कृत्रिम बुद्धिमत्ता के भविष्य के विकास के रुझान (भाग-1)

  आर्टिफ़िशियल इंटेलिजेंस के साथ (AI) यह अधिक सामान्य होता जा रहा है और जीवन को बदलने वाले निर्णयों में एकीकृत होता जा रहा है, जिससे पारदर्शिता की मांग भी तेजी से बढ़ रही है। हाल के वर्षों में, आर्टिफिशियल इंटेलिजेंस के कारण पूर्वाग्रह और भेदभाव के मामले लगातार सामने आए हैं, जिसमें चेहरे की पहचान का उपयोग करके नागरिक सुरक्षा एक उदाहरण है। आने वाले कुछ वर्षों में, यह संभव है कि ढीले-ढाले स्व-नियमन से बदलकर सरकार का आर्टिफिशियल इंटेलिजेंस में भागीदारी हो जाए। इसके विपरीत, बड़ी टेक कंपनियाँ तकनीकी खुद द्वारा पैदा हुई गोपनीयता और पूर्वाग्रह की समस्याओं को हल करने के लिए आर्टिफिशियल इंटेलिजेंस का अधिक से अधिक उपयोग कर रही हैं।

 

01तकनीकी रुझान

 

नीचे वैश्विक डेटा कंपनी द्वारा निर्धारित प्रभावों की सूची दी गई हैएआईविषय के प्रमुख तकनीकी रुझान:

 

समझाने योग्य कृत्रिम बुद्धिमत्ता(XAI)

 

आर्टिफ़िशियल इंटेलिजेंस जीवन को बदलने वाले निर्णयों में अधिक से अधिक भागीदारी कर रहा है, जैसे कि कल्याण भुगतान, बंधक ऋण की मंजूरी और चिकित्सा निदान। इसलिए, पारदर्शिता और व्याख्यात्मकता अत्यंत महत्वपूर्ण हो गई है। AIमॉडल पक्षपात के विवादों ने बहुत ध्यान आकर्षित किया है, जिससे कंपनियों को अपने आंतरिक AIविकास दिशानिर्देशों को अपडेट करने के लिए प्रेरित किया है, ताकि विश्वास स्थापित किया जा सके। केवल एप्लिकेशन पहचान का विस्तार (XAI）डेटा में मौजूद पक्षपात को कम करने के लिए पर्याप्त नहीं है, क्योंकि यह केवल कंपनियों को संभावित भेदभाव की पहचान करने में सक्षम बनाता है। कंपनियाँ आवश्यकतानुसार अपने मॉडलों को सुधारेंगी, और ऐप्लिकेशन पहचान तथा एआई के विस्तार को अधिकांश एआई से जुड़ी कंपनियों की प्राथमिकता बना दिया गया है, जैसे कि गूगल और रक्षा क्षेत्र की दिग्गज कंपनी लॉकहीड मार्टिन।

 

फेडरेटेड लर्निंग

 

  तकनीक के रूप में एआई द्वारा खुद उत्पन्न हुए गोपनीयता संबंधी मुद्दों का समाधान असंभव लग सकता है, इस तरीके को गूगल ने 2017वर्ष में लॉन्च किया गया, जिसका उद्देश्य संवेदनशील डेटा की सुरक्षा के साथ, स्थानीय उपकरणों (जैसे स्मार्टफोन) पर उपलब्ध समृद्ध डेटासेट का उपयोग करना है। संक्षेप में, डिवाइस क्लाउड से वर्तमान मॉडल डाउनलोड करता है, अपनी मेमोरी में संग्रहीत डेटा से सीखकर इसे बेहतर बनाता है, और फिर स्थानीय डेटा के आधार पर मॉडल को अपडेट करता है। फेडरेटेड लर्निंग का सबसे प्रसिद्ध उपयोग गूगल द्वारा किया जाता है; उदाहरण के लिए, कीबोर्ड ऐप्लिकेशन पिछले ऑपरेशन के डेटा के आधार पर शब्द या वाक्यांशों का सुझाव देता है। स्वास्थ्य देखभाल क्षेत्र में, फेडरेटेड लर्निंग विभिन्न संगठनों को एक मॉडल पर सहयोग करने की अनुमति देता है, जिससे संवेदनशील डेटा को साझा किए बिना रोगियों की देखभाल में सुधार होता है।

 

चेहरा पहचान

 

