कृत्रिम बुद्धिमत्ता (एआई) के भविष्य के आसपास के उन्माद ने दुनिया को अपने कब्जे में ले लिया है। एआई
बीमारियों को कैसे
ठीक कर
सकता है ,
नवाचार में तेजी ला सकता है और
किसी व्यक्ति की
रचनात्मकता में सुधार कर
सकता है , इसके बारे में सनसनीखेज समाचारों की कोई कमी नहीं है। यदि आप मीडिया की सुर्खियों को पढ़ते हैं, तो आप यह तय कर सकते हैं कि आप पहले से ही एक ऐसे भविष्य में रह रहे हैं जिसमें एआई ने समाज के सभी पहलुओं को दर्ज किया है।
यद्यपि इस बात से इंकार नहीं किया जा सकता है कि AI ने
हमारे लिए कई अवसरों का वादा किया है , इसने भी सोच का उदय किया है, जिसे AI के सर्वशक्तिमान में विश्वास के रूप में वर्णित किया जा सकता है। इस दर्शन के अनुसार, यदि पर्याप्त डेटा है, तो मशीन लर्निंग एल्गोरिदम
मानव जाति की सभी समस्याओं को हल करने में सक्षम होगा ।
लेकिन इस विचार की एक बड़ी समस्या है। यह एआई की प्रगति का समर्थन नहीं करता है, बल्कि मशीन खुफिया के मूल्य को खतरे में डालता है, महत्वपूर्ण सुरक्षा सिद्धांतों की उपेक्षा और लोगों को एआई क्षमताओं के बारे में अवास्तविक उम्मीदों के लिए स्थापित करता है।
एआई के सर्वशक्तिमान में विश्वास
कुछ ही वर्षों में, एआई की सर्वव्यापीता में विश्वास ने सिलिकॉन वैली प्रौद्योगिकी इंजीलवादियों की बातचीत से दुनिया भर के सरकारी प्रतिनिधियों और कानूनविदों के दिमाग में अपनी जगह बनाई। पेंडुलम
एआई के एंटी-यूटोपियन कॉन्सेप्ट से हटकर
हमारे अल्गोरिथमिक उद्धारकर्ता के
आने में
मानवता के प्रति विश्वास को
नष्ट करता है।
हम पहले से ही देख रहे हैं कि कैसे सरकार राष्ट्रीय एआई विकास कार्यक्रमों को समर्थन प्रदान करती है और तेजी से बढ़ती मशीन लर्निंग (एमओ) क्षेत्र में बढ़त हासिल करने के लिए प्रौद्योगिकी और बयानबाजी में प्रतिस्पर्धा करती है। उदाहरण के लिए, ब्रिटिश सरकार ने इस क्षेत्र में अग्रणी बनने के लिए AI अनुसंधान में
£ 300 मिलियन का निवेश करने का
वादा किया है । एआई की परिवर्तनकारी क्षमता से उत्साहित, फ्रांसीसी राष्ट्रपति
इमैनुएल मैक्रोन ने
फ्रांस को एक अंतरराष्ट्रीय एआई केंद्र में बदलने का फैसला किया। चीनी सरकार 2030 तक $ 150 बिलियन चीनी AI उद्योग बनाने की
सरकारी योजना के साथ अपनी AI क्षमताओं को बढ़ा रही है। एआई के सर्वशक्तिमान में विश्वास गति प्राप्त कर रहा है और हार नहीं मान रहा है।
तंत्रिका नेटवर्क - आसान काम की तुलना में कहा
हालांकि कई राजनीतिक बयानों ने आसन्न "
एआई क्रांति " के परिवर्तनकारी प्रभावों को टाल दिया
, वे आमतौर पर वास्तविक दुनिया में उन्नत एमओ सिस्टम शुरू करने की जटिलता को कम आंकते हैं।
एआई तकनीक की सबसे आशाजनक किस्मों में से एक
तंत्रिका नेटवर्क है । मशीन लर्निंग का यह रूप मानव मस्तिष्क की तंत्रिका संरचना के अनुकरणीय अनुकरण पर आधारित है, लेकिन बहुत छोटे पैमाने पर। कई एआई-आधारित उत्पाद बड़ी मात्रा में डेटा से पैटर्न और नियमों को निकालने के लिए तंत्रिका नेटवर्क का उपयोग करते हैं। लेकिन कई राजनेताओं को यह समझ में नहीं आता है कि केवल समस्या के लिए एक तंत्रिका नेटवर्क को जोड़ना, हमें जरूरी नहीं कि इसका समाधान तुरंत मिल जाए। इसलिए, लोकतंत्र में एक तंत्रिका नेटवर्क को जोड़ना, हम तुरंत इसे कम भेदभाव, अधिक ईमानदार या व्यक्तिगत नहीं बनाएंगे।
चुनौतीपूर्ण डेटा नौकरशाही
एआई सिस्टम को काम करने के लिए बड़ी मात्रा में डेटा की आवश्यकता होती है, लेकिन सार्वजनिक क्षेत्र में उन्नत एमओ सिस्टम का समर्थन करने के लिए आमतौर पर कोई
उपयुक्त डेटा इन्फ्रास्ट्रक्चर नहीं होता है। अधिकांश डेटा ऑफ़लाइन संग्रह में संग्रहीत किया जाता है। नौकरशाही में बहुत कम संख्या में मौजूदा डिजीटल डेटा स्रोत डूब रहे हैं। डेटा सबसे अधिक बार विभिन्न सरकारी विभागों में फैला हुआ है, जिनमें से प्रत्येक को एक्सेस के लिए विशेष अनुमति की आवश्यकता होती है। अन्य बातों के अलावा, सार्वजनिक क्षेत्र में आमतौर पर
