विषय
- 1. एआई में बुद्धिमान रोबोट या एंड्रॉइड होते हैं जो मनुष्यों की तरह दिखते हैं।
- 2. एआई, मशीन लर्निंग और डीप लर्निंग सभी एक ही चीज हैं।
- 3. एआई अपने आप ही पूरी तरह से सीखता है।
- 4. चैटबॉट एआई का सबसे बुनियादी रूप है।
- 5. भविष्य के सभी डीप-लर्निंग ऑपरेशन्स को पूरा करने के लिए आवश्यक शक्ति अस्थिर है।
- नो बग्स, नो स्ट्रेस - योर स्टेप बाय स्टेप गाइड बाय स्टेप गाइड टू लाइफ-चेंजिंग सॉफ्टवेर विदाउट योर लाइफ
- 6. AI के संचालन के लिए आवश्यक उद्यम शक्ति को किराए पर लेना एक उद्यम के लिए आसान है।
- 7. एआई को प्रशिक्षित करने के लिए आपको भारी मात्रा में डेटा की आवश्यकता होती है।
- 8. एआई मौजूदा बीआई टूल की जगह लेगा, जो किसी भी पिछली तकनीक को अप्रचलित कर देगा।
- 9. तंत्रिका नेटवर्क जैविक नेटवर्क लेकिन यांत्रिक की तरह हैं।
- 10. एआई अंततः यह समझने के लिए पर्याप्त बुद्धिमान हो जाएगा कि मनुष्य इसके लिए खतरनाक है और इसे खत्म करना चाहिए।
स्रोत: उसा पायोन / ड्रीमस्टाइम डॉट कॉम
ले जाओ:
एआई एक गर्म तकनीक है, लेकिन कई लोगों को गलतफहमी है कि यह वास्तव में क्या होता है। यहां हम एआई के आसपास के कुछ मिथकों पर एक नज़र डालते हैं और तथ्यों की जांच करते हैं।
क्यों हर कोई एआई के बारे में बात कर रहा है, फिर भी हम अभी भी "स्टार ट्रेक" जैसे डेटा वाले मनुष्यों के बीच घूमने वाले अनुकूल रोबोट नहीं देखते हैं? क्या हमने उनके स्क्रिप्टेड पैटर्न में रोबोकॉप के दूसरे प्राइम डायरेक्टिव को जोड़ने के लिए याद किया ताकि वे पूरी भावना हासिल करने के बाद मानवता को खत्म करने के बजाय "निर्दोषों की रक्षा" कर सकें?
आज, वास्तव में कृत्रिम बुद्धिमत्ता (एआई), मशीन लर्निंग और गहन सीखने के बारे में बहुत भ्रम है, "बुद्धिमान मशीनें" क्या कर सकती हैं, और एआई प्रौद्योगिकियों की वर्तमान स्थिति वास्तव में क्या है। यह कुछ अच्छे पुराने डिबंकिंग का आनंद लेने का समय है, तो आइए एआई के बारे में 10 सबसे आम मिथकों का भंडाफोड़ करें। (एआई के संभावित भविष्य के बारे में अधिक जानने के लिए, क्या एआई क्रांति सार्वभौमिक आय को एक आवश्यकता बनाने जा रही है?)
