इस साल का नोबेल पुरस्कार एआई को मिलेगा।
रसायन विज्ञान में हाल ही में जारी नोबेल पुरस्कार डेविड बेकर, जॉन एम. जंपर और डेमिस हसाबिस ने संयुक्त रूप से जीता था। अंतिम नाम से हर कोई परिचित होना चाहिए, यह डीपमाइंड के संस्थापक का नाम है। 
कुछ समय पहले, डेमिस हसाबिस डीपमाइंड के पॉडकास्ट चैनल पर एक अतिथि थे, जब उनका सामना हन्ना फ्राई (ब्रिटिश गणितीय सोसायटी के तहत इंस्टीट्यूट ऑफ एप्लाइड मैथमेटिक्स के नए निदेशक) से हुआ, तो उन्होंने न केवल प्रोटीन संरचना पर टीम के शोध के बारे में बताया, बल्कि इसमें भाग भी लिया। डीपमाइंड के काम के बारे में गहराई, जेमिनी और एजीआई के लिए आगे क्या है, और इससे भी महत्वपूर्ण बात: प्रौद्योगिकी के अधिक शक्तिशाली होने के साथ-साथ अधिक संतुलित कैसे बनें।
निम्नलिखित बातचीत का एक अंश है, जिसे सामग्री के लिए संपादित किया गया है।
हन्ना फ्राई: Google DeepMind में आपका स्वागत है, मेरे मेजबान प्रोफेसर हन्ना फ्राई हैं। जब हमने पहली बार 2017 में इस पॉडकास्ट के निर्माण के बारे में सोचना शुरू किया, तो डीपमाइंड एक अपेक्षाकृत छोटी, एआई-केंद्रित अनुसंधान प्रयोगशाला थी। जब उन्हें पहली बार Google द्वारा अधिग्रहित किया गया, तो वे लंदन में कुछ दूरी पर अपने स्वयं के प्रोजेक्ट पर काम कर रहे थे। पिछली तिमाही में, Google ने अपनी AI टीम को अपनी रणनीति के मूल में रखने के लिए अपनी संपूर्ण संरचना को पुन: कॉन्फ़िगर किया।
डेमिस हसाबिस: नहीं, बिल्कुल नहीं (हँसते हुए)।
हन्ना फ्राई: अच्छा, आने के लिए आपका बहुत-बहुत धन्यवाद। मैं सोच रहा हूं कि अब जब एआई में लोगों की रुचि बढ़ रही है, तो क्या आपका काम आसान है या कठिन?
डेमिस हसाबिस: मुझे लगता है कि यह दोधारी तलवार है, ठीक है। यह निश्चित रूप से कठिन है क्योंकि पूरे क्षेत्र में बहुत अधिक जांच, ध्यान और काफी शोर है। दरअसल, मैं इसे तब पसंद करता हूं जब कम लोग हों और मैं विज्ञान पर अधिक ध्यान केंद्रित कर सकूं। लेकिन अब यह अच्छा भी है क्योंकि यह दर्शाता है कि प्रौद्योगिकी दुनिया को कई अलग-अलग तरीकों से प्रभावित करने और लोगों के दैनिक जीवन को सकारात्मक तरीके से प्रभावित करने के लिए तैयार है। इसलिए मुझे लगता है कि यह भी रोमांचक है।
हन्ना फ्राई: क्या आप इस बात से आश्चर्यचकित हैं कि एआई ने कितनी तेजी से जनता का ध्यान खींचा है? हालाँकि मुझे लगता है आपको भी यही उम्मीद थी.
डेमिस हसाबिस: हाँ, बिल्कुल, किसी बिंदु पर (पहले से ही अपेक्षित)। हममें से लोग इस पर वर्षों, यहां तक कि दशकों से काम कर रहे हैं। इसलिए मुझे लगता है कि किसी समय, हर किसी को एआई के महत्व का एहसास होगा। लेकिन यह सब वास्तव में फलीभूत होते देखना अभी भी काफी अवास्तविक है। मुझे लगता है कि यह चैटबॉट्स और भाषा मॉडल का आगमन है, आखिरकार हर कोई भाषा का उपयोग करता है और हर कोई भाषा को समझ सकता है। इसलिए यह जनता के लिए यह समझने और संभवतः निर्णय लेने का एक आसान तरीका है कि एआई कहां खड़ा है।
हन्ना फ्राई: मैंने सुना है कि आपने इन चैटबॉट्स को "अनुचित रूप से उपयोगी" बताया है और मुझे यह वास्तव में पसंद है। हम एक मिनट में ट्रांसफार्मर प्रौद्योगिकी के बारे में बात करेंगे, और मुझे लगता है कि यह एक बड़ी सफलता थी जिसने हमें ये उपकरण दिए। लेकिन अब मैं पहले पूछना चाहता हूं कि "अनुचित रूप से उपयोगी" से आपका क्या मतलब है?
डेमिस हसाबिस: मेरा मतलब है, मुझे लगता है कि अगर कोई 5, 10 साल पीछे जाता है और कहता है कि हम कुछ करने जा रहे हैं, तो यह जिस तरह से होने जा रहा है, वह है, कुछ अद्भुत वास्तुकला का निर्माण करना और फिर वहां से निर्माण करना, न कि वहां से आगे बढ़ना। कुछ अवधारणा या अमूर्त – यह एक बहस है जो हमने 5, 10 साल पहले की होगी, क्या हमें अमूर्त करने के किसी विशेष तरीके की आवश्यकता है? क्योंकि मस्तिष्क ऐसा ही करता प्रतीत होता है।
लेकिन किसी तरह, यदि आप सिस्टम को पर्याप्त डेटा देते हैं, मान लीजिए संपूर्ण इंटरनेट, तो वे इससे सीखते और सामान्यीकरण करते प्रतीत होते हैं, न केवल रटने से, बल्कि वास्तव में, कुछ हद तक, समझते हैं कि वे क्या कर रहे हैं। और यह एक तरह से अवधारणात्मक रूप से, कुछ हद तक अतार्किक रूप से काम करता है, मुझे नहीं लगता कि किसी ने पांच साल पहले कल्पना की होगी कि यह काम करता है।
हन्ना फ्राई: हाँ, वैचारिक समझ और अमूर्तता जैसी चीजें, यह (डिज़ाइन किए जाने के बजाय) स्वाभाविक रूप से होती हैं।
डेमिस हसाबिस: हाँ, हम पहले अवधारणाओं और ग्राउंडिंग जैसी चीजों के बारे में बात कर रहे थे, वास्तविक दुनिया के अनुभव में भाषा को ग्राउंड करना, शायद एक सिम्युलेटेड वातावरण में, शायद एक सन्निहित बुद्धिमान रोबोट में, जो वास्तव में हमारे आसपास की दुनिया को समझने के लिए महत्वपूर्ण है। संसार आवश्यक है. बेशक, ये सिस्टम अभी तक लागू नहीं हुए हैं। उन्होंने बहुत सारी गलतियाँ कीं और वास्तव में उनके पास दुनिया का कोई मॉडल, दुनिया का कोई अच्छा मॉडल नहीं था। लेकिन उन्होंने केवल भाषा से सीखकर लोगों की अपेक्षा से अधिक सीखा है।
हन्ना फ्राई: हमें अभी भी यह समझाना होगा कि उन दर्शकों के लिए ग्राउंडिंग क्या है जो नहीं जानते हैं। क्योंकि यह एक बहुत ही महत्वपूर्ण अवधारणा है.
