Artificial Intelligence: Prospects, Uses and Challenges : कृत्रिम बुद्धिमत्ता: संभावनाएँ, उपयोग और चुनौतियाँ

Artificial Intelligence: Prospects, Uses and Challenges : कृत्रिम बुद्धिमत्ता शब्द की उत्पत्ति १९५६ में डार्टमाउथ कॉलेज में एक वैज्ञानिक सम्मेलन में हुई थी। एआई के संस्थापकों में से एक, मार्विन मिंस्की, ने इसे ‘मशीनों से ऐसी चीजें करवाने का विज्ञान’ के रूप में वर्णित किया, जिन्हें यदि मनुष्य द्वारा किया जाता तो बुद्धि की आवश्यकता होती कृत्रिम बुद्दिमत्ता वह तकनीक है जो मशीनों को मानव जैसी तर्क शक्ति और स्वतंत्र निर्णय जैसी क्षमताओं के साथ सक्षम बनती है। विशाल मात्रा में डेटा को प्रोसेस करने और उसके माध्यम से परिणाम प्राप्त करने, भविष्य की स्थितियों और संभावित घटनाओं की भविष्यवाणी करने की यह तकनीक आजकल धड़ल्ले से उपयोग की जा रही है। 

 
यद्यपि उस समय दी गयी परिभाषा का मूल आज भी सत्य है।  आधुनिक एआई प्रणालियां विकसित हो गई हैं। दृश्य बोध, भाषण पहचान, योजना, निर्णय लेने और भाषाओं के बीच अनुवाद जैसे कार्यों के लिए समस्या-समाधान करना जैसे कार्य कृत्रिम बुद्धिमत्ता के द्वारा किये जा रहे हैं। यह तकनीक महज कुछ ही समय में टेराबाइट्स डेटा को संसाधित कर सकते हैं। यह मानव उपयोगकर्ताओं की क्षमताओं को बढ़ाते हैं और कार्यस्थल में दक्षता, उत्पादकता और संतुष्टि को बढ़ाते हैं।

एआई सिस्टम एक अकेली तकनीक नहीं है, बल्कि यह तकनीकों का एक समूह है जिसे विभिन्न प्रकार के कार्यों को करने के लिए जोड़ा जा सकता है। वे कार्य बहुत विशिष्ट हो सकते हैं, जैसे कि यह समझना कि कौन-सी भाषा बोली जा रही है और उचित तरीके से जवाब देना, या बहुत व्यापक, जैसे कि छुट्टी की योजना बनाने के लिए यात्रा सुझाव देने में किसी की मदद करना। लेकिन एआई को बनाने वाली सभी विभिन्न प्रकार की तकनीकों को समझना एक कठिन काम हो सकता है। 

कृत्रिम बुद्धिमत्ता के प्रकारों की बात करें तो संकीर्ण एआई (जिसे कमजोर एआई भी कहा जाता है): एक एआई सिस्टम जिसे किसी विशिष्ट कार्य या कार्यों के समूह को निष्पादित करने के लिए डिज़ाइन किया गया है। यह वर्तमान अनुप्रयोगों में उपयोग किया जाने वाला एआई का प्रकार है। इसे कमजोर इसलिए नहीं कहा जाता है क्योंकि इसमें शक्ति या क्षमता की कमी है, बल्कि इसलिए क्योंकि यह मानवीय समझ या चेतना से बहुत दूर है जिसे हम सच्ची बुद्धिमत्ता से जोड़ते हैं। ये सिस्टम अपने दायरे में सीमित हैं और इनमें अपने विशिष्ट डोमेन के बाहर कार्य करने की क्षमता नहीं है। संकीर्ण एआई के उदाहरणों में वॉयस असिस्टेंट, चेहरे और भाषण की पहचान, और सेल्फ-ड्राइविंग कारें शामिल हैं।