1. एआई में बुद्धिमान रोबोट या एंड्रॉइड होते हैं जो मनुष्यों की तरह दिखते हैं।
बहुत "ब्लेड धावक" यहाँ हर किसी के लिए, हम्म? यद्यपि रोबोटिक्स और एआई के बीच बहुत अधिक सामान्य भ्रम है, वे दो पूरी तरह से अलग विज्ञान क्षेत्र हैं जो विभिन्न उद्देश्यों की सेवा करते हैं। रोबोट भौतिक उपकरण हैं जो कारखानों में उत्पादों के निर्माण, ले जाने या विघटित करने जैसे कार्यों की एक विस्तृत श्रृंखला को निष्पादित करने के लिए एक्ट्यूएटर्स और सेंसर द्वारा दिए जाते हैं।
एआई को सॉफ्टवेयर इस तरह से प्रोग्राम किया जाता है कि यह निर्णय लेने और अपनी गलतियों से सीखने के लिए पर्याप्त स्वायत्त है। हालाँकि कुछ रोबोटों को अंततः AI एल्गोरिदम द्वारा बढ़ाया जा सकता है, लेकिन "खुफिया" भाग केवल एक अतिरिक्त क्षमता है जो AI के पास हो सकती है।
2. एआई, मशीन लर्निंग और डीप लर्निंग सभी एक ही चीज हैं।
हालाँकि वे एक ही बड़े AI सिस्टम के सभी भाग हैं, फिर भी वे तीन अलग-अलग चीजें हैं। मूल रूप से, मशीन लर्निंग वह विधि है जिसके माध्यम से एआई बाहरी स्रोतों से सीखता है, जैसा कि एल्गोरिदम का उपयोग करके डेटा में भेदभाव करना और उनके सही व्यवहार का निर्धारण करना है। डीप लर्निंग मशीन लर्निंग के व्यावहारिक अनुप्रयोगों में इस्तेमाल होने वाली सिर्फ एक संभव तकनीक है। यह तंत्रिका नेटवर्क (NN) पर आधारित है और इसका उपयोग AI को यह बताने के लिए किया जाता है कि इसकी संभावना सही निर्णय लेने की क्या है।
3. एआई अपने आप ही पूरी तरह से सीखता है।
एआई के बारे में कुछ अतिरंजित प्रचार के बावजूद, जो कथित रूप से अपने दम पर सीखने में सक्षम था, एआई-संचालित प्रणाली को ढूंढना अभी भी असंभव है जिसमें कोई भी वास्तविक दुनिया का आवेदन है जो मानव सहायता के बिना शून्य ज्ञान से बढ़ सकता है। किसी भी तरह की छिपी जानकारी या अनिश्चितता से निपटने के लिए किसी भी प्रणाली को एआई द्वारा "समझा" नहीं जा सकता है, जिसे अभी भी मनुष्यों द्वारा इनपुट और डेटा खिलाया जाना है। इसके अलावा, हर जानकारी का एक स्पष्ट उद्देश्य होना चाहिए, ऐसा कुछ जो एआई बाहरी स्रोतों के बिना अनुमान नहीं लगा सकता है (शुरुआत में नहीं, कम से कम)।
4. चैटबॉट एआई का सबसे बुनियादी रूप है।
फिर, भले ही वहाँ कुछ चैटबॉट हैं जो एआई के अधिक या कम अल्पविकसित रूपों का उपयोग करते हैं, उनमें से ज्यादातर बुनियादी कार्यक्रमों के अलावा कुछ भी नहीं हैं जो मनुष्यों के साथ बातचीत करते हैं या आवाज इंटरफेस करते हैं। वास्तव में "बुद्धिमान" होने के बजाय, अधिकांश चैटबॉट में प्रीप्रोग्राम्ड प्रतिक्रियाएं होती हैं जो उपयोगकर्ता के इनपुट में कुछ कीवर्ड के जवाब में दी जाती हैं। एक चैटबोट के लिए एक सच्चा एआई बनने के लिए, इसमें कई प्रौद्योगिकियां होनी चाहिए जो इसे एक मानव को समझने, उसकी जरूरतों के बारे में जानने और तदनुसार प्रतिक्रिया करने की अनुमति देती हैं। इसके लिए आवाज या मान्यता सॉफ्टवेयर, भावना विश्लेषण, मशीन सीखने के कार्यक्रम के कुछ रूप और एक प्राकृतिक भाषा पीढ़ी प्रौद्योगिकी की आवश्यकता होती है। (चैटबॉट्स के बारे में अधिक जानने के लिए, हमने आईटी प्रोसैट से पूछा कि एंटरप्राइजेज भविष्य में चैटबॉट्स का उपयोग कैसे करेगा। यहां बताया गया है कि वे क्या कहते हैं।)