डेमिस हसाबिस: बेशक, यही कारण है कि 1980 और 1990 के दशक में एमआईटी जैसी जगहों पर क्लासिक अल अनुसंधान प्रणाली स्थापित की गई थी। आप इन्हें दूसरे शब्दों से जुड़े विशाल डेटाबेस के रूप में सोच सकते हैं। समस्या यह है कि, आप कह सकते हैं कि "कुत्ते के पैर हैं" डेटाबेस में मौजूद है, लेकिन जब आप उसे कुत्ते की तस्वीर दिखाते हैं, तो उसे पता नहीं चलता कि पिक्सेल का संग्रह उस वाक्य को इंगित करता है। ग्राउंडिंग कार्य को इसी समस्या का सामना करना पड़ता है। आपके पास प्रतीकों का यह अमूर्त प्रतिनिधित्व है, लेकिन वास्तविक दुनिया में – गन्दी वास्तविक दुनिया में – इसका वास्तव में क्या मतलब है? हम इसका पता लगाने की कोशिश करते हैं, लेकिन यह कभी भी पूरी तरह सही नहीं होता।
बेशक, आज की प्रणालियों के मामले में ऐसा नहीं है, जो सीधे डेटा से सीखते हैं। तो एक तरह से वे शुरू से ही यह संबंध बना रहे थे। लेकिन दिलचस्प बात यह है कि यदि आप केवल भाषा से सीखते हैं, तो सिद्धांत रूप में, आपको उस आधार की बहुत कमी होनी चाहिए जिसकी आपको आवश्यकता है। इससे पता चलता है कि इसका बहुत कुछ अनुमान लगाया जा सकता है।
हन्ना फ्राई: सैद्धांतिक क्यों?
डेमिस हसाबिस: यह ग्राउंडिंग कहां से आती है? ये प्रणालियाँ, कम से कम पहले बड़े भाषा मॉडल, पहले वास्तविक दुनिया में मौजूद नहीं थीं। वे एमुलेटर से कनेक्ट नहीं हैं, वे बॉट से कनेक्ट नहीं हैं, उनके पास इंटरनेट तक पहुंच भी नहीं है। वे शुरू से ही मल्टीमॉडल नहीं हैं, उनके पास कोई दृश्य क्षमता या कुछ भी नहीं है, वे बस पूरी तरह से भाषा के स्थान, एक अमूर्त क्षेत्र में रहते हैं, इसलिए यह आश्चर्यजनक है कि वे उन चीजों से वास्तविक दुनिया के बारे में कुछ अनुमान लगा सकते हैं।
हन्ना फ्राई: यदि लोग शामिल होते हैं और सिस्टम के साथ बातचीत करते हैं और स्पष्ट रूप से कहते हैं, "यह एक बकवास जवाब है," "यह एक अच्छा जवाब है," जो धारणा प्रदान कर सकता है।
डेमिस हसाबिस: बिल्कुल, तो निश्चित रूप से अगर वे गलत होते हैं, तो इसका एक हिस्सा शुरुआती संस्करणों में ग्राउंडिंग की कमी के कारण होता है। उदाहरण के लिए, यदि आप किसी कुत्ते से पूछते हैं कि कैसे भौंकना है, और वह गलत उत्तर देता है, तो आप प्रतिक्रिया देकर इसे सही कर देंगे। फीडबैक का एक हिस्सा हमारे अपने ज्ञान से आता है, जो धीरे-धीरे मॉडल में समा जाता है।
हन्ना फ्राई: मुझे इसका एक बहुत अच्छा उदाहरण देखना याद है, "इंग्लिश चैनल पार करना" बनाम "इंग्लिश चैनल पार करना।"
डेमिस हसाबिस: हाँ, यह उस तरह की चीज़ है, यदि यह गलत उत्तर देता है, तो आप इसे प्रतिक्रिया देते हैं कि यह गलत है, और फिर इसे इसका पता लगाना होगा, आप पैदल चैनल पार नहीं कर सकते।
हन्ना फ्राई: मैं एक तरह से पूछना चाहती हूं: क्या आपको लगता है कि हम अभी जिस चरण में हैं, क्या चीजें अतिरंजित या कम प्रचारित हैं? या फिर इसे ग़लत दिशा में प्रचारित किया जा रहा है?
डेमिस हसाबिस: मुझे लगता है कि यह बाद की बात है। मैं कहूंगा कि अल्पावधि में इसे अत्यधिक प्रचारित किया गया। ऐसे सभी प्रकार के काम करने में सक्षम होने का दावा किया जाता है जो नहीं किए जा सकते हैं; सभी प्रकार के स्टार्टअप और उद्यम पूंजी उनका पीछा कर रहे हैं, लेकिन वे अभी तक तैयार नहीं हैं। दूसरी ओर, मुझे लगता है कि इसका अभी भी कम मूल्यांकन किया गया है, मुझे अभी भी ऐसा नहीं लगता है कि लोग पूरी तरह से समझते हैं कि जब हम एजीआई और पोस्ट-एजीआई पर पहुंचेंगे तो क्या होने वाला है। इतनी बड़ी बात होगी तो उस जिम्मेदारी को भी समझिए. इसलिए, दोनों ही कुछ हद तक अतिरंजित हैं और मुझे लगता है कि हम ऐसे चक्र से गुजर रहे हैं।
हन्ना फ्राई: इन सभी संभावित स्टार्टअप और उद्यम पूंजी की तुलना में, आप (टीम) दशकों से एआई अनुसंधान में जी रहे हैं और सांस ले रहे हैं और यह पहचानने की अच्छी स्थिति में हैं कि कौन से यथार्थवादी लक्ष्य हैं और कौन से नहीं हैं। लेकिन दूसरों के लिए, वे कैसे अंतर करते हैं कि क्या वास्तविक है और क्या नहीं?