एआई के
लाभों को पूरी तरह से
प्राप्त करने के लिए आवश्यक तकनीकी क्षमताओं से लैस पर्याप्त प्रतिभा नहीं होती है।
इन कारणों से, एआई-संबंधित
सनसनीवाद को बहुत आलोचना मिलती है। बर्कले में कंप्यूटर विज्ञान के एक प्रोफेसर स्टुअर्ट रसेल लंबे समय से अधीक्षणीय रोबोट द्वारा दुनिया के काल्पनिक अधिग्रहण के बजाय एआई के
सबसे सरल, रोज़मर्रा के अनुप्रयोगों पर ध्यान केंद्रित करते हुए अधिक यथार्थवादी दृष्टिकोण की वकालत कर रहे हैं। इसी तरह, एमआईटी के रोबोटिक्स के प्रोफेसर
रोडनी ब्रूक्स लिखते हैं , "रोबोटिक्स और एआई में लगभग सभी नवाचारों को वास्तविक कार्यान्वयन के लिए बहुत अधिक समय की आवश्यकता होती है, इस क्षेत्र के विशेषज्ञों और बाकी सभी लोगों द्वारा इसकी कल्पना की जाती है।"
एमओ सिस्टम को तैनात करने की कई चुनौतियों में से एक यह है कि एआई
हमलों के लिए बेहद
असुरक्षित है । इसका मतलब यह है कि एक दुर्भावनापूर्ण AI दूसरे एआई पर हमला कर सकता है ताकि वह गलत भविष्यवाणियों को जारी करने या एक निश्चित तरीके से कार्य करने के लिए मजबूर कर सके। कई
शोधकर्ताओं ने चेतावनी दी है कि उचित
सुरक्षा मानकों और सुरक्षात्मक तंत्र तैयार किए बिना एआई को तुरंत रोल आउट करना असंभव है। लेकिन अभी तक, एआई सुरक्षा के विषय पर उचित ध्यान नहीं दिया गया है।
मशीन सीखना जादू नहीं है
यदि हम एआई के लाभों को प्राप्त करना चाहते हैं और संभावित जोखिमों को कम करना चाहते हैं, तो हमें इस बात पर विचार करना शुरू करना चाहिए कि हम सरकार, व्यापार और समाज के कुछ क्षेत्रों में IOs को सार्थक रूप से कैसे लागू कर सकते हैं। और इसका मतलब है कि हमें
एआई की
नैतिकता और एमओ में कई लोगों के
अविश्वास पर चर्चा शुरू करने की आवश्यकता है।
सबसे महत्वपूर्ण बात, हमें एआई की सीमाओं और उन बिंदुओं को समझने की जरूरत है जिन पर लोगों को अभी भी नियंत्रण रखना है। एआई क्षमताओं की एक अवास्तविक तस्वीर खींचने के बजाय, आपको एक कदम वापस लेने और एआई
की वास्तविक तकनीकी क्षमताओं को जादू से
अलग करने की आवश्यकता है।
लंबे समय तक,
फेसबुक का मानना था कि घृणा फैलाने और घृणा फैलाने जैसी समस्याओं को एल्गोरिदम द्वारा पहचाना और रोका जा सकता है। लेकिन सांसदों के दबाव में, कंपनी ने जल्दी ही
10,000 मानव समीक्षकों की सेना के साथ अपने एल्गोरिदम को बदलने का वादा किया।
चिकित्सा में, वे यह भी मानते हैं कि एआई को सभी समस्याओं का समाधान नहीं माना जा सकता है।
ऑन्कोलॉजी कार्यक्रम के
लिए आईबीएम वाटसन एक एआई था जो डॉक्टरों को कैंसर से लड़ने में मदद करने वाला था। और हालांकि यह सबसे अच्छी सिफारिशें देने के लिए डिज़ाइन किया गया था, विशेषज्ञों
को मशीन पर भरोसा करना मुश्किल लगता
है । परिणामस्वरूप, अधिकांश अस्पतालों में कार्यक्रम को
बंद कर दिया गया, जहां इसके परीक्षण रन हुए।
इसी तरह की समस्याएं विधायी क्षेत्र में उत्पन्न होती हैं जब वाक्य उच्चारण करने के लिए
अमेरिकी अदालतों में एल्गोरिदम का उपयोग किया जाता था । एल्गोरिदम ने जोखिम मूल्यों की गणना की और वाक्यों पर न्यायाधीशों
की सिफारिशें दीं। लेकिन यह पता चला कि प्रणाली संरचनात्मक नस्लीय भेदभाव को मजबूत करती है, जिसके बाद इसे छोड़ दिया गया था।
ये उदाहरण बताते हैं कि हर चीज के लिए एआई-आधारित समाधान नहीं हैं। एअर इंडिया के लिए एआई का उपयोग करना हमेशा उत्पादक या उपयोगी नहीं होता है। मशीन इंटेलिजेंस का उपयोग करके हर समस्या का सबसे अच्छा हल नहीं किया जाता है। यह उन सभी लोगों के लिए सबसे महत्वपूर्ण सबक है जो सरकार के एआई विकास कार्यक्रमों में निवेश बढ़ाने का इरादा रखते हैं: सभी निर्णयों की कीमत होती है, न कि उन सभी चीजों को जो स्वचालित होने की आवश्यकता होती है।