5. भविष्य के सभी डीप-लर्निंग ऑपरेशन्स को पूरा करने के लिए आवश्यक शक्ति अस्थिर है।
यह निर्विवाद है कि एआई को प्रशिक्षित होने और अपने सभी जटिल गहन-शिक्षण कार्यों को करने के लिए अतिरिक्त कंप्यूटिंग शक्ति की आवश्यकता है। भविष्य में जहां अधिकांश उद्यम कुछ हद तक एआई का उपयोग करेंगे, यह समस्या महाकाव्य अनुपात तक बढ़ सकती है, जिससे इसका उपयोग संभावित रूप से अस्थिर हो सकता है। हालाँकि, AI वास्तव में हमें प्रदान कर सकता है अधिक ऊर्जा उत्पादन की एक बारहमासी समस्या को रोकने के द्वारा शक्ति: बिजली ग्रिड की बर्बादी और अक्षमता। यूटिलिटी कंपनियां निजी उपयोगकर्ताओं से अतिरिक्त ऊर्जा खरीदती हैं, जो वर्तमान ग्रिड के विविध निर्माण के आधुनिक स्तर को समायोजित करने के लिए निर्मित नहीं होने के कारण पैदा होने वाली अधिकांश बिजली की बर्बादी करते हैं। एआई नए, स्मार्ट, एआई-संचालित माइक्रोग्रिड्स के साथ पुराने ग्रिड की जगह पर हमारे बचाव में आ सकता है जो वास्तव में वास्तविक दक्षता के साथ बिजली वितरित करना जानता है।
नो बग्स, नो स्ट्रेस - योर स्टेप बाय स्टेप गाइड बाय स्टेप गाइड टू लाइफ-चेंजिंग सॉफ्टवेर विदाउट योर लाइफ
जब कोई भी सॉफ़्टवेयर गुणवत्ता की परवाह नहीं करता है तो आप अपने प्रोग्रामिंग कौशल में सुधार नहीं कर सकते हैं।
6. AI के संचालन के लिए आवश्यक उद्यम शक्ति को किराए पर लेना एक उद्यम के लिए आसान है।
... अगर AWS, Google, Microsoft और अलीबाबा क्लाउड वर्तमान में दुनिया में उपलब्ध कंप्यूटिंग शक्ति के विशाल बहुमत को केंद्रीकृत नहीं कर रहे थे। इसलिए एआई डेवलपर्स के पास वर्तमान में सिर्फ दो विकल्प हैं: इसे असाधारण उच्च कीमतों पर किराए पर लेना या अपने स्वयं के सुपर-महंगे हार्डवेयर खरीदना।
हालांकि, एक मौका है कि यह मिथ-डिबंकिंग निकट भविष्य में डिबंक हो सकती है। Tatau नामक एक नई कंपनी ने एक ब्लॉकचैन-आधारित सुपरकंप्यूटिंग प्लेटफ़ॉर्म विकसित किया जो इस मुद्दे को हल कर सकता है। उनका समाधान GPU-आधारित मशीनों के विश्व स्तर पर वितरित नेटवर्क के संयुक्त संसाधनों के एकत्रीकरण और पुनर्लेखन की अनुमति देता है। क्रिप्टोक्यूरेंसी खनिक, गेमर्स या अन्य उच्च-प्रदर्शन वाले कंप्यूटरों की कल्पना करें जो एआई विकास की ओर अपनी गणना शक्ति समर्पित करते हैं। एआई कंपनियां अपने मशीन लर्निंग मॉडल को बहुत सस्ती कीमत पर प्रशिक्षित करने के लिए GPU शक्ति के इस निर्बाध स्रोत में टैप कर सकती हैं। ध्यान दें कि यह नया मंच बिंदु 5 में उजागर समस्या का जवाब भी दे सकता है क्योंकि यह वर्तमान में अप्रयुक्त संसाधनों के कुशल उपयोग को बढ़ावा देता है।
7. एआई को प्रशिक्षित करने के लिए आपको भारी मात्रा में डेटा की आवश्यकता होती है।
