एआई चिंता का विषय नहीं है, यह एआई डेवलपर्स है जिसके बारे में आपको चिंतित होना चाहिए

यह अब खबर नहीं है कि चैटजीपीटी और अन्य चैटबॉट्स ने आर्टिफिशियल इंटेलिजेंस (एआई) टूल्स के बारे में हमारी समझ और बातचीत की फिर से कल्पना की है। बहुत से लोगों को एआई के बारे में पहली बार तब पता चला जब पिछले नवंबर में चैटजीपीटी की रिलीज के समय इंटरनेट पर बवाल मच गया।

OpenAI के चैटबॉट से जुड़े उत्साह को कम किए बिना, हम रोजाना AI टूल्स और ऑपरेशंस से रूबरू होते हैं। उदाहरण के लिए, इस तथ्य को लें कि Google का सर्च इंजन और मानचित्र प्रश्नों को संसाधित करने और सेकंडों में प्रतिक्रियाओं को मंथन करने के लिए AI पर निर्भर हैं।

एआई अच्छा, बुरा और अपरिहार्य है

चैटजीपीटी और अन्य एआई उपकरणों के साथ क्या किया जा सकता है इसकी संभावनाओं ने अभूतपूर्व उत्साह पैदा किया है। पेशेवरों के लिए विशेष रूप से आरक्षित सामग्री और तकनीकी दस्तावेज़ बनाने वाले इन उपकरणों के उदाहरण हैं।

ChatGPT का उपयोग कोड लिखने, मैलवेयर विकसित करने, विचार उत्पन्न करने, भाषाओं का अनुवाद करने और बहुत कुछ करने के लिए किया गया है। 2022 में, मिडजर्नी का उपयोग अधिक से अधिक बढ़ गया .

इन उपकरणों की क्षमता भी कयामत के डर का परिचय देती है। की चिंताएं हैं सामूहिक बेरोजगारी , , , , , और .

13 जनवरी, 2023 को एक मुकदमा दायर किया गया, जिसमें स्टैबिलिटी एआई, मिडजर्नी और डेविएंटआर्ट का आरोप लगाया गया "लाखों कलाकारों के अधिकार"।

एआई भविष्य है। हमें अच्छे को अपनाना सीखना चाहिए और बुरे के प्रभाव को कम करने के उपायों को लागू करना चाहिए। हालाँकि, इसमें कोई संदेह नहीं है कि AI आधुनिक समाज को बाधित करना जारी रखेगा।

द्वारा हाल ही में किया गया एक सर्वेक्षण दिखाया गया है कि जेन जेड (29%), जेन एक्स (28%), और मिलेनियल्स (27%) जेनेरेटिव एआई टूल्स का इस्तेमाल करते हैं।

एआई वैश्विक बाजार राजस्व 2022 में $136 बिलियन से बढ़कर अधिक होने की उम्मीद है 2030 तक। के अनुसार , 35% कंपनियां अपने व्यवसाय में एआई का उपयोग करती हैं, 42% एआई की खोज कर रही हैं, और 66% या तो वर्तमान में क्रियान्वित कर रही हैं या स्थिरता लक्ष्यों को पूरा करने के लिए एआई को लागू करने की योजना बना रही हैं।

एआई लाभों में कार्य स्वचालन (30%), लागत बचत (54%), आईटी प्रदर्शन (53%), और बेहतर ग्राहक अनुभव (48%) शामिल हैं।

एआई का निर्माण

चैटजीपीटी और अन्य उपकरणों के कई चमत्कारों को देखते हुए, यह मान लेना आसान है कि एआई उपकरण जादू-टोना और विज्ञान का मिश्रण हैं। सौभाग्य से, वे नहीं हैं।

एआई डेटा-आधारित, प्रयोगशाला-जनित गणितीय मॉडल है, जिसे मानव बुद्धि की आवश्यकता वाले कार्यों को करने के लिए डिज़ाइन किया गया है, जैसे कि पैटर्न को पहचानना, अनुभव से सीखना, समस्याओं को हल करना और प्रभावी निर्णय लेना।

एआई का विकास कंप्यूटर विज्ञान, तंत्रिका विज्ञान और मनोविज्ञान जैसे क्षेत्रों में प्रगति से प्रेरित है। यह इस विचार पर आधारित है कि मानव बुद्धि को एक मशीन द्वारा प्रतिरूपित और अनुकरण किया जा सकता है।

