विषयपरकता और एआई दर्शन का विकास

आर्टिफिशियल इंटेलिजेंस के दर्शन का एक ऐतिहासिक अवलोकन

प्रौद्योगिकी के दर्शन में कई प्रसिद्ध लोगों ने प्रौद्योगिकी के सार को समझने और इसे समाज और मानव अनुभव से जोड़ने का प्रयास किया है। 20वीं सदी के पूर्वार्ध में, उनके विश्लेषणों के परिणामों ने मुख्य रूप से प्रौद्योगिकी और मानव जीवन के बीच अंतर दिखाया।

प्रौद्योगिकी को एक स्वायत्त शक्ति के रूप में माना जाता था जिसने मानवता के बुनियादी हिस्सों को कुचल दिया। प्रौद्योगिकी की अवधारणा को ऐतिहासिक और पारलौकिक धारणाओं तक लाकर, दार्शनिक विशिष्ट घटनाओं के प्रभाव से अलग हो गए।

अस्सी के दशक में, प्रौद्योगिकी का एक अधिक अनुभवजन्य दृष्टिकोण विकसित हुआ, जो अमेरिकी दार्शनिकों के विचारों पर आधारित था, जिन्होंने विशिष्ट प्रौद्योगिकियों के प्रभाव को अपने विचारों में एकीकृत किया था (एचटरहुईस, एचजे, "वैन स्टूमैचिन टॉट साइबोर्ग; डेनकेन ओवर टेक्नीक इन डे निउवे वेल्ड", 1997 ) . प्रौद्योगिकी और समाज की परस्पर निर्भरता इस अध्ययन का मुख्य विषय है। इस "अनुभवजन्य मोड़" ने प्रौद्योगिकी की बहुमुखी प्रतिभा और समाज में इसकी कई भूमिकाओं को समझाना संभव बना दिया है। इस दृष्टिकोण को प्रौद्योगिकी के दार्शनिकों के बीच और अधिक विकसित किया गया, उदाहरण के लिए, ट्वेंटी विश्वविद्यालय में।

कृत्रिम बुद्धिमत्ता को 1956 में अनुसंधान के एक क्षेत्र के रूप में स्थापित किया गया था। यह कंप्यूटिंग मशीनों में बुद्धिमान व्यवहार से संबंधित है। शोध के उद्देश्यों को चार श्रेणियों में विभाजित किया जा सकता है:

• सिस्टम जो इंसानों की तरह सोचते हैं।
• ऐसी प्रणालियाँ जो तर्कसंगत रूप से सोचती हैं।
• सिस्टम जो इंसानों की तरह काम करते हैं।
• प्रणालियाँ जो तर्कसंगत रूप से कार्य करती हैं।

इन कार्यों को पूरा करने की क्षमता के बारे में कई वर्षों की आशावाद के बाद, क्षेत्र को चुनौतियों का सामना करना पड़ा कि कैसे बुद्धिमत्ता का प्रतिनिधित्व किया जाए जो अनुप्रयोगों में उपयोगी हो सकती है। इनमें बुनियादी ज्ञान की कमी, गणना की जटिलता, और ज्ञान प्रतिनिधित्व संरचनाओं में सीमाएं शामिल हैं (रसेल, एस एंड नॉरविग, "आर्टिफिशियल इंटेलिजेंस: ए मॉडर्न अप्रोच", पीटर, 2009)। लेकिन चुनौतियाँ केवल डिज़ाइन समुदाय से नहीं आईं। दार्शनिक, जो प्लेटो के समय से ही मन और तर्क से चिंतित थे, ने भी शिकायत करना शुरू कर दिया। गणितीय आपत्तियों (ट्यूरिंग और गोडेल पर आधारित) और मानव बुद्धि की प्रकृति के बारे में अधिक दार्शनिक तर्कों का उपयोग करते हुए, उन्होंने एआई परियोजना के आंतरिक प्रतिबंधों को दिखाने की कोशिश की। उनमें से सबसे प्रसिद्ध ह्यूबर्ट ड्रेफस थे।

आर्टिफिशियल इंटेलिजेंस पर ह्यूबर्ट ड्रेफस

ड्रेफस ने कृत्रिम बुद्धि के लक्ष्यों और तरीकों को बुद्धि के स्पष्ट तर्कसंगत दृष्टिकोण के रूप में देखा। पूरे इतिहास में कई तर्कवादी दार्शनिकों द्वारा इसका बचाव किया गया है, लेकिन ड्रेफस स्वयं 20वीं सदी के तर्क-विरोधी दर्शन के अधिक समर्थक थे, जैसा कि हेइडेगर, मर्लेउ-पोंटी और विट्गेन्स्टाइन के कार्यों में देखा जा सकता है। ड्रेफस के अनुसार, अनुभूति का सबसे मौलिक तरीका सहज ज्ञान युक्त है, तर्कसंगत नहीं। एक निश्चित क्षेत्र में अनुभव प्राप्त करने पर, एक व्यक्ति तर्क-वितर्क के पहले अध्ययन के दौरान ही औपचारिक नियमों से जुड़ जाता है। उसके बाद, अनुभवजन्य नियमों और सहज निर्णयों द्वारा बुद्धि का प्रतिनिधित्व किए जाने की अधिक संभावना है।

एआई के तर्कसंगत दृष्टिकोण को प्रतीकात्मक एआई की नींव में स्पष्ट रूप से खोजा जा सकता है। बुद्धिमान प्रक्रियाओं को सूचना प्रसंस्करण के एक रूप के रूप में देखा जाता है, और इस जानकारी का प्रतिनिधित्व प्रतीकात्मक है। इस प्रकार, बुद्धिमत्ता कमोबेश प्रतीकों के हेरफेर तक ही सीमित है। ड्रेफस ने इसका विश्लेषण तीन मूलभूत मान्यताओं के संयोजन के रूप में किया:

• एक मनोवैज्ञानिक धारणा है कि मानव बुद्धि प्रतीक हेरफेर के नियमों पर आधारित है।
• ज्ञानमीमांसीय धारणा यह है कि सारा ज्ञान औपचारिक है।
• एक औपचारिक धारणा यह है कि वास्तविकता की एक औपचारिक संरचना होती है।

ड्रेफस ने न केवल इन धारणाओं की आलोचना की बल्कि कुछ अवधारणाओं को भी परिभाषित किया जिनके बारे में उनका मानना था कि ये बुद्धिमत्ता के लिए आवश्यक हैं। ड्रेफस के अनुसार, बुद्धि सन्निहित और अवस्थित है। अवतार की व्याख्या करना कठिन है क्योंकि यह स्पष्ट नहीं है कि क्या इसका मतलब यह है कि बुद्धि के लिए एक शरीर की आवश्यकता होती है या क्या यह केवल शरीर की मदद से ही विकसित हो सकती है। लेकिन कम से कम यह स्पष्ट है कि ड्रेफस बुद्धि को उस स्थिति पर निर्भर करता है जिसमें बौद्धिक एजेंट स्थित है और तत्व अपने संदर्भ के साथ सार्थक संबंध में हैं। यह वास्तविकता को औपचारिक संस्थाओं तक सीमित होने से रोकता है। ड्रेफस का दृष्टिकोण स्पष्ट रूप से परिभाषित औपचारिक क्षेत्र से परे प्रतीकों में हेरफेर करने वाली मशीनों के संचालन को असंभव बना देता है।

ड्रेफस का कृत्रिम बुद्धिमत्ता के संबंधवादी दृष्टिकोण के प्रति अधिक सकारात्मक दृष्टिकोण है। यह दृष्टिकोण बुद्धिमान व्यवहार को मॉडलिंग संरचनाओं से उभरता हुआ देखता है जो मानव मस्तिष्क में न्यूरॉन्स और उनके कनेक्शन से मिलते जुलते हैं। लेकिन उन्हें संदेह है कि ऐसी मशीनों में मानव मस्तिष्क की जटिलता कभी संभव है।

इस प्रकार, ड्रेफस ने एआई लक्ष्यों की व्यवहार्यता के बारे में चर्चा शुरू की। उनके काम ने बहुत ध्यान आकर्षित किया और गरमागरम बहस छेड़ दी। यहां तक कि वह कुछ शोधकर्ताओं को अपना दृष्टिकोण बदलने और ऐसी प्रणालियाँ लागू करने में भी कामयाब रहे जो उनकी दृष्टि के साथ अधिक संगत होंगी। ड्रेफस ने प्रतीकात्मक एआई द्वारा बनाई गई धारणाओं का प्रदर्शन किया और स्पष्ट किया कि यह किसी भी तरह से स्पष्ट नहीं है कि इन धारणाओं के परिणामस्वरूप वास्तविक बुद्धिमान मशीनें ( माइंड ओवर मशीन: कंप्यूटर के युग में मानव अंतर्ज्ञान और विशेषज्ञता की शक्ति ) होंगी।

