आर्टिफिशियल इंटेलिजेंस में 2020 के प्रमुख मील के पत्थर

ए.आई. से जुड़े हजारों कागजात। प्रत्येक वर्ष प्रकाशित होते हैं, लेकिन उनमें से कई को वास्तविक दुनिया पर अपना संभावित प्रभाव स्पष्ट करने में कुछ समय लगेगा। इस बीच, ए.आई. के शीर्ष फंडर्स। - अक्षर, सेब, फेसबुक, Baidus, और इस दुनिया के अन्य यूनिकॉर्न - बंद दरवाजों के पीछे अपनी सबसे रोमांचक तकनीक को बेहतर बनाना जारी रखते हैं।

दूसरे शब्दों में, जब कृत्रिम बुद्धिमत्ता की बात आती है, तो वर्ष का विवरण देना असंभव है इस तरह से सबसे महत्वपूर्ण विकास, मान लीजिए, आप 10 सबसे ज्यादा सुने जाने वाले ट्रैक सूचीबद्ध कर सकते हैं स्पॉटिफाई करें।

लेकिन ए.आई. निस्संदेह 2020 में हर तरह से एक बड़ी भूमिका निभाई है। यहां 2020 के दौरान कृत्रिम बुद्धिमत्ता में देखे गए छह मुख्य विकास और उभरते विषय हैं।

यह सब भाषा की समझ के बारे में है

एक औसत वर्ष में, एक टेक्स्ट-जनरेटिंग टूल शायद सबसे रोमांचक नए ए.आई. में से एक के रूप में रैंक नहीं करेगा। विकास. लेकिन 2020 एक औसत वर्ष नहीं रहा है, और GPT-3 एक औसत टेक्स्ट-जनरेटिंग टूल नहीं है। GPT-2 की अगली कड़ी, जिसे दुनिया का सबसे अधिक लेबल दिया गया था"खतरनाकएल्गोरिदम, GPT-3 एक अत्याधुनिक है ऑटोरेग्रेसिव प्राकृतिक-भाषा-प्रसंस्करण तंत्रिका नेटवर्क अनुसंधान प्रयोगशाला OpenAI द्वारा बनाया गया। किसी समाचार की शुरुआत की तरह कुछ वाक्यों से युक्त, GPT-3 प्रभावशाली ढंग से उत्पन्न कर सकता है शुरुआती कुछ पंक्तियों की शैली और सामग्री से मेल खाने वाला सटीक पाठ - यहाँ तक कि मनगढ़ंत भी उद्धरण। GPT-3 आश्चर्यजनक रूप से 175 बिलियन मापदंडों का दावा करता है - कनेक्शन का वजन जो प्रदर्शन प्राप्त करने के लिए ट्यून किया जाता है - और कथित तौर पर प्रशिक्षण के लिए लगभग 12 मिलियन डॉलर की लागत आती है।

प्रभावशाली A.I होने के मामले में GPT-3 अकेला नहीं है। भाषा मॉडल 2020 में उत्पन्न हुआ। हालाँकि प्रचार चक्र में इसे GPT-3, Microsoft की ट्यूरिंग नेचुरल लैंग्वेज जेनरेशन (T-NLG) ने तुरंत पीछे छोड़ दिया। फरवरी 2020 में लहरें बनीं. 17 अरब मापदंडों पर, रिलीज़ होने पर, यह अब तक प्रकाशित सबसे बड़ा भाषा मॉडल था। ए ट्रांसफार्मर-आधारित जनरेटिव भाषा मॉडल, टी-एनएलजी अधूरे वाक्यों को पूरा करने के लिए आवश्यक शब्द उत्पन्न करने में सक्षम है, साथ ही प्रश्नों के सीधे उत्तर उत्पन्न करने और दस्तावेजों को सारांशित करने में सक्षम है।

