कृत्रिम बुद्धिमत्ता के बारे में वास्तविक रूप से बात करने के लिए, हमें "मशीन लर्निंग" शब्द का भी उपयोग करना होगा। एआई बड़ी चीज है जिसके लिए लोग मशीन लर्निंग का इस्तेमाल कर रहे हैं। मशीन लर्निंग एआई की नींव है, गणित और एल्गोरिदम जो इसे शक्ति प्रदान करते हैं। वे समान नहीं हैं, लेकिन उनके वेन आरेख में पर्याप्त ओवरलैप है कि यह वास्तव में हमारे उद्देश्यों के लिए मायने नहीं रखता। मूल रूप से, वहाँ गणित है जो घटता का वर्णन करता है। पैराबोलस याद रखें? घोड़े की नाल जैसी दिखने वाली चीज़ें कहाँ तक जाती हैं? आप वास्तविक जीवन में घटता के समीकरणों के साथ और विशेष रूप से, बेतुकी मात्रा में बेतुके जटिल तरीकों से कई चीजों को मॉडल कर सकते हैं। कंप्यूटिंग शक्ति अब सस्ती है। इसके अलावा इंटरनेट की बड़ी मात्रा में प्रशिक्षण डेटा बनाने की क्षमता काफी संयोजन है। जो लोग इस मॉडलिंग को करते हैं वे आम तौर पर एक साथ कई वक्रों पर कुछ इष्टतम मूल्य खोजने की कोशिश कर रहे हैं - समापन बिंदु, पैराबोला के ऊपर या नीचे, घोड़े की नाल का परिमित अंत। कुछ वक्र आमतौर पर अंतिम आउटपुट के लिए दूसरों की तुलना में अधिक महत्वपूर्ण होते हैं; आप कुछ को अनुकूलित करने के बारे में वास्तव में सटीक होना चाहते हैं और दूसरों को अनुकूलित करने के बारे में अस्पष्ट हो सकते हैं। आप कंप्यूटर को अलग-अलग वजन डालने के लिए सही "भार" सीखा सकते हैं। आप इसे स्वयं मॉडलिंग समीकरणों को कम कर सकते हैं। अंत में, कंप्यूटर मूल्यों का एक इष्टतम इस तरह से पाता है जो कुछ अंतिम परिणाम को अनुकूलित करता है। यह मशीन लर्निंग का "जादू" (भारी उद्धरण) है। सेट आप एक इनपुट ले सकते हैं - एक मौखिक संकेत, अपनी प्राथमिकताओं के बारे में डेटा का एक सेट - और एक आउटपुट बना सकते हैं जो किसी आयाम में बहुत सजीव है - एक ड्राइंग, एक सेलिब्रिटी की आवाज, एक गीत की सिफारिश। कम्प्यूटिंग शक्ति सस्ती हो सकती है लेकिन मनुष्यों को वह सब गणित करने के लिए भुगतान करना, या उस गणित को कंप्यूटर में प्रोग्राम करना भी महंगा हो जाता है। स्मार्ट लोगों ने यह पता लगाया कि मशीनों को हमारे लिए बहुत सी लेगवर्क कैसे करना है: मशीनों को वक्र के समीकरणों के साथ "यात्रा" करने और "डाउनहिल" का पालन करने के तरीके हैं। इसने आपके Google परिणामों को कुछ दशकों के लिए अनुकूलित किया है। तब से, एक ग्राफिक्स कार्ड हथियारों की दौड़ हो रही है। 2015 में दुनिया के सर्वश्रेष्ठ गो प्लेयर को मात देने वाला अल्फ़ागो था। बोस्टन डायनेमिक्स रोबोट कुत्ते रहे हैं। शाज़म और सिरी जैसे ऐप आ चुके हैं। DALL-E और जैसे ड्राइंग प्रोग्राम हुए हैं। Midjourney यह सब बढ़िया है, लेकिन पैसा खोज परिणामों से दूर नहीं गया है। इसने मुट्ठी पर हाथ डाला है एक आसन्न चीज़ में: लोगों को वे चीज़ें दिखा रहे हैं जो उन्हें सोशल मीडिया पर पसंद हैं। जिन चीज़ों को देखने में आपका समय व्यतीत होगा, और जिन विज्ञापनों पर आप क्लिक कर सकते हैं। एआई की व्यापक अवधारणा, इस बीच, कुछ लंबे समय के लिए विज्ञान-कथा का एक