What is artificial intelligence (AI)? - कृत्रिम बुद्धिमत्ता (एआई) क्या है?

 What is artificial intelligence (AI)?

What is AI? 

कृत्रिम बुद्धिमत्ता या ए.आई. वह तकनीक है जो कंप्यूटरों और मशीनों को मानवीय बुद्धिमत्ता और समस्या-समाधान क्षमताओं का अनुकरण करने में सक्षम बनाती है।

AI ऐसे कार्य करने में सक्षम है जिसके लिए सामान्य रूप से मानव बुद्धि या सहायता की आवश्यकता होती है, या तो अपने आप या अन्य तकनीकों (जैसे सेंसर,  जियोलोकेशन और रोबोटिक्स) के साथ मिलकर। समाचारों और हमारे दैनिक जीवन में AI के कुछ उदाहरण डिजिटल सहायक, GPS नेविगेशन, ड्राइवरलेस कार और जनरेटिव AI उपकरण (जैसे ओपन AI का चैट GPT) हैं। आर्टिफिशियल इंटेलिजेंस कंप्यूटर विज्ञान की एक शाखा है जिसमें मशीन लर्निंग और डीप लर्निंग शामिल है, और अक्सर उनके साथ संयोजन में चर्चा की जाती है। इन क्षेत्रों में, आर्टिफिशियल इंटेलिजेंस (AI) एल्गोरिदम जो मानव निर्णय लेने की प्रक्रियाओं की नकल करते हैं, उपलब्ध डेटा से "सीखने" और समय के साथ उत्तरोत्तर अधिक सटीक वर्गीकरण या भविष्यवाणियां करने की क्षमता के साथ  विकसित किए जाते हैं।

कृत्रिम बुद्धिमत्ता के इर्द-गिर्द विभिन्न प्रचार चक्रों के बावजूद, यहां तक कि आलोचक भी इस बात से सहमत हैं कि ChatGPT की रिलीज़ एक बड़ा बदलाव दर्शाती है। पिछली बार जब जनरेटिव AI इतना महत्वपूर्ण था, तो कंप्यूटर विज़न में प्रगति ने रास्ता दिखाया था; इस बार, प्राकृतिक भाषा प्रसंस्करण (NLP) आगे बढ़ रहा है। मानव भाषा के अलावा, जनरेटिव AI में फ़ोटो, वीडियो, सॉफ़्टवेयर कोड और यहां तक कि आणविक संरचनाओं जैसे कई डेटा प्रकारों को सीखने और संश्लेषित करने की क्षमता है। AI के उपयोग प्रतिदिन बढ़ रहे हैं। हालाँकि, जैसे-जैसे व्यवसाय में AI तकनीकों के अनुप्रयोग के बारे में उत्साह बढ़ता है, जिम्मेदार AI और AI नैतिकता के बारे में चर्चाएँ महत्वपूर्ण रूप से प्रासंगिक हो जाती हैं। इन मामलों पर IBM की स्थिति के बारे में अधिक जानने के लिए, AI में विश्वास का निर्माण देखें।

Artificial intelligence types: weak vs. strong 

कृत्रिम रूप से संकीर्ण बुद्धिमत्ता (एएनआई), जिसे कमजोर एआई भी कहा जाता है, वह एआई है जिसे विशेष कार्यों को करने के लिए शिक्षित और लक्षित किया गया है। आज मौजूद अधिकांश एआई कमजोर एआई द्वारा संचालित है। चूंकि इस तरह का एआई कुछ अत्यधिक शक्तिशाली अनुप्रयोगों को शक्ति प्रदान करता है, जिसमें ऐप्पल की सिरी, अमेज़ॅन की एलेक्सा, आईबीएम वॉटसनएक्सटीएम और सेल्फ-ड्राइविंग कारें शामिल हैं, इसलिए "संकीर्ण" एक बेहतर वर्णन हो सकता है।

कृत्रिम सामान्य बुद्धिमत्ता (AGI) और कृत्रिम सुपर इंटेलिजेंस (ASI) मिलकर मजबूत AI बनाते हैं। सामान्य कृत्रिम बुद्धिमत्ता, या AGI, AI की एक काल्पनिक शाखा है जिसमें एक मशीन को मानव-स्तर की बुद्धिमत्ता से संपन्न किया जाता है। यह मशीन आत्म-जागरूक होगी, चेतना से युक्त होगी, समस्याओं को हल करने, सीखने और भविष्य की योजना बनाने में सक्षम होगी। सुपर इंटेलिजेंस, या ASI, मानव मस्तिष्क से अधिक बुद्धिमान और सक्षम होगी। भले ही वर्तमान में मजबूत AI के कोई कार्यशील उदाहरण नहीं हैं, यह पूरी तरह से सैद्धांतिक बना हुआ है, लेकिन यह शिक्षाविदों को इसकी प्रगति का अध्ययन करने से नहीं रोकता है। अंतरिम में, 2001: ए स्पेस ओडिसी के सुपरह्यूमन और विद्रोही कंप्यूटर सहायक HAL जैसे विज्ञान कथा पात्र ASI के सर्वोत्तम उदाहरण प्रदान कर सकते हैं।