डेमिस हसाबिस: मुझे लगता है, जाहिर है, आपको तकनीकी स्तर पर उचित परिश्रम करना होगा और प्रौद्योगिकी और नवीनतम रुझानों की कुछ समझ होनी चाहिए। मुझे लगता है कि यह बोलने वाले व्यक्ति पर भी निर्भर करता है कि उनकी पृष्ठभूमि क्या है, वे कितने तकनीकी हैं। क्या उन्होंने पिछले साल ही एआई पर ध्यान देना शुरू किया था? पिछले साल से पहले, वे क्रिप्टोकरेंसी में लगे हुए थे? ये कुछ सुराग हो सकते हैं.
जब कोई स्थान अचानक ध्यान आकर्षित करता है, और उसके साथ पैसा भी आता है, तो हर कोई चिंतित होता है कि वे चूक रहे हैं। यह एक अवसरवादी माहौल बनाता है जो हममें से उन लोगों के विपरीत है जो दशकों से गहन तकनीकी, गहन वैज्ञानिक तरीके से काम कर रहे हैं।
हन्ना फ्राई: हाँ, हमारा एक बड़ा विषय मिथुन है, और यह बहुत गहन वैज्ञानिक दृष्टिकोण से आता है। जेमिनी अन्य प्रयोगशालाओं द्वारा जारी अन्य बड़े भाषा मॉडलों से किस प्रकार भिन्न है?
डेमिस हसाबिस: शुरू से ही हम चाहते थे कि जेमिनी मल्टीमॉडल बने। यह न केवल भाषा, बल्कि ऑडियो, वीडियो, चित्र, कोड, कुछ भी संभाल सकता है। हम ऐसा क्यों करना चाहते हैं, सबसे पहले, हम सोचते हैं कि इस तरह, ये सिस्टम वास्तव में अपने आसपास की दुनिया को समझ सकते हैं और दुनिया के बेहतर मॉडल बना सकते हैं। तो यह वास्तव में उस विषय पर वापस जाता है जिसके बारे में हमने अभी बात की है, हम अभी भी नींव का निर्माण कर रहे हैं, लेकिन इस बार यह भाषा के शीर्ष पर है।
और फिर हमारे पास एक सार्वभौमिक सहायक और एस्ट्रा नामक कुछ प्रोटोटाइप रखने का भी विचार था, जिसके बारे में मेरा मानना है कि हम बात करेंगे, जो न केवल आप क्या टाइप कर रहे हैं, बल्कि यह भी समझता है कि आप किस वातावरण में हैं।
यदि आप एक निजी सहायक या डिजिटल सहायक की कल्पना करते हैं, तो वह जितना अधिक संदर्भ समझेगा, वह प्रदान की जाने वाली सहायता उतनी ही अधिक उपयोगी होगी। हमने हमेशा सोचा था कि ऐसी प्रणाली अधिक उपयोगी होगी। इसलिए हमने शुरुआत से ही मल्टीमॉडैलिटी का निर्माण किया। यह इसका एक पहलू है – स्वाभाविक रूप से मल्टीमॉडल होना। और उस समय यह एकमात्र मॉडल था जो ऐसा कर सकता था। अब अन्य मॉडल इसे पकड़ने की कोशिश कर रहे हैं
और फिर हमारे पास स्मृति में कुछ बड़े नवाचार भी हैं, जैसे लंबा संदर्भ, जो अब एक मिलियन या दो मिलियन टोकन को याद रख सकता है, और आप उन्हें लगभग एक मिलियन या दो सौ हजारों शब्दों को याद करने के समान सोच सकते हैं। आप इसे युद्ध और शांति जैसा काम दे सकते हैं या यहां तक कि, बहुविधता के कारण, अब आप इसे एक पूरा वीडियो, एक पूरी फिल्म या एक व्याख्यान दे सकते हैं, और इससे सवालों के जवाब मिल सकते हैं या वीडियो स्ट्रीम में वह सामग्री मिल सकती है जिसकी आपको ज़रूरत है।
हन्ना फ्राई: मुझे याद है कि आपने एस्ट्रा का एक उदाहरण दिया था जिससे आपको यह याद रखने में मदद मिली कि आपने अपना चश्मा कहाँ रखा है। लेकिन मैं इन तकनीकों के विकास को लेकर उत्सुक हूं। क्या यह उन पुराने Google Glasses का ही एक उन्नत संस्करण है?
डेमिस हसाबिस: बेशक, Google के पास ग्लास जैसे उपकरण विकसित करने का एक लंबा इतिहास है, जो वास्तव में लगभग 2012 का है। इसलिए वे इस क्षेत्र में बहुत आगे हैं, लेकिन संभवतः उस प्रकार की तकनीक की कमी है जिसका एस्ट्रा प्रतिनिधित्व करता है। इस तकनीक के साथ, आप वास्तव में एक बुद्धिमान एजेंट या बुद्धिमान सहायक को समझ सकते हैं जो वह देखता है जो वह देखता है। हम डिजिटल सहायकों को लेकर उत्साहित हैं जो आपका साथ दे सकते हैं और आपके आस-पास की दुनिया को समझ सकते हैं। जब आप इसका उपयोग करते हैं, तो यह बिल्कुल प्राकृतिक उपयोग जैसा लगता है।
हन्ना फ्राई: ठीक है, मैं जेमिनी की उत्पत्ति पर थोड़ा पीछे जाना चाहता हूं, यह दो अलग-अलग विभागों से आया है।
डेमिस हसाबिस: हां, हमने वास्तव में पिछले साल अल्फाबेट के दो अनुसंधान विभागों का विलय कर दिया था। दूसरे शब्दों में, मूल डीपमाइंड और गूगल ब्रेन को एक सुपर विभाग में विलय करना, हमारी कंपनी और संपूर्ण Google में सभी शीर्ष प्रतिभाओं को एक साथ लाना, और सभी शोधों में सर्वोत्तम ज्ञान का संयोजन करना, विशेष रूप से भाषा मॉडल पहलू में। हमारे पास चिनचिला और गोफर जैसी परियोजनाएं हैं, जिन्होंने पाम और लैम्ब्डा जैसे शुरुआती भाषा मॉडल बनाए, जिनमें से प्रत्येक की अपनी ताकत और कमजोरियां हैं। हमने जेमिनी बनाने के लिए उन सभी को एक साथ लाया, जो संयुक्त टीम द्वारा शुरू की गई पहली लाइटहाउस परियोजना थी। एक और महत्वपूर्ण बात यह है कि हम वास्तव में बड़े पैमाने पर प्रशिक्षण करने और कंप्यूटिंग संसाधनों को केंद्रीकृत करने के लिए सभी कंप्यूटिंग संसाधनों को एक साथ लाते हैं। तो मुझे लगता है कि यह सचमुच बहुत अच्छा है।
हन्ना फ्राई: मुझे लगता है कि गूगल ब्रेन और डीपमाइंड का फोकस कई मायनों में अलग है, क्या यह सही है?
