मशीन की तरह सोचो: आज की दुनिया में एआई की शक्ति | Gurugrah

Translate In English

मशीनें जो सोचती हैं

वैज्ञानिकों को उनके प्रसार से डिजिटल कंप्यूटर के फायदे और नुकसान पर विचार करने की प्रेरणा मिली। 1936 में, चर्च और ट्यूरिंग ने स्वतंत्र रूप से प्रदर्शित किया कि डिजिटल कंप्यूटर सभी समस्याओं का समाधान नहीं कर सकते। अन्य अनुत्तरित प्रश्न थे, जिनमें से एक आज भी समाज को प्रभावित करता है:

क्या मशीनें सोच सकती हैं?

ट्यूरिंग ने 1950 में "कम्प्यूटिंग मशीनरी एंड इंटेलिजेंस" पुस्तक लिखी। उन्होंने इसमें एक व्यावहारिक परीक्षण का प्रस्ताव रखा जिसे अभी भी आमतौर पर टेस्टिंग मशीन इंटेलिजेंस: टेस्ट ऑफ़ ट्यूरिंग के रूप में जाना जाता है। लेकिन पेपर में और भी है। यह एआई के खिलाफ सबसे आम तर्कों का सारांश प्रदान करता है। उनमें से कई आज भी पढ़ाए जा रहे हैं। प्रत्येक नई कंप्यूटर चुनौती के साथ, दूसरे हमेशा कमजोर होते जाते हैं। इसके अलावा, ट्यूरिंग का मशीनों को उसी तरह निर्देश देने का प्रस्ताव जिस तरह से हम बच्चों को निर्देश देते हैं, उन्हें अपने पेपर के लिए कृत्रिम बुद्धि के अग्रदूतों में से एक बनाता है।

कम्प्यूटिंग मशीनरी और इंटेलिजेंस एक अत्याधुनिक लेख है जो अपने समय से अविश्वसनीय रूप से आगे है, और सबसे महत्वपूर्ण बात यह है कि अभी भी पढ़ने लायक है। चूंकि यह कंप्यूटर विज्ञान और आर्टिफिशियल इंटेलिजेंस में शुरुआती नौकरियों में से एक है, इसलिए इसे बिना ज्यादा पृष्ठभूमि ज्ञान के निपटाया जा सकता है। लेकिन यह इतने पहलुओं को भी छूता है कि सबसे उन्नत एआई पाठक भी चकित रह जाएंगे। यह ब्लॉग पोस्ट लेख का पूर्वावलोकन मात्र है; मैं सभी को इसे लेने और इसे अपने लिए पढ़ने के लिए प्रोत्साहित करता हूं।

1950 के दशक तक, "कंप्यूटर" शब्द का इस्तेमाल आमतौर पर लोगों, ज्यादातर महिलाओं का वर्णन करने के लिए किया जाता था। यह स्प्रैडशीट्स के साथ गणना करने वाले किसी व्यक्ति के लिए नौकरी का विवरण था। विश्व युद्धों के दौरान मानव कंप्यूटर अपने चरम पर पहुंच गए। डिजिटल कंप्यूटरों के उदय ने इसकी गिरावट शुरू कर दी। डिजिटल कंप्यूटरों ने जल्द ही मानव कंप्यूटरों को पीछे छोड़ दिया, और 1954 तक अधिकांश मनुष्यों को पहले ही डिजिटल कंप्यूटरों द्वारा बदल दिया गया था। ट्यूरिंग का लेख संक्रमण के इसी समय प्रकाशित हुआ था। मैंने पहले इलेक्ट्रॉनिक कंप्यूटर, मैनचेस्टर मार्क I से दो साल पहले काम करना शुरू किया था। लेकिन यह अभी भी मनुष्य थे जो अधिकांश गणनाएँ करते थे। इसलिए कई खंड हैं जो पाठक को एक डिजिटल कंप्यूटर की धारणा समझाते हैं और इसे एक ऐसी मशीन के रूप में वर्णित करते हैं जो मानव-कंप्यूटर नियमों के एक सेट का पालन करती है।

क्या मशीनें सोच सकती हैं?

इस प्रश्न का उत्तर देने के लिए, "सोच" और "मशीन" शब्दों की व्याख्या की जानी चाहिए। लेकिन ऐसा करने के बजाय, ट्यूरिंग सुझाव देते हैं कि प्रश्न को पूरी तरह से बदल दिया जाए। यह पूछने के बजाय कि क्या मशीनें सोच सकती हैं, हमें यह पूछना चाहिए कि क्या मशीन नकल का खेल जीत सकती है।

नकली खेल

नकल के खेल में तीन खिलाड़ियों की आवश्यकता होती है, एक महिला (ए), एक पुरुष (बी) और एक प्रश्नकर्ता (सी)। A और B दूसरे कमरे में C से अलग हैं। खेल में C का लक्ष्य यह पता लगाना है कि दो खिलाड़ियों (उसके लिए X और Y) में से कौन सी महिला है। C, A और B से कोई भी प्रश्न पूछ सकता है जिसका उन्हें उत्तर देना है। पुरुष होने का नाटक करके या यह कहकर कि बी एक महिला है पूछताछकर्ता को धोखा देने की कोशिश करता है। दूसरी ओर, सी महिला की सही पहचान करने में मदद करने की कोशिश करेगा। सभी संचार लिखित रूप में होते हैं ताकि आवाज X और Y के लिंग को प्रकट न करे। ट्यूरिंग A को कंप्यूटर से बदलने का सुझाव देता है। क्या आप एक ऐसी डिजिटल मशीन की कल्पना कर सकते हैं जो एक मानव जांचकर्ता को इतनी बार मूर्ख बनाने में सक्षम हो जितनी बार एक महिला एक मानव न्यायाधीश को यह विश्वास दिलाकर मूर्ख बना सकती है कि वह एक पुरुष है? ट्यूरिंग की नजर में, यही वह सवाल है जो हमें पूछने की जरूरत है।

नकली खेल जीतने में क्या लगता है?

आज के दृष्टिकोण से, यह देखा जा सकता है कि कंप्यूटर को इमिटेशन गेम खेलने के लिए कई एआई उप-विषयों की आवश्यकता होगी। सबसे पहले, प्रश्नकर्ता के साथ संवाद करने के लिए प्राकृतिक भाषा प्रसंस्करण की आवश्यकता होगी। पूछे गए प्रश्नों पर प्रतिबिंबित करने और संतोषजनक उत्तर प्रदान करने के लिए किसी प्रकार के ज्ञान प्रतिनिधित्व और स्वचालित तर्क की आवश्यकता होगी। अंतत: मशीन लर्निंग आवश्यक होगी ताकि मशीन नई परिस्थितियों के अनुकूल हो सके। यहां एक कदम वापस लेने के लिए, ट्यूरिंग ने अपना काम तब लिखा जब डिजिटल कंप्यूटर की अवधारणा भी ज्यादातर लोगों के लिए अपरिचित थी। मुझे लगता है कि आज का पाठक इन मशीनों से परिचित है, लेकिन कंप्यूटिंग में ट्यूरिंग के प्रवेश के लिए और भी बहुत कुछ है।

कम्प्यूटिंग पर

आपने ट्यूरिंग मशीनों के बारे में सुना होगा। पिछले लेख में, ट्यूरिंग ने दिखाया कि कोई भी परिभाषित राज्य मशीन पर्याप्त संसाधन दिए जाने पर किसी भी परिभाषित राज्य मशीन के व्यवहार की नकल कर सकती है। सभी कम्प्यूटर एक जैसे हैं। आपके माइक्रोवेव में इकाई, सही कोड और पर्याप्त संसाधनों के साथ, आपके फैंसी मैकबुक प्रो के समान गणना कर सकती है। यदि हम इस तर्क का पालन करते हैं, तो हम एक पूर्ण ट्यूरिंग मशीन (डिजिटल कंप्यूटर की तरह) की कल्पना करते हैं। यदि नकल का खेल सफल हो जाता है, तो हमने सभी डिजिटल कंप्यूटरों के लिए इस प्रश्न का उत्तर दिया है। और ट्यूरिंग का मानना ​​है कि ऐसी मशीनें संभव हैं।

विपरीत विचार

आज के परिप्रेक्ष्य से, हालांकि, हम देखते हैं कि मशीनों ने दिखाया है कि वे कुछ एक्स कर सकते हैं, यह संभावना कम लगती है कि वे दूसरों को नहीं कर सकते। इंसान। बेशक, गणितीय आपत्ति भी है। मशीन के लिए हल करने के लिए कुछ चीजें गणितीय रूप से असंभव हैं। ट्यूरिंग का दावा है कि मनुष्य भी पूर्ण नहीं हैं, और वे अक्सर गलतियाँ करते हैं। यहां तक ​​कि अगर कोई कंप्यूटर समस्या का समाधान नहीं कर सकता है, तो इसे यादृच्छिक उत्तर देने के लिए प्रोग्राम किया जा सकता है और गलत होने पर गलती करने का नाटक किया जा सकता है। लेडी लवलेस को आमतौर पर पहली महिला प्रोग्रामर होने का श्रेय दिया जाता है। उन्होंने "विश्लेषणात्मक इंजन", एक यांत्रिक कंप्यूटर के लिए एल्गोरिदम लिखा। 1842 में लिखे अपने संस्मरणों में, उन्होंने कहा है कि "विश्लेषणात्मक इंजन के पास कुछ भी उत्पादन करने का दावा नहीं है।" यह कुछ भी कर सकता है जिसे हम इसे करने के लिए कह सकते हैं। इस तर्क के साथ, ट्यूरिंग ने मशीन लर्निंग का परिचय दिया, जिसके लिए उन्होंने अपने काम में एक पूरा अध्याय समर्पित किया।

