अब तक भविष्य की सुपर टेक्नोलॉजी, आर्टिफिशियल इंटेलिजेंस के विकास से जुड़े शब्द जबरदस्ती हमारी शब्दावली में प्रवेश कर चुके हैं, जिससे विशेषज्ञों, राजनेताओं, उपभोक्ता संघों और उच्च तकनीक उद्योगों के बीच गरमागरम बहस छिड़ गई है। नागरिक भ्रमित है और इस क्रांति के बारे में और अधिक समझना चाहता है जो जल्द ही उसके वास्तविक जीवन को अस्त-व्यस्त कर सकती है: अच्छा या बुरा यह आपके दृष्टिकोण पर निर्भर करता है।

मैसिमिलियानो डी एलिया द्वारा

यूरोप सबसे पहले विनियमन करने का प्रयास करने वाला थाआईए अधिनियम बुद्धिमान एल्गोरिदम का उपयोग. राजनेताओं और विशेषज्ञों द्वारा एक विनियमन का स्वागत किया गया है, लेकिन जो अभी भी संदेह छोड़ता है और राजनीतिक और सामाजिक गतिशीलता से दूर उपभोक्ता संघों और अन्य संगठनों से अधिक जानकारी के लिए अनुरोध करता है। व्यापार.

दिसंबर की शुरुआत में स्थापित परिषद और यूरोपीय संसद के बीच प्रारंभिक समझौते ने कानून की वास्तुकला की रूपरेखा तैयार की, लेकिन यूरोपीय संस्थानों और कंपनियों के बीच बातचीत नेता एआई क्षेत्र अभी भी समुद्र में है।

एआई एक्ट को अंतिम मंजूरी अगले मार्च से मई के बीच मिलने की उम्मीद है। हालाँकि, इसका प्रभाव 2025 तक ही देखा जाएगा, जब तकनीकी नवाचार को बढ़ावा देने और नागरिकों के मौलिक अधिकारों की रक्षा के उद्देश्य से कानून लागू होगा।

फिलहाल, कृत्रिम बुद्धिमत्ता पर यूरोपीय नियामक ढांचा एक दृष्टिकोण पर आधारित है।जोखिम आधारित" उच्च-जोखिम प्रणालियों के लिए तेजी से सख्त प्रगतिशील नियमों के साथ, जिनके डेवलपर्स को पंजीकरण करने का दायित्व है और इसमें उपयोग किए जाने वाले डेटा को बनाने की आवश्यकता है ट्रेनिंग एल्गोरिदम का. हालाँकि कुछ यूरोपीय देशों ने शुरू में उन्नत कृत्रिम बुद्धिमत्ता मॉडल को कठोर नियमों और नियंत्रणों से बचाने की कोशिश की थी, लेकिन अंतिम समझौते में कुछ सीमित रियायतें प्रदान की गईं, जैसे कि राष्ट्रीय सुरक्षा और इसलिए अनुसंधान और अनुसंधान से संबंधित सभी गतिविधियों के लिए। सैन्य प्रणालियों का नवाचार और पुलिस बल।

बायोमेट्रिक पहचान और सामूहिक निगरानी समर्पित राष्ट्रीय अधिकारियों द्वारा प्राधिकरण द्वारा प्रतिबंधित है। पूर्वानुमानित तकनीकों का उपयोग करने के लिए कानूनी कवरेज की गारंटी केवल कानून प्रवर्तन और सुरक्षा बलों को दी जाएगी। इसलिए यूरोपीय कानून सामान्य प्रयोजन कृत्रिम बुद्धिमत्ता प्रणालियों को बाजार में जारी करने से पहले पारदर्शिता दायित्व और संवेदनशील डेटा के अधिक सावधानीपूर्वक प्रबंधन को लागू करता है।

एआई अधिनियम के लागू होने के बाद सदस्य राज्यों द्वारा विनियमन के कार्यान्वयन के लिए दो साल की अवधि और निषिद्ध उपयोग स्थापित करने के लिए छह महीने का समय दिया जाएगा। इसके अलावा, ए एआई समझौता, यानी एक स्वैच्छिक अनुपालन प्रणाली जो यूरोपीय प्रावधानों की आशा करती है।