सामान्य एआई (जिसे मजबूत एआई भी कहा जाता है): सिद्धांत रूप में, एक एआई प्रणाली जो किसी भी बौद्धिक कार्य को सफलतापूर्वक करने में सक्षम होगी जो एक इंसान कर सकता है- संभवतः एक इंसान से भी बेहतर। संकीर्ण एआई प्रणालियों की तरह, सामान्य एआई प्रणालियाँ अनुभव से सीखने और पैटर्न को पहचानने और भविष्यवाणी करने में सक्षम होंगी, लेकिन उनमें चीजों को एक कदम आगे ले जाने की क्षमता होगी। सामान्य एआई अभी तक अस्तित्व में नहीं है, हालाँकि इस क्षेत्र में विभिन्न देशों के अनुसंधान कुछ आशाजनक प्रगति के साथ जारी है।
सुपर इंटेलिजेंट एआई: एक एआई सिस्टम जिसे पूरी तरह से आत्म-जागरूक और मनुष्यों की बुद्धिमत्ता से आगे निकलने के रूप में परिभाषित किया गया है। सैद्धांतिक रूप से, इन प्रणालियों में खुद को बेहतर बनाने और मानव-स्तर से ऊपर की बुद्धिमत्ता के साथ निर्णय लेने की क्षमता होगी। मानव व्यवहार की नकल करने या पहचानने से परे, सुपर इंटेलिजेंट एआई इसे एक बुनियादी स्तर पर समझ लेगा। इन मानवीय गुणों से सशक्त- और बड़े पैमाने पर प्रसंस्करण और विश्लेषणात्मक शक्ति के साथ आगे बढ़ाया गया। यह हमारी अपनी क्षमताओं से कहीं आगे निकल सकता है। यदि एक सुपर इंटेलिजेंट एआई सिस्टम विकसित किया गया तो यह मानव इतिहास की दिशा बदल सकता है, लेकिन वर्तमान में यह केवल विज्ञान कथाओं में ही मौजूद है, और एआई के इस स्तर को प्राप्त करने का कोई ज्ञात तरीका नहीं है ।

मशीन लर्निंग (एमएल) एआई का एक उप समूह है जो कंप्यूटर सिस्टम को अनुभव या डेटा से सीखने और सुधारने में सक्षम बनाता है, और कंप्यूटर विज्ञान, सांख्यिकी, मनोविज्ञान, तंत्रिका विज्ञान और अर्थशास्त्र जैसे क्षेत्रों से तत्वों को शामिल करता है। विभिन्न प्रकार की सीखने की विधियों और विश्लेषण तकनीकों पर एल्गोरिदम लागू करके, स्वचालित रूप से सीख सकता है और सुधार कर सकता है। व्यवसायों के लिए, मशीन लर्निंग का उपयोग बड़े, जटिल डेटा सेट के विश्लेषण के आधार पर परिणामों की भविष्यवाणी करने के लिए किया जा सकता है।

तंत्रिका नेटवर्क: कृत्रिम बुद्धिमत्ता का एक मूलभूत घटक है, जो मानव मस्तिष्क की संरचना और कार्य से प्रेरित है। इन बहुस्तरीय कम्प्यूटेशनल मॉडल में जैविक मस्तिष्क में न्यूरॉन्स की तरह नोड्स एक साथ क्लस्टर किए जाते हैं। प्रत्येक कृत्रिम न्यूरॉन इनपुट लेता है, उस पर गणितीय संचालन करता है, और एक आउटपुट तैयार करता है जिसे फिर तेज़, समानांतर प्रसंस्करण के माध्यम से न्यूरॉन्स की बाद की परतों में भेजा जाता है। प्रशिक्षण के दौरान, तंत्रिका नेटवर्क डेटा में उदाहरणों के आधार पर न्यूरॉन्स के बीच कनेक्शन की ताकत को समायोजित करते हैं, जिससे उन्हें पैटर्न पहचानने, भविष्यवाणियां करने और समस्याओं को हल करने की अनुमति मिलती है। वे कार्य और डेटा के प्रकार के आधार पर डेटा से सीखने के लिए कई तरह के तरीके अपनाते हैं। तंत्रिका नेटवर्क ने छवि और भाषण पहचान, प्राकृतिक भाषा प्रसंस्करण, मॉडलिंग, स्वायत्त वाहन, और बहुत कुछ जैसे विभिन्न क्षेत्रों मंर अनुप्रयोग पाए हैं।
गहन शिक्षण (डीएल) मशीन लर्निंग का एक डेटा-केंद्रित उपसमूह है जो बहुत सारे डेटा से सुविधाओं को सीखने और निकालने के लिए कई (गहरी) परतों वाले न्यूरल नेटवर्क का उपयोग करता है। ये डीप न्यूरल नेटवर्क डेटा में जटिल पैटर्न और रिश्तों को स्वचालित रूप से खोज सकते हैं जो मनुष्यों के लिए तुरंत स्पष्ट नहीं हो सकते हैं, जिससे अधिक सटीक भविष्यवाणियां और निर्णय लेने की अनुमति मिलती है। डीप लर्निंग छवि और भाषण पहचान, प्राकृतिक भाषा प्रसंस्करण और डेटा विश्लेषण जैसे कार्यों में उत्कृष्टता प्राप्त करता है। डीप न्यूरल नेटवर्क की पदानुक्रमित संरचना का लाभ उठाकर, डीप लर्निंग ने स्वास्थ्य सेवा, वित्त और स्वायत्त प्रणालियों सहित कई डोमेन में क्रांति ला दी है।

