यह पाया गया है कि अधिकांश शोधकर्ता अपने AI को पढ़ाने के लिए उपयोग किए गए सोर्स कोड की रिपोर्ट नहीं करते हैं जो अन्य वैज्ञानिकों को परेशान कर रहा है क्योंकि वे परिणामों को दोहरा नहीं सकते और आगे काम नहीं कर सकते।
सीधे शब्दों में कहें, तो आर्टिफिशियल इंटेलिजेंस का उभरता हुआ क्षेत्र प्रतिकृति संकट से जूझ रहा है। यह कुछ लोगों के लिए सामान्य लग सकता है, लेकिन AI उत्साही लोगों के लिए, यह किसी आपदा से कम नहीं है। लेकिन हमें शोध की प्रतिकृति या बैकट्रैकिंग की आवश्यकता क्यों है? अधिक जानने के लिए आगे पढ़ें!
प्रतिकृति क्या है?
एक प्रक्रिया जिसमें एक शोधकर्ता अनुसंधान के मॉडल/सॉफ्टवेयर/एल्गोरिदम या किसी भी सामग्री को बैकट्रैक कर सकता है, उसे प्रतिकृति के रूप में जाना जाता है। AI का क्षेत्र एक अपवाद बनता जा रहा है क्योंकि पेशेवरों के लिए ऐसा करना एक कठिन कार्य होता जा रहा है। बैकट्रैकिंग के बिना हम फंस सकते हैं!
बैकट्रैकिंग इतना महत्वपूर्ण क्यों है?
लोकप्रिय धारणा के विपरीत, प्रतिकृति के अपने फायदे हैं। आप आसानी से परिणामों तक पहुंचकर उन्हें सत्यापित कर सकते हैं या प्रतिमान में बदलाव का प्रस्ताव कर सकते हैं। इसने उन लोगों के लिए अद्भुत काम किया है जो स्वचालन के क्षेत्र में शोध कर रहे थे क्योंकि वे आसानी से उपयोग की जाने वाली मशीनों को संशोधित कर सकते थे और उन्हें बेहतर बनाने के लिए अपग्रेड कर सकते थे।
तो, अगर आप हमसे पूछें कि क्या AI पर अध्ययनों को दोहराना संभव है, तो हम कहेंगे, "नहीं आप नहीं कर सकते।"
शोधकर्ता आमतौर पर सोर्स कोड साझा नहीं करते हैं। निकोलस रूगियर के अनुसार, (फ्रांस के नेशनल इंस्टीट्यूट फॉर रिसर्च इन कंप्यूटर साइंस एंड ऑटोमेशन में एक कम्प्यूटेशनल न्यूरोसाइंटिस्ट), क्षेत्र के बाहर के लोग मान सकते हैं कि कुछ सख्त नियम हैं जो वांछित परिणाम दे सकते हैं, लेकिन जो लोग इस पर काम कर रहे हैं वे वास्तविक संघर्ष जानते हैं। हालांकि, हम किसी को सोर्स कोड साझा न करने के लिए दोष देने की स्थिति में नहीं हैं क्योंकि वे किसी कंपनी के कॉपीराइट का विषय हो सकते हैं या कभी-कभी, शोधकर्ता इस क्षेत्र में किसी भी विकास को प्रस्तुत करने वाला पहला व्यक्ति बनना चाहता है। लेकिन चीजें काफी जटिल हो जाती हैं जब सॉफ्टवेयर या मशीन मशीन लर्निंग एल्गोरिदम द्वारा संचालित होती है। क्योंकि ये मशीनें अनुभवों और अन्य सिमुलेशन के माध्यम से सीखती हैं, आपको कभी भी अन्य मशीनों जैसा कुछ नहीं मिलेगा। तो, यहां तक कि दुर्लभ से दुर्लभ मामले में, यदि आपको सोर्स कोड मिल जाता है, तो आप वांछित परिणाम कभी प्राप्त नहीं कर पाएंगे जब तक कि आपने अपनी मशीन को इसी तरह प्रशिक्षित नहीं किया है।
यह कमोबेश एक काल्पनिक स्थिति है क्योंकि आप कभी भी उस पद्धति पर अपना हाथ नहीं जमा पाएंगे जिसका उपयोग पहले मशीन को प्रशिक्षित करने के लिए किया गया था! हम पर भरोसा करें जब हम यह कहते हैं, लेकिन किसी के पास एल्गोरिदम को हर संभव स्थिति में परीक्षण करने का समय नहीं है, या दस्तावेज़ में परिभाषित नमूना स्थान। यह उन कारणों में से एक है कि AI परियोजनाओं को पारंपरिक मशीनों या परियोजनाओं की तुलना में डिजाइन और विकसित करने में अधिक समय लगता है।
इस तथ्य से इनकार नहीं किया जा सकता कि हमें इस संस्कृति को बदलने की जरूरत है क्योंकि इसके बिना तेजी से बढ़ना एक दूर का सपना बना रहेगा!