एआई अधिनियम के उल्लंघन के लिए जुर्माना न्यूनतम 7,5 मिलियन या टर्नओवर का 1,5% से लेकर अधिकतम 35 मिलियन या टर्नओवर का 17% तक होगा। कई व्याख्यात्मक चर, कंपनियों और उपभोक्ता संघों के हितों के प्रकाश में, ईयू विनियमन परिभाषित से बहुत दूर है और इसमें पर्याप्त बदलाव हो सकते हैं, इस प्रकार दिसंबर 2023 की शुरुआत में अनुमोदित प्रारंभिक दस्तावेज़ के प्रारूपण को एनिमेटेड करने वाली सहयोगात्मक भावना को संशोधित किया जा सकता है।

कृत्रिम बुद्धिमत्ता और प्रकृति पर, नीले सोने पर इसका प्रभाव

एआई सिस्टम या डेटा सेंटर के समग्र पर्यावरणीय प्रभाव का मूल्यांकन करते समय कृत्रिम बुद्धिमत्ता (एआई) सर्वर में पानी की खपत एक बहुत महत्वपूर्ण पहलू है। हालाँकि, यह ध्यान रखना महत्वपूर्ण है कि पानी की खपत अक्सर ऊर्जा के मामले में प्रत्यक्ष उपयोग के क्षेत्र के बजाय विभिन्न कारकों से संबंधित एक अप्रत्यक्ष पहलू है। यहां कुछ कारक दिए गए हैं जो एआई सर्वर में पानी की खपत में योगदान कर सकते हैं:

डेटा सेंटर कूलिंग: डेटा केंद्र, जो एआई वर्कलोड को संसाधित करने के लिए सर्वर होस्ट करते हैं, को तापमान को स्वीकार्य स्तर पर रखने के लिए शीतलन प्रणाली की आवश्यकता होती है। ये सिस्टम सर्वर द्वारा उत्पन्न गर्मी को नष्ट करने के लिए पानी का उपयोग कर सकते हैं।

हार्डवेयर उत्पादन: ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू) या विशेष प्रोसेसर जैसे समर्पित एआई हार्डवेयर के निर्माण के लिए अक्सर विनिर्माण और शीतलन प्रक्रियाओं के लिए महत्वपूर्ण मात्रा में पानी की आवश्यकता होती है।

ऊर्जा उत्पादन: यदि एआई सर्वर को बिजली देने के लिए उपयोग की जाने वाली ऊर्जा उन स्रोतों से आती है जिनके लिए बड़ी मात्रा में पानी की आवश्यकता होती है (जैसे कोयला आधारित या परमाणु ऊर्जा संयंत्र), तो सिस्टम का पूरा जीवनचक्र समग्र पानी की खपत को प्रभावित कर सकता है।

हार्डवेयर विनिर्माण संसाधन: हार्डवेयर के उत्पादन के लिए आवश्यक प्राकृतिक संसाधनों को निकालने से पानी पर असर पड़ सकता है, खासकर अगर इसमें सिलिकॉन जैसी सामग्री शामिल हो।

भौगोलिक स्थिति: डेटा केंद्रों की भौगोलिक स्थिति के आधार पर जल संसाधनों की उपलब्धता और प्रबंधन काफी भिन्न हो सकते हैं। दुर्लभ जल संसाधनों वाले क्षेत्रों में, पानी की खपत एक गंभीर मुद्दा हो सकती है।

कुछ कंपनियाँ पानी की खपत सहित अपने एआई सिस्टम के समग्र पर्यावरणीय प्रभाव को कम करने के लिए रणनीतियाँ अपना रही हैं। इसमें अधिक ऊर्जा-कुशल प्रौद्योगिकियों को अपनाना, कम पानी की आवश्यकता वाली नवीन शीतलन प्रणालियों को नियोजित करना और नवीकरणीय ऊर्जा स्रोतों में परिवर्तन शामिल हो सकता है। यह ध्यान रखना महत्वपूर्ण है कि पानी की खपत सहित एआई से संबंधित पर्यावरणीय विचार तेजी से प्रासंगिक होते जा रहे हैं, और कई संगठन अपने एआई सिस्टम के डिजाइन और प्रबंधन में टिकाऊ प्रथाओं को लागू करना चाह रहे हैं।

