एलएलएम चिकित्सा, मीडिया और बहुत कुछ बदल देगा – news247online

एआई जो अब दुनिया का इतना ध्यान आकर्षित कर रही है – और भारी मात्रा में कंप्यूटिंग शक्ति और बिजली को चूस रही है – गहरी शिक्षा नामक तकनीक पर आधारित है। गहन शिक्षण में रैखिक बीजगणित (विशेष रूप से, मैट्रिक्स गुणन) और सांख्यिकी का उपयोग प्रशिक्षण प्रक्रिया के दौरान बड़े डेटासेट से पैटर्न निकालने और इस प्रकार सीखने के लिए किया जाता है। Google के जेमिनी या OpenAI के GPT जैसे बड़े भाषा मॉडल (एलएलएम) को पाठ, छवियों और वीडियो के ढेर पर प्रशिक्षित किया गया है और उन्होंने कई क्षमताएं विकसित की हैं, जिनमें “आकस्मिक” क्षमताएं भी शामिल हैं जिनके लिए उन्हें स्पष्ट रूप से प्रशिक्षित नहीं किया गया था (आशाजनक निहितार्थ के साथ, लेकिन चिंताजनक भी) ऐसे मॉडलों के अधिक विशिष्ट, डोमेन-विशिष्ट संस्करण अब छवियों, संगीत, रोबोटिक्स, जीनोमिक्स, चिकित्सा, जलवायु, मौसम, सॉफ्टवेयर-कोडिंग और बहुत कुछ के लिए मौजूद हैं।

इंसान की समझ से परे

क्षेत्र में तेजी से प्रगति ने भविष्यवाणियां की हैं कि एआई “दवा विकास पर कब्ज़ा कर रहा है”, कि यह “हॉलीवुड कहानी कहने के हर पहलू को बदल देगा”, और यह कि यह “विज्ञान को ही बदल सकता है” (अतीत में इस समाचार पत्र में किए गए सभी दावे) वर्ष) ऐसा कहा जाता है कि एआई वैज्ञानिक खोज को गति देगा, सफेदपोश नौकरियों की नीरसता को दूर करेगा और चमत्कारिक नवाचारों को जन्म देगा जिनकी अभी तक कल्पना भी नहीं की जा सकी है। एआई से दक्षता में सुधार होने और आर्थिक विकास को बढ़ावा मिलने की उम्मीद है गोपनीयता और सुरक्षा, और नैतिक उलझनों को जन्म देती है, यह पहले से ही यह समझ रही है कि यह क्या कर रहा है।

शोधकर्ता अभी भी इस पर नियंत्रण प्राप्त कर रहे हैं कि एआई क्या कर पाएगा और क्या नहीं कर पाएगा। अब तक, अधिक डेटा पर प्रशिक्षित बड़े मॉडल अधिक सक्षम साबित हुए हैं। इसने इस विश्वास को प्रोत्साहित किया है कि और अधिक जोड़ना जारी रखने से बेहतर AI बनेगा। “स्केलिंग कानूनों” पर शोध किया गया है जो दिखाता है कि एलएलएम को बेहतर बनाने के लिए मॉडल आकार और प्रशिक्षण डेटा की मात्रा कैसे परस्पर क्रिया करती है। लेकिन “बेहतर” एलएलएम क्या है? क्या यह वह है जो प्रश्नों का सही उत्तर देता है, या जो रचनात्मक विचारों के साथ आता है?

यह अनुमान लगाना भी मुश्किल है कि मौजूदा सिस्टम और प्रक्रियाएं एआई का कितना अच्छा उपयोग कर पाएंगी। अब तक, एआई की शक्ति अलग-अलग कार्यों में सबसे अधिक स्पष्ट है। इसे दंगाई भीड़ की तस्वीरें दें, और इस विशिष्ट उद्देश्य के लिए प्रशिक्षित एक एआई मॉडल, अधिकारियों के लिए भीड़ में चेहरों की पहचान कर सकता है। एलएलएम और कानून की परीक्षा दें, और यह आपके औसत हाई-स्कूलर से बेहतर प्रदर्शन करेगा। लेकिन ओपन-एंडेड कार्यों पर प्रदर्शन का मूल्यांकन करना कठिन है।

इस समय के बड़े एआई मॉडल अपने प्रशिक्षण डेटा में दर्शाए गए पैटर्न के आधार पर कविता से लेकर फोटोरिअलिस्टिक छवियों तक चीजों को उत्पन्न करने में बहुत अच्छे हैं। लेकिन ऐसे मॉडल यह तय करने में कम अच्छे होते हैं कि उनके द्वारा तैयार की गई कौन सी चीजें सबसे ज्यादा मायने रखती हैं या किसी दिए गए स्थिति में सबसे उपयुक्त हैं। वे तर्क-वितर्क में कम अच्छे होते हैं। यह स्पष्ट नहीं है कि क्या अधिक डेटा लगातार तर्क करने की क्षमता को अनलॉक करेगा, या क्या पूरी तरह से अलग प्रकार के मॉडल की आवश्यकता होगी। यह संभव है कि लंबे समय तक एआई की सीमाएं ऐसी रहेंगी कि इसकी शक्ति का उपयोग करने के लिए मनुष्यों के तर्क की आवश्यकता होगी।

