बृहत् आदर्शाः मानववत् चिन्तयितुं शिक्षितुं आरब्धाः सन्ति एजीआई-मार्गः कुत्र अस्ति ?
2024-09-18
한어Русский языкEnglishFrançaisIndonesianSanskrit日本語DeutschPortuguêsΕλληνικάespañolItalianoSuomalainenLatina
मासद्वयात् पूर्वं बृहत्प्रतिमानानाम् दुर्बलगणितीयक्षमतायाः समस्या व्यापकं ध्यानं आकर्षितवती अस्ति यत् विपण्यां बहवः बृहत्प्रतिमानाः "कः बृहत्तरः, ९.११ वा ९.९" इति सरलस्य गणितीयप्रश्नस्य उत्तरं अपि न दातुं शक्नुवन्ति । मासद्वयानन्तरं उद्योगः क्रमेण बृहत्प्रतिमानानाम् गणितीयक्षमतायां सीमायाः समस्यायाः समाधानं कुर्वन् अस्ति ।
१३ सितम्बर् दिनाङ्के प्रातःकाले बीजिंगसमये ओपनएआइ इत्यनेन सूचनां विना नूतना तर्कमाडलश्रृङ्खला प्रकाशिता, यत्र त्रयः मॉडलाः सन्ति: o1-preview, o1 तथा o1-mini इति एषः openai इत्यस्य दीर्घकालीनः “strawberry project” इति उन्नततर्कक्षमतायुक्तः अस्ति । ओपनएआइ इत्यस्य अनुसारं नूतना मॉडल् श्रृङ्खला आँकडानां कोडिंग् च उत्तमं प्रदर्शनं कृतवती, अन्तर्राष्ट्रीयगणितीयओलम्पियाड् (imo) योग्यतापरीक्षायां ८३% अंकं प्राप्तवती
गणितीयक्षमतानां सीमां भङ्गयितुं openai एकः एव नास्ति । गूगल डीपमाइण्ड्-दलेन पूर्वमेव आल्फा-प्रणाली अल्फाप्रूफ् इति अपि प्रारब्धम् अस्ति, यस्य उपयोगः जटिलगणितीयसमस्यानां समाधानार्थं भवति ।
गणितीयक्षमतायाः सीमां भङ्गयितुं एआइ-प्रौद्योगिक्याः विकासे एजीआई (कृत्रिमसामान्यबुद्धिः) इत्यस्य मार्गे च नूतनं सोपानम् अस्ति कोवेन्ट्री विश्वविद्यालयस्य प्राध्यापकः एनवीडिया इत्यस्य कृत्रिमबुद्धिप्रौद्योगिकीकेन्द्रस्य वैश्विकनिदेशकः च सिमोन सी इत्यस्य मते एआइ गणितीयक्षमतासु सुधारं कर्तुं उद्योगस्य प्रयत्नाः अन्यप्रौद्योगिकीभिः सह एलएलएम (बृहत् भाषाप्रतिरूपं) संयोजयितुं प्रयत्नाः सन्ति एजीआई (कृत्रिम सामान्य बुद्धि)।
गणितक्षमतासीमानां समाधानं कथं करणीयम् ?
"जटिलतर्ककार्यस्य कृते एषा प्रमुखा उन्नतिः अस्ति तथा च कृत्रिमबुद्धिक्षमतानां नूतनस्तरस्य प्रतिनिधित्वं करोति ।" ओपनएआई-सङ्घस्य मुख्याधिकारी सैम आल्टमैन् इत्यनेन सामाजिकमञ्चेषु अपि उक्तं यत् नूतनं प्रतिरूपं नूतनप्रतिमानस्य आरम्भः अस्ति, अर्थात् एआइ सामान्यजटिलतर्कं कर्तुं शक्नोति।
अस्याः आदर्शश्रृङ्खलायाः महत्त्वपूर्णं गणितीयक्षमता वर्धिता अस्ति । ओपनएआइ इत्यनेन परिचयः कृतः यत् नूतनानां मॉडल्-श्रृङ्खलानां अद्यतनं प्रदर्शनं भौतिकशास्त्रे, रसायनशास्त्रे, जीवविज्ञाने च चुनौतीपूर्णानि बेन्चमार्क-कार्यं सम्पन्नं कुर्वन्तः डॉक्टरेट्-छात्राणां सदृशम् अस्ति अन्तर्राष्ट्रीय-गणितीय-ओलम्पियाड् (imo) योग्यता-परीक्षायां gpt-4o इत्यनेन केवलं १३% सम्यक् समाधानं कृतम् प्रश्नानाम्, यदा तु नूतनं प्रतिरूपं ८३% अंकं प्राप्तवान् ।
नूतनं प्रतिरूपं कथं उत्तमं गणितं प्रोग्रामिंगक्षमतां च प्राप्तुं शक्नोति इति विषये openai इत्यनेन परिचयः कृतः यत् कम्पनी बृहत्-परिमाणस्य सुदृढीकरण-शिक्षण-एल्गोरिदम् इत्यस्य उपयोगं करोति यत् मॉडलं "शिक्षणं" करोति यत् दत्तांशं कुशलतया प्रशिक्षिते सति कुशलतया चिन्तयितुं चिन्तन-शृङ्खलानां उपयोगं कर्तुं मॉडलं करोति, यथा मनुष्याः क कठिनप्रश्नानां उत्तरं दातुं बहुकालं यावत् समयः, यथा यथा सुदृढीकरणशिक्षणं वर्धते तथा च चिन्तनसमयः वर्धते तथा तथा o1 कार्यप्रदर्शने निरन्तरं सुधारः भवति। openai शोधकः noam brown उक्तवान् यत् o1 बृहत् मॉडल स्केलिंग् (scaling) कृते नूतनं आयामं उद्घाटयति, येन बृहत् मॉडल् पूर्वप्रशिक्षणस्य अटङ्कस्य अधीनाः न भवन्ति, अधुना अनुमानगणनायाः अपि विस्तारं कर्तुं शक्नुवन्ति वर्धितानां तर्कक्षमतानां भूमिकायाः विषये ओपनएआइ इत्यनेन उक्तं यत् चिकित्सासेवाक्षेत्रे कोशिकाक्रमणदत्तांशस्य टिप्पणीं कर्तुं भौतिकसंशोधनक्षेत्रे जटिलगणितीयसूत्राणि च जनयितुं तस्य उपयोगः कर्तुं शक्यते