डिकैलॉग

नीचे कुछ ऐसे शब्दों की व्याख्या दी गई है जो हमारी शब्दावली में जबरदस्ती घुस गए हैं और जो उभरते विधायी नियमों की तुलना में तेजी से हमारे वास्तविक जीवन को बाधित कर सकते हैं।

कृत्रिम अधीक्षण

"कृत्रिम अधीक्षण" कृत्रिम बुद्धिमत्ता (एआई) के उन्नत स्तर को संदर्भित करता है जो कई क्षेत्रों में मानव संज्ञानात्मक क्षमताओं से काफी आगे निकल जाता है। यह शब्द अक्सर एआई से जुड़ा होता है जो विविध बौद्धिक कार्यों, मशीन लर्निंग और जटिल समस्याओं को हल करने में उत्कृष्टता प्राप्त करता है। कृत्रिम अधीक्षण एक भविष्यवादी दृष्टिकोण है जो बुद्धिमान प्रणालियों के निर्माण का सुझाव देता है जो न केवल मानव सीखने और समझने की क्षमताओं को पार करता है, बल्कि दुनिया की एक स्वायत्त समझ विकसित कर सकता है, तर्क कर सकता है, सीख सकता है और समस्याओं को उन तरीकों से हल कर सकता है जो पहुंच से परे हैं। मानव बुद्धि.

आज हम अभी तक कृत्रिम अधीक्षण के स्तर तक नहीं पहुंच पाए हैं, आज का अनुसंधान और विकास कृत्रिम बुद्धिमत्ता प्रणालियों पर केंद्रित है जो विशिष्ट गतिविधियों या कार्यों को मनुष्यों की तुलना में अधिक कुशलतापूर्वक या सटीक रूप से निष्पादित कर सकते हैं। कृत्रिम अधीक्षण एक भविष्य की संभावना है जो मनुष्यों से आगे निकलने में सक्षम बुद्धि वाली संस्थाओं को बनाने की संभावना पर गहन नैतिक प्रतिबिंब की हकदार है।

जनरेटिव आर्टिफिशियल इंटेलिजेंस

"जेनरेटिव आर्टिफिशियल इंटेलिजेंस" कृत्रिम बुद्धिमत्ता (एआई) के एक उपक्षेत्र को संदर्भित करता है जो उन प्रणालियों के निर्माण से संबंधित है जो स्वायत्त रूप से नए डेटा, सामग्री या जानकारी उत्पन्न कर सकते हैं। ये सिस्टम डेटा उत्पन्न करने के लिए मशीन लर्निंग दृष्टिकोण, विशेष रूप से जेनरेटिव न्यूरल नेटवर्क का उपयोग करते हैं, जो अक्सर मनुष्यों द्वारा उत्पन्न डेटा की नकल करते हैं या उससे अप्रभेद्य होते हैं।

जनरेटिव आर्टिफिशियल इंटेलिजेंस का एक उदाहरण "जेनरेटिव एडवरसैरियल नेटवर्क" (जीएएन) की अवधारणा है, जिसमें दो तंत्रिका नेटवर्क, एक जनरेटर और एक विवेचक, को एक प्रतिस्पर्धा प्रक्रिया के माध्यम से एक साथ प्रशिक्षित किया जाता है। जनरेटर तेजी से यथार्थवादी डेटा बनाने की कोशिश करता है, जबकि विवेचक वास्तविक डेटा और उत्पन्न डेटा के बीच अंतर करने की कोशिश करता है। इस प्रतियोगिता से जनरेटर की तेजी से ठोस डेटा बनाने की क्षमता में निरंतर सुधार होता है।

जनरेटिव आर्टिफिशियल इंटेलिजेंस के अनुप्रयोग विविध हैं और इसमें छवियों, ग्रंथों, संगीत और बहुत कुछ की पीढ़ी शामिल है। उदाहरण के लिए, GAN का उपयोग प्रामाणिक दिखने वाले कृत्रिम मानव चेहरे बनाने या यथार्थवादी दिखने वाली परिदृश्य छवियां उत्पन्न करने के लिए किया जा सकता है। हालाँकि, यह ध्यान रखना महत्वपूर्ण है कि ऐसी तकनीकों का उपयोग नैतिक प्रश्न भी उठाता है, जैसे कि सामग्री में हेरफेर की संभावना या विभिन्न मूल के आतंकवादियों जैसे अंतर्राष्ट्रीय अभिनेताओं द्वारा गलत जानकारी का निर्माण।