ये सीमाएँ क्या हैं, इस पर काम करना स्वास्थ्य देखभाल जैसे क्षेत्रों में मायने रखेगा। सही ढंग से उपयोग किए जाने पर, एआई कैंसर को पहले ही पकड़ सकता है, सेवाओं तक पहुंच बढ़ा सकता है, निदान में सुधार कर सकता है और उपचार को निजीकृत कर सकता है। एनपीजे डिजिटल मेडिसिन में अप्रैल में प्रकाशित एक मेटा-विश्लेषण के अनुसार, एआई एल्गोरिदम ऐसे कार्यों में मानव चिकित्सकों से बेहतर प्रदर्शन कर सकता है। लेकिन उनका प्रशिक्षण उन्हें उन तरीकों से भटका सकता है जो मानवीय हस्तक्षेप के महत्व को दर्शाते हैं।

उदाहरण के लिए, एआई मॉडल में “डेटा वितरण बदलाव” के कारण मानवीय पूर्वाग्रह बढ़ने की संभावना है; एक डायग्नोस्टिक मॉडल गलतियाँ कर सकता है यदि इसे ज्यादातर सफेद लोगों की त्वचा की छवियों पर प्रशिक्षित किया जाता है, और फिर एक काले व्यक्ति की त्वचा की छवि दी जाती है। एआई का संयोजन एक योग्य मानव के साथ सबसे प्रभावी साबित हुआ पेपर से पता चला कि एआई का उपयोग करने वाले चिकित्सक उन लोगों की हिस्सेदारी को 81.1% से बढ़ाकर 86.1% करने में सक्षम थे, जिन्होंने सही ढंग से कैंसर का निदान किया था। क्योंकि एआई मॉडल इंसानों से अलग गलतियां करते हैं, एआई-मानव साझेदारी अकेले एआई और इंसान दोनों से बेहतर प्रदर्शन करती देखी गई है।

रोबोटिक विधि

विज्ञान में नई परिकल्पनाओं का पता लगाने के लिए मनुष्य की आवश्यकता कम हो सकती है। 2009 में कैम्ब्रिज विश्वविद्यालय में रॉस किंग ने कहा कि उनका अंतिम लक्ष्य एक ऐसी प्रणाली डिजाइन करना था जो एक स्वायत्त प्रयोगशाला या “रोबोट वैज्ञानिक” के रूप में कार्य करेगी। डॉ किंग के एआई वैज्ञानिक, जिन्हें एडम कहा जाता है, को परिकल्पनाओं के साथ आने के लिए इंजीनियर किया गया था , प्रयोग करने के लिए अपने रोबोटिक हाथ का उपयोग करें, अपने सेंसर के साथ परिणाम एकत्र करें और उनका विश्लेषण करें, स्नातक छात्रों और पोस्टडॉक्स के विपरीत, एडम को कभी भी खाने या सोने के लिए ब्रेक लेने की आवश्यकता नहीं होती है, लेकिन इस प्रकार के एआई सिस्टम (अभी के लिए) अपेक्षाकृत सीमित हैं दवा खोज और सामग्री विज्ञान जैसे संकीर्ण डोमेन यह स्पष्ट नहीं है कि वे मानव-नेतृत्व वाले अनुसंधान से कहीं अधिक लाभ प्रदान करेंगे या नहीं।

डेटा को वर्गीकृत करने, छांटने और विश्लेषण करने और भविष्यवाणियां करने के लिए एआई तकनीकों का उपयोग दशकों से विज्ञान में किया जाता रहा है। उदाहरण के लिए, प्रोजेक्ट सीईटीआई के शोधकर्ताओं ने व्हेल वोकलिज़ेशन का एक बड़ा डेटासेट एकत्र किया, फिर इस डेटा पर एक एआई मॉडल को प्रशिक्षित किया ताकि यह पता लगाया जा सके कि किन ध्वनियों का अर्थ हो सकता है। या Google DeepMind द्वारा विकसित एक गहरे तंत्रिका नेटवर्क अल्फ़ाफ़ोल्ड पर विचार करें। एक विशाल प्रोटीन डेटाबेस पर प्रशिक्षित, यह प्रोटीन के त्रि-आयामी आकार की त्वरित और सटीक भविष्यवाणी कर सकता है, एक ऐसा कार्य जिसके लिए एक बार मनुष्यों द्वारा सावधानीपूर्वक प्रयोग और माप की आवश्यकता होती है। जीएनओएमई, डीपमाइंड द्वारा विकसित एक अन्य एआई प्रणाली, का उद्देश्य विशिष्ट रासायनिक गुणों वाली नई सामग्रियों की खोज में सहायता करना है (आरेख देखें)।