प्रधान रहा है, और यह इस "पॉपिंग ऑफ" के साथ बातचीत कर रहा है जिसे क्षेत्र ने पिछले पांच से दस वर्षों में अनुभव किया है। हम इस घातीय वृद्धि को देखते हैं और "द टर्मिनेटर" के बारे में सोचते हैं। एआई बेचने वाले लोग हमें यह सोचने के लिए खुश हैं, कुछ महत्वपूर्ण तथ्यों को छोड़ दें, इसलिए हम उनके "हाँ" के दावों पर विश्वास करेंगे! हमारी तुलना टर्मिनेटर मूवी के स्काईनेट से करें! [क्रेज़ी इन्वेंशन #4852], जो मेरी कंपनी बनाती है, 5-10 साल दूर है! मैं समझता हूं कि लोग क्यों देखेंगे कि यह क्या कर सकता है, इसमें तेजी से वृद्धि हुई है और सोचते हैं कि हम वास्तव में इसे चेतना देने की कगार पर हैं। यहां तक कि अगर वह अवक्षेप 2 या 20 के बजाय 200 साल के पैमाने पर अधिक है, तो यह उस समय की तुलना में एक बहुत महत्वपूर्ण चीज है, जब तक हम इंसान रहे हैं। हम वास्तव में, उस समय के पैमाने पर, उस बिंदु को पार कर सकते हैं जहां AI प्रोग्राम केवल “स्वत: पूर्ण-के-अवधारणाओं-बजाय-के-शब्द” हैं, जैसे कि वे चैटजीपीटी या में हैं। सियरल के चीनी कक्ष तर्क हम वास्तव में सही पर सही कार्यक्रम डाल सकते हैं और फिलिप के. डिक और अन्य लोगों द्वारा उठाए गए मानवता और संवेदनशीलता के सवालों को उठाते हुए, वास्तव में मानव मन की नकल कर सकते हैं। जैविक रूप से प्रेरित हार्डवेयर अगर और जब एआई सही मायने में हमारी भावनात्मक और अवधारणात्मक बुद्धिमत्ता का मुकाबला करता है, विशिष्ट डोमेन में केवल कौशल के बजाय हमारी जैसी अखंड चेतना रखता है, तो हम एक गणना के लिए होंगे। यह आज, कल, अगले हफ्ते या अगले साल भी नहीं होगा। बड़े पैमाने पर समानांतर (अर्थात्, इस मामले में, एक ही समय में काम कर रहे) तंत्रिका कनेक्शन हमारे दिमाग में हैं - यह हमारे महल की खाई है, इसलिए बोलने के लिए। यह वह है जो "कृत्रिम सामान्य बुद्धि" को वर्षों या अधिक संभावित दशकों से बंद कर देता है। डीप लर्निंग, इसकी हालिया प्रगति के पीछे मशीन लर्निंग की शाखा, वास्तविक दुनिया में देखे जाने वाले इनपुट-आउटपुट संबंधों की नकल करने के आंकड़ों और गणना के लिए एक अच्छा नाम है। यह नहीं - अभी तक नहीं, कम से कम - कंप्यूटर के लिए "गहराई से सीखने" का मतलब कुछ भी नहीं है। यह जितना प्रभावशाली है, यह एक कंप्यूटर में गणित हो रहा है, एक तरह से मौलिक रूप से आपके मस्तिष्क में "गणित कैसे होता है" से अलग है। मस्तिष्क चौंकाने वाली कम बिजली का उपयोग करता है। डेटा केंद्र चौंकाने वाली बड़ी मात्रा में उपयोग करते हैं। बाद वाले क्रूर बल मशीनें हैं। वे हमारी तुलना में कम धागों को संसाधित करते हैं, और कम लचीलेपन से; हर एक इतना है। तेज़ यह इतनी जल्दी संभावनाओं की गणना करता है और उन्हें कम करता है कि सर्वश्रेष्ठ शतरंज और गो खिलाड़ी भी नहीं रख सकते। इसकी अकिली हील तथ्य यह है कि इसके लिए काफी अच्छी तरह से परिभाषित समस्याओं, काफी साफ इनपुट और आउटपुट की आवश्यकता होती है। एक बोर्ड गेम। एक रोबोट नहीं गिर रहा है। यह एक ही बार में "अनुकूलन" समस्याओं के बेतुके विविध और तेजी से बदलते