इस साल, यांडेक्स ने ऐलिस वॉयस असिस्टेंट लॉन्च किया। नई सेवा उपयोगकर्ता को समाचार और मौसम सुनने, सवालों के जवाब पाने और बॉट के साथ संवाद करने की अनुमति देती है। "ऐलिस" कभी-कभी निर्लज्ज, कभी-कभी यह लगभग उचित और मानवीय रूप से व्यंग्यात्मक लगता है, लेकिन अक्सर वह यह पता नहीं लगा पाती है कि उससे क्या पूछा जा रहा है, और एक पोखर में बैठ जाती है।

इस सबने न केवल चुटकुलों की लहर को जन्म दिया, बल्कि कृत्रिम बुद्धिमत्ता के विकास के बारे में चर्चाओं का एक नया दौर भी शुरू किया। स्मार्ट एल्गोरिदम ने क्या हासिल किया है, इसके बारे में समाचार आज लगभग हर दिन आ रहे हैं, और मशीन लर्निंग को खुद को समर्पित करने के लिए सबसे आशाजनक क्षेत्रों में से एक कहा जाता है।

कृत्रिम बुद्धिमत्ता के बारे में मुख्य प्रश्नों को स्पष्ट करने के लिए, हमने कृत्रिम बुद्धिमत्ता और मशीन सीखने के तरीकों के विशेषज्ञ सर्गेई मार्कोव के साथ बात की, जो सबसे शक्तिशाली घरेलू शतरंज कार्यक्रमों में से एक स्मारथिंक के लेखक और XXIII सेंचुरी प्रोजेक्ट के निर्माता हैं।

सर्गेई मार्कोव,

कृत्रिम बुद्धि विशेषज्ञ

एआई के बारे में मिथकों का विमोचन

तो "कृत्रिम बुद्धिमत्ता" क्या है?

"कृत्रिम बुद्धिमत्ता" की अवधारणा कुछ अशुभ है। प्रारंभ में वैज्ञानिक समुदाय में उत्पन्न होने के बाद, यह अंततः विज्ञान कथा साहित्य में प्रवेश कर गया, और इसके माध्यम से पॉप संस्कृति में, जहाँ इसने कई परिवर्तन किए, कई व्याख्याओं के साथ आगे बढ़ा, और अंत में पूरी तरह से रहस्यमय हो गया।

इसलिए हम अक्सर गैर-विशेषज्ञों से इस तरह के बयान सुनते हैं: "एआई मौजूद नहीं है", "एआई बनाया नहीं जा सकता"। एआई के क्षेत्र में किए गए शोध के सार की गलतफहमी आसानी से लोगों को अन्य चरम सीमाओं तक ले जाती है - उदाहरण के लिए, आधुनिक एआई सिस्टम को चेतना, स्वतंत्र इच्छा और गुप्त उद्देश्यों की उपस्थिति का श्रेय दिया जाता है।

आइए मक्खियों को कटलेट से अलग करने की कोशिश करें।

विज्ञान में, कृत्रिम बुद्धिमत्ता बौद्धिक समस्याओं को हल करने के लिए डिज़ाइन की गई प्रणालियों को संदर्भित करती है।

बदले में, एक बौद्धिक कार्य एक ऐसा कार्य है जिसे लोग अपनी बुद्धि की सहायता से हल करते हैं। ध्यान दें कि इस मामले में, विशेषज्ञ जानबूझकर "बुद्धिमत्ता" की अवधारणा को परिभाषित करने से बचते हैं, क्योंकि एआई सिस्टम के आगमन से पहले, बुद्धि का एकमात्र उदाहरण मानव बुद्धि था, और एक उदाहरण के आधार पर बुद्धि की अवधारणा को परिभाषित करना समान है एक बिंदु के माध्यम से एक सीधी रेखा खींचने की कोशिश कर रहा है। आप जितनी चाहें उतनी पंक्तियाँ हो सकती हैं, जिसका अर्थ है कि बुद्धि की अवधारणा के बारे में बहस सदियों तक चलती रह सकती है।

"मजबूत" और "कमजोर" कृत्रिम बुद्धि

एआई सिस्टम को दो बड़े समूहों में विभाजित किया गया है।

एप्लाइड आर्टिफिशियल इंटेलिजेंस(वे अंग्रेजी परंपरा में "कमजोर एआई" या "संकीर्ण एआई" शब्द का भी उपयोग करते हैं - कमजोर / लागू / संकीर्ण एआई) एक एआई है जिसे किसी एक बौद्धिक कार्य या उनमें से एक छोटी संख्या को हल करने के लिए डिज़ाइन किया गया है। इस वर्ग में शतरंज खेलने, गो, छवि पहचान, भाषण, बैंक ऋण जारी करने या न करने पर निर्णय लेने आदि के लिए सिस्टम शामिल हैं।

एप्लाइड एआई के विपरीत, अवधारणा पेश की गई है सार्वभौमिक कृत्रिम बुद्धि("मजबूत एआई", अंग्रेजी में - मजबूत एआई / आर्टिफिशियल जनरल इंटेलिजेंस) - यानी, एक काल्पनिक (अब तक) एआई किसी भी बौद्धिक कार्यों को हल करने में सक्षम है।

अक्सर लोग, शब्दावली को नहीं जानते हुए, एआई को मजबूत एआई के साथ पहचानते हैं, इस वजह से, "एआई मौजूद नहीं है" की भावना में निर्णय उत्पन्न होते हैं।

सशक्त एआई वास्तव में अभी तक मौजूद नहीं है। एआई के क्षेत्र में पिछले एक दशक में हमने जो भी प्रगति देखी है, वस्तुतः वे सभी लागू प्रणालियों में हुई हैं। इन सफलताओं को कम करके नहीं आंका जा सकता है, क्योंकि लागू प्रणालियाँ कुछ मामलों में सार्वभौमिक मानव बुद्धि की तुलना में बौद्धिक समस्याओं को बेहतर ढंग से हल करने में सक्षम हैं।

मुझे लगता है कि आपने देखा कि एआई की अवधारणा काफी व्यापक है। मान लीजिए मानसिक गणना भी एक बौद्धिक कार्य है, जिसका अर्थ है कि किसी भी गणना मशीन को एआई सिस्टम माना जाएगा। खातों के बारे में क्या? अबेकस? एंटीकाइथेरा तंत्र? दरअसल, यह सब औपचारिक है, हालांकि आदिम, लेकिन एआई सिस्टम। हालाँकि, आमतौर पर, कुछ सिस्टम को AI सिस्टम कहते हुए, हम इस सिस्टम द्वारा हल किए गए कार्य की जटिलता पर जोर देते हैं।

यह बिल्कुल स्पष्ट है कि बौद्धिक कार्यों का सरल और जटिल में विभाजन बहुत कृत्रिम है, और कुछ कार्यों की जटिलता के बारे में हमारे विचार धीरे-धीरे बदल रहे हैं। 17वीं शताब्दी में यांत्रिक गणना मशीन तकनीक का चमत्कार थी, लेकिन आज बचपन से ही बहुत अधिक जटिल तंत्रों का सामना करने वाले लोग इसे प्रभावित नहीं कर पाते हैं। जब गो या कार ऑटोपायलट में कारों का खेल जनता को आश्चर्यचकित करना बंद कर देता है, तो निश्चित रूप से ऐसे लोग होंगे जो इस तथ्य पर विस्मित होंगे कि कोई एआई को ऐसी प्रणाली का श्रेय देगा।

"रोबोट-उत्कृष्ट छात्र": एआई की सीखने की क्षमता के बारे में

एक और अजीब गलत धारणा यह है कि एआई सिस्टम में स्व-सीखने की क्षमता होनी चाहिए। एक ओर, यह एआई सिस्टम की एक अनिवार्य संपत्ति नहीं है: कई अद्भुत प्रणालियां हैं जो स्वयं सीखने में सक्षम नहीं हैं, लेकिन फिर भी, मानव मस्तिष्क की तुलना में कई समस्याओं को बेहतर ढंग से हल करती हैं। दूसरी ओर, कुछ लोग बस यह नहीं जानते हैं कि स्व-शिक्षण एक ऐसी विशेषता है जिसे कई एआई सिस्टम ने पचास साल पहले भी हासिल कर लिया है।

जब मैंने 1999 में अपना पहला शतरंज कार्यक्रम लिखा था, तो इस क्षेत्र में स्व-अध्ययन पहले से ही एक आम बात थी - कार्यक्रम खतरनाक स्थितियों को याद करने में सक्षम थे, अपने लिए शुरुआती विविधताओं को समायोजित कर सकते थे, खेलने की शैली को समायोजित कर सकते थे, प्रतिद्वंद्वी को समायोजित कर सकते थे। बेशक, वे कार्यक्रम अभी भी अल्फा जीरो से बहुत दूर थे। हालाँकि, तथाकथित "सुदृढ़ीकरण सीखने" प्रयोगों में अन्य प्रणालियों के साथ बातचीत के आधार पर व्यवहार सीखने वाली प्रणालियाँ पहले से मौजूद हैं। हालाँकि, कुछ अकथनीय कारणों से, कुछ लोग अभी भी सोचते हैं कि आत्म-सीखने की क्षमता मानव बुद्धि का विशेषाधिकार है।

मशीन लर्निंग, एक संपूर्ण वैज्ञानिक अनुशासन, कुछ समस्याओं को हल करने के लिए शिक्षण मशीनों की प्रक्रियाओं से संबंधित है।

मशीन लर्निंग के दो बड़े ध्रुव हैं - सुपरवाइज्ड लर्निंग और अनसुपरवाइज्ड लर्निंग।

पर एक शिक्षक के साथ सीखनामशीन के पास पहले से ही कुछ मामलों के सेट के लिए सशर्त रूप से सही समाधान हैं। इस मामले में सीखने का कार्य मशीन को उपलब्ध उदाहरणों के आधार पर अन्य, अज्ञात स्थितियों में सही निर्णय लेने के लिए सिखाना है।

दूसरी अति- शिक्षक के बिना सीखना. अर्थात्, मशीन को ऐसी स्थिति में रखा जाता है जहां सही समाधान अज्ञात होते हैं, केवल अपरिष्कृत, गैर-लेबल रूप में डेटा होता है। यह पता चला है कि ऐसे मामलों में कुछ सफलता प्राप्त करना संभव है। उदाहरण के लिए, आप एक मशीन को टेक्स्ट के बहुत बड़े सेट के विश्लेषण के आधार पर किसी भाषा में शब्दों के बीच सिमेंटिक संबंधों की पहचान करना सिखा सकते हैं।

एक प्रकार की पर्यवेक्षित शिक्षा सुदृढीकरण शिक्षा है। विचार यह है कि एआई सिस्टम एक एजेंट के रूप में कार्य करता है जिसे कुछ मॉडल वातावरण में रखा जाता है जिसमें यह अन्य एजेंटों के साथ बातचीत कर सकता है, उदाहरण के लिए, स्वयं की प्रतियों के साथ, और इनाम समारोह के माध्यम से पर्यावरण से कुछ प्रतिक्रिया प्राप्त करता है। उदाहरण के लिए, एक शतरंज कार्यक्रम जो खुद के साथ खेलता है, धीरे-धीरे अपने मापदंडों को समायोजित करता है और इस तरह धीरे-धीरे अपने खेल को मजबूत करता है।

सुदृढीकरण सीखना एक काफी व्यापक क्षेत्र है और विकासवादी एल्गोरिदम से लेकर बायेसियन अनुकूलन तक कई दिलचस्प तकनीकों का उपयोग करता है। खेलों के लिए एआई में हालिया प्रगति सुदृढीकरण सीखने के दौरान एआई के प्रवर्धन से ठीक संबंधित हैं।

प्रौद्योगिकी जोखिम: क्या हमें कयामत के दिन से डरना चाहिए?

