मुझे क्यों नहीं लगता कि एजीआई आसन्न है?

यहां संपूर्ण ब्लॉग पोस्ट है - केवल HTML मुख्य सामग्री:

---

मुझे क्यों नहीं लगता कि एजीआई आसन्न है?

बेदम सुर्खियों और अरबों डॉलर के दांव के बावजूद, कृत्रिम सामान्य बुद्धिमत्ता अगले साल या संभवतः इस दशक में भी नहीं आ रही है। आज के प्रभावशाली लेकिन संकीर्ण एआई सिस्टम और सच्ची सामान्य बुद्धिमत्ता के बीच का अंतर बहुत बड़ा है, गलत समझा जाता है और प्रगति को बढ़ा-चढ़ाकर बताने के लिए सबसे अधिक वित्तीय प्रोत्साहन वाले लोगों द्वारा इसे लगातार कम करके आंका जाता है।

मेवेज़ के संस्थापक के रूप में, एक मंच जिस पर 138,000 से अधिक उपयोगकर्ताओं ने 207 एकीकृत मॉड्यूल के साथ अपना व्यवसाय चलाने के लिए भरोसा किया है, मैं अपने दिन यह सोचने में बिताता हूं कि तकनीक वास्तव में क्या कर सकती है बनाम हम जो चाहते हैं वह कर सकती है। वह व्यावहारिक लेंस एजीआई समयसीमा के बारे में मेरे संदेह को आकार देता है, और मेरा मानना ​​है कि इसे आपके संदेह को भी आकार देना चाहिए।

जब लोग कहते हैं कि एजीआई जल्द ही आ रहा है तो उनका वास्तव में क्या मतलब है?

शब्द "कृत्रिम सामान्य बुद्धि" एक ऐसी प्रणाली को संदर्भित करता है जो विशिष्ट प्रशिक्षण के बिना तर्क करने, सीखने, अनुकूलित करने और ज्ञान को पूरी तरह से नए डोमेन में स्थानांतरित करने की क्षमता के साथ किसी भी बौद्धिक कार्य को कर सकता है। यह कोई चैटबॉट नहीं है जो अच्छे ईमेल लिखता हो। यह कोई छवि जनरेटर नहीं है जो फ़ोटोयथार्थवादी कला उत्पन्न करता है। यह कोई कोडिंग सहायक भी नहीं है जो किसी एप्लिकेशन को तैयार कर सके।

आज हमारे पास बड़े भाषा मॉडल और मल्टीमॉडल सिस्टम हैं जो विशाल डेटासेट में पैटर्न मिलान में उत्कृष्टता प्राप्त करते हैं। वे असाधारण उपकरण हैं. वे सामान्य बुद्धि से भी मौलिक रूप से भिन्न हैं। जब सैम ऑल्टमैन या डेमिस हसाबिस सुझाव देते हैं कि एजीआई बस आने ही वाला है, तो वे परिभाषित मापदंडों के भीतर क्षमता को ओपन-एंड अनुकूलनशीलता के साथ जोड़ रहे हैं जो सामान्य बुद्धि को परिभाषित करता है। ये एक ही चीज़ नहीं हैं, और किसी भी स्केलिंग ने उस विभाजन को पाटने का सबूत नहीं दिखाया है।

अकेले स्केलिंग सामान्य बुद्धिमत्ता उत्पन्न करने में विफल क्यों होती है?