डेमिस हसाबिस: वास्तव में। मुझे लगता है कि दोनों एआई की अत्याधुनिकता पर ध्यान केंद्रित कर रहे हैं, और जबकि व्यक्तिगत शोधकर्ता स्तर पर पहले से ही बहुत अधिक सहयोग है, शायद रणनीतिक स्तर पर उतना नहीं। अब, विलय के बाद, मैं Google DeepMind को Google का "इंजन रूम" कहता हूं। वास्तव में हमारे काम करने के तरीके में मतभेदों की तुलना में समानताएं अधिक हैं। हम बुनियादी अनुसंधान में अपनी ताकत को बनाए रखना और दोगुना करना जारी रखते हैं। उदाहरण के लिए, अगली पीढ़ी का ट्रांसफार्मर आर्किटेक्चर कहां से आएगा? हम इसका आविष्कार करना चाहते हैं. जाहिर है, Google Brain ने पिछली पीढ़ी के आर्किटेक्चर का आविष्कार किया था, और हमने इसे गहन सुदृढीकरण सीखने के साथ जोड़ दिया, जिसकी हमने शुरुआत की थी। मुझे अभी भी लगता है कि भविष्य में और अधिक नवाचार की आवश्यकता है, और मेरा मानना है कि हम ऐसा कर सकते हैं, जैसा कि हमने पिछले 10 वर्षों में किया है, जो रोमांचक है।
हन्ना फ्राई: तो वापस जेमिनी पर, अन्य मॉडलों की तुलना में यह कितना अच्छा है?
डेमिस हसाबिस: मुझे लगता है कि कुछ बेंचमार्क हैं [जो इसकी क्षमताओं को दर्शाते हैं], लेकिन यह समस्या नहीं है, समस्या यह है कि पूरे क्षेत्र को बेहतर बेंचमार्क की आवश्यकता है। वहाँ कुछ प्रसिद्ध अकादमिक मानक हैं, लेकिन वे अब थोड़े संतृप्त हो गए हैं और वास्तव में विभिन्न शीर्ष मॉडलों के बीच सूक्ष्म अंतर को अलग नहीं कर सकते हैं। मैं कहूंगा कि तीन मॉडल हैं जो इस समय सबसे आगे हैं: हमारा जेमिनी, ओपनएआई का जीपीटी, और एंथ्रोपिक का क्लाउड। बेशक, अन्य अच्छे मॉडल भी हैं, जैसे मेटा और मिस्ट्रल और अन्य कंपनियों द्वारा विकसित मॉडल, जिनकी विभिन्न क्षेत्रों में अपनी ताकत है। आपकी आवश्यकताओं के आधार पर, उदाहरण के लिए, क्लाउड एन्कोडिंग के लिए मजबूत हो सकता है, जीपीटी तर्क के लिए बेहतर हो सकता है, और मेमोरी प्रोसेसिंग, लंबे संदर्भ और मल्टी-मोडल समझ के मामले में, यह जेमिनी है। बेशक, हम सभी अपने मॉडलों में लगातार सुधार कर रहे हैं। इसलिए, यह देखते हुए कि जेमिनी केवल एक वर्ष का है, मुझे लगता है कि हम बहुत अच्छे प्रक्षेप पथ पर हैं। अगली बार जब हम इस विषय पर बात करेंगे, तो उम्मीद है कि हम सबसे आगे होंगे, क्योंकि हम हैं।
हन्ना फ्राई: ऐसा लगता है कि अभी भी एक लंबा रास्ता तय करना बाकी है, मेरा मतलब है कि अभी भी कुछ चीजें हैं जिनमें ये मॉडल बहुत अच्छे नहीं हैं।
डेमिस हसाबिस: हाँ, निश्चित रूप से। वास्तव में, इस समय यही बड़ी बहस है। तो चीजों का यह आखिरी सेट उस तकनीक से उभरता हुआ प्रतीत होता है जिसका आविष्कार 5 या 6 साल पहले किया गया था। समस्या यह है कि उनमें अभी भी ढेर सारा सामान गायब है। तो, वास्तव में, आप जानते हैं, वे वही उत्पन्न करते हैं जिसे हम मतिभ्रम के रूप में जानते हैं। वे योजना बनाने में भी बहुत अच्छे नहीं होते हैं।
हन्ना फ्राई: वे किस सोच के तहत योजना बना रहे हैं? मेरा मतलब है।
डेमिस हसाबिस: हां, अभी बहस यहीं पर है। विकास की यह हालिया श्रृंखला वास्तव में 5 या 6 साल पहले आविष्कार की गई तकनीक पर आधारित है। हालाँकि, समस्या यह है कि वे अभी भी बहुत कुछ खो रहे हैं। उदाहरण के लिए, उनकी तथ्यात्मक सटीकता के साथ समस्याएं हैं, और हम जानते हैं कि वे मतिभ्रम कर सकते हैं। इसके अलावा, वे योजना बनाने में भी अच्छे नहीं हैं।
हन्ना फ्राई: "योजना" का वास्तव में क्या मतलब है?
डेमिस हसाबिस: उदाहरण के लिए, दीर्घकालिक योजना के संदर्भ में, आप इसे एक लक्ष्य देते हैं, और वे अभी तक वास्तविक दुनिया में आपके लिए संचालन नहीं कर सकते हैं। इसलिए वे अभी भी बहुत निष्क्रिय प्रश्न और उत्तर प्रणालियाँ हैं। आपको प्रश्न पूछकर उन्हें सक्रिय करने की आवश्यकता है, और फिर वे किसी प्रकार की प्रतिक्रिया देते हैं, लेकिन वे वास्तव में आपकी समस्या का समाधान नहीं कर सकते हैं।
यदि आप चाहते हैं कि यह एक डिजिटल सहायक हो, तो आप यह कहना चाह सकते हैं कि 'मेरे लिए इटली में छुट्टियाँ बुक करें और सभी रेस्तरां, संग्रहालयों आदि की व्यवस्था करें।' भले ही यह आपकी प्राथमिकताओं को जानता हो, यह वास्तव में उन्हें बुक करने में सक्षम नहीं होगा टिकट और इन मामलों को संभालना। इसलिए यह फिलहाल ऐसा नहीं कर सकता.
