कृत्रिम बुद्धिमत्ता क्या है? मशीन लर्निंग सिस्टम कैसे काम करते हैं

कृत्रिम बुद्धिमत्ता (AI) तकनीक का एक क्षेत्र है जो कंप्यूटर और मशीनों को मानव सीखने, समझ, समस्या-समाधान, निर्णय लेना, रचनात्मकता और स्वायत्तता का अनुकरण करने देता है, IBM के अनुसार।

संकीर्ण AI बनाम सामान्य AI

IBM दो व्यापक श्रेणियों में अंतर करता है। संकीर्ण AI, जिसे कमजोर AI भी कहा जाता है, एक विशिष्ट कार्य के लिए निर्मित सिस्टम को शामिल करता है, जैसे कि एक वॉयस सहायक या एक चैटबॉट। सामान्य AI, या मजबूत AI, एक सैद्धांतिक प्रणाली को संदर्भित करता है जिसमें मानव या अतिमानव स्तर पर कई कार्यों में व्यापक समझ होती है; IBM बताता है कि ऐसी प्रणालियां वर्तमान में मौजूद नहीं हैं।

मशीन लर्निंग: अधिकांश AI के पीछे का इंजन

मशीन लर्निंग (ML) AI का वह उप-क्षेत्र है जो उन एल्गोरिदम पर केंद्रित है जो प्रशिक्षण डेटा से पैटर्न सीखते हैं और फिर नए डेटा के बारे में अनुमान लगाते हैं, IBM बताता है। परंपरागत प्रोग्रामिंग से मुख्य अंतर यह है कि एक प्रोग्रामर को हर नियम को विस्तार से बताना नहीं पड़ता। IBM स्पैम डिटेक्शन का उदाहरण देता है: एक नियम-आधारित प्रोग्राम को मानव को परिभाषित करने की आवश्यकता होती है कि स्पैम कैसा दिखता है, जबकि एक ML मॉडल कई उदाहरण ईमेल का अध्ययन करके स्वयं स्पैम की विशेषताओं को सीखता है।

तीन मुख्य प्रकार की शिक्षा

IBM के अनुसार, मशीन लर्निंग सिस्टम आमतौर पर तीन तरीकों में से किसी एक में प्रशिक्षित होते हैं। पर्यवेक्षित शिक्षा लेबल किए गए डेटा का उपयोग करती है जिसमें ज्ञात सही उत्तर होते हैं, जैसे कि आइटमों को वर्गीकृत करना या कीमत जैसे निरंतर मूल्य की भविष्यवाणी करना। अनुपर्यवेक्षित शिक्षा बिना लेबल वाले डेटा के साथ काम करती है और छिपी हुई संरचना खोजती है, जैसे समान ग्राहकों को एक साथ समूहीकृत करना। सुदृढ़ीकरण शिक्षा एक सिस्टम को परीक्षण और त्रुटि के माध्यम से प्रशिक्षित करती है, ऐसी कार्रवाइयों को पुरस्कृत करती है जो इसे एक लक्ष्य की ओर ले जाती हैं ताकि यह क्रमिक रूप से एक इष्टतम रणनीति सीखे।

जहां AI पहले से दिख रहा है

IBM ग्राहक-सेवा चैटबॉट, धोखाधड़ी का पता लगाना, व्यक्तिगत मार्केटिंग सिफारिशें, AI-सहायता प्राप्त भर्ती स्क्रीनिंग, कोड-जनरेशन टूल और भविष्य सूचक रखरखाव को वर्तमान अनुप्रयोगों के रूप में सूचीबद्ध करता है। अलग से, IBM की मशीन-लर्निंग समीक्षा स्वायत्त वाहनों, ईमेल स्पैम फिल्टरिंग, चिकित्सा निदान समर्थन, सिफारिश इंजन और भाषा अनुवाद को ML-संचालित तकनीकों की सूची में जोड़ती है जो पहले से ही उपयोग में हैं।