सिलिकॉन वैली में प्रचलित सिद्धांत भ्रामक रूप से सरल है: मॉडल को बड़ा बनाएं, उन्हें अधिक डेटा खिलाएं, और सामान्य बुद्धि सामने आएगी। इस "स्केलिंग परिकल्पना" ने अरबों जीपीयू खरीद और डेटा सेंटर निर्माण को प्रेरित किया है। लेकिन अनुभवजन्य साक्ष्य अधिक जटिल कहानी बताते हैं।

बेंचमार्क पर घटते रिटर्न: गणना में प्रत्येक क्रम-परिमाण वृद्धि से तर्क कार्यों पर उत्तरोत्तर छोटे सुधार होते हैं, यह सुझाव देते हुए कि हम एक सफलता के करीब पहुंचने के बजाय एक सीमा तक पहुंच रहे हैं।

नवीन परिस्थितियों में भंगुरता: वर्तमान मॉडल अप्रत्याशित रूप से विफल हो जाते हैं जब ऐसी समस्याएं सामने आती हैं जो उनके प्रशिक्षण वितरण से थोड़ा भी विचलित होती हैं, एक मौलिक सीमा जिसे अधिक पैरामीटर हल नहीं करते हैं।

कारण संबंधी तर्क का अभाव: एलएलएम सांख्यिकीय सहसंबंध पर काम करते हैं, कारण संबंधी समझ पर नहीं। वे यह मॉडल नहीं बना सकते कि चीजें क्यों घटित होती हैं, वे केवल यह अनुमान लगाते हैं कि कौन सा पाठ अन्य पाठ का अनुसरण कर सकता है।

कोई निरंतर सीख नहीं: आज की प्रणालियाँ एक ही बातचीत से नहीं सीख सकती हैं और उस ज्ञान को आगे नहीं बढ़ा सकती हैं, जिस तरह एक मानव बच्चा एक बार गर्म स्टोव को छूने के बाद करता है।

अवतार और आधार: मानव बुद्धि शारीरिक अनुभव और संवेदी प्रतिक्रिया से गहराई से जुड़ी हुई है। कोई भी टेक्स्ट डेटा उस जमीनी समझ को दोहराता नहीं है जो दुनिया में मौजूद है।

स्केलिंग ने हमें उल्लेखनीय उपकरण दिए हैं, लेकिन इसने एक भी ऐसी प्रणाली तैयार नहीं की है जो वास्तविक समझ प्रदर्शित करती हो, और ऐसा कोई सैद्धांतिक ढांचा नहीं है जो यह सुझाव दे कि ऐसा होगा।

एजीआई समय-सीमा से अधिक वादे करने से किसे लाभ होता है?

पैसे का अनुगमन करो। प्रत्येक प्रमुख एआई प्रयोगशाला वर्तमान में ऐसे मूल्यांकन पर धन जुटा रही है जो परिवर्तनकारी, निकट अवधि की सफलताओं का अनुमान लगाती है। OpenAI की बहु-अरब डॉलर की बढ़ोतरी, Google DeepMind की आंतरिक स्थिति, और एंथ्रोपिक की सुरक्षा-फ़्रेम वाली तात्कालिकता सभी इस कथा पर निर्भर करती है कि AGI अभूतपूर्व निवेश को उचित ठहराने के लिए काफी करीब है।

"आक्रामक एजीआई टाइमलाइन का सबसे विश्वसनीय भविष्यवक्ता तकनीकी साक्ष्य नहीं बल्कि वित्तीय प्रोत्साहन है। जो लोग कथा से सबसे अधिक लाभ प्राप्त करने के लिए खड़े हैं, वे इसे बढ़ावा देने वाली सबसे ऊंची आवाजें हैं।"

इसका मतलब यह नहीं है कि ये कंपनियाँ बुरे विश्वास के साथ काम कर रही हैं। कई शोधकर्ता वास्तविक हैं

Related Posts

• macOS का अल्प-ज्ञात कमांड-लाइन सैंडबॉक्सिंग टूल (2025)
• एचएन से पूछें: क्या अभी तक कोई एलएलएम लाइसेंस नहीं है?
• सीएक्सएमटी मौजूदा बाजार दर से लगभग आधे पर डीडीआर4 चिप्स की पेशकश कर रहा है
• HN दिखाएँ: मैंने GPT-OSS-120B को Google लेंस और OpenCV का उपयोग करके देखना सिखाया