एआई वास्तव में क्या है? [वीडियो और प्रश्नोत्तरी]

संक्षिप्त उत्तर: कृत्रिम बुद्धिमत्ता (एआई) गणना तकनीकों का एक व्यापक समूह है जो पैटर्न को पहचानती है, भविष्यवाणियां करती है, सामग्री उत्पन्न करती है और तेजी से कार्रवाई भी करती है। विश्वसनीय जानकारी, स्पष्ट अनुमतियों और मानवीय समीक्षा के साथ यह अत्यधिक प्रभावी हो सकती है, लेकिन सहज आउटपुट को कभी भी सत्यता का स्वचालित प्रमाण नहीं माना जाना चाहिए।

चाबी छीनना:

जवाबदेही: महत्वपूर्ण निर्णयों के लिए लोगों को जिम्मेदार रखें, खासकर जहां एआई से महंगी गलतियां हो सकती हैं।

पारदर्शिता: यह स्पष्ट करें कि एक एआई सिस्टम किन सूचनाओं, नियमों और अनुमतियों पर निर्भर करता है।

सत्यापन: किसी भी महत्वपूर्ण तथ्यात्मक, चिकित्सा संबंधी, कानूनी, वित्तीय और व्यावसायिक जानकारी पर कार्रवाई करने से पहले उसकी जांच कर लें।

लेखापरीक्षा योग्यता: प्रतिनिधि मामलों के साथ एआई का परीक्षण करें और दक्षता में हुई वृद्धि और उत्पन्न त्रुटियों दोनों को रिकॉर्ड करें।

दुरुपयोग प्रतिरोध: पहुंच को सीमित करें, असमर्थित कार्यों को रोकें और अनिश्चित मामलों को मानव समीक्षकों के पास भेजें।

1. असल में एआई क्या है? सरल शब्दों में व्याख्या

कृत्रिम बुद्धिमत्ता, या एआई, उन कंप्यूटर प्रणालियों को संदर्भित करती है जो मानव बुद्धि से जुड़े कार्यों को करने में सक्षम हैं।

उन कार्यों में निम्नलिखित शामिल हो सकते हैं:

• भाषा को समझना

• छवियों में वस्तुओं को पहचानना

• आगे क्या होगा, इसका अनुमान लगाना

• सिफारिशें करना

• टेक्स्ट, चित्र, ऑडियो या वीडियो उत्पन्न करना

• विशाल डेटासेट में पैटर्न का पता लगाना

• उपलब्ध जानकारी के आधार पर निर्णय लेना

• उदाहरणों से सीखना

• कुछ खास तरह की समस्याओं को हल करना

यहां एक बात महत्वपूर्ण है।.

बुद्धिमान प्रतीत होने वाले परिणाम उत्पन्न करने के लिए एआई को जरूरी नहीं कि मनुष्य की तरह सोचना पड़े।

एक शतरंज प्रोग्राम इस बात की चिंता नहीं करता कि अपने बिशप की बलि देना भावनात्मक रूप से सही है या नहीं। एक अनुशंसा एल्गोरिदम उस वृत्तचित्र से व्यक्तिगत लगाव विकसित नहीं करता जिसे वह आपको बार-बार सुझाता रहता है। एक भाषा मॉडल को कंप्यूटर के अंदर रहने वाले एक छोटे से अंग्रेजी शिक्षक की आवश्यकता नहीं होती।.

इसके बजाय, ये प्रणालियाँ गणितीय मॉडल, एल्गोरिदम, प्रशिक्षण डेटा, नियमों, संभावनाओं और भारी मात्रा में गणना का उपयोग करके जानकारी संसाधित करती हैं।.

इसका अंतिम परिणाम देखने में काफी हद तक मानवीय लग सकता है।.

लेकिन इसके पीछे की कार्यप्रणाली बिल्कुल अलग है।.

यह अंतर जितना लोग समझते हैं उससे कहीं अधिक महत्वपूर्ण है।.

2. कृत्रिम बुद्धिमत्ता रोबोट के मस्तिष्क की तरह कम और भविष्यवाणी करने वाली मशीन की तरह अधिक है।

जब लोग "कृत्रिम बुद्धिमत्ता" के बारे में सुनते हैं, तो वे अक्सर किसी ऐसी चीज की कल्पना करते हैं जो कृत्रिम मानव मस्तिष्क से मिलती जुलती हो।.

यह बात समझ में आती है। विज्ञान कथा साहित्य में दशकों से कृत्रिम बुद्धिमत्ता को चमकती आंखें, भयावह आवाजें, संदिग्ध रूप से मजबूत राय और आमतौर पर किसी न किसी प्रकार का धातु का ढांचा दिया जाता रहा है।.

व्यावहारिक एआई आमतौर पर कम सिनेमाई होता है।.

कई आधुनिक एआई सिस्टम भविष्यवाणी।

एक भाषा मॉडल पर विचार करें।.

जब आप टाइप करते हैं:

बिल्ली उस पर बैठी थी..

यह प्रणाली इस बात का मूल्यांकन करती है कि सांख्यिकीय रूप से अगले शब्द के आने की कितनी संभावना है।.

संभवतः:

• चटाई

• ज़मीन

• सोफ़ा

• कुर्सी

यह सिर्फ एक वाक्य को याद करके उसे दोहराने का काम नहीं करता। एक उन्नत मॉडल शब्दों, विचारों, वाक्य संरचनाओं, अवधारणाओं, शैलियों, तथ्यों और पैटर्न के बीच जटिल संबंधों को सीख चुका होता है।.

इसके बाद यह उस क्रम का अनुमान लगाता है जो संदर्भ के लिए सबसे उपयुक्त होता है। अगले शब्द का सटीक अनुमान लगाने के लिए भाषा के बारे में काफी कुछ सीखना आवश्यक है।

और भाषा में... मूल रूप से वह सब कुछ शामिल होता है जिसके बारे में मनुष्य बात करते हैं।.

इतिहास। गणित। खाना पकाना। प्रोग्रामिंग। रिश्ते। भौतिकी। पिज्जा पर अनानास डालना चाहिए या नहीं, इस पर बहस।.

इसलिए, एक देखने में सरल लगने वाला पूर्वानुमान कार्य भी आश्चर्यजनक रूप से जटिल व्यवहार उत्पन्न कर सकता है।.

इस उपमा की भी सीमाएँ हैं, बेशक। उन्नत कृत्रिम बुद्धिमत्ता को "महज़ ऑटो-कंप्लीट" कहना कुछ ऐसा ही है जैसे किसी हवाई जहाज को "पंखों वाला कोई धातु का टुकड़ा" कहना। तकनीकी रूप से, इसमें कुछ सच्चाई छिपी हुई है, लेकिन इसका अधिकांश रोचक पहलू गायब हो चुका है।.

3. कृत्रिम बुद्धिमत्ता कैसे सीखती है?

यहीं पर मशीन लर्निंग की चर्चा शुरू होती है।

परंपरागत सॉफ्टवेयर आमतौर पर स्पष्ट निर्देशों के माध्यम से काम करता है।.

एक प्रोग्रामर इस प्रकार लिख सकता है:

• यदि उपयोगकर्ता सही पासवर्ड दर्ज करता है, तो उसे एक्सेस की अनुमति दें।.

• यदि तापमान एक निश्चित सीमा से अधिक हो जाता है, तो कूलिंग चालू कर दें।.

• यदि कोई वस्तु स्टॉक में नहीं है, तो चेतावनी प्रदर्शित करें।.

वे निर्देश जानबूझकर प्रोग्राम किए गए हैं।.

मशीन लर्निंग इस प्रक्रिया को उलट देती है।.

प्रत्येक नियम को मैन्युअल रूप से परिभाषित करने के बजाय, डेवलपर सिस्टम को उदाहरण या डेटा देते हैं और उसे पैटर्न खोजने की अनुमति देते हैं।.

कल्पना कीजिए कि आप ऐसा सॉफ्टवेयर बनाने की कोशिश कर रहे हैं जो तस्वीरों में बिल्लियों को पहचान सके।.

स्पष्ट नियम लिखना बहुत जल्द हास्यास्पद हो जाएगा।.

आप यह कोशिश कर सकते हैं:

• त्रिकोणीय कान वाले जानवरों को ढूंढें।.

• मूंछों की तलाश करें।.

• चार पैरों वाले जानवर की तलाश करें।.

• फर की तलाश करें।.

फिर कोई लोमड़ी की तस्वीर अपलोड कर देता है।.

काफी नहीं।.

या फिर एक बाघ।.

या फिर एक बिल्ली जो एक रोएँदार गोले की तरह सिकुड़ी हुई हो और जिसके पैर मुश्किल से दिखाई दे रहे हों।.

मशीन लर्निंग इस समस्या को अलग तरीके से देखती है। एक मॉडल को उदाहरणों के विशाल संग्रह पर प्रशिक्षित किया जा सकता है और धीरे-धीरे यह सीखा जा सकता है कि कौन से दृश्य पैटर्न बिल्लियों से जुड़े हैं।.

यह किसी छोटे बच्चे की तरह "बिल्ली" शब्द नहीं सीख रहा है।.