आर्टिफिशियल इंटेलिजेंस (एआई)

आर्टिफिशियल इंटेलिजेंस एक ऐसा शब्द है जिससे आधुनिक दुनिया में ज्यादातर लोग परिचित हैं। शायद एआई के रूप में बेहतर जाना जाता है, कृत्रिम बुद्धि एक गर्मागर्म बहस का विषय है। क्या हम एआई चाहते हैं? मुझे हमारे दैनिक जीवन में, है ना? हमने एआई के बारे में बहुत अच्छी बातें सुनी हैं कि कैसे एआई हमारे दैनिक जीवन को बेहतर बना सकता है और जबरदस्त मूल्य ला सकता है, लेकिन हमने इस टिप्पणी का दूसरा पक्ष भी सुना है; ऑरवेलियन सर्वनाश कथा। क्या होगा अगर कृत्रिम बुद्धिमत्ता ने तय किया कि यह बेहतर होगा कि मनुष्य का अस्तित्व समाप्त हो जाए; अब यह अच्छा नहीं होगा, है ना? लेकिन वास्तव में मशीन लर्निंग और एआई क्या हैं, और तकनीक के फायदे और नुकसान क्या हैं? आर्टिफिशियल इंटेलिजेंस, जैसा कि नाम से पता चलता है, वह इंटेलिजेंस है जिसे कृत्रिम रूप से प्रोग्राम किया जा सकता है या व्याख्या की जा सकती है, आमतौर पर एक कंप्यूटर सिस्टम पर मानव निर्मित माइंड-पावर कंप्यूटर के रूप में भी सोचा जा सकता है जो एक मशीन को मानव बुद्धि और समस्या को सुलझाने के कौशल का अनुकरण करने की अनुमति देता है।

जब कोई समस्या या प्रश्न पूछा जाता है, तो डिवाइस प्रश्न को हल करने या उत्तर देने में सहायता के लिए प्रासंगिक जानकारी के साथ उत्तर दे सकता है। आर्टिफिशियल इंटेलिजेंस को एक कंप्यूटर सिस्टम में एक बड़े डेटा सेट को "फीड" करके प्रोग्राम किया जाता है और इसे डेटा में पैटर्न को पहचानने के लिए प्रशिक्षण दिया जाता है ताकि डेटा के बारे में सही और समझदारी से सवालों का जवाब दिया जा सके। मशीन लर्निंग नामक एक तंत्र के माध्यम से "फीडिंग" या प्रशिक्षण डेटा की प्रक्रिया की जाती है।

एआई के उदाहरण

अब जब हमने मशीन लर्निंग और एआई के बीच सहजीवी संबंध पर चर्चा कर ली है, तो काम पर इन तकनीकों के कुछ वास्तविक दुनिया के उदाहरण क्या हैं?

आवाज सहायता

एआई के सबसे प्रसिद्ध उदाहरणों में से एक आधुनिक भाषा समर्थन है जैसे Google सहायक, अमेज़ॅन एलेक्सा और ऐप्पल सिरी। ये वॉयस असिस्टेंट आपके सवाल का जवाब देंगे। शायद आप पहले ही पूछ चुके हैं: "आज मौसम कैसा है?", "मुझे स्टोर पर ले जाएं" या "माँ को कॉल करें"। और वास्तव में, आपका फ़ोन इन सभी आदेशों को सटीक और लगभग तुरंत निष्पादित करता है। इन एआई सिस्टमों को लाखों डेटा खिलाए गए थे अंक और एल्गोरिदम यह निर्धारित करने के लिए कि मोबाइल फोन उपयोगकर्ताओं की कुछ सबसे सामान्य जरूरतों को कैसे पूरा किया जाए।

खोज इंजन

हम में से ज्यादातर लोग हर दिन किसी न किसी तरह से इंटरनेट का इस्तेमाल करते हैं। चाहे आप समाचार पढ़ रहे हों, रात के खाने के नए व्यंजनों की तलाश कर रहे हों, या अपनी अगली छुट्टी की योजना बना रहे हों, खोज की संभावना आपके इंटरनेट अन्वेषण में एक बड़ी भूमिका निभाती है। सबसे प्रसिद्ध और लोकप्रिय सर्च इंजन Google है। Google खोज एक AI सिस्टम का एक बेहतरीन उदाहरण है जो वैयक्तिकृत और विशिष्ट जानकारी पाता है जिसे वह मानता है कि आप देखना चाहते हैं। इंटरनेट एक शक्तिशाली खोज इंजन है जो लाखों संसाधनों से बना है जो हमें सटीक जानकारी खोजने की अनुमति देता है जिसे हम ढूंढ रहे हैं। Google खोज आपको वह जानकारी देने के लिए आपकी आदतों, प्राथमिकताओं, स्थान आदि के बारे में सीखता है जो उसे लगता है कि आपको सबसे अधिक रुचिकर लगता है। Google AI के मशीन लर्निंग पहलू में आपके खोज इतिहास को पढ़ना और उसका विश्लेषण करना, वेबसाइटों पर बिताया गया समय, जियोलोकेशन पॉइंट और बहुत कुछ शामिल है। एक बार मूल्यांकन हो जाने के बाद, AI पूरी तरह से समझता है कि आप कौन हैं और अपने खोज अनुभव को मज़ेदार और उपयोगकर्ता के अनुकूल कैसे बनाया जाए।

ऑनलाइन चैट बॉट्स

हो सकता है कि आप ऑनलाइन खरीदारी कर रहे हों और आपने पाया हो कि साइट का उपयोग करते समय आप किसी विशेष प्रचार प्रस्ताव या शिपिंग प्रश्न के बारे में किसी से बात करते हुए दिखाई देते हैं। आपने व्यक्ति एआई से बात की हो सकती है। उत्पाद से संबंधित सवालों के जवाब देने के लिए एक प्रणाली। इन चैटबॉट्स को अक्सर पूछे जाने वाले प्रश्नों का विश्लेषण करने और उसके अनुसार जवाब देने के लिए प्रोग्राम किया जाता है।

यंत्र अधिगम

मशीन लर्निंग एआई का एक अनुप्रयोग है जो एक प्रणाली को ऐसा करने के लिए निर्देशित करने के बजाय अनुभव के आधार पर प्रशिक्षित करने, सीखने और सुधारने की अनुमति देता है। ऐसा करने के लिए, इंजीनियरों का एक समूह एक विशेष एआई का उद्देश्य निर्धारित करता है। आवेदन करें और इसके लिए स्पष्ट पैरामीटर बनाएं। वे निर्दिष्ट करेंगे कि एआई क्या करेगा और आपको जानकारी देकर विषय के बारे में जानने के लिए सब कुछ सिखाएगा। जानकारी फ़िंगरप्रिंट के साथ रिकॉर्ड, फ़ोटो, वीडियो और बहुत कुछ में हो सकती है। इसके बाद जानकारी को विश्लेषण, सत्यापन और उससे सीखने के लिए कार्यक्रम में भेज दिया जाता है, आमतौर पर पैटर्न की पहचान और मॉडलिंग के रूप में। मशीन को डेटासेट के विशिष्ट पहलुओं को देखना सिखाया जाता है और फिर उसने जो एकत्र किया है, उसके बारे में निष्कर्ष प्रदान करता है। समय के साथ, मशीन इस डेटा और एल्गोरिदम के एक सेट का उपयोग मनुष्यों के सीखने के तरीके की नकल करने और धीरे-धीरे इसकी सटीकता में सुधार करने के लिए करेगी।

मशीन लर्निंग कैसे काम करता है?

मशीन लर्निंग का विवरण और तकनीकी एक बड़ा विषय है जिसे लिखने में महीनों लगेंगे, लेकिन यहां हम आपको कवर कर सकते हैं! अवधारणा को समझने में आपकी मदद करने के लिए, कार को अपने बच्चे की तरह मानें। एक बच्चा आपके नियंत्रण और देखभाल में बड़ा हो रहा है, अपने आसपास की दुनिया को बुद्धिमान आँखों से देख रहा है। अपने बच्चे के साथ संवाद करने के लिए, आपको उन्हें एक ऐसी भाषा सिखानी होगी जिसे आप जानते हैं, जैसे कि स्पेनिश। बी अंग्रेजी। , अरबी, या स्पेनिश, आप जो भी भाषा बोलते हैं। मशीन भाषा में, यह मशीन लर्निंग भाषाओं जैसे कि पायथन, आर, या जावा में अनुवाद करेगा, जो भी आप एक डेवलपर के रूप में पसंद करते हैं।

अब जब आपका बच्चा मूल बातें समझ गया है और आपके द्वारा उपयोग की जाने वाली भाषा सीख गया है, तो वह उन्हें एक ही चीज़ बार-बार सिखाए बिना आसानी से आपसे संवाद कर सकता है। वे पिछले प्रशिक्षण और अनुभवों से चीजों को याद करना शुरू कर देंगे, और वे अपने पर्यावरण में संचित ज्ञान का उपयोग करेंगे, बड़ी मात्रा में डेटा का संवेदी इनपुट के रूप में विश्लेषण करेंगे और ज्ञान और मूल्यों के आधार पर अपने आसपास की वास्तविक दुनिया पर प्रतिक्रिया करेंगे, कि आप बताना। साथ ही, मशीन लर्निंग! स्किकिट-लर्न, पायटॉर्च, टेन्सरफ्लो, गूगल क्लाउड ऑटोएमएल और वीका जैसे मशीन लर्निंग टूल्स के साथ, आप अपनी मशीनों को एक स्मार्ट बच्चे की तरह अनुभव से सीखना सिखा सकते हैं।