लेकिन मुझे लगता है कि यह अगला युग है – वे सिस्टम जिनमें अधिक एजेंटिक व्यवहार होता है, जिन्हें हम एजेंट सिस्टम या सिस्टम कहते हैं जो एजेंट के रूप में कार्य करने की क्षमता रखते हैं। हम इसी में उत्कृष्ट हैं। हमने अपने सभी गेम एजेंटों, अल्फ़ागो और अन्य परियोजनाओं के साथ यही किया है जिनके बारे में हमने अतीत में बात की है। हम इन प्रतिष्ठित कार्यों को नए बड़े पैमाने के मल्टीमॉडल मॉडल के साथ जोड़ रहे हैं। मुझे लगता है कि सिस्टम की अगली पीढ़ी यहीं जाएगी। आप इसे अल्फ़ागो को जेमिनी के साथ मिलाने के रूप में सोच सकते हैं।
हन्ना फ्राई: हाँ, मुझे लगता है कि अल्फ़ागो पहले से ही बहुत अच्छा है।
डेमिस हसाबिस: हाँ, यह योजना बनाने में बहुत अच्छा है, निश्चित रूप से गेमिंग की दुनिया में। इसलिए, हमें इसे दैनिक कार्य और भाषा जैसे सामान्य क्षेत्रों में एकीकृत करने की आवश्यकता है।
हन्ना फ्राई: आपने अभी बताया कि Google DeepMind अब Google का इंजन रूम है। मैंने कुछ साल पहले भी पूछा था कि क्या Google एक बहुत बड़ा जुआ खेल रहा है?
डेमिस हसाबिस: हाँ, मुझे ऐसा लगता है। मुझे लगता है कि Google ने हमेशा AI के महत्व को समझा है। सुंदर ने जब सीईओ का पद संभाला था तो उन्होंने कहा था कि गूगल एक एआई-प्रथम कंपनी है। हमने उनके कार्यकाल की शुरुआत में एआई की क्षमता को मोबाइल इंटरनेट के बाद यहां तक कि इससे भी बड़े बदलाव के रूप में देखा था। लेकिन मुझे लगता है कि पिछले एक या दो वर्षों में, हमने वास्तव में उस दर्शन पर खरा उतरना शुरू कर दिया है, न केवल शोध के नजरिए से बल्कि उत्पाद और अन्य पहलुओं से भी। यह बहुत रोमांचक है और मुझे लगता है कि सभी प्रतिभाओं का समन्वय करना और आगे बढ़ने के लिए अपना सर्वश्रेष्ठ प्रयास करना हमारे लिए सही विकल्प है।
हन्ना फ्राई: दूसरे तरीके के बारे में क्या? क्योंकि मुझे लगता है कि, डीपमाइंड के दृष्टिकोण से, अपनी मजबूत अनुसंधान क्षमताओं के साथ, क्या इसका मतलब यह है कि अब यह Google का "इंजन रूम" बन गया है कि आपको शुद्ध वैज्ञानिक अनुसंधान के बजाय व्यावसायिक हितों पर अधिक ध्यान देना चाहिए?
डेमिस हसाबिस: हमें व्यावसायिक हितों पर अधिक ध्यान देने की ज़रूरत है, जो अब ज़िम्मेदारियों में से एक है। हालाँकि, बात करने के लिए कुछ चीज़ें हैं।
सबसे पहले, हम अभी भी अपना वैज्ञानिक अनुसंधान जारी रख रहे हैं, जैसे कि अल्फाफोल्ड 3 हाल ही में जारी किया गया था, और हम इस क्षेत्र में अपना निवेश दोगुना कर रहे हैं। मुझे लगता है कि यह Google DeepMind की एक अनूठी विशेषता है। यहां तक कि हमारे प्रतिस्पर्धी भी इसे AI द्वारा लाई गई "सार्वभौमिक संपदा" मानते हैं। इन मोर्चों पर प्रगति बहुत अच्छी हो रही है। हमने दवा की खोज के लिए आइसोमोर्फिक का भी विस्तार किया है, जो बहुत रोमांचक है। हम इन प्रयासों को आगे बढ़ाते रहेंगे।'
बड़े मॉडल, जेमिनी आदि के निर्माण के अलावा, हम इन सभी अद्भुत तकनीकों को Google के विभिन्न प्लेटफार्मों पर लाने के लिए एक उत्पाद टीम भी बना रहे हैं। यह एक तरह से अविश्वसनीय विशेषाधिकार है कि हम जो आविष्कार करते हैं उसका एक अरब लोगों पर तत्काल प्रभाव पड़ सकता है, और यह वास्तव में प्रेरक है।
वास्तव में, अब उत्पादों में उपयोग के लिए एआई प्रौद्योगिकियों को विकसित करने और शुद्ध एजीआई अनुसंधान के लिए आवश्यक प्रौद्योगिकियों के बीच अधिक अभिसरण हो रहा है। पांच साल पहले, आपको किसी उत्पाद के लिए कुछ विशेष एआई बनाने की आवश्यकता हो सकती है। अभी भी कुछ उत्पाद-विशिष्ट कार्य किए जाने की आवश्यकता है, लेकिन शायद यह प्रयास का केवल 10% है। तो, अब जब एआई उत्पादों को विकसित करने और एजीआई के निर्माण के बीच तनाव दूर हो गया है, तो मैं कहूंगा कि 90% अनुसंधान योजना समान है।
अंत में, निश्चित रूप से, यदि आप कोई उत्पाद लॉन्च करते हैं और उसे व्यावहारिक उपयोग में लाते हैं, तो आप उससे बहुत कुछ सीखेंगे। उपयोगकर्ता का उपयोग बहुत कुछ प्रकट कर सकता है जो आपके आंतरिक निर्णय से बिल्कुल मेल नहीं खाता है, इसलिए आप अध्ययन को अद्यतन और सुधार सकते हैं, जो बहुत उपयोगी है।
हन्ना फ्राई: पूरी तरह सहमत हूं। इस पॉडकास्ट में, हम उन सफलताओं के बारे में अधिक बात करते हैं जो विज्ञान में एआई को लागू करने से हुई हैं। लेकिन मैं एक सवाल पूछना चाहता हूं कि परिणाम जनता के लिए कब जारी किए जाएंगे। डीपमाइंड के भीतर, ये उपकरण, बड़े भाषा मॉडल की तरह, संभावित व्यावसायिक उत्पादों की तुलना में अनुसंधान के लिए अधिक उपयोग किए जाते हैं, ठीक है।
डेमिस हसाबिस: हाँ, बिल्कुल। हमने 2010 में अपने शुरुआती दिनों से ही हमेशा जिम्मेदारी और सुरक्षा को बहुत गंभीरता से लिया है, और Google ने हमारे कुछ नैतिकता चार्टर को अपने AI सिद्धांतों में अपनाया है। इसलिए हम इस क्षेत्र में एक अग्रणी के रूप में Google के साथ पूरी तरह से जुड़े हुए हैं और प्रौद्योगिकी को जिम्मेदारीपूर्वक तैनात करने के लिए प्रतिबद्ध हैं।
अब जेनरेटिव एआई के साथ उत्पादों को बाजार में लाना शुरू करना वाकई दिलचस्प है। हम तेजी से सीख रहे हैं, जो अच्छा है क्योंकि तकनीक अभी भी अपेक्षाकृत कम जोखिम वाले चरण में है। जैसे-जैसे तकनीक अधिक शक्तिशाली होती जा रही है, हमें अधिक सावधान रहने की आवश्यकता है। उत्पाद टीमों के लिए जेनरेटिव एआई तकनीक का परीक्षण करना सीखना महत्वपूर्ण है। यह सामान्य तकनीक के परीक्षण से भिन्न है क्योंकि जेनरेटर एआई हमेशा एक ही काम नहीं करता है। यह लगभग एक खुली दुनिया के खेल का परीक्षण करने जैसा है, और जो चीज़ें आप आज़मा सकते हैं वे लगभग असीमित हैं। तो, रेड टीमिंग का संचालन कैसे किया जाए यह बहुत दिलचस्प हो जाता है।
हन्ना फ्राई: इस मामले में, क्या रेड टीम आपस में प्रतिस्पर्धा कर रही है?