क्या यह तरीका इष्टतम है?
पेशेवर कहते हैं कि इसे गुप्त रखने की जरूरत है या केवल चुनिंदा कुछ लोगों के साथ साझा किया जाना चाहिए ताकि हमारी सुरक्षा और अस्तित्व खतरे में न पड़े! लेकिन हम कैसे जानेंगे कि जिन लोगों के साथ सोर्स कोड साझा किया गया है, वे इसका दुरुपयोग नहीं करेंगे? यदि आप सोच रहे हैं कि आप इसके लिए एक मशीन लर्निंग एल्गोरिदम डिजाइन कर सकते हैं, तो आपको पता होना चाहिए कि यह अभी तक उस स्तर तक नहीं पहुंचा है। और इसलिए, आप मानव व्यवहार का पता लगाने के लिए किसी एल्गोरिदम पर भरोसा नहीं कर सकते।
अब क्या किया जाना चाहिए?
हम सोच सकते हैं कि इन अवधारणाओं के बारे में खुला होने से हंगामा कम होगा, लेकिन इस विश्वास के विपरीत, यह किसी आपदा से कम नहीं होगा। आतंकवादी और अस्वस्थ दिमाग रिवर्स इंजीनियर करेंगे और इसे बड़े पैमाने पर विनाश के लिए उपयोग करेंगे। हम बस यह सिफारिश कर सकते हैं कि चिकित्सा उद्योग की तरह एल्गोरिदम के परीक्षण के लिए एक बोर्ड बनाया जाए। वे दवा की संरचना तब तक जारी नहीं करते जब तक कि इसका परीक्षण और अनुमोदन नहीं हो जाता। अगर कृत्रिम बुद्धिमान मशीनों के साथ भी ऐसा ही किया जाता है तो चीजें उतनी भयानक नहीं होंगी जितनी भविष्यवाणी की गई है।
हम पहल भी कर सकते हैं और मालिकाना कानूनों के पीछे छिपने के बजाय, मिलकर काम करना फलदायी होगा। निष्कर्ष में, हमें यह नहीं भूलना चाहिए कि मशीनें पक्षपाती नहीं हैं और अगर "निर्णय दिवस" की प्रतीक्षा की जा रही है, तो हम सभी जोखिम में हैं। मिलकर काम करना और पर्यवेक्षित शिक्षण ही हमारी एकमात्र सहायता है।
निष्कर्ष
हम अध्ययनों को दोहरा नहीं सकते, लेकिन मशीनें ऐसा कर सकती हैं। 2017 के अंत में, हमने देखा कि एक AI ने अपनी तरह का एक और निर्माण करने में मदद की। यह AI-संचालित मशीन AutoML के नाम से एक परियोजना थी, जिस पर Google काम कर रहा था, और इसलिए इसने AI उद्योग के लिए अगला बड़ा कदम चिह्नित किया। किया गया विकास जश्न मनाने लायक है, लेकिन ऐसा करते समय हम एक महत्वपूर्ण तथ्य को नजरअंदाज कर रहे हैं, कि चूंकि विकास स्वचालित है, सॉफ्टवेयर मनुष्यों के लिए समझने के लिए कहीं अधिक जटिल होता जा रहा है।
यदि ऐसा ही जारी रहा, तो हम उस दिन से दूर नहीं हैं जब मशीनें मानवीय इनपुट के बिना खुद को बनाएंगी। क्या यह खतरनाक है? हमें ऐसा लगता है! क्या होगा अगर हम बैकट्रैकिंग में व्यस्त हैं और मशीनें अपने क्लोन बनाना शुरू कर दें! अपनी आंखें खुली रखें दोस्तों!
यदि आप अन्यथा सोचते हैं, या इस विषय पर कुछ विचार हैं जो साझा करने लायक हैं, तो उन्हें नीचे कमेंट सेक्शन में छोड़ दें!