गूगल डीपमाइण्ड् एलएलएम इत्यस्य अतिरिक्तं अन्यप्रौद्योगिकीनां संयोजनेन एआइ प्रणाल्याः अन्तिमप्रदर्शनं वर्धयति । अल्फाप्रूफ् अपि सुदृढीकरणशिक्षणस्य आधारेण गणितीयतर्कस्य प्रणाली अस्ति । प्रणाल्याः प्रशिक्षितभाषाप्रतिरूपं alphazero सुदृढीकरणशिक्षण एल्गोरिदम् इत्यनेन सह संयोजयित्वा lean प्रोग्रामिंगभाषां सिद्धयितुं स्वयमेव प्रशिक्षितवती, प्रमेयानां सत्यापनार्थं सहायतार्थं प्रयुक्ता प्रोग्रामिंगभाषा गूगलस्य अनुसारं गणितीयतर्कस्य प्रमाणानां विषये लीनः प्रणालीं सम्यक्त्वं सत्यापयितुं समर्थयति । यदा समस्यायाः सम्मुखीभवति तदा alphaproof अभ्यर्थीसमाधानं जनयति ततः सिद्धयितुं वा असत्यं कर्तुं वा सम्भाव्यप्रमाणपदार्थानाम् अन्वेषणं करोति ।
तकनीकीसिद्धान्ताः समानाः सन्ति वा इति न कृत्वा, alphaproof तथा openai o1 पूर्वमाडलस्य तुलने गभीरं चिन्तयितुं प्रवृत्ताः सन्ति, तथा च केवलं llm इत्यस्य पूर्वानुमानं कर्तुं शीघ्रं अग्रिमटोकनं (शब्दतत्त्वं) जनयितुं च क्षमतायां न अवलम्बन्ते
एजीआई कथं गन्तव्यम् ?
पूर्वं एकः बृहत् मॉडल् विकासकः पत्रकारैः अवदत् यत् बृहत् मॉडल् इत्यस्य दुर्बलगणितीयक्षमतायाः एकं कारणं अस्ति यत् मॉडलस्य प्रशिक्षणार्थं उच्चगुणवत्तायुक्तानां गणितीयदत्तांशस्य बृहत् परिमाणस्य उपयोगः न भवति यथा यथा दत्तांशस्य गुणवत्ता सुधरति तथा तथा दुर्बलगणितीयस्य समस्या भवति क्षमता समाधानं कर्तुं शक्यते। परन्तु प्रशिक्षणदत्तांशस्य कारणस्य अतिरिक्तं उद्योगविश्लेषकाः वदन्ति यत् एलएलएमस्य दुर्बलगणितक्षमता अपि अस्ति यतोहि अग्रिमस्य टोकनस्य पूर्वानुमानस्य पद्धतिः वास्तवतः स्मार्टः नास्ति अद्यतनप्रवृत्तिभ्यः न्याय्यं चेत्, openai, google deepmind च सहितः उद्योगः ai प्रणालीनां संचालनतन्त्रात् दुर्बलगणितस्य तर्कक्षमतायाः च समस्यायाः समाधानं कुर्वन् अस्ति वस्तुतः एलएलएम-सञ्चालनपद्धतीनां दोषाणां पूरणार्थं विविधप्रौद्योगिकीनां उपयोगं कुर्वन् अस्ति , किञ्चित्पर्यन्तं एल.एल.एम.
एलएलएम-क्षमतायाः सीमानां विषये, गणितीयक्षमता इत्यादीनां समस्यानां समाधानं कथं करणीयम्, विद्यमानस्य एलएलएम-तः एजीआई-पर्यन्तं कथं गन्तव्यम् इति विषये अद्यापि उद्योगः मूलकारणानां समाधानस्य च विषये चर्चां कुर्वन् अस्ति तथा कृत्रिमबुद्धिप्राधिकरणे gain summit विश्वकृत्रिमबुद्धिशिखरसम्मेलने चर्चा कृता। शिखरसम्मेलने सिमोन सी इत्यनेन उक्तं यत् वर्तमानस्य कृत्रिमबुद्धिः "संकीर्णा" अस्ति । अद्यापि बहवः समस्याः सन्ति येषां समाधानं करणीयम्, यथा असीमितशक्तिः प्रदातुं न शक्यते इति कारणेन बृहत्तराणि बृहत्तराणि च आदर्शानि निर्मातुं असमर्थता
"अधुना अस्माकं समीपे बृहत् परिमाणं दत्तांशः अस्ति। एकदा आदर्शः पर्याप्तरूपेण प्रशिक्षितः भवति तदा क्षमताः उद्भवन्ति। मम मते एकस्मिन् प्रौद्योगिक्याः उपरि अवलम्बनं सम्भवं नास्ति। वर्तमानकाले उद्योगः यस्मिन् दिशि कार्यं करोति तस्मिन् दिशि अन्यज्ञानेन सह एलएलएम-संयोजनं तथा च प्रौद्योगिकीः यथा नवीनाः प्रतीकाः