जनरेटिव एआई (जनरेटिव एआई) एक प्रकार की गहन शिक्षा है जो आधारभूत मॉडल का उपयोग करती है जैसे बड़े भाषा मॉडल (एलएलएम) अपने प्रशिक्षण डेटा के आधार पर छवियों, पाठ, ध्वनि, वीडियो और सॉ़फ्टवेयर कोड सहित एकदम नई सामग्री बनाने के लिए। जनरेटिव एआई विभिन्न फाउंडेशन मॉडल तकनीकों के लिए एक व्यापक शब्द है- स्व-पर्यवेक्षित सीखने का उपयोग करके डेटा की विशाल मात्रा पर प्रशिक्षित तंत्रिका नेटवर्क, जैसे कि पाठ में अगले शब्द की भविष्यवाणी करना। इसकी उभरती हुई क्षमताएं इसे एआई में एक सफलता बनाती हैं, जिसमें एक ही मॉडल कभी-कभी कविताएँ और व्यावसायिक दस्तावेज़ दोनों लिखने, चित्र बनाने और तर्क परीक्षण पास करने में सक्षम होता है। जनरेटिव एआई के कई व्यवसाय एप्लिकेशन जैसे यथार्थवादी उत्पाद प्रोटोटाइप बनाना, ग्राहक सेवा में स्वाभाविक बातचीत करना, व्यक्तिगत विपणन सामग्री डिजाइन करना, सामग्री-निर्माण प्रक्रियाओं को स्वचालित करना और ग्राफिक्स और विशेष प्रभाव बनाना है। व्यवसायी और उपभोक्ता दोनों ही जनरेटिव एआई को प्रभावी तरीके से अपना रहे हैं । 
एक अध्ययन के अनुसार मैकिन्से रिपोर्ट, २०२३ में: ३३ज्ञ् संगठन कम से कम एक व्यावसायिक कार्य में नियमित रूप से जनरेशन एआई का उपयोग कर रहे हैं। जनरेशन एआई के कारण ४०ज्ञ् संगठन एआई में निवेश बढ़ाएंगे।
एआई का उपयोग करने वाले ६०ज्ञ् संगठन पहले से ही जनित एआई का उपयोग कर रहे  हैं। 

कृत्रिम बुद्धिमत्ता के उपयोग
रोबोटिक
रोबोटिक्स का इस्तेमाल कई सालों से विनिर्माण में किया जा रहा है, लेकिन एआई की शुरुआत से पहले, कैलिब्रेशन और रीप्रोग्रामिंग को मैन्युअल रूप से करना पड़ता था - और आमतौर पर कुछ टूटने के बाद ही। एआई का उपयोग करके- अक्सर इंटरनेट ऑफ थिंग्स के रूप में (आईओटी) सेंसर- निर्माता अपने रोबोट द्वारा किए जा सकने वाले कार्यों के दायरे, मात्रा और प्रकार का बहुत विस्तार करने में सक्षम हुए हैं, साथ ही उनकी सटीकता में सुधार और डाउनटाइम को कम किया है। Aघ्-सहायता प्राप्त रोबोटिक्स के कुछ सामान्य उदाहरणों में गोदामों में ऑर्डर लेने वाले रोबोट और कृषि रोबोट शामिल हैं जो इष्टतम समय पर फसलों को पानी देते हैं।

 कंप्यूटर दृष्टि
कंप्यूटर विज़न वह तरीका है जिससे कंप्यूटर डिजिटल छवियों और वीडियो की सामग्री को ‘देखते’ और समझते हैं। कंप्यूटर विज़न एप्लिकेशन जटिल प्रासंगिक जानकारी निकालने के लिए सेंसर और लर्निंग एल्गोरिदम का उपयोग करते हैं जिसका उपयोग अन्य प्रक्रियाओं को स्वचालित या सूचित करने के लिए किया जा सकता है। यह पूर्वानुमान उद्देश्यों के लिए देखे गए डेटा पर भी अनुमान लगा सकता है, जैसे कि सेल्फ-ड्राइविंग कारों के मामले में।
 प्राकृतिक भाषा प्रसंस्करण (एनएलपी)
प्राकृतिक भाषा प्रसंस्करण सिस्टम लिखित या बोली जाने वाली भाषा को पहचानते और समझते हैं। अधिक परिष्कृत अनुप्रयोगों में, एनएलपी दृष्टिकोण, मनोदशा और अन्य व्यक्तिपरक गुणों का अनुमान लगाने के लिए संदर्भ का उपयोग कर सकता है ताकि अर्थ की सबसे सटीक व्याख्या की जा सके। एनएलपी के व्यावहारिक अनुप्रयोगों में चैटबॉट, कॉल सेंटर इंटरैक्शन विश्लेषण और सिरी और एलेक्सा जैसे डिजिटल वॉयस असिस्टेंट शामिल हैं।