आपके द्वारा लागू की जाने वाली मशीन सीखने की प्रक्रिया के आधार पर, यानी नियमों का वह सेट जो आप अपनी मशीन को बाहरी उत्तेजनाओं के लिए अपनी प्रतिक्रियाओं की गणना करने के लिए सिखाते हैं: आपके कंप्यूटर जैसी मशीनें ऐतिहासिक डेटा के आधार पर नए संस्करणों की भविष्यवाणी करने के लिए डेटा विश्लेषण संचालन और समस्या सुलझाने के कौशल का उपयोग कर सकती हैं। आप बड़े डेटा और मशीन लर्निंग जैसे शब्दों के लिए नए हो सकते हैं, लेकिन हम आपको आश्वस्त कर सकते हैं कि आप वर्षों से उनका उपयोग कर रहे हैं, शायद यह जाने बिना कि आप किसी भी मशीन लर्निंग क्षमताओं का उपयोग कर रहे हैं। उदाहरण के लिए अनुशंसा इंजन, जिनका आपने अपने जीवन में किसी समय उपयोग किया होगा। स्मार्ट उपकरणों पर स्पैम फ़िल्टर के बारे में क्या है जो संदिग्ध स्पैम संदेशों को स्वचालित रूप से समूहित करता है?

यह मशीन लर्निंग के अधिक उपयोग का प्रतिनिधित्व करता है। अन्य सामान्य मशीन सीखने के अनुप्रयोगों के बारे में जानने के लिए पढ़ें, जैसे कि धोखा, भविष्य कहनेवाला रखरखाव, और ठीक है, कोई और स्पॉइलर नहीं! चेतावनी! मशीन लर्निंग को डीप लर्निंग से भ्रमित नहीं होना चाहिए। यदि आप "मशीन लर्निंग बनाम डीप लर्निंग" गूगल करते हैं, तो आप समझेंगे कि डीप लर्निंग मशीन लर्निंग का एक पहलू है। मशीन लर्निंग में, मशीनें कम से कम मानव हस्तक्षेप के साथ ऐतिहासिक डेटा के आधार पर खुद के लिए सोचना और व्यापार करना सीखती हैं, जबकि डीप लर्निंग वह जगह है जहां मशीनें मानव मस्तिष्क के बाद तैयार की गई संरचनाओं का उपयोग करके सोचना सीखती हैं।

ट्यूरिंग स्वीकार करते हैं कि वे लेडी लवलेस की आपत्ति का पर्याप्त रूप से खंडन नहीं कर सकते। लेकिन वह एक मशीन का प्रस्ताव करता है

क) नकली खेल का समाधान प्रदान करता है।

ख) लेडी लवलेस की आपत्ति को संबोधित करता है।

उनकी राय में, नकल के खेल में अच्छी तरह से काम करने वाली मशीन बनाना सिर्फ एक कार्यक्रम का सवाल है। उनका मानना ​​है कि भविष्य में कम्प्यूटेशनल आवश्यकताओं में सुधार होगा और लक्ष्य को सीमित नहीं करेगा। वास्तविक चुनौती एक ऐसा कार्यक्रम लिखने की होगी जो एक मानव पूछताछकर्ता को मूर्ख बना सके। वह उन जड़ों की ओर लौटने का प्रस्ताव करता है जो मानव मन की बुद्धि और क्षमता को आकार देती हैं: जन्म के समय मन की प्रारंभिक अवस्था, एक इंसान के रूप में बच्चे का पालन-पोषण और सीखे गए सबक एक ऐसा कार्यक्रम लिखने की कोशिश करने के बजाय जो नकल करता है वयस्क का मस्तिष्क, आइए एक बच्चे के मस्तिष्क की नकल करें: सफेद रंग में एक नोटबुक जिसमें मशीन को सीखने की अनुमति देने वाले कुछ तंत्र अनुमान हैं। चाइल्ड मशीन एक सामान्य बच्चे की तरह एक शिक्षक से प्रशिक्षण प्राप्त करेगी। ट्यूरिंग का मानना ​​है कि इस गठन की प्रक्रिया में शायद उतना ही समय लगेगा जितना किसी इंसान को लगता है। बच्चा। यदि वह अच्छे परिणाम प्राप्त करता है और सही ढंग से प्रतिक्रिया करता है तो उसे पुरस्कृत किया जाएगा। उन्हें अवज्ञा और प्रतिक्रिया के लिए दंडित किया जाएगा। मूल रूप से यह एक ऐसी मशीन को लागू करने का प्रस्ताव करता है जो सीख सकती है। या थोड़ा रीफ़्रेश्ड, मशीन लर्निंग का सुझाव देता है। या असली नर्ड्स के लिए: रीइन्फोर्समेंट लर्निंग।

ट्यूरिंग को उम्मीद है कि शिक्षक हमेशा ठीक से नहीं जानता कि बच्चे के दिमाग में क्या चल रहा है, ठीक उसी तरह जैसे एक शिक्षक हमेशा यह नहीं बता सकता कि मानव छात्र क्या सोच रहा है। और अगर हम यह नहीं बता सकते हैं कि जब मशीन सीख रही होती है तो उसके अंदर क्या हो रहा है, हम उसे कैसे बता सकते हैं कि वह वास्तव में क्या कर रही है? तो अगर हम सीखने के लिए एक मशीन प्राप्त कर सकते हैं, जैसा कि ट्यूरिंग ने सुझाव दिया है, यह कुछ ऐसा करेगा जो हमने विशेष रूप से इसे नहीं बताया, जो लेडी लवलेस के तर्क का खंडन करेगा।

मशीन लर्निंग के प्रकार

मशीन लर्निंग के दो मुख्य कार्य हैं: भविष्य कहनेवाला मॉडल और पुराने मॉडल। पूर्वानुमानित मॉडल का उपयोग मौजूदा और ऐतिहासिक डेटा का उपयोग करके भविष्य के परिणामों की भविष्यवाणी करने के लिए किया जाता है, जबकि सॉर्ट मॉडल डेटा आइटम की आउट-ऑफ-ऑर्डर स्थिति की भविष्यवाणी करने में सहायता करते हैं। सामान्य तौर पर, मशीन लर्निंग को डेटा वैज्ञानिकों द्वारा उपयोग किए जाने वाले एल्गोरिदम के प्रकार के आधार पर चार व्यापक श्रेणियों में विभाजित किया जा सकता है, जो बदले में उस परिणाम या परिणाम के प्रकार पर निर्भर करता है जिसकी वे भविष्यवाणी करना चाहते हैं।

मशीन लर्निंग के चार प्रकार हैं:

1. सुपरवाइज्ड मशीन लर्निंग इस प्रकार के प्रशिक्षण के बारे में सोचें जैसे आप इसे उन बच्चों को देंगे जो अपने आप में असहाय हैं। आपको चीजों को रेखांकित करने और लेबल करने की आवश्यकता है ताकि आपका बच्चा समझ सके कि आप उनसे क्या करवाना चाहते हैं। आपको रास्ता दिखाना होगा। पर्यवेक्षित मशीन लर्निंग में, प्रत्येक एल्गोरिथम के इनपुट और आउटपुट निर्धारित किए जाते हैं। डेटा वैज्ञानिक एल्गोरिदम को उन चरों को परिभाषित करने में मदद करते हैं जो एल्गोरिदम लेबल किए गए प्रशिक्षण डेटा के साथ उपयोग करने की संभावना रखते हैं।

2. अनसुपरवाइज्ड मशीन लर्निंग अब आपका बच्चा थोड़ा बड़ा हो गया है और स्वतंत्र रूप से घर का काम कर सकता है। अब आपको उसके लिए कुछ भी लेबल करने की ज़रूरत नहीं है, वह इसे अपने लिए समझ सकता है। अनियंत्रित मशीन लर्निंग में, डेटा वैज्ञानिक बिना लेबल वाले डेटा के साथ काम करते हैं और उन्हें डेटासेट का विश्लेषण करने के लिए प्रशिक्षित किया जाता है ताकि यह देखा जा सके कि क्या वे विचारों से सार्थक संबंध बनाने के लिए ज्ञात पैटर्न पा सकते हैं। संक्षेप में, प्रशिक्षण डेटा और आउटपुट पूर्व निर्धारित हैं।

3. अर्ध-पर्यवेक्षित मशीन लर्निंग यह एक बहुत ही आरामदायक पेरेंटिंग तकनीक है जिसका उपयोग आप अपने नियमित बच्चे के लिए कर सकते हैं जो अब एक किशोर है! उन्हें कई तरह के फ्लोरिंग टिप्स की जरूरत होती है, लेकिन उन्हें अपने दम पर एक्सप्लोर करने की आजादी भी चाहिए। यह पर्यवेक्षित और अनुपयोगी मशीन लर्निंग का एक संयोजन है, जहां डेटा वैज्ञानिक मुख्य रूप से लेबल किए गए डेटा के साथ काम करते हैं, लेकिन मशीन लर्निंग मॉडल को उपलब्ध डेटा की जांच करने और उसके निष्कर्ष निकालने की अनुमति भी देता है।