सेट से निपट नहीं सकता है, हर समय उनके बीच स्विच करना। अलग-अलग क्षेत्रों में एआई की ताकत और खामियां जो भी हों, यह कई क्षेत्रों को बांध नहीं सकता है जैसा कि हम करते हैं, आवश्यकतानुसार फोकस बदलते हैं, डोमेन में व्यवहार को अपनाते और स्थानांतरित करते हैं। यह एक मानव बच्चे के स्तर पर ऐसा नहीं कर सकता। एआई अनुसंधान में एक बड़ा लक्ष्य "वन-शॉट" या "कुछ-शॉट" सीखना रहा है, जिसका अर्थ है कि कुछ करने के तरीके सीखने के लिए बड़े पैमाने पर डेटा सेट और प्रशिक्षण समय की आवश्यकता नहीं है। यहाँ एक सफलता मिली है; यह अभी भी हमारे दिमाग से बहुत पीछे है। स्वचालित रूप से, हम कई डोमेन में और कम उम्र से सीखने में अच्छे हैं। हम लगभग बिना किसी प्रशिक्षण डेटा के नियमों और रणनीतियों को जल्दी से सीखते हैं। आप एक बच्चे को आईपैड का उपयोग करना, बाइक की सवारी करना, उनके जूते बाँधना, या किसी कहानी के नैतिक (सिर्फ इसके कथानक का सारांश नहीं) समझा सकते हैं। इनमें से काम को अच्छी तरह से करने के लिए आप बमुश्किल किसी कंप्यूटर को प्रशिक्षित कर सकते हैं। अगर यह डरे बिना संज्ञानात्मक तर्क, गति और मानव संपर्क कर सकता है, तो हम पहले से ही उन सभी चीजों के लिए इसका इस्तेमाल कर रहे होंगे। किसी एक व्यवसायों को अस्त-व्यस्त मानव श्रम से एलर्जी है, वे हमेशा सस्ते मशीन संस्करणों के लिए प्रयासरत रहते हैं। उन्होंने ऐसा किया होगा। उन्होंने नहीं किया। विश्वविद्यालयों में कम्प्यूटेशनल न्यूरोसाइंस प्रयोगशालाएं आंतरिक सोच को मॉडलिंग करने में रुचि रखती हैं और दुनिया के बारे में हमारे दिमाग का तर्क देती हैं। यह उन मॉडलों का उद्देश्य नहीं है जो दो लोगों की तस्वीरों को मिलाते हैं ताकि यह देखा जा सके कि उनके बच्चे कैसे दिखेंगे। संभवत: दशकों तक, यह केवल हम मनुष्य ही हैं, जिनके पास फजी, अनुकूली, कोबलिंग रणनीतियों के साथ-साथ उड़ने वाले तरीकों से दुनिया को नेविगेट करने पर ताला होगा। दुनिया के बारे में सीखने और नेविगेट करने की यह सामान्य क्षमता, भावनाओं और अनुभवों के आधार से शुरू होती है, ऐसा कुछ नहीं है जिसे तकनीक उद्योग ने एआई के निर्माण के दौरान उपयोगी पाया है। विरल तरीके हैं जिनमें अब तक मशीन लर्निंग में वास्तविक मस्तिष्क की नकल हुई है। मस्तिष्क की नकल करना आवश्यक नहीं रहा है, जो कि लाभदायक कहना है। कंपनियों (और जिन विश्वविद्यालयों को वे फंड देते हैं) ने इसके बजाय अधिक औसत दर्जे की चीजों के लिए अनुकूलित किया है: सोशल मीडिया फीड पर क्लिक की संख्या या ड्रोन स्ट्राइक की सटीकता। अगर इसने हमारी नकल करने की कोशिश की है, तो यह कुछ चीजों के प्राप्त करने के लिए एक लाभ-संचालित जैब है जो दिमाग कर सकता है। कंप्यूटर दृष्टि में पैटर्न पहचान के कुछ प्रभावशाली और रोचक रूप होते हैं। परिणाम यह सब इस बात को समझाने के लिए है कि एआई न तो "जादू है जो कंप्यूटर को जीवन में लाता है" और न ही "ऐसा जादू है जो कुछ लोग कंप्यूटर के साथ कर सकते हैं।" यह क्रूर-बल गणित है। कंप्यूटिंग शक्ति के साथ मिश्रित ज्ञान। फ़ायदा