क्यों AlphaGo आर्टिफिशियल इंटेलिजेंस नहीं है

एआई को क्या कहा जा सकता है और क्या नहीं - एक अर्थ में, परिभाषा पर निर्भर करता है। इस बात से इंकार नहीं किया जा सकता है कि Google के दीपमाइंड टीम द्वारा विकसित और चलाए जा रहे अल्फ़ा-एआई ने विश्व चैंपियन को हरा दिया है - साथ ही पिछले कुछ वर्षों में गहन प्रशिक्षण के साथ इसी तरह की प्रणाली बल्कि जटिल कम्प्यूटेशनल समस्याओं को हल करने में सक्षम है। लेकिन क्या वे हमें सामान्यीकृत बुद्धिमत्ता या OI के लिए एक वास्तविक, पूर्ण AI की ओर ले जाएंगे? शायद ही - और यहाँ क्यों है।

OI की प्रमुख विशेषताओं में से एक जिसे आपको इसे बनाते समय व्यवहार करना पड़ता है, वह यह है कि इसे बाहरी दुनिया के साथ स्वतंत्र रूप से निपटने और अपनी स्वयं की आंतरिक समझ विकसित करने में सक्षम होना चाहिए जो इसे मिलता है, सुनता है, कहता है या करता है। अन्यथा, आप अपने आप को आधुनिक एआई कार्यक्रमों के हाथों में पाएंगे, जिसका अर्थ एप्लिकेशन डेवलपर द्वारा निर्धारित किया गया था। एआई, वास्तव में, यह नहीं समझता है कि क्या हो रहा है और इसकी विशेषज्ञता का क्षेत्र बहुत संकीर्ण है।

अर्थ की समस्या शायद एआई के कार्यों का सबसे मौलिक है, और यह अभी तक हल नहीं हुआ है। इसे व्यक्त करने वाले पहले लोगों में से एक संज्ञानात्मक वैज्ञानिक स्टीवन हरनाड थे, जिन्होंने 1990 में "द प्रॉब्लम ऑफ मैचिंग सिंबल्स" नामक काम लिखा था। यहां तक ​​कि अगर आप यह नहीं मानते हैं कि हम प्रतीकों में हेरफेर कर रहे हैं, तो भी काम बाकी है: वास्तविक दुनिया के साथ सिस्टम के भीतर मौजूद प्रतिनिधित्व की तुलना करना।

बारीकियों के लिए, हम ध्यान दें कि समझ का कार्य हमें चार उप-शीर्षों की ओर ले जाता है:

1. किसी व्यक्ति (व्यक्ति या एआई) को बाहरी दुनिया से प्राप्त होने वाली सूचनाओं की संरचना कैसे करें?
2. इस संरचित जानकारी को दुनिया से कैसे जोड़ा जाए, यानी किसी व्यक्ति द्वारा दुनिया की समझ कैसे बनाई जाए?
3. इस समझ को अन्य हस्तियों के साथ कैसे सिंक्रनाइज़ किया जाए? (अन्यथा, संचार असंभव होगा, और बुद्धि अकथनीय और पृथक हो जाएगी)।
4. कोई व्यक्ति कुछ क्यों करता है? यह सब आंदोलन कैसे शुरू करें?

पहली समस्या, संरचना करना, अच्छी तरह से गहरी शिक्षा और समान प्रशिक्षण एल्गोरिदम के माध्यम से हल किया जाता है, जिसे पर्यवेक्षण की आवश्यकता नहीं होती है - यह, उदाहरण के लिए, अल्फा गो में उपयोग किया जाता है। इस क्षेत्र में, हमने महत्वपूर्ण सफलताएं प्राप्त की हैं, विशेष रूप से, कंप्यूटिंग शक्ति में हाल ही में वृद्धि और जीपीयू के उपयोग के लिए धन्यवाद, जो विशेष रूप से सूचना प्रसंस्करण को समानांतर करता है। ये सिस्टम एक अत्यधिक निरर्थक संकेत लेकर काम करते हैं, जिसे बहुआयामी स्थान में व्यक्त किया जाता है, और सूचना के नुकसान को कम करते हुए इसे छोटे आयामों के संकेतों तक कम किया जाता है। दूसरे शब्दों में, वे सूचना प्रसंस्करण के दृष्टिकोण से संकेत के एक महत्वपूर्ण हिस्से पर कब्जा कर लेते हैं।