डेमिस हसाबिस: हां, रेड टीमिंग तनाव परीक्षण करने और हर संभव तरीके से प्रौद्योगिकी को तोड़ने की कोशिश करने के लिए विकास टीम से स्वतंत्र एक टीम की स्थापना कर रही है। वास्तविक रूप से, आपको इन परीक्षणों को स्वचालित करने के लिए उपकरणों की आवश्यकता है क्योंकि भले ही आपके पास हजारों लोग भाग ले रहे हों, फिर भी यह अरबों उपयोगकर्ताओं द्वारा किए गए वास्तविक उपयोग की तुलना में नहीं है। जब प्रौद्योगिकी जारी होगी, तो उपयोगकर्ता विभिन्न प्रकार की चीज़ें आज़माएँगे। इसलिए भविष्य में रिलीज़ को यथासंभव सुचारू रूप से चलाने को सुनिश्चित करने के लिए अपनी प्रक्रियाओं को बेहतर बनाने के लिए इन सीखों को लागू करना मज़ेदार रहा है। हमें इसे चरणों में करने की ज़रूरत है, प्रायोगिक चरण से शुरू करके, फिर एक बंद बीटा और फिर क्रमिक रिलीज़, जैसा कि हमने पिछले गेम रिलीज़ के साथ किया है। रास्ते के हर कदम को जानें.
इसके अलावा, हमें रेड टीम परीक्षण करने, स्वचालित रूप से कुछ त्रुटियों का पता लगाने या प्रारंभिक वर्गीकरण करने में मदद करने के लिए एआई का अधिक उपयोग करना चाहिए, ताकि हमारे डेवलपर्स और मानव परीक्षक उन जटिल परिस्थितियों से निपटने पर ध्यान केंद्रित कर सकें।
हन्ना फ्राई: एक चीज़ जो वास्तव में दिलचस्प है वह यह है कि अब आप अधिक अनिश्चित स्थान पर हैं। यदि कुछ घटित होने की संभावना बहुत कम है, लेकिन यदि आप पर्याप्त बार प्रयास करते हैं, तो अंततः कुछ गलत हो जाएगा। मुझे लगता है कि कुछ प्रचारित गलतियाँ हुई होंगी।
डेमिस हसाबिस: हाँ, इसीलिए मैंने उल्लेख किया कि उत्पाद टीमें इस परीक्षण दृष्टिकोण को अपना रही हैं। हालाँकि उन्होंने इन प्रणालियों का परीक्षण किया, लेकिन वे स्वाभाविक रूप से यादृच्छिक और अनिश्चित थे। इसलिए, कई मामलों में, यदि यह सामान्य सॉफ़्टवेयर है, तो आप कह सकते हैं कि मैंने 99.99% मामलों का परीक्षण किया और फिर अनुमान लगाया कि यह पर्याप्त है। लेकिन इन जेनरेटिव सिस्टम के मामले में ऐसा नहीं है, जो सभी प्रकार के अप्रत्याशित, अप्रत्याशित और पहले कभी न देखे गए तरीकों से प्रतिक्रिया कर सकते हैं।
यह मुश्किल हो सकता है यदि कोई चतुर या विरोधी, जैसे हैकर, परीक्षण करने और इसकी सीमाओं को आगे बढ़ाने का निर्णय लेता है। जनरेशन सिस्टम की यादृच्छिकता के कारण, भले ही इसमें वह सब कुछ हो जो आपने उससे पहले कहा है, वे किसी विशेष स्थिति में हो सकते हैं, या उनकी मेमोरी कुछ विशिष्ट जानकारी से भरी हुई है, जिससे इसका आउटपुट असामान्य होगा। तो इसमें बहुत जटिलता है, लेकिन यह अनंत नहीं है। हालाँकि इन स्थितियों से निपटने के तरीके मौजूद हैं, लेकिन यह पारंपरिक प्रौद्योगिकी रिलीज़ की तुलना में कहीं अधिक जटिल और सूक्ष्म है।
हन्ना फ्राई: मुझे याद है कि आपने कहा था कि हमें इसे कंप्यूटिंग के एक बिल्कुल अलग तरीके के रूप में सोचने की ज़रूरत है, नियतात्मक कंप्यूटिंग से जिसे हम पूरी तरह से समझते हैं, कंप्यूटिंग के इस अधिक गंदे, संभाव्य और त्रुटि-युक्त तरीके के रूप में। क्या आपको लगता है कि जनता को हमारे द्वारा की जाने वाली कंप्यूटिंग के प्रकारों के बारे में अपनी सोच को थोड़ा समायोजित करने की आवश्यकता है?