मैं एआई अलार्मिस्टों में से एक नहीं हूं, और इस अर्थ में मैं अकेला नहीं हूं। उदाहरण के लिए, स्टैनफोर्ड मशीन लर्निंग कोर्स के निर्माता एंड्रयू एनजी, एआई के खतरों की तुलना मंगल पर अधिक जनसंख्या की समस्या से करते हैं।

दरअसल, भविष्य में, यह संभावना है कि मनुष्य मंगल ग्रह का उपनिवेश करेंगे। यह भी संभावना है कि जल्द या बाद में मंगल पर अधिक जनसंख्या की समस्या उत्पन्न हो सकती है, लेकिन यह पूरी तरह से स्पष्ट नहीं है कि हमें इस समस्या से अभी क्यों निपटना चाहिए? कन्वेन्शनल न्यूरल नेटवर्क के निर्माता, और उनके बॉस मार्क जुकरबर्ग, और जोशुआ बेनो - Yn और यांग लेकन से सहमत हैं - एक व्यक्ति, जिसके शोध के लिए धन्यवाद, आधुनिक न्यूरल नेटवर्क वर्ड प्रोसेसिंग के क्षेत्र में जटिल समस्याओं को हल करने में सक्षम हैं।

इस समस्या पर अपने विचार प्रस्तुत करने में शायद कई घंटे लगेंगे, इसलिए मैं केवल मुख्य थीसिस पर ही ध्यान केन्द्रित करूँगा।

1. एआई विकास को सीमित न करें

अलार्मिस्ट इस क्षेत्र में प्रगति को सीमित करने या यहां तक ​​कि रोकने की कोशिश से जुड़े जोखिमों की अनदेखी करते हुए एआई के संभावित व्यवधान से जुड़े जोखिमों पर विचार करते हैं। मानव जाति की तकनीकी शक्ति अत्यंत तीव्र गति से बढ़ रही है, जो एक ऐसे प्रभाव की ओर ले जाती है जिसे मैं "सर्वनाश की लागत को सस्ता करना" कहता हूं।

150 साल पहले, पूरी इच्छाशक्ति के साथ, मानवता या तो जीवमंडल या खुद को एक प्रजाति के रूप में अपूरणीय क्षति नहीं पहुंचा सकती थी। 50 साल पहले के विनाशकारी परिदृश्य को लागू करने के लिए, परमाणु शक्तियों की सभी तकनीकी शक्ति को केंद्रित करना आवश्यक होगा। कल, थोड़े से मुट्ठी भर कट्टरपंथी एक वैश्विक मानव निर्मित आपदा को जीवन में लाने के लिए पर्याप्त हो सकते हैं।

इस शक्ति को नियंत्रित करने के लिए मानव बुद्धि की क्षमता की तुलना में हमारी तकनीकी शक्ति बहुत तेजी से बढ़ रही है।

जब तक मानव बुद्धि, अपने पूर्वाग्रहों, आक्रामकता, भ्रम और संकीर्णता के साथ, एक ऐसी प्रणाली द्वारा प्रतिस्थापित नहीं की जाती है जो अधिक सूचित निर्णय लेने में सक्षम हो (चाहे वह एआई हो या, जो मुझे लगता है कि अधिक संभावना है, मशीनों के साथ एकीकृत तकनीकी रूप से बेहतर मानव बुद्धि एकल प्रणाली), हम एक वैश्विक तबाही की प्रतीक्षा कर सकते हैं।

2. अधीक्षण का निर्माण मौलिक रूप से असंभव है

एक विचार है कि भविष्य का एआई निश्चित रूप से सुपर-इंटेलिजेंट होगा, इंसानों से भी बेहतर चींटियों से भी बेहतर होगा। इस मामले में, मुझे तकनीकी आशावादियों को भी निराश होने का डर है - हमारे ब्रह्मांड में कई मूलभूत भौतिक सीमाएँ हैं, जो, जाहिरा तौर पर, अधीक्षण के निर्माण को असंभव बना देंगी।

उदाहरण के लिए, सिग्नल ट्रांसमिशन की गति प्रकाश की गति से सीमित होती है, और हाइजेनबर्ग अनिश्चितता प्लैंक स्केल पर दिखाई देती है। इसका तात्पर्य पहली मौलिक सीमा - ब्रेमरमैन सीमा से है, जो किसी दिए गए द्रव्यमान m की स्वायत्त प्रणाली के लिए अधिकतम कम्प्यूटेशनल गति पर प्रतिबंध लगाती है।

एक अन्य सीमा लैंडौयर के सिद्धांत से संबंधित है, जिसके अनुसार सूचना के 1 बिट को संसाधित करते समय न्यूनतम मात्रा में गर्मी जारी होती है। बहुत तेज़ गणना सिस्टम के अस्वीकार्य ताप और विनाश का कारण बनेगी। वास्तव में, आधुनिक प्रोसेसर लैंडौयर की सीमा से एक हजार गुना कम हैं। ऐसा लगता है कि 1000 काफी है, लेकिन एक और समस्या यह है कि कई बौद्धिक कार्य EXPTIME जटिलता वर्ग से संबंधित हैं। इसका मतलब यह है कि उन्हें हल करने के लिए आवश्यक समय समस्या के आयाम का एक घातीय फलन है। सिस्टम को कई बार तेज करने से "खुफिया" में लगातार वृद्धि होती है।

सामान्य तौर पर, यह मानने के बहुत गंभीर कारण हैं कि एक अति-बुद्धिमान मजबूत एआई काम नहीं करेगा, हालांकि, निश्चित रूप से, मानव बुद्धि के स्तर को पार किया जा सकता है। यह कितना खतरनाक है? बहुधा बहुत ज्यादा नहीं।

कल्पना कीजिए कि आप अचानक अन्य लोगों की तुलना में 100 गुना तेजी से सोचने लगे। क्या इसका मतलब यह है कि आप आसानी से किसी भी राहगीर को अपना बटुआ देने के लिए राजी कर पाएंगे?

3. हम किसी और चीज की चिंता करते हैं

दुर्भाग्य से, टर्मिनेटर और क्लार्क और कुब्रिक के प्रसिद्ध एचएएल 9000 पर लाए गए जनता के डर पर अलार्मवादियों की अटकलों के परिणामस्वरूप, एआई सुरक्षा के फोकस में अप्रत्याशित लेकिन शानदार परिदृश्यों के विश्लेषण की ओर एक बदलाव आया है। उसी समय, असली खतरे नज़रों से ओझल हो जाते हैं।

कोई भी पर्याप्त रूप से जटिल तकनीक जो हमारे तकनीकी परिदृश्य में एक महत्वपूर्ण स्थान पर कब्जा करने का दावा करती है, निश्चित रूप से अपने साथ विशिष्ट जोखिम लाती है। प्रभावी सुरक्षा नियमों और उपायों को लागू करने से पहले - विनिर्माण, परिवहन, और इसी तरह - भाप के इंजनों द्वारा कई जीवन नष्ट कर दिए गए थे।

यदि हम एप्लाइड एआई के क्षेत्र में प्रगति के बारे में बात करते हैं, तो हम तथाकथित "डिजिटल सीक्रेट कोर्ट" की संबंधित समस्या पर ध्यान दे सकते हैं। अधिक से अधिक लागू एआई सिस्टम लोगों के जीवन और स्वास्थ्य को प्रभावित करने वाले मुद्दों पर निर्णय लेते हैं। इसमें मेडिकल डायग्नोस्टिक सिस्टम शामिल हैं, और, उदाहरण के लिए, सिस्टम जो बैंकों में ग्राहक को ऋण जारी करने या न करने पर निर्णय लेते हैं।

साथ ही, उपयोग किए गए मॉडलों की संरचना, उपयोग किए गए कारकों के सेट, और निर्णय लेने की प्रक्रिया के अन्य विवरण उस व्यक्ति से छिपे हुए हैं जिसका भाग्य दांव पर है।

उपयोग किए गए मॉडल विशेषज्ञ शिक्षकों की राय पर अपने निर्णयों को आधार बना सकते हैं जिन्होंने व्यवस्थित गलतियाँ कीं या कुछ पूर्वाग्रहों - नस्लीय, लिंग।

ऐसे विशेषज्ञों के निर्णयों पर प्रशिक्षित एआई अपने निर्णयों में इन पूर्वाग्रहों को ईमानदारी से पुन: पेश करेगा। आखिरकार, इन मॉडलों में विशिष्ट दोष हो सकते हैं।

कुछ ही लोग अब इन समस्याओं से जूझ रहे हैं, क्योंकि निश्चित रूप से, स्काईनेट द्वारा परमाणु युद्ध शुरू करना निश्चित रूप से कहीं अधिक शानदार है।

तंत्रिका नेटवर्क "हॉट ट्रेंड" के रूप में

एक ओर, तंत्रिका नेटवर्क एआई सिस्टम बनाने के लिए उपयोग किए जाने वाले सबसे पुराने मॉडलों में से एक हैं। प्रारंभ में बायोनिक दृष्टिकोण को लागू करने के परिणामस्वरूप दिखाई दिए, वे जल्दी से अपने जैविक प्रोटोटाइप से भाग गए। यहां एकमात्र अपवाद आवेग तंत्रिका नेटवर्क हैं (हालांकि, उन्हें अभी तक उद्योग में व्यापक आवेदन नहीं मिला है)।

हाल के दशकों की प्रगति गहन शिक्षण प्रौद्योगिकियों के विकास से जुड़ी है - एक दृष्टिकोण जिसमें तंत्रिका नेटवर्क बड़ी संख्या में परतों से इकट्ठे होते हैं, जिनमें से प्रत्येक निश्चित नियमित पैटर्न के आधार पर बनाया जाता है।

नए तंत्रिका नेटवर्क मॉडल के निर्माण के अलावा, सीखने की तकनीक के क्षेत्र में भी महत्वपूर्ण प्रगति हुई है। आज, तंत्रिका नेटवर्क अब कंप्यूटर के केंद्रीय प्रोसेसर की मदद से नहीं पढ़ाए जाते हैं, लेकिन मैट्रिक्स और टेन्सर गणनाओं को जल्दी से करने में सक्षम विशेष प्रोसेसर के उपयोग के साथ। इस तरह के उपकरणों का सबसे आम प्रकार आज वीडियो कार्ड है। हालाँकि, तंत्रिका नेटवर्क के प्रशिक्षण के लिए और भी अधिक विशेष उपकरण सक्रिय रूप से विकसित किए जा रहे हैं।

सामान्य तौर पर, निश्चित रूप से, तंत्रिका नेटवर्क आज मशीन सीखने के क्षेत्र में मुख्य तकनीकों में से एक हैं, जिसके लिए हम कई समस्याओं के समाधान के लिए बाध्य हैं जो पहले असंतोषजनक रूप से हल किए गए थे। दूसरी ओर, निश्चित रूप से, आपको यह समझने की आवश्यकता है कि तंत्रिका नेटवर्क रामबाण नहीं हैं। कुछ कार्यों के लिए, वे सबसे प्रभावी उपकरण से बहुत दूर हैं।

तो आज के रोबोट वास्तव में कितने स्मार्ट हैं?

सब कुछ सापेक्ष है। वर्ष 2000 की तकनीकों की पृष्ठभूमि के खिलाफ, वर्तमान उपलब्धियाँ एक वास्तविक चमत्कार की तरह दिखती हैं। हमेशा ऐसे लोग होंगे जो कुड़कुड़ाना पसंद करेंगे। 5 साल पहले, वे पूरी ताकत से बात कर रहे थे कि मशीनें गो में लोगों को कभी नहीं हराएंगी (या कम से कम वे बहुत जल्द नहीं जीतेंगी)। यह कहा जाता था कि एक मशीन कभी भी खरोंच से चित्र नहीं बना सकती है, जबकि आज लोग व्यावहारिक रूप से मशीनों द्वारा बनाए गए चित्रों और अज्ञात कलाकारों द्वारा बनाई गई पेंटिंग के बीच अंतर करने में असमर्थ हैं। पिछले साल के अंत में, मशीनों ने भाषण को संश्लेषित करना सीखा, मानव से लगभग अप्रभेद्य, और हाल के वर्षों में, मशीनों द्वारा बनाए गए संगीत से कान नहीं हटे।

देखते हैं कल क्या होता है। मैं एआई के इन अनुप्रयोगों को बहुत आशावाद के साथ देखता हूं।

होनहार दिशाएँ: एआई के क्षेत्र में गोता लगाना कहाँ से शुरू करें?