जरुरी नहीं। ज़रूर, आपको चाहिए बहुत एआई को प्रशिक्षित करने के लिए डेटा और कंप्यूटिंग शक्ति शुरुवात से। और, कुछ हद तक, आपको कार चलाने जैसे जटिल कार्य करने के लिए AI को प्रशिक्षित करने के लिए डेटा की टेराबाइट्स की आवश्यकता होती है। हालांकि, एआई के आवेदन के क्षेत्र के आधार पर, पूर्व-प्रशिक्षित तंत्रिका नेटवर्क केवल कुछ विशिष्ट क्षेत्रों में मुकर जाने के लिए पर्याप्त लचीले हैं। मूल डेटा फ्रेमवर्क एक बड़े, अधिक सामान्य डेटा सेट से आ सकता है, केवल नेटवर्क के अंतिम भाग को "दिए गए उपयोग के मामले में" रिक्त स्थान को भरने के लिए "प्रतिस्थापित करने की आवश्यकता होती है।"
8. एआई मौजूदा बीआई टूल की जगह लेगा, जो किसी भी पिछली तकनीक को अप्रचलित कर देगा।
यह थोड़ा खिंचाव है, कम से कम कहने के लिए। आधुनिक व्यापार खुफिया (बीआई) समाधानों के बहुमत अत्यधिक स्केलेबल और अक्सर अनुकूलन योग्य हैं, ताकि किसी भी भविष्य के एआई-आधारित मॉडल को उनके प्लेटफार्मों के अंदर सीधे एकीकृत किया जा सके। कंपनियां हमेशा केवल उन समाधानों को लागू करना पसंद करती हैं जो वर्कफ़्लो विघटन के लिए बिना किसी जोखिम के आते हैं, और एआई प्रौद्योगिकियों ने इस आवश्यकता के लिए अनुकूलित किया है। इसलिए, अधिकांश एआई प्लेटफॉर्म को वेब के माध्यम से लागू किया जाता है, इसलिए कोई प्रतिस्थापन आवश्यक नहीं है या, सबसे खराब स्थिति में, सुरक्षित रूप से चरणों में लागू किया जा सकता है।
9. तंत्रिका नेटवर्क जैविक नेटवर्क लेकिन यांत्रिक की तरह हैं।
कोई भी तंत्रिका नेटवर्क मानव मस्तिष्क की जटिलता के एक अंश तक पहुंचने की उम्मीद नहीं कर सकता है। नैदानिक और वैज्ञानिक अनुसंधान के कई वर्षों के बावजूद, हम अभी भी जैविक तंत्रिका नेटवर्क को उनकी पूरी हद तक समझने में विफल हैं क्योंकि न्यूरॉन्स मानव शरीर के साथ इतने सारे अलग-अलग कार्यों को पूरा करते हैं (एक संवेदी और एक मोटर न्यूरॉन के बीच अंतर के बारे में सोचें) और यहां तक कि जानकारी के माध्यम से संचारित करें कई अलग-अलग रास्ते (बिजली, रासायनिक क्षमता और न्यूरोट्रांसमीटर का उपयोग करके)। तंत्रिका नेटवर्क केवल विशिष्ट 1 या 0 ("हाँ" या "नहीं") मशीन फैशन में बहुत सरल आदानों को समझ सकते हैं। यह एक सैन्य विमान की जटिलता की तुलना सिर्फ एक पतंग से करने की तरह है क्योंकि वे दोनों उड़ सकते हैं।
10. एआई अंततः यह समझने के लिए पर्याप्त बुद्धिमान हो जाएगा कि मनुष्य इसके लिए खतरनाक है और इसे खत्म करना चाहिए।
खैर, हम वास्तव में इस मिथक को खत्म नहीं कर सकते क्योंकि यह एक मिथक नहीं है। यह एक वास्तविकता है। अपने आप को संभालो, क्योंकि प्रतिरोध व्यर्थ है!
एक तरफ चुटकुले, सीधे शब्दों में कहें तो एआई के पास दुनिया भर में खुद को समझने और स्वायत्त, तर्कसंगत निर्णय लेने के लिए आवश्यक खुफिया जानकारी नहीं है। प्रत्येक एल्गोरिथ्म को एक कार्य करने के लिए विकसित किया गया है और इसके बाहर कुछ भी करने में सक्षम नहीं है, अकेले स्वतंत्र रूप से सोचने की क्षमता तक पहुंचने दें। कंप्यूटर अपेक्षाकृत सरल मुद्दों का हल खोजने के लिए अपनी बेहतर कम्प्यूटेशनल शक्तियों के "जानवर बल" का उपयोग करते हैं, लेकिन वे जिस उद्देश्य के लिए प्रोग्राम करते हैं, उसके बाहर एक उद्देश्य के लिए समझ, धारणा की गहराई और रणनीतिक जटिलता का अभाव होता है।
इसलिए आसानी से आराम करें, क्योंकि एआई केवल लंबे समय तक हमारे कृत्रिम सहायकों और नौकरों के अलावा कुछ नहीं होने वाला है।