विजय गर्ग
सेवानिवृत्त प्रधानाचार्य, शैक्षिक स्तंभकार, मालोट पंजाब
यदि आप आर्टिफिशियल इंटेलिजेंस (एआई) पर लेखों से भरे नहीं हैं, तो आप शायद चट्टान के नीचे रह रहे हैं। इनमें से कई लेख मशीनों द्वारा मानव जाति पर कब्ज़ा करने पर आधारित एक डायस्टोपियन भविष्य की तस्वीरें उठाते हैं। यदि आप मानव जाति के भविष्य के बारे में पर्याप्त रूप से आशंकित हैं, तो मुझे अपना विश्लेषण प्रस्तुत करने का प्रयास करना चाहिए कि अल क्या है और क्या नहीं है, और यह निकट भविष्य में हमारी दुनिया को कैसे आकार दे सकता है। अल कोई हालिया घटना नहीं है, हालांकि चैटजीपीटी जैसे विशिष्ट हार्डवेयर और सॉफ्टवेयर के मामले में इसने हाल ही में अधिक लोकप्रियता हासिल की है। यह शब्द पहली बार 1956 में स्टैनफोर्ड विश्वविद्यालय के कंप्यूटर वैज्ञानिक जॉन मैकार्थी द्वारा गढ़ा गया था। उन्होंने इसे “बुद्धिमान मशीनें बनाने का विज्ञान और इंजीनियरिंग” के रूप में परिभाषित किया। तब से, कई वैज्ञानिकों और इंजीनियरों ने इस क्षेत्र में काम किया है और हमने अनुसंधान के लिए धन की कमी के कारण कई बार व्यस्त गतिविधियों के साथ-साथ शुष्क दौर भी देखा है। दूसरा शब्द जो मैं संक्षेप में प्रस्तुत करना चाहता हूं वह ट्यूरिंग टेस्ट है, जिसका नाम एलन ट्यूरिंग के नाम पर रखा गया है, जिन्होंने कहा था कि यदि कोई मशीन मशीन के रूप में पहचाने बिना किसी इंसान के साथ बातचीत में संलग्न हो सकती है, तो इसने मानव बुद्धि का प्रदर्शन किया है। एलेक्सा जैसे उपकरणों और चैटजीपीटी जैसे सॉफ्टवेयर का विकास संभवतः शोधकर्ताओं द्वारा ट्यूरिंग परीक्षण के मानदंडों को पूरा करने की कोशिश का परिणाम है। सबसे पहले, अल की थोड़ी समझ आवश्यक है। अल, अपने वर्तमान अवतार में, परिष्कृत पैटर्न पहचान से अधिक कुछ नहीं है। प्रोग्राम उपभोक्ता व्यवहार, भाषण, पाठ, तस्वीरों, मेडिकल डायग्नोस्टिक स्कैन आदि में पैटर्न की तलाश करते हैं। सॉफ्टवेयर को शब्दों, चित्रों, संख्याओं और स्कैन के एक बहुत बड़े डेटाबेस का उपयोग करके पैटर्न को पहचानने के लिए “प्रशिक्षित” किया जाता है। उदाहरण के लिए, यदि कोई ग्राहक नियमित आधार पर किसी रिटेल आउटलेट से कुछ उत्पाद खरीदता है, तो एएल इस खरीद पैटर्न का पता लगाने में सक्षम होगा और ग्राहक को उसकी प्राथमिकताओं से मेल खाने वाले अनुकूलित मेल/विज्ञापन भेजे जा सकते हैं। जब चेहरे की पहचान की बात आती है, तो चित्र को कई बिंदुओं या पिक्सेल में विभाजित किया जाता है। सॉफ्टवेयर पैटर्न निर्धारित करने के लिए पिक्सेल का विश्लेषण करता है जो चेहरे की विशेषताओं के बारे में जानकारी देता है। फिर सॉफ़्टवेयर उस पैटर्न की तुलना करेगा जिस पर उसे प्रशिक्षित किया गया है, यह निर्धारित करने के लिए कि क्या