मैं आपको सलाह दूंगा कि आप एक लोकप्रिय न्यूरल नेटवर्क फ्रेमवर्क में से एक और मशीन लर्निंग के क्षेत्र में लोकप्रिय प्रोग्रामिंग भाषाओं में से एक में महारत हासिल करने की कोशिश करें (सबसे लोकप्रिय आज TensorFlow + Python संयोजन है)।

इन उपकरणों में महारत हासिल करने और आदर्श रूप से गणितीय आँकड़ों और संभाव्यता सिद्धांत के क्षेत्र में एक मजबूत आधार रखने के बाद, आपको अपने प्रयासों को उस क्षेत्र में निर्देशित करना चाहिए जो आपके लिए व्यक्तिगत रूप से सबसे दिलचस्प होगा।

कार्य के विषय में रुचि आपके सबसे महत्वपूर्ण सहायकों में से एक है।

मशीन लर्निंग विशेषज्ञों की आवश्यकता विभिन्न क्षेत्रों में मौजूद है - चिकित्सा में, बैंकिंग में, विज्ञान में, निर्माण में, इसलिए आज एक अच्छे विशेषज्ञ के पास पहले से कहीं अधिक विकल्प हैं। इनमें से किसी भी उद्योग के संभावित लाभ मुझे इस तथ्य की तुलना में नगण्य लगते हैं कि काम आपको खुशी देगा।

आर्टिफिशियल इंटेलिजेंस विज्ञान का एक क्षेत्र है जो मानव बौद्धिक गतिविधि के मॉडलिंग से संबंधित है। मध्ययुगीन स्पेन में 700 से अधिक साल पहले उत्पन्न, कृत्रिम बुद्धि ने 20 वीं शताब्दी के मध्य में एक स्वतंत्र वैज्ञानिक क्षेत्र के रूप में आकार लिया।

आर्टिफिशियल इंटेलिजेंस विधियों ने मानव गतिविधि के व्यापक क्षेत्रों में प्रभावी कंप्यूटर प्रोग्राम बनाना संभव बना दिया है, जो पहले औपचारिकता और एल्गोरिथम के लिए दुर्गम माने जाते थे, जैसे कि चिकित्सा, जीव विज्ञान, प्राणीशास्त्र, समाजशास्त्र, सांस्कृतिक अध्ययन, राजनीति विज्ञान, अर्थशास्त्र, व्यवसाय, अपराधीवादी, आदि कंप्यूटर प्रोग्राम के सीखने और स्व-शिक्षण के विचारों, ज्ञान के संचय, फ़ज़ी और गैर-विशिष्ट ज्ञान को संसाधित करने के तरीकों ने अद्भुत काम करने वाले प्रोग्राम बनाना संभव बना दिया। कंप्यूटर विश्व शतरंज चैंपियन के खिताब के लिए सफलतापूर्वक लड़ रहे हैं, मानव रचनात्मक गतिविधि का अनुकरण कर रहे हैं, संगीत और काव्य कार्यों का निर्माण कर रहे हैं, छवियों और दृश्यों को पहचान रहे हैं, प्राकृतिक मानव भाषा में ग्रंथों को पहचान, समझ और प्रसंस्करण कर रहे हैं। न्यूरोकंप्यूटर, मानव मस्तिष्क की छवि और समानता में बनाए गए, जटिल तकनीकी वस्तुओं के प्रबंधन, मानव रोगों के निदान, जटिल तकनीकी उपकरणों की खराबी का सफलतापूर्वक सामना करते हैं; मौसम और विनिमय दरों की भविष्यवाणी, मतदान के परिणाम; हैकर्स और संभावित दिवालिया की पहचान करें; आवेदकों को सही विशेषता आदि चुनने में मदद करें।

हम इस तथ्य के आदी हो गए हैं कि कंप्यूटर हमारी आँखों के सामने अधिक स्मार्ट हो रहे हैं, और कंप्यूटर प्रोग्राम अधिक से अधिक बुद्धिमान होते जा रहे हैं। जैसे-जैसे विज्ञान और मनुष्य विकसित होते हैं, वैसे-वैसे बुद्धि की अवधारणा में भी निरंतर परिवर्तन होते रहते हैं। लंबे समय तक, जोड़, गुणा और भाग के अंकगणितीय कार्यों को करने वाले कार्यों को अब बौद्धिक नहीं माना जाता है। एक विभेदक समीकरण को एकीकृत करने का कार्य बौद्धिक नहीं माना जाता है यदि इसके लिए एक सख्त नियतात्मक एल्गोरिथ्म ज्ञात हो। वर्तमान में, कार्यों को बौद्धिक मानने की प्रथा है, जो वर्तमान स्तर पर शब्द के पारंपरिक अर्थों में एल्गोरिथमीकरण के लिए उत्तरदायी नहीं हैं। ये ऐसे कार्य हैं जिनमें फजी, गैर-विशिष्ट, अविश्वसनीय, अस्पष्ट और यहां तक ​​कि गैर-पारंपरिक ज्ञान के हेरफेर की आवश्यकता होती है।

आइए एआई के प्रावधानों पर शर्तों और परिभाषाओं के साथ विचार करना शुरू करें।

शर्त बुद्धि(बुद्धि) लैटिन बुद्धि से आता है - जिसका अर्थ है मन, कारण, मन; मानव सोचने की क्षमता। क्रमश कृत्रिम होशियारी(कृत्रिम बुद्धिमत्ता) - एआई (एआई) की व्याख्या आमतौर पर मानव बुद्धि के व्यक्तिगत कार्यों को लेने के लिए स्वचालित प्रणालियों की संपत्ति के रूप में की जाती है, उदाहरण के लिए, पहले प्राप्त अनुभव और बाहरी प्रभावों के तर्कसंगत विश्लेषण के आधार पर इष्टतम निर्णय लेने और चुनने के लिए।

"बुद्धिमत्ता" की अवधारणा का उपयोग आज प्रौद्योगिकी और तकनीकी विषयों दोनों में किया जाता है, जो चेतना के मनोवैज्ञानिक और दार्शनिक अध्ययन के संदर्भ में बनाई गई परिभाषाओं से भिन्न है। नीचे बुद्धिहम घटनाओं की भविष्यवाणी करने, अपने स्वयं के कार्यों के परिणामों की भविष्यवाणी करने, अपने राज्य और पर्यावरण का विश्लेषण और मूल्यांकन करने और अपने आसपास की दुनिया के बारे में अपने विचारों के अनुसार निर्णय लेने की क्षमता को समझेंगे। शिक्षाविद् एन.एन. द्वारा दी गई परिभाषा। मोइसेव, बौद्धिक गतिविधि को कंप्यूटर विज्ञान के दृष्टिकोण से मानते हैं। लेकिन यह बुद्धि में सबसे महत्वपूर्ण बात पर भी प्रकाश डालता है - यह अमूर्त सोच, अमूर्तता की क्षमता है, जिसके लिए आत्म-चेतना और प्रतिबिंब उत्पन्न होता है।

इसलिए, बुद्धिअनुभव से सीखने और विभिन्न परिस्थितियों के अनुकूल होने की प्रक्रिया में ज्ञान को प्राप्त करने, याद रखने और उद्देश्यपूर्ण रूप से बदलने के द्वारा (बौद्धिक) समस्याओं को हल करने की मस्तिष्क की क्षमता है।

इसी समय, "ज्ञान" शब्द का अर्थ केवल वह जानकारी नहीं है जो इंद्रियों के माध्यम से मस्तिष्क में प्रवेश करती है। इस प्रकार का ज्ञान अत्यंत महत्वपूर्ण है, लेकिन बौद्धिक गतिविधि के लिए पर्याप्त नहीं है। तथ्य यह है कि हमारे आस-पास के पर्यावरण की वस्तुओं में न केवल इंद्रियों को प्रभावित करने की संपत्ति है, बल्कि कुछ संबंधों में एक-दूसरे के साथ होने की भी संपत्ति है। यह स्पष्ट है कि पर्यावरण में बौद्धिक गतिविधि (या कम से कम अस्तित्व में) करने के लिए ज्ञान प्रणाली में इस दुनिया का एक मॉडल होना आवश्यक है। पर्यावरण के इस सूचनात्मक मॉडल में, वास्तविक वस्तुओं, उनके गुणों और उनके बीच के संबंधों को न केवल प्रदर्शित और याद किया जाता है, बल्कि, जैसा कि बुद्धि की इस परिभाषा में उल्लेख किया गया है, मानसिक रूप से "उद्देश्यपूर्ण रूप से रूपांतरित" हो सकता है। साथ ही, यह आवश्यक है कि बाहरी पर्यावरण के मॉडल का गठन "अनुभव से सीखने और विभिन्न परिस्थितियों में अनुकूलन की प्रक्रिया में" होता है।

बौद्धिक कार्य. यह समझाने के लिए कि एक बौद्धिक कार्य एक साधारण कार्य से कैसे भिन्न होता है, "एल्गोरिदम" शब्द का परिचय देना आवश्यक है - साइबरनेटिक्स की आधारशिला शर्तों में से एक।

नीचे कलन विधिसमस्याओं के किसी दिए गए वर्ग (सेट) से किसी भी समस्या को हल करने के लिए संचालन प्रणाली के एक निश्चित क्रम में निष्पादन के बारे में सटीक नुस्खे को समझें। "एल्गोरिदम" शब्द उज़्बेक गणितज्ञ अल-ख्वारिज़्मी के नाम से आया है, जिन्होंने 9वीं शताब्दी में सबसे सरल अंकगणितीय एल्गोरिदम प्रस्तावित किया था। गणित और साइबरनेटिक्स में, एक निश्चित प्रकार की समस्याओं का एक वर्ग हल माना जाता है, जब इसके समाधान के लिए एक एल्गोरिथम स्थापित किया जाता है। विभिन्न वर्गों की समस्याओं को हल करने में एल्गोरिदम खोजना एक प्राकृतिक मानव लक्ष्य है। किसी दिए गए प्रकार की समस्याओं के लिए एक एल्गोरिथ्म ढूँढना सूक्ष्म और जटिल तर्क के साथ जुड़ा हुआ है जिसके लिए महान सरलता और उच्च कौशल की आवश्यकता होती है। एक निश्चित प्रकार की समस्याओं के वर्ग को हल करने के लिए एल्गोरिथम खोजने से संबंधित समस्याओं को कहा जाएगा बौद्धिक.

कार्यों के लिए, हल करने के लिए एल्गोरिदम जो पहले से ही स्थापित किए गए हैं, एआई के क्षेत्र में एक प्रसिद्ध विशेषज्ञ एम। मिन्स्की के रूप में, नोट करते हैं, "यह उनके लिए" बौद्धिकता "जैसे रहस्यमय गुणों को विशेषता देने के लिए अतिश्योक्तिपूर्ण है। ”। वास्तव में, इस तरह के एक एल्गोरिथ्म के पहले से ही मिल जाने के बाद, संबंधित समस्याओं को हल करने की प्रक्रिया ऐसी हो जाती है कि यह एक व्यक्ति, एक कंप्यूटर (ठीक से प्रोग्राम किया गया) या एक रोबोट द्वारा किया जा सकता है, जिसे समस्या के सार के बारे में कोई पता नहीं है। अपने आप। यह केवल आवश्यक है कि समस्या को हल करने वाला व्यक्ति उन प्राथमिक कार्यों को करने में सक्षम हो जो प्रक्रिया का निर्माण करते हैं, और इसके अलावा, वह प्रस्तावित एल्गोरिथम द्वारा पांडित्यपूर्ण और सटीक रूप से निर्देशित हो। ऐसा व्यक्ति, अभिनय, जैसा कि वे ऐसे मामलों में कहते हैं, विशुद्ध रूप से यांत्रिक रूप से, प्रश्न में किसी भी प्रकार की समस्या को सफलतापूर्वक हल कर सकते हैं।

इसलिए, बौद्धिक कार्यों की श्रेणी से ऐसी समस्याओं को बाहर करना काफी स्वाभाविक लगता है जिनके समाधान के मानक तरीके हैं। विशुद्ध रूप से कम्प्यूटेशनल समस्याएं ऐसी समस्याओं के उदाहरण के रूप में काम कर सकती हैं: रैखिक बीजगणितीय समीकरणों की एक प्रणाली को हल करना, अंतर समीकरणों का संख्यात्मक एकीकरण आदि। ऐसी समस्याओं को हल करने के लिए मानक एल्गोरिदम हैं, जो प्राथमिक संचालन का एक निश्चित क्रम है जिसे आसानी से लागू किया जा सकता है कंप्यूटिंग कारों के लिए एक कार्यक्रम। इसके विपरीत, बौद्धिक समस्याओं की एक विस्तृत श्रेणी के लिए, जैसे कि पैटर्न की पहचान, शतरंज खेलना, प्रमेयों को सिद्ध करना, आदि, इसके विपरीत, अलग-अलग प्राथमिक चरणों में समाधान खोजने की प्रक्रिया का यह औपचारिक विभाजन अक्सर बहुत कठिन हो जाता है। भले ही उनका समाधान कठिन न हो।

इस प्रकार, एक सार्वभौमिक सुपर-एल्गोरिदम के रूप में बुद्धि की परिभाषा को फिर से परिभाषित किया जा सकता है जो विशिष्ट समस्याओं को हल करने के लिए एल्गोरिदम बनाने में सक्षम है।

यहां एक और दिलचस्प बात यह है कि प्रोग्रामर का पेशा, हमारी परिभाषाओं के आधार पर, सबसे बुद्धिमान में से एक है, क्योंकि प्रोग्रामर की गतिविधि का उत्पाद प्रोग्राम है - एल्गोरिदम अपने शुद्धतम रूप में। इसीलिए, AI तत्वों के निर्माण से भी इसके कार्य की उत्पादकता में बहुत वृद्धि होनी चाहिए।