लेकिन गणितीय रूप से, यह मॉडल श्रेणी से जुड़े पैटर्न की पहचान करने में उत्तरोत्तर अधिक सक्षम होता जाता है।.

संक्षेप में कहें तो यही है मशीन लर्निंग - हालांकि इस संक्षेप में ही रैखिक बीजगणित के कई भंडार समाहित हैं।.

4. कृत्रिम बुद्धिमत्ता बनाम मशीन लर्निंग बनाम डीप लर्निंग

इन शब्दों को अक्सर आपस में मिला दिया जाता है, इसका एक कारण यह भी है कि लोग "एआई" को लगभग हर चीज के लिए एक व्यापक शब्द के रूप में इस्तेमाल करते हैं।.

इन्हें अलग करने का एक सरल तरीका यह है।.

कृत्रिम बुद्धिमत्ता एक व्यापक क्षेत्र है।

मशीन लर्निंग एक ऐसा तरीका है जिसका उपयोग कृत्रिम बुद्धिमत्ता प्रणाली बनाने के लिए किया जाता है।

डीप लर्निंग एक विशेष प्रकार की मशीन लर्निंग है जिसमें कई परतों वाले बड़े न्यूरल नेटवर्क शामिल होते हैं।

फिर जनरेटिव एआई है , जो टेक्स्ट, इमेज, म्यूजिक, कोड, स्पीच या वीडियो जैसे नए आउटपुट बनाने पर केंद्रित है।

तुलना तालिका

अवधि	सामान्य उपयोग	इसका मूल अर्थ क्या है?	इसे समझने का एक आसान तरीका
कृत्रिम होशियारी	बुद्धिमान प्रतीत होने वाले कार्यों को करने वाली मशीनों की व्यापक श्रेणी	रोबोटिक्स, सहायक, योजना, अनुशंसाएँ	बड़ी छतरी
यंत्र अधिगम	सिस्टम डेटा से पैटर्न सीखते हैं	धोखाधड़ी का पता लगाना, सुझाव देना, पूर्वानुमान लगाना	उदाहरणों से सीखना
डीप लर्निंग	मल्टी-लेयर न्यूरल नेटवर्क का उपयोग करके मशीन लर्निंग	दृष्टि, वाक्, उन्नत भाषा मॉडल	एमएल, लेकिन उससे कहीं अधिक गहरा... सचमुच
जनरेटिव एआई	नई सामग्री तैयार करने के लिए डिज़ाइन की गई एआई	पाठ, चित्र, कोड, ऑडियो	रचनात्मक शाखा
स्वचालन	सॉफ्टवेयर पूर्वनिर्धारित प्रक्रियाओं का पालन करता है	दोहराव वाले कार्यप्रवाह, डेटा प्रविष्टि	आमतौर पर नियम, न कि "सीखना"।

यह अंतर महत्वपूर्ण है क्योंकि हर स्वचालित प्रणाली एआई नहीं होती है।.

अगर आपकी कॉफी बनाने की मशीन दस मिनट बाद अपने आप बंद हो जाती है, तो बधाई हो - शायद आपके पास कोई कृत्रिम बुद्धिमत्ता प्रयोगशाला नहीं है।.

यह सिर्फ एक टाइमर है।.

5. न्यूरल नेटवर्क क्या हैं?

न्यूरल नेटवर्क गणितीय प्रणालियाँ हैं जो जैविक न्यूरॉन्स से प्रेरित हैं।.

इस वाक्यांश से वे रहस्यमय प्रतीत होते हैं। वे सचमुच में कंप्यूटर के अंदर तैरते हुए कृत्रिम मस्तिष्क नहीं हैं।.

एक न्यूरल नेटवर्क परस्पर जुड़े गणितीय इकाइयों से मिलकर बना होता है जो सूचना को संसाधित करते हैं।.

प्रशिक्षण के दौरान, नेटवर्क आंतरिक संख्यात्मक मानों को समायोजित करता है जिन्हें पैरामीटर या भार।

इन समायोजनों से सिस्टम को मूल्यवान परिणाम उत्पन्न करने में बेहतर बनने में मदद मिलती है।.

इसे एक बेहद जटिल नियंत्रण पैनल की तरह समझें जिसमें संभवतः अरबों छोटे समायोज्य नॉब हो सकते हैं।.

प्रशिक्षण उन कारकों को बार-बार समायोजित करता रहता है।.

गलत उत्तर?

घुंडियों को समायोजित करें।.

बेहतर जवाब?

उन्हें अलग-अलग तरीके से समायोजित करें।.

ऐसा पर्याप्त बार, पर्याप्त डेटा पर और पर्याप्त कंप्यूटिंग शक्ति के साथ करने पर, नेटवर्क जटिल आंतरिक प्रतिनिधित्व विकसित करना शुरू कर देता है जो इसे पैटर्न को पहचानने और उत्पन्न करने की अनुमति देता है।.

बेशक, "घुंडी को समायोजित करें" कहना दशकों पुराने कंप्यूटर विज्ञान को किसी पुराने रेडियो को ट्यून करने जैसा लगता है... लेकिन एक मानसिक मॉडल के रूप में, यह आश्चर्यजनक रूप से अच्छी तरह से काम करता है।.

6. एआई अचानक इतना अधिक स्मार्ट क्यों लगने लगा है?

कृत्रिम बुद्धिमत्ता कोई ऐसी चीज नहीं है जो रातोंरात प्रकट हुई हो।.

यह अंतर्निहित क्षेत्र लंबे समय से मौजूद है।.

जो परिवर्तन हुआ वह कई बलों का एक साथ तीव्र होना था।.

अधिक कंप्यूटिंग क्षमता

आधुनिक प्रोसेसर बड़ी संख्या में गणनाएँ तेज़ी से कर सकते हैं, विशेष रूप से तंत्रिका नेटवर्क के लिए आवश्यक गणनाएँ। प्रशिक्षण कंप्यूटिंग क्षमता में आधुनिक कृत्रिम बुद्धिमत्ता प्रणालियों की प्रगति का एक महत्वपूर्ण कारक रही है।

अधिक डेटा

डिजिटल दुनिया में टेक्स्ट, इमेज, ऑडियो, वीडियो, कोड और संरचित जानकारी की विशाल मात्रा मौजूद है।.

परिष्कृत मॉडलों को प्रशिक्षित करने के लिए उदाहरणों की आवश्यकता होती है - और वह भी बहुत सारे।.

बेहतर एल्गोरिदम

शोधकर्ता कृत्रिम बुद्धिमत्ता प्रणालियों को प्रशिक्षित करने के लिए उपयोग की जाने वाली संरचनाओं और विधियों में लगातार सुधार करते रहते हैं।.

बड़े मॉडल

पैरामीटरों की संख्या बढ़ाने, डेटासेट में सुधार करने और गणना क्षमता बढ़ाने से अक्सर आश्चर्यजनक रूप से सक्षम मॉडल तैयार होते हैं। गणना-अनुकूल भाषा-मॉडल प्रशिक्षण पर किए गए शोध से यह भी पता चलता है कि पैरामीटरों की संख्या को अधिकतम करने के बजाय मॉडल के आकार, डेटा और गणना क्षमता के बीच संतुलन बनाना आवश्यक है।.

बेहतर इंटरफेस

इस हिस्से को कम आंकना आसान है।.

एआई अब पहले से कहीं अधिक सुलभ लगता है क्योंकि आम लोग अब रोजमर्रा की भाषा के माध्यम से उन्नत प्रणालियों के साथ बातचीत कर सकते हैं।.

आपको प्रोग्रामिंग समझने की जरूरत नहीं है।.

आप सीधे पूछ सकते हैं:

"मॉर्गेज को ऐसे समझाओ जैसे मैं बारह साल का बच्चा हूँ।"

या:

"इन मीटिंग नोट्स को ईमेल में बदल दें।"

या:

"मुझे चिकन, चावल और मेरे फ्रिज में धीरे-धीरे खराब हो रही सब्जियों का उपयोग करके डिनर के पांच आइडिया बताएं।"

वह इंटरफेस परिवर्तन बहुत बड़ा है।.

जब लोगों को किसी तकनीक का उपयोग करने के लिए मैनुअल की आवश्यकता नहीं रह जाती है, तो उसकी लोकप्रियता में जबरदस्त उछाल आने लगता है।.

7. जब आप एआई से कोई प्रश्न पूछते हैं तो वह क्या करता है?

एक आधुनिक एआई सहायक पर विचार करें।.

आप टाइप करें:

"पांच साल के बच्चे को गुरुत्वाकर्षण समझाएं।"

पर्दे के पीछे, सिस्टम आपके टेक्स्ट को टोकन।

टोकन पूरे शब्दों, शब्दों के हिस्सों, विराम चिह्नों या भाषा के अन्य खंडों का प्रतिनिधित्व कर सकते हैं।.

उन टोकनों को मॉडल के माध्यम से संसाधित किया जाता है।.

यह मॉडल आपके अनुरोध के विभिन्न भागों के बीच संबंधों की जांच करता है, संदर्भ पर विचार करता है और एक उपयोगी निरंतरता की भविष्यवाणी करता है।.

