कृत्रिम बुद्धिमत्ता

परिचय

कृत्रिम बुद्धिमत्ता (AI) मशीनों की समझने, भाषा समझने, सीखने, तर्क करने और समस्याएं हल करने की क्षमता को संदर्भित करता है।

विकास:

• संकीर्ण AI: वर्तमान प्रणालियां (जैसे, AlphaGo, ChatGPT) केवल विशिष्ट क्षेत्रों में बुद्धिमान हैं।
• AGI (सामान्य कृत्रिम बुद्धिमत्ता): विविध कार्यों में मानव-जैसी बुद्धिमत्ता वाली भविष्य की प्रणालियां।
• अधि-बुद्धिमत्ता: मानव बुद्धिमत्ता से आगे निकलने वाली मशीनें।

भारत का रुख:

• AI के लिए राष्ट्रीय रणनीति (2018): #AIforAll पर ध्यान (स्वास्थ्य, कृषि, शिक्षा, स्मार्ट सिटी, परिवहन)।
• विशेषज्ञ समूह रिपोर्ट (2023): AI पारिस्थितिकी तंत्र के लिए ब्लूप्रिंट।

AI कैसे काम करता है: दृष्टिकोण

1. नियम-आधारित प्रणालियां:

• तंत्र: मानव-एनकोडेड नियम और तार्किक अनुमान।
• उदाहरण: Deep Blue (शतरंज)।
• सीमा: उच्च-विचलन कार्यों में विफल (जैसे, अनुवाद)।

2. मशीन लर्निंग (ML):

• तंत्र: डेटा में पैटर्न खोजने और स्पष्ट प्रोग्रामिंग के बिना "सीखने" की सांख्यिकीय तकनीकें।
• जनरेटिव AI: ML का उप-क्षेत्र जो नई सामग्री (टेक्स्ट, चित्र, कोड) बनाता है।
  • उदाहरण: ChatGPT, DALL-E, Midjourney।
  • सीमा: प्रशिक्षण डेटा द्वारा सीमित; "हैलुसिनेशन" की प्रवृत्ति।

क्षेत्रों में अनुप्रयोग

क्षेत्र	उपयोग के मामले
स्वास्थ्य सेवा	इमेजिंग से कैंसर का पता लगाना, दवा खोज, रोबोटिक सर्जरी।
कृषि	फसल योजना, कीट पहचान, उपज पूर्वानुमान।
न्यायपालिका	कानूनी अनुसंधान, केस अनुवाद (SUVAS), परिणाम पूर्वानुमान।
पुलिसिंग	चेहरे की पहचान, पूर्वानुमानित पुलिसिंग (हॉटस्पॉट), ट्रैफिक चालान।
रक्षा	स्वायत्त हथियार प्रणालियां, सीमा निगरानी।
शिक्षा	व्यक्तिगत शिक्षण, स्वचालित ग्रेडिंग।
वित्त	धोखाधड़ी का पता लगाना, एल्गोरिथमिक ट्रेडिंग, क्रेडिट स्कोरिंग।

प्रमुख चिंताएं और चुनौतियां

1. पूर्वाग्रह और भेदभाव:

• स्रोत: सामाजिक पूर्वाग्रहों को दर्शाने वाला प्रशिक्षण डेटा।
• प्रभाव: भर्ती, पुलिसिंग (COMPAS सिस्टम), या स्वास्थ्य सेवा में नस्लीय/लैंगिक पूर्वाग्रह।

2. त्रुटियां और हैलुसिनेशन:

• हैलुसिनेशन: जनरेटिव AI आत्मविश्वास से गलत तथ्य बताता है।
• चेहरे की पहचान: महिलाओं और कुछ नस्लों के लिए उच्च त्रुटि दर।

3. "ब्लैक बॉक्स" समस्या (व्याख्यायता):

• मुद्दा: ML मॉडल (विशेषकर डीप लर्निंग) अपारदर्शी हैं; यह समझाना कठिन है कि क्यों निर्णय लिया गया।
• प्रभाव: न्याय या स्वास्थ्य सेवा जैसे उच्च-दांव वाले क्षेत्रों में विश्वास की कमी।

4. गोपनीयता:

• डेटा भूख: AI को विशाल डेटासेट चाहिए, "डेटा न्यूनीकरण" सिद्धांतों से टकराव।
• जोखिम: अज्ञात डेटा से व्यक्तियों की पुनः-पहचान; वेब से व्यक्तिगत डेटा स्क्रैपिंग।

5. बौद्धिक संपदा अधिकार (IPR):

• प्रशिक्षण डेटा: बिना लाइसेंस के कॉपीराइट कार्यों का उपयोग (उचित उपयोग बहस)।
• स्वामित्व: क्या AI लेखक/आविष्कारक हो सकता है? (वर्तमान में अधिकांश क्षेत्राधिकारों में अस्वीकृत)।

6. रोजगार:

• बदलाव: पिछली औद्योगिक क्रांतियों के विपरीत संज्ञानात्मक/रचनात्मक कार्यों (कोडिंग, लेखन) का स्वचालन।
• जोखिम: क्लेरिकल और व्हाइट-कॉलर नौकरियों का विस्थापन।

वैश्विक नियामक परिदृश्य

1. यूरोपीय संघ:

• ड्राफ्ट AI अधिनियम: जोखिम-आधारित दृष्टिकोण।
• निषेध: सार्वजनिक स्थानों में रियल-टाइम बायोमेट्रिक ID।
• उच्च जोखिम: स्वास्थ्य, कानून, रोजगार AI के लिए अनिवार्य ऑडिट।

2. USA:

• कार्यकारी आदेश (2023): सुरक्षा परीक्षण, गोपनीयता सुरक्षा के लिए मानक।
• AI अधिकार विधेयक: प्रस्तावित ढांचा।

3. चीन:

• रेकमेंडेशन एल्गोरिदम और जनरेटिव AI के लिए विशिष्ट विनियमन।

4. भारत:

• NITI Aayog (2021): जिम्मेदार AI के लिए सिद्धांत।
• डिजिटल इंडिया अधिनियम: AI हानियों को संबोधित करने के लिए प्रस्तावित कानून।

अस्तित्वगत जोखिम (बहस)

• चिंता: मानव मूल्यों से असंरेखित लक्ष्यों के साथ स्वतंत्र रूप से कार्य करने वाला अधि-बुद्धिमान AI।
• जोखिम: आत्म-संरक्षण वृत्ति, मानव नियंत्रण का नुकसान।
• समयरेखा: 2059 तक मानव-स्तर AI की 50% संभावना (2022 सर्वेक्षण)।
• प्रति-दृष्टिकोण: वर्तमान दृष्टिकोण (LLMs) AGI की ओर नहीं ले जा सकते; भय अतिरंजित हैं।

मेन्स PYQ दृष्टिकोण

प्र. "कृत्रिम बुद्धिमत्ता में अर्थव्यवस्था को बदलने की क्षमता है, लेकिन यह महत्वपूर्ण नैतिक और सामाजिक चिंताएं भी उठाती है।" भारतीय संदर्भ के साथ चर्चा करें।

संरचना:

1. परिचय: AI और भारत की "AI for All" रणनीति को परिभाषित करें।
2. परिवर्तनकारी क्षमता:
   • आर्थिक: $1 ट्रिलियन डिजिटल अर्थव्यवस्था लक्ष्य।
   • सामाजिक: टेली-मेडिसिन, सटीक कृषि, स्थानीय भाषा अनुवाद (भाषिणी)।
3. नैतिक/सामाजिक चिंताएं:
   • पूर्वाग्रह: डेटा में जाति/लैंगिक पूर्वाग्रह।
   • गोपनीयता: मजबूत डेटा संरक्षण कानून की कमी (हाल तक)।
   • नौकरी हानि: BPO/IT सेवा क्षेत्र पर प्रभाव।
   • डीपफेक: गलत सूचना, लोकतंत्र के लिए खतरा।
4. आगे का रास्ता:
   • विनियमन: संतुलित दृष्टिकोण (नवाचार बनाम सुरक्षा)।
   • कौशल: AI युग के लिए कार्यबल का पुनः-कौशल।
   • नैतिकता: "जिम्मेदार AI" ढांचे को अपनाना।