हालाँकि, दो टिप्पणियाँ की जानी चाहिए। सबसे पहले, ड्रेफस ने अपनी आलोचना सख्त प्रतीकात्मक एआई दृष्टिकोण पर आधारित की। हाल के दशकों में, अधिक हाइब्रिड इंटेलिजेंट सिस्टम बनाने और प्रतीकात्मक एआई में गैर-नियम-आधारित तरीकों को लागू करने के कई प्रयास किए गए हैं। ये प्रणालियाँ बुद्धिमत्ता के एक अलग दृष्टिकोण को सामने रखती हैं जिसे ड्रेफस के विश्लेषण द्वारा पूरी तरह से समझाया नहीं जा सकता है। दूसरा, ड्रेफस की आलोचना कृत्रिम बुद्धिमत्ता के संदेहपूर्ण दृष्टिकोण पर आधारित प्रतीत होती है, आंशिक रूप से उनकी अपनी दार्शनिक पृष्ठभूमि के कारण और आंशिक रूप से क्योंकि नींव ऐसे समय में स्थापित की गई थी जब उत्साह लगभग असीमित था।

स्वतंत्र इच्छा एक अजीब अवधारणा है. दर्शन मानव मन पर कई तरह से चर्चा कर सकता है, लेकिन जब यह सवाल आता है कि क्या हम अपने निर्णयों में स्वतंत्र हैं, तो चर्चा खतरनाक हो जाती है। हम इच्छाशक्ति, निर्णय और कार्यों के संदर्भ में सोचने से इतने परिचित हैं कि हम ज्यादातर इस संभावना पर विचार करने से भी इनकार करते हैं कि हम अपनी पसंद में स्वतंत्र नहीं हैं। लेकिन बात कुछ और है. यदि ऐसी चर्चा के दौरान मैं यह कहूँ कि मनुष्य की कोई स्वतंत्र इच्छा नहीं है तो क्या होगा? यदि यह गलत है, तो मैं गलत हूं, और यदि यह सच है, तो पूरी टिप्पणी अपना अर्थ खो देती है क्योंकि मैं ऐसा कहने के अलावा कुछ नहीं कर सकता। स्वतंत्र इच्छा का खंडन एक व्यावहारिक विरोधाभास है। इस इनकार को अर्थहीन बनाए बिना आप किसी व्यक्ति की स्वतंत्र इच्छा को नकार नहीं सकते।

फिर भी, स्वतंत्र इच्छा का प्रश्न प्रासंगिक प्रतीत होता है, क्योंकि वैज्ञानिक सिद्धांत यह दावा कर सकते हैं कि जो कुछ भी होता है वह प्रकृति के नियमों का पालन करता है। इसलिए, हमें या तो लोगों को विशेष गुण देने होंगे या इस बात से इनकार करना होगा कि प्रकृति के नियम निर्धारित होते हैं यदि हम नहीं चाहते कि हम जैविक मशीनें बनें। पहला विकल्प कई दार्शनिक सिद्धांतों से संबंधित है, लेकिन सबसे अधिक डेसकार्टेस के सिद्धांत से संबंधित है, जो दुनिया को दो पदार्थों (आत्मा और पदार्थ) में विभाजित करता है जो मनुष्यों में जुड़े हुए हैं। दूसरा विकल्प एक अधिक समग्र दृष्टिकोण खोलता है जो भौतिकी (सापेक्षता, क्वांटम यांत्रिकी) में नवीनतम विकास का उपयोग करके दिखाता है कि हमारी स्वतंत्र इच्छा प्रकृति की अप्रत्याशित गतिशीलता पर आधारित हो सकती है।

डेसकार्टेस और अन्य लोगों का द्वैतवादी दृष्टिकोण मनुष्यों के अलावा अन्य चीजों के लिए स्वतंत्र इच्छा के अस्तित्व से इनकार करता है। इसलिए, स्वतंत्र इच्छा और बुद्धिमान मशीनों के बारे में चर्चा विशेष दिलचस्प नहीं है। दूसरी ओर, इस तरह की चर्चा के लिए समग्र दृष्टिकोण अधिक उपयुक्त है, लेकिन मनुष्यों या कंप्यूटरों को स्वतंत्र इच्छा की संपत्ति सौंपने के लिए आवश्यक भौतिक मान्यताओं के अलावा किसी अन्य निष्कर्ष पर आना मुश्किल है। यह शुद्ध दार्शनिक चर्चा में उपयुक्त हो सकता है, लेकिन इसका कंप्यूटर विज्ञान से कोई लेना-देना नहीं है।

यह पहचानने की भी संभावना है कि मानव स्वभाव स्वाभाविक रूप से विरोधाभासी है, क्योंकि नियतिवादी और स्वतंत्र इच्छा दोनों ही विचार उचित और आवश्यक हैं। यह द्वंद्वात्मक दृष्टिकोण हमें भौतिक पूर्वधारणाओं की चिंता किए बिना मनुष्यों में स्वतंत्र इच्छा के बारे में सोचने में सक्षम बनाता है। स्वतंत्र इच्छा मानव होने का एक उत्कृष्ट पूर्वधारणा बन जाती है। हालाँकि, इस दृष्टिकोण में स्वतंत्र इच्छा का पारलौकिक दृष्टिकोण बुद्धिमान मशीनों जैसी विशिष्ट कलाकृतियों में स्वतंत्र इच्छा की चर्चा की अनुमति नहीं देता है क्योंकि पारलौकिक पूर्वधारणाओं को मॉडल करना या डिज़ाइन करना असंभव है। इस खंड में आगे, मैं स्वतंत्र इच्छा की जटिल अवधारणा को एक अवधारणा में बदल दूंगा जिसका उपयोग बुद्धिमान मशीनों का विश्लेषण करने के लिए किया जा सकता है। यह अवधारणा प्रौद्योगिकी के दर्शन में अनुभवजन्य दृष्टिकोण के अनुकूल होनी चाहिए। इसलिए, हमें भौतिक या पारलौकिक पूर्वधारणाओं के संदर्भ में स्वतंत्र इच्छा की अवधारणा के बारे में बात करने से बचना चाहिए, बल्कि उस भूमिका पर ध्यान केंद्रित करना चाहिए जो यह अवधारणा समाज में निभाती है।

इस लेख में मेरे दृष्टिकोण का संकेत परिचयात्मक पैराग्राफ में पाया जा सकता है। स्वतंत्र इच्छा पर बहस के बारे में मेरा विचार यह है कि इस क्षेत्र में किसी भी शोध के लिए दो मौलिक रूप से भिन्न दृष्टिकोण हैं। पहला स्वतंत्र इच्छा की प्रकृति और लोगों की प्रकृति की "मांगों" से बचने की क्षमता के गहरे दार्शनिक मुद्दों पर केंद्रित है। मैं इसे भौतिक दृष्टिकोण कहूंगा। बुद्धिमान मशीनों के बारे में लेख में, यह एक दार्शनिक बहस की ओर ले जाता है जो कंप्यूटर की प्रकृति के बजाय मनुष्यों की प्रकृति पर केंद्रित है, क्योंकि हम ऐसी स्थिति में आ जाते हैं जहां हमें किसी भी तरह अपनी इच्छा का बचाव करना होता है और इसके बारे में कुछ कहना होता है कंप्यूटर क्योंकि हम सिर्फ इसके बारे में एक लेख लिखना चाहते थे। दूसरे शब्दों में, चर्चा इंसानों और कंप्यूटरों के बीच तुलना में बदल जाती है, जिसमें न तो इंसान और न ही कंप्यूटर खुद को पहचान सकते हैं।

इस खंड के पहले पैराग्राफ में सूक्ष्मता से सुझाया गया एक और दृष्टिकोण, हमारी अपनी स्वतंत्र इच्छा को नकारने की असंभवता पर केंद्रित है। जैसा कि पहले उल्लेख किया गया है, इस इनकार का कोई मतलब नहीं है। लेकिन यह न केवल खुद का अवमूल्यन करता है, बल्कि समग्र रूप से जिम्मेदारी की नींव को भी नष्ट कर देता है। इसका मतलब यह है कि हम लोग जो कहते हैं या करते हैं उसके लिए उनकी प्रशंसा नहीं कर सकते हैं या उन्हें दोष नहीं दे सकते हैं, इसलिए हमें अधिकार क्षेत्र, कार्य, मित्रता, प्रेम और उन सभी चीजों के सिद्धांतों पर पुनर्विचार करना होगा जिनके आधार पर हमने अपना समाज बनाया है। इन सभी सामाजिक समस्याओं के लिए विकल्प की आवश्यकता होती है, और जब भी विकल्प की बात आती है, तो स्वतंत्र इच्छा की अवधारणा आवश्यक है। इसका सार यह है कि स्वतंत्र इच्छा हमारे समाज के लिए एक महत्वपूर्ण धारणा है, भले ही यह शारीरिक रूप से उचित हो। इसे मैं सामाजिक दृष्टिकोण कहूंगा।