पूरी छवि देखें

एआई डेटा के बड़े प्रवाह को समझने में भी मदद कर सकता है जो अन्यथा शोधकर्ताओं के लिए भारी होगा, चाहे इसमें नए उप-परमाणु कणों की पहचान करने के लिए कण कोलाइडर से परिणामों को छानना शामिल हो, या वैज्ञानिक साहित्य के साथ तालमेल बिठाना शामिल हो। किसी भी इंसान के लिए, चाहे वह कितना भी तेज-तर्रार पाठक हो, हर वैज्ञानिक पेपर को पचाना बिल्कुल असंभव है जो उनके काम के लिए प्रासंगिक हो सकता है। तथाकथित साहित्य-आधारित खोज प्रणालियाँ अनुसंधान में अंतराल खोजने, पुराने विचारों को नए तरीकों से संयोजित करने या यहां तक ​​कि नई परिकल्पनाओं का सुझाव देने के लिए पाठ के इन पहाड़ों का विश्लेषण कर सकती हैं। हालाँकि, यह निर्धारित करना कठिन है कि इस प्रकार का AI कार्य लाभदायक सिद्ध होगा या नहीं। अप्रत्याशित कटौतीत्मक छलांग लगाने में एआई इंसानों से बेहतर नहीं हो सकता है; इसके बजाय यह केवल अनुसंधान के पारंपरिक, घिसे-पिटे रास्तों का पक्ष ले सकता है जो रोमांचक कहीं नहीं ले जाते।

शिक्षा के क्षेत्र में चिंताएं हैं कि एआई-और विशेष रूप से चैटजीपीटी जैसे बॉट-वास्तव में मूल सोच में बाधा बन सकते हैं। एक शिक्षा कंपनी चेग द्वारा 2023 में किए गए एक अध्ययन के अनुसार, दुनिया भर में 40% छात्र अपने स्कूल के काम करने के लिए एआई का उपयोग करते हैं, ज्यादातर लिखने के लिए। इसने कुछ शिक्षकों, प्रोफेसरों और स्कूल जिलों को एआई चैटबॉट्स पर प्रतिबंध लगाने के लिए प्रेरित किया है। कई लोगों को डर है कि उनका उपयोग किसी समस्या को हल करने या तर्क देने के लिए संघर्ष के माध्यम से समस्या-समाधान और आलोचनात्मक सोच कौशल के विकास में हस्तक्षेप करेगा। अन्य शिक्षकों ने एआई को एक उपकरण के रूप में अपनाते हुए और इसे असाइनमेंट में शामिल करते हुए, एक बिल्कुल अलग तरीका अपनाया है। उदाहरण के लिए, छात्रों को किसी विषय पर निबंध लिखने के लिए ChatGPT का उपयोग करने के लिए कहा जा सकता है और फिर इसमें जो गलत हो रहा है उस पर आलोचना करने के लिए कहा जा सकता है।

रुको, क्या किसी चैटबॉट ने यह कहानी लिखी है?

एक बटन के क्लिक पर टेक्स्ट तैयार करने के साथ-साथ, आज का जेनरेटिव एआई कुछ ही सेकंड में चित्र, ऑडियो और वीडियो तैयार कर सकता है। इसमें पॉडकास्टिंग से लेकर वीडियो गेम से लेकर विज्ञापन तक के क्षेत्रों में मीडिया व्यवसाय को हिला देने की क्षमता है। एआई-संचालित उपकरण संपादन को सरल बना सकते हैं, समय बचा सकते हैं और प्रवेश में बाधाएं कम कर सकते हैं। लेकिन एआई-जनित सामग्री कुछ कलाकारों, जैसे चित्रकारों या आवाज अभिनेताओं, को जोखिम में डाल सकती है। समय के साथ, मानव अभिनेताओं के एआई-संचालित सिमुलैक्रा का उपयोग करके पूरी फिल्में बनाना संभव हो सकता है – या पूरी तरह से कृत्रिम।

फिर भी, एआई मॉडल न तो अपने आप समस्याएं पैदा कर सकते हैं और न ही हल कर सकते हैं (या अभी तक नहीं)। वे केवल सॉफ़्टवेयर के विस्तृत टुकड़े हैं, संवेदनशील या स्वायत्त नहीं। वे उन्हें लागू करने और उन्हें संकेत देने और फिर परिणामों को लागू करने या त्यागने के लिए मानव उपयोगकर्ताओं पर भरोसा करते हैं। एआई की क्रांतिकारी क्षमता, बेहतर या बदतर, अभी भी मनुष्यों और मानवीय निर्णय पर निर्भर करती है।

© 2024, द इकोनॉमिस्ट न्यूजपेपर लिमिटेड। सर्वाधिकार सुरक्षित। द इकोनॉमिस्ट से, लाइसेंस के तहत प्रकाशित। मूल सामग्री www.economist.com पर पाई जा सकती है