सामान्य कृत्रिम बुद्धिमत्ता

आर्टिफिशियल जनरल इंटेलिजेंस (एआईजी) कृत्रिम बुद्धिमत्ता के एक स्तर का प्रतिनिधित्व करता है जिसका उद्देश्य किसी भी मानव संज्ञानात्मक गतिविधि को स्वयं मनुष्यों के समान या उससे भी बेहतर तरीके से समझना, सीखना और निष्पादित करना है। सामान्य एआई के विपरीत, जिसे विशिष्ट या सीमित कार्यों को हल करने के लिए डिज़ाइन किया गया है, आईएजी एआई के व्यापक और अधिक लचीले रूप की आकांक्षा रखता है, जो कई डोमेन में अनुकूलन और सीखने में सक्षम है।

आर्टिफिशियल जनरल इंटेलिजेंस की प्रमुख विशेषताओं में शामिल हैं

सामान्य शिक्षा: डेटा की एक विस्तृत श्रृंखला से सीखने और इस ज्ञान को विभिन्न संदर्भों में लागू करने की क्षमता। इस प्रकार की सीख सरल कार्यों की विशिष्ट सीख से आगे जाती है।

अनुरूप तर्क: जटिल समस्याओं को हल करने और अनुरूप तर्क के माध्यम से संबंध बनाने की क्षमता, उसी तरह जैसे मनुष्य पिछले अनुभवों के आधार पर नई स्थितियों तक पहुंचते हैं।

संदर्भ को समझना: पर्यावरणीय, सामाजिक और सांस्कृतिक कारकों पर विचार करते हुए, उस संदर्भ को समझने की क्षमता जिसमें कोई स्वयं को पाता है। यह कौशल नई और अप्रत्याशित परिस्थितियों को अपनाने के लिए आवश्यक है।

आत्म-जागरूकता: किसी के अस्तित्व और क्षमताओं के बारे में जागरूकता, जिसमें सीमाओं की पहचान और गलतियों से सीखने की क्षमता शामिल है।

अनुकूलता: महत्वपूर्ण रीप्रोग्रामिंग के बिना नए कार्यों या वातावरण के अनुकूल होने की क्षमता।

वर्तमान में, IAG कृत्रिम बुद्धिमत्ता में सबसे महत्वाकांक्षी और जटिल लक्ष्यों में से एक है। अधिकांश वर्तमान एआई प्रौद्योगिकियां विशिष्ट कार्यों में विशिष्ट हैं और उनमें लचीलापन और संज्ञानात्मक विस्तार नहीं है जो एक सामान्य कृत्रिम बुद्धिमत्ता की विशेषता होगी। कृत्रिम सामान्य बुद्धिमत्ता प्राप्त करना महत्वपूर्ण तकनीकी, नैतिक और सुरक्षा चुनौतियाँ पैदा करता है और एआई अनुसंधान में एक दीर्घकालिक लक्ष्य बना हुआ है।

एआई में संवेदी न्यूरॉन्स

कृत्रिम बुद्धिमत्ता के क्षेत्र में, "संवेदक तंत्रिका कोशिकासेंसर से डेटा संसाधित करने के लिए डिज़ाइन किए गए कृत्रिम तंत्रिका नेटवर्क के घटकों से जुड़ा हो सकता है, जिस तरह से मानव तंत्रिका तंत्र बाहरी उत्तेजनाओं को समझने के लिए संवेदी न्यूरॉन्स का उपयोग करता है।

एक कृत्रिम तंत्रिका नेटवर्क में, "न्यूरॉन" शब्द एक कंप्यूटिंग इकाई को संदर्भित करता है जो इनपुट प्राप्त करता है, उन्हें एक सक्रियण फ़ंक्शन के माध्यम से संसाधित करता है, और एक आउटपुट उत्पन्न करता है। तंत्रिका नेटवर्क की पहली परतों में, जिन्हें अक्सर "इनपुट परतें" या "संवेदी परतें" कहा जाता है, न्यूरॉन्स सेंसर या इनपुट डेटा से प्रारंभिक जानकारी प्राप्त करने और बदलने के लिए जिम्मेदार होते हैं।