यह एक कठिन प्रश्न है कि क्या स्वतंत्र इच्छा की धारणा केवल हमारे समाज के लिए या किसी मानव समाज के लिए आवश्यक है। मैं वैसे भी इस प्रश्न की जांच करूंगा, क्योंकि यह हमारे अपने समाज की संरचना की ओर इशारा करने की तुलना में स्वतंत्र इच्छा के महत्व के लिए अधिक दार्शनिक औचित्य प्रदान कर सकता है। मानव स्वभाव पर पुनर्विचार किए बिना और इस प्रकार स्वतंत्र इच्छा के लिए भौतिक दृष्टिकोण को फिर से प्रस्तुत किए बिना उत्तर देना असंभव लगता है। लेकिन जब हम कहते हैं कि अंतःक्रिया मानव सभ्यता का मूल है, तो स्वतंत्र इच्छा की अवधारणा की आवश्यकता स्वाभाविक रूप से पैदा होती है। हम यह मानकर लोगों के साथ बातचीत नहीं कर सकते कि वे बातचीत की प्रक्रिया को प्रभावित करने के लिए स्वतंत्र हैं, क्योंकि किसी भी मानवीय बातचीत का मतलब यह है कि हमें परिणाम के बारे में पहले से पता नहीं है। इसलिए, अंतःक्रियाओं को पसंद और इस प्रकार स्वतंत्र इच्छा की अवधारणा द्वारा चित्रित किया जाता है। यदि किसी भी समाज में अंतःक्रिया मौलिक है, तो हमें यह भी कहना होगा कि किसी भी समाज में स्वतंत्र इच्छा को नकारा नहीं जा सकता है।

आर्टिफिशियल इंटेलिजेंस के दर्शन के विभिन्न दृष्टिकोण

प्रतीकात्मक कृत्रिम बुद्धिमत्ता (एआई) एआई का एक उपक्षेत्र है जो संख्यात्मक डेटा के बजाय प्रतीकों या अवधारणाओं के प्रसंस्करण और हेरफेर पर केंद्रित है। प्रतीकात्मक कृत्रिम बुद्धिमत्ता का उद्देश्य बुद्धिमान प्रणालियों का निर्माण करना है जो तार्किक नियमों के आधार पर ज्ञान और तर्क का प्रतिनिधित्व और हेरफेर करके मनुष्यों की तरह तर्क और सोच सकें।

प्रतीकात्मक कृत्रिम बुद्धिमत्ता के लिए एल्गोरिदम उन प्रतीकों को संसाधित करके काम करते हैं जो दुनिया में वस्तुओं या अवधारणाओं और उनके कनेक्शन का प्रतिनिधित्व करते हैं। प्रतीकात्मक कृत्रिम बुद्धिमत्ता में मुख्य दृष्टिकोण तर्क प्रोग्रामिंग का उपयोग करना है, जहां निष्कर्ष निकालने के लिए नियमों और सिद्धांतों का उपयोग किया जाता है। उदाहरण के लिए, हमारे पास एक प्रतीकात्मक कृत्रिम बुद्धिमत्ता प्रणाली है जिसे रोगी द्वारा बताए गए लक्षणों के आधार पर बीमारियों का निदान करने के लिए डिज़ाइन किया गया है। इस प्रणाली में नियमों और सिद्धांतों का एक सेट है जिसका उपयोग यह रोगी की स्थिति के बारे में निष्कर्ष निकालने के लिए करता है।

उदाहरण के लिए, यदि कोई रोगी बुखार की रिपोर्ट करता है, तो सिस्टम निम्नलिखित नियम लागू कर सकता है: यदि रोगी को बुखार है और उसे खांसी हो रही है और उसे सांस लेने में कठिनाई हो रही है, तो रोगी को निमोनिया हो सकता है।

फिर सिस्टम जांच करेगा कि क्या मरीज को खांसी और सांस लेने में कठिनाई भी है, और यदि हां, तो यह निष्कर्ष निकाला जाएगा कि मरीज को निमोनिया हो सकता है।

इस दृष्टिकोण की व्याख्या करना बहुत आसान है क्योंकि हम तर्क प्रक्रिया को लागू किए गए तार्किक नियमों पर आसानी से खोज सकते हैं। नई जानकारी उपलब्ध होने पर सिस्टम के नियमों को बदलना और अपडेट करना भी आसान हो जाता है।

प्रतीकात्मक एआई ज्ञान का प्रतिनिधित्व करने के लिए तर्क जैसी औपचारिक भाषाओं का उपयोग करता है। इस ज्ञान को तर्क तंत्र द्वारा संसाधित किया जाता है जो प्रतीकों में हेरफेर करने के लिए एल्गोरिदम का उपयोग करता है। यह विशेषज्ञ प्रणालियों और निर्णय समर्थन प्रणालियों के निर्माण की अनुमति देता है जो पूर्वनिर्धारित नियमों और ज्ञान के आधार पर निष्कर्ष निकाल सकते हैं।

प्रतीकात्मक कृत्रिम बुद्धिमत्ता मशीन और गहन शिक्षण जैसे अन्य एआई तरीकों से भिन्न होती है, क्योंकि इसमें बड़ी मात्रा में प्रशिक्षण डेटा की आवश्यकता नहीं होती है। इसके बजाय, प्रतीकात्मक एआई ज्ञान प्रतिनिधित्व और तर्क पर आधारित है, जो इसे उन क्षेत्रों के लिए अधिक उपयुक्त बनाता है जहां ज्ञान स्पष्ट रूप से परिभाषित है और तार्किक नियमों में दर्शाया जा सकता है।

दूसरी ओर, मशीन लर्निंग को पैटर्न सीखने और भविष्यवाणियां करने के लिए बड़े डेटा सेट की आवश्यकता होती है। डीप लर्निंग सीधे डेटा से सुविधाओं को सीखने के लिए तंत्रिका नेटवर्क का उपयोग करता है जो इसे जटिल और असंरचित डेटा वाले डोमेन के लिए उपयुक्त बनाता है।

यह विषय क्षेत्र और उपलब्ध डेटा पर निर्भर करता है कि प्रत्येक तकनीक को कब लागू किया जाए। प्रतीकात्मक कृत्रिम बुद्धिमत्ता अच्छी तरह से परिभाषित और संरचित ज्ञान वाले क्षेत्रों के लिए उपयुक्त है, जबकि मशीन और गहन शिक्षा बड़ी मात्रा में डेटा और जटिल पैटर्न वाले क्षेत्रों के लिए उपयुक्त है।

कृत्रिम बुद्धिमत्ता दर्शन का कनेक्शनवादी दृष्टिकोण तंत्रिका नेटवर्क के सिद्धांतों और मानव मस्तिष्क से उनकी समानता पर आधारित है। इस दृष्टिकोण का उद्देश्य जानकारी को संसाधित करने और डेटा से सीखने के लिए जैविक प्रणालियों में परस्पर जुड़े न्यूरॉन्स के व्यवहार की नकल करना है। कनेक्शनवादी दृष्टिकोण के कुछ प्रमुख पहलू यहां दिए गए हैं।

कनेक्शनवादी दृष्टिकोण में कृत्रिम तंत्रिका नेटवर्क का निर्माण शामिल है जिसमें परस्पर जुड़े हुए नोड्स होते हैं, जिन्हें अक्सर कृत्रिम न्यूरॉन्स या नोड्स के रूप में जाना जाता है। इन कृत्रिम न्यूरॉन्स को इनपुट डेटा प्राप्त करने, गणना करने और नेटवर्क में अन्य न्यूरॉन्स तक सिग्नल संचारित करने के लिए डिज़ाइन किया गया है।

कनेक्शनवादी दृष्टिकोण मानता है कि नेटवर्क में कृत्रिम न्यूरॉन्स सूचना को संसाधित करने के लिए एक साथ काम करते हैं। प्रत्येक न्यूरॉन इनपुट सिग्नल प्राप्त करता है, उनके आधार पर गणना करता है, और आउटपुट सिग्नल को अन्य न्यूरॉन्स तक पहुंचाता है। नेटवर्क का आउटपुट उसके न्यूरॉन्स की सामूहिक गतिविधि से निर्धारित होता है, जबकि जानकारी उनके बीच कनेक्शन के माध्यम से बहती है। कनेक्शनवादी दृष्टिकोण का एक महत्वपूर्ण पहलू डेटा से सीखने के लिए कृत्रिम तंत्रिका नेटवर्क की क्षमता है। सीखने की प्रक्रिया के दौरान, नेटवर्क इनपुट डेटा और वांछित परिणाम के आधार पर न्यूरॉन्स के बीच कनेक्शन की ताकत (वजन) को समायोजित करता है। अपेक्षित परिणाम के साथ नेटवर्क के अनुमानित आउटपुट की पुनरावृत्तीय तुलना के आधार पर, अंतर को कम करने और नेटवर्क प्रदर्शन में सुधार करने के लिए वजन को अद्यतन किया जाता है।

कनेक्शनिस्ट सिस्टम समानांतर प्रसंस्करण पर प्रकाश डालते हैं, जहां नेटवर्क पर एक साथ कई संगणनाएं की जाती हैं। यह कुशल और विश्वसनीय सूचना प्रसंस्करण सुनिश्चित करता है। इसके अलावा, कनेक्शनिस्ट मॉडल एक वितरित प्रतिनिधित्व का उपयोग करते हैं, जिसका अर्थ है कि जानकारी एक ही स्थान पर स्थानीयकृत होने के बजाय कई न्यूरॉन्स में एन्कोड की जाती है। यह वितरित प्रतिनिधित्व नेटवर्क को जटिल पैटर्न को संसाधित करने और सीमित उदाहरणों के आधार पर सारांशित करने में सक्षम बनाता है।