Google द्वारा पहली बार 2017 में पेश किया गया, ट्रांसफॉर्मर्स - एक नए प्रकार का गहन शिक्षण मॉडल - ने प्राकृतिक भाषा प्रसंस्करण में क्रांति लाने में मदद की है। ए.आई. कम से कम एलन ट्यूरिंग के समय से ही भाषा पर ध्यान केंद्रित किया गया है मशीन बुद्धि का प्रसिद्ध काल्पनिक परीक्षण. लेकिन इनमें से कुछ हालिया प्रगति के लिए धन्यवाद, मशीनें अब भाषा को समझने में आश्चर्यजनक रूप से अच्छी हो रही हैं। जैसे-जैसे दशक आगे बढ़ेगा, इसके कुछ गहरे प्रभाव और अनुप्रयोग होंगे।

मॉडल बड़े होते जा रहे हैं

GPT-3 और T-NLG ने A.I में एक और मील का पत्थर, या कम से कम महत्वपूर्ण प्रवृत्ति का प्रतिनिधित्व किया। जबकि छोटे, स्टार्टअप्स की कोई कमी नहीं है विश्वविद्यालय की प्रयोगशालाएँ, और ए.आई. का उपयोग करने वाले व्यक्ति। उपकरण, दृश्य पर प्रमुख खिलाड़ियों की उपस्थिति का मतलब है कि कुछ गंभीर संसाधन फेंके जा रहे हैं आस-पास। भारी प्रशिक्षण लागत वाले विशाल मॉडल तेजी से ए.आई. की अत्याधुनिक तकनीक पर हावी हो रहे हैं। अनुसंधान। तंत्रिका - तंत्र एक अरब से ऊपर पैरामीटर तेजी से आदर्श बन रहे हैं।

GPT-3 के 175 बिलियन पैरामीटर अभी भी पागलपन से परे हैं, लेकिन नए मॉडल जैसे मीना, ट्यूरिंग-एनजीएल, डिस्टिलबर्ट, और बीएसटी 9.4बी सभी ने 1 बिलियन मापदंडों को पार कर लिया है। अधिक मापदंडों का मतलब हर मामले में बेहतर प्रदर्शन नहीं है। हालाँकि, इसका मतलब यह है कि एक टेक्स्ट-जनरेटिंग टूल कार्यों की एक बड़ी श्रृंखला को अधिक सटीक रूप से मॉडल करने में सक्षम है। यदि हम मस्तिष्क जैसी कृत्रिम बुद्धिमत्ता को दोहराने जा रहे हैं, तो अधिक पैरामीटर आवश्यक हैं। इसका मतलब यह भी है कि प्रमुख खिलाड़ी ए.आई. पर शासन करना जारी रखेंगे। जब सबसे बड़े मॉडलों की बात आती है तो वे सबसे आगे रहते हैं। कथित तौर पर किसी नेटवर्क को प्रशिक्षित करने के लिए प्रति 1,000 मापदंडों पर 1 डॉलर का खर्च आता है। इसे एक अरब मापदंडों तक विस्तारित करें और, ठीक है, आप गणित करते हैं।

ए.आई. मानव जाति की भलाई के लिए

जैसा कि ए.आई. उपकरण उन्नत होते हैं, केवल कंप्यूटर वैज्ञानिक ही उनसे लाभान्वित नहीं होते हैं। अन्य विषयों के शोधकर्ता अक्सर मशीन लर्निंग के उपयोग के तरीकों के बारे में कुछ नवीन विचारों के साथ बोर्ड पर आते हैं। चाहे वह ए.आई. हो वह हो सकता है मस्तिष्क स्कैन से टिनिटस का निदान करें; दिमाग पढ़ने वाले हेडसेट जो विचारों को बोले गए शब्दों में बदलने के लिए मशीन लर्निंग का उपयोग करते हैं बोलने में अक्षम लोगों के लिए; डीपमाइंड का अल्फाफोल्ड, जो सटीक भविष्यवाणी कर सकता है उनके अनुक्रम के आधार पर प्रोटीन का आकार, संभावित रूप से नए और अधिक प्रभावी उपचारों को तेजी से विकसित करने में मदद करना; या किसी अन्य संख्या में प्रदर्शनों से, यह स्पष्ट है कि ए.आई. 2020 में अनुसंधान के लिए कुछ रोमांचक नए रास्ते खुले।