दोनों तस्वीरें एक ही व्यक्ति की हैं। अल द्वारा विकसित उत्तरों की सटीकता, या शुद्धता इसे प्रशिक्षित करने के लिए उपयोग किए गए डेटा पर निर्भर है। प्रशिक्षण सॉफ्टवेयर में बड़ी मात्रा में डेटा फीड करके किया जाता है, फिर सॉफ्टवेयर को पूछे गए प्रश्न का उत्तर देने दिया जाता है। उत्तर की सटीकता के संबंध में मानवीय प्रतिक्रिया प्रदान करके, सॉफ़्टवेयर को “प्रशिक्षित” किया जाता है ताकि वह अपने अगले प्रयास में पैटर्न को समझने की अपनी क्षमता में सुधार कर सके। प्रशिक्षण में उपयोग किए गए डेटा में अंतराल और कमियों के कारण एएल द्वारा गलतियाँ करने के पर्याप्त सबूत हैं। ये गलतियाँ अमेरिका में चेहरे की पहचान में हुई हैं जहाँ कार्यक्रम ने गलत तरीके से किसी व्यक्ति को उस अपराध में संदिग्ध के रूप में पहचाना है जो उसके द्वारा नहीं किया गया है। एएल कार्यक्रमों के ऐसे कई उदाहरण हैं जो जाति, लिंग, उम्र आदि के आधार पर स्पष्ट पूर्वाग्रह दिखाते हैं, जब सॉफ़्टवेयर को प्रशिक्षित करने के लिए उपयोग किया जाने वाला डेटाबेस ख़राब या पक्षपातपूर्ण रहा हो। सॉफ़्टवेयर की जटिलता के बावजूद, उनमें से कोई भी 100% विश्वसनीय नहीं है। कुछ लोग कह सकते हैं कि दोनों ही मनुष्य नहीं हैं। किसी सॉफ़्टवेयर को निर्णय लेने देने में दो प्रमुख खतरे हैं। सबसे पहले, अधिकांश अल सॉफ्टवेयर एक ब्लैक बॉक्स की तरह हैं। प्रोग्राम द्वारा प्रयुक्त तर्क पर प्रश्न उठाना संभव नहीं है। ये करता हैहमें ऑडिटट्रेल करने की अनुमति न दें। दूसरा, लोग सॉफ़्टवेयर के आउटपुट पर बहुत विश्वास करते हैं और इस पर सवाल नहीं उठाते हैं, यह मानते हुए कि कंप्यूटर इंसानों की तरह गलतियाँ नहीं कर सकते हैं। लेकिन जैसा कि मैंने उल्लेख किया है, ऐसे कई उदाहरण हैं जहां अल ने त्रुटि की है। संपूर्ण मानव कार्य की जिम्मेदारी पूरी तरह से एक कंप्यूटर प्रोग्राम को सौंप देना गलत होगा, खासकर तब जब हम प्रोग्राम की विश्वसनीयता के बारे में आश्वस्त नहीं हैं। यदि त्रुटि के परिणामस्वरूप किसी व्यक्ति को गलत विश्वास हो जाता है, तो मानवीय दृष्टिकोण से परिणाम बहुत बड़े होते हैं। हम जो कर सकते हैं और शायद करना भी चाहिए, वह है मानव कार्य के दोहराव वाले घटक को स्वचालित करना। यह मानव को इनपुट प्रदान करके अधिक मूल्य जोड़ने के लिए स्वतंत्र करेगा जो कंप्यूटर नहीं कर सकते। इसका एक अच्छा उदाहरण हवाई जहाज़ों में ऑटो पायलट का प्रयोग है। किसी विमान को उड़ाने का सबसे लंबा और सबसे उबाऊ हिस्सा वह होता है जब वह अपनी परिभ्रमण ऊंचाई पर उड़ रहा होता है। टेक-ऑफ और लैंडिंग के लिए मानव पायलट की विशेषज्ञता की आवश्यकता होती है। इसलिए, एक विमान को परिभ्रमण ऊंचाई पर ऑटो पायलट पर रखा जा सकता है क्योंकि पायलट द्वारा