हम महान त्वरण में हैं - एक विलक्षणता, रोबोटों के उभरने की पूंजी-एस-कुर्जवीलियन भावना में नहीं, बल्कि फौकॉल्ट द्वारा वर्णित एक में: समय की एक अवधि जिसमें परिवर्तन इतना व्यापक है, और इतना मौलिक है कि कोई भी ठीक से नहीं कर सकता है समझें कि उस परिवर्तन का दूसरा पक्ष कैसा होगा।
हम पहले भी विलक्षणताओं से गुज़र चुके हैं:
- कृषि का उदय (जिसने अधिशेष संसाधन पैदा किए और हमें शैक्षणिक और व्यापारिक वर्ग दिए)।
- प्रिंटिंग प्रेस का आविष्कार (जिसने ज्ञान को लोकतांत्रिक बनाया और इसे कम लचीला बना दिया, जिससे हमें अपनी इंद्रियों से परे सत्य के स्रोत का विचार मिला)।
- भाप इंजन (जो मशीनों को भौतिक कार्य करने देता है)।
- कंप्यूटर सॉफ़्टवेयर (जो हमें मशीनों को पालन करने के लिए निर्देश देता है)।
- इंटरनेट और स्मार्टफ़ोन (जो हम सभी को एक दूसरे से अंतःक्रियात्मक रूप से जोड़ते हैं)।
यह विलक्षणता, अपने सरलतम रूप में, यही है हमने एक नए तरह के सॉफ्टवेयर का आविष्कार किया है.
पुराने तरह का सॉफ्टवेयर
पुराने प्रकार के सॉफ़्टवेयर - जो वर्तमान में आपके फ़ोन और कंप्यूटर पर हैं - ने हमारे जीवन को इस तरह से बदल दिया है कि 1970 के दशक के किसी भी व्यक्ति के लिए उन्हें पहचानना लगभग असंभव हो जाएगा। सॉफ्टवेयर को अपनाने के लिए मानवता के पास 50 साल थे क्योंकि इसकी शुरुआत धीरे-धीरे शिक्षाविदों के साथ हुई, फिर शौकीनों के साथ, डायल-अप मॉडेम और कॉर्पोरेट ईमेल के साथ हुई। लेकिन आधी सदी बीत जाने के बाद भी हमारी सभ्यता इसके परिणामों से निपटने के लिए संघर्ष कर रही है।
आज आप जिस सॉफ़्टवेयर से परिचित हैं - वह सामग्री जो संदेश भेजती है, या संख्याएँ जोड़ती है, या किसी कैलेंडर में कुछ बुक करती है, या यहाँ तक कि वीडियो कॉल को शक्ति प्रदान करती है - नियतात्मक है। इसका मत यह वही करता है जो आप अपेक्षा करते हैं. जब परिणाम अप्रत्याशित होता है, तो उसे बग कहा जाता है।
नियतिवादी सॉफ़्टवेयर से लेकर AI तक
"सोचने वाली मशीनों" के पहले के उदाहरणों में साइबरनेटिक्स (ऑटोपायलट जैसे फीडबैक लूप) और विशेषज्ञ सिस्टम (डॉक्टरों के लिए निर्णय वृक्ष) शामिल थे। लेकिन ये अभी भी पूर्वानुमानित और समझने योग्य थे। उन्होंने बहुत सारे नियमों का पालन किया।
1980 के दशक में, हमने एक अलग दृष्टिकोण आज़माया। हमने सॉफ़्टवेयर को मस्तिष्क की तरह व्यवहार करने के लिए संरचित किया, इसे "न्यूरॉन्स" दिया। और फिर हमने इसे उदाहरणों के आधार पर स्वयं कॉन्फ़िगर करने दिया। 1980 में, यान लेकन नामक एक युवा शोधकर्ता ने छवि वर्गीकरण पर यह प्रयास किया।
वह अब मेटा में एआई के प्रमुख हैं।
फिर AI एक प्रकार की शीतनिद्रा में चला गया। प्रगति हो रही थी, लेकिन यह धीमी थी और शिक्षा जगत के गलियारों में हो रही थी। डीप लर्निंग, टेन्सरफ्लो और अन्य प्रौद्योगिकियां मुख्य रूप से खोज इंजन, अनुशंसाओं और विज्ञापन को सशक्त बनाने के लिए उभरीं। लेकिन AI एक ऐसी चीज़ थी जो विज्ञापन सेवाओं, मानचित्रों और ध्वनि पहचान में पर्दे के पीछे होती थी।