        2020 年 6 महीने, अमेज़ॉन, अमेरिकी इंटरनेशनल बिज़नेस कॉर्पोरेशन (IBM) और माइक्रोसॉफ्ट ने घोषणा की कि वे अब कानून प्रवर्तन एजेंसियों या आम लोगों को चेहरा पहचान (FR)उपकरण नहीं बेचेंगे। हालाँकि अमेज़ॉन ने कानून प्रवर्तन एजेंसियों द्वारा चेहरा पहचान के उपयोग की समय सीमा एक वर्ष तक बढ़ा दी है, लेकिन माइक्रोसॉफ्ट ने कहा है कि जब तक इस तकनीक को नियंत्रित करने के लिए राष्ट्रीय कानून नहीं बनता, वह चेहरा पहचान को पुलिस विभागों को नहीं बेचेगा। इसके विपरीत, अमेरिकी इंटरनेशनल बिज़नेस कॉर्पोरेशन ने घोषणा की कि वह अब सामान्य चेहरा पहचान या विश्लेषण सॉफ़्टवेयर प्रदान नहीं करेगा। जॉर्ज फ्लॉयड (जॉर्ज फ्लॉयड)हत्या और उसके बाद हुए विरोध प्रदर्शनों के बाद, सेंसरशिप में तेजी आई है, जिसने बड़ी टेक कंपनियों को चेहरे की पहचान से दूर रहने के लिए प्रेरित किया है, लेकिन नैतिक मुद्दे और पक्षपात के उदाहरण वर्षों से व्याप्त रहे हैं।

 

मशीन का स्वायत्त अध्ययन (AutoML)

 

मशीन का स्वायत्त अध्ययन इस बात को कम करने का लक्ष्य रखता है कि स्वायत्त अध्ययन (एमएल） वास्तविक दुनिया की समस्याओं पर लागू होने के लिए आवश्यक मानवीय श्रम और ऊर्जा की मात्रा को कम करता है। यह स्वचालित रूप से स्वायत्त अध्ययन मॉडल के विकास के समय लेने वाले, आवर्ती पहलुओं को बढ़ाने के ज़रिए इसे प्राप्त करता है, जिससे सीमित ML विशेषज्ञता वाले डेवलपर्स और डेटा वैज्ञानिक भी स्वायत्त अध्ययन मॉडल और तकनीकों का उपयोग कर सकते हैं, साथ ही यह मशीन लर्निंग मॉडल में मानवीय त्रुटियों और पूर्वाग्रहों को भी कम करता है। धोखाधड़ी का पता लगाना, मूल्य निर्धारण और बिक्री प्रबंधन मशीन अध्ययन के स्वायत्त अध्ययन के सामान्य अनुप्रयोग क्षेत्र हैं। गूगल क्लाउड, डेटा रोबोट（DataRobot） और H20.ai यह मशीन की स्वायत्त शिक्षण सॉफ़्टवेयर समाधानों का एक प्रमुख उदाहरण है।

 

दक्षता आधी से दोगुनी है

 

  में 2019 एक साल के एक साक्षात्कार में, Google के AI प्रमुख जेफ़ डीन ने कहा, हम ऐसी प्रणालियों का निर्माण करना चाहते हैं जो नई टास्क के लिए व्यापक रूप से लागू हो सकें, और यह कि कम डेटा और कम कंप्यूटेशन के साथ काम करना दिलचस्प और महत्वपूर्ण होगा। अधिकांश लोग सहमत हैं कि कम डेटा पॉइंट्स से सीखने के नियामक और वाणिज्यिक लाभ बहुत उल्लेखनीय हैं। भावना पहचान स्टार्टअपAffectaसीईओ और सह-संस्थापक कालुबी ने कहा कि डेटा सिंथेसिस तरीका कंपनी को पहले से एकत्र किए गए डेटा को प्राप्त करने और उसे संयोजित करके नए डेटा बनाने की अनुमति देगा। उदाहरण के लिए, किसी व्यक्ति के कार चलाते हुए वीडियो का उपयोग नए दृश्य बनाने के लिए किया जा सकता है, जैसे कि ड्राइवर का सिर घुमाना या मैसेज भेजना—इस तरह के अंतिम बिंदु पर बुद्धिमान इंटरनेट ऑफ़ थिंग्स (AIoT）

 