ज्ञात सीमाएं: hallucinations और bias

जेनरेटिव AI सिस्टम "hallucinations" उत्पन्न कर सकते हैं — तैयार की गई जानकारी जो प्रामाणिक दिखाई देती है, MIT Sloan के Teaching & Learning Technologies समूह के अनुसार। MIT Sloan एक व्यापक रूप से रिपोर्ट किए गए मामले की ओर इशारा करता है जिसमें एक वकील ने कानूनी अनुसंधान के लिए ChatGPT का उपयोग किया था और टूल ने ऐसे केस उद्धरण बनाए जो अस्तित्व में नहीं थे। समूह अनुसंधान का हवाला देता है जो पाता है कि सामान्य-उद्देश्य वाले चैटबॉट ने परीक्षण किए गए 58% से 82% कानूनी प्रश्नों में hallucinations किए, जबकि retrieval-augmented generation का उपयोग करने वाले विशेष कानूनी उपकरण अभी भी 17% से अधिक मामलों में hallucinations किए।

MIT Sloan hallucinations को तीन कारकों के लिए जिम्मेदार ठहराता है: प्रशिक्षण डेटा जो सटीक और गलत जानकारी को मिलाता है, जिसे मॉडल पुन: पेश कर सकते हैं; जेनरेटिव सिस्टम का अंतर्निहित डिज़ाइन, जो "उन्नत ऑटोकंप्लीट टूल" की तरह कार्य करता है जो तथ्यों की पुष्टि करने के बजाय संभावित अगले शब्दों की भविष्यवाणी करते हैं; और संरचनात्मक सीमाएं जो मॉडल को नए, कभी-कभी अशुद्ध, तरीकों से पैटर्न को संयोजित करने देती हैं यहां तक कि स्वच्छ प्रशिक्षण डेटा के साथ भी।

पूर्वाग्रह के बारे में, MIT Sloan रिपोर्ट करता है कि अध्ययन में पाया गया है कि AI सिस्टम उत्पन्न छवियों में लिंग और नस्लीय रूढ़िवादिता को बढ़ा सकते हैं और प्रॉम्प्ट में जनसांख्यिकीय संकेत के आधार पर विभिन्न गुणवत्ता की प्रतिक्रिया, ग्रेडिंग या व्यावसायिक सिफारिशें दे सकते हैं। समूह इसे प्रशिक्षण डेटा के लिए ट्रेस करता है जिसमें मौजूदा सामाजिक पूर्वाग्रह होते हैं, जिसे मॉडल सही या गलत का न्याय करने की क्षमता के बिना पुन: पेश करते हैं। IBM की समीक्षा अलग से डेटा जोखिमों जैसे कि जहर या एम्बेडेड पूर्वाग्रह, मॉडल जोखिमों जैसे कि चोरी या पैरामीटर हेराफेरी, और परिचालन जोखिमों जैसे कि मॉडल ड्रिफ्ट को AI को तैनात करने वाले संगठनों के लिए व्यापक चिंताओं के रूप में चिन्हित करती है।

यह अभी क्यों मायने रखता है

IBM नोट करता है कि आधुनिक AI चर्चा जेनरेटिव AI द्वारा प्रभुत्व में है — ऐसी प्रणालियां जो मौजूदा डेटा को वर्गीकृत या भविष्यवाणी करने के बजाय मूल पाठ, छवियां, वीडियो और अन्य सामग्री बनाती हैं। जैसे-जैसे ये उपकरण कार्यस्थलों, स्कूलों और रोज़मर्रा के ऐप्स में पहुँचते हैं, एक ही अंतर्निहित तंत्र — प्रशिक्षण डेटा से पैटर्न सीखना — उनकी क्षमताओं और उनकी प्रलेखित सीमाओं दोनों को समझाने में मदद करता है, जिसमें MIT Sloan बताता है hallucinations और bias मुद्दे शामिल हैं।