रोबोकैलिप्स यहाँ नहीं है (अभी तक)

2020 में जीवन के कई पहलुओं का ध्रुवीकरण बारीकियों के विचार को हतोत्साहित करता है। लेकिन यह तेजी से स्पष्ट होता जा रहा है कि जब बात आती है तो बारीकियाँ बिल्कुल वही लागू होती हैं रोबोटों द्वारा नौकरियों पर कब्ज़ा. इस साल दुनिया भर में भारी संख्या में नौकरियों का नुकसान हुआ है। हालाँकि, ये मानव नौकरियों पर किसी भयावह स्काईनेट-शैली के हमले के बजाय महामारी और उसके प्रभावों के कारण उत्पन्न हुए हैं।

जबकि ए.आई. के उदाहरण निश्चित रूप से मौजूद हैं। और मानवीय कार्यों को करने वाले रोबोटिक्स (देखें)। उदाहरण के लिए, बर्गर-फ़्लिपिंग रोबोट को फ़्लिपी करें), ये आम तौर पर मानवीय क्षमताओं को बढ़ाने या उन क्षेत्रों में सहायता करने के लिए होते हैं जहां पर्याप्त सुसंगत कार्यबल नहीं है। दरअसल, जो कंपनियां हैं अभी सबसे अधिक लोगों को काम पर रख रहा हूँ वे हैं जो एक साथ उन्नत प्रौद्योगिकियों में निवेश कर रहे हैं (पढ़ें: बड़े तकनीकी दिग्गज)।

इसका मतलब यह नहीं है कि रोबोकैलिप्स एक ग़लत भविष्यवाणी थी। मध्यम वर्ग को खोखला करने की प्रवृत्ति जारी रहेगी, हालांकि यह कुछ तकनीकी कंपनियों द्वारा नए स्मार्ट सॉफ्टवेयर टूल पेश करने की तुलना में कहीं अधिक जटिल है। यदि 2020 में ए.आई. के बारे में कहने के लिए एक बात है। और रोज़गार, बात यह है कि चीज़ें जटिल हैं।

डीपफेक

इस बात से इनकार नहीं किया जा सकता कि 2020 हर तरह के अजीब तरीकों से वास्तविकता के किनारों को धुंधला करने के लिए एक अजीब वर्ष रहा है। वर्ष की शुरुआत में, COVID-19 ने दुनिया के अधिकांश हिस्सों को किसी छूत की थीम वाली ब्लॉकबस्टर फिल्म की तरह लॉकडाउन में डाल दिया। (लोग इस "नए सामान्य" की वास्तविकता से कैसे बच गए? द्वारा महामारी-थीम वाले मनोरंजन की तलाश, निश्चित रूप से।) वर्ष तब समाप्त हुआ जब अमेरिकी चुनाव ने पार्टी (और नेतृत्व) संबद्धता के आधार पर वास्तविकता के दो संस्करणों में आपकी पसंद प्रस्तुत की।

ए.आई. डीपफेक प्रौद्योगिकियों के रूप में वास्तविकता पर इस बॉड्रिलार्डियन हमले में एक भूमिका निभाई है। डीपफेक 2020 का आविष्कार नहीं है, लेकिन इस वर्ष उन्होंने कुछ महत्वपूर्ण विकास देखे हैं। जुलाई में, मैसाचुसेट्स इंस्टीट्यूट में सेंटर फॉर एडवांस्ड वर्चुअलिटी के शोधकर्ता टेक्नोलॉजी ने राष्ट्रपति रिचर्ड निक्सन को चित्रित करने वाला एक बेहद उच्च बजट वाला डीपफेक वीडियो तैयार किया है दे रही है चंद्रमा पर उतरने के बारे में एक वैकल्पिक पता, जो इस घटना में लिखा गया था कि अपोलो मिशन बहुत गलत हो गया था।