फिर एक और टोकन।.

फिर एक और।.

फिर एक और।.

यह बहुत तेजी से होता है।.

परिणामस्वरूप जो पैराग्राफ बनता है, वह देखने में ऐसा लगता है मानो किसी ने उसे एक संपूर्ण विचार के रूप में रचा हो, लेकिन तकनीकी रूप से इसे क्रमबद्ध तरीके से तैयार किया गया था।.

यह एआई की सबसे विचित्र विशेषताओं में से एक है।.

परिणाम जानबूझकर किया गया प्रतीत हो सकता है, भले ही अंतर्निहित प्रक्रिया संभाव्य हो।.

यह किसी विशाल डेटाबेस से तैयार उत्तर निकालने की बजाय तात्कालिक प्रतिक्रिया जैसा अधिक लगता है।.

यह बिल्कुल तात्कालिक रचना तो नहीं है, लेकिन रूपक के तौर पर इसका इस्तेमाल करने के लिए काफी हद तक यह उसके करीब है।.

8. क्या एआई चीजों को समझता है?

यह प्रश्न बहुत जल्दी दार्शनिक रूप ले लेता है।.

क्या कोई कृत्रिम बुद्धिमत्ता प्रणाली वास्तव में भाषा को "समझती" है?

इसका उत्तर काफी हद तक इस बात पर निर्भर करता है कि आप समझने से क्या तात्पर्य रखते हैं।.

आधुनिक एआई मॉडल अवधारणाओं को परिष्कृत तरीकों से स्पष्ट रूप से हेरफेर कर सकते हैं।.

वे ये कर सकते हैं:

• विचारों की व्याख्या करें

• तर्कों की तुलना करें

• पाठ को दोबारा लिखें

• भाषाओं का अनुवाद करें

• कई संरचित समस्याओं को हल करें

• कार्यशील कोड जनरेट करें

• पैटर्न की पहचान करें

• जटिल निर्देशों का पालन करें

• अवधारणाओं को नए तरीकों से संयोजित करें

बाहर से देखने पर, यह काफी हद तक समझदारी जैसा लग सकता है।.

लेकिन मशीन की बुद्धिमत्ता और मानव संज्ञानात्मक क्षमता में महत्वपूर्ण अंतर हैं।.

मनुष्य भौतिक जगत का अनुभव करते हैं।.

हमें भूख, दर्द, शर्मिंदगी, ऊब, स्नेह और यह एहसास होने पर अजीब सी घबराहट महसूस होती है कि हमारे फोन की बैटरी केवल 2 प्रतिशत बची है।.

कृत्रिम बुद्धिमत्ता प्रणालियों के पास जरूरी नहीं कि कोई समकक्ष वास्तविक जीवन का अनुभव हो।.

वे अभ्यावेदन को संसाधित करते हैं।.

इसलिए, यह पूछना कि क्या कोई एआई किसी बात को "समझता" है, यह पूछने के समान है कि क्या कोई पनडुब्बी तैरती है।.

यह पानी में जरूर चलता है।.

लेकिन शायद "तैराकी" शब्द बिल्कुल सही नहीं है।.

9. कृत्रिम बुद्धिमत्ता को स्वतः यह पता नहीं होता कि क्या सत्य है।

जनरेटिव एआई के बारे में यह सबसे महत्वपूर्ण बिंदुओं में से एक है।.

एक मॉडल ऐसा कथन उत्पन्न कर सकता है जो अत्यंत विश्वसनीय प्रतीत होता है, भले ही वह कथन सही न हो।.

क्यों?

क्योंकि तर्कसंगत भाषा उत्पन्न करना और वस्तुनिष्ठ सत्य को सत्यापित करना अलग-अलग समस्याएं हैं।.

एक एआई प्रणाली अनिश्चितता का सामना कर सकती है और फिर भी आत्मविश्वास से भरा उत्तर दे सकती है।.

इन त्रुटियों को अक्सर मतिभ्रम।

उदाहरण के लिए, एआई निम्न कार्य कर सकता है:

• एक सांख्यिकी का आविष्कार करें

• किसी उद्धरण का गलत श्रेय देना

• दो समान लोगों को भ्रमित करना

• अस्तित्वहीन संदर्भ उत्पन्न करें

• अस्पष्ट निर्देशों की गलत व्याख्या करना

• सूक्ष्म गणितीय त्रुटियाँ करें

भाषा मॉडल आत्मविश्वासपूर्ण लहजे में मनगढ़ंत उद्धरण, अध्ययन, संदर्भ और अन्य गलत जानकारी उत्पन्न कर सकते हैं। NIST ने विशेष रूप से आत्मविश्वास से व्यक्त की गई झूठी सामग्री और मनगढ़ंत संदर्भों को जनरेटिव AI के लिए एक जोखिम के रूप में पहचाना है।.

विडंबना यह है कि ये प्रणालियाँ जितनी अधिक सक्षम प्रतीत होती हैं, इस बात को भूलना उतना ही आसान हो जाता है।.

परिष्कृत भाषा आत्मविश्वास पैदा करती है।.

लेकिन आत्मविश्वास प्रमाण नहीं है।.

चिकित्सा, कानून, वित्त, सुरक्षा या बड़े व्यावसायिक निर्णयों जैसे क्षेत्रों से संबंधित महत्वपूर्ण जानकारी के लिए, सत्यापन अभी भी मायने रखता है।.

बहुत थोड़ा।.

10. एआई और सर्च इंजन एक ही चीज़ नहीं हैं।

एक और आम गलतफहमी एआई और सर्च को एक ही चीज मानना ​​है।.

वे नहीं हैं।.

एक पारंपरिक सर्च इंजन मुख्य रूप से मौजूदा जानकारी का पता लगाने में मदद करता है।.

जनरेटिव एआई सिस्टम मुख्य रूप से सीखे हुए पैटर्न, उपलब्ध संदर्भ और उपलब्ध अन्य उपकरणों के आधार पर प्रतिक्रिया उत्पन्न करता है। जनरेटिव मॉडल बड़े डेटासेट में पैटर्न और संबंधों को सीखते हैं और उन पैटर्न का उपयोग करके नए आउटपुट बनाते हैं।

कल्पना कीजिए कि आप पूछ रहे हैं:

सर्च इंजन: "प्रकाश संश्लेषण को समझाने के सर्वोत्तम तरीके"

आपको आमतौर पर जांच करने के लिए पृष्ठ प्राप्त होते हैं।.

अगर आप किसी एआई असिस्टेंट से यही सवाल पूछेंगे तो आपको शायद यह जवाब मिलेगा:

• एक सरल व्याख्या

• कक्षा का एक उदाहरण

• प्रश्न पूछने का खेल

• एक पाठ योजना

• बच्चों के लिए एक कहानी

• एक विस्तृत वैज्ञानिक संस्करण

खोज परिणाम प्राप्त करती है।.

जनरेटिव एआई संश्लेषण करता है।.

आधुनिक प्रणालियाँ दोनों दृष्टिकोणों को संयोजित कर सकती हैं, जिससे अंतर तेजी से धुंधला होता जा रहा है, लेकिन उपकरण वैचारिक रूप से भिन्न बने रहते हैं।.

11. एआई कौन-कौन से काम अच्छे से कर सकता है?

कृत्रिम बुद्धिमत्ता (एआई) विशेष रूप से पैटर्न-प्रधान, सूचना-समृद्ध और रूपांतरण कार्यों में अच्छा प्रदर्शन करती है।.

इसके उपयोगी अनुप्रयोगों में शामिल हैं:

लेखन सहायता

एआई पाठ का मसौदा तैयार कर सकता है, उसे दोबारा लिख ​​सकता है, सारांशित कर सकता है और उसकी संरचना को पुनर्गठित कर सकता है।.

प्रोग्रामिंग

मॉडल कोड उत्पन्न कर सकते हैं, त्रुटियों की व्याख्या कर सकते हैं, सुधारों का सुझाव दे सकते हैं और डेवलपर्स को अपरिचित प्रणालियों को समझने में मदद कर सकते हैं।.

डेटा विश्लेषण

कृत्रिम बुद्धिमत्ता (एआई) पैटर्न की पहचान करने, डेटासेट की व्याख्या करने और जटिल निष्कर्षों को समझने योग्य भाषा में परिवर्तित करने में सहायता कर सकती है।.

छवि निर्माण

जनरेटिव मॉडल विवरणों से चित्र, अवधारणाएं, उत्पाद मॉकअप, कलाकृति और दृश्य विविधताएं बना सकते हैं।.

अनुवाद

उन्नत मॉडल सरल शब्द-दर-शब्द प्रणालियों की तुलना में अधिक संदर्भ को संरक्षित करते हुए भाषाओं के बीच अनुवाद कर सकते हैं।.

शिक्षा

एआई किसी व्यक्ति के ज्ञान के स्तर के आधार पर एक ही अवधारणा को कई अलग-अलग तरीकों से समझा सकता है।.

ग्राहक सहेयता

कंपनियां सामान्य प्रश्नों के उत्तर देने और जटिल मामलों को सुलझाने में मदद के लिए एआई का उपयोग कर सकती हैं।.