बौद्धिक समस्याओं को हल करने के उद्देश्य से मस्तिष्क की गतिविधि (बुद्धि के साथ) को सोच कहा जाएगा, या बौद्धिक गतिविधि. प्रमेय सिद्ध करना, तार्किक विश्लेषण, स्थिति की पहचान, व्यवहार योजना, खेल और अनिश्चितता के तहत प्रबंधन जैसी समस्याओं के समाधान के साथ बुद्धिमत्ता और सोच व्यवस्थित रूप से जुड़ी हुई है। बुद्धिमत्ता की चारित्रिक विशेषताएं जो समस्याओं को हल करने की प्रक्रिया में प्रकट होती हैं, सीखने, सामान्यीकरण, अनुभव (ज्ञान और कौशल) को संचित करने और समस्याओं को हल करने की प्रक्रिया में बदलती परिस्थितियों के अनुकूल होने की क्षमता है। बुद्धि के इन गुणों के लिए धन्यवाद, मस्तिष्क विभिन्न प्रकार के कार्यों को हल कर सकता है, साथ ही एक समस्या को हल करने से दूसरी समस्या को आसानी से पुनर्गठित कर सकता है। इस प्रकार, मस्तिष्क, बुद्धि से संपन्न, समस्याओं की एक विस्तृत श्रृंखला (गैर-औपचारिक सहित) को हल करने के लिए एक सार्वभौमिक उपकरण है, जिसके लिए कोई मानक नहीं है, जिसे हल करने के पहले से ज्ञात तरीके हैं।

यह ध्यान में रखा जाना चाहिए कि अन्य, विशुद्ध रूप से व्यवहारिक (कार्यात्मक) परिभाषाएँ हैं। तो, ए.एन. कोलमोगोरोव के अनुसार, कोई भी भौतिक प्रणाली जिसके साथ विज्ञान, साहित्य और कला की समस्याओं पर पर्याप्त रूप से लंबे समय तक चर्चा की जा सकती है, में बुद्धिमत्ता है। बुद्धि की व्यवहारिक व्याख्या का एक अन्य उदाहरण ए. ट्यूरिंग की प्रसिद्ध परिभाषा है। इसका अर्थ इस प्रकार है। अलग-अलग कमरों में लोग और एक कार है। वे एक दूसरे को नहीं देख सकते हैं, लेकिन वे सूचनाओं का आदान-प्रदान करने में सक्षम हैं (उदाहरण के लिए ई-मेल के माध्यम से)। यदि खेल में प्रतिभागियों के बीच संवाद की प्रक्रिया में लोग यह स्थापित करने में विफल रहते हैं कि प्रतिभागियों में से एक मशीन है, तो ऐसी मशीन को बुद्धि के रूप में माना जा सकता है।

वैसे, ए। ट्यूरिंग द्वारा प्रस्तावित थिंकिंग इमिटेशन प्लान दिलचस्प है। "एक वयस्क की बुद्धि की नकल करने की कोशिश में," ट्यूरिंग लिखते हैं, "हमें उस प्रक्रिया के बारे में बहुत कुछ सोचने के लिए मजबूर किया जाता है जिसके द्वारा मानव मस्तिष्क अपनी वर्तमान स्थिति में पहुंच गया ... हमें ऐसा कार्यक्रम बनाने की कोशिश क्यों नहीं करनी चाहिए जो नकल करता है एक बच्चे की बुद्धि की नकल करने वाले कार्यक्रम को बनाने की कोशिश करने के बजाय एक वयस्क की बुद्धि? आखिरकार, यदि एक बच्चे की बुद्धि को उचित परवरिश मिलती है, तो यह एक वयस्क की बुद्धि बन जाती है ... हमारी गणना यह है कि इस तरह की डिवाइस को आसानी से प्रोग्राम किया जा सकता है ... इस प्रकार, हम अपनी समस्या को दो भागों में विभाजित करेंगे: "बाल कार्यक्रम" बनाने का कार्य और इस कार्यक्रम को "शिक्षित" करने का कार्य।

आगे देखते हुए, हम कह सकते हैं कि लगभग सभी AI सिस्टम इस पथ का उपयोग करते हैं। आखिरकार, यह स्पष्ट है कि सभी ज्ञान को काफी जटिल प्रणाली में रखना व्यावहारिक रूप से असंभव है। इसके अलावा, केवल इस पथ पर बौद्धिक गतिविधि (अनुभव, अनुकूलन, आदि का संचय) के उपरोक्त सूचीबद्ध संकेत दिखाई देंगे।

"आर्टिफिशियल इंटेलिजेंस" शब्द का उपयोग 1956 में मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी के प्रोफेसर जे. मैकार्टी द्वारा कम्प्यूटेशनल प्रक्रियाओं के अध्ययन के सिद्धांत और अभ्यास से संबंधित विज्ञान के क्षेत्र में अमेरिकी विशेषज्ञों की एक बैठक में किया गया था। अमेरिकियों द्वारा एआई पर पहला सम्मेलन माना जाता है, डॉर्टमाउथ कॉलेज में हुई इस बैठक ने नए विज्ञान और प्रौद्योगिकी उद्योग के लिए दो मुख्य चुनौतियां निर्धारित कीं: मानव सोच के तंत्र को प्रकट करें और एक ऐसी इलेक्ट्रॉनिक मशीन का निर्माण करें जो इस प्रक्रिया की नकल कर सके.

इस वैज्ञानिक क्षेत्र का पूरी तरह से वर्णन करने वाली एक भी परिभाषा आज तक मौजूद नहीं है। आज इस पर कई दृष्टिकोणों में से तीन हावी हैं। पहले के अनुसार, एआई के क्षेत्र में अनुसंधान मौलिक शोध है, जिसके अंतर्गत पारंपरिक रूप से बौद्धिक मानी जाने वाली समस्याओं को हल करने के लिए मॉडल और तरीके विकसित किए जाते हैं और जो पहले औपचारिकता और स्वचालन के लिए उत्तरदायी नहीं थे। दूसरे दृष्टिकोण के अनुसार, नई दिशा कंप्यूटर पर समस्याओं को हल करने के लिए नए विचारों से जुड़ी हुई है, मौलिक रूप से अलग प्रोग्रामिंग तकनीक के विकास के साथ, एक कंप्यूटर आर्किटेक्चर में संक्रमण के साथ जो क्लासिकल आर्किटेक्चर को खारिज कर देता है, जो कि वापस आता है पहले कंप्यूटर। अंत में, तीसरा दृष्टिकोण, जाहिरा तौर पर सबसे व्यावहारिक, यह है कि कृत्रिम बुद्धि के क्षेत्र में काम के परिणामस्वरूप, कई लागू प्रणालियां पैदा होती हैं जो उन समस्याओं को हल करती हैं जिनके लिए पहले बनाई गई प्रणालियां अनुपयुक्त थीं।

बेशक, ये तीनों बिंदु आपस में जुड़े हुए हैं, एआई के क्षेत्र में, मौलिक अनुसंधान विकसित हो रहा है, एक नई प्रोग्रामिंग तकनीक, एक नया हार्डवेयर आर्किटेक्चर, और यह सब एक विस्तृत विविधता में काम करने के लिए डिज़ाइन किए गए एप्लिकेशन सिस्टम बनाने के लिए उपयोग किया जाता है। क्षेत्रों।

नीचे कृत्रिम होशियारीहम वैज्ञानिक अनुसंधान के क्षेत्र को समझेंगे जिसके अंतर्गत पारंपरिक रूप से बौद्धिक मानी जाने वाली समस्याओं को हल करने के लिए मॉडल, तरीके, तकनीकी और सॉफ्टवेयर उपकरण विकसित किए जाते हैं और औपचारिकता और स्वचालन के लिए उत्तरदायी होते हैं।

नीचे बुद्धिमान प्रणालीकिसी भी जैविक, कृत्रिम या औपचारिक प्रणाली को समझें जो उद्देश्यपूर्ण व्यवहार की क्षमता प्रदर्शित करती है। उत्तरार्द्ध में संचार के गुण (अभिव्यक्तियाँ), ज्ञान का संचय, निर्णय लेना, सीखना, अनुकूलन आदि शामिल हैं।

एआई सिस्टमकंप्यूटर पर ऐसे व्यावहारिक कार्य करने के लिए डिज़ाइन किए गए सिस्टम कहलाते हैं, जिन्हें बौद्धिक कहा जाता है यदि वे लोगों द्वारा किए जाते हैं। एआई सिद्धांत में, एआई सिस्टम को अक्सर इंटेलिजेंट सिस्टम के रूप में संदर्भित किया जाता है।

एआई में "बुद्धिमान प्रणाली" की अवधारणा की एक और परिभाषा पोस्पेलोव डी.ए. द्वारा प्रस्तावित की गई थी। एक प्रणाली को बुद्धिमान माना जाता है यदि वह निम्नलिखित तीन बुनियादी कार्यों को लागू करती है:

1) ज्ञान के प्रतिनिधित्व और प्रसंस्करण का कार्य। एक बौद्धिक प्रणाली को अपने आसपास की दुनिया के बारे में ज्ञान जमा करने, व्यावहारिकता और निरंतरता के संदर्भ में इसका वर्गीकरण और मूल्यांकन करने में सक्षम होना चाहिए, नए ज्ञान को प्राप्त करने की प्रक्रिया शुरू करनी चाहिए, नए ज्ञान को ज्ञान के आधार पर संग्रहीत ज्ञान के साथ सहसंबंधित करना चाहिए।

2) तर्क का कार्य। एक बुद्धिमान प्रणाली को संचित ज्ञान में पैटर्न की पहचान करने, निजी ज्ञान के आधार पर सामान्यीकृत ज्ञान प्राप्त करने और तार्किक रूप से अपनी गतिविधियों की योजना बनाने के लिए तार्किक अनुमान और तंत्र का उपयोग करके नया ज्ञान बनाने में सक्षम होना चाहिए।

3) संचार समारोह। एक बुद्धिमान प्रणाली को प्राकृतिक (एनएल) के करीब की भाषा में किसी व्यक्ति के साथ संवाद करने में सक्षम होना चाहिए और किसी व्यक्ति द्वारा उपयोग किए जाने वाले चैनलों के माध्यम से जानकारी प्राप्त करना चाहिए, जब उसके आसपास की दुनिया, मुख्य रूप से दृश्य और ध्वनि, "के लिए" बनाने में सक्षम हो। स्वयं" या किसी व्यक्ति के अनुरोध पर उनकी अपनी गतिविधियों के स्पष्टीकरण, किसी व्यक्ति को उसकी स्मृति में संग्रहीत ज्ञान और तर्क के तार्किक साधनों के माध्यम से मदद करने के लिए।

एक बच्चे का सपना देखने वाले जोड़ों को हमेशा आसानी से परिवार की वांछित पुनःपूर्ति का एहसास नहीं होता है। कुछ मामलों में, एक विशेषज्ञ की अनिवार्य सहायता जो जानता है कि एआई और आईवीएफ क्या है, आधुनिक चिकित्सा तकनीकों का उपयोग करने के लिए तैयार है, यहां तक ​​​​कि सबसे कठिन स्थिति से बाहर निकलने के लिए भी आवश्यक है।

अवधारणा की व्याख्या

एआई प्रक्रिया कृत्रिम गर्भाधान है, जो एक सरल और सस्ती सहायक निषेचन विधि है। इसके कार्यान्वयन के दौरान, पूर्व-उपचारित शुक्राणु का उपयोग किया जाता है। एक प्राकृतिक गर्भाधान योजना प्रदान की जाती है, इसलिए गर्भाशय गुहा में गर्भाधान किया जाता है। अंतर केवल संभोग की कमी है।

बाकी सब कुछ सामान्य योजना के अनुसार होता है, इसलिए गर्भावस्था प्राकृतिक से अलग नहीं होती है। एक सफल घटना के लिए, विशेषज्ञ गर्भाधान के लिए एक विशेष उपकरण का उपयोग करता है, जो किसी पुरुष के शुक्राणु की विशेषताओं पर प्रतिकूल प्रभाव नहीं डालता है।

बेहतर पर्यावरण या कृत्रिम गर्भाधान क्या है?प्रत्येक मामले में, यह निर्धारित किया जाता है कि जटिल निषेचन के बाद ही एक निश्चित प्रजनन तकनीक में कोई अर्थ है या नहीं। विशेषज्ञ ध्यान दें कि सफल प्रयास स्वस्थ जोड़ों में और आईवीएफ के साथ प्राकृतिक सेक्स की तुलना में कम बार होते हैं। आधिकारिक आंकड़े पुष्टि करते हैं कि एक चक्र में गर्भाधान की संभावना तीस प्रतिशत से कम है। यह आश्चर्य की बात नहीं है कि जिन माताओं ने सफलतापूर्वक गर्भाधान किया है, उन्हें 3-4 प्रक्रियाओं को अपनाने की सलाह दी जाती है।

