Published on:

कृत्रिम बुद्धिमत्ता के उदय का पता लगाना: मानवीय जिज्ञासा से संज्ञानात्मक क्रांति तक

“एक पत्रकार के रूप में, मैं दुनिया के बारे में हमेशा गहरी जिज्ञासु रही हूँ।” इन शब्दों के साथ, चीनी मीडिया हस्ती यांग लैन वृत्तचित्र (documentary) एक्सप्लोरिंग आर्टिफिशियल इंटेलिजेंस की शुरुआत करती हैं, जो उन सवालों से प्रेरित यात्रा को रूप देती है जो हमारे युग को तेजी से परिभाषित कर रहे हैं: क्या मशीनें इंसानों से ज्यादा स्मार्ट होती जा रही हैं? क्या आर्टिफिशियल इंटेलिजेंस एक दिन हमारी जगह ले लेगा? और तकनीक मानव बुद्धि की सीमाओं को कितनी दूर तक ले जा सकती है?

ये सवाल 2016 में वैश्विक स्तर पर महत्वपूर्ण हो गए, जिसे व्यापक रूप से आर्टिफिशियल इंटेलिजेंस के लिए ब्रेकआउट वर्ष माना जाता है। बिग डेटा और क्लाउड कंप्यूटिंग से लेकर डीप लर्निंग और स्वायत्त प्रणालियों तक, AI तेजी से प्रयोगशालाओं से निकलकर सार्वजनिक चेतना में पहुँच गया।

एक निर्णायक घटना वह ऐतिहासिक मैच था जिसमें AlphaGo ने विश्व चैंपियन ली सेडोल को हराया था, जो इस बात का प्रतीक था कि इंसानों ने मशीनी बुद्धिमत्ता को कैसे देखा।

AlphaGo बनाम ली सेडोल

भाषा, संज्ञान और मशीनी मन

मानव बुद्धि भाषा के माध्यम से विकसित हुई। लगभग 70,000 साल पहले, जटिल वाक् प्रणालियों (speech systems) के विकास ने मनुष्यों को अपने पर्यावरण का वर्णन करने, अमूर्त विचारों का आदान-प्रदान करने और समाजों का निर्माण करने की अनुमति दी। इस “संज्ञानात्मक क्रांति” ने सभ्यता को मौलिक रूप से नया आकार दिया।

वृत्तचित्र एक समानांतर प्रश्न पूछता है: मशीनें भाषा को कैसे समझती हैं?

शुरुआती प्रयास मामूली थे। 1952 में, बेल लैब्स के वैज्ञानिकों ने मशीनों को दस बोले गए अंग्रेजी अंकों को पहचानना सिखाया, और इस सिस्टम का नाम “ऑड्रे” (Audrey) रखा। हालाँकि यह क्रांतिकारी था, लेकिन यह वास्तविक प्राकृतिक भाषा समझ से बहुत दूर था। प्रगति धीमी थी और अक्सर सीमित डेटा और कंप्यूटिंग शक्ति की बाधाओं में जकड़ी हुई थी।

प्रगति धीमी थी और अक्सर सीमित डेटा और कंप्यूटिंग शक्ति की बाधाओं में जकड़ी हुई थी।

एक बड़ा मोड़ 1980 के दशक में आया, जब काई-फू ली ने कार्नेगी मेलन यूनिवर्सिटी में स्पीच रिकग्निशन अनुसंधान शुरू किया। उनके काम ने कई वक्ताओं के निरंतर भाषण को समझने में सक्षम प्रणालियों की शुरुआत की—जो प्राकृतिक मानव-कंप्यूटर संपर्क की दिशा में एक आवश्यक कदम था। पहली बार, मशीनें बोली जाने वाली भाषा को अलग-थलग आदेशों के बजाय वास्तविक संवाद के समान संसाधित कर सकती थीं।