2017 में, कुछ शोधकर्ताओं ने एक मौलिक पेपर प्रकाशित किया, जिसका नाम था, "आपको केवल ध्यान देने की ज़रूरत है।" उस समय, लेखक Google में काम करते थे, लेकिन तब से कई लोग OpenAI जैसी कंपनियों में चले गए हैं। पेपर में भाषा के सबसे महत्वपूर्ण हिस्सों पर ध्यान देकर सॉफ्टवेयर को खुद को कॉन्फ़िगर करने देने का एक बहुत ही सरल तरीका बताया गया है।
इसके लिए प्रारंभिक प्रयोग अनुवाद था। यदि आप किसी एल्गोरिथम में पर्याप्त अंग्रेजी और फ़्रेंच पाठ फ़ीड करते हैं, तो यह प्रत्येक भाषा के शब्दों के बीच संबंधों को समझकर यह पता लगा सकता है कि एक से दूसरे में कैसे अनुवाद किया जाए। लेकिन बुनियादी दृष्टिकोण ने हमें इंटरनेट से निकाले गए पाठ पर सॉफ़्टवेयर को प्रशिक्षित करने की अनुमति दी।
वहां से, प्रगति काफी तेज थी। 2021 में, हमने यह पता लगाया कि एक "निर्देश मॉडल" कैसे बनाया जाए, जिसमें संवादात्मक एआई को निर्देशों का पालन करने के लिए सुपरवाइज्ड फाइन ट्यूनिंग (एसएफटी) नामक प्रक्रिया का उपयोग किया जाए। 2022 में, हमने मनुष्यों को हमारे निर्देशों के प्रति प्रतिक्रियाओं को ग्रेड दिया (जिसे संशोधित सुपरवाइज्ड फाइन ट्यूनिंग कहा जाता है), और 2022 के अंत में, हमने ह्यूमन फीडबैक पर रीइन्फोर्समेंट लर्निंग नामक कुछ जोड़ा, जिसने हमें GPT-3.5 और ChatGPT दिया। एआई अब अन्य एआई फीडबैक दे सकते हैं।
जो भी मामला हो, 2024 तक, मनुष्य वह इनपुट है जिस पर चीजों को प्रशिक्षित किया जाता है, और आउटपुट गुणवत्ता पर प्रतिक्रिया प्रदान करता है जिसका उपयोग इसे सुधारने के लिए किया जाता है।
जब अनपेक्षित एक सुविधा है, बग नहीं
परिणाम एक नए प्रकार का सॉफ्टवेयर है। इसे कार्यान्वित करने के लिए, हम पहले ढेर सारा डेटा इकट्ठा करते हैं और इसका उपयोग एक विशाल गणितीय मॉडल को प्रशिक्षित करने के लिए करते हैं। फिर, हम मॉडल में एक संकेत दर्ज करते हैं और यह उस प्रतिक्रिया की भविष्यवाणी करता है जो हम चाहते हैं (बहुत से लोगों को इसका एहसास नहीं होता है एक बार जब एआई प्रशिक्षित हो जाता है, तो वही इनपुट हर बार वही आउटपुट देता है - जिसे वह "सर्वश्रेष्ठ" मानता है). लेकिन हम रचनात्मकता चाहते हैं, इसलिए हम एक गड़बड़ी जोड़ते हैं, जिसे तापमान कहा जाता है, जो एआई को बताता है कि उसकी प्रतिक्रियाओं में कितनी यादृच्छिकता शामिल करनी है।
हम पहले से यह अनुमान नहीं लगा सकते कि मॉडल क्या करेगा। और हम हर बार अलग-अलग प्रतिक्रियाएँ प्राप्त करने के लिए जानबूझकर यादृच्छिकता का परिचय देते हैं। इस नए सॉफ़्टवेयर का संपूर्ण उद्देश्य अप्रत्याशित होना है। अनिश्चयवादी होना. यह अप्रत्याशित चीजें करता है.