हर बार, महिला की प्रजनन प्रणाली की स्थिति और निषेचन के लिए उसकी तत्परता की निगरानी करना अनिवार्य है, इसलिए यदि गर्भाधान देर से किया जाता है, तो परिणाम विनाशकारी होगा। वहीं, असफलता के कारण अलग-अलग होते हैं, इसलिए विशेषज्ञ की मदद जरूरी हो जाती है। यह ध्यान दिया जाता है कि अंडाणु गर्भाधान महिला शरीर पर एक गंभीर हार्मोनल भार के बिना एक घटना है, इसलिए बार-बार प्रयास करने की अनुमति है।

गर्भावस्था के लिए इष्टतम समय

भ्रूण का आरोपण प्राकृतिक संस्करण के अनुसार होता है, जो आपको मासिक धर्म चक्र और संभावित गर्भाधान के आगे के पाठ्यक्रम पर ध्यान केंद्रित करने की अनुमति देता है।
गर्भाधान के कितने समय बाद परिणाम ज्ञात होता है? यह समझने के लिए कि आपको कब गर्भावस्था परीक्षण करने या एचसीजी के लिए रक्त दान करने की आवश्यकता है, आपको बच्चे के जन्म की प्रक्रिया में निर्देशित किया जाना चाहिए।

समय सीमा इस प्रकार हैं:

1. एक निषेचित अंडा फैलोपियन ट्यूब के माध्यम से लगभग 6-7 दिनों तक चलता है और एक भ्रूण अंडा बनाता है;
2. गर्भाशय गुहा में फिक्सिंग के लिए 2 - 3 दिन आवंटित किए जाते हैं;
3. भ्रूण का आरोपण अक्सर 9वें - 10वें दिन होता है, इसलिए इस समय मामूली निर्वहन देखा जाता है।

यदि किसी महिला को मासिक धर्म होता है तो डेढ़ सप्ताह में मासिक धर्म शुरू हो जाता है। साथ ही, गर्भाधान के सकारात्मक परिणाम प्रक्रिया के 16 दिन बाद ही ज्ञात होते हैं, इसलिए आपको धैर्य रखने और केवल सर्वश्रेष्ठ में विश्वास करने की आवश्यकता है।

क्या आईवीएफ के बाद गर्भाधान संभव है?यदि भागीदारों के लिए IVF असफल रहा, तो AI संभव हो जाता है। निर्णय एक व्यापक परीक्षा के बाद व्यक्तिगत आधार पर किया जाता है। अधिकतर, विपरीत होता है। इसके अलावा, आप महिला शरीर की बहाली के बाद कई मासिक धर्म चक्रों के बाद गर्भाधान के बाद इको कर सकते हैं।

गर्भाधान के फायदे और नुकसान

डॉक्टरों को पता है कि गर्भाधान और आईक्सिया, आईवीएफ के बीच क्या अंतर हो सकता है, इसलिए किए गए परीक्षण बच्चे होने की संभावना और प्रत्येक उपलब्ध तकनीक की प्रभावशीलता को निर्धारित करते हैं।

कृत्रिम गर्भाधान के लाभ:

1. हेरफेर की स्वाभाविकता;
2. माता-पिता और बच्चे के बीच आनुवंशिक संबंध;
3. प्रक्रिया की सस्ती लागत।

कृत्रिम गर्भाधान के विपक्ष:

• यदि कैथेटर गलत तरीके से गर्भाशय गुहा में डाला जाता है, तो संक्रमण का खतरा होता है;
• अन्य प्रजनन तकनीकों की तुलना में कृत्रिम गर्भाधान के साथ गर्भाधान का प्रतिशत कम होता है, इसलिए अक्सर 3 बार गर्भाधान की आवश्यकता होती है;
• अतिरिक्त हार्मोनल थेरेपी, जो एक विशिष्ट प्रोटोकॉल के अनुसार की जाती है, अभी भी आवश्यक है, और उत्तेजित अंडाशय आकार में वृद्धि करते हैं और उदर गुहा में एक महत्वपूर्ण मात्रा में द्रव का स्राव करते हैं, जिससे वजन बढ़ता है और सूजन की भावना होती है।

सभी पक्ष-विपक्ष को तौलने के बाद, आयोजन के संबंध में अंतिम निर्णय लिया जाता है। उसी समय, ixia से गर्भाधान महिलाओं के लिए उपलब्ध है, क्योंकि प्रत्येक तकनीक में कुछ विशेषताएं और प्रभावशीलता का एक अलग स्तर होता है। प्रजनन हस्तक्षेप की उपयुक्त विधि का निर्धारण करने के बाद, पारित होने के लिए अनिवार्य चरणों की स्थापना की जाती है।

विशेषज्ञ ध्यान दें कि दूसरा गर्भाधान और तीसरा दोनों किया जा सकता है। लगातार विफलताओं के साथ, हस्तक्षेप की रणनीति को बदलने की सिफारिश की जाती है। प्रक्रिया को तीन बार पूरा करने के बाद, एआई प्रभावशीलता का प्रतिशत तेजी से गिरकर छह प्रतिशत हो जाता है, इसलिए आईवीएफ करना अधिक समीचीन है।

प्रक्रिया की विशेषताएं

गर्भाधान के लिए राज्य सहायता प्रदान नहीं की जाती है। हालांकि, सस्ती लागत से घटना के लिए स्व-भुगतान की संभावना बढ़ जाती है। इसके अलावा, ऋण का उपयोग करने या क्लिनिक में किस्त योजना प्राप्त करने की संभावना है, इसलिए कृत्रिम गर्भाधान के लिए कोटा वैकल्पिक है।

अंतिम निर्णय परीक्षाओं के साथ-साथ एक सर्वेक्षण किए जाने के बाद किया जाता है, जीनोम निर्धारित किया जाता है, और एचआईवी परीक्षण पारित किए जाते हैं। कोई भी मतभेद शुरू में एआई के साथ हस्तक्षेप करता है, क्योंकि एचआईवी के साथ भी, निषेचन की सिफारिश नहीं की जाती है। सभी आवश्यक परीक्षाओं को पूरा करने के बाद, एक गर्भाधान अनुबंध तैयार किया जाता है, जिसमें घटना के सभी नियम विस्तृत होते हैं।

प्रत्येक मामले में, नैदानिक ​​​​उपायों को पूरा करने के बाद परिवहन कृत्रिम गर्भाधान की योजना पहले से निर्धारित की जाती है। मुख्य कार्य महिलाओं में गर्भधारण की संभावना को बढ़ाना है।

सभी प्रकार के कृत्रिम गर्भाधान (एआई) में ऐसी विशेषताएं होती हैं जो निषेचन की संभावना निर्धारित करती हैं। बांझपन के कारणों की पूरी जांच और निर्धारण के बिना गर्भधारण की संभावना बहुत कम रहती है।

अधिकतम स्तर तक पहुंचने की संभावना बढ़ाने के लिए, महिला की उम्र को ध्यान में रखने की सिफारिश की जाती है, क्योंकि युवा शरीर शुरू में एक बच्चे को गर्भ धारण करने के लिए इच्छुक होता है।

संकेत

इसलिए, जैसा कि हम पहले ही समझ चुके हैं, प्रक्रिया का सार आगे प्राकृतिक गर्भाधान के लिए महिला जननांग पथ में पुरुष शुक्राणु का परिचय है।

यह निम्नलिखित विकल्पों में से एक के अनुसार बच्चे को गर्भ धारण करने की संभावना पर ध्यान दिया जाता है:

1. योनि गर्भाधान;
2. इंट्राकराइकल;
3. अंतर्गर्भाशयी;
4. इन - लाइन;
5. इंट्राफोलिकुलर।

विशेषज्ञ ध्यान दें कि मासिक धर्म चक्र में मामूली विचलन के साथ, अंडे की परिपक्वता और ओव्यूलेशन की शुरुआत को प्रोत्साहित करने के लिए दवाओं की न्यूनतम खुराक निर्धारित की जाती है। यदि डू-इट-खुद गर्भाधान किया जाता है, तो आपको इस तथ्य के लिए तैयार रहने की आवश्यकता है कि शरीर को अतिरिक्त ध्यान देने की आवश्यकता होगी। साथ ही शराब भी अवांछनीय हो जाती है।

गर्भवती माताओं को पता होना चाहिए कि किस उम्र तक गर्भाधान किया जा सकता है। अक्सर, 30-39 साल की उम्र में आईयूआई की सिफारिश की जाती है, क्योंकि 36 साल की उम्र के बाद, संभावना नियमित रूप से कम हो जाती है।

साथ ही, 40 - 43 वर्षों के बाद, आईवीएफ का सहारा लेना सबसे अच्छा है, क्योंकि एआई पहले से ही अप्रभावी होगा। इस तरह के आयु प्रतिबंध बच्चे को गर्भ धारण करने के लिए प्रजनन प्रणाली में अवांछित परिवर्तनों के कारण होते हैं।

दाता सेवाएं

यदि पति या पत्नी को समस्या है, तो एक महिला के पास बच्चे को गर्भ धारण करने के लिए दाता शुक्राणु का उपयोग करने का अवसर होता है। आधुनिक चिकित्सा में, विषम गर्भाधान भावी मां के गर्भाशय में दाता के बीज का कृत्रिम परिचय है। यह प्रक्रिया विशिष्ट है, इसलिए न केवल रोगी, बल्कि उसके पति को भी इससे सहमत होना चाहिए। यह आवश्यकता कानून द्वारा परिभाषित है।

मुझे गर्भाधान के लिए डोनर कहां मिल सकता है?दाता शुक्राणु के उपयोग के लिए एक विशेष बैंक से जैविक सामग्री का चयन उपलब्ध है। उसी समय, पुरुष दाता को एक सामान्य चिकित्सा और आनुवंशिक परीक्षा से गुजरना होगा, एचआईवी, हेपेटाइटिस बी और सी के साथ-साथ अन्य यौन रोगों के लिए भी परीक्षण करना होगा। पूर्ण स्वास्थ्य के साथ ही पुरुष को शुक्राणु दान करने और बच्चे को जीवन देने का अधिकार है।

यह ध्यान दिया जाना चाहिए कि किसी व्यक्ति में अवांछित बीमारियों के प्रकट होने से जुड़े किसी भी जोखिम को खत्म करने के लिए जमे हुए दाता शुक्राणु को छह महीने तक संगरोध में रखा जाता है। इस तरह के सावधान दृष्टिकोण से आनुवंशिक विकृति या वंशानुगत बीमारियों वाले बच्चे के होने के जोखिमों को पूरी तरह से समाप्त करने में मदद मिलती है।

गर्भाधान के लिए डोनर का चुनाव कैसे किया जाता है? एक दाता से कृत्रिम गर्भाधान को सफलतापूर्वक करने के लिए, केवल स्वस्थ शुक्राणु का उपयोग करने की प्रथा है जो निम्नलिखित आवश्यकताओं को पूरा करता है:

1. शुक्राणु की न्यूनतम मात्रा 2 मिलीलीटर है;
2. शुक्राणु की सघनता - 80 मिलीलीटर प्रति मिलीलीटर वीर्य द्रव से;
3. मोबाइल और सामान्य रूपों की उपस्थिति - 60 प्रतिशत से;
4. ठंड के बाद शुक्राणुओं का अच्छा अस्तित्व होना चाहिए।

यह ध्यान में रखते हुए कि दाता गर्भाधान की लागत काफी अधिक है, शुक्राणु में कोई विचलन अवांछनीय है।

अनिवार्य रूप से, निम्नलिखित आवृत्ति के साथ परीक्षाओं के बाद ही एक दाता का चयन किया जाता है:

• चिकित्सक, मूत्र रोग विशेषज्ञ - वर्ष में एक बार;
• मनोचिकित्सक, आनुवंशिकीविद्, रक्त समूह और आरएच कारक का निर्धारण, साइटोजेनेटिक स्क्रीनिंग - एक बार;
• संक्रमण का पता लगाना - छह महीने;
• एचआईवी, हेपेटाइटिस, सिफलिस के लिए रक्त - 3 महीने।

पुरुष रोगों से जुड़े जोखिमों को खत्म करने के लिए शुक्राणु का उपयोग केवल 6 महीने - एक वर्ष के बाद किया जा सकता है। अजन्मे बच्चे के लिए कोई भी संक्रमण खतरनाक है, इसलिए जैविक सामग्री का उपयोग करने के लिए ऐसी योजना अनिवार्य है।