4. प्रबलित मशीन लर्निंग यह एक बच्चे को प्रोत्साहित करने के लिए उपयुक्त तरीकों का उपयोग करके सही और गलत के प्रचलित विचारों के बीच अंतर करना सिखाने जैसा है। उदाहरण के लिए, हर बार जब वह एक नया शब्द सीखता है, तो उसे उपहार के रूप में कुछ चॉकलेट पेश करें। सुदृढीकरण सीखने में, डेटा वैज्ञानिक मशीन को विशिष्ट कार्य देने के लिए निष्पादन के सकारात्मक या नकारात्मक संकेतों को सिखाकर अच्छी तरह से परिभाषित नियमों का पालन करने के लिए प्रशिक्षित करते हैं। हालाँकि, हमारे जीवन में अधिकांश बच्चों की तरह, एल्गोरिथम स्वयं तय करता है कि कौन से कदम उठाने हैं! यह एक परीक्षण और त्रुटि-प्रक्रिया है जो अंततः सत्यापित परिणाम देगी।

गहरा नीला

10 फरवरी 1996 को डीप ब्लू नामक कंप्यूटर ने शतरंज के खेल में एक इंसान को हरा दिया। इसके बारे में ऐतिहासिक बात यह थी कि मानव विश्व शतरंज चैंपियन गैरी कास्परोव था। हालांकि कास्परोव ने अंततः कंप्यूटर को हरा दिया, यह इस अत्यंत रणनीति-आधारित बोर्ड गेम में मानव प्रभुत्व के अंत की शुरुआत थी। फिर, मई 1997 में, कई अपडेट के बाद, उसी कंप्यूटर को फिर से कास्परोव के साथ चलाया गया। टाइम कंप्यूटर ने 6-गेम टूर्नामेंट में कास्परोव को 2-1 से हराया। अगर इस बात पर बहस होती थी कि शतरंज के खेल में कंप्यूटर सर्वश्रेष्ठ इंसान को कैसे नहीं हरा सकता है, तो यह वहीं खत्म हो जाता है। या यह है? गहरा नीला जो नहीं है उसमें उतना ही आकर्षक है जितना कि यह जो है उसमें है। जबकि डीप ब्लू का शतरंज का ठोस ज्ञान पिछले खेलों को सीखने से प्राप्त होता है, इसकी महाशक्ति इसकी जबरदस्त प्रसंस्करण क्षमता में निहित है। डीप ब्लू 30 प्रोसेसर और 480 शतरंज के टुकड़ों के साथ एक व्यापक समानांतर प्रणाली 'समानांतर में चलने वाले कई प्रोसेसरों के लिए तकनीकी शब्द' है। सीधे शब्दों में कहें, यह एक जानवर है। यह प्रति सेकंड लगभग 300 मिलियन स्थिति/आंदोलनों को संसाधित कर सकता है। इससे एक सवाल उठता है: क्या डीप ब्लू एक लर्निंग मशीन है? सबसे पहले, टूर्नामेंट के नियमों के अनुसार, डीप ब्लू डेवलपर्स को खेलों के बीच सॉफ्टवेयर को बदलने/अपडेट करने की अनुमति थी। इसका मतलब है कि डीप ब्लू इंजीनियरों ने गेम सीखा और कंप्यूटर को इसे बनाने के बजाय कंप्यूटर को इसे करना सिखाया। लेकिन आईबीएम इसका श्रेय सिस्टम के लर्निंग मैकेनिज्म को अपडेट करने के लिए देता है। कोई बात नहीं। डीप ब्लू के प्रदर्शन की तुलना मनुष्य के सोचने के तरीके से करें। एक व्यक्ति अपने शतरंज के खेल में उतना ही सुधार करता है जितना वह बेहतर विरोधियों के खिलाफ खेलता है। यदि आईबीएम के इंजीनियर सही थे कि खेलों के बीच उनका हस्तक्षेप केवल सुधार के लिए था, तो यह सवाल बना रहता है: क्या डीप ब्लू शतरंज और इसकी रणनीतियों को मानव के सीखने के तरीके को समझता है? मैं वेटवेयर और हार्डवेयर/सॉफ्टवेयर के बीच तर्क का जिक्र नहीं कर रहा हूं। मनुष्य प्रति सेकंड 200 मिलियन से अधिक आंदोलनों को संसाधित नहीं करता है: इससे बहुत दूर। दूसरी ओर, डीप ब्लू में यह क्षमता है और वह इसका बहुत प्रभावी ढंग से उपयोग करता है। यह मानव ज्ञान और कंप्यूटर की अपरिष्कृत शक्ति के बीच अंतर की ओर इशारा करता है। डीप ब्लू के पास कास्परोव के समान ज्ञान हो सकता था, लेकिन दिन के अंत में डीप ब्लू की जीत हुई।

एआई और मशीन लर्निंग के अध्ययन का महत्व

बैंकिंग, स्वास्थ्य सेवा और स्मार्टफोन ऐप सहित विभिन्न क्षेत्रों में आर्टिफिशियल इंटेलिजेंस (एआई) ने लोगों के सीखने, सोचने और कार्य करने के तरीके को बदल दिया है। सबसे दिलचस्प बात यह है कि हम अपने दैनिक जीवन पर एआई के प्रभाव को पूरी तरह से नहीं समझते हैं। एआई पहले से ही हर जगह मौजूद है, गूगल से लेकर वर्चुअल प्लेयर्स और सोशल मीडिया टूल्स के साथ तरह-तरह के वीडियो गेम तक। निस्संदेह, यह आज की कारोबारी दुनिया में सबसे ज्यादा बहस का विषय है।

काम के सबसे रोमांचक और मांग वाले क्षेत्रों में से। आर्टिफिशियल इंटेलिजेंस के क्षेत्र में मशीन लर्निंग कंप्यूटर को प्रत्यक्ष प्रोग्रामिंग की आवश्यकता के बिना स्वयं सीखने और बढ़ने में सक्षम बनाता है। मशीन लर्निंग प्रोग्राम में भाग लेने वाले छात्र एल्गोरिदम और मॉडल को आंकड़ों में जोड़कर सेल्फ-लर्निंग कंप्यूटर सिस्टम बनाना सीखते हैं।

आज इस करियर के कुछ लाभ हैं:

1. आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग इस सदी के क्रांतिकारी करियर हैं। आज की दुनिया डेटा-संचालित है। मनुष्य इतनी बड़ी मात्रा में डेटा को अपने दम पर संभालने में सक्षम नहीं है। यहां तक ​​कि पारंपरिक डेटा प्रोसेसिंग विधियां भी पर्याप्त नहीं हैं। आज, मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस जैसे नए तरीके और अत्याधुनिक विज्ञान ही इतनी बड़ी मात्रा में डेटा को प्रोसेस और व्यवस्थित करने के एकमात्र तरीके हैं। आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग में प्रशिक्षित व्यक्ति इस क्षेत्र में कई नौकरियां और करियर पा सकते हैं।

2. एआई और मशीन लर्निंग में करियर फायदेमंद है आज के जॉब मार्केट में सबसे तेजी से विकसित होने वाली तकनीकों में से एक आर्टिफिशियल इंटेलिजेंस है। एआई और एमएल इंजीनियर के लिए उच्चतम वेतन स्तर प्रति वर्ष 50,000 तक पहुंच सकता है। छात्रों के पास इस क्षेत्र में अच्छी कमाई करने के अच्छे अवसर हैं। जो छात्र महाराष्ट्र के सर्वश्रेष्ठ अल एमएल कॉलेजों से उत्तीर्ण हुए हैं, उनके पास इस तरह का पैसा बनाने और बहुत कुछ करने का अवसर है।

3. मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस अलग-अलग क्षेत्र हैं "स्मार्ट" कंप्यूटर मनुष्यों की तरह सोचने और कार्यों को स्वतंत्र रूप से करने के लिए कृत्रिम बुद्धि का उपयोग करते हैं। कंप्यूटर सिस्टम मशीन लर्निंग के माध्यम से अपनी बुद्धि विकसित करते हैं। मानव सोच की नकल करने के लिए कंप्यूटर को प्रशिक्षित करने की एक ऐसी विधि में तंत्रिका नेटवर्क का उपयोग शामिल है, जो मानव मस्तिष्क के बाद तैयार किए गए एल्गोरिदम का एक सेट है। महाराष्ट्र में शीर्ष एआई और मशीन लर्निंग विश्वविद्यालय छात्रों को करियर के विभिन्न अवसर प्रदान करते हैं।

4. मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस 21वीं सदी के सबसे अधिक मांग वाले कौशल हैं निस्संदेह यह सच है कि आर्टिफिशियल इंटेलिजेंस अंततः कई श्रमिकों की जगह ले लेगा, लेकिन इससे संबंधित उद्योगों में अनगिनत नए रोजगार के अवसर भी खुलेंगे। उद्योग क्षेत्रों। अद्यतित रहने के लिए, सभी को एआई की कम से कम बुनियादी समझ होनी चाहिए। इस क्रांतिकारी बदलाव का हिस्सा बनना रोमांचक है क्योंकि आर्टिफिशियल इंटेलिजेंस मौलिक रूप से सभ्यता को बदल रहा है। इसके अनगिनत उपयोग हैं, कई लोग इसे सदी का कौशल मानते हैं। इसलिए आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग में करियर बहुत फ्यूचरिस्टिक है।

5. आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग भारी मात्रा में डेटा को प्रोसेस कर सकते हैं हर दिन बाइट में बहुत सारा डेटा जनरेट होता है। अप्रत्याशित रूप से, हमारे पास एआई-संचालित कंप्यूटर और गैजेट हैं जो इतनी बड़ी मात्रा में डेटा को प्रोसेस कर सकते हैं। आधार भारतीय मानचित्र तथ्यों को बहुत अच्छे डेटा के साथ वर्णित किया जा सकता है। बड़े डेटा में वे फेसबुक और ट्विटर पोस्ट भी शामिल हैं जिन्हें हम पसंद करते हैं, देखते हैं, रीट्वीट करते हैं और उन पर टिप्पणी करते हैं। इसके अलावा, एआई-संचालित कार्यक्रम इस डेटा के रुझानों की जांच करते हैं और कार्रवाई करते हैं।

6. आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग से समाज को फायदा होता है आर्टिफिशियल इंटेलिजेंस के पास इस दुनिया को देने के लिए बहुत कुछ है और इसका उपयोग मुख्य रूप से कृषि में भी किया जाता है। हम आधुनिक दुनिया में किसान होने की कठिनाइयों से अवगत हैं। जैसे-जैसे जल स्तर नीचे जा रहा है और प्राकृतिक संसाधनों के लिए संघर्ष तेज हो रहा है, किसानों को हर दिन नए खतरों का सामना करना पड़ रहा है। नासिक में एआई और मशीन लर्निंग पर एक कोर्स आपको समाज में योगदान देने में भी मदद कर सकता है। उदाहरण के लिए फार्म लॉग सॉफ्टवेयर है जो किसानों को मिट्टी, तापमान और खेतों के बारे में जानकारी प्रदान करके उनके काम को आसान बनाता है। यह अप्रत्याशित पौधों के विकास को बनाए रखने में भी मदद करता है। फलस्वरूप किसानों की आय में वृद्धि होती है। अधिक सरकारें एक साथ अपने स्मार्ट सिटी अनुप्रयोगों में कृत्रिम बुद्धिमत्ता (एआई) को एकीकृत कर रही हैं, जिससे उन्हें शहर की योजना में सुधार करने, अपराध कम करने और अचल संपत्ति का उपयोग करने में मदद मिल रही है।

फ्री विल और एआई

हाई-टेक उद्योग में आर्टिफिशियल इंटेलिजेंस एक विशालकाय है। जबकि प्रौद्योगिकी हमेशा इन क्षेत्रों में एक महत्वपूर्ण कारक रही है, कृत्रिम बुद्धिमत्ता इसे व्यवसाय का दिल बना रही है। जीवन रक्षक चिकित्सा उपकरणों से लेकर सेल्फ-ड्राइविंग कारों तक, AI को लगभग हर एप्लिकेशन और डिवाइस में बनाया जा रहा है। आर्टिफिशियल इंटेलिजेंस (एआई) को पीसी जैसी मशीनों के अंतर्ज्ञान या सोच की संपत्ति कहा जाता है। तर्कसंगत रूप से, एआई का मूल प्रश्न है: क्या ऐसा हो सकता है? या, जैसा कि एलन ट्यूरिंग ने कहा, "क्या कोई मशीन सोच सकती है?

शब्द "मुक्त इच्छा" या "स्वायत्त" ने पिछली दो शताब्दियों में किसी के कार्यों पर नियंत्रण के एक महत्वपूर्ण तरीके के लिए एक निश्चित शब्द के रूप में लोकप्रियता हासिल की है। मानव क्रिया विकास का परिणाम है और मानव पूर्ति में योगदान करती है। मूल्यवान बॉट्स में भी एक तुलनीय प्रकार का चयन होना चाहिए, और हमें उसके लिए योजना बनानी चाहिए। कुछ एजेंटों के पास अधिक एजेंसी होती है या वे स्वायत्त होते हैं, जिसका अर्थ है कि उन्हें खुद को नियंत्रित करना चाहिए या दूसरों की तुलना में अपने मामलों को नियंत्रित करना चाहिए। हम मानते हैं कि हमारे पास विकल्प हैं और हम अपनी पसंद से अवगत हैं; दोनों ही महत्वपूर्ण हैं, यहां तक कि बॉट्स के लिए भी, और निर्णय लेने के लिए विशेषज्ञों की ओर से अधिक संरचना की आवश्यकता होती है, केवल बॉट्स के लिए आवश्यक विकल्प उपलब्ध होने की तुलना में। स्वतंत्र इच्छा की चेतना इसलिए केवल एक संरचना का एक उपसंहार नहीं है जो विभिन्न आवश्यकताओं को पूरा करती है। दर्शनशास्त्र में एआई की समस्याओं को संबोधित करने के लिए स्वायत्त मशीनों पर एक गंभीर नज़र डालने की आवश्यकता है और एक संदेहपूर्ण दृष्टिकोण को आमंत्रित करता है। मशीन की स्वायत्तता के बारे में संदेहों को समझना चाहिए कि मानव द्वारा निर्मित, डिज़ाइन और संचालित किसी भी प्रकार की तकनीकी मशीन उन पर मानव समकक्ष पर निर्भर करती है, जो लगभग सबसे तुच्छ अर्थों में स्वायत्तता और स्वतंत्रता पापों के लिए अपनी संभावनाओं को मौलिक रूप से सीमित करती है। मैं मशीन स्वायत्तता (एमएएस) के बारे में संदेह के एक मजबूत और तर्कपूर्ण बयान के रूप में 1950 की सोच मशीनों की ट्यूरिंग की प्रसिद्ध चर्चा में वर्णित लेडी लवलेस की आपत्ति से निपटूंगा। मेरा तर्क है कि लेडी लवलेस की आपत्ति को दोहरी प्रकृति विरूपण साक्ष्य सिद्धांत (डीएनटीए) की व्याख्या के रूप में देखा जा सकता है। नतीजतन, डीएनटीए की अस्वीकृति एमएएस की अस्वीकृति की ओर ले जाती है। लेख के पहले खंड में, मैं स्वायत्तता की समस्या की जांच करने के कुछ हालिया प्रयासों को प्रस्तुत करता हूं क्योंकि यह रोबोटिक्स साहित्य में उभरती है, और मैं तर्क दूंगा कि लेडी लवलेस की आपत्ति का समर्थन करने वाली कलाकृतियों के लेडी लवलेस के सिद्धांत पर कार्रवाई आपत्ति। दूसरे खंड के लिए, मैं तर्क दूंगा कि लेडी लवलेस की आपत्ति को पढ़ना, मशीन की स्वायत्तता को महामारी विज्ञान के प्रश्न के रूप में मानना, उसके मौलिक रूप से संदेहपूर्ण तर्क के बल से भी कम है। मैं तब तर्क देता हूं कि लवलेस की आपत्ति के लिए ट्यूरिंग की मूल प्रतिक्रिया को डीएनएटी के खिलाफ एक तर्क के रूप में सबसे अच्छी तरह से समझा जा सकता है और विशेष रूप से संशयवादी के अनुकूल उत्तर प्रदान करता है। मेरी समझ में, ट्यूरिंग का "थिंकिंग मशीन" का सकारात्मक वर्णन स्वायत्त मशीनों के बारे में सोचने के लिए एक ढांचा बनाता है जो व्यावहारिक और अनुभवजन्य तरीकों की ओर ले जाता है। हमारी तकनीकी दुनिया पर कब्जा करने वाली मशीनों पर चर्चा करने के लिए। मैं एक आंकड़े से आया हूं जो दर्शाता है कि कंप्यूटिंग विकास "मशीन लर्निंग" पर केंद्रित था, जो मशीनों और मनुष्यों के सामाजिक एकीकरण के ट्यूरिंग के खाते से उचित है।