अतीत में, आप एप्लिकेशन में कुछ डालते थे और यह मनुष्यों द्वारा लिखे गए निर्देशों के एक सेट का पालन करता था और एक अपेक्षित परिणाम सामने आता था। अब, आप एआई में कुछ डालते हैं और यह निर्देशों के एक सेट का पालन करता है it लिखा, और दूसरी ओर एक अप्रत्याशित परिणाम सामने आता है। और अप्रत्याशित परिणाम कोई बग नहीं है, यह एक विशेषता है।
अविश्वसनीय रूप से तेजी से अपनाना
हम कई कारणों से इस दूसरे प्रकार के सॉफ़्टवेयर को पहले की तुलना में कहीं अधिक तेज़ी से अपना रहे हैं
- यह अपना स्वयं का उपयोगकर्ता मैनुअल बनाता है: जबकि हम सभी इस बात से उत्साहित हैं कि परिणाम कितने अच्छे हैं, हम अक्सर इस बात को नजरअंदाज कर देते हैं कि यह सरल इनपुट पर कितनी अच्छी प्रतिक्रिया दे सकता है। यह पहला सॉफ़्टवेयर है जिसमें कोई सीखने की अवस्था नहीं है - यह वस्तुतः किसी भी व्यक्ति को बताएगा जो टाइप कर सकता है या बोल सकता है कि इसका उपयोग कैसे किया जाए। यह पहला सॉफ्टवेयर है जो अपना दस्तावेज़ स्वयं बनाता है।
- हर कोई इसे आज़मा सकता है: मोबाइल फोन और ब्रॉडबैंड के माध्यम से सर्वव्यापी कनेक्टिविटी और होस्ट किए गए सॉफ़्टवेयर के SaaS मॉडल के कारण, कई लोगों की पहुंच है। अब आपको सॉफ़्टवेयर खरीदने और इंस्टॉल करने की आवश्यकता नहीं है. ब्राउज़र वाला कोई भी व्यक्ति इसे आज़मा सकता है.
- हार्डवेयर हर जगह है: गेमिंग से प्राप्त जीपीयू, ऐप्पल की एम-सीरीज़ चिप्स और क्लाउड कंप्यूटिंग विशाल कंप्यूटिंग संसाधनों को तैनात करना बहुत आसान बनाते हैं।
- लागत कम हो गई. बहुत: कुछ एल्गोरिथम प्रगति ने एआई की लागत को परिमाण के कई क्रमों तक कम कर दिया है। एक अरब छवियों को वर्गीकृत करने की लागत 10,000 में $2021 से घटकर 0.03 में $2023 हो गई - प्रति दिन 450 गुना सस्ती दर।
- हम ऑनलाइन रहते हैं: मनुष्य प्रतिदिन औसतन छह घंटे ऑनलाइन रहता है, और उसमें से अधिकांश बातचीत (ईमेल, चैटरूम, टेक्स्टिंग, ब्लॉगिंग) टेक्स्ट-आधारित होती है। ऑनलाइन दुनिया में, एक इंसान एक एल्गोरिदम से काफी हद तक अप्रभेद्य है, इसलिए एआई आउटपुट को लोगों द्वारा उपभोग किए जाने वाले फ़ीड और स्क्रीन से जोड़ने के कई आसान तरीके हैं। COVID-19 ने दूरस्थ कार्य को गति दी, और इसके साथ, हमारे जीवन में पाठ और एल्गोरिदम का समावेश हुआ।
गैर-नियतात्मक सॉफ़्टवेयर क्या कर सकता है
गैर-नियतात्मक सॉफ़्टवेयर कई चीज़ें कर सकता है, जिनमें से कुछ को हम अभी महसूस करना शुरू कर रहे हैं।
- यह उत्पादक. यह नई चीजें बना सकता है. हम इसे छवियों (स्टेबल डिफ्यूजन, डैल-ई) और संगीत (Google MusicLM) और यहां तक कि वित्त, जीनोमिक्स और संसाधन पहचान में भी देख रहे हैं। लेकिन जिस स्थान पर सबसे अधिक ध्यान दिया जा रहा है वह OpenAI, Google, Perplexity और अन्य जैसे चैटबॉट हैं।
- यह रचनात्मकता में अच्छा है लेकिन यह सामान बनाता है. इसका मतलब है कि हम इसे कला, गद्य और संगीत जैसे "मज़ेदार" काम दे रहे हैं जिसके लिए कोई "सही उत्तर" नहीं है। इसका मतलब गलत सूचनाओं की बाढ़ और मानवता के लिए एक महामारी संकट भी है।
- यह अभी भी बहुत अधिक मानवीय इनपुट की आवश्यकता है आउटपुट को किसी उपयोगी चीज़ में फ़िल्टर करने के लिए। वास्तव में, संवादात्मक एआई के निर्माण के कई चरणों में मनुष्य इसे अच्छी प्रतिक्रियाओं के उदाहरण देते हैं, या इसके द्वारा दी गई प्रतिक्रियाओं को रेटिंग देते हैं।
- क्योंकि यह अक्सर गलत होता है, हमें किसी को दोष देने में सक्षम होने की आवश्यकता है। मनुष्य यह निर्णय लेता है कि उसे अपने आउटपुट के साथ क्या करना है परिणामों के लिए उत्तरदायी.