डेमिस हसाबिस: मुझे ऐसा लगता है। हो सकता है कि कुछ जारी करने से पहले, हम यह स्पष्ट करने के लिए एक सिद्धांत दस्तावेज़ या कुछ इसी तरह प्रकाशित करने पर विचार कर सकते हैं कि सिस्टम की अपेक्षाएँ क्या हैं, डिज़ाइन का उद्देश्य क्या है, लागू परिदृश्य क्या हैं, और जो कार्य पूरे नहीं किए जा सकते हैं वे क्या हैं बहुत सारी समझ. हमें उपयोगकर्ताओं को शिक्षित करने की आवश्यकता है, जैसे कि कुछ मामलों में आप इसे इस तरह से उपयोग कर सकते हैं, लेकिन इन अन्य चीज़ों को आज़माएं नहीं क्योंकि यह काम नहीं कर सकती हैं। मुझे लगता है कि यह एक ऐसा क्षेत्र है जहां हमें बेहतर करने की जरूरत है और उपयोगकर्ताओं को अधिक अनुभवी होने की जरूरत है। यह वास्तव में काफी दिलचस्प है.
शायद यही कारण है कि चैटबॉट कुछ हद तक अचानक सामने आए। यहां तक कि ChatGPT ने भी OpenAI को आश्चर्यचकित कर दिया। हमारे पास अपना स्वयं का चैटबॉट है, और Google के पास भी ऐसा ही है। उन्हें देखते समय, मैंने यह भी देखा कि उनमें अभी भी कई खामियाँ हैं और वे अभी भी त्रुटियों, भ्रमों और कई अन्य समस्याओं से ग्रस्त हैं। लेकिन हमें यह एहसास नहीं हुआ कि फिर भी, चैटबॉट्स के लिए अभी भी कई बहुत अच्छे उपयोग के मामले हैं जो लोगों को बहुत मूल्यवान लगते हैं, जैसे दस्तावेज़ों का सारांश देना, ईमेल लिखना, फॉर्म भरना आदि। इन उपयोग परिदृश्यों में, कुछ छोटी त्रुटियां होने पर भी लोगों को कोई फर्क नहीं पड़ता क्योंकि उन्हें आसानी से ठीक किया जा सकता है और बहुत समय बचाया जा सकता है। इन तकनीकों को जनता के हाथों में डालते समय लोगों को यह आश्चर्य होता है। इन प्रणालियों की कई ज्ञात खामियों के बावजूद, अभी भी मूल्यवान उपयोग के मामले हैं।
हन्ना फ्राई: तो, अगला प्रश्न जो मैं पूछना चाहता हूं वह ओपन सोर्स के बारे में है। क्योंकि जब प्रौद्योगिकी जनता के हाथ में होती है, जैसा कि आपने बताया, कुछ सचमुच आश्चर्यजनक चीजें घटित होती हैं। मुझे पता है कि डीपमाइंड ने अतीत में कई शोध परियोजनाओं को ओपन सोर्स किया है, लेकिन ऐसा लगता है कि समय के साथ इसमें बदलाव आया है।
डेमिस हसाबिस: हम हमेशा खुले स्रोत और खुले विज्ञान के बहुत समर्थक रहे हैं। जैसा कि आप जानते हैं, हम अपने लगभग हर शोध प्रोजेक्ट को ओपन सोर्स और रिलीज़ करते हैं, जिसमें ट्रांसफॉर्मर और अल्फ़ागो जैसी परियोजनाएं शामिल हैं, जिन्हें हम नेचर और साइंस पत्रिकाओं में प्रकाशित करते हैं। अल्फ़ाफ़ोल्ड भी खुला स्रोत है, जैसा कि हमने पिछली बार चर्चा की थी।
दरअसल, जानकारी साझा करने से प्रौद्योगिकी और विज्ञान तेजी से आगे बढ़ते हैं, इसलिए हम लगभग हमेशा सोचते हैं कि ऐसा करना फायदेमंद है। यह विज्ञान की प्रगति का सामान्य तरीका है। एकमात्र अपवाद तब होता है जब शक्तिशाली एआई या एजीआई की बात आती है, जहां हमें दोहरे उपयोग वाली तकनीक की समस्या का सामना करना पड़ता है।
तो सवाल यह है कि आप सभी अच्छे उपयोग के मामलों और उन नेक इरादे वाले वैज्ञानिकों, प्रौद्योगिकीविदों का समर्थन करना चाहते हैं, और उन्हें उन विचारों पर निर्माण करने, उनकी आलोचना करने आदि के लिए प्रोत्साहित करना चाहते हैं। यह समाज की प्रगति का सबसे तेज़ तरीका है। हालाँकि, समस्या यह है कि एक साथ दुर्भावनापूर्ण अभिनेताओं तक पहुंच को कैसे सीमित किया जाए जो इन प्रणालियों का उपयोग अवांछनीय उद्देश्यों के लिए कर सकते हैं, उनका दुरुपयोग कर सकते हैं, या उन्हें हथियार प्रणालियों में बदल सकते हैं, आदि।
इन सामान्य प्रणालियों का वास्तव में इस तरह से, अन्य तरीकों से शोषण किया जा सकता है। आज ऐसा करने में कोई हर्ज नहीं होगा क्योंकि मुझे नहीं लगता कि मौजूदा व्यवस्था पर्याप्त मजबूत है। लेकिन दो या तीन वर्षों के बाद, खासकर जब आप स्वचालित एजेंट सिस्टम या एजेंट व्यवहार की तरह होने लगते हैं, अगर इन सिस्टम का कुछ लोगों या कुछ दुष्टों द्वारा दुरुपयोग किया जाता है, तो यह गंभीर नुकसान पहुंचा सकता है। इसलिए मुझे लगता है कि सामूहिक रूप से हमें यह सोचने की ज़रूरत है कि ओपन सोर्स के लिए इसका क्या मतलब है।
शायद अत्याधुनिक मॉडलों को अधिक निरीक्षण की आवश्यकता है, शायद ओपन सोर्स होने से पहले उनकी रिलीज़ के एक या दो साल बाद। यह वह मॉडल है जिसका हम वर्तमान में अनुसरण कर रहे हैं क्योंकि हमारे पास अपने स्वयं के ओपन सोर्स मॉडल हैं, जैसे कि जेम्मा, जो छोटे हैं इसलिए अत्याधुनिक मॉडल नहीं हैं। हालाँकि वर्तमान स्तर पर उनकी क्षमताओं को अच्छी तरह से समझा जाता है, फिर भी वे डेवलपर्स के लिए बहुत उपयोगी हैं क्योंकि उन्हें लैपटॉप पर भी आसानी से चलाया जा सकता है। संक्षेप में, इन मॉडलों की क्षमताएं अभी भी मूल्यवान हैं, लेकिन नवीनतम अत्याधुनिक मॉडल (जैसे जेमिनी 1.5 मॉडल) जितनी शक्तिशाली नहीं हैं। इसलिए मुझे लगता है कि हम शायद इस दृष्टिकोण को अपनाएंगे जहां हमारे पास ओपन सोर्स मॉडल होंगे, लेकिन वे अत्याधुनिक मॉडल से लगभग एक साल पीछे रह जाएंगे ताकि हम वास्तव में मूल्यांकन कर सकें कि वे मॉडल कैसा प्रदर्शन करते हैं खुले वातावरण में.