क्या एमएचआई पॉलिसी के तहत गर्भाधान करना संभव है?एआई के लिए सीएचआई के लिए भुगतान करना संभव नहीं है। निःसंतान परिवारों और अकेली महिलाओं दोनों के लिए, एक स्वस्थ बच्चे का जन्म बहुत महत्वपूर्ण है, इसलिए डोनर स्पर्म का उपयोग करते समय कई कारकों को ध्यान में रखा जाता है। गर्भावस्था की संभावनाओं को बढ़ाने के लिए, गर्भाधान के साथ जीवन शैली पर स्विच करने की सलाह दी जाती है।

तैयार करने की जिम्मेदारी

एआई के साथ सभी मामलों में गर्भाधान नहीं होता है। इस कारण से, भविष्य के माता-पिता के साथ हस्तक्षेप करने वाले अवांछनीय कारकों की पहचान की जानी चाहिए।

गर्भाधान से मदद क्यों नहीं मिली:

1. प्रक्रिया संकेतों और मतभेदों की परवाह किए बिना की गई थी। इस तरह के जोखिम को खत्म करने के लिए, एक पूर्ण परीक्षा से गुजरना महत्वपूर्ण है;
2. सभी आवश्यक शर्तों को ध्यान में रखे बिना घटना को अंजाम दिया गया। शुक्राणु के अंडे को सफलतापूर्वक उर्वरित करने के लिए शुक्राणु की गुणवत्ता उच्च होनी चाहिए। इसके अलावा, ओव्यूलेशन अवधि की गणना अधिकतम अशुद्धि के साथ की जानी चाहिए;
3. खराब किस्मत। यदि भाग्य के अभाव में मामला छिपा हुआ है, तो समस्याएं 1-2 चक्रों में नोट की जाती हैं। इस मामले में, एक मासिक धर्म चक्र में कुछ प्रक्रियाओं को पूरा करने के लिए, अंडाशय को उत्तेजित करने की अनुमति है।

बच्चा होने की संभावना बढ़ाने के लिए महत्वपूर्ण कारकों के लिए लेखांकन आवश्यक है।

कृत्रिम गर्भाधान की लागत कितनी है?एआई सबसे सस्ती प्रक्रियाओं में से एक है। कीमतें 9,000 रूबल से शुरू होती हैं और आमतौर पर 35,000 तक पहुंचती हैं। अधिकतम मूल्य सीमा 80,000 रूबल है, सभी सेवाओं, नैदानिक ​​उपायों, निर्धारित दवाओं को ध्यान में रखते हुए। बाद के प्रत्येक प्रयास के साथ, आप मूल्य में कमी पर भरोसा कर सकते हैं।

कृत्रिम गर्भाधान उन परिवारों के लिए सबसे सस्ती सेवाओं में से एक है जो बच्चा पैदा करने का सपना देखते हैं। इष्टतम मूल्य निर्धारण नीति और काफी उच्च स्तर की दक्षता (30% तक) प्रक्रिया में योगदान करती है।

महिला शरीर पर एक महत्वपूर्ण हार्मोनल भार की अनुपस्थिति आईवीएफ से पहले 3-4 प्रयासों तक की संभावना पर ध्यान केंद्रित करना संभव बनाती है, इसलिए परिवार को फिर से भरने की संभावना बढ़ जाती है।

जापानी एल्गोरिथम ने एक किताब लिखी"जिस दिन कंप्यूटर ने उपन्यास लिखा"। इस तथ्य के बावजूद कि लोगों ने अनुभवहीन लेखक को पात्रों और कथानकों के साथ मदद की, कंप्यूटर ने बहुत अच्छा काम किया - नतीजतन, उनके कार्यों में से एक ने एक प्रतिष्ठित साहित्यिक पुरस्कार के लिए योग्यता चरण पारित किया। तंत्रिका नेटवर्क ने हैरी पॉटर और गेम ऑफ थ्रोन्स के सीक्वल भी लिखे हैं।

2015 में, Google DeepMind टीम द्वारा विकसित AlphaGo तंत्रिका नेटवर्क, एक पेशेवर गो खिलाड़ी को मात देने वाला पहला कार्यक्रम बन गया। और इस साल मई में कार्यक्रम ने दुनिया के सबसे मजबूत गो खिलाड़ी को हराया, के ज़ी। यह एक सफलता थी क्योंकि लंबे समय तक यह माना जाता था कि कंप्यूटर में गो खेलने के लिए आवश्यक अंतर्ज्ञान नहीं था।

सुरक्षा

प्रौद्योगिकी विश्वविद्यालय सिडनी की एक विकास टीम ने समुद्र तटों पर गश्त करने के लिए ड्रोन पेश किए। ड्रोन का मुख्य काम होगा तटीय जल में शार्क की खोज करना और समुद्र तटों पर लोगों को चेतावनी देना. वीडियो डेटा विश्लेषण तंत्रिका नेटवर्क द्वारा किया जाता है, जो परिणामों को महत्वपूर्ण रूप से प्रभावित करता है: डेवलपर्स का दावा है कि शार्क का पता लगाने और पहचानने की संभावना 90% तक है, जबकि ड्रोन से वीडियो देखने वाला ऑपरेटर केवल 20-30% मामलों में शार्क को सफलतापूर्वक पहचानता है।

लोगों पर शार्क के हमलों के मामलों में संयुक्त राज्य अमेरिका के बाद ऑस्ट्रेलिया दुनिया में दूसरे स्थान पर है। 2016 में, इस देश में शार्क के हमलों के 26 मामले दर्ज किए गए, जिनमें से दो लोगों की मौत में समाप्त हो गए।

2014 में, Kaspersky Lab ने बताया कि उनका एंटीवायरस प्रतिदिन 325,000 नई संक्रमित फ़ाइलों को पंजीकृत कर रहा था। उसी समय, डीप इंस्टिंक्ट के एक अध्ययन से पता चला कि वायरस के नए संस्करण पिछले वाले से बहुत भिन्न नहीं हैं - परिवर्तन 2% से 10% तक है। इस जानकारी के आधार पर डीप इंस्टिंक्ट द्वारा विकसित एक स्व-शिक्षण मॉडल सक्षम है संक्रमित फ़ाइलों की पहचान करें.

तंत्रिका नेटवर्क क्लाउड सेवाओं में जानकारी कैसे संग्रहीत की जाती है और सुरक्षा उल्लंघनों का कारण बनने वाली विसंगतियों की रिपोर्ट करने में कुछ पैटर्न देखने में सक्षम हैं।

बोनस: तंत्रिका नेटवर्क हमारे लॉन की रखवाली करते हैं

2016 में, 65 वर्षीय NVIDIA के इंजीनियर रॉबर्ट बॉन्ड को एक समस्या का सामना करना पड़ा: पड़ोस की बिल्लियाँ नियमित रूप से उनकी संपत्ति का दौरा करती थीं और उनकी उपस्थिति के निशान छोड़ती थीं, जिससे उनकी बागवान पत्नी नाराज हो जाती थी। बॉन्ड ने घुसपैठियों के लिए जाल स्थापित करने के बहुत ही अमित्र विचार को तुरंत खारिज कर दिया। इसके बजाय, उसने एक एल्गोरिथ्म लिखने का फैसला किया जो बिल्लियों के पास आने पर स्वचालित रूप से बगीचे के स्प्रिंकलर को चालू कर देगा।

रॉबर्ट का सामना बाहरी कैमरे से आने वाले वीडियो स्ट्रीम में बिल्लियों की पहचान करने के कार्य से हुआ। ऐसा करने के लिए, उन्होंने लोकप्रिय कैफ तंत्रिका नेटवर्क पर आधारित एक प्रणाली का उपयोग किया। हर बार जब कैमरे ने साइट पर पर्यावरण में बदलाव देखा, तो उसने सात तस्वीरें लीं और उन्हें तंत्रिका नेटवर्क में भेज दिया। उसके बाद, तंत्रिका नेटवर्क को यह निर्धारित करना था कि क्या फ्रेम में एक बिल्ली थी, और, एक सकारात्मक उत्तर के मामले में, स्प्रिंकलर चालू करें।

बॉन्ड के यार्ड में कैमरे की छवि

काम शुरू करने से पहले, तंत्रिका नेटवर्क को प्रशिक्षित किया गया था: बॉन्ड ने बिल्लियों की 300 अलग-अलग तस्वीरें "खिलाई"। इन तस्वीरों का विश्लेषण करके तंत्रिका नेटवर्क ने जानवरों को पहचानना सीखा। लेकिन यह पर्याप्त नहीं था: उसने केवल 30% बार बिल्लियों की सही पहचान की और एक बिल्ली के लिए बॉन्ड की छाया को गलत समझा, जिसके परिणामस्वरूप वह खुद गीला हो गया।

अधिक तस्वीरों पर अतिरिक्त प्रशिक्षण के बाद तंत्रिका नेटवर्क ने बेहतर प्रदर्शन किया। हालांकि, बॉन्ड ने चेतावनी दी है कि तंत्रिका नेटवर्क को बहुत मुश्किल से प्रशिक्षित किया जा सकता है, जिस स्थिति में यह एक अवास्तविक स्टीरियोटाइप विकसित करेगा - उदाहरण के लिए, यदि प्रशिक्षण के लिए उपयोग की जाने वाली सभी तस्वीरें एक कोण से ली गई हैं, तो कृत्रिम बुद्धि एक ही बिल्ली को नहीं पहचान सकती है। एक अलग कोण। इसलिए, प्रशिक्षण डेटा श्रृंखला का सही चयन करना अत्यंत महत्वपूर्ण है।

कुछ समय बाद, बिल्लियों ने तस्वीरों से नहीं बल्कि अपनी त्वचा से सीखा, बॉन्ड साइट पर जाना बंद कर दिया।

निष्कर्ष

तंत्रिका नेटवर्क, पिछली सदी के मध्य की एक तकनीक, अब पूरे उद्योगों के काम करने के तरीके को बदल रही है। समाज की प्रतिक्रिया अस्पष्ट है: तंत्रिका नेटवर्क की कुछ क्षमताएँ प्रसन्न हैं, जबकि अन्य को विशेषज्ञों के रूप में उनकी उपयोगिता पर संदेह करने के लिए मजबूर किया जाता है।

हालाँकि, हर जगह नहीं जहाँ मशीन लर्निंग आती है, यह लोगों को विस्थापित करती है। यदि एक जीवित चिकित्सक की तुलना में एक तंत्रिका नेटवर्क बेहतर निदान करता है, तो इसका मतलब यह नहीं है कि भविष्य में हम विशेष रूप से रोबोटों द्वारा इलाज किया जाएगा। सबसे अधिक संभावना है, डॉक्टर तंत्रिका नेटवर्क के साथ मिलकर काम करेंगे। इसी तरह, आईबीएम डीप ब्लू सुपरकंप्यूटर ने 1997 में गैरी कास्परोव को शतरंज में हरा दिया, लेकिन शतरंज के लोग कहीं नहीं गए, और प्रख्यात ग्रैंडमास्टर्स अभी भी चमकदार पत्रिकाओं के कवर पर हैं।

मशीनों के सहयोग से टकराव की तुलना में बहुत अधिक लाभ होगा। इसलिए, हमने सार्वजनिक डोमेन में सामग्री की एक सूची तैयार की है जो आपको तंत्रिका नेटवर्क के साथ अपने परिचित को जारी रखने में मदद करेगी:

कृत्रिम बुद्धिमत्ता (एआई या एआई) की अवधारणा में न केवल ऐसी प्रौद्योगिकियां शामिल हैं जो आपको बुद्धिमान मशीनें (कंप्यूटर प्रोग्राम सहित) बनाने की अनुमति देती हैं। एआई भी वैज्ञानिक सोच के क्षेत्रों में से एक है।

आर्टिफिशियल इंटेलिजेंस - परिभाषा

बुद्धिमत्ता- यह किसी व्यक्ति का मानसिक घटक है, जिसमें निम्नलिखित क्षमताएँ होती हैं:

• अनुकूली;
• अनुभव और ज्ञान के संचय के माध्यम से सीखना;
• पर्यावरण के प्रबंधन के लिए ज्ञान और कौशल को लागू करने की क्षमता।

बुद्धि वास्तविकता को पहचानने के लिए व्यक्ति की सभी क्षमताओं को जोड़ती है। इसकी मदद से, एक व्यक्ति सोचता है, नई जानकारी को याद करता है, पर्यावरण को समझता है और इसी तरह।

आर्टिफिशियल इंटेलिजेंस को सूचना प्रौद्योगिकी के क्षेत्रों में से एक के रूप में समझा जाता है, जो मानव बुद्धि की क्षमताओं से संपन्न प्रणालियों (मशीनों) के अध्ययन और विकास में लगा हुआ है: सीखने की क्षमता, तार्किक तर्क, और इसी तरह।

फिलहाल, आर्टिफिशियल इंटेलिजेंस पर काम नए प्रोग्राम और एल्गोरिदम बनाकर किया जाता है जो समस्याओं को उसी तरह हल करते हैं जैसे एक व्यक्ति करता है।