- It तर्क कर सकते हैं उन तरीकों से, जिनके बारे में हमने नहीं सोचा था कि यह सक्षम होना चाहिए। हमें समझ नहीं आता कि ऐसा क्यों है.
आईटी का पेंडुलम और लोकतंत्रीकरण
हालाँकि, परिभाषा के अनुसार, एक विलक्षणता के दूसरे पक्ष की भविष्यवाणी करना कठिन है, हम सूचना प्रौद्योगिकी (आईटी) कैसे बदल जाएगी, इसके बारे में कुछ शिक्षित अनुमान लगा सकते हैं। पिछली सदी में आईटी उद्योग में दो बड़े बदलाव आए हैं:
- एक निरंतर पेंडुलम, यह मेनफ्रेम के केंद्रीकरण से लेकर वेब क्लाइंट की वितरित प्रकृति तक झूल रहा है।
- यह संसाधनों का क्रमिक लोकतंत्रीकरण है, उन दिनों से जब कंप्यूटिंग दुर्लभ, कीमती थी और आईटी द्वारा संरक्षित थी, उस युग तक जब डेवलपर्स, और फिर कार्यभार स्वयं, आवश्यकतानुसार संसाधनों को तैनात कर सकते थे।
यह चित्र उस बदलाव को दर्शाता है:
एआई की बदौलत एक और परत बन रही है: उपयोगकर्ता-नियंत्रित कंप्यूटिंग। हम पहले से ही अनकॉर्क, बबल, वेबफ्लो, जैपियर और अन्य जैसे नो-कोड और लो-कोड टूल देख रहे हैं, जो उपयोगकर्ताओं के लिए ऐप बनाना आसान बनाते हैं, लेकिन इससे भी अधिक दिलचस्प बात यह है कि जब उपयोगकर्ता का एआई प्रॉम्प्ट कोड लॉन्च करता है। हम इसे OpenAI के ChatGPT कोड इंटरप्रेटर में देखते हैं, जो डेटा को प्रोसेस करने के लिए ऐप लिखेगा और फिर चलाएगा।
यह संभावना है कि आने वाले वर्षों में किनारे पर एक और पेंडुलम स्विंग होगी क्योंकि ऐप्पल जैसी कंपनियां मैदान में प्रवेश करती हैं (जिन्होंने इस दिन की प्रत्याशा में अपने घरेलू चिपसेट में भारी एआई प्रसंस्करण का निर्माण किया है)। कंप्यूटिंग की अगली परत इस प्रकार दिखती है:
दूसरा ढेर बनाना
गैर-नियतात्मक युग में आईटी के बारे में हम एक और भविष्यवाणी कर सकते हैं कि कंपनियों के पास दो स्टैक होंगे।
- एक नियतिवादी, पूर्वानुमेय कार्यों को चलाने वाला होगा।
- एक गैर-नियतात्मक होगा, अप्रत्याशित परिणाम उत्पन्न करेगा।
शायद सबसे दिलचस्प बात यह है कि दूसरा (नॉनडेटर्मिनिस्टिक) स्टैक वह कोड लिखने में सक्षम होगा जो पहला (नियतात्मक) स्टैक चला सकता है - जल्द ही, मनुष्यों की तुलना में बेहतर।
आने वाले दशक में हर संगठन में दूसरा स्टैक बनाने की होड़ देखी जाएगी। प्रत्येक कंपनी का मूल्यांकन उसके कोष के मूल्य, मालिकाना जानकारी और वास्तविक समय के अपडेट के आधार पर किया जाएगा जिसका उपयोग वह अपने एआई से सर्वोत्तम परिणाम प्राप्त करने के लिए करती है। प्रत्येक स्टैक में अलग-अलग हार्डवेयर आवश्यकताएं, आर्किटेक्चर, गवर्नेंस, यूजर इंटरफेस और लागत संरचनाएं होंगी।