हन्ना फ्राई: नवीनतम और सबसे अत्याधुनिक मॉडल क्षमताएं वास्तव में सीमाओं को पार कर सकती हैं।
डेमिस हसाबिस: हम इन मॉडलों की क्षमताओं और सीमाओं को देख सकते हैं। ओपन सोर्स के साथ समस्या यह है कि अगर कुछ गलत हो जाता है, तो आप उसे पूर्ववत नहीं कर सकते। मालिकाना मॉडल के साथ, यदि दुर्भावनापूर्ण अभिनेता इसका गलत तरीके से उपयोग करना शुरू कर देते हैं तो आप पहुंच बंद कर सकते हैं। चरम मामलों में, आप इसे पूरी तरह से बंद कर सकते हैं। लेकिन एक बार जब आप किसी चीज़ का स्रोत खोल लेते हैं, तो आप उसे वापस नहीं ले सकते। यह एक तरफ़ा दरवाज़ा है, इसलिए खुला स्रोत होने पर आपको बहुत सावधान रहना चाहिए।
हन्ना फ्राई: तो क्या किसी संगठन के दायरे में एजीआई को नियंत्रित करना संभव है?
डेमिस हसाबिस: अभी तक पता नहीं कि यह कैसे करना है। खासकर जब एजीआई स्तर पर शक्तिशाली कृत्रिम बुद्धिमत्ता की बात आती है, जो मानव स्तर के समान एआई है।
हन्ना फ्राई: आपके द्वारा वर्णित आदर्श पारिस्थितिकी तंत्र में संस्थान कहाँ फिट होते हैं? यदि हम उस स्तर पर पहुंच जाते हैं जहां एजीआई सभी वैज्ञानिक अनुसंधानों का समर्थन करता है, तो क्या पारंपरिक संस्थानों का अभी भी मूल्य रहेगा?
डेमिस हसाबिस: मुझे लगता है कि संस्थाएं अभी भी मायने रखती हैं। एजीआई तक पहुंचने से पहले, नागरिक समाज, शिक्षा जगत, सरकार और औद्योगिक प्रयोगशालाओं के बीच सहयोग होना चाहिए। मेरा सचमुच मानना है कि यही एकमात्र तरीका है जिससे हम इस स्तर तक पहुंच सकते हैं।
हन्ना फ्राई: कंप्यूटर वैज्ञानिक स्टुअर्ट रसेल ने एक बार मुझसे कहा था कि वह थोड़ा चिंतित थे कि एक बार जब हम एजीआई तक पहुंच जाएंगे, तो ऐसी स्थिति हो सकती है जहां हम सभी पुराने राजकुमारों की तरह होंगे – जिन लोगों को लॉग इन करने की आवश्यकता नहीं है वे लोग जो बैठते हैं सिंहासन पर बैठो और कोई काम मत करो, बस बिना किसी लक्ष्य के असंयमित विलासिता का जीवन जियो।
डेमिस हसाबिस: हां, यह एक दिलचस्प सवाल है। शायद यह सिर्फ एजीआई नहीं है, बल्कि आर्टिफिशियल सुपरइंटेलिजेंस (कृत्रिम सुपरइंटेलिजेंस) या किसी अन्य अवधारणा की तरह है, कभी-कभी लोग इसे एएसआई (कृत्रिम सुपरइंटेलिजेंस) कहते हैं। इस मामले में, हम बहुतायत की एक मौलिक स्थिति का अनुभव कर सकते हैं, जिसमें हम जो करना चाहते हैं उसमें हम अधिक स्वतंत्रता प्राप्त कर पाएंगे, जब तक हम यह सुनिश्चित करते हैं कि संसाधनों को उचित और तर्कसंगत रूप से वितरित किया जाता है।
तो फिर अर्थ एक बड़ा दार्शनिक प्रश्न बन जाता है। मुझे लगता है कि हमें इस बारे में सोचना शुरू करने के लिए दार्शनिकों, यहां तक कि धर्मशास्त्रियों, सामाजिक वैज्ञानिकों की आवश्यकता होगी। क्या अर्थ लाता है? मैं अब भी सोचता हूं कि आत्म-साक्षात्कार महत्वपूर्ण है। मुझे नहीं लगता कि हम सब वहां बैठ कर ध्यान करेंगे, शायद कंप्यूटर गेम खेलेंगे, कौन जानता है? लेकिन क्या यह सचमुच बुरा है? शायद हमें यह भी पुनः परिभाषित करने की आवश्यकता है कि "अच्छा" जीवन क्या है।
हन्ना फ्राई: मुझे लगता है कि पुराने ज़माने के राजकुमारों को कुछ भी बुरा नहीं लगता होगा।
डेमिस हसाबिस: यदि आप माउंट एवरेस्ट पर चढ़ने जैसे चरम खेल करने वालों को देखें, तो वे सभी मानवीय सीमाओं के लिए चुनौतियां हैं। इन गतिविधियों के पीछे की प्रेरणाएँ अर्थ की खोज और आत्म-साक्षात्कार से संबंधित हो सकती हैं। जैसा कि आपने बताया, हालाँकि इन मुद्दों पर अभी गहराई से चर्चा नहीं हुई है, लेकिन ये हमारी दुनिया को महत्वपूर्ण रूप से बदल देंगे।
भले ही सबसे उन्नत तकनीकों ने बड़े बदलाव लाए हैं, जैसे कि बीमारियों का इलाज करना, ऊर्जा समस्याओं का समाधान करना, जलवायु परिवर्तन पर प्रतिक्रिया देना आदि, फिर भी हम "अर्थ" की गहरी समस्या का सामना कर रहे हैं। अर्थ की यह खोज न केवल तकनीकी स्तर पर है, बल्कि इसमें दर्शन, मनोविज्ञान और यहां तक कि सांस्कृतिक स्तर भी शामिल है। हमें यह सोचने की ज़रूरत है कि भविष्य के तकनीकी उछाल के तहत मानव अस्तित्व और व्यवहार को कैसे पुनर्परिभाषित किया जाएगा।
# aifaner के आधिकारिक WeChat सार्वजनिक खाते का अनुसरण करने के लिए आपका स्वागत है: aifaner (WeChat ID: ifanr) आपको जल्द से जल्द अधिक रोमांचक सामग्री प्रदान की जाएगी।