दूसरी समस्या, वास्तविक दुनिया के साथ सूचना के संबंध की समस्या, यानी "समझ" का निर्माण, सीधे रोबोटाइजेशन से संबंधित है। दुनिया के साथ बातचीत करने के लिए आपको एक शरीर की आवश्यकता होती है, और इस संबंध को बनाने के लिए आपको दुनिया के साथ बातचीत करने की आवश्यकता होती है। इसलिए, मैं अक्सर तर्क देता हूं कि रोबोट के बिना कोई एआई नहीं है (हालांकि एआई के बिना उत्कृष्ट रोबोट हैं, लेकिन यह एक और कहानी है)। इसे अक्सर "अवतारवाद की समस्या" कहा जाता है, और अधिकांश एआई शोधकर्ता इस बात से सहमत होते हैं कि बुद्धिमत्ता और अवतार का निकट संबंध है। अलग-अलग निकायों में बुद्धि के विभिन्न रूप मौजूद हैं, जिन्हें जानवरों से आसानी से देखा जा सकता है।

यह सभी ऐसी सरल चीजों के साथ शुरू होता है जैसे शरीर के अपने हिस्सों में अर्थ की खोज और दृश्य दुनिया में वांछित प्रभाव को प्राप्त करने के लिए उन्हें कैसे नियंत्रित किया जाए, अंतरिक्ष, दूरी, रंग, आदि की भावना कैसे बनाई जाती है। इस क्षेत्र में, जे। केविन ओ'रैगन जैसे वैज्ञानिक द्वारा विस्तृत शोध किया गया था, जो उनके "चेतना के सेंसरिमोटर" के लिए जाना जाता था। लेकिन यह केवल पहला कदम है, तब से इन सांसारिक सेंसरिमोटर संरचनाओं के आधार पर अधिक से अधिक अमूर्त अवधारणाओं का निर्माण करना आवश्यक होगा। हम अभी तक इस बिंदु पर नहीं पहुंचे हैं, लेकिन इस विषय पर अनुसंधान पहले से ही चल रहा है।

तीसरी समस्या संस्कृति की उत्पत्ति का प्रश्न है। कुछ जानवरों में, संस्कृति के सबसे सरल रूपों का पता लगाया जा सकता है और यहां तक ​​कि क्षमताओं को पीढ़ियों के माध्यम से प्रेषित किया जाता है, लेकिन बहुत ही सीमित मात्रा में, और केवल मनुष्य ही अधिग्रहित ज्ञान के घातीय विकास की दहलीज तक पहुंच गए हैं जिन्हें हम संस्कृति कहते हैं। संस्कृति बुद्धि के लिए एक उत्प्रेरक है, और एआई जिसमें सांस्कृतिक रूप से बातचीत करने की क्षमता नहीं है, वह केवल अकादमिक हित की होगी।

लेकिन संस्कृति को कोड के रूप में मशीन में मैन्युअल रूप से दर्ज नहीं किया जा सकता है। यह एक सीखने की प्रक्रिया का परिणाम होना चाहिए। इस प्रक्रिया को समझने के तरीकों की तलाश करने का सबसे अच्छा तरीका विकासात्मक मनोविज्ञान है । इस विषय पर काम जीन पियागेट और माइकल टोमासेलो द्वारा किया गया था, जिन्होंने बच्चों द्वारा सांस्कृतिक ज्ञान प्राप्त करने की प्रक्रिया का अध्ययन किया था। इस दृष्टिकोण ने रोबोटिक्स के एक नए अनुशासन को विकसित किया, "रोबोट विकास," एक बच्चे को एक मॉडल के रूप में लेना (जैसा कि चित्र में iCub रोबोट के साथ मामला है)।

साथ ही, यह प्रश्न भाषा सीखने की प्रक्रिया के अध्ययन से निकटता से संबंधित है, और यह उन विषयों में से एक है जिसका मैं स्वयं अध्ययन करता हूं। ल्यूक स्टील्स एट अल जैसे लोगों के काम ने दिखाया है कि किसी भाषा को प्राप्त करने की प्रक्रिया को विकासवाद से तुलना की जा सकती है: एक व्यक्ति दुनिया के साथ बातचीत करके नई अवधारणाएं बनाता है, उनका उपयोग अन्य व्यक्तित्वों के साथ संवाद करने के लिए करता है, और उन संरचनाओं का चयन करता है जो दूसरों के साथ सफलतापूर्वक संवाद करने में मदद करते हैं। (मुख्य रूप से साझा लक्ष्यों को प्राप्त करने के लिए)। सैकड़ों परीक्षण और त्रुटि के बाद, जैसा कि जैविक विकास के मामले में, प्रणाली सबसे अच्छी अवधारणा और इसके वाक्यविन्यास / व्याकरणिक अनुवाद उत्पन्न करती है।