हम यह अनुमान नहीं लगा सकते कि एआई मानवता को कैसे नया आकार देगा। लेकिन हम शिक्षित अनुमान लगा सकते हैं कि यह एंटरप्राइज़ आईटी को कैसे बदल देगा, और जो लोग जल्दी से अनुकूलन करते हैं वे बाद में आने वाली चीज़ों का लाभ उठाने के लिए सबसे अच्छी तरह तैयार होंगे।
एलिस्टेयर ट्रोल प्रौद्योगिकी, व्यवसाय और समाज पर कई पुस्तकों के लेखक हैं, जिनमें सबसे अधिक बिकने वाली लीन एनालिटिक्स भी शामिल है। वह सार्वजनिक क्षेत्र के नवाचार पर दुनिया के अग्रणी सम्मेलन FWD50 के संस्थापक और सह-अध्यक्ष हैं, और उन्होंने हार्वर्ड बिजनेस स्कूल में विजिटिंग एक्जीक्यूटिव के रूप में काम किया है, जहां उन्होंने डेटा साइंस और क्रिटिकल थिंकिंग के लिए पाठ्यक्रम बनाने में मदद की। वह के सम्मेलन अध्यक्ष हैं डेटा यूनिवर्स 2024.
डेटा यूनिवर्स में लेखक से मिलें
लेखक एलिस्टेयर क्रॉल से जुड़ें डेटा यूनिवर्स10-11 अप्रैल, 2024 को एनवाईसी में आयोजित किया जाएगा, जहां वह संपूर्ण वैश्विक डेटा और एआई समुदाय के लिए डिज़ाइन किए गए एक नए ब्रांड-अज्ञेयवादी, डेटा और एआई सम्मेलन के उद्घाटन की अध्यक्षता करेंगे।
यह सब एक साथ लाना - डेटा यूनिवर्स सभी कौशल स्तरों और भूमिकाओं के डेटा पेशेवरों के साथ-साथ व्यवसायियों, अधिकारियों और उद्योग भागीदारों का स्वागत करता है ताकि वे उद्योगों में डेटा, एनालिटिक्स, एमएल और एआई पर सबसे वर्तमान और प्रासंगिक विशेषज्ञ के नेतृत्व वाली अंतर्दृष्टि के साथ जुड़ सकें। , व्यवसाय और समाज के भविष्य को बदलने वाले तेजी से बदलते मानदंडों, उपकरणों, तकनीकों और अपेक्षाओं के साथ-साथ आपको विकसित होने में मदद करने के लिए। डेटा और एआई के भविष्य का हिस्सा बनने के लिए, इस अप्रैल में NYC में नॉर्थ जेविट्स सेंटर में हमसे जुड़ें।
INFORMS डेटा यूनिवर्स 2024 के साथ एक रणनीतिक भागीदार बनकर खुश है, और इसे प्रस्तुत करेगा चार सत्र सम्मेलन के दौरान।
विशेष रुप से प्रदर्शित छवि क्रेडिट: ग्रोथिका/अनस्प्लैश
- एसईओ संचालित सामग्री और पीआर वितरण। आज ही प्रवर्धित हो जाओ।
- प्लेटोडेटा.नेटवर्क वर्टिकल जेनरेटिव एआई। स्वयं को शक्तिवान बनाएं। यहां पहुंचें।
- प्लेटोआईस्ट्रीम। Web3 इंटेलिजेंस। ज्ञान प्रवर्धित। यहां पहुंचें।
- प्लेटोईएसजी. कार्बन, क्लीनटेक, ऊर्जा, पर्यावरण, सौर, कचरा प्रबंधन। यहां पहुंचें।
- प्लेटोहेल्थ। बायोटेक और क्लिनिकल परीक्षण इंटेलिजेंस। यहां पहुंचें।
- स्रोत: https://dataconomy.com/2024/04/04/building-the-second-stack/