उठाना। अधिकांश एआई मॉडल एक काम करने के लिए संख्याओं को कम कर रहे हैं: पैसा बनाओ। इस सुनहरे हंस, इस शक्तिशाली उपकरण वाले लोगों को यह दावा करने के लिए आर्थिक रूप से प्रोत्साहित किया जाता है कि एआई अपने व्यवसाय के लिए अधिक वास्तविक, सांसारिक, कम ध्यान आकर्षित करने वाली चीजों को छिपाने के लिए कुछ लौकिक या सर्वनाश करने से दूर है। उनका यह दावा करने में निहित स्वार्थ है कि यह अगले 1 या 5 या 10 या 15 वर्षों में कुछ बड़ी चीजों में सक्षम होगा। ये ऐसी टाइमलाइन हैं जो निवेशकों को पसंद आती हैं। फुल सेल्फ-ड्राइविंग कारें नहीं निकल रही हैं, यह उन पहली फ्लॉप कारों में से एक है, जिन्हें हम इस मोर्चे पर देखेंगे। उत्कृष्ट विज्ञान-फाई परिसर और वादे अच्छी फिल्मों के लिए बनाते हैं। । इसका मतलब यह नहीं है कि वे सच हैं। पूर्व माकिना, हर, ब्लेड रनर जब हम एआई डेवलपर्स द्वारा उनके उत्पादों को (1) अपरिहार्य और (2) राजनीतिक और आर्थिक रूप से परिवर्तनकारी के रूप में स्वीकार करते हैं, तो इस स्पष्ट तथ्य को दूर करना आसान हो जाता है कि एआई लेता है (यानी, चैटबॉट के रूप में! "खोज इंजन" के रूप में! ) और जिन उपयोगों के लिए इसे रखा गया है (अर्थात्, यह जिन नौकरियों को बढ़ाएगा या प्रतिस्थापित करेगा! जिन कार्यों को यह आसान या कठिन बना देगा!) राजनीतिक और आर्थिक स्थितियों पर निर्भर करता है जिसमें यह उभरता है। … मैं इस संभावना के लिए खुला हूं कि हम एक चट्टान के किनारे पर आराम कर रहे हैं- कि बड़े भाषा मॉडल द्वारा "अपरिचित रूप से परिवर्तित" एक दुनिया केवल महीनों दूर है, जैसा कि पॉल क्रिस्टियानो का मानना है। लेकिन इस समाचार पत्र के अंगूठे का एक बुनियादी नियम यह है कि चीजें जल्दी और नाटकीय रूप से धीरे-धीरे और मूर्खतापूर्ण रूप से बदलती हैं, और इस संभावना के लिए एक उचित एआई आलोचना की आवश्यकता होती है। अभी के लिए, मैं प्रौद्योगिकी के बारे में एक प्रवचन के बीच खुद को एक बार फिर से पाकर आक्रोश से भर गया हूं जिसमें चर्चा के लिए शर्तें और रूपरेखा कमोबेश पूरी तरह से निजी कंपनियों द्वारा निर्धारित की गई हैं जो इसके विकास और अपनाने से लाभ उठाने के लिए खड़ी हैं। . - मैक्स रीड, एआई आलोचना के बारे में फेसबुक की आलोचना हमें क्या सिखा सकती है आइए एक सेकंड के लिए स्टॉक लें। कैसे, ऐतिहासिक रूप से, यह "चर्चा के लिए शर्तों और रूपरेखाओं" को स्वीकार करते हुए हमारे लिए चला गया है, जो कि तकनीकी मामलों की चर्चाओं पर तकनीकी अभिजात वर्ग लागू करता है, चाहे वह क्रिप्टोक्यूरेंसी या बैंकिंग हो? ग्रेट डिप्रेशन के बाद के एफडीआर सुधारों और 80 के दशक के बीच कितने अर्थव्यवस्था-दुर्घटनाग्रस्त बैंक संकट हुए हैं? रीगन द्वारा उन्हें वापस लाने के बाद से अब तक कितने हुए हैं? मैक्स रीड जो बर्नस्टीन द्वारा उत्कृष्ट हवाला देते हैं कि फेसबुक ने पर्दे के पीछे यह कैसे किया है; इसने लोगों के एक पूरे वर्ग को अपने स्वयं के विज्ञापनों की प्रभावशीलता के एक अस्थिर और तेजी से अस्थिर मॉडल पर बेच दिया है। हार्पर के लेख का सिर्फ इसलिए कि एक पिरामिड योजना वास्तविक उत्पाद पर आधारित है इसका मतलब यह नहीं है कि यह पिरामिड योजना नहीं है। यहां एक बड़ा बिंदु यह है: जब जनता को अपनी पेशकशों के बारे में गुमराह करने की बात आती है तो तकनीक वित्त से "बेहतर" नहीं होती है। यकीनन यह बदतर है। आपने देखा कि सस्ते रक्त परीक्षण, सहकर्मी स्थान और ब्लॉकचेन का क्या हुआ। अच्छे उद्योग मूर्खता से कलंकित होते हैं। देखिए कैसे उन्होंने मेरे लड़के का कत्लेआम किया। वे आंतरिक रूप से चीजों को गड़बड़ कर देते हैं, लेकिन उन तरीकों से जो हम सभी को प्रभावित करते हैं, क्योंकि हमारे मित्र और पड़ोसी अपनी बकवास में खरीदते हैं और उन्हें चर्चा की शर्तें निर्धारित करने देते हैं। फिर हम उनके सुनहरे पैराशूटों के लिए भुगतान करते हैं। आर्थिक घटनाओं में लाखों लोग अपनी आजीविका खो देते हैं जिन्हें कुछ अच्छी तरह से स्थापित विनियमों से टाला जा सकता था। समय के जितनी पुरानी कहानी। हमें एआई के साथ कुछ नया करने की कोशिश करनी चाहिए। यह हमारे भविष्य के बारे में ध्वनि जानकारी के आधार पर ठोस निर्णय लेने की स्वतंत्रता देने के लिए भुगतान करता है। इसके बारे में सच्चाई जानने के लिए यह भुगतान करता है। इसके बारे में दूसरों की सनक को अंकित मूल्य पर लेना सुनिश्चित करता है कि आप भविष्य में एक तेज कीमत चुकाएंगे। लोग सभी प्रकार की चीजों के लिए ML और डीप लर्निंग का उपयोग करने में अच्छे हो रहे हैं - कंप्यूटर को चेहरे पहचानने, आवाजों को दोहराने और लोगों को ऐसी सामग्री दिखाने के लिए तैयार करना जिससे वे स्क्रॉल करते रहें। वे उपयोग हमारे जीवन के लिए बेहतर या अधिक उपयोगी नहीं होंगे, बल्कि कुछ लोगों को बहुत अमीर बनाने के बजाय, जब तक हम ऐसा नहीं करेंगे। इस बीच, बेशक, वे बहुत मनोरंजक हो सकते हैं। मानवीय स्थितियों के आधार पर एआई का उपयोग अच्छाई, बुराई, बस अजीब या वास्तव में कुछ भी करने के लिए किया जा सकता है। वर्तमान में, इसका मतलब यह है कि यह सब इस बात पर निर्भर करता है कि लाभ का मकसद कहां जाता है। अधिकांश एआई विशेषज्ञता कंपनियों द्वारा हमें डॉलर के लिए निचोड़ने की कोशिश कर रही है। जीवन को मौलिक रूप से बेहतर बनाने के लिए सार्वजनिक, पारदर्शी, लोगों द्वारा संचालित प्रयासों (पूर्व में सरकार का डोमेन) या मस्तिष्क अनुकरण में भी उतना पैसा नहीं है। यह रोटी और सर्कस और सैन्य उपयोगों में है। इस प्रकार की स्थितियाँ हैं जो AI और किसी भी अन्य तकनीक को उस दिशा में ले जाती हैं जो वह करती है। एआई अब बाहर है। वह तथ्य पुल के नीचे पानी है। इसके जादू की तरह इसके बारे में बात करने से केवल उन लोगों को फायदा होता है जिन्हें इसके बारे में बकवास करने से सबसे ज्यादा फायदा होता है। बड़ी भारी बातों में एआई को तैयार करना, इस मामले में, कयामत के दिन की बात, इसमें लोगों की बेख़बर दिलचस्पी का शिकार होना, एक ऐसा पैटर्न है जिसे हमने पहले देखा है। "थेरानोस/वीवर्क/एनएफटी सब कुछ बदल देंगे।" सुधार: वे बहुत कुछ बदल सकते थे। इसके बजाय, उन्होंने खुद को ओवरसोल्ड