कनेक्शनिस्ट दृष्टिकोण गहरी शिक्षा की नींव है, कृत्रिम बुद्धिमत्ता का एक उपक्षेत्र जो कई परतों के साथ गहरे तंत्रिका नेटवर्क को प्रशिक्षित करने पर केंद्रित है। कंप्यूटर विज़न, प्राकृतिक भाषा प्रसंस्करण और वाक् पहचान जैसे विभिन्न क्षेत्रों में गहन शिक्षण मॉडल बेहद सफल रहे हैं। उन्होंने स्वचालित रूप से पदानुक्रमित डेटा प्रतिनिधित्व सीखने की क्षमता का प्रदर्शन किया है, जो जटिल कार्यों में उन्नत प्रदर्शन प्रदान करता है।

सामान्य तौर पर, कृत्रिम बुद्धिमत्ता दर्शन का कनेक्शनवादी दृष्टिकोण मानव मस्तिष्क प्रसंस्करण की सहकारी और समानांतर प्रकृति की नकल करने के लिए कृत्रिम तंत्रिका नेटवर्क के उपयोग पर प्रकाश डालता है। वजन समायोजन का उपयोग करके डेटा से सीखकर, कनेक्शनिस्ट सिस्टम जटिल समस्याओं को हल करने और एआई अनुप्रयोगों में प्रभावशाली परिणाम प्राप्त करने में अत्यधिक प्रभावी साबित हुए हैं।

तंत्रिका नेटवर्क एक कम्प्यूटेशनल मॉडल है जो मानव मस्तिष्क जैसे जैविक तंत्रिका नेटवर्क की संरचना और कार्यप्रणाली से प्रेरित है। यह परतों में व्यवस्थित परस्पर जुड़े नोड्स (कृत्रिम न्यूरॉन्स) से बनी एक गणितीय संरचना है। तंत्रिका नेटवर्क का उद्देश्य डेटा को संसाधित करना और सीखना है, जिससे उन्हें पैटर्न पहचानने, भविष्यवाणियां करने और विभिन्न कार्य करने की अनुमति मिलती है।

कृत्रिम न्यूरॉन्स तंत्रिका नेटवर्क की मूल इकाइयाँ हैं। प्रत्येक न्यूरॉन एक या अधिक इनपुट डेटा प्राप्त करता है, उन पर गणना करता है और आउटपुट डेटा उत्पन्न करता है। आउटपुट डेटा आमतौर पर नेटवर्क में अन्य न्यूरॉन्स को प्रेषित किया जाता है।

तंत्रिका नेटवर्क में न्यूरॉन्स कनेक्शन के माध्यम से एक दूसरे से जुड़े होते हैं जो उनके बीच सूचना के प्रवाह का प्रतिनिधित्व करते हैं। प्रत्येक कनेक्शन एक वजन से संबंधित होता है जो प्रसारित होने वाले सिग्नल की ताकत या महत्व को निर्धारित करता है। नेटवर्क प्रदर्शन को अनुकूलित करने के लिए सीखने की प्रक्रिया के दौरान वजन कारकों को समायोजित किया जाता है।

तंत्रिका नेटवर्क आमतौर पर परतों में व्यवस्थित होते हैं। इनपुट परत प्रारंभिक डेटा प्राप्त करती है, जबकि आउटपुट परत अंतिम परिणाम या भविष्यवाणी उत्पन्न करती है, और बीच में एक या अधिक छिपी हुई परतें हो सकती हैं। छिपी हुई परतें नेटवर्क को इनपुट जानकारी को परिवर्तित और संयोजित करके जटिल अभ्यावेदन सीखने की अनुमति देती हैं।

प्रत्येक न्यूरॉन आउटपुट सिग्नल उत्पन्न करने के लिए अपने इनपुट डेटा के भारित कुल पर एक सक्रियण फ़ंक्शन लागू करता है। सक्रियण फ़ंक्शन नेटवर्क में गैर-रैखिकता लाता है, जिससे यह जटिल कनेक्शनों को मॉडल करने और गैर-रैखिक भविष्यवाणियां करने की अनुमति देता है।

तंत्रिका नेटवर्क फीडफॉरवर्ड सिद्धांत के आधार पर डेटा संसाधित करते हैं। प्रत्येक न्यूरॉन पर गणना के साथ, इनपुट डेटा परत दर परत नेटवर्क से गुजरता है। अंतिम परिणाम उत्पन्न होने तक एक परत का आउटपुट अगली परत के लिए इनपुट के रूप में कार्य करता है।

तंत्रिका नेटवर्क प्रशिक्षण नामक प्रक्रिया के माध्यम से डेटा सीखते हैं। प्रशिक्षण के दौरान, इनपुट डेटा को संबंधित वांछित आउटपुट के साथ नेटवर्क पर प्रस्तुत किया जाता है। वांछित परिणामों के साथ इसकी भविष्यवाणियों की तुलना करके, नेटवर्क के वजन को ग्रेडिएंट डिसेंट और बैकप्रॉपैगेशन जैसे एल्गोरिदम का उपयोग करके समायोजित किया जाता है। यह पुनरावृत्तीय प्रक्रिया नेटवर्क को अपनी भविष्यवाणियों और अपेक्षित परिणामों के बीच अंतर को कम करने की अनुमति देती है।

डीप न्यूरल नेटवर्क (डीएनएन) कई छिपी हुई परतों वाले तंत्रिका नेटवर्क को संदर्भित करता है। डीप लर्निंग, जो गहरे तंत्रिका नेटवर्क के प्रशिक्षण पर केंद्रित है, ने हाल के वर्षों में स्वचालित रूप से पदानुक्रमित प्रतिनिधित्व सीखने और डेटा से जटिल पैटर्न निकालने की क्षमता के कारण काफी ध्यान आकर्षित किया है।

तंत्रिका नेटवर्क विभिन्न क्षेत्रों में बहुत सफल रहे हैं, जिनमें छवि पहचान, प्राकृतिक भाषा प्रसंस्करण, भाषण संश्लेषण और बहुत कुछ शामिल हैं। वे बड़ी मात्रा में डेटा को संसाधित करने, उदाहरणों के आधार पर सारांशित करने और जटिल गणना करने में सक्षम हैं, जो उन्हें कृत्रिम बुद्धिमत्ता के क्षेत्र में एक शक्तिशाली उपकरण बनाता है।

आर्टिफिशियल इंटेलिजेंस के क्षेत्र में दार्शनिक मुद्दे और बहस

“किसी को भी इस बात का ज़रा भी अंदाज़ा नहीं है कि कोई भौतिक चीज़ चेतन कैसे हो सकती है। कोई यह भी नहीं जानता कि कोई भौतिक वस्तु कैसे चेतन हो सकती है इसका ज़रा सा भी अंदाज़ा होना कैसा होगा।” (जेरी फोडोर, अर्नेस्ट लेपोर, "होलिज्म: ए शॉपर्स गाइड", ब्लैकवेल, 1992)। इन शब्दों का श्रेय जेरी फोडर को दिया जाता है, और मेरा मानना है कि ये उन सभी कठिनाइयों की व्याख्या करते हैं जिनका सामना मुझे यह पता लगाने की कोशिश में करना पड़ा कि एक मशीन कैसे सचेतन हो सकती है। हालाँकि, ये शब्द मुझे यह दावा करने के अपने प्रयासों को छोड़ने के लिए प्रोत्साहित नहीं करते हैं कि कृत्रिम चेतना वाली मशीन बनाई जा सकती है। वास्तव में, वे इसके विपरीत करते हैं; वे मुझे यह सोचने के लिए प्रोत्साहित करते हैं कि यदि हम (भौतिक प्राणी) सचेत हो सकते हैं, तो चेतना अवश्य ही एक भौतिक वस्तु होगी और इसलिए, सिद्धांत रूप में, इसे कृत्रिम रूप से बनाया जा सकता है।

चेतना में मुख्य बात यह है कि यह एक चीज़ नहीं है। यह बहुरूपी अवधारणाओं का एक समूह है, जो सभी अलग-अलग तरीकों से मिश्रित हैं। इसलिए, उन सभी को सुलझाना और प्रत्येक को अलग-अलग समझाने का प्रयास करना कठिन है। इसे ध्यान में रखना महत्वपूर्ण है क्योंकि, हालांकि मैं इसके कुछ पहलुओं को समझाने की पूरी कोशिश करता हूं, लेकिन उनका अंतर्संबंध इसे कठिन बना देता है। अपने निष्कर्षों में, मैं एक आभासी मशीन में मजबूत कृत्रिम चेतना की व्यवहार्यता को उचित ठहराने के लिए इन सभी अवधारणाओं को संयोजित करने का प्रयास करता हूं।

सामान्य तौर पर, कृत्रिम चेतना (बाद में एसी के रूप में संदर्भित) को दो भागों में विभाजित किया जाता है: कमजोर एसी और मजबूत एसी। कमजोर एसी "सचेत व्यवहार का अनुकरण" है। इसे एक बुद्धिमान कार्यक्रम के रूप में कार्यान्वित किया जा सकता है जो चेतना पैदा करने वाले तंत्र को समझे बिना एक निश्चित स्तर पर एक सचेत प्राणी के व्यवहार का अनुकरण करता है। एक मजबूत एसी "वास्तविक जागरूक सोच है जो एक परिष्कृत कंप्यूटिंग मशीन (कृत्रिम मस्तिष्क) से आती है।" इस मामले में, इसके प्राकृतिक समकक्ष से मुख्य अंतर उस हार्डवेयर पर निर्भर करता है जो प्रक्रिया उत्पन्न करता है। हालाँकि, क्रिसली जैसे कुछ विद्वान हैं, जो तर्क देते हैं कि एसी के कई मध्यवर्ती क्षेत्र हैं, जिसे वे कृत्रिम चेतना अंतराल कहते हैं।

कंप्यूटिंग नवाचारों के हर साल तेजी से बढ़ने के साथ, उच्च-शक्ति एसी की व्यवहार्यता तेजी से प्रासंगिक होती जा रही है। जैसे-जैसे कृत्रिम बुद्धिमत्ता (इसके बाद एआई के रूप में संदर्भित) विज्ञान कथा के पन्नों से विज्ञान के क्षेत्र की ओर बढ़ रही है, अधिक से अधिक वैज्ञानिक और दार्शनिक इस पर करीब से नज़र डाल रहे हैं। स्टीफन हॉकिंग, एलोन मस्क और बिल गेट्स सहित दुनिया के कई प्रमुख विचारकों ने हाल ही में एक खुले पत्र पर हस्ताक्षर किए हैं जिसमें एआई के उपयोग को जिम्मेदारी से और पूरी मानवता के लाभ के लिए करने का आह्वान किया गया है। यह कथन इस प्रकार की कृत्रिम बुद्धिमत्ता (विशुद्ध बौद्धिक) को संदर्भित नहीं करता है, न ही यह तथाकथित "मशीन प्रश्न" से संबंधित है, जो सवाल उठाता है: "हमें एआई को कैसे प्रोग्राम करना चाहिए?" यानी इसे कौन सा नैतिक सिद्धांत पढ़ाया जाना चाहिए और क्यों?

हालाँकि ये विषय दिलचस्प और बेहद महत्वपूर्ण हैं, लेकिन इन मुद्दों का गहन विश्लेषण प्रदान करने के लिए यहां पर्याप्त समय नहीं है। इस पर अधिक जानकारी के लिए, निक बोस्ट्रोम, माइल्स ब्रुंडेज और जॉर्ज लाजर को देखें, जिनमें से कुछ के नाम हैं।

हम पहले से ही जानते हैं कि एक मशीन बुद्धिमानी से कार्य कर सकती है; और यह समस्याओं को हल करने और समाधान खोजने के लिए तर्क का उपयोग कर सकता है क्योंकि हमने इसे ऐसा करने के लिए प्रोग्राम किया है लेकिन अभूतपूर्व चेतना के लिए मशीन की क्षमता के बारे में संदेह उभरा है और व्यापक है। हम मशीनों से इस मायने में भिन्न हैं कि हमारे पास भावनाएं, अनुभव, स्वतंत्र इच्छा, विश्वास आदि हैं। हालांकि अधिकांश लोग इस बात से सहमत हैं कि हमारे आनुवंशिकी और जीव विज्ञान में एक निश्चित "कार्यक्रम" है, वे निश्चित हैं कि वे अपनी पसंद खुद बना सकते हैं और वह एक कृत्रिम कंप्यूटर प्रोग्राम उनके पहले अद्वितीय व्यक्तिगत व्यक्तिपरक अनुभव को पुन: पेश नहीं कर सकता है।

हालाँकि, यह कथन दिलचस्प नहीं होगा यदि शक्तिशाली एसी का उत्पादन करने में सक्षम मशीन के अस्तित्व की कोई संभावना नहीं होती। मजबूत एसी के साथ संगत चेतना का सबसे उद्धृत सिद्धांत कार्यात्मकता है। इसका मतलब यह है कि चेतना को उसके कार्य से परिभाषित किया जाता है। सिद्धांत रूप में इसे सरल बनाया गया है, लेकिन कुछ प्रकार के कार्यात्मकता भी हैं। यह सिद्धांत एलन ट्यूरिंग, ट्यूरिंग मशीनों और ट्यूरिंग परीक्षण के साथ अपने जुड़ाव के लिए जाना जाता है। व्यवहारवाद के वंशज, वह (कभी-कभी) मन का एक कम्प्यूटेशनल दृष्टिकोण रखते हैं और यह कि कार्य चेतना के सच्चे पैरामीटर हैं। उन्हें कुछ हद तक अभूतपूर्व चेतना, गुणात्मक अवस्थाओं और क्वालिया की व्याख्या करने में विफल रहने के लिए भी जाना जाता है। हालाँकि इस पहेली के कई उत्तर हैं, मैं गुणात्मक अवस्थाओं के एक सत्तामूलक रूप से रूढ़िवादी उन्मूलनवादी दृष्टिकोण के पक्ष में हूँ। जो चीज इसे उन्मूलनवादी बनाती है वह यह है कि मैं दावा करता हूं कि क्वालिया, जैसा कि उन्हें आमतौर पर परिभाषित किया जाता है, अस्तित्व में नहीं हो सकता है। हालाँकि, मैं इस विचार को अस्वीकार करता हूँ कि क्वालिया और गुणात्मक अवस्थाओं के बारे में हमारी सहज समझ गलत है। क्वालिया की अवधारणा को केवल गलत समझा गया है। इन्हें कृत्रिम रूप से बनाया जा सकता है। यह वर्चुअल मशीन की वृहद कार्यात्मकता का एक उप-सिद्धांत है, जिसके अनुसार एक सचेतन प्राणी एक समय में एक विशेष मानसिक अवस्था तक सीमित नहीं होता है, बल्कि हमेशा एक साथ कई अवस्थाओं में रहता है। एक वर्चुअल मशीन में, इसे विभिन्न प्रणालियों और उपप्रणालियों द्वारा समझाया जाता है।

एक नैतिक एजेंट के लिए अंतिम मानदंड (और स्वायत्तता के तीन-स्थिति सिद्धांत के लिए अंतिम आवश्यकता, यानी, उचित रूप से कार्य करना) तर्कसंगतता है। किसी कृत्रिम एजेंट के लिए यह मानदंड संभवतः सबसे कम विवादास्पद है, इसीलिए मैंने इसे अंतिम स्थान पर रखा है। तर्कसंगतता और तर्क लोकप्रिय संस्कृति में कृत्रिम एजेंटों की परिभाषित विशेषताएं हैं। आधुनिक कंप्यूटर और कमजोर AI सिस्टम अपने तर्क के लिए जाने जाते हैं। वे बड़ी गणनाएँ करते हैं और अत्यंत जटिल निर्णय जल्दी और तर्कसंगत रूप से ले सकते हैं। हालाँकि, कृत्रिम एजेंटों की तर्कसंगतता विवाद से रहित नहीं है। जैसा कि पहले देखा गया, सियरल मशीन की वास्तव में सोचने और समझने की क्षमता के बारे में चिंता जताता है, क्योंकि उसका दावा है कि कोई भी वाक्यविन्यास शब्दार्थ के बराबर नहीं हो सकता है। मैंने पहले ही चीनी कमरे और इस समस्या पर अपनी प्रतिक्रिया को कवर कर लिया है, लेकिन मैं एक बार फिर चेतना की बहुरूपी प्रकृति और चेतना के सिद्धांत में क्वालिया और अभूतपूर्व चेतना के लिए लेखांकन के महत्व पर प्रकाश डालना चाहूंगा।

यह उल्लेख किया जाना चाहिए कि स्वायत्त तर्कसंगतता और सामान्य रूप से तर्कसंगतता एक ही चीज़ नहीं हैं। स्वायत्तता के संदर्भ में, तर्कसंगतता आपकी इच्छाशक्ति को स्थापित करने का कार्य है ताकि आप अपनी "पशु प्रवृत्ति" से परे जा सकें और अपने तर्कसंगत नियमों के अनुसार अपना जीवन जी सकें, इसका तात्पर्य कार्य करने से पहले सोचना है। इस संबंध में, आधुनिक कंप्यूटर और कमजोर एआई सिस्टम की तर्कसंगतता स्वायत्त नहीं है। उनके पास कोई विकल्प नहीं है; वे बस वही करते हैं जिसके लिए उन्हें प्रोग्राम किया गया है। कुछ मामलों में, यह ऊपर चर्चा किए गए एल्गोरिदम के नियतात्मक अनुसरण से संबंधित है, क्योंकि इसमें स्वतंत्र विकल्प शामिल है। जैसा कि हमने देखा है, आभासी मशीनें काफी जटिल हो सकती हैं: अभूतपूर्व रूप से जागरूक, गैर-नियतात्मक ("मुक्त"), आंतरिक रूप से जानबूझकर, और संवेदनशील (विश्वासों, इच्छाओं, दर्द और खुशी का अनुभव करने में सक्षम)। लेकिन जब सब कुछ कहा और किया जा चुका है, तब भी यह एक मशीन है। यदि इसे जटिलता के इस स्तर तक पहुंचना है, तो इसे सटीक रूप से, तर्कसंगत रूप से, एल्गोरिदमिक रूप से और वास्तुशिल्प रूप से डिज़ाइन किया गया है, और चेतना के साथ संयुक्त एल्गोरिदम कंप्यूटर की "ठंडी तर्कसंगतता" इसे स्वायत्त रूप से तर्कसंगत बनाती है। इसकी भावनाएं, यानी इसकी भावनाएं, अभूतपूर्व चेतना, दर्द/खुशी का अनुभव करने की क्षमता, और इसलिए इसकी मान्यताएं और इच्छाएं इसे सुखवादी भावनाओं पर काबू पाने और तर्कसंगत और स्वायत्त निर्णय लेने के लिए तैयार करेंगी।