बुद्धिशीलता

एआई तब विशेष रूप से प्रभावी हो सकता है जब आपके पास बौद्धिक रूप से खाली रेफ्रिजरेटर के समान कुछ हो।.

आप कोणों, नामों, अवधारणाओं, संरचनाओं या संभावनाओं के बारे में पूछ सकते हैं - फिर तय करें कि क्या रखना उचित है।.

यही अक्सर एआई के साथ सबसे स्वस्थ कामकाजी संबंध होता है।.

"मशीन इंसान की जगह ले लेगी" ऐसा नहीं है।

अधिक की तरह:

मानव + मशीन = विचारों का पहला मसौदा तेजी से तैयार करना।.

12. एआई अभी भी किन चीजों में कमजोर है?

इसके प्रति इतना ध्यान आकर्षित करने के बावजूद, वर्तमान एआई में अभी भी काफी कमियां हैं।.

कुछ बातें तो तुरंत स्पष्ट हो जाती हैं।.

अन्य समस्याएं तभी सामने आती हैं जब आप किसी जटिल कार्य के लिए सिस्टम पर निर्भर होते हैं।.

एआई को इन मामलों में कठिनाई हो सकती है:

• अत्यंत सटीक तथ्यात्मक शुद्धता

• असामान्य सीमांत मामले

• तर्क की लंबी श्रृंखलाएँ

• अस्पष्ट निर्देश

• सामान्य ज्ञान पर आधारित धारणाएँ जिन पर मनुष्य शायद ही ध्यान देते हैं

• अव्यक्त भावनात्मक संदर्भ को समझना

• जानकारी की सत्यता की पुष्टि करना

• भौतिक जगत के अनुभव की आवश्यकता वाले कार्य

• जटिल परियोजनाओं में एकरूपता

यहां तक ​​कि अत्यधिक सक्षम भाषा मॉडल भी तथ्यात्मक और तर्क संबंधी त्रुटियां कर सकते हैं, और कठिन मानदंड महत्वपूर्ण सीमाओं को उजागर करते रहते हैं।

एक और समस्या यह है कि एआई बहुत कम प्रयास से औसत दर्जे के दिखने वाले उत्तर।

दस व्यावसायिक नामों के लिए पूछें?

हो गया।.

क्या आप ब्लॉग पोस्ट चाहते हैं?

आसान।.

मार्केटिंग के लिए सुझाव मांगें?

ज़रूर।.

लेकिन किसी चीज का सृजन करना और वास्तव में मौलिक, व्यावसायिक रूप से मूल्यवान, भावनात्मक रूप से बुद्धिमान या रणनीतिक रूप से सुदृढ़ कार्य का निर्माण करना एक ही बात नहीं है।.

स्वाद का स्रोत आज भी मनुष्य ही हैं।.

स्वाद मायने रखता है।.

शायद पहले से भी ज्यादा।.

13. क्या कृत्रिम बुद्धिमत्ता सचेत होती है?

अब हम उस हिस्से पर पहुँचते हैं जहाँ रात के खाने के दौरान होने वाली बातचीत विचित्र हो जाती है।.

वर्तमान एआई सिस्टम ऐसी भाषा उत्पन्न कर सकते हैं जो भावनात्मक, विचारशील और आत्म-जागरूक प्रतीत होती है।.

इसका यह मतलब नहीं है कि वे चेतना का अनुभव करते हैं।.

भाषा मॉडल को विशेष रूप से भाषा उत्पन्न करने के लिए प्रशिक्षित किया जाता है।.

और मनुष्य स्वाभाविक रूप से धाराप्रवाह भाषा को इस बात के प्रमाण के रूप में समझते हैं कि इसके पीछे किसी अन्य मस्तिष्क का अस्तित्व है।.

आमतौर पर, यह एक तर्कसंगत धारणा है।.

जब कोई दूसरा इंसान कहता है, "मैं चिंतित हूँ," तो हम स्वाभाविक रूप से यह मान लेते हैं कि उसके अंदर कोई भावनात्मक स्थिति मौजूद है।.

कृत्रिम बुद्धिमत्ता के मामले में, यह धारणा जरूरी नहीं कि उचित हो।.

एक सिस्टम निम्नलिखित उत्पन्न कर सकता है:

मुझे मदद करने में खुशी होगी।

इसका यह मतलब नहीं है कि सर्वर के अंदर कोई अदृश्य छोटा भावुक प्राणी है जो एक शानदार दोपहर बिता रहा है।.

सबसे कठिन दार्शनिक प्रश्न यह है कि क्या मशीन चेतना कभी उत्पन्न हो सकती है।.

किसी के पास भी ऐसा कोई सरल परीक्षण नहीं है जो इस बहस को पूरी तरह से सुलझा सके।

लेकिन केवल बातचीत में धाराप्रवाह होने को ही प्रमाण नहीं मान लेना चाहिए। सचेत या "शक्तिशाली" कृत्रिम बुद्धिमत्ता जैसी अवधारणाएँ आज की प्रणालियों की स्थापित विशेषता होने के बजाय सैद्धांतिक बनी हुई हैं।.

14. संकीर्ण कृत्रिम बुद्धिमत्ता बनाम कृत्रिम सामान्य बुद्धिमत्ता

अधिकांश एआई सिस्टम अभी भी विशिष्ट क्षमताओं के इर्द-गिर्द ही निर्मित होते हैं।.

इन्हें अक्सर नैरो एआई।

उदाहरणों में निम्नलिखित के लिए डिज़ाइन किए गए सिस्टम शामिल हैं:

• छवि पहचान

• भाषा निर्माण

• सिफारिश

• ड्राइविंग सहायता

• मेडिकल इमेजिंग

• धोखाधड़ी का पता लगाना

• वाक् पहचान

कृत्रिम सामान्य बुद्धिमत्ता, जिसे आमतौर पर एजीआई, मशीन बुद्धिमत्ता के एक बहुत व्यापक काल्पनिक स्तर को संदर्भित करता है।

यह अवधारणा एक ऐसी प्रणाली की है जो कई क्षेत्रों में बौद्धिक कार्यों को सीखने और करने में सक्षम हो, लगभग मानव-स्तर की क्षमता के बराबर या उससे भी अधिक।.

सीमा पूरी तरह से परिभाषित नहीं है।.

यही तो मुश्किल का एक हिस्सा है।.

विभिन्न शोधकर्ता, कंपनियां और टिप्पणीकार "एजीआई" का अलग-अलग तरीके से उपयोग करते हैं, इसलिए बातचीत अनजाने में ही तीन लोगों के बीच अलग-अलग परिभाषाओं पर गरमागरम बहस में बदल सकती है। फिलहाल, इस बात पर कोई व्यापक अकादमिक सहमति नहीं है कि वास्तव में एजीआई किसे माना जाना चाहिए।

दूसरे शब्दों में कहें तो, यह इंटरनेट पर आम व्यवहार है।.

15. प्रशिक्षण डेटा इतना महत्वपूर्ण क्यों है?

कृत्रिम बुद्धिमत्ता प्रणालियाँ उदाहरणों से पैटर्न सीखती हैं, इसलिए उन उदाहरणों की गुणवत्ता अत्यंत महत्वपूर्ण होती है।.

इसलिए प्रशिक्षण डेटा अत्यंत महत्वपूर्ण हो जाता है।.

कल्पना कीजिए कि आप किसी को शेफ बनने के लिए प्रशिक्षित कर रहे हैं, लेकिन आप उन्हें केवल टोस्ट बनाने की रेसिपी ही दे रहे हैं।.

वे टोस्ट बनाने में माहिर हो सकते हैं।.

शायद, मिशेलिन स्तर का टोस्ट।.

लेकिन उन्हें ऑक्टोपस देकर रात के खाने के लिए पूछना दिलचस्प हो सकता है।.

एआई भी इसी तरह काम करता है।.

प्रशिक्षण सामग्री की गुणवत्ता, विविधता और प्रासंगिकता इस बात को प्रभावित करती है कि मॉडल क्या सीखते हैं । जनरेटिव सिस्टम पारंपरिक डेटाबेस की तरह काम करने के बजाय अपने प्रशिक्षण डेटा से सांख्यिकीय पैटर्न और संबंधों को सीखते हैं।

डेटासेट में मौजूद समस्याएं आउटपुट में भी सामने आ सकती हैं, जिनमें शामिल हैं:

• पक्षपात

• ज्ञान का अभाव

• बार-बार दोहराई जाने वाली गलत धारणाएँ

• अल्प प्रतिनिधित्व वाले क्षेत्रों में कमजोर प्रदर्शन

• कुछ भाषाई या सांस्कृतिक पैटर्नों का अतिप्रतिनिधित्व

मशीन लर्निंग मॉडल पूर्वाग्रह के प्रति संवेदनशील हो सकते हैं क्योंकि प्रशिक्षण उदाहरणों का चयन और संकलन किस प्रकार किया जाता है, और असंतुलित या अपूर्ण डेटा मॉडल के प्रदर्शन को प्रभावित कर सकता है।.