क्या इंसानों को एआई की जरूरत है

क्या एआई मानव समाज में आवश्यक है? निर्भर करता है। अगर लोग अपना काम पूरा करने के लिए एक तेज़, अधिक कुशल तरीका चुनते हैं और बिना ब्रेक के लगातार काम करते हैं, हाँ। हालांकि, अगर मानवता प्रकृति के आदेश को जीतने की अनुचित इच्छा के बिना जीवन के प्राकृतिक तरीके से संतुष्ट है, तो ऐसा नहीं है। इतिहास हमें बताता है कि जिस काम पर वे काम कर रहे हैं, उसे करने के लिए लोग हमेशा कुछ तेज, आसान, अधिक प्रभावी और अधिक सुविधाजनक की तलाश में रहते हैं; इसलिए, विकसित होने का दबाव मानवता को नए और बेहतर तरीके खोजने के लिए प्रेरित करता है। होमो सेपियन्स जैसे लोगों ने पाया कि उपकरण दैनिक जीवन में कई कठिनाइयों को कम कर सकते हैं, और उनके द्वारा आविष्कार किए गए उपकरणों के माध्यम से लोग काम को बेहतर, तेज, होशियार और अधिक प्रभावी ढंग से करने में सक्षम थे। . कुछ नया बनाने का आविष्कार ही लोगों को प्रेरित करता है। प्रगति। आज, प्रौद्योगिकी के योगदान के लिए धन्यवाद, हम बहुत सरल और शांत जीवन का आनंद लेते हैं। मानव समाज सभ्यता की शुरुआत से ही उपकरणों का उपयोग करता आ रहा है, और मानव प्रगति उन पर निर्भर करती है। मानव जाति 21वीं सदी में रहती है। उन्हें अपने पूर्वजों की तरह पहले के जमाने में इतनी मेहनत नहीं करनी पड़ती थी क्योंकि उनके लिए नई मशीनें काम कर रही होती हैं। इस एआई के लिए सब ठीक है और ठीक होना चाहिए, लेकिन 20वीं सदी की शुरुआत में एक चेतावनी आई जैसे ही मानव प्रौद्योगिकी उन्नत हुई, एल्डस हक्सले ने अपनी पुस्तक ब्रेव न्यू वर्ल्ड में चेतावनी दी कि मनुष्य दुनिया के भीतर एक दुनिया में प्रवेश कर सकते हैं, वे एक राक्षस या राक्षस बना रहे हैं। जीन प्रौद्योगिकी के विकास के साथ सुपरमैन। इसके अलावा, अद्यतन एआई डॉक्टरों को निदान करने, बीमारियों के कारणों का पता लगाने और उपचार के विभिन्न रूपों और सर्जरी का सुझाव देने और यह भी भविष्यवाणी करने में मदद करता है कि क्या बीमारी जीवन के लिए खतरा है, स्वास्थ्य सेवा उद्योग को बाधित करती है। वाशिंगटन में चिल्ड्रन नेशनल मेडिकल सेंटर के सर्जनों द्वारा हाल ही में किए गए एक अध्ययन ने एक स्वायत्त रोबोट का उपयोग करके सफलतापूर्वक सर्जरी का प्रदर्शन किया। टीम ने सॉफ्ट टिश्यू सर्जरी करने और सुअर की आंत को सिलने के लिए रोबोट की निगरानी की, और रोबोट ने मानव सर्जन की तुलना में बेहतर तरीके से काम पूरा किया, टीम ने समझाया। प्रदर्शित करता है कि रोबोटिक सर्जरी न्यूनतम इनवेसिव पूर्व-मौजूदा गहन सर्जिकल प्रक्रियाओं की सीमाओं को पार कर सकती है और ओपन सर्जरी करने वाले सर्जनों के कौशल में सुधार कर सकती है। इन सबसे ऊपर, हम एआई के हाई-प्रोफाइल उदाहरण देखते हैं, जिसमें स्वायत्त वाहन (जैसे ड्रोन और चालक रहित कार), चिकित्सा निदान, कला-निर्माण, खेल (जैसे शतरंज या गो), खोज इंजन (जैसे Google खोज), ऑनलाइन-सहायक शामिल हैं। (जैसे सिरी), तस्वीरों में छवि पहचान, स्पैम फ़िल्टरिंग, उड़ान में देरी की भविष्यवाणी आदि। दी गई। एआई अपरिहार्य हो गया है, हालांकि इसके बिना यह आवश्यक नहीं है, हमारी दुनिया आज कई तरह से अराजकता में उतर जाएगी।

मानव समाज पर एआई का प्रभाव

नकारात्मक प्रभाव

प्रश्न पूछे गए हैं: जैसे-जैसे एआई का विकास जारी है, मानव श्रम की आवश्यकता नहीं रह जाएगी क्योंकि सब कुछ यांत्रिक रूप से किया जा सकता है। विकास की प्रक्रिया को प्रकट होने में युगों का समय लगता है, इसलिए हम मानवता के प्रतिगमन पर ध्यान नहीं देंगे। हालांकि, क्या होगा अगर एआई इतना शक्तिशाली हो जाता है कि इसे शॉट्स को कॉल करने और अपने मास्टर के आदेशों की अवहेलना करने के लिए प्रोग्राम किया जा सकता है? इंसानियत? आइए मानव समाज पर एआई के नकारात्मक प्रभाव को देखें। एक प्रमुख सामाजिक बदलाव जो प्रकृति और दुनिया में हमारे जीने के तरीके को बदल देगा और मानव समुदाय को बाधित करेगा। मानवता को जीवन यापन करने के लिए कड़ी मेहनत करनी पड़ती है, लेकिन एआई की मदद से हम बिना किसी उपकरण को उठाए मशीन को हमारे लिए कुछ करने के लिए प्रोग्राम कर सकते हैं। मानवीय निकटता धीरे-धीरे कम हो जाएगी क्योंकि एआई लोगों को विचारों को साझा करने के लिए आमने-सामने मिलने की आवश्यकता को प्रतिस्थापित करता है। लोगों के बीच आर्टिफिशियल इंटेलिजेंस आ जाएगा क्योंकि संचार के लिए आमने-सामने की बैठकें अब आवश्यक नहीं होंगी। लाइनें मशीनों और रोबोटों से भरी हुई थीं, जिससे पारंपरिक श्रमिकों को अपनी नौकरी खोनी पड़ी। यहां तक ​​कि सुपरमार्केट को भी अब क्लर्कों की आवश्यकता नहीं होगी क्योंकि डिजिटल उपकरण मानव श्रम पर कब्जा कर सकते हैं, धन असमानता पैदा करेगा क्योंकि एआई निवेशक अधिकांश राजस्व ले लेंगे। अमीर और गरीब के बीच की खाई चौड़ी होती जा रही है। तथाकथित "एम" आकार का धन वितरण स्पष्ट हो जाता है। दिए गए कार्य को करने के लिए प्रशिक्षित और सीखा, अंततः एक ऐसा चरण आ सकता है जहां मानव नियंत्रण में नहीं रह जाता है, जिससे अप्रत्याशित समस्याएं और परिणाम पैदा होते हैं। यह एआई की क्षमता को संदर्भित करता है, सभी आवश्यक एल्गोरिदम के साथ लोड होने के बाद, मानव नियंत्रक के आदेश की अनदेखी करते हुए, अपने पाठ्यक्रम पर स्वचालित रूप से चलने में सक्षम होने के लिए एआई बनाने वाले मानव स्वामी, कुछ ऐसा आविष्कार कर सकते हैं जिसमें नस्लीय पूर्वाग्रह या आत्म-केंद्रित अभिविन्यास हो। कुछ लोगों या चीजों को नुकसान पहुँचाना। उदाहरण के लिए, संयुक्त राष्ट्र ने प्रभुत्व के लक्ष्य को प्राप्त करने के लिए मानवता को नष्ट करने या विशिष्ट जातियों या क्षेत्रों को लक्षित करने के लिए इसके अंधाधुंध उपयोग के डर से कोर शक्ति के प्रसार को सीमित करने के लिए मतदान किया है। प्रोग्रामर के विनाश के क्रम को प्राप्त करने के लिए AI कुछ निश्चित जातियों या कुछ प्रोग्राम की गई वस्तुओं को लक्षित कर सकता है और इस प्रकार विश्व तबाही का कारण बन सकता है।

सकारात्मक प्रभाव

हालांकि, कई सकारात्मक मानवीय निहितार्थ भी हैं, विशेष रूप से स्वास्थ्य देखभाल के क्षेत्र में। एआई कंप्यूटर को तर्क सीखने, तर्क करने और लागू करने की क्षमता देता है। वैज्ञानिक, चिकित्सा शोधकर्ता, चिकित्सक, गणितज्ञ और इंजीनियर चिकित्सा निदान और उपचार के लिए एआई विकसित करने के लिए एक साथ काम कर सकते हैं, जिससे विश्वसनीय और सुरक्षित स्वास्थ्य देखभाल प्रणाली उपलब्ध हो सके। जैसा कि स्वास्थ्य प्रोफेसर और चिकित्सा शोधकर्ता बीमारियों के इलाज के लिए नए और कुशल तरीके खोजने का प्रयास करते हैं, न केवल डिजिटल कंप्यूटर विश्लेषण में मदद कर सकते हैं, बल्कि रोबोटिक सिस्टम को भी सटीक रूप से कुछ नाजुक चिकित्सा प्रक्रियाओं को करने के लिए इंजीनियर बनाया जा सकता है। यहां हम स्वास्थ्य सेवा में एआई के योगदान को देखते हैं। तेजी से और सटीक निदान के लिए, आईबीएम के वाटसन कंप्यूटर का उपयोग निदान के लिए एक दिलचस्प परिणाम के साथ किया गया था। कंप्यूटर पर डेटा अपलोड करने से आपको तुरंत एआई डायग्नोसिस मिल जाएगा। चिकित्सकों के विचार करने के लिए एआई उपचार के विभिन्न रूपों की पेशकश भी कर सकता है। प्रक्रिया कुछ इस प्रकार है: शारीरिक परीक्षण के डिजिटल परिणामों को कंप्यूटर पर अपलोड करें, जो संभावनाओं की जांच करेगा और स्वचालित रूप से निदान करेगा कि रोगी कमियों और बीमारियों से पीड़ित है या नहीं, यहां तक कि उपलब्ध विभिन्न प्रकार के उपचारों का भी सुझाव देता है। वरिष्ठ नागरिकों को तनाव और रक्तचाप, चिंता और अकेलेपन को कम करने और सामाजिक संपर्क में सुधार करने के लिए सामाजिक चिकित्सीय रोबोट पालतू जानवरों की सिफारिश की गई थी। अब यह सुझाव दिया गया है कि साइबोर्ग ऐसे अकेले बुजुर्ग लोगों के साथ हों, यहां तक कि घर के कुछ कामों में मदद करने के लिए भी। चिकित्सीय रोबोट और सामाजिक कल्याण रोबोटिक तकनीक बुजुर्गों और शारीरिक अक्षमताओं वाले लोगों के जीवन की गुणवत्ता में सुधार करने में योगदान करती है। मानव थकान से संबंधित त्रुटियों को कम करता है कार्यबल में मानवीय त्रुटियां अपरिहार्य हैं और अक्सर महंगी होती हैं, थकान जितनी अधिक होती है, त्रुटि का जोखिम उतना ही अधिक होता है। हालांकि, सभी तकनीक थकान या भावनात्मक व्याकुलता से ग्रस्त नहीं हैं।