लगातार ध्यान देने की आवश्यकता नहीं होती है। लेकिन हम पायलट को ख़त्म नहीं करते. हमने लंबी दूरी की उड़ान में ऑटो पायलट को तनाव दूर करने दिया। यदि स्थिति की मांग हो तो पायलट ऑटो पायलट को ओवरराइड कर सकता है। किसी भी तकनीकी विकास के कारण मानव श्रम में कमी आई है। चाहे वह भाप का इंजन हो, ट्रैक्टर हो, ऑटोमोबाइल हो, या यहाँ तक कि कंप्यूटर भी हो। प्रत्येक नवाचार के परिणामस्वरूप दोहराए जाने वाले मानवीय कार्यों की कठिनता समाप्त हो गई है, चाहे वह शारीरिक हो, या मानसिक। 1870 में, अमेरिका में सभी श्रमिकों में से आधे कृषि श्रमिक थे; 1900 में, सभी श्रमिकों का लगभग एक तिहाई; और 1950 में, सभी श्रमिकों के पांचवें हिस्से से भी कम। आज कृषि श्रमिकों की संख्या सभी श्रमिकों की लगभग एक प्रतिशत है। इस कमी का कारण इस अवधि में मशीनीकरण और खेत के आकार में वृद्धि है। जो प्रश्न पूछा जाना चाहिए वह यह नहीं है कि क्या प्रौद्योगिकी ने लोगों को विस्थापित कर दिया है; यह निश्चित रूप से हुआ। बल्कि हमें यह पूछना चाहिए कि क्या लोग आज मशीनों द्वारा किया जाने वाला काम करना चाहेंगे, जिसके लिए उपभोक्ता कितना भुगतान करने को तैयार होंगे। उत्तर, यकीनन, नहीं होगा। इसी तरह के परिदृश्य गैर-भौतिक कार्य स्थितियों जैसे कि गणना, लेखांकन आदि में देखे गए हैं, जहां कंप्यूटर ने प्रभावी रूप से मनुष्यों की जगह ले ली है, और यह सही भी है। आज कितने लोग पूरे दिन संख्याएँ जोड़ने का आनंद लेंगे? ऐसे कई मानवीय कार्य हैं जो स्वचालन के लिए उपयुक्त हैं। भारत में सबसे अपमानजनक और खतरनाक नौकरियों में से एक है सिर पर मैला ढोने का काम। क्या एएल संचालित समाधान मौत के उस जोखिम को खत्म करने का एक अच्छा तरीका नहीं होगा जो आज मैनुअल मैला ढोने वालों को सामना करना पड़ता है। ऐसे और भी कई काम हो सकते हैं जो इंसानों को नहीं करने चाहिए। जापानी कंपनियां, जैसे कि टोयोटा, इस नियम का उपयोग करती हैं कि यदि कोई कार्य गंदा, कठिन या खतरनाक है, तो यह स्वचालन के लिए एक अच्छा उम्मीदवार है। इस सूची में हम उबाऊ और दोहराव वाले भी जोड़ सकते हैं, जिसमें कोई मूल्य नहीं जोड़ा गया है। अंत में, मुझे लगता है कि अल के लिए प्रचार और भय दोनों ही बहुत ज़्यादा हो गए हैं। यदि अल का परीक्षण यह है कि उसे मनुष्य की नकल करने में सक्षम होना चाहिए, तो हमें यह याद रखना होगा कि मनुष्य गलतियाँ कर सकते हैं और कंप्यूटर नहीं। साथ ही मनुष्य को असफलता या गलती का अवसर भी मिल सकता है, जैसे पेनिसिलिन की खोज। एक कंप्यूटर ऐसा नहीं कर सकता क्योंकि उसे बताना होगा कि क्या देखना है। अंततः, मनुष्य निर्णय लेते हैं कि अल का उपयोग किस लिए किया जाना चाहिए, न कि इसके विपरीत। आइए हम इसे विवेकपूर्ण तरीके से करें।