एआई में उपयोग की जाने वाली कुछ प्रमुख तकनीकों और तकनीकों में मशीन लर्निंग, नेचुरल लैंग्वेज प्रोसेसिंग और रोबोटिक्स शामिल हैं।

एआई विकास पर मानव पूर्वाग्रह का प्रभाव

एआई के बारे में "कचरा अंदर, कचरा बाहर" की धारणा बहुत हद तक सही है। जैसा कि हम विकसित करना जारी रखते हैं और एआई सिस्टम पर अधिक से अधिक भरोसा करते हैं, हमें इन सिस्टमों में पक्षपात की संभावना के बारे में भी पता होना चाहिए।

जबकि एआई पर ही समस्या के रूप में उंगली उठाना आसान है, सच्चाई यह है कि वास्तविक चिंता उन लोगों का मानवीय पूर्वाग्रह है जो इन प्रणालियों को विकसित और प्रशिक्षित करते हैं। एआई सिस्टम ठीक वैसे ही व्यवहार करते हैं जैसे उनके डेवलपर्स चाहते हैं कि वे व्यवहार करें।

एआई के 69% शोधकर्ता मानते हैं और सुरक्षा पर अधिक ध्यान देना चाहिए।

एआई में मानव पूर्वाग्रह विभिन्न तरीकों से प्रकट हो सकता है, एआई को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा से लेकर सिस्टम की निर्णय लेने की प्रक्रिया तक।

उदाहरण के लिए, यदि एक AI सिस्टम को एक ऐसे डेटासेट पर प्रशिक्षित किया जाता है, जो लोगों के एक विशेष समूह से बना है, तो यह अन्य समूहों के लिए सही ढंग से समझने और निर्णय लेने में सक्षम नहीं हो सकता है।

इसी तरह, अगर एआई प्रणाली को कुछ मान्यताओं या रूढ़ियों के आधार पर निर्णय लेने के लिए डिज़ाइन किया गया है, तो यह समाज में हानिकारक पूर्वाग्रहों को कायम रख सकता है।

एआई के साथ सबसे बड़े मुद्दों में से एक यह तथ्य है कि जिस डेटा पर इसे प्रशिक्षित किया जाता है, वह उस डेटा को एकत्र करने और क्यूरेट करने वाले लोगों के पूर्वाग्रहों को प्रतिबिंबित कर सकता है।

उदाहरण के लिए, यदि किसी चेहरे की पहचान प्रणाली को प्रशिक्षित करने के लिए उपयोग किया जाने वाला डेटासेट ज्यादातर गोरी त्वचा वाले लोगों की छवियों से बना होता है, तो गहरे रंग की त्वचा वाले लोगों के चेहरे को पहचानने की कोशिश करने पर सिस्टम खराब प्रदर्शन करेगा।

यह पूर्वाग्रह का एक रूप है जिसके वास्तविक दुनिया के परिणाम हो सकते हैं, जैसे कि के मामले में दोषपूर्ण फेशियल रिकॉग्निशन मैच के कारण।

लेकिन यह केवल डेटा ही नहीं है जो पक्षपाती हो सकता है, इन प्रणालियों को बनाने और प्रशिक्षित करने वाले लोग भी अपने स्वयं के अचेतन पूर्वाग्रहों के माध्यम से पूर्वाग्रह का परिचय दे सकते हैं।

उदाहरण के लिए, ए पाया गया कि GPT-3 जैसे भाषा मॉडल, जो ज्यादातर नस्लवादी और सेक्सिस्ट डेटासेट पर प्रशिक्षित थे, लिंग-रूढ़िवादी और नस्लवादी ग्रंथों का उत्पादन करते हैं। यह हानिकारक रूढ़ियों को कायम रख सकता है और एआई सिस्टम की क्षमता को सीमित कर सकता है।

सामाजिक रूप से जिम्मेदार एआई उपकरण

74% संगठनों ने यह सुनिश्चित करने के लिए कदम नहीं उठाए हैं कि उनका एआई भरोसेमंद और जिम्मेदार है, सामाजिक रूप से जिम्मेदार एआई उपकरण बनाने की तात्कालिकता एक सामूहिक जिम्मेदारी है। यह पूर्वाग्रह की संभावना की पहचान करने और इसे कम करने के लिए सक्रिय रूप से काम करने के साथ शुरू होता है।