आर्टिफिशियल इंटेलिजेंस (एआई) आज अनुसंधान का एक बहुत ही गतिशील क्षेत्र है। इसकी स्थापना 1950 के दशक में हुई थी और यह आज भी जीवित है। एआई विकास के दौरान, अनुसंधान के विभिन्न तरीकों ने प्रतिस्पर्धा को बढ़ावा दिया है, और नई चुनौतियाँ और विचार सामने आते रहे हैं। एक ओर, सैद्धांतिक विकास का बहुत विरोध है, लेकिन दूसरी ओर, तकनीकी प्रगति ने शानदार परिणाम प्राप्त किए हैं, जो विज्ञान के इतिहास में दुर्लभ है।

एआई और इसके तकनीकी समाधानों का उद्देश्य मशीनों का उपयोग करके मानव बुद्धि को पुन: उत्पन्न करना है। परिणामस्वरूप, इसके शोध की वस्तुएँ भौतिक और आध्यात्मिक क्षेत्रों को ओवरलैप करती हैं, जो काफी जटिल है। बुद्धि की विशेषताएं एआई विकास की घुमावदार प्रकृति को निर्धारित करती हैं, और एआई के सामने आने वाली कई समस्याएं सीधे दर्शन से संबंधित हैं। यह नोटिस करना आसान है कि कई एआई विशेषज्ञों की दर्शनशास्त्र में गहरी रुचि है; इसी तरह, एआई अनुसंधान परिणामों ने भी दार्शनिक समुदाय का बहुत ध्यान आकर्षित किया है।

कृत्रिम बुद्धि के आधुनिक विज्ञान के मौलिक अनुसंधान के रूप में, संज्ञानात्मक अनुसंधान का उद्देश्य मानव मस्तिष्क की चेतना की संरचना और प्रक्रिया को स्पष्ट रूप से समझना है, साथ ही मानव चेतना की बुद्धि, भावना और इरादे के संयोजन के लिए एक तार्किक स्पष्टीकरण प्रदान करना है। , क्योंकि कृत्रिम बुद्धिमत्ता विशेषज्ञ इन चेतना प्रक्रियाओं की औपचारिक अभिव्यक्ति की सुविधा प्रदान करते हैं। मानव चेतना की नकल करने के लिए, कृत्रिम बुद्धिमत्ता को पहले चेतना की संरचना और संचालन को सीखना होगा। चेतना कैसे संभव है? सियरल ने कहा: "यह समझाने का सबसे अच्छा तरीका कि कोई चीज़ कैसे संभव है, यह प्रकट करना है कि यह वास्तव में कैसे मौजूद है।" यह संज्ञानात्मक विज्ञान को कृत्रिम बुद्धिमत्ता के विकास को आगे बढ़ाने की अनुमति देता है। महत्वपूर्ण रूप से, यह सबसे महत्वपूर्ण कारण है कि संज्ञानात्मक मोड़ क्यों आ रहा है। यह दर्शन और संज्ञानात्मक मनोविज्ञान, संज्ञानात्मक तंत्रिका विज्ञान, मस्तिष्क विज्ञान, कृत्रिम बुद्धिमत्ता और अन्य विषयों के बीच सहक्रियात्मक संबंध के कारण है, भले ही भौतिक प्रतीक प्रणाली, विशेषज्ञ प्रणाली, ज्ञान इंजीनियरिंग से लेकर जैविक कंप्यूटर और विकास तक कंप्यूटर विज्ञान और प्रौद्योगिकी कैसे विकसित हो। क्वांटम कंप्यूटर का.

यह दर्शन द्वारा मानव चेतना की संपूर्ण प्रक्रिया और विभिन्न कारकों के ज्ञान और समझ से अविभाज्य है। इससे कोई फर्क नहीं पड़ता कि यह कृत्रिम बुद्धिमत्ता का एक मजबूत या कमजोर स्कूल है, ज्ञानमीमांसीय दृष्टिकोण से, कृत्रिम बुद्धिमत्ता मानव सोच के कुछ कार्यों को अनुकरण करने के लिए भौतिक प्रतीकों की एक प्रणाली पर निर्भर करती है। हालाँकि, मानव चेतना का इसका सच्चा अनुकरण न केवल रोबोट के तकनीकी नवाचारों पर निर्भर करता है, बल्कि चेतना की प्रक्रिया की दार्शनिक समझ और इसे प्रभावित करने वाले कारकों पर भी निर्भर करता है। वर्तमान दृष्टिकोण से, कृत्रिम बुद्धिमत्ता की दार्शनिक समस्या यह नहीं है कि कृत्रिम बुद्धिमत्ता का सार क्या है, बल्कि बौद्धिक मॉडलिंग की कुछ और विशिष्ट समस्याओं का समाधान है।

इरादे के सवाल के संबंध में, क्या किसी मशीन में दिमाग या चेतना हो सकती है? यदि हां, तो क्या यह जानबूझकर लोगों को नुकसान पहुंचा सकता है?

कंप्यूटर जानबूझकर बनाए गए हैं या नहीं, इस पर बहस को इस प्रकार संक्षेप में प्रस्तुत किया जा सकता है:

1. जानबूझकर क्या है? क्या यह जानबूझकर किया गया है कि रोबोट निर्देशों के अनुसार एक निश्चित तरीके से व्यवहार करता है?

   
   

2. लोग कार्य करने से पहले ही जानते हैं कि वे क्या कर रहे हैं। उनमें आत्म-जागरूकता होती है और वे जानते हैं कि उनके कार्यों से क्या होगा। यह मानव चेतना की एक महत्वपूर्ण विशेषता है। तो, हमें यह कैसे समझना चाहिए कि एक रोबोट निर्देशों के अनुसार एक निश्चित तरीके से व्यवहार करता है?

   
   

3. क्या जानबूझकर प्रोग्राम किया जा सकता है?

   
   

   सियरल का मानना है कि "मस्तिष्क जिस तरह से हृदय बनाने के लिए कार्य करता है, वह केवल एक कंप्यूटर प्रोग्राम को संचालित करने का तरीका नहीं हो सकता है"। इसके बजाय, लोगों को पूछना चाहिए: क्या जानबूझकर एक समझदार भावना है? यदि इसे समझा जा सकता है तो इसे प्रोग्राम क्यों नहीं किया जा सकता? सियरल का मानना है कि कंप्यूटर में व्याकरण तो है लेकिन शब्दार्थ नहीं। लेकिन, वास्तव में, व्याकरण और शब्दार्थ एक दो-में-एक मुद्दा है, और वे कभी अलग नहीं होते हैं। यदि कोई प्रोग्राम व्याकरण और शब्दार्थ को एक साथ शामिल कर सकता है, तो क्या हमें व्याकरण और शब्दार्थ के बीच अंतर करने की आवश्यकता है? सियरल का तर्क है कि यदि कोई कंप्यूटर जानबूझकर प्रतिलिपि बनाता है, तो भी प्रतिलिपि मूल नहीं है। वास्तव में, जब हमें मानव अनुभूति और मानव व्यवहार के साथ इसके संबंध की स्पष्ट समझ होती है, तो हमें अपनी मानसिक प्रक्रियाओं और मानव मस्तिष्क के व्यवहार के बीच संबंध को प्रोग्राम करने और उन सभी प्रकार के लोगों को इनपुट करने में सक्षम होना चाहिए जिनके बारे में हम जानते हैं। यह वह जानकारी है जो कंप्यूटर को "सब कुछ जानने" योग्य बनाती है। हालाँकि, क्या हम उस समय वैसा बन सकते हैं जैसा सियरल ने कहा था? क्या कृत्रिम बुद्धिमत्ता बुद्धिमत्ता नहीं है? क्या कृत्रिम बुद्धिमत्ता में कोई इरादा नहीं है और कोई विचार प्रक्रिया नहीं है क्योंकि इसमें मानव प्रोटीन और तंत्रिका कोशिकाओं का अभाव है? क्या जानबूझकर नकल करना "जानबूझकर" है? क्या किसी समझ की नकल करना वास्तविक "समझ" है? क्या विचारों का दोहराव "सोच" है? क्या सोच का दोहराव "सोच" है? हमारा उत्तर यह है कि आधार अलग है, परन्तु कार्य एक ही है। एक ही कार्य को बनाने के लिए विभिन्न आधारों पर भरोसा करते हुए, कृत्रिम बुद्धिमत्ता हमारी मानव बुद्धि को साकार करने का एक विशेष तरीका है। कृत्रिम बुद्धिमत्ता की गहराई को नकारने के लिए सियरल जानबूझकर उपयोग करता है। यद्यपि एक निश्चित आधार है जब कृत्रिम बुद्धि मानव विचारों का अनुकरण कर सकती है, भले ही लोग सोचते हैं कि कृत्रिम बुद्धि और मानव बुद्धि काफी भिन्न हैं, तो हमें लगेगा कि यह अंतर अब प्रासंगिक नहीं है। सियरल का दृष्टिकोण केवल मानव हृदय को फिर से परेशान कर सकता है!