इस प्रक्रिया का प्रायोगिक रूप से परीक्षण किया गया है, और यह आश्चर्यजनक रूप से प्राकृतिक भाषाओं के विकास और बढ़ने के समान है। वह त्वरित सीखने के लिए भी जिम्मेदार है, जब कोई व्यक्ति अवधारणा को तुरंत मान लेता है - इस तरह की चीजें इस तरह के आँकड़े-आधारित मॉडल को गहन सीखने के लिए समझाने में सक्षम नहीं हैं। अब, इस दृष्टिकोण का उपयोग करने वाले कई शोध प्रयोगशालाएं व्याकरण, इशारों और अधिक जटिल सांस्कृतिक घटनाओं को समझने के मार्ग पर आगे बढ़ने की कोशिश कर रही हैं। विशेष रूप से, यह AI लैब है, जिसकी स्थापना मेरे द्वारा रोबोटिक्स एल्डेबरन में लगी फ्रांसीसी कंपनी में की गई है। अब यह सॉफ्टबैंक ग्रुप का हिस्सा बन गया है - उन्होंने रोबोट्स नाव , रोमियो और पेपर (नीचे) बनाए।



और अंत में, चौथी समस्या का सामना "आंतरिक प्रेरणा" से होता है। एक व्यक्ति आखिर कुछ क्यों करता है, और सिर्फ आराम करने के लिए नहीं। मानव व्यवहार की व्याख्या करने के लिए जीवित रहने की आवश्यकताएं पर्याप्त नहीं हैं। यहां तक ​​कि अगर आप किसी व्यक्ति की सुरक्षा सुनिश्चित करते हैं, तो वह भूख की वापसी के लिए इंतजार नहीं करता है। लोग पर्यावरण का अध्ययन करते हैं, कुछ करने की कोशिश करते हैं, और वे निहित जिज्ञासा के कुछ रूप से प्रेरित होते हैं। शोधकर्ता पियरे-युव्स ओडेयेर ने दिखाया कि सीखने की गति को अधिकतम करने के लिए किसी व्यक्ति की इच्छा के रूप में जिज्ञासा की सबसे सरल गणितीय अभिव्यक्ति आश्चर्यजनक रूप से जटिल और अप्रत्याशित व्यवहार का उत्पादन करने के लिए पर्याप्त है (देखें, उदाहरण के लिए, "खेल के मैदान) के साथ एक प्रयोग। सोनी CSL)।

जाहिरा तौर पर, सिस्टम के लिए कुछ ऐसा ही आवश्यक है ताकि इसमें तीन पिछले चरणों के माध्यम से जाने की इच्छा पैदा हो: दुनिया के बारे में जानकारी की संरचना करें, इसे अपने शरीर के साथ संयोजित करें और सार्थक अवधारणाएं बनाएं, और फिर एक संयुक्त बनाने के लिए संचार के दृष्टिकोण से सबसे प्रभावी चुनें। ऐसी संस्कृति जिसमें सहयोग संभव है। मेरे दृष्टिकोण से, यह वही है जो ओआई कार्यक्रम है।

मैं दोहराता हूं कि गहरी शिक्षा का तेजी से विकास और गो जैसे खेलों में हाल की सफलता बहुत अच्छी खबर है, क्योंकि इस तरह के AI से चिकित्सा अनुसंधान, उद्योग, पर्यावरण संरक्षण और अन्य क्षेत्रों में कई आवेदन बिंदु मिलेंगे। लेकिन यह समस्या का केवल एक हिस्सा है, जिसे मैंने यहां समझाने की कोशिश की। मुझे विश्वास नहीं है कि गहरी शिक्षा एक रामबाण है जो हमें एक वास्तविक एआई की ओर ले जाएगी, एक मशीन के अर्थ में जो शांति से रहना सीख सकती है, स्वाभाविक रूप से हमारे साथ बातचीत कर सकती है, हमारी भावनाओं और सांस्कृतिक विकृतियों की जटिलता को समझ सकती है, और अंततः हम दुनिया को एक बेहतर जगह बना सकते हैं।