कृत्रिम बुद्धिमत्ता के लाभों का अगर बात की जाय तो बढ़ी हुई कार्यकुशलता और उत्पादकता: उद्यम में एआई के सबसे महत्वपूर्ण लाभों में से एक इसकी कार्यों को स्वचालित करने और संचालन को सुव्यवस्थित करने की क्षमता है। एआई-संचालित सिस्टम बिजली की गति से बड़ी मात्रा में डेटा को संसाधित कर सकते हैं, जिससे मूल्यवान मानव संसाधन अधिक मूल्यवर्धित गतिविधियों पर ध्यान केंद्रित करने के लिए मुक्त हो जाते हैं। यह बढ़ी हुई दक्षता उत्पादकता में सुधार लाती है, क्योंकि कर्मचारी अपना समय नियमित और सांसारिक कार्यों के बजाय रणनीतिक निर्णय लेने और नवाचार के लिए समर्पित कर सकते हैं।

बेहतर ग्राहक अनुभव: एआई तकनीक ने व्यवसायों के ग्राहकों के साथ बातचीत करने के तरीके में क्रांतिकारी बदलाव किया है। र्‍थ्झ् और श्थ् एल्गोरिदम के माध्यम से, एआई संचालित चैटबॉटऔरआभासी सहायक ग्राहकों को २४/७ व्यक्तिगत और वास्तविक समय सहायता प्रदान कर सकता है। यह उपलब्धता न केवल ग्राहक संतुष्टि को बढ़ाती है, बल्कि व्यवसायों को प्रतिक्रिया समय और मानवीय त्रुटि को कम करते हुए चैनलों में एक सहज ग्राहक अनुभव प्रदान करने में भी मदद करती है।

डेटा-संचालित निर्णय लेना: एंटरप्राइज़ एआई सिस्टम संरचित और असंरचित डेटा की विशाल मात्रा का विश्लेषण कर सकते हैं, जिससे संगठनों को अधिक सूचित निर्णय लेने में सक्षम बनाया जा सकता है। इस डेटा से सार्थक अंतर्दृष्टि प्राप्त करने से कंपनियों को रुझानों की पहचान करने, ग्राहक व्यवहार की भविष्यवाणी करने और अपने संचालन को अनुकूलित करने में मदद मिलती है। एआई एल्गोरिदम उन पैटर्न का पता लगा सकते हैं जिन्हें मनुष्य अनदेखा कर सकते हैं, रणनीतिक योजना, जोखिम मूल्यांकन और व्यावसायिक प्रक्रियाओं को सुव्यवस्थित करने के लिए मूल्यवान जानकारी प्रदान करते हैं।
परिचालन दक्षता: एआई दोहरावदार, समय लेने वाले कार्यों और वर्क़फ्लो को स्वचालित कर सकता है, साथ ही जटिल गणनाओं, डेटा विश्लेषण और अन्य थकाऊ कार्यों को सटीकता के साथ संभाल सकता है, जिससे सटीकता में सुधार होता है और त्रुटियाँ कम होती हैं। एआई विसंगतियों, धोखाधड़ी और सुरक्षा उल्लंघनों का तेजी से पता लगाने में भी मदद कर सकता है, जिससे संभावित नुकसान को कम किया जा सकता है।

कार्यबल में बेहतर सहयोग: एआई कर्मचारियों के बीच बेहतर सहयोग और ज्ञान साझा करने को बढ़ावा दे सकता है। बुद्धिमान प्रणालियाँ प्रासंगिक जानकारी तक आसान पहुँच प्रदान करके और कर्मचारियों को सूचित निर्णय लेने में सहायता करने वाली अंतर्दृष्टि प्रदान करके डेटा खोज में सहायता कर सकती हैं। इसके अतिरिक्त, एआई संचालित सहयोग उपकरण टीमों, विभागों और यहाँ तक कि भौगोलिक रूप से फैले स्थानों में निर्बाध संचार और ज्ञान साझा करने में सक्षम बनाते हैं, जिससे नवाचार को बढ़ावा मिलता है और उत्पादकता बढ़ती है। एक तरफ जहां एआई असाधारण अवसर प्रस्तुत करता है, साथ ही यह उन जोखिमों के साथ भी आता है जिन्हें पहचाने जाने और कम करने की आवश्यकता है ताकि व्यक्तियों, समूहों, व्यवसायों और समग्र रूप से मानवता को होने वाले नुकसान को रोका जा सके। यहाँ कुछ सबसे ज़रूरी Aघ् नैतिकता चुनौतियाँ दी गई हैं, जिनके बारे में उपभोक्ताओं, व्यवसायों और सरकारों को समान रूप से ध्यान रखना चाहिए क्योंकि वे इसका उपयोग करने का प्रयास करते हैं । 