Deep getting to know vs. device mastering

डीप लर्निंग AI के उप-विषय हैं, और डीप लर्निंग डिवाइस लर्निंग का एक उप-विषय है। डिवाइस लर्निंग और डीप लर्निंग एल्गोरिदम दोनों ही आँकड़ों की बड़ी मात्रा से 'शोध' करने के लिए न्यूरल नेटवर्क का उपयोग करते हैं। ये न्यूरल नेटवर्क मानव मस्तिष्क की निर्णय लेने की तकनीकों के बाद तैयार किए गए प्रोग्रामेटिक सिस्टम हैं। इनमें परस्पर जुड़े नोड्स की परतें होती हैं जो जानकारी से फ़ंक्शन निकालती हैं और इस बारे में पूर्वानुमान लगाती हैं कि डेटा क्या दर्शाता है। डिवाइस लर्निंग और डीप लर्निंग में उनके द्वारा उपयोग किए जाने वाले न्यूरल नेटवर्क के प्रकार और संबंधित मानवीय हस्तक्षेप की मात्रा में भिन्नता होती है। पारंपरिक डिवाइस लर्निंग एल्गोरिदम एक इनपुट लेयर, एक या 'छिपी हुई' लेयर और एक आउटपुट लेयर वाले न्यूरल नेटवर्क का उपयोग करते हैं। आम तौर पर, ये एल्गोरिदम पर्यवेक्षित अध्ययन तक सीमित होते हैं: डेटा को मानव विशेषज्ञों द्वारा आधारित या लेबल किया जाना चाहिए ताकि नियमों के सेट को डेटा से क्षमताएँ निकालने में सक्षम बनाया जा सके।

डीप न्यूरल नेटवर्क, जिसमें एक इनपुट लेयर, तीन या उससे ज़्यादा (अक्सर सैकड़ों) छिपी हुई लेयर और एक आउटपुट संरचना होती है, डीप लर्निंग तकनीकों का आधार है। इन कई लेयर्स द्वारा अनसुपरवाइज्ड लर्निंग को संभव बनाया जाता है क्योंकि वे बड़े, असंरचित और लेबल रहित डेटा सेट से फ़ीचर एक्सट्रैक्शन प्रक्रिया को स्वचालित करते हैं। डीप लर्निंग मूल रूप से मशीन लर्निंग को बड़े पैमाने पर संभव बनाता है क्योंकि इसमें मानवीय हस्तक्षेप की आवश्यकता नहीं होती है।

The rise of generative models

जनरेटिव AI डीप लर्निंग मॉडल को संदर्भित करता है जो कच्चा डेटा (उदाहरण के लिए, संपूर्ण विकिपीडिया या रेम्ब्रांट के कार्यों का संग्रह) लेता है और पूछे जाने वाले प्रश्नों पर सांख्यिकीय रूप से संभावित परिणाम उत्पन्न करना "सीखता है"। उच्च स्तर पर, जनरेटिव मॉडल प्रशिक्षण डेटा के सरलीकृत प्रतिनिधित्व को एनकोड करते हैं और इसका उपयोग नए कार्यों को बनाने के लिए करते हैं जो मूल डेटा के समान होते हैं लेकिन समान नहीं होते हैं। संख्यात्मक डेटा का विश्लेषण करने के लिए सांख्यिकी में कई वर्षों से जनरेटिव मॉडल का उपयोग किया जाता रहा है। लेकिन डीप लर्निंग के उदय के साथ, उन्हें अब छवियों, ऑडियो और अन्य जटिल डेटा प्रकारों तक बढ़ाया जा सकता है। इस क्रॉसओवर उपलब्धि को प्राप्त करने वाले पहले AI मॉडल में से एक वैरिएशनल ऑटोएनकोडर (VAE) था, जिसे 2013 में पेश किया गया था। VAE पहला डीप लर्निंग मॉडल था जिसका व्यापक रूप से यथार्थवादी छवियों और ध्वनियों को उत्पन्न करने के लिए उपयोग किया गया था।

एमआईटी-आईबीएम वॉटसन एआई लैब में जनरेटिव एआई विशेषज्ञ आकाश श्रीवास्तव ने कहा, "वीएई ने मॉडल को अधिक आसानी से स्केलेबल बनाकर गहन जनरेटिव मॉडलिंग के लिए द्वार खोल दिए हैं।" "आज हम जिसे जनरेटिव एआई के रूप में समझते हैं, उसकी शुरुआत यहीं से हुई है।"

GPT-3, BERT और DALL-E 2 जैसे मॉडल के शुरुआती उदाहरण दिखाते हैं कि क्या संभव है। भविष्य में, मॉडल को व्यापक, लेबल रहित डेटासेट पर प्रशिक्षित किया जाएगा, जिसका उपयोग न्यूनतम फ़ाइन-ट्यूनिंग के साथ विभिन्न कार्यों के लिए किया जा सकता है। एकल डोमेन में विशिष्ट कार्य करने वाले सिस्टम को व्यापक AI सिस्टम द्वारा प्रतिस्थापित किया जा रहा है जो अधिक सामान्य रूप से सीखते हैं और डोमेन और समस्याओं में काम करते हैं। बड़े, लेबल रहित डेटासेट पर प्रशिक्षित और विभिन्न अनुप्रयोगों के लिए फ़ाइन-ट्यून किए गए बेस मॉडल इस बदलाव को आगे बढ़ा रहे हैं।

एआई के भविष्य के लिए, जब जनरेटिव एआई की बात आती है, तो बेसलाइन मॉडल से उद्यम में एआई अपनाने में नाटकीय रूप से तेजी आने की भविष्यवाणी की जाती है। कम लेबलिंग आवश्यकताओं से कंपनियों के लिए प्रौद्योगिकी को अपनाना बहुत आसान हो जाएगा, और एआई-संचालित स्वचालन की उच्च सटीकता और दक्षता से कई और कंपनियां मिशन-महत्वपूर्ण स्थितियों की एक विस्तृत श्रृंखला में एआई का उपयोग करने में सक्षम होंगी। आईबीएम अंततः बेसलाइन मॉडल की कंप्यूटिंग शक्ति को घर्षण रहित हाइब्रिड क्लाउड वातावरण में हर उद्यम के लिए उपलब्ध कराना चाहता है।