किया। उन्होंने अधिक वादा किया और कम दिया। एआई के इर्द-गिर्द यह हिस्टीरिया, इसकी क्षमताओं और जोखिमों दोनों को बढ़ा-चढ़ाकर पेश करता है ताकि कुछ लोग अमीर हो जाएं, स्वाभाविक रूप से इसमें रुचि रखने वाले लोगों से अलग होना मुश्किल है। उपयोग की विस्तृत श्रृंखला के साथ यह एक दिलचस्प बात है। लोग इसकी परवाह किए बिना इसे खरीदने जा रहे हैं, जैसा कि उन्होंने क्रिप्टो और एनएफटी के साथ किया था, और शायद इससे भी ज्यादा। इसके बारे में सच्चाई जानने के और भी कारण हैं। यदि आप इस पोस्ट से और कुछ नहीं लेते हैं, तो इसे लें: हम एक-दूसरे पर एआई का उपयोग कैसे करते हैं, वर्तमान में, एआई के बढ़ते जागरूकता के बारे में किसी भी चीज़ की तुलना में बहुत अधिक दबाव वाला मुद्दा है। इसके बारे में सोचें: अगर यह सचेत हो गया, और हमें नुकसान पहुँचाना चाहता है, ? यह ऐसा क्यों करना चाह सकता है? तो क्यों क्या यह स्पष्ट रूप से स्पष्ट नहीं लगता है कि जिस तरह से हम इसे दुनिया में लाते हैं, उसका मानव प्रजाति के प्रति इसके रुख पर कुछ प्रभाव पड़ेगा? क्या इसे सौंपने का कोई मतलब है, और इसके आस-पास के आख्यान, पूरी तरह से सीईओ और तकनीक-आसन्न पूंजी मालिकों के लिए, इस पर एक भयानक ट्रैक रिकॉर्ड वाला एक समूह और सामान्य आबादी की तुलना में मनोरोगी की उच्च घटना साबित हुई है? क्या हम चाहते हैं कि वे इसके उपयोग, इसके अनुसंधान और विकास के प्रभारी हों, जब तक कि यह संवेदनशील न हो जाए, चाहे वह 2030 में हो या 2230 में? जैसा कि रीड ने बताया है, एआई के भय फैलाने वालों को लोगों के लिए इस बारे में नहीं सोचना सुविधाजनक लगता है। वे इस तथ्य के छिपे रहने के लिए इसे और अधिक सुविधाजनक पाते हैं ताकि वे इसकी उन्नति के बारे में बात कर सकें कि यह अपरिहार्य है, पूछताछ के लायक नहीं है, और विलक्षणता कोने के चारों ओर है। यहाँ कुछ भी अपरिहार्य नहीं है, सिवाय उसके जिसे मनुष्य अपरिहार्य । गोरिल्ला इस पर काम नहीं कर रहे हैं। बना देता है यदि और जब कृत्रिम सामान्य बुद्धि आ जाती है, तो यह ज्योतिष विज्ञान का, एक परग्रही जीवन रूप का प्रश्न होगा। उस क्षण तक, यह इतिहास का, मानविकी का दर्शनशास्त्र है। क्या हम इसे अपने जैसा, अपने स्वरूप में, शायद हमसे भी बेहतर बनाएंगे? क्या हम इसे और भी बदतर बना देंगे, हमारी सबसे सामाजिक प्रवृत्तियों का दर्पण? पागल बात है: इंसान तय करते हैं। हम निर्माता हैं। हम इस पर नियंत्रण कर रहे हैं कि यह कितना एलियन या इंसान जैसा है। बेशक, "हम नहीं हैं" को छोड़कर। कुछ लोग दूसरों से अधिक होते हैं। क्या हम इसके साथ ठीक हैं? क्या हम ठीक हैं कि वे लोग कौन हैं? क्या हम ठीक हैं जहां वे इस तकनीक को निर्देशित कर रहे हैं? यह देखने के बाद कि उच्च-पूंजी-स्वामी वर्ग "अपरिहार्य बनाने" के लिए क्या करता है - अन्य उद्योगों में इसकी भविष्यवाणी, इसकी अदूरदर्शी और तथ्य-अनदेखी और झुंड-मानसिकता प्रथाओं ने इतने अरब डॉलर के उद्यमों को दुर्घटनाग्रस्त कर दिया है - कुछ संदेह कैसे वे AI के बारे में बात करते हैं। भी प्रकाशित हुआ यहाँ