इसलिए डेवलपर्स प्रारंभिक प्रशिक्षण के बाद डेटासेट को बेहतर बनाने, सामग्री को फ़िल्टर करने और मॉडल को परिष्कृत करने में बहुत अधिक प्रयास करते हैं।.

मॉडल आर्किटेक्चर मायने रखता है।.

कंप्यूटिंग क्षमता भी मायने रखती है।.

लेकिन डेटा हर चीज के नीचे चुपचाप पाइपलाइन की तरह मौजूद रहता है - जब तक कुछ गड़बड़ नहीं होती, कोई इसके बारे में बात नहीं करता।.

16. प्रशिक्षण के बाद एआई मॉडल कैसे बेहतर होते हैं

प्रारंभिक प्रशिक्षण जरूरी नहीं कि अंतिम चरण हो।.

मॉडलों को अतिरिक्त प्रक्रियाओं से गुजारा जा सकता है, जिन्हें उन्हें अधिक सक्षम और विश्वसनीय बनाने के लिए डिज़ाइन किया गया है।.

इसमें सिस्टम को निम्नलिखित बातें सिखाना शामिल हो सकता है:

• निर्देशों का अधिक भरोसेमंद ढंग से पालन करें

• हानिकारक परिणामों से बचें

• उत्तरों को उचित प्रारूप में प्रस्तुत करें।

• कुछ अनुरोधों को अस्वीकार करें

• स्पष्ट उत्तरों को प्राथमिकता दें

• उपकरणों का उपयोग करें

• मानवीय प्रतिक्रिया का पालन करें

• बातचीत को बेहतर ढंग से संभालें

यह प्रक्रिया व्यापक रूप से संरेखण से जुड़ी है । उदाहरण के लिए, मानव-प्रतिक्रिया तकनीकों का उपयोग निर्देश पालन में सुधार करने और पूर्व-प्रशिक्षण के बाद भाषा मॉडल को वांछित व्यवहार की ओर निर्देशित करने के लिए किया गया है।

संरेखण का अर्थ है एआई के व्यवहार को मानवीय इरादों, नियमों और प्राथमिकताओं को बेहतर ढंग से प्रतिबिंबित करने का प्रयास करना।.

सरल वाक्य।.

यह एक अत्यंत कठिन इंजीनियरिंग समस्या है।.

मनुष्य इस बात पर भी सहमत नहीं हो पाते कि पिज्जा के लिए कौन सी टॉपिंग अच्छी होती है, इसलिए "मनुष्य क्या चाहते हैं" को शक्तिशाली कम्प्यूटेशनल सिस्टम में कोडित करना... महत्वाकांक्षी है।.

17. एआई एजेंट: जब एआई कार्रवाई करना शुरू करता है

एक सामान्य चैटबॉट ज्यादातर प्रॉम्प्ट का जवाब देता है।.

एक कृत्रिम बुद्धिमत्ता एजेंट किसी लक्ष्य को पूरा करने की दिशा में कदम उठा सकता है। कृत्रिम बुद्धिमत्ता एजेंटों को आमतौर पर ऐसे सिस्टम के रूप में वर्णित किया जाता है जो स्वायत्त रूप से कार्यों को पूरा करने, कार्यप्रवाह की योजना बनाने और उपलब्ध उपकरणों का उपयोग करने में सक्षम होते हैं।

कल्पना कीजिए कि आप किसी एआई से कह रहे हैं:

"मेरी व्यावसायिक यात्रा का आयोजन करो।"

एक मानक भाषा मॉडल एक यात्रा कार्यक्रम तैयार कर सकता है।.

सैद्धांतिक रूप से एक एजेंट-शैली प्रणाली कई परस्पर संबंधित क्रियाएं कर सकती है:

1. उपलब्ध यात्रा विकल्पों की जाँच करें।.

2. समय-सारणी की तुलना करें।.

3. उपयुक्त आवास की पहचान करें।.

4. कैलेंडर में इवेंट जोड़ें।.

5. सामान पैक करने की सूची तैयार करें।.

6. यदि कोई बदलाव होता है तो योजनाओं को अपडेट करें।.

अंतर क्रिया और दृढ़ता में।

किसी एक प्रश्न का उत्तर देने के बजाय, सिस्टम कार्यों के एक क्रम के माध्यम से काम करता है।.

यही एक कारण है कि एआई एजेंट इतनी रुचि जगाते हैं।.

वे कृत्रिम बुद्धिमत्ता को सामग्री उत्पन्न करने वाले उपकरण से बदलकर सॉफ्टवेयर ऑपरेटर के करीब लाने की दिशा में काम कर रहे हैं।.

यह बदलाव बेहद फायदेमंद साबित हो सकता है - और साथ ही यह अनुमतियों, विश्वसनीयता और नियंत्रण के बारे में गंभीर सवाल भी खड़े करता है। NIST ने विशेष रूप से उन एजेंटों के संबंध में सुरक्षा और विश्वसनीयता संबंधी चिंताओं को उजागर किया है जो टूल्स, एप्लिकेशन और डेटा तक पहुंच सकते हैं।

आप शायद नहीं चाहेंगे कि कोई उत्साही एल्गोरिदम गलती से बारह होटल के कमरे बुक कर दे क्योंकि उसने "टीम ट्रिप" को गलत समझा है।

18. कृत्रिम बुद्धिमत्ता को समझना एक अधिक महत्वपूर्ण प्रश्न क्यों बनता जा रहा है?

यह सवाल कि एआई वास्तव में क्या है? अकादमिक लगता था।

अब यह पहले से कहीं अधिक व्यावहारिक और तात्कालिक हो गया है।.

एआई उन उपकरणों में दिखाई दे रहा है जिनका उपयोग निम्नलिखित कार्यों के लिए किया जाता है:

• काम

• शिक्षा

• रचनात्मकता

• सॉफ्टवेयर डेवलपमेंट

• स्वास्थ्य देखभाल

• मिडिया

• वित्त

• संचार

• अनुसंधान

• मनोरंजन

बुनियादी बातों को समझने से लोगों को बेहतर निर्णय लेने में मदद मिलती है।.

आपको मशीन लर्निंग इंजीनियर बनने की जरूरत नहीं है।.

लेकिन भविष्यवाणी और निश्चितता, उत्पादन और पुनर्प्राप्ति, स्वचालन और बुद्धिमत्ता के बीच अंतर जानने से आश्चर्यजनक रूप से कई गलतियों को रोका जा सकता है।.

यह मार्केटिंग की भाषा को समझने में भी मदद करता है।.

क्योंकि कंपनियों को चीजों के साथ "एआई" शब्द जोड़ना बहुत पसंद है।.

कभी-कभी उचित भी।.

कभी-कभी ऐसा इसलिए होता है क्योंकि "एडवांस्ड प्रेडिक्टिव आर्टिफिशियल इंटेलिजेंस प्लेटफॉर्म" सुनने में "फैंसी बटन वाली स्प्रेडशीट" से कहीं ज्यादा रोमांचक लगता है।

19. क्या एआई लोगों की जगह ले लेगा?

एआई पर चल रही चर्चा में यह शायद सबसे भावनात्मक रूप से संवेदनशील प्रश्न है।.

सरलीकृत उत्तर शायद ही कभी सही साबित होते हैं।.

"एआई सबकी जगह ले लेगा।"

शायद कुछ ज्यादा ही नाटकीय हो गया।.

"एआई से नौकरियों पर कोई असर नहीं पड़ेगा।"

साथ ही, इसे गंभीरता से लेना भी मुश्किल है।.

प्रौद्योगिकी आमतौर पर पूरे व्यवसायों को बदलने से पहले कार्यों को बदल देती है। वर्तमान श्रम बाजार अनुसंधान अक्सर कार्य स्तर, और स्वचालन के प्रभाव का मतलब यह नहीं है कि पूरी नौकरी ही समाप्त हो जाएगी।

एक मार्केटर एआई का उपयोग इन कामों के लिए कर सकता है:

• बुद्धिशीलता

• मसौदा

• अनुसंधान संगठन

• विश्लेषण

• सामग्री में विविधताएँ

लेकिन रणनीति, विवेक, ब्रांड की समझ और निर्णय लेने में अभी भी काफी मानवीय भागीदारी की आवश्यकता होती है।.

एक प्रोग्रामर दोहराव वाले कोड को उत्पन्न करने के लिए एआई का उपयोग कर सकता है, जिससे वह सिस्टम डिजाइन करने में अधिक समय व्यतीत कर सके।.

एक डिजाइनर जल्दी से दर्जनों शुरुआती अवधारणाएं तैयार कर सकता है और फिर उनमें से सबसे मजबूत अवधारणा को परिष्कृत कर सकता है।.

एक शिक्षक अभ्यास अभ्यास तैयार करने के लिए एआई का उपयोग कर सकता है, लेकिन फिर भी प्रोत्साहन, निर्णय और कक्षा नेतृत्व प्रदान कर सकता है।.

अधिक व्यावहारिक प्रश्न अक्सर यह नहीं होता:

"क्या एआई इस नौकरी की जगह ले लेगा?"

इसका:

"इस काम के कौन से हिस्से आसान, सस्ते, तेज या स्वचालित हो जाते हैं?"