बेल लैब्स ऑड्रे रिकग्निशन सिस्टम

नियम-आधारित प्रणालियों से डीप लर्निंग तक

इन प्रगतियों के बावजूद, स्पीच और भाषा प्रणालियों ने दशकों तक संघर्ष किया। सफलता 2000 के दशक के मध्य में मिली, जो एक नए प्रतिमान: डीप लर्निंग द्वारा संचालित थी।

2006 में, जेफ्री हिंटन ने मानव मस्तिष्क की संरचना से प्रेरणा लेते हुए डीप न्यूरल नेटवर्क पर प्रभावशाली शोध प्रकाशित किया। उनके काम ने स्केल—बड़े मॉडल, अधिक परतें (layers), और बहुत अधिक डेटा—पर जोर दिया। यह दृष्टिकोण डेंग ली जैसे शोधकर्ताओं के साथ प्रतिध्वनित हुआ, जिन्होंने प्रदर्शित किया कि जब बड़े डेटासेट और आधुनिक कंप्यूटिंग शक्ति के साथ जोड़ा जाता है, तो स्पीच रिकग्निशन में त्रुटि दर नाटकीय रूप से गिर सकती है, शुरुआती प्रयोगों में कभी-कभी 20 प्रतिशत से अधिक।

1990 के दशक में न्यूरल नेटवर्क को जिस चीज ने पीछे रोका था, वह त्रुटिपूर्ण सिद्धांत नहीं था, बल्कि अपर्याप्त डेटा और गणना संसाधन थे। जैसे-जैसे इंटरनेट ने बड़े पैमाने पर डेटासेट उत्पन्न किए और प्रसंस्करण शक्ति बढ़ी, डीप लर्निंग अचानक फलने-फूलने लगा। जो समस्याएं कभी कठिन लगती थीं, वे गायब होने लगीं।

न्यूरल नेटवर्क और डीप लर्निंग विज़ुअलाइज़ेशन

भौतिक दुनिया में प्रवेश करती मशीनें

वृत्तचित्र यह भी बताता है कि आर्टिफिशियल इंटेलिजेंस सॉफ्टवेयर से परे भौतिक वातावरण में कैसे कदम रखता है। स्टैनफोर्ड यूनिवर्सिटी की AI प्रयोगशाला में, मानव-तुल्य रोबोट PR2 गलियारों में नेविगेट करने, लिफ्ट का उपयोग करने और शोधकर्ताओं के लिए कॉफी खरीदने जैसे कार्य करता है।

इसका डिज़ाइन मनुष्यों की नकल करने के लिए नहीं है, बल्कि मानव-केंद्रित दुनिया के साथ कुशलतापूर्वक बातचीत करने के लिए है—देखना, पकड़ना और नियंत्रित बल लागू करना।

स्टैनफोर्ड PR2 रोबोट

यह रोबोटिक्स में एक व्यापक बदलाव को दर्शाता है: मशीनें अब कारखानों तक सीमित नहीं हैं। वे जटिल, असंरचित वातावरण के अनुकूल होकर लोगों के साथ सह-अस्तित्व बनाना सीख रही हैं।

मानव बुद्धि को गति देना

पाँच देशों की 30 से अधिक AI प्रयोगशालाओं का दौरा करने और 80 से अधिक प्रमुख हस्तियों का साक्षात्कार करने के बाद, यांग लैन ने निष्कर्ष निकाला कि आर्टिफिशियल इंटेलिजेंस केवल मानव बुद्धि को बदलने के बारे में नहीं है। इसके बजाय, यह इसे गति देता है

स्पीच रिकग्निशन और भाषा की समझ से लेकर रोबोटिक्स और डीप लर्निंग तक, AI एक ऐसा उपकरण बन गया है जो मानवीय क्षमताओं का विस्तार करता है। केंद्रीय प्रश्न अब यह नहीं है कि क्या AI समाज को बदलेगा, बल्कि यह है कि मानवता उस परिवर्तन को आकार देने के लिए कैसे चुनती है।

यांग लैन डॉक्यूमेंट्री एक्सप्लोरिंग आर्टिफिशियल इंटेलिजेंस