अधिक ठोस दृश्य डीपफेक के साथ-साथ, शोधकर्ताओं ने कुछ डीपफेक भी बनाए हैं आश्चर्यजनक रूप से सटीक ऑडियो डीपफेक. एक ताज़ा उदाहरण? एक एमिनेम वोकल डीपफेक इसने फेसबुक के सीईओ मार्क जुकरबर्ग के खिलाफ तीखा विरोध शुरू कर दिया है। यह बिल्कुल जीवंत लग रहा था - भले ही यह एम के सामान्य गीतात्मक मानकों के अनुरूप नहीं था।

ए.आई. का विनियमन

ए.आई.-संचालित उपकरण बहुत शक्तिशाली हैं। और यह केवल अमूर्त प्रमाण-अवधारणा प्रदर्शनों पर लागू नहीं होता है, बल्कि वास्तविक दुनिया की तैनाती से लेकर हो सकता है कानून प्रवर्तन द्वारा नियोजित चेहरे की पहचान या पैरोल निर्णय उपकरणों के लिए नौकरी के साक्षात्कार के लिए आवेदकों की स्क्रीनिंग करना अधिकारी।

पिछले कुछ वर्षों में, इन उपकरणों के बारे में जागरूकता - और जिस तरह से पूर्वाग्रह को उनमें कोडित किया जा सकता है - ने उनके उपयोग के बारे में अधिक चिंता पैदा कर दी है। जनवरी में, डेट्रॉइट में पुलिस ने रॉबर्ट विलियम्स नाम के एक व्यक्ति को गलत तरीके से एल्गोरिदम से मिलान होने के बाद गिरफ्तार कर लिया धुंधले सीसीटीवी फुटेज के साथ उसके ड्राइवर के लाइसेंस पर फोटो. उसके बाद शीघ्र ही, आईबीएम, वीरांगना, और माइक्रोसॉफ्ट सभी ने घोषणा की कि वे इस क्षमता में अपनी चेहरे-पहचान प्रौद्योगिकियों के उपयोग पर पुनर्विचार कर रहे हैं।

उपरोक्त डीपफेक ने विशेष रूप से काफी डर पैदा कर दिया है, शायद इसलिए क्योंकि वे स्पष्ट रूप से प्रदर्शित करते हैं कि उनका दुरुपयोग कैसे हानिकारक हो सकता है। कैलिफोर्निया का निधन एबी-730, राजनेताओं के शब्दों या कार्यों की गलत धारणा देने के लिए डीपफेक के उपयोग को अपराध घोषित करने के लिए बनाया गया एक कानून, एक स्पष्ट कदम था ए.आई. के उपयोग को विनियमित करने का प्रयास ए.आई. को सर्वोत्तम तरीके से कैसे विकसित किया जाए, इस पर सुसंगत नियम। अच्छाई के पक्ष में उपकरण काम में बने रहते हैं प्रगति।

यह फोकस ए.आई. पर है। नैतिकता ऐसा महसूस कराती है जैसे विषय पहली बार मुख्यधारा में आना शुरू हो रहा है। इसका अधिकांश श्रेय जैसे शोधकर्ताओं को जाना चाहिए कैरोलीन क्रिआडो पेरेज़ और सफिया उमोजा नोबल, जिसका एल्गोरिथम पूर्वाग्रह और जवाबदेही के महत्व को उजागर करने के अथक परिश्रम ने स्पष्ट रूप से प्रभावित किया है।

संपादकों की सिफ़ारिशें

• ए.आई. आमतौर पर कुछ भी नहीं भूलता, लेकिन फेसबुक का नया सिस्टम भूल जाता है। उसकी वजह यहाँ है
• फेसबुक का नया A.I. छवि पहचान को बिल्कुल नए स्तर पर ले जाता है
• यह ए.आई. मेम जेनरेटर ने विचित्र इंटरनेट हास्य की कला में महारत हासिल कर ली है
• गूगल के सीईओ सुंदर पिचाई ने ए.आई. के खतरों के प्रति आगाह किया और अधिक विनियमन की मांग करता है
• Google का कहना है कि Gmail अपने A.I. की मदद से प्रतिदिन 100 मिलियन स्पैम संदेशों को ब्लॉक करता है