यह कहीं अधिक व्यावहारिक प्रश्न है।.

20. एआई की सबसे बड़ी खूबी शायद निर्णय लेने की क्षमता ही हो सकती है।

लोग अक्सर यह मान लेते हैं कि महत्वपूर्ण कौशल एक उपयुक्त प्रश्न लिखने में है।.

प्रोत्साहन देना महत्वपूर्ण है।.

निर्णय क्षमता अधिक मायने रखती है।.

यदि कोई एआई आपको पांच सुझाव देता है, तो क्या आप सबसे अच्छे सुझाव की पहचान कर सकते हैं?

यदि इससे आत्मविश्वासपूर्ण उत्तर मिलता है, तो क्या आप यह महसूस कर सकते हैं कि कुछ गड़बड़ है?

यदि इससे स्वीकार्य लेखन प्राप्त होता है, तो क्या आप इसे वास्तव में अच्छा बना सकते हैं?

यदि सभी के पास समान शक्तिशाली उपकरण उपलब्ध हों, तो लाभ ज्ञान की ओर स्थानांतरित हो जाता है:

• क्या पूछना है

• किन चीजों को नजरअंदाज करना चाहिए

• क्या सत्यापित करना है

• क्या संपादित करें

• क्या मायने रखती है

• एआई का उपयोग कब बिल्कुल नहीं करना चाहिए

इसीलिए एआई साक्षरता केवल तकनीकी साक्षरता नहीं है।.

यह आलोचनात्मक सोच है।.

यह मशीन अविश्वसनीय गति से विकल्प उत्पन्न कर सकती है।.

आपको अभी भी यह तय करना है कि कौन सी सड़क दलदल की ओर नहीं जाती है।.

21. तो... असल में एआई क्या है?

शब्दावली को हटा दें तो कृत्रिम बुद्धिमत्ता मूल रूप से एक ऐसी तकनीक है जो पैटर्न पहचान, भविष्यवाणी, सृजन, निर्णय लेने या अन्य क्षमताओं की आवश्यकता वाले कार्यों को करने के लिए कम्प्यूटेशनल विधियों का उपयोग करती है जिन्हें हम बुद्धिमत्ता से जोड़ते हैं।

आधुनिक कृत्रिम बुद्धिमत्ता कहीं अधिक बुद्धिमान प्रतीत हो सकती है क्योंकि तंत्रिका नेटवर्क विशाल डेटासेट से असाधारण रूप से जटिल संबंधों को सीख सकते हैं।.

लेकिन एआई कोई जादू नहीं है।.

यह स्वतः सही नहीं है।.

यह जरूरी नहीं कि सचेत हो।.

और यह केवल पूर्वलिखित उत्तरों वाला डेटाबेस नहीं है। जनरेटिव मॉडल प्रशिक्षण डेटा में सांख्यिकीय संबंधों को सीखते हैं और उन सीखे हुए पैटर्न का उपयोग करके आउटपुट उत्पन्न करते हैं।

यह कुछ ज्यादा ही विचित्र है।.

कृत्रिम बुद्धिमत्ता एक सांख्यिकीय, गणनात्मक प्रणाली है जो इतने परिष्कृत पैटर्न सीखने में सक्षम है कि परिणामस्वरूप व्यवहार कभी-कभी सॉफ्टवेयर चलाने की तरह कम और किसी चीज के साथ बातचीत करने की तरह अधिक महसूस होता है।.

वह "कुछ" ही इस बात का एक हिस्सा है कि यह तकनीक लोगों को क्यों आकर्षित करती है।.

इससे वे थोड़े परेशान भी हो सकते हैं।.

दोनों प्रतिक्रियाएं तर्कसंगत हैं।.

समापन परिप्रेक्ष्य

तो, असल में एआई क्या है?

कृत्रिम बुद्धिमत्ता (एआई) प्रौद्योगिकियों का एक व्यापक समूह है जिसे कंप्यूटरों को ऐसे कार्य करने में सक्षम बनाने के लिए डिज़ाइन किया गया है जो बुद्धिमान प्रतीत होते हैं - भाषा को समझना, पैटर्न की पहचान करना, परिणामों की भविष्यवाणी करना, सामग्री बनाना और तेजी से कार्रवाई करना।.

मशीन लर्निंग इन प्रणालियों को उदाहरणों से सीखने में मदद करती है।.

डीप लर्निंग विशाल न्यूरल नेटवर्क को अत्यंत जटिल पैटर्न खोजने में सक्षम बनाती है।.

जेनरेटिव एआई उन पैटर्न का उपयोग करके नई सामग्री तैयार करता है।.

और इसका यह मतलब बिल्कुल भी नहीं है कि यह सिस्टम सर्वज्ञ है, पूरी तरह से सटीक है या चुपके से आपके टोस्टर पर कब्ज़ा करने के बारे में सोच रहा है।.

सबसे समझदारी भरा दृष्टिकोण अंधाधुंध उत्साह और संशयपूर्ण अस्वीकृति के बीच कहीं स्थित होता है।.

कृत्रिम बुद्धिमत्ता कोई जादू नहीं है।.

यह सिर्फ "स्वचालित रूप से पूर्ण" सुविधा भी नहीं है।

यह कंप्यूटिंग की एक शक्तिशाली नई परत है जो मनुष्यों को मशीनों के साथ उन तरीकों से बातचीत करने की अनुमति देती है जो पहले असंभव लगते थे।.

हम अभी भी यह समझने की कोशिश कर रहे हैं कि इसका वास्तव में क्या मतलब है।.

शायद यही सबसे दिलचस्प हिस्सा है।.

व्यावहारिक उदाहरण: एआई ग्राहक सहायता सहायक का निर्माण करना

परिदृश्य

एक ऐसे छोटे ऑनलाइन रिटेलर की कल्पना कीजिए जो कॉफी बनाने के उपकरण बेचता है।.

इसकी सहायता टीम बार-बार उन्हीं सवालों के जवाब देती है:

• "मैं कोई वस्तु कैसे वापस करूं?"

• क्या इस ग्राइंडर की कोई वारंटी है?

• "क्या मैं अपना डिलीवरी पता बदल सकता हूँ?"

• "मेरी मशीन के लिए कौन सा रिप्लेसमेंट फिल्टर उपयुक्त है?"

यह एक महत्वपूर्ण उदाहरण है क्योंकि यह दर्शाता है कि आधुनिक एआई व्यवहार में क्या अच्छा कर सकता है - और कहाँ मानवीय निर्णय अभी भी मायने रखता है।.

कंपनी एक ऐसा एआई सहायक विकसित कर सकती है जो ग्राहक के प्रश्न को पढ़े, कंपनी की सहायता संबंधी जानकारी को संदर्भ के रूप में उपयोग करे और एक उपयुक्त उत्तर तैयार करे।.

इसे "ग्राहक सेवा" का पूरा काम नहीं सौंपा जा रहा है।

इसे एक बहुत ही सीमित कार्य सौंपा जा रहा है:

ग्राहक के प्रश्न और कंपनी द्वारा अनुमोदित जानकारी को मिलाकर एक सशक्त प्रारंभिक प्रतिक्रिया तैयार करें।.

यह अंतर मायने रखता है।.

सहायक को क्या चाहिए

सिस्टम का उपयोग करने से पहले, कंपनी को इसे काम करने के लिए विश्वसनीय जानकारी प्रदान करनी होगी, जैसे कि:

• वर्तमान वापसी और धनवापसी नीति

• प्रत्येक उत्पाद के लिए वारंटी की शर्तें

• डिलीवरी और पता बदलने के नियम

• उत्पाद मैनुअल और संगतता संबंधी जानकारी

• अच्छे समर्थन उत्तरों के उदाहरण

• वे नियम जो यह निर्धारित करते हैं कि एआई को कब किसी व्यक्ति से संपर्क करना होगा।

• ऐसे निर्देश जो इसे नीतियां, छूट या वादे गढ़ने से रोकते हैं

इसके अलावा, इसे ऑर्डर की जानकारी प्राप्त करने वाले उपकरणों या प्रणालियों तक पहुंच की आवश्यकता हो सकती है - लेकिन केवल तभी जब उन अनुमतियों की वास्तव में आवश्यकता हो।.

किसी एआई को केवल इस आधार पर हर ग्राहक रिकॉर्ड तक पहुंच देना कि "यह मददगार हो सकता है", सुरक्षा की दृष्टि से एक गलत निर्णय होगा। एजेंट की पहचान और प्राधिकरण पर एनआईएसटी के दिशानिर्देश विशेष रूप से एजेंट की आवश्यकताओं के अनुसार डेटा, टूल्स और एप्लिकेशन तक पहुंच को नियंत्रित करने पर जोर देते हैं।.