उदाहरण के लिए, कंप्यूटर विज़न एप्लिकेशन में, संवेदी न्यूरॉन्स एक छवि में पिक्सेल से कच्चे इनपुट का प्रतिनिधित्व कर सकते हैं। इस प्रारंभिक परत में प्रत्येक न्यूरॉन को एक विशिष्ट पिक्सेल से जोड़ा जा सकता है और छवि में कुछ पैटर्न या विशेषताओं पर प्रतिक्रिया करने के लिए प्रशिक्षित किया जा सकता है। दूसरे शब्दों में, ये संवेदी न्यूरॉन्स छवियों के कुछ पहलुओं, जैसे रूपरेखा, रंग या आकार को पहचानना सीखते हैं।

संवेदी न्यूरॉन्स एक बड़े एआई मॉडल का सिर्फ एक हिस्सा हैं, और फिर उनके आउटपुट को तंत्रिका नेटवर्क की क्रमिक परतों के माध्यम से संसाधित किया जाता है। नेटवर्क के लिए अंतिम लक्ष्य इनपुट डेटा में मौजूद जानकारी के तेजी से जटिल और सार्थक प्रतिनिधित्व को सीखना, मॉडल और रिश्तों को सीखने के लिए तंत्रिका नेटवर्क की संरचना और वास्तुकला का शोषण करना है।

संक्षेप में, कृत्रिम बुद्धिमत्ता में संवेदी न्यूरॉन्स सेंसर या इनपुट डेटा से प्रारंभिक जानकारी को संसाधित करने में महत्वपूर्ण भूमिका निभाते हैं, जिससे तंत्रिका नेटवर्क को इसके बाद की परतों में जटिल जानकारी को सीखने और व्याख्या करने की अनुमति मिलती है।

chatbot

एक चैटबॉट, जो "चैट" (बातचीत) और "रोबोट" शब्दों के संयोजन से बना है, एक कंप्यूटर एप्लिकेशन का प्रतिनिधित्व करता है जिसे बातचीत के माध्यम से मानव इंटरैक्शन को अनुकरण करने के लिए डिज़ाइन किया गया है। कृत्रिम बुद्धिमत्ता का उपयोग करके, चैटबॉट एक इंटरैक्टिव अनुभव प्रदान करते हुए, उपयोगकर्ता संदेशों की लगातार व्याख्या और प्रतिक्रिया करने में सक्षम है। इन वर्चुअल असिस्टेंट को वेबसाइट, मैसेजिंग ऐप, सोशल मीडिया और वॉयस इंटरफेस सहित विभिन्न प्लेटफार्मों पर एकीकृत किया जा सकता है। उनके अनुप्रयोग विविध हैं और उनमें स्वचालित ग्राहक सहायता, सूचना प्रावधान, आरक्षण प्रबंधन और बहुत कुछ शामिल हैं।

चैटबॉट मुख्यतः दो प्रकार के होते हैं:

नियम-आधारित: ये चैटबॉट प्रोग्रामिंग नियमों के पूर्वनिर्धारित सेट का पालन करते हैं और पूर्व निर्धारित पैटर्न के अनुसार प्रतिक्रिया देते हैं। उनकी बातचीत प्रोग्रामिंग के दौरान स्थापित तर्क तक ही सीमित है।

आर्टिफिशियल इंटेलिजेंस (एआई) के साथ: ये चैटबॉट उपयोगकर्ता संदेशों को समझने के लिए मशीन लर्निंग और प्राकृतिक भाषा प्रसंस्करण (एनएलपी) एल्गोरिदम का उपयोग करते हैं। वे पिछले अनुभवों से सीखने, समय के साथ सुधार करने और जटिल बातचीत से अधिक अनुकूल तरीके से निपटने में सक्षम हैं।

ग्राहक सेवा, व्यावसायिक अनुप्रयोगों और ऑनलाइन प्लेटफ़ॉर्म जैसे क्षेत्रों में महत्वपूर्ण भूमिका निभाते हुए चैटबॉट तेजी से लोकप्रिय हो गए हैं। उनकी उपस्थिति का उद्देश्य उपयोगकर्ता-मशीन इंटरैक्शन को सरल बनाना, पहुंच में सुधार करना और अधिक सहज अनुभव प्रदान करना है।

आर्टिफिशियल इंटेलिजेंस, एक अज्ञात तकनीक जो हमारे वास्तविक जीवन को बदल (बाधित) कर सकती है