जहाँ तक बुद्धि का सवाल है, क्या मशीनें बुद्धि का उपयोग करके समस्याओं को उसी तरह हल कर सकती हैं जैसे मनुष्य करते हैं? या क्या ऐसी कोई सीमा है जिससे किसी मशीन के पास किसी जटिल समस्या को हल करने की बुद्धि हो सकती है?

लोग अनजाने में तथाकथित छिपी हुई क्षमताओं का उपयोग कर सकते हैं, पोलानी के अनुसार, "लोग जितना व्यक्त कर सकते हैं उससे अधिक जानते हैं"। इसमें साइकिल चलाना और वार्मअप करना, साथ ही उच्च स्तर का व्यावहारिक कौशल शामिल है। दुर्भाग्य से, यदि हम नियमों को नहीं समझते हैं, तो हम कंप्यूटर को नियम नहीं सिखा सकते। यह पोलैनी का विरोधाभास है। इस समस्या को हल करने के लिए, कंप्यूटर वैज्ञानिकों ने मानव बुद्धि को बदलने की कोशिश नहीं की, बल्कि कृत्रिम बुद्धिमत्ता के लिए सोचने का एक नया तरीका विकसित किया - डेटा के माध्यम से सोच।

माइक्रोसॉफ्ट रिसर्च के वरिष्ठ शोध वैज्ञानिक रिच कैरुआना ने कहा, ''आप सोच सकते हैं कि कृत्रिम बुद्धिमत्ता का सिद्धांत यह है कि हम पहले इंसानों को समझते हैं और फिर उसी तरह कृत्रिम बुद्धिमत्ता बनाते हैं, लेकिन ऐसा नहीं है।'' उन्होंने कहा, '' उदाहरण के तौर पर विमानों को लें। इनका निर्माण पक्षियों के उड़ने के बारे में कोई समझ होने से बहुत पहले किया गया था। वायुगतिकी के सिद्धांत अलग थे, लेकिन आज हमारे विमान किसी भी जानवर की तुलना में अधिक ऊंचे और तेज उड़ते हैं।

आज लोग आम तौर पर सोचते हैं कि स्मार्ट कंप्यूटर हमारी नौकरियों पर कब्ज़ा कर लेंगे। इससे पहले कि आप अपना नाश्ता खत्म करें, यह आपका साप्ताहिक कार्यभार पहले ही पूरा कर चुका होगा, और उन्हें ब्रेक नहीं लेना होगा, कॉफी नहीं पीनी होगी, रिटायर होना होगा या यहां तक कि सोने की भी जरूरत नहीं होगी। लेकिन सच्चाई यह है कि, जबकि भविष्य में कई कार्य स्वचालित हो जाएंगे, कम से कम अल्पावधि में, इस नई प्रकार की बुद्धिमान मशीन के हमारे साथ काम करने की संभावना है।

कृत्रिम बुद्धिमत्ता की समस्या पोलानी के विरोधाभास का एक आधुनिक संस्करण है। हम मानव मस्तिष्क के सीखने के तंत्र को पूरी तरह से नहीं समझते हैं, इसलिए हम कृत्रिम बुद्धिमत्ता को एक आंकड़े की तरह सोचने देते हैं। विडंबना यह है कि वर्तमान में हमें इस बात की बहुत कम जानकारी है कि कृत्रिम बुद्धिमत्ता कैसे सोचती है, इसलिए हमारे पास दो अज्ञात प्रणालियाँ हैं। इसे अक्सर "ब्लैक बॉक्स समस्या" के रूप में जाना जाता है: आप इनपुट और आउटपुट डेटा जानते हैं, लेकिन आपको पता नहीं है कि आपके सामने वाला बॉक्स निष्कर्ष पर कैसे पहुंचा। कारुआना ने कहा: "अब हमारे पास दो अलग-अलग प्रकार की बुद्धिमत्ता है, लेकिन हम दोनों को पूरी तरह से नहीं समझ सकते हैं।"

एक कृत्रिम तंत्रिका नेटवर्क में कोई भाषा क्षमता नहीं होती है, इसलिए यह यह नहीं समझा सकता है कि यह क्या कर रहा है और क्यों कर रहा है, और इसमें किसी भी कृत्रिम बुद्धि की तरह ही सामान्य ज्ञान का अभाव है। लोग इस बात से चिंतित हैं कि कुछ एआई ऑपरेशन कभी-कभी लिंगवाद या नस्लीय भेदभाव जैसे सचेत पूर्वाग्रहों को छिपा सकते हैं। उदाहरण के लिए, एक हालिया सॉफ्टवेयर है जिसका उपयोग अपराधियों द्वारा बार-बार अपराध करने की संभावना का आकलन करने के लिए किया जाता है। काले लोगों पर यह दोगुना कठिन है। यदि उन्हें प्राप्त डेटा त्रुटिहीन है, तो उनका निर्णय सही होने की संभावना है, लेकिन अक्सर यह मानवीय पूर्वाग्रह के अधीन होता है।

जहां तक नैतिकता का सवाल है, क्या मशीनें इंसानों के लिए खतरनाक हो सकती हैं? वैज्ञानिक यह कैसे सुनिश्चित कर सकते हैं कि मशीनें नैतिक रूप से व्यवहार करें और मनुष्यों के लिए खतरा पैदा न करें?

वैज्ञानिकों के बीच इस बात पर काफी बहस चल रही है कि क्या मशीनें प्यार या नफरत जैसी भावनाओं को महसूस कर सकती हैं। उनका यह भी मानना है कि इंसानों के पास यह उम्मीद करने का कोई कारण नहीं है कि एआई सचेत रूप से अच्छे और बुरे के लिए प्रयास करेगा। इस बात पर विचार करते समय कि कृत्रिम बुद्धिमत्ता कैसे जोखिम बन जाती है, विशेषज्ञों का मानना है कि दो सबसे संभावित परिदृश्य हैं:

• एआई को विनाशकारी कार्य करने के लिए डिज़ाइन किया गया है: स्वायत्त हथियार कृत्रिम बुद्धिमत्ता प्रणालियाँ हैं जिन्हें मारने के लिए डिज़ाइन किया गया है। यदि ये हथियार दुष्टों के हाथ में पड़ जाएं तो बड़ी आसानी से बड़ी क्षति पहुंचा सकते हैं। इसके अलावा, एआई आयुध दौड़ अनजाने में एआई युद्ध भी भड़का सकती है, जिसके परिणामस्वरूप बड़ी संख्या में लोग पीड़ित होंगे। दुश्मन ताकतों के हस्तक्षेप से बचने के लिए, "बंद" हथियार कार्यक्रमों को बेहद जटिल बनाया जाएगा, और इसलिए ऐसी स्थितियों में मनुष्य भी नियंत्रण खो सकते हैं। हालाँकि यह जोखिम विशेष कृत्रिम बुद्धिमत्ता (संकीर्ण एआई) में भी मौजूद है, यह बुद्धिमान एआई और आत्म-दिशा के उच्च स्तर के साथ बढ़ेगा।

  
  

• एआई को उपयोगी कार्य करने के लिए डिज़ाइन किया गया है, लेकिन इसके द्वारा की जाने वाली प्रक्रिया विघटनकारी हो सकती है: ऐसा तब हो सकता है जब मानव और कृत्रिम बुद्धिमत्ता लक्ष्य अभी तक पूरी तरह से संरेखित नहीं हुए हैं, जबकि मानव और कृत्रिम बुद्धिमत्ता लक्ष्य संरेखण को संबोधित करना कोई आसान काम नहीं है। ज़रा कल्पना करें कि यदि आप सबसे तेज़ गति से आपको हवाई अड्डे तक ले जाने के लिए एक स्मार्ट कार बुलाते हैं, तो यह आपके निर्देशों का सख्ती से पालन कर सकती है, यहां तक कि उन तरीकों से भी जो आप नहीं चाहते हैं: हेलीकॉप्टर द्वारा आपका पीछा किया जा सकता है या तेज़ गति के कारण उल्टी हो सकती है। यदि सुपर-स्मार्ट सिस्टम का उद्देश्य एक महत्वाकांक्षी भू-इंजीनियरिंग परियोजना है, तो इसका दुष्प्रभाव पारिस्थितिकी तंत्र का विनाश हो सकता है, और इसे रोकने के मानव प्रयासों को एक खतरे के रूप में देखा जाएगा जिसे समाप्त किया जाना चाहिए।

  
  