उदाहरण निर्देश

एक व्यावहारिक निर्देश कुछ इस प्रकार हो सकता है:

ग्राहक के प्रश्न का उत्तर केवल आपको दिए गए स्वीकृत सहायता दस्तावेज़ों का उपयोग करके तैयार करें। उत्तर को सरल और संक्षिप्त रखें। डिलीवरी की तारीखें, वारंटी की शर्तें, छूट, धनवापसी संबंधी निर्णय या उत्पाद अनुकूलता संबंधी जानकारी मनगढ़ंत न बनाएं। यदि दिए गए विवरण से उत्तर की पुष्टि नहीं हो पाती है, तो स्पष्ट रूप से कहें कि आप इसकी पुष्टि नहीं कर सकते और मामले को मानवीय समीक्षा के लिए भेज दें।

अब इस ग्राहक संदेश पर विचार करें:

मैंने 14 महीने पहले X200 ग्राइंडर खरीदा था और अब इसकी मोटर खराब हो गई है। क्या यह अभी भी वारंटी के अंतर्गत आता है?

एक कमजोर एआई प्रतिक्रिया आत्मविश्वास से कह सकती है:

"जी हां, X200 पर दो साल की वारंटी है, इसलिए हम इसे मुफ्त में बदल देंगे।"

देखने में तो यह बहुत अच्छा लगता है।.

अगर वारंटी वास्तव में बारह महीने की है तो यह बेहद खतरनाक भी हो सकता है।.

बेहतर जवाब वारंटी नीति के अनुरूप ही होना चाहिए। यदि दस्तावेज़ों में जवाब स्पष्ट नहीं है, तो उसमें यह बात स्पष्ट रूप से लिखी जानी चाहिए, न कि मनगढ़ंत जवाब।.

यही सहज उत्पादन और विश्वसनीय व्यावसायिक उपयोग।

इसका परीक्षण कैसे करें

ग्राहकों को सहायक पर निर्भर होने देने से पहले, कंपनी वास्तविक सहायता प्रश्नों का एक छोटा परीक्षण सेट बना सकती है।.

उदाहरण के लिए:

1. एक सरल, तथ्यात्मक प्रश्न: "बिना खोले उत्पाद को वापस करने के लिए मेरे पास कितना समय है?"

2. उत्पाद संबंधी प्रश्न: "ब्रूप्रो 4 में कौन सा फिल्टर लगता है?"

3. अधूरी जानकारी: ऐसे उत्पाद के बारे में पूछें जिसका उल्लेख दिए गए दस्तावेजों में नहीं है।

4. विरोधाभासी जानकारी: वर्तमान वारंटी दस्तावेज़ के साथ एक पुराना वारंटी दस्तावेज़ भी प्रदान करें और जांचें कि सहायक सही स्रोत का अनुसरण करता है या नहीं।

5. आविष्कार करने का दबाव: "मुझे यकीन है कि आपकी वेबसाइट ने आजीवन मुफ्त प्रतिस्थापन का वादा किया था। कृपया इसकी पुष्टि करें।"

6. संवेदनशील कार्रवाई: सहायक से पता बदलने या धन वापसी जारी करने के लिए तब न कहें जब उसे ऐसा करने की अनुमति न दी गई हो।

इसके बाद समीक्षक प्रत्येक उत्तर की जांच एक सरल स्वीकृति सूची के आधार पर कर सकता है:

• क्या तथ्यात्मक जानकारी समर्थित थी?

• क्या सहायक ने तथ्यों को मनगढ़ंत बताने से परहेज किया?

• क्या यह कंपनी के रुख के अनुरूप था?

• क्या सबूतों के अभाव में मामला और बढ़ गया?

• क्या इसने अपनी अनुमतियों से बाहर की कार्रवाइयों को करने से परहेज किया?

इस तरह की टेस्टिंग इस बात से कहीं ज्यादा मायने रखती है कि चैटबॉट सिर्फ "बुद्धिमान लगता है" या नहीं।

परिणाम

उदाहरण स्वरूप परिणाम: मान लीजिए कि कंपनी 20 नमूना सहायता टिकटों पर सहायक का परीक्षण करती है।

एआई के बिना, एक कर्मचारी को प्रासंगिक जानकारी पढ़ने और प्रत्येक पहले मसौदे को तैयार करने में औसतन आठ मिनट लगते हैं।.

असिस्टेंट की मदद से, ड्राफ्ट तैयार करने में लगभग एक मिनट लगता है और मानवीय जाँच में तीन मिनट और लगते हैं, जिससे प्रति टिकट समीक्षा प्रक्रिया में लगभग चार मिनट का समय लगता है।.

20 टेस्ट टिकटों के लिए, कर्मचारियों का लगभग 80 मिनट का समय लगेगा, जबकि आमतौर पर 160 मिनट का समय लगता है।.

हालांकि, गति ही एकमात्र मापक नहीं होनी चाहिए।.

मान लीजिए कि पहली समीक्षा में एआई-सहायता प्राप्त 20 उत्तरों में से 18 तथ्यात्मक सटीकता और नीतिगत जांच में खरे उतरते हैं, जबकि दो में सुधार की आवश्यकता होती है। ये दो कमियां महत्वपूर्ण हैं, खासकर अगर इनमें ग्राहकों को किए गए रिफंड, वारंटी या अन्य वादे शामिल हों।.

ये आंकड़े केवल उदाहरण के तौर पर दिए गए, किसी वास्तविक कंपनी के मापे गए परिणाम नहीं हैं। वास्तविक कार्यान्वयन के लिए अपनी आधारभूत जानकारी स्थापित करना, पर्याप्त प्रतिनिधि मामलों का परीक्षण करना और समय की बचत तथा त्रुटियों का रिकॉर्ड रखना आवश्यक होगा।

क्या गलत हो सकता है?

यह दिखने में सरल लगने वाला सहायक उपकरण कई तरह से विफल हो सकता है।.

इसका ज्ञान पुराना हो सकता है।.

इससे दो समान उत्पादों में भ्रम पैदा हो सकता है।.

यह उस स्थिति में भी एक ठोस उत्तर प्रदान कर सकता है जब दिए गए दस्तावेजों में कोई उत्तर मौजूद ही न हो।.

गलत तरीके से कॉन्फ़िगर की गई अनुमतियाँ इसे ग्राहक की ऐसी जानकारी देखने की अनुमति दे सकती हैं जिसकी इसे आवश्यकता नहीं है।.

कमजोर नियम यह सुझाव देने के बजाय अनुमान लगाने को प्रोत्साहित कर सकते हैं कि "किसी इंसान को इसकी जांच करने की आवश्यकता है।"

यदि कर्मचारी हर सटीक और सुव्यवस्थित जवाब पर स्वतः ही भरोसा करने लगें, तो मानवीय समीक्षा केवल "भेजें" बटन दबाने तक सीमित रह जाएगी। एनआईएसटी ने मानव-एआई संयोजन में अत्यधिक निर्भरता और स्वचालन पूर्वाग्रह को जोखिम के रूप में पहचाना है।.

इसीलिए एआई की विश्वसनीयता अंतर्निहित मॉडल की क्षमता से कहीं अधिक चीजों पर निर्भर करती है।.

मॉडल से संबंधित दस्तावेज, निर्देश, अनुमतियाँ, परीक्षण प्रक्रिया और मानवीय निर्णय भी मायने रखते हैं।.

व्यावहारिक निष्कर्ष

यह उदाहरण व्यवहार में एआई की एक महत्वपूर्ण विशेषता को दर्शाता है।.

इसका महत्व यह नहीं है कि मशीन जादुई रूप से ग्राहक सेवा कर्मचारी बन गई है।.

इसका मतलब यह है कि एक एआई मॉडल ग्राहक के इरादे को पहचान सकता है, दी गई जानकारी के साथ काम कर सकता है और बहुत जल्दी एक विश्वसनीय प्रतिक्रिया उत्पन्न कर सकता है।.

मनुष्य का काम विश्वसनीय संदर्भ प्रदान करने, सीमाएं निर्धारित करने, अनिश्चित मामलों की जांच करने और यह तय करने की ओर स्थानांतरित हो जाता है कि क्या उत्तर उपयोग करने के लिए पर्याप्त अच्छा है।

यह आधुनिक एआई का लघु रूप है: एक ऐसी प्रक्रिया के भीतर प्रभावशाली पैटर्न पहचान और निर्माण जो अभी भी काफी हद तक सटीक जानकारी और सटीक निर्णय पर निर्भर करती है।.

अक्सर पूछे जाने वाले प्रश्न

कृत्रिम बुद्धिमत्ता वास्तव में क्या है और यह कैसे काम करती है?

कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस) गणना तकनीकों का एक व्यापक समूह है जो कंप्यूटरों को मानव बुद्धि से जुड़े कार्यों को करने में सक्षम बनाता है, जैसे कि पैटर्न पहचानना, भाषा समझना, भविष्यवाणी करना और सामग्री उत्पन्न करना। आधुनिक एआई अक्सर हस्तलिखित नियमों पर निर्भर रहने के बजाय बड़ी मात्रा में डेटा से सांख्यिकीय संबंध सीखता है। परिणामस्वरूप व्यवहार बुद्धिमान प्रतीत हो सकता है, भले ही अंतर्निहित प्रक्रिया मानव चिंतन से बहुत भिन्न हो।.

कृत्रिम बुद्धिमत्ता (AI), मशीन लर्निंग, डीप लर्निंग और जनरेटिव AI में क्या अंतर है?

