वॉशिंग्टन : वृत्तसंस्था
कृत्रिम बुद्धिमत्ता (एआय) सध्या ज्या पद्धतीने विकसित केली जात आहे, त्यावरून ती मानवी बुद्धिमत्तेइतकी प्रभावी होईल, असे मानणे अवास्तव असल्याचे तज्ज्ञांचे मत आहे. अलीकडेच झालेल्या एका सर्वेक्षणात ४७५ एआय संशोधकांपैकी ७६ टक्के जणांनी असे मत व्यक्त केले की, मोठ्या भाषा मॉडेल्स अधिक प्रमाणात विकसित करून कृत्रिम सर्वसामान्य बुद्धिमत्ता मिळवणे ‘असंभाव्य’ किंवा ‘अतिशय अशक्य’ आहे. ‘एजीआय’ ही अशी अवस्था आहे, जिथे यंत्रमानव मानवी बुद्धिप्रमाणे किंवा त्याहून अधिक प्रभावीपणे शिकू शकतो.
२०२२ मध्ये जेव्हा जनरेटिव्ह एआय चा मोठा विस्तार झाला, तेव्हापासून अनेक तंत्रज्ञान कंपन्या असा दावा करत होत्या की, एआयला फक्त अधिक डेटा, हार्डवेअर, ऊर्जा आणि पैसा मिळाला तर ती मानवी बुद्धिमत्तेपेक्षा श्रेष्ठ होईल. मात्र, अलीकडच्या काही एआय मॉडेल्सच्या मर्यादित प्रगतीमुळे तज्ज्ञांना वाटते की, तंत्रज्ञान कंपन्या एका ठराविक मर्यादेपर्यंत पोहोचल्या आहेत आणि केवळ पैसे टाकून त्यांना पुढे जाता येणार नाही.
कॅलिफोर्निया विद्यापीठाच्या स्टुअर्ट रसेल यांनी ‘जीपीटी-४’ च्या प्रकाशनानंतर लवकरच हे स्पष्ट झाले की, केवळ विस्तारामुळे मिळणारे फायदे मर्यादित आणि खर्चिक आहेत. एआय कंपन्यांनी आधीच खूप मोठी गुंतवणूक केली आहे, त्यामुळे त्या चुकीचे ठरल्याचे कबूल करू शकत नाहीत. त्यामुळे त्यांना आणखी गुंतवणूक करून प्रयत्न करणे हाच पर्याय दिसत आहे, असे सांगितले. ‘एआय’च्या मोठ्या सुधारणा प्रामुख्याने ट्रान्स्फॉर्मर आर्किटेक्चरमुळे शक्य झाल्या आहेत. ही एकप्रकारची डीप लर्निंग प्रणाली आहे, जी २०१७ मध्ये ‘गुगल’च्या शास्त्रज्ञांनी विकसित केली होती. ती मानवी इनपुटवर आधारित प्रशिक्षण घेऊन शिकते आणि प्रतिसादाची अचूकता सुधारते.
मात्र, या प्रणालींचा अधिक विस्तार करण्यासाठी प्रचंड प्रमाणात ऊर्जा आणि निधी लागतो. २०२४ मध्येच जनरेटिव्ह एआय क्षेत्राने ५६ डॉलर्स अब्ज इतकी भांडवली गुंतवणूक आकर्षित केली. यातील बहुतांश रक्कम मोठे डेटा सेंटर्स उभारण्यासाठी वापरण्यात आली, ज्यामुळे २०१८ पासून या क्षेत्राच्या कार्बन उत्सर्जनात तिपटीने वाढ झाली आहे. तसेच, मानवी इनपुटवर आधारित डेटा मर्यादित असल्याने, तो येत्या काही वर्षांत संपुष्टात येण्याची शक्यता आहे. त्यामुळे भविष्यात गोपनीयता धोक्यात येऊ शकते किंवा एआय स्वत:च तयार केलेला ‘सिंथेटिक’ डेटा स्वत:मध्ये पुनर्प्रक्रिया करून चुका वाढवू शकतो, ज्यामुळे संपूर्ण प्रणालीवर विपरीत परिणाम होऊ शकतो.