इसका मतलब है कि एआई पर काम करने वाले लोगों की टीम में विविधता लाना और यह सुनिश्चित करना कि दृष्टिकोण और अनुभवों की एक विस्तृत श्रृंखला का प्रतिनिधित्व किया जाता है।

यह सुनिश्चित करना महत्वपूर्ण है कि एआई को प्रशिक्षित करने के लिए उपयोग किया जाने वाला डेटा विविधतापूर्ण हो और उस आबादी का प्रतिनिधि हो जिसकी वह सेवा करेगा। इसमें यह सुनिश्चित करने के लिए डेटा का सावधानीपूर्वक चयन और क्यूरेट करना शामिल है कि यह मौजूदा पूर्वाग्रहों या रूढ़िवादिता को समाप्त नहीं करता है।

इसके अतिरिक्त, लोगों के विभिन्न समूहों पर डेटा के संभावित प्रभाव पर विचार करना और डेटा समावेशी और निष्पक्ष है यह सुनिश्चित करने के लिए विविध दृष्टिकोणों से इनपुट प्राप्त करना महत्वपूर्ण है।

एआई सिस्टम डिजाइन पारदर्शी और व्याख्यात्मक होना चाहिए। इसका मतलब यह है कि एआई सिस्टम की निर्णय लेने की प्रक्रिया स्पष्ट और मनुष्यों द्वारा आसानी से समझी जानी चाहिए ताकि किसी भी संभावित पूर्वाग्रह या मुद्दों की पहचान की जा सके और उन्हें संबोधित किया जा सके।

यह सुनिश्चित करने के लिए एआई सिस्टम के प्रदर्शन का नियमित रूप से मूल्यांकन और निगरानी करना आवश्यक है कि वे उद्देश्य के अनुसार कार्य कर रहे हैं और हानिकारक पूर्वाग्रहों को कायम नहीं रख रहे हैं। इसमें एआई सिस्टम को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा के साथ-साथ एआई मॉडल के निर्णयों और कार्यों का नियमित विश्लेषण शामिल है।

सरकार को ऐसे कानून और नियम बनाने चाहिए जो विकास और विकास को रोके बिना सामाजिक रूप से जिम्मेदार एआई विकास और उपयोग को लागू करें।

समाज की भलाई के लिए एआई को अधिकतम करना

एआई में हमारे जीने, काम करने और सामाजिक होने के तरीके में क्रांति लाने की क्षमता है। लेकिन जैसा कि हम विकसित करना जारी रखते हैं और एआई सिस्टम पर भरोसा करते हैं, यह महत्वपूर्ण है कि हम पूर्वाग्रह की क्षमता को भी संबोधित करें। हमें यह पहचानना चाहिए कि वास्तविक चिंता एआई ही नहीं है, बल्कि उन लोगों का पूर्वाग्रह है जो इसे विकसित और प्रशिक्षित करते हैं।

इस मुद्दे के बारे में जागरूक होकर और इसे कम करने के लिए कदम उठाकर, हम यह सुनिश्चित कर सकते हैं कि एआई का भविष्य ऐसा हो जिससे सभी को लाभ हो।

लक्ष्य समाज की भलाई के लिए एआई का विकास होना चाहिए। इस तरह के लक्ष्य के लिए सरकारों, डेवलपर्स और उपयोगकर्ताओं की सामूहिक जिम्मेदारी की आवश्यकता होगी। सरकारों को ऐसे नियमों को लागू करना चाहिए जो यह सुनिश्चित करें कि एआई सिस्टम सामाजिक रूप से जिम्मेदार तरीके से विकसित हों।

विकासकर्ताओं को विविधता, पारदर्शिता और उत्तरदायित्व अपनाकर पूर्वाग्रह को रोकना चाहिए। उन्हें अनपेक्षित पक्षपात और दुरुपयोग को रोकने के लिए नियमित रूप से एआई सिस्टम के प्रदर्शन का मूल्यांकन और निगरानी करनी चाहिए।

जनता को यह भी समझना चाहिए कि वे एआई का उपयोग कैसे करते हैं, इसके लिए वे जिम्मेदार हैं। एआई के सामाजिक रूप से गैर-जिम्मेदाराना उपयोग को सभी को हतोत्साहित करना चाहिए।