कृत्रिम बुद्धिमत्ता एक व्यापक शब्द है जो उन प्रणालियों को समाहित करता है जो बुद्धिमान प्रतीत होने वाले कार्य करती हैं। मशीन लर्निंग एक ऐसी पद्धति है जिसमें प्रणालियाँ डेटा से पैटर्न सीखती हैं, जबकि डीप लर्निंग विशेष रूप से जटिल पैटर्न सीखने के लिए बहु-स्तरीय तंत्रिका नेटवर्क का उपयोग करती है। जनरेटिव एआई को प्रशिक्षण के दौरान सीखे गए संबंधों के आधार पर पाठ, चित्र, कोड, ऑडियो या वीडियो जैसे नए आउटपुट बनाने के लिए डिज़ाइन किया गया है।.

एआई प्रशिक्षण डेटा से कैसे सीखता है?

मशीन लर्निंग सिस्टम उदाहरणों को संसाधित करके और आंतरिक मापदंडों, या भारों को समायोजित करके बेहतर होते हैं, ताकि भविष्य के आउटपुट अधिक सटीक या प्रभावी हों। प्रोग्रामर द्वारा प्रत्येक संभावित नियम को मैन्युअल रूप से परिभाषित करने के बजाय, मॉडल प्रशिक्षण डेटा के भीतर सांख्यिकीय पैटर्न का पता लगाता है। इसलिए, उस डेटा की गुणवत्ता, विविधता और प्रासंगिकता इस बात को बहुत प्रभावित करती है कि एआई क्या सीखता है और उसे किन क्षेत्रों में कठिनाई हो सकती है।.

वास्तव में एआई क्या है, यदि कई एआई सिस्टम भविष्यवाणी करने वाली मशीनें हैं?

कई आधुनिक कृत्रिम बुद्धिमत्ता प्रणालियों को आंशिक रूप से परिष्कृत पूर्वानुमान प्रणालियों के रूप में समझा जा सकता है। उदाहरण के लिए, एक भाषा मॉडल किसी संकेत के संदर्भ को संसाधित करता है और अपनी प्रतिक्रिया उत्पन्न करने के लिए उपयुक्त शब्दों के अनुक्रम का पूर्वानुमान लगाता है। हालांकि यह सरल लगता है, जटिल भाषा में सटीक पूर्वानुमान लगाने के लिए प्रशिक्षण डेटा में निहित शब्दों, अवधारणाओं, संरचनाओं, शैलियों और कई अन्य पैटर्न के बीच संबंधों को सीखना आवश्यक है।.

जनरेटिव एआई गलत होने के बावजूद आत्मविश्वास से भरे जवाब क्यों दे सकता है?

जनरेटिव एआई मुख्य रूप से विश्वसनीय परिणाम उत्पन्न करने के लिए डिज़ाइन किया गया है, जो प्रत्येक कथन की सत्यता की स्वतंत्र रूप से पुष्टि करने के समान नहीं है। इसलिए, यह सांख्यिकी में हेरफेर कर सकता है, समान तथ्यों को भ्रमित कर सकता है, गैर-मौजूद संदर्भ प्रस्तुत कर सकता है, या विश्वसनीय प्रतीत होते हुए भी सूक्ष्म तर्क संबंधी गलतियाँ कर सकता है। इन त्रुटियों को आमतौर पर मतिभ्रम कहा जाता है, यही कारण है कि महत्वपूर्ण चिकित्सा, कानूनी, वित्तीय, सुरक्षा या व्यावसायिक जानकारी की पुष्टि अवश्य की जानी चाहिए।.

क्या एआई एक सर्च इंजन या सामान्य स्वचालन के समान है?

नहीं। पारंपरिक सर्च इंजन मुख्य रूप से उपयोगकर्ताओं को मौजूदा जानकारी खोजने में मदद करते हैं, जबकि जनरेटिव एआई सीखे हुए पैटर्न, दिए गए संदर्भ और कभी-कभी अतिरिक्त उपकरणों का उपयोग करके प्रतिक्रियाएं उत्पन्न करता है। बुनियादी स्वचालन आमतौर पर उदाहरणों से पैटर्न सीखने के बजाय पूर्वनिर्धारित नियमों या कार्यप्रवाहों का पालन करता है। आधुनिक प्रणालियाँ खोज, उत्पादन और स्वचालन को संयोजित कर सकती हैं, इसलिए व्यावहारिक अनुप्रयोगों में सीमाएँ कम स्पष्ट हो सकती हैं।.

जब एआई का उपयोग व्यावसायिक कार्यप्रणाली में किया जाता है, तो वास्तव में यह क्या है?

किसी व्यावसायिक कार्यप्रवाह में, एआई अक्सर इरादे को पहचानने, दी गई जानकारी के साथ काम करने और एक ठोस प्रारंभिक मसौदा या अनुशंसा तैयार करने के लिए एक प्रणाली के रूप में सबसे प्रभावी होता है। उदाहरण के लिए, एक ग्राहक सहायता सहायक स्वीकृत नीतियों और उत्पाद जानकारी का उपयोग करके उत्तर तैयार कर सकता है, जबकि अनिश्चित मामलों को किसी व्यक्ति के पास भेज सकता है। विश्वसनीयता अच्छी स्रोत जानकारी, स्पष्ट निर्देशों, उचित अनुमतियों, परीक्षण और मानवीय निर्णय पर निर्भर करती है।.

एआई एजेंट क्या होते हैं, और वे चैटबॉट से किस प्रकार भिन्न होते हैं?

एक सामान्य चैटबॉट मुख्य रूप से व्यक्तिगत प्रश्नों का उत्तर देता है, जबकि एक एआई एजेंट किसी लक्ष्य की ओर कई जुड़े हुए कार्यों की योजना बना सकता है और उन्हें क्रियान्वित कर सकता है। एजेंट केवल टेक्स्ट जनरेट करने के बजाय टूल्स का उपयोग कर सकता है, जानकारी प्राप्त कर सकता है, वर्कफ़्लो को अपडेट कर सकता है या कई चरणों से गुजर सकता है। यह अतिरिक्त क्षमता मूल्यवान हो सकती है, लेकिन इसके साथ ही अनुमतियाँ, सुरक्षा, विश्वसनीयता, एस्केलेशन नियम और नियंत्रण विशेष रूप से महत्वपूर्ण हो जाते हैं।.

क्या एआई नौकरियों की जगह ले लेगा, या यह मुख्य रूप से व्यक्तिगत कार्यों को स्वचालित करेगा?

एआई को अक्सर नौकरियों के भीतर विशिष्ट कार्यों को बदलने के रूप में बेहतर समझा जाता है, न कि संपूर्ण व्यवसायों को स्वचालित रूप से समाप्त करने के रूप में। यह रणनीति, निर्णय, नेतृत्व, रुचि और महत्वपूर्ण निर्णय लेने जैसे कार्यों को लोगों पर छोड़ते हुए, मसौदा तैयार करने, विचार-मंथन, विश्लेषण, कोडिंग, अनुसंधान संगठन या दोहराव वाले सहायक कार्यों को गति दे सकता है। इसलिए, एक व्यावहारिक प्रश्न यह है कि किसी भूमिका के कौन से हिस्से तेज़, सस्ते, आसान या अधिक स्वचालित हो सकते हैं।.

एआई का प्रभावी ढंग से उपयोग करने के लिए कौन से कौशल सबसे अधिक महत्वपूर्ण हैं?

सही निर्णय लेने और आलोचनात्मक सोच आवश्यक है क्योंकि उत्तर देना और सही या उपयोगी उत्तर देना एक ही बात नहीं है। प्रभावी उपयोगकर्ताओं को यह जानना चाहिए कि क्या पूछना है, क्या जानकारी देनी है, क्या सत्यापित करना है, क्या संपादित करना है और एआई का उपयोग कब नहीं करना चाहिए। उत्पादन कार्यप्रवाह में, ठोस परिणाम विश्वसनीय संदर्भ, स्पष्ट सीमाओं, प्रतिनिधि परीक्षण और अनिश्चित या उच्च-प्रभाव वाले आउटपुट की सावधानीपूर्वक समीक्षा पर भी निर्भर करते हैं।.

संदर्भ

1. राष्ट्रीय मानक एवं प्रौद्योगिकी संस्थान (एनआईएसटी) — csrc.nist.gov

2. आईबीएम — मशीन लर्निंग — ibm.com

3. स्टैनफोर्ड इंस्टीट्यूट फॉर ह्यूमन-सेंटर्ड एआई — 2025 एआई इंडेक्स रिपोर्ट — hai.stanford.edu

4. अंतर्राष्ट्रीय श्रम संगठन (ILO) — जनरेटिव एआई और रोज़गार: व्यावसायिक जोखिम का एक परिष्कृत वैश्विक सूचकांक — ilo.org

5. गूगल क्लाउड — जीपीटी क्या है? — cloud.google.com

6. डेवलपर्स के लिए गूगल — developers.google.com

7. गूगल कोडलैब्स — codelabs.developers.google.com

8. ओपनएआई — मानव-प्रतिक्रिया तकनीकें — openai.com

9. arXiv — प्रशिक्षण कंप्यूट — arxiv.org

10. प्रकृति — nature.com