जहां तक संकल्पनात्मकता के मुद्दे की बात है, कृत्रिम बुद्धिमत्ता के वैचारिक आधार के साथ समस्याएं हैं।

कोई भी विज्ञान जो कुछ जानता है उस पर आधारित होता है, और यहां तक कि वैज्ञानिक अवलोकन की क्षमता भी प्रसिद्ध चीजों से जुड़ी होती है। अज्ञात को समझने के लिए हम केवल उस पर भरोसा कर सकते हैं जो हम जानते हैं। ज्ञात और अज्ञात हमेशा विरोधाभासों की जोड़ी होते हैं, और वे हमेशा सह-अस्तित्व में रहते हैं और एक-दूसरे पर निर्भर होते हैं। ज्ञात के बिना, हम अज्ञात को नहीं सीख सकते; अज्ञात के बिना, हम वैज्ञानिक ज्ञान के विकास और विकास को सुनिश्चित नहीं कर सकते। इस बात के बहुत से प्रमाण हैं कि जब लोग वस्तुओं का निरीक्षण करते हैं, तो पर्यवेक्षक को जो अनुभव होता है, वह उनकी आंखों की पुतलियों में प्रवेश करने वाले प्रकाश से निर्धारित नहीं होता है। संकेत न केवल पर्यवेक्षक की रेटिना पर छवि द्वारा निर्धारित किया जाता है। यहां तक कि एक ही वस्तु को देखने वाले दो लोगों को भी अलग-अलग दृश्य प्रभाव मिलेंगे। जैसा कि हेन्सन ने कहा, जब एक पर्यवेक्षक किसी वस्तु को देखता है, तो वह नेत्रगोलक को छूने से कहीं अधिक देखता है। विज्ञान के लिए अवलोकन बहुत महत्वपूर्ण हैं, लेकिन "अवलोकनों के बारे में बयान किसी विशेष सिद्धांत की भाषा में दिए जाने चाहिए"। “टिप्पणियों के बारे में बयान सार्वजनिक विषय हैं और सार्वजनिक भाषा में दिए जाते हैं। उनमें सार्वभौमिकता और जटिलता की अलग-अलग डिग्री के सिद्धांत शामिल हैं। इससे पता चलता है कि अवलोकन के लिए सिद्धांत की आवश्यकता होती है। विज्ञान को एक पूर्ववर्ती के रूप में सिद्धांत की आवश्यकता है, और वैज्ञानिक समझ अज्ञात पर आधारित नहीं है। व्यवसायों में अक्सर अपने व्यवसाय के लिए सर्वोत्तम विकल्पों की समझ की कमी होती है, और कृत्रिम बुद्धिमत्ता के लिए परामर्श सेवाएँ AI के साथ व्यवसाय को आगे बढ़ाने की कोशिश कर रही हैं।

आर्टिफिशियल इंटेलिजेंस के विकास और अनुप्रयोग पर दर्शन का प्रभाव

दृष्टिकोणों में स्पष्ट अंतर के बावजूद, प्रौद्योगिकी (सामान्य तौर पर) और दर्शन में रुचि का एक ही उद्देश्य है: लोग।

प्रौद्योगिकी विकास का उद्देश्य रोजमर्रा की जिंदगी में एक विशिष्ट व्यावहारिक समस्या को हल करना है और इस प्रकार निकट भविष्य में मानवता के लिए इसकी उपयोगिता बढ़ाना है। लेकिन ज्यादातर मामलों में, तकनीकी विकास का दायरा उन व्यावहारिक और वर्तमान समस्याओं से आगे नहीं बढ़ता है जिनका वह समाधान करता है। यदि समस्या को तकनीकी रूप से हल किया जा सकता है तो ऐसा करने की कोई आवश्यकता ही नहीं है। प्रौद्योगिकी हमेशा एक लक्ष्य का पीछा करती है: उपयोगी होना। ऐसा लगता है कि यह एक विशुद्ध रूप से वाद्य दृष्टिकोण है (एम. तादेदेव और एल. फ्लोरिडी, "कैसे एआई अच्छे के लिए एक ताकत हो सकता है," विज्ञान, अगस्त 2018) जो शायद ही कभी अपने उत्पादों के दुष्प्रभावों की परवाह करता है।

इसके विपरीत, दर्शन न केवल वर्तमान मुद्दों और मानव अस्तित्व के व्यावहारिक पहलुओं से संबंधित है। किसी विशेष विषय पर व्यापक संभव दृष्टिकोण बनाने के लिए, दार्शनिक विश्लेषण न केवल अध्ययन की वस्तु की जांच करता है बल्कि इसके नैतिक निहितार्थ और मानवीय मामलों पर अन्य संभावित प्रभावों की भी जांच करता है। इसका एक भाग मूल्यों के उद्भव, विकास और प्रकृति का अध्ययन है। इसलिए, किसी विशेष मूल्य प्रणाली में परिवर्तन खोजने के लिए सामान्य स्थितियों और वर्तमान घटनाओं का सावधानीपूर्वक विश्लेषण और आलोचना करना दर्शन के क्षेत्र में मुख्य कार्य है।

दर्शन और प्रौद्योगिकी: विरोधाभास या सहजीवन?

संक्षेप में, दर्शन आमतौर पर नए मुद्दों और समस्याओं को उठाता है, जबकि प्रौद्योगिकी, विशेष रूप से एआई का उद्देश्य स्वाभाविक रूप से विशिष्ट और मौजूदा समस्याओं को हल करना है। इसे देखते हुए, इन दोनों क्षेत्रों के बीच सहजीवन पहली नज़र में विरोधाभासी लगता है।

हालाँकि, अधिक से अधिक नए प्रश्न पूछकर और प्रस्तावित तकनीकी समाधानों की आलोचना करके, विशेष रूप से सटीक दार्शनिक तरीके से अंतर्निहित समस्या की जांच करके, प्रौद्योगिकी दीर्घकालिक और अधिक विस्तृत समाधान प्रदान कर सकती है। दर्शनशास्त्र इस प्रत्याशित प्रक्रिया के लिए उपकरण प्रदान करता है, जैसे तार्किक विश्लेषण, नैतिक और नैतिक परीक्षण, और सही प्रश्न पूछने के लिए एक गहरी पद्धति। इसे परिप्रेक्ष्य में रखें: एआई काम के भविष्य को कैसे प्रभावित करेगा?

यह निश्चित रूप से नई प्रौद्योगिकियों के दूरदर्शी विकास का पूरक है। जब विकास प्रक्रिया समस्या और प्रस्तावित तकनीकी समाधान दोनों के यथासंभव संभावित परिणामों को ध्यान में रखती है, तो भविष्य की समस्याओं को स्थायी तरीके से हल किया जा सकता है। यह सब तकनीक के उपसमूह के रूप में कृत्रिम बुद्धिमत्ता पर लागू होता है, जिसे अब "बुद्धिमान मशीनें, विशेष रूप से बुद्धिमान सॉफ़्टवेयर बनाने का विज्ञान और प्रौद्योगिकी" ("मशीन के करीब: एआई के तकनीकी, सामाजिक और कानूनी पहलू") के रूप में परिभाषित किया जाना चाहिए। , विक्टोरियन सूचना आयुक्त का कार्यालय, टोबी वॉल्श, केट मिलर, जेक गोल्डनफिन, फैंग चेन, जियानलॉन्ग झोउ, रिचर्ड नॉक, बेंजामिन रुबिनस्टीन, मार्गरेट जैक्सन, 2019)।

लेकिन कृत्रिम बुद्धिमत्ता और दर्शन के बीच का संबंध कहीं अधिक दूरगामी है।

एआई और दर्शन: एक विशेष संबंध

कृत्रिम बुद्धि और दर्शन के बीच अद्वितीय संबंध को कंप्यूटर वैज्ञानिक जॉन मैक्कार्थी पहले ही उजागर कर चुके हैं। यद्यपि दर्शन सामान्य रूप से सभी तकनीकी विज्ञानों का पूरक है, यह एक विशेष अनुशासन के रूप में कृत्रिम बुद्धिमत्ता के लिए भी महत्वपूर्ण है और क्षेत्र के लिए एक मौलिक पद्धति प्रदान करता है।

दार्शनिकों ने एआई की कुछ बुनियादी अवधारणाएँ विकसित की हैं। उदाहरणों में शामिल हैं "...उन विशेषताओं का अध्ययन जो एक कलाकृति में बुद्धिमान माने जाने के लिए होनी चाहिए" ("औद्योगिक क्रांतियाँ: औद्योगिक दुनिया में 4 मुख्य क्रांतियाँ," सेंट्रियो, फरवरी 23, 2017) , या प्राथमिक तर्कसंगतता की अवधारणा, जो दार्शनिक प्रवचन से भी उभरी।

इस संदर्भ में अधिक दिलचस्प बात यह है कि कृत्रिम बुद्धिमत्ता के विकास को निर्देशित करने और हमारे जीवन में इसके एकीकरण को व्यवस्थित करने के लिए दर्शन की आवश्यकता है, क्योंकि यह न केवल तुच्छ प्रौद्योगिकियों से संबंधित है, बल्कि पूरी तरह से नए और अज्ञात नैतिक और सामाजिक मुद्दों से भी संबंधित है।