इस तथ्य के कारण कि इस दिशा के विकसित होते ही एआई की परिभाषा विकसित होती है, एआई प्रभाव का उल्लेख करना आवश्यक है। यह उस प्रभाव को संदर्भित करता है जो कृत्रिम बुद्धि तब पैदा करती है जब उसने कुछ प्रगति की है। उदाहरण के लिए, यदि एआई ने कोई कार्य करना सीख लिया है, तो आलोचक तुरंत इसमें शामिल हो जाते हैं, यह तर्क देते हुए कि ये सफलताएँ मशीन में सोच की उपस्थिति का संकेत नहीं देती हैं।

आज, कृत्रिम बुद्धिमत्ता का विकास दो स्वतंत्र दिशाओं में हो रहा है:

• neurocybernetics;
• तार्किक दृष्टिकोण।

पहली दिशा में जीव विज्ञान के दृष्टिकोण से तंत्रिका नेटवर्क और विकासवादी कंप्यूटिंग का अध्ययन शामिल है। तार्किक दृष्टिकोण में उन प्रणालियों का विकास शामिल है जो उच्च स्तरीय बौद्धिक प्रक्रियाओं की नकल करते हैं: सोच, भाषण, और इसी तरह।

एआई के क्षेत्र में पहला काम पिछली सदी के मध्य में किया जाना शुरू हुआ। इस दिशा में शोध के प्रणेता थे एलन ट्यूरिंग, हालांकि मध्य युग में दार्शनिकों और गणितज्ञों द्वारा कुछ विचार व्यक्त किए जाने लगे। विशेष रूप से, 20वीं शताब्दी की शुरुआत में शतरंज की समस्याओं को हल करने में सक्षम एक यांत्रिक उपकरण पेश किया गया था।

लेकिन वास्तव में यह दिशा पिछली शताब्दी के मध्य तक बनी थी। एआई पर कार्यों की उपस्थिति मानव प्रकृति, हमारे आसपास की दुनिया को जानने के तरीकों, विचार प्रक्रिया की संभावनाओं और अन्य क्षेत्रों पर शोध से पहले थी। उस समय तक, पहले कंप्यूटर और एल्गोरिदम दिखाई दे चुके थे। यानी वह नींव तैयार की गई जिस पर शोध की एक नई दिशा का जन्म हुआ।

1950 में, एलन ट्यूरिंग ने एक लेख प्रकाशित किया जिसमें उन्होंने भविष्य की मशीनों की क्षमताओं के बारे में प्रश्न पूछे, साथ ही यह भी कि क्या वे संवेदना के मामले में मनुष्यों से आगे निकल सकते हैं। यह वह वैज्ञानिक था जिसने उस प्रक्रिया को विकसित किया जिसे बाद में उसके नाम पर रखा गया: ट्यूरिंग टेस्ट।

अंग्रेजी वैज्ञानिक के कार्यों के प्रकाशन के बाद एआई के क्षेत्र में नए शोध सामने आए। ट्यूरिंग के अनुसार, केवल एक मशीन जिसे संचार के दौरान किसी व्यक्ति से अलग नहीं किया जा सकता है, उसे सोचने वाली मशीन के रूप में पहचाना जा सकता है। लगभग उसी समय जब एक वैज्ञानिक की भूमिका सामने आई, एक अवधारणा का जन्म हुआ, जिसे बेबी मशीन कहा जाता है। इसने एआई के प्रगतिशील विकास और मशीनों के निर्माण की परिकल्पना की, जिनकी विचार प्रक्रिया पहले एक बच्चे के स्तर पर बनती है, और फिर धीरे-धीरे सुधार करती है।

"कृत्रिम बुद्धिमत्ता" शब्द का जन्म बाद में हुआ। 1956 में, ट्यूरिंग सहित वैज्ञानिकों के एक समूह ने एआई से संबंधित मुद्दों पर चर्चा करने के लिए अमेरिकी विश्वविद्यालय डार्टमुंड में मुलाकात की। उस बैठक के बाद, कृत्रिम बुद्धिमत्ता की क्षमताओं वाली मशीनों का सक्रिय विकास शुरू हुआ।

एआई के क्षेत्र में नई तकनीकों के निर्माण में एक विशेष भूमिका सैन्य विभागों द्वारा निभाई गई थी, जिन्होंने अनुसंधान के इस क्षेत्र को सक्रिय रूप से वित्त पोषित किया था। इसके बाद, आर्टिफिशियल इंटेलिजेंस के क्षेत्र में काम बड़ी कंपनियों को आकर्षित करने लगा।

आधुनिक जीवन शोधकर्ताओं के लिए अधिक जटिल चुनौतियां पेश करता है। इसलिए, एआई का विकास मौलिक रूप से अलग-अलग परिस्थितियों में किया जाता है, अगर हम उनकी तुलना कृत्रिम बुद्धिमत्ता के उद्भव की अवधि के दौरान हुई घटनाओं से करते हैं। वैश्वीकरण की प्रक्रियाएँ, डिजिटल क्षेत्र में घुसपैठियों की हरकतें, इंटरनेट का विकास और अन्य समस्याएं - यह सब वैज्ञानिकों के लिए जटिल कार्य हैं, जिनका समाधान एआई के क्षेत्र में है।

हाल के वर्षों में इस क्षेत्र में प्राप्त सफलताओं के बावजूद (उदाहरण के लिए, स्वायत्त प्रौद्योगिकी का उद्भव), अभी भी संशयवादियों की आवाज़ें हैं जो वास्तव में कृत्रिम बुद्धि के निर्माण में विश्वास नहीं करते हैं, और बहुत सक्षम कार्यक्रम नहीं हैं। कई आलोचकों को डर है कि एआई के सक्रिय विकास से जल्द ही ऐसी स्थिति पैदा हो जाएगी जहां मशीनें लोगों को पूरी तरह से बदल देंगी।

अनुसंधान दिशाएँ

मानव बुद्धि की प्रकृति क्या है और इसकी स्थिति क्या है, इस बारे में दार्शनिक अभी तक एकमत नहीं हो पाए हैं। इस संबंध में, एआई को समर्पित वैज्ञानिक कार्यों में कई विचार हैं जो बताते हैं कि कृत्रिम बुद्धि किन कार्यों को हल करती है। इस सवाल की भी कोई सामान्य समझ नहीं है कि किस तरह की मशीन को बुद्धिमान माना जा सकता है।

आज, कृत्रिम बुद्धिमत्ता प्रौद्योगिकियों का विकास दो दिशाओं में हो रहा है:

1. अवरोही (लाक्षणिक)।इसमें नई प्रणालियों और ज्ञान के आधारों का विकास शामिल है जो भाषण, भावनाओं की अभिव्यक्ति और सोच जैसी उच्च स्तरीय मानसिक प्रक्रियाओं का अनुकरण करते हैं।
2. आरोही (जैविक)।इस दृष्टिकोण में तंत्रिका नेटवर्क के क्षेत्र में अनुसंधान शामिल है, जिसके माध्यम से जैविक प्रक्रियाओं के दृष्टिकोण से बौद्धिक व्यवहार के मॉडल बनाए जाते हैं। इसी दिशा के आधार पर न्यूरो कंप्यूटर बनाए जा रहे हैं।

एक व्यक्ति के समान सोचने के लिए कृत्रिम बुद्धि (मशीन) की क्षमता निर्धारित करता है। एक सामान्य अर्थ में, इस दृष्टिकोण में एआई का निर्माण शामिल है, जिसका व्यवहार समान, सामान्य स्थितियों में मानवीय क्रियाओं से भिन्न नहीं होता है। वास्तव में, ट्यूरिंग टेस्ट मानता है कि एक मशीन तभी बुद्धिमान होगी, जब उसके साथ संचार करते समय यह समझना असंभव हो कि कौन बात कर रहा है: एक तंत्र या एक जीवित व्यक्ति।

साइंस फिक्शन किताबें एआई की क्षमताओं का आकलन करने का एक अलग तरीका पेश करती हैं। आर्टिफिशियल इंटेलिजेंस वास्तविक हो जाएगा अगर यह महसूस करता है और बना सकता है। हालाँकि, परिभाषा के लिए यह दृष्टिकोण व्यवहार में नहीं है। पहले से ही, उदाहरण के लिए, मशीनें बनाई जा रही हैं जो पर्यावरण में परिवर्तन (ठंड, गर्मी, और इसी तरह) का जवाब देने की क्षमता रखती हैं। उसी समय, वे उस तरह महसूस नहीं कर सकते जैसे कोई व्यक्ति करता है।

प्रतीकात्मक दृष्टिकोण

समस्याओं को हल करने में सफलता काफी हद तक लचीले ढंग से स्थिति से निपटने की क्षमता से निर्धारित होती है। मशीनें, लोगों के विपरीत, एक एकीकृत तरीके से प्राप्त डेटा की व्याख्या करती हैं। इसलिए, केवल एक व्यक्ति ही समस्याओं को हल करने में भाग लेता है। मशीन लिखित एल्गोरिदम के आधार पर संचालन करती है जो कई अमूर्त मॉडल के उपयोग को बाहर करती है। समस्याओं को हल करने की प्रक्रिया में शामिल संसाधनों को बढ़ाकर कार्यक्रमों से लचीलापन प्राप्त करना संभव है।

उपरोक्त नुकसान एआई के विकास में उपयोग किए जाने वाले प्रतीकात्मक दृष्टिकोण के लिए विशिष्ट हैं। हालाँकि, कृत्रिम बुद्धिमत्ता के विकास की यह दिशा आपको गणना प्रक्रिया में नए नियम बनाने की अनुमति देती है। और सांकेतिक दृष्टिकोण से उत्पन्न होने वाली समस्याओं को तार्किक तरीकों से हल किया जा सकता है।

तार्किक दृष्टिकोण

इस दृष्टिकोण में उन मॉडलों का निर्माण शामिल है जो तर्क की प्रक्रिया की नकल करते हैं। यह तर्क के सिद्धांतों पर आधारित है।

इस दृष्टिकोण में कठोर एल्गोरिदम का उपयोग शामिल नहीं है जो एक निश्चित परिणाम की ओर ले जाता है।

एजेंट आधारित दृष्टिकोण

यह बुद्धिमान एजेंटों का उपयोग करता है। यह दृष्टिकोण निम्नलिखित मानता है: बुद्धि एक कम्प्यूटेशनल हिस्सा है, जिसके माध्यम से लक्ष्यों को प्राप्त किया जाता है। मशीन एक बुद्धिमान एजेंट की भूमिका निभाती है। वह विशेष सेंसरों की मदद से पर्यावरण को सीखती है और यांत्रिक भागों के माध्यम से इसके साथ बातचीत करती है।

एजेंट-आधारित दृष्टिकोण एल्गोरिदम और विधियों के विकास पर ध्यान केंद्रित करता है जो मशीनों को विभिन्न स्थितियों में चालू रहने की अनुमति देता है।

हाइब्रिड दृष्टिकोण

इस दृष्टिकोण में तंत्रिका और प्रतीकात्मक मॉडल का एकीकरण शामिल है, जिसके कारण सोच और कंप्यूटिंग की प्रक्रियाओं से जुड़ी सभी समस्याओं का समाधान प्राप्त होता है। उदाहरण के लिए, तंत्रिका नेटवर्क उस दिशा को उत्पन्न कर सकते हैं जिसमें मशीन का संचालन चलता है। और स्थिर अधिगम वह आधार प्रदान करता है जिसके माध्यम से समस्याओं का समाधान किया जाता है।

कंपनी के जानकारों के मुताबिक गार्टनर, 2020 की शुरुआत तक, लगभग सभी जारी किए गए सॉफ़्टवेयर उत्पाद कृत्रिम बुद्धिमत्ता तकनीकों का उपयोग करेंगे। साथ ही, विशेषज्ञों का सुझाव है कि डिजिटल क्षेत्र में लगभग 30% निवेश एआई पर पड़ेगा।

गार्टनर के विश्लेषकों के अनुसार, कृत्रिम बुद्धिमत्ता लोगों और मशीनों के बीच सहयोग के नए अवसर खोलती है। साथ ही एआई द्वारा किसी व्यक्ति को बाहर निकालने की प्रक्रिया को रोका नहीं जा सकता है और भविष्य में इसमें तेजी आएगी।

कंपनी में पीडब्ल्यूसीविश्वास है कि 2030 तक नई तकनीकों के तेजी से परिचय के कारण दुनिया के सकल घरेलू उत्पाद की मात्रा में लगभग 14% की वृद्धि होगी। इसके अलावा, लगभग 50% वृद्धि उत्पादन प्रक्रियाओं की दक्षता में वृद्धि प्रदान करेगी। संकेतक का दूसरा भाग उत्पादों में एआई की शुरूआत के माध्यम से प्राप्त अतिरिक्त लाभ होगा।