यह गलतियों को रोकता है और तेजी से और अधिक सटीकता से कार्य कर सकता है। आर्टिफिशियल इंटेलिजेंस-आधारित सर्जिकल पोस्टएआई-आधारित सर्जिकल प्रक्रियाएं लोगों के लिए चुनने के लिए उपलब्ध हैं, हालांकि इस एआई को अभी भी चिकित्सा पेशेवरों द्वारा संचालित करने की आवश्यकता है, यह शरीर को कम नुकसान के साथ काम कर सकता है। दा विंची सर्जिकल सिस्टम, एक रोबोटिक तकनीक जो सर्जनों को न्यूनतम इनवेसिव प्रक्रियाएं करने की अनुमति देती है, अब अधिकांश अस्पतालों में उपलब्ध है। ये प्रणालियाँ मैन्युअल रूप से निष्पादित प्रक्रियाओं की तुलना में बहुत उच्च स्तर की सटीकता और सटीकता की अनुमति देती हैं। सर्जरी जितनी कम आक्रामक होती है, उतना ही कम आघात होता है और रक्त की हानि जितनी कम होती है, मरीज़ उतने ही कम भयभीत होते हैं। बेहतर रेडियोलॉजी पहला सीटी स्कैनर 1971 में पेश किया गया था। मानव शरीर का पहला चुंबकीय अनुनाद इमेजिंग (एमआरआई) 1977 में किया गया था। 2000 के दशक की शुरुआत में, कार्डियक एमआरआई, बॉडी एमआरआई और भ्रूण इमेजिंग नियमित हो गए थे। विशिष्ट बीमारियों का पता लगाने और स्कैन के परिणामों का विश्लेषण करने के लिए नए एल्गोरिदम की खोज जारी है। यह सब AI तकनीक की देन है।

बायोएथिक्स के लिए एआई की चुनौतियां

बायोएथिक्स एक अनुशासन है जो जीवित प्राणियों के बीच संबंधों पर केंद्रित है। बायोएथिक्स बायोस्फीयर में अच्छे और अधिकार पर जोर देता है और इसे कम से कम तीन क्षेत्रों में विभाजित किया जा सकता है: स्वास्थ्य बायोएथिक्स, यानी डॉक्टरों और रोगियों के बीच संबंध, सामाजिक बायोएथिक्स, यानी मानवता और पर्यावरण बायोएथिक्स के बीच का संबंध मानव और प्रकृति के बीच का संबंध है, जिसमें शामिल हैं पशु नैतिकता, भूमि नैतिकता, पारिस्थितिक नैतिकता आदि। स्टॉक। एआई के आगमन के साथ, मनुष्य को एक नई चुनौती का सामना करना पड़ता है जब वह किसी ऐसी चीज से संबंधित होता है जो अपने आप में प्राकृतिक नहीं है। बायोएथिक्स आमतौर पर प्राकृतिक अस्तित्व के भीतर संबंधों का विश्लेषण करता है, चाहे वह मनुष्य हों या उनका पर्यावरण, जो प्राकृतिक घटनाओं का हिस्सा हैं। लेकिन अब इंसानों को कुछ मानव निर्मित, कृत्रिम और अप्राकृतिक, यानी एआई से निपटना होगा। मनुष्य ने बहुत सी चीजें बनाई हैं, लेकिन उन्हें कभी यह नहीं सोचना पड़ा कि अपनी रचनाओं के साथ नैतिक रूप से कैसे व्यवहार किया जाए।

एआई स्वयं भावनाओं या व्यक्तित्व से रहित है। एआई इंजीनियरों ने एआई को अवांछित क्षति का कारण बनने वाली किसी भी चुपके गतिविधि को रोकने के लिए पता लगाने की क्षमता देने के महत्व को महसूस किया है। इस दृष्टिकोण से, हम समझते हैं कि एआई का लोगों और समाज पर नकारात्मक प्रभाव पड़ सकता है; इसलिए, एआई की बायोएथिक्स यह सुनिश्चित करने के लिए महत्वपूर्ण हो जाती है कि एआई अपने मूल उद्देश्य से विचलित न हो। स्टीफन हॉकिंग ने 2014 की शुरुआत में चेतावनी दी थी कि पूर्ण एआई के विकास का मतलब मानव जाति का अंत हो सकता है।

उन्होंने कहा कि एक बार जब मानव एआई विकसित कर लेता है, तो वे अपने दम पर उड़ान भर सकते हैं और लगातार बढ़ती दर से खुद को नया स्वरूप दे सकते हैं। किश्त। मनुष्य, धीमे जैविक विकास से विवश, प्रतिस्पर्धा नहीं कर सका और प्रतिस्थापित किया जाएगा। अपनी पुस्तक अधीक्षण में, निक बोस्सोम का तर्क है कि एआई मानवता के लिए खतरा पैदा करेगा। अभिसारी व्यवहार, जैसे संसाधन जुटाना या शटडाउन से सुरक्षा, मानवता को नुकसान पहुँचा सकता है।

सवाल यह है कि क्या हमें ऐसे मानव निर्मित उत्पाद के लिए बायोएथिक्स के बारे में सोचना होगा जिसमें जीवन शक्ति नहीं है? क्या मशीन में मनुष्य के समान मन, चेतना और मानसिक स्थिति हो सकती है? क्या कोई मशीन संवेदनशील हो सकती है और इसलिए कुछ अधिकारों की हकदार है? क्या कोई मशीन जानबूझकर नुकसान पहुंचा सकती है? एआई के उत्पादन के लिए नियमों को एक जैवनैतिक जनादेश के रूप में देखा जाना चाहिए।

• एआई को मानव स्वायत्तता को रौंदना नहीं चाहिए। मनुष्यों को एआई सिस्टम द्वारा हेरफेर या मजबूर नहीं किया जाना चाहिए, और मनुष्यों को सॉफ़्टवेयर द्वारा किए गए किसी भी फैसले में हस्तक्षेप करने या निरीक्षण करने में सक्षम होना चाहिए।

• एआई सुरक्षित और सटीक होना चाहिए। इसे बाहरी आक्रमणों से आसानी से समझौता नहीं करना चाहिए और यथोचित रूप से विश्वसनीय होना चाहिए।

• एआई सिस्टम द्वारा एकत्र किया गया व्यक्तिगत डेटा सुरक्षित और निजी होना चाहिए। यह किसी के लिए भी सुलभ नहीं होना चाहिए। और आसानी से चोरी नहीं होनी चाहिए।

• एआई प्रणाली बनाने के लिए उपयोग किए जाने वाले डेटा और एल्गोरिदम को सुलभ होना चाहिए, और सॉफ़्टवेयर द्वारा किए गए निर्णयों को "मानव इच्छा द्वारा समझा और ट्रैक किया जाना चाहिए"। दूसरे शब्दों में, ऑपरेटरों को उनके एआई सिस्टम के निर्णयों की व्याख्या करने में सक्षम होना चाहिए। बनाना।

• एआई द्वारा प्रदान की जाने वाली सेवाएं उम्र, लिंग, नस्ल या किसी अन्य विशेषता की परवाह किए बिना सभी के लिए उपलब्ध होनी चाहिए।

• इसी तरह, इस संबंध में सिस्टम को पक्षपाती नहीं होना चाहिए एआई सिस्टम टिकाऊ होना चाहिए (अर्थात उन्हें पर्यावरण की दृष्टि से जिम्मेदार होना चाहिए) और "सकारात्मक सामाजिक परिवर्तन को प्रोत्साहित करना चाहिए" एआई सिस्टम को ऑडिट योग्य होना चाहिए और मौजूदा कॉर्पोरेट व्हिसलब्लोअर सुरक्षा द्वारा कवर किया जाना चाहिए। नकारात्मक सिस्टम प्रभावों की पहचान की जानी चाहिए और अग्रिम रूप से रिपोर्ट की जानी चाहिए।

इन दिशानिर्देशों से, हम सुझाव दे सकते हैं कि भविष्य के AI को मानवीय संवेदनशीलता या "AI मानविकी" से संपन्न होना चाहिए। इसे प्राप्त करने के लिए, AI शोधकर्ताओं, निर्माताओं और सभी उद्योगों को यह याद रखना चाहिए कि तकनीक सेवा करने के लिए है, न कि लोगों और उनके समाज में हेरफेर करने के लिए। . Bostrom और Judkowsky ने कम्प्यूटरीकृत समाज पर प्रतिबिंब के मानदंड के रूप में जिम्मेदारी, पारदर्शिता, सत्यापन योग्यता, अस्थिरता और भविष्यवाणी का नाम दिया।

