एडम्स के “जीवन, ब्रह्मांड और हर चीज़ के अंतिम प्रश्न का उत्तर” खोजने के प्रयास की तरह मेरा कंप्यूटर भी अटक गया।

स्टार्ट-अप मशरूम: सर्दी आ रही है

पिछले कुछ वर्षों में, एआई अनुप्रयोग गर्मियों के तूफान के बाद मशरूम की तरह तेजी से बढ़े हैं। ऐसा क्यों? क्योंकि एकदम सही तूफान चल रहा है: बिग डेटा और शक्तिशाली हार्डवेयर का संयोजन। अब हम सब जुड़े हुए हैं! और आप जानते हैं, अगर कोई चीज़ सोशल मीडिया पर पोस्ट नहीं की गई तो वह नहीं हुई।

आज, हमारी सीमाएँ प्रौद्योगिकी में नहीं बल्कि कल्पना (और शायद नैतिकता) में हैं। AI ऐसा कुछ नहीं है जैसा आपने पहले देखा हो। आपने रहस्यमय अल्फ़ागो के बारे में सुना होगा:

अल्फ़ागो एक पेशेवर मानव गो खिलाड़ी को हराने वाला पहला कंप्यूटर प्रोग्राम है, एक गो विश्व चैंपियन को हराने वाला पहला प्रोग्राम है, और यकीनन इतिहास में सबसे मजबूत गो खिलाड़ी है।

इस हार के बारे में अविश्वसनीय बात यह है कि यह केवल पाशविक बल नहीं था जिसने सर्वश्रेष्ठ मानव खिलाड़ी को हराया; यह खुफिया जानकारी थी. क्या सोच अब मानवीय गुण नहीं रही?

उनकी किताब में दूसरा मशीन युग: शानदार प्रौद्योगिकियों के समय में कार्य, प्रगति और समृद्धि, लेखक एरिक ब्रायनजॉल्फसन और एंड्रयू मैक्एफ़ी ने एआई के साथ आने वाली चीज़ों की एक आकर्षक तस्वीर चित्रित की है। अब तक मैंने जो सबसे अच्छा सादृश्य पढ़ा है, वह शतरंज की बिसात का उदाहरण था। आप उस बुद्धिमान व्यक्ति के बारे में कहानी के कुछ संस्करण से परिचित हो सकते हैं जिसने सम्राट से शतरंज की बिसात पर पहले वर्ग के लिए चावल का एक टुकड़ा देने के लिए कहा, फिर अगले पर दोगुना, उसके बाद वाले पर दोगुना, आदि। शतरंज की बिसात ख़त्म होने पर न केवल सम्राट बल्कि पूरी दुनिया में चावल ख़त्म हो जाते। हम इंसानों के लिए, यह समझना मुश्किल है कि चावल का एक टुकड़ा इतनी तेजी से कैसे बढ़ सकता है…

शतरंज की बिसात का दूसरा भाग

अब, एआई के साथ सादृश्य इस स्पष्टीकरण के साथ आता है कि ऐसा तभी होता है जब आप शतरंज की बिसात के दूसरे भाग में पहुंचते हैं कि चीजें अचानक नियंत्रण से बाहर हो जाती हैं। ऐसा इसलिए है क्योंकि आप उस बिंदु पर पहुंच गए हैं जहां पहले जो हुआ उसके आधार पर यह अनुमान लगाना कठिन है कि आगे क्या होगा। ऐसा तब होता है जब धीमी शुरुआत इस बात का संकेत नहीं देती कि क्या होने वाला है। और यही वह युग है जिसमें हम एआई के साथ हैं। इसीलिए हर जगह इसकी चर्चा है. यही कारण है कि इतने सारे स्टार्ट-अप कुकुरमुत्तों की तरह विकसित हो रहे हैं। यह पसंद है गेम ऑफ़ थ्रोन्स: आप कई मौसमों से आने वाली इस सर्दी के बारे में बात कर रहे हैं। अब, यह यहाँ है, और आप कल्पना भी नहीं कर सकते कि अगले चौराहे पर क्या है। यह बदल रहा है कि हम कैसे सीखते हैं, संवाद करते हैं, काम करते हैं और काम करते हैं।

यदि आप एल एंड डी में हैं और इस बात में रुचि रखते हैं कि उभरती प्रौद्योगिकियां कार्यस्थल पर सीखने को कैसे प्रभावित करती हैं, तो मैं ब्रैंडन कार्लसन की पुस्तक का भी दृढ़ता से सुझाव देता हूं तात्कालिकता के युग में सीखना. जहाँ तक मेरे तंत्रिका नेटवर्क के साथ लॉटरी जीतने की बात है, मैं अभी भी उत्तर की प्रतीक्षा कर रहा हूँ। इस बीच मैं नंबर 42 पर खेलता रहता हूं.

मूलतः यहां प्रकाशित हुआ www.linkedin.com.


CLICK ON IMAGE TO BUY

Leave a Reply

Your email address will not be published. Required fields are marked *

%d