क्रांतिकारी विषयों के बीच मुख्य संगम क्षेत्रों में से एक है, जो कि कृत्रिम बुद्धिमत्ता और इंटरनेट ऑफ़ थिंग्स है। इस संयोजन ने इंटरनेट ऑफ़ थिंग्स कृत्रिम बुद्धिमत्ता का जन्म दिया है। जुड़े हुए सेंसर और एक्चुएटर द्वारा एकत्र किए गए डेटा को AI के साथ जोड़कर, एज पर लेटेंसी को कम करने, गोपनीयता बढ़ाने और रीयल-टाइम बुद्धिमत्ता प्राप्त करने की संभावना है। ऐप्पल कंपनी (Apple) ने 2020 年 1 महीने ने अधिग्रहण किया हैXnor.ai, यह कंपनी कम बिजली की खपत वाले उपकरणों पर चलने वाले समर्थन प्रदान करती हैएआईइमेज रिकोग्निशन टूल का उपयोग करके, सीमाओं पर अपने उत्पादों को मजबूत कर रहा है।

 

क्वांटम कंप्यूटिंग

 

  क्वांटम कंप्यूटिंग अब परिपक्वता की ओर बढ़ रही है, जिसमें गूगल, माइक्रोसॉफ्ट और अमेरिकन इंटरनेशनल बिजनेस मशीन्स अग्रणी स्थान पर हैं। क्वांटम कंप्यूटर के समर्थन से, आर्टिफिशियल इंटेलिजेंस एप्लिकेशन अधिक तेजी से काम कर सकते हैं। शिकागो विश्वविद्यालय में क्वांटम इन्फॉर्मेशन के प्रोफेसर डेविड ·ओशालोम के अनुसार, क्वांटम कंप्यूटर के उपयोग से मशीन लर्निंग पर आधारित कई गणना कार्यों को तेजी से पूरा किया जा सकता है। ये कंप्यूटर अधिक तेजी से गणना करने में सक्षम होंगे और संसाधनों की अधिक कुशलता से उपयोग करने वाले एल्गोरिदम के विकास को संभव बनाएंगे, साथ ही आर्टिफिशियल इंटेलिजेंस को अधिक जटिल कार्यों को संभालने की अनुमति भी देंगे। अमेरिकन इंटरनेशनल बिजनेस मशीन्स ने 2016 से अपने ग्राहकों को क्वांटम क्लाउड कंप्यूटिंग सेवाएं प्रदान कर रही है, 2019 में, माइक्रोसॉफ्ट (Azure Quantum) और एमेज़ॉन क्वांटम सॉल्यूशंस लैब ने घोषणा की कि ग्राहक अपने प्रयोगात्मक एल्गोरिदम को कई क्वांटम कंप्यूटरों पर परीक्षण करने की संभावना रखते हैं।

 

अगली पीढ़ी के चिप

 

  चिप डिजाइन का मुख्य ध्यान अब 1वर्ग मिलीमीटर के सिलिकॉन चिप पर अधिक ट्रांजिस्टर रखने की दौड़, माइक्रोप्रोसेसर को एक सिस्टम के रूप में बनाने की ओर बढ़ गई है, जिसमें कई घटक होते हैं, जिनमें से प्रत्येक एक विशिष्ट कार्य करता है। आने वाले कुछ वर्षों में, कंप्यूटर जानकारी को संग्रहीत और संसाधित करने के मानव मस्तिष्क के तरीके की नकल और अधिक करेंगे। यहीं पर न्यूरोमॉर्फिक कंप्यूटिंग और न्यूरोमॉर्फिक चिप्स का महत्व आता है। न्यूरोमॉर्फिक चिप्स बड़ी मात्रा में डेटा को संसाधित करने और न्यूरल नेटवर्क का उपयोग करने वाले डीप लर्निंग एप्लिकेशन को पावर देने के लिए बहुत उपयुक्त हैं, साथ ही ये पारंपरिक प्रोसेसर की तुलना में कम ऊर्जा की खपत करते हैं। अमेरिकी अंतर्राष्ट्रीय वाणिज्यिक मशीन कंपनी ने ट्रूनोस (TrueNorth）सहयोग, इंटेल और रोशी (Loihi）सहयोग के साथ, वर्तमान में अनुसंधान एवं विकास के क्षेत्र में अग्रणी स्थिति में है, लेकिन क्वालकॉम और HP एंटरप्राइज़ से आने वाली चुनौतियों का सामना कर रहा है (HPE) और सैमसंग जैसी प्रतिष्ठित कंपनियों के साथ-साथGraphcoreसिमुलेशन और कैम्ब्रियन जैसे अच्छी तरह से वित्त पोषित स्टार्टअप्स के साथ प्रतिस्पर्धा।