ग्राहक डेटा का नैतिक उपयोग:  २०२९ तक, अनुमानित रूप से ६४० करोड़ मोबाइल फोन उपयोगकर्ता दुनिया भर में होंगे। प्रत्येक डिवाइस उझ्ए स्थान से लेकर उपयोगकर्ताओं के व्यक्तिगत विवरण और वरीयताओं, साथ ही सोशल मीडिया और खोज व्यवहारों तक, बहुत अधिक मात्रा में डेटा साझा कर सकने की क्षमता के साथ एआई हर उपभोक्ता की जानकारियों को अपने पास रख लेगा। व्यवसायी अपने ग्राहकों की व्यक्तिगत जानकारी तक व्यापक पहुँच प्राप्त करने लगते हैं, इस स्थिति में यह महत्वपूर्ण हो जाता है एआई के उपयोग के मामले में ग्राहकों की गोपनीयता की रक्षा और डेटा के गलत उपयोग के जोखिम को कम करने के लिए प्रभावी प्रोटोकॉल स्थापित करें।

एआई पूर्वाग्रह: एआई सिस्टम अपने प्रशिक्षण डेटा में मौजूद मौजूदा पूर्वाग्रहों को प्रतिबिंबित या बढ़ा सकते हैं, जिससे संभावित रूप से नौकरी की भर्ती या ऋण स्वीकृति जैसे अनुप्रयोगों में अनुचित परिणाम हो सकते हैं। इन पूर्वाग्रहों को कम करने के लिए, संगठनों को यह सुनिश्चित करना चाहिए कि उनके डेटासेट विविध हैं, नियमित ऑडिट आयोजित करें और पूर्वाग्रह-शमन एल्गोरिदम का उपयोग करें। एक वास्तविक जीवन एआई का उपयोग अमेरिकी स्वास्थ्य सेवा प्रणाली में ऐसा हुआ, जहां महत्वपूर्ण पूर्वाग्रह-शमन क्षमताओं की कमी वाले एक एआई मॉडल ने प्रशिक्षण डेटा से यह अनुमान लगाया कि जनसांख्यिकीय समूह जो स्वास्थ्य सेवा पर कम खर्च करते हैं, उन्हें भविष्य में उच्च-खर्च करने वाले समूहों की तुलना में उतनी देखभाल की आवश्यकता नहीं है, जिसके परिणामस्वरूप एक पूर्वाग्रह पैदा हुआ जिसने करोड़ों रोगियों के स्वास्थ्य संबंधी निर्णयों को प्रभावित किया। सिस्टम को उनके आउटपुट को प्रभावित करने वाले कारकों और विशेषताओं को प्रकट करके रहस्य से मुक्त करना है- उपयोगकर्ताओं को जहां आवश्यक हो वहां एआई निर्णयों पर भरोसा करने, सत्यापित करने और संभावित रूप से सही करने में सक्षम बनाना।

डीपफेक: शब्द डीपफेक डीप लर्निंग और फेक का संयोजन है। डीपफेक मीडिया सामग्री बनाने या बदलने का एक परिष्कृत तरीका है, जैसे कि चित्र, वीडियो या ऑडियो रिकॉर्डिंग, एआई का उपयोग करके। डीपफेक वीडियो में चेहरे के भाव, हाव-भाव और भाषण में हेरफेर करने में सक्षम बनाता है, अक्सर उल्लेखनीय रूप से यथार्थवादी तरीके से इस तकनीक ने विश्वसनीय लेकिन मनगढ़ंत सामग्री बनाने की अपनी क्षमता के कारण ध्यान आकाfर्षत किया है जिसका उपयोग मनोरंजन और कलात्मक अभिव्यक्ति से लेकर गलत सूचना और पहचान धोखाधड़ी जैसे अधिक चिंताजनक अनुप्रयोगों तक विभिन्न उद्देश्यों के लिए किया जा सकता है।

इन्द्रज्योति राय 
मालदा, पश्चिम बंगाल