प्रारंभ में, संयुक्त राज्य अमेरिका को कृत्रिम बुद्धिमत्ता के उपयोग का प्रभाव प्राप्त होगा, क्योंकि इस देश ने एआई मशीनों के संचालन के लिए सर्वोत्तम स्थितियाँ बनाई हैं। भविष्य में, वे चीन से आगे निकल जाएंगे, जो उत्पादों और उनके उत्पादन में ऐसी तकनीकों को पेश करके अधिकतम लाभ प्राप्त करेगा।

कंपनी विशेषज्ञ बिक्री बलदावा करते हैं कि एआई छोटे व्यवसायों की लाभप्रदता में लगभग 1.1 ट्रिलियन डॉलर की वृद्धि करेगा। और यह 2021 तक होगा। भाग में, यह सूचक ग्राहकों के साथ संचार के लिए जिम्मेदार प्रणालियों में एआई द्वारा पेश किए गए समाधानों के कार्यान्वयन के माध्यम से प्राप्त किया जाएगा। साथ ही, उनके स्वचालन के कारण उत्पादन प्रक्रियाओं की दक्षता में सुधार होगा।

नई तकनीकों की शुरूआत से अतिरिक्त 800,000 नौकरियां भी पैदा होंगी। विशेषज्ञ ध्यान दें कि यह आंकड़ा प्रक्रिया स्वचालन के कारण रिक्तियों के नुकसान की भरपाई करता है। कंपनियों के बीच एक सर्वेक्षण के आधार पर विश्लेषकों का अनुमान है कि 2020 की शुरुआत तक फैक्ट्री ऑटोमेशन पर उनका खर्च बढ़कर लगभग 46 बिलियन डॉलर हो जाएगा।

रूस में एआई के क्षेत्र में भी काम चल रहा है। 10 वर्षों के लिए, राज्य ने इस क्षेत्र में 1.3 हजार से अधिक परियोजनाओं को वित्तपोषित किया है। इसके अलावा, अधिकांश निवेश उन कार्यक्रमों के विकास में गए जो व्यावसायिक गतिविधियों के संचालन से संबंधित नहीं हैं। इससे पता चलता है कि रूसी व्यापार समुदाय अभी तक कृत्रिम बुद्धि प्रौद्योगिकियों को पेश करने में रूचि नहीं रखता है।

कुल मिलाकर, इन उद्देश्यों के लिए रूस में लगभग 23 बिलियन रूबल का निवेश किया गया था। सरकारी सब्सिडी की राशि अन्य देशों द्वारा दिखाई गई एआई फंडिंग की राशि से कम है। संयुक्त राज्य में, इन उद्देश्यों के लिए हर साल लगभग 200 मिलियन डॉलर आवंटित किए जाते हैं।

मूल रूप से, रूस में, एआई प्रौद्योगिकियों के विकास के लिए राज्य के बजट से धन आवंटित किया जाता है, जो तब परिवहन क्षेत्र, रक्षा उद्योग और सुरक्षा से संबंधित परियोजनाओं में उपयोग किया जाता है। यह परिस्थिति इंगित करती है कि हमारे देश में लोग उन क्षेत्रों में निवेश करने की अधिक संभावना रखते हैं जो आपको निवेशित धन से एक निश्चित प्रभाव को शीघ्रता से प्राप्त करने की अनुमति देते हैं।

उपरोक्त अध्ययन से यह भी पता चला है कि रूस में अब प्रशिक्षण विशेषज्ञों की उच्च क्षमता है जो एआई प्रौद्योगिकियों के विकास में शामिल हो सकते हैं। पिछले 5 वर्षों में लगभग 200 हजार लोगों को एआई से संबंधित क्षेत्रों में प्रशिक्षित किया गया है।

एआई प्रौद्योगिकियां निम्नलिखित दिशाओं में विकसित हो रही हैं:

• समस्याओं को हल करना जो एआई की क्षमताओं को मानव के करीब लाना संभव बनाता है और उन्हें रोजमर्रा की जिंदगी में एकीकृत करने के तरीके ढूंढता है;
• एक पूर्ण दिमाग का विकास, जिसके माध्यम से मानवता के सामने आने वाले कार्यों को हल किया जाएगा।

फिलहाल, शोधकर्ता विकासशील प्रौद्योगिकियों पर ध्यान केंद्रित कर रहे हैं जो व्यावहारिक समस्याओं को हल करते हैं। अब तक, वैज्ञानिक पूर्ण विकसित कृत्रिम बुद्धिमत्ता बनाने के करीब नहीं आए हैं।

कई कंपनियां एआई के क्षेत्र में तकनीक विकसित कर रही हैं। "यांडेक्स" एक वर्ष से अधिक समय से खोज इंजन के काम में उनका उपयोग कर रहा है। 2016 से, रूसी आईटी कंपनी तंत्रिका नेटवर्क के क्षेत्र में अनुसंधान में लगी हुई है। उत्तरार्द्ध खोज इंजन के काम की प्रकृति को बदलते हैं। विशेष रूप से, तंत्रिका नेटवर्क उपयोगकर्ता द्वारा दर्ज की गई क्वेरी की एक निश्चित वेक्टर संख्या के साथ तुलना करते हैं जो कार्य के अर्थ को पूरी तरह से दर्शाता है। दूसरे शब्दों में, खोज शब्द द्वारा नहीं, बल्कि व्यक्ति द्वारा मांगी गई जानकारी के सार द्वारा की जाती है।

2016 में "यांडेक्स"सेवा का शुभारंभ किया "ज़ेन", जो उपयोगकर्ता की प्राथमिकताओं का विश्लेषण करता है।

कंपनी अभयहाल ही में एक प्रणाली शुरू की कॉम्प्रेनो. इसकी सहायता से प्राकृतिक भाषा में लिखे गए पाठ को समझना संभव है। कृत्रिम बुद्धिमत्ता प्रौद्योगिकियों पर आधारित अन्य प्रणालियों ने भी अपेक्षाकृत हाल ही में बाजार में प्रवेश किया है:

1. ओ मिल।प्रणाली मानव भाषण को पहचानने और जटिल प्रश्नों का उपयोग करके विभिन्न दस्तावेजों और फाइलों में जानकारी खोजने में सक्षम है।
2. गमलोन।इस कंपनी ने स्व-सीखने की क्षमता वाला एक सिस्टम पेश किया।
3. वाटसन।एक आईबीएम कंप्यूटर जो जानकारी खोजने के लिए बड़ी संख्या में एल्गोरिदम का उपयोग करता है।
4. वायस के माध्यम से।मानव भाषण मान्यता प्रणाली।

बड़ी व्यावसायिक कंपनियाँ कृत्रिम बुद्धिमत्ता के क्षेत्र में प्रगति को दरकिनार नहीं कर रही हैं। बैंक अपनी गतिविधियों में ऐसी तकनीकों को सक्रिय रूप से लागू कर रहे हैं। एआई-आधारित सिस्टम की मदद से, वे एक्सचेंजों पर लेन-देन करते हैं, संपत्ति का प्रबंधन करते हैं और अन्य संचालन करते हैं।

रक्षा उद्योग, चिकित्सा और अन्य क्षेत्र वस्तु पहचान तकनीकों को लागू कर रहे हैं। और खेल विकास कंपनियाँ अपना अगला उत्पाद बनाने के लिए AI का उपयोग कर रही हैं।

पिछले कुछ वर्षों में, अमेरिकी वैज्ञानिकों का एक समूह एक परियोजना पर काम कर रहा है नील, जिसमें शोधकर्ता कंप्यूटर से यह पहचानने के लिए कहते हैं कि तस्वीर में क्या दिखाया गया है। विशेषज्ञों का सुझाव है कि इस तरह वे बाहरी हस्तक्षेप के बिना स्व-शिक्षण में सक्षम एक प्रणाली बनाने में सक्षम होंगे।

कंपनी विजनलैबअपना मंच पेश किया लूना, जो वास्तविक समय में चेहरों को छवियों और वीडियो के विशाल समूह से चुनकर पहचान सकते हैं। यह तकनीक अब बड़े बैंकों और नेटवर्क खुदरा विक्रेताओं द्वारा उपयोग की जाती है। लूना के साथ, आप लोगों की प्राथमिकताओं की तुलना कर सकते हैं और उन्हें प्रासंगिक उत्पादों और सेवाओं की पेशकश कर सकते हैं।

एक रूसी कंपनी इसी तरह की तकनीकों पर काम कर रही है एन-टेक लैब. साथ ही, इसके विशेषज्ञ तंत्रिका नेटवर्क के आधार पर चेहरा पहचान प्रणाली बनाने की कोशिश कर रहे हैं। नवीनतम आंकड़ों के अनुसार, रूसी विकास एक व्यक्ति की तुलना में सौंपे गए कार्यों का बेहतर तरीके से सामना करता है।

स्टीफन हॉकिंग के अनुसार, भविष्य में आर्टिफिशियल इंटेलिजेंस तकनीकों का विकास मानव जाति की मृत्यु का कारण बनेगा। वैज्ञानिक ने कहा कि एआई की शुरुआत के कारण लोग धीरे-धीरे कम हो जाएंगे। और प्राकृतिक विकास की स्थितियों में, जब किसी व्यक्ति को जीवित रहने के लिए लगातार संघर्ष करने की आवश्यकता होती है, तो यह प्रक्रिया अनिवार्य रूप से उसकी मृत्यु का कारण बनेगी।

रूस एआई की शुरुआत पर सकारात्मक विचार कर रहा है। अलेक्सई कुद्रिन ने एक बार कहा था कि ऐसी तकनीकों के उपयोग से राज्य तंत्र को बनाए रखने की लागत जीडीपी के लगभग 0.3% तक कम हो जाएगी। दिमित्री मेदवेदेव एआई की शुरुआत के कारण कई व्यवसायों के गायब होने की भविष्यवाणी करता है। हालांकि, अधिकारी ने जोर देकर कहा कि ऐसी तकनीकों के उपयोग से अन्य उद्योगों का तेजी से विकास होगा।

वर्ल्ड इकोनॉमिक फोरम के विशेषज्ञों के अनुसार, 2020 की शुरुआत तक, उत्पादन के स्वचालन के कारण दुनिया में लगभग 7 मिलियन लोग अपनी नौकरी खो देंगे। एआई की शुरूआत से अर्थव्यवस्था के परिवर्तन और डाटा प्रोसेसिंग से संबंधित कई व्यवसायों के गायब होने की अत्यधिक संभावना है।

विशेषज्ञों मैकिन्सेघोषणा करें कि उत्पादन के स्वचालन की प्रक्रिया रूस, चीन और भारत में अधिक सक्रिय होगी। इन देशों में, निकट भविष्य में एआई की शुरुआत के कारण 50% तक श्रमिकों की नौकरी चली जाएगी। उनकी जगह कंप्यूटराइज्ड सिस्टम और रोबोट ले लेंगे।

मैकिन्से के अनुसार, कृत्रिम बुद्धिमत्ता उन नौकरियों की जगह लेगी जिनमें शारीरिक श्रम और सूचना प्रसंस्करण शामिल है: खुदरा, होटल कर्मचारी, और इसी तरह।

एक अमेरिकी कंपनी के जानकारों के मुताबिक इस सदी के मध्य तक दुनिया भर में नौकरियों की संख्या करीब 50 फीसदी तक कम हो जाएगी। लोगों को समान या उच्च दक्षता के साथ समान संचालन करने में सक्षम मशीनों द्वारा प्रतिस्थापित किया जाएगा। उसी समय, विशेषज्ञ उस विकल्प को बाहर नहीं करते हैं जिसमें यह पूर्वानुमान निर्दिष्ट समय से पहले महसूस किया जाएगा।

अन्य विश्लेषकों ने रोबोट के कारण होने वाले नुकसान पर ध्यान दिया है। उदाहरण के लिए, मैकिन्से विशेषज्ञ बताते हैं कि रोबोट, मनुष्यों के विपरीत, करों का भुगतान नहीं करते हैं। नतीजतन, बजट राजस्व में कमी के कारण, राज्य समान स्तर पर बुनियादी ढांचे को बनाए रखने में सक्षम नहीं होगा। इसलिए, बिल गेट्स ने रोबोटिक उपकरणों पर एक नया कर प्रस्तावित किया।

एआई प्रौद्योगिकियां की गई गलतियों की संख्या को कम करके कंपनियों की दक्षता में वृद्धि करती हैं। इसके अलावा, वे आपको संचालन की गति को उस स्तर तक बढ़ाने की अनुमति देते हैं जो किसी व्यक्ति द्वारा प्राप्त नहीं की जा सकती।