एआई बायोएथिक्स के लिए सुझाया गया सिद्धांत

ईस्टर यूनिवर्सिटी, यूएसए में स्पेस एंड इंटेलिजेंस सिस्टम के एक रिपोर्टर नाथन स्ट्राउट ने हाल ही में बताया कि खुफिया एजेंसियां ​​अपनी एआई नैतिकता विकसित कर रही हैं। पेंटागन ने फरवरी 2020 में घोषणा की कि वह एआई के उपयोग के लिए सिद्धांतों को अपनाने की प्रक्रिया में है, क्योंकि नए एआई उपकरण और एआई-सक्षम प्रौद्योगिकियों को विकसित करते समय विभाग को दिशानिर्देशों का पालन करना होगा। सिविल लिबर्टीज, गोपनीयता और पारदर्शिता के निदेशक के कार्यालय के प्रमुख बेन ह्यूबनेर।

राष्ट्रीय खुफिया कार्यालय ने कहा कि हमें यह सुनिश्चित करने की आवश्यकता है कि इन संरचनाओं का उपयोग करते समय हमारे पास पारदर्शिता और उत्तरदायित्व हो। उन्हें सुरक्षित और लचीला होना चाहिए ”। दो विषयों का सुझाव दिया गया था कि एआई समुदाय को आगे के बारे में सोचना चाहिए: व्याख्यात्मकता और व्याख्यात्मकता। व्याख्यात्मकता यह समझने की अवधारणा है कि विश्लेषण कैसे काम करता है, जबकि व्याख्यात्मकता एक विश्लेषण के विशिष्ट परिणाम को समझने में सक्षम हो रही है।

एआई बायोएथिक्स विद्वानों द्वारा प्रस्तावित सभी सिद्धांत अच्छी तरह से रखे गए हैं। मैं बायोएथिक्स के सभी संबंधित क्षेत्रों से विभिन्न जैवनैतिक सिद्धांतों को यहां चार सिद्धांतों का प्रस्ताव देने के लिए एक साथ लाता हूं, जिन पर एआई प्रौद्योगिकी के भविष्य के विकास को निर्देशित करने के लिए विचार किया जाना चाहिए। आखिरकार, इसे मनुष्यों द्वारा डिजाइन और बनाया गया था। AI अपने एल्गोरिदम के अनुसार अपना काम जारी रखता है। एआई में स्वयं सहानुभूति या गलत से सही बताने की क्षमता का अभाव है और यह प्रक्रिया में त्रुटियां कर सकता है। एआई की संपूर्ण नैतिक गुणवत्ता मानव डिजाइनरों पर निर्भर करती है; इसलिए यह एआई का बायोएथिक्स है और साथ ही ट्रांस बायोएथिक्स है जो मानव और भौतिक दुनिया को छोटा करता है। यहाँ सिद्धांत हैं:

1. दान: दान का अर्थ अच्छा करना है, और यहाँ यह एआई के उद्देश्य और कार्यों को संदर्भित करता है जो सभी मानव जीवन, समाज और ब्रह्मांड को लाभान्वित करे। ब्रह्मांड में विनाशकारी कार्य करने वाले किसी भी एआई, जिसमें सभी जीवन रूप शामिल हैं, से बचा जाना चाहिए और प्रतिबंधित किया जाना चाहिए। इसका कोई उद्देश्य नहीं है सिवाय समग्र रूप से मानव समाज की सेवा करने के लिए, व्यक्तिगत व्यक्तिगत लाभ के लिए नहीं। यह परोपकारी होना चाहिए, अहंकारी नहीं।

2. मूल्यों की रक्षा: यह एआई के सामाजिक मूल्यों के अनुरूप होने को संदर्भित करता है, दूसरे शब्दों में, सार्वभौमिक मूल्य जो प्राकृतिक दुनिया के आदेश को नियंत्रित करते हैं जिनका सम्मान किया जाना चाहिए। सामाजिक और नैतिक मानदंडों से ऊपर उठें और पूर्वाग्रह से मुक्त हों। वैज्ञानिक और तकनीकी विकास को मानव कल्याण में सुधार करने के लिए काम करना चाहिए, जो मुख्य मूल्य है जिसे एआई को आगे बढ़ने के साथ बनाए रखना चाहिए। इसे समझना, खोजना, अविनाशी और ध्यान देने योग्य होना आसान होना चाहिए।

3. स्पष्टता: एआई तकनीक सार्वजनिक लेखा परीक्षा, परीक्षण और समीक्षा के लिए उपलब्ध होनी चाहिए और जवाबदेही के अधीन होनी चाहिए। एक्स-रे से कैंसर का निदान करने जैसी स्थितियों में, एक एल्गोरिथम जो अपने काम की व्याख्या नहीं कर सकता है, एक अस्वीकार्य जोखिम पैदा कर सकता है। व्याख्यात्मकता और व्याख्यात्मकता इसलिए आवश्यक है।

निष्कर्ष

एक नकली खेल के रूप में प्रस्तावित ट्यूरिंग किसी तरह बुद्धि को मापने के लिए एक व्यावहारिक दृष्टिकोण बन गया है। ट्यूरिंग का मानना ​​था कि 20वीं सदी के अंत में कोई भी इस बात पर विवाद नहीं करेगा कि मशीनें क्या सोचती हैं। हम अभी वहां नहीं हैं। किसी भी मशीन ने आधिकारिक तौर पर ट्यूरिंग टेस्ट पास नहीं किया है। यूजीन गोल्डमैन, एक रूसी लड़के के रूप में प्रस्तुत एआई, ने अपने खराब संचार कौशल का दावा करके न्यायाधीशों को मूर्ख बनाया, अंग्रेजी के अपने खराब ज्ञान के कारण।

लेकिन जानकारों की मानें तो यह सब खेल को धोखा देने के बारे में था। जैसा कि ट्यूरिंग ने कहा, नकली गेम में जीतना अच्छी प्रोग्रामिंग का विषय है। और एआई दुनिया ने ट्यूरिंग टेस्ट पास करने के लिए सही कार्यक्रम बनाने पर ध्यान केंद्रित नहीं किया है। इसका उद्देश्य वास्तविक समस्याओं को हल करना है। ऑटिस्टिक लोगों के सामाजिक कौशल में सुधार के लिए हमारे पास कैंसर का पता लगाने वाले कंप्यूटर, व्यक्तिगत डिजिटल सहायक और रोबोट हैं।

बच्चे और यहां तक ​​कि सेक्स रोबोट भी। ट्यूरिंग ने पूछा कि क्या कोई कल्पनीय मशीन है जो नकल के खेल में अच्छा काम करेगी। हम अभी वहां नहीं हैं। हालाँकि, कृत्रिम बुद्धिमत्ता में प्रगति को देखते हुए, अधिकांश लोग ऐसी मशीन की कल्पना करने में सक्षम होंगे। मशीन कंप्यूटिंग और इंटेलिजेंस ने उस चीज़ की नींव रखी जिसे अब हम आर्टिफिशियल इंटेलिजेंस कहते हैं। यह ट्यूरिंग की प्रतिभा का एक और उदाहरण है।

यह जानने के बाद कि मशीन लर्निंग एक ऐसी प्रक्रिया है जो आर्टिफिशियल इंटेलिजेंस के दायरे से संबंधित है और अपने आसपास की दुनिया में इन तकनीकों को देखने के कुछ तरीकों की जांच करने के बाद, हम आत्मविश्वास से कह सकते हैं कि एआई भविष्य की तकनीक है। आर्टिफिशियल इंटेलिजेंस को तेजी से अपनाने से भी कई फायदे हो रहे हैं। यदि एआई को प्रौद्योगिकी के जोखिमों को कम करने के लिए डिज़ाइन और कार्यान्वित किया गया है, तो हम एक अधिक कुशल समाज में रहने की कल्पना कर सकते हैं।

आज, एआई और मशीन लर्निंग फलफूल रहे हैं, और कई कॉलेज स्नातक, मास्टर और यहां तक ​​कि डॉक्टरेट की डिग्री भी प्रदान कर रहे हैं। इन डिग्रियों को हासिल करने के बाद, छात्र बहुराष्ट्रीय कंपनियों और सरकारी संस्थानों के लिए काम कर सकते हैं, या अपना व्यवसाय भी शुरू कर सकते हैं।

तो यह आज की पीढ़ी के लिए एक भविष्यवादी, हाई-टेक करियर है। जब व्यापार की बात आती है तो डेटा और आँकड़े (गहरे डेटा विश्लेषण के रूप में भी जाना जाता है) दुनिया को आगे बढ़ाते हैं। और चलिए इसका सामना करते हैं, मशीन लर्निंग स्टेरॉयड पर आँकड़ों की तरह है! चाहे वह धोखाधड़ी का पता लगाने, अनुशंसा इंजन, छवि पहचान तकनीक, या एक लाख अन्य कृत्रिम बुद्धिमत्ता (एआई) अनुप्रयोग हों, एक बात किसी के लिए भी स्पष्ट है जो अनुसंधान के लिए समय लेता है। मशीन लर्निंग, बिग डेटा द्वारा संचालित, प्रौद्योगिकी का भविष्य है जैसा कि हम जानते हैं। यह न केवल हमारे जीवन को आसान बनाता है, बल्कि यह हमारे आस-पास की दुनिया को देखने और बेहतर निर्णय लेने के तरीके में भी सुधार करता है।

केक बेक करने और उसे खाने के लिए खाली समय, मशीन लर्निंग के लिए धन्यवाद जो आपके सांसारिक और शारीरिक गतिविधियों के भार को हल्का करता है।

---

By Harshit Mishra | March 16, 2022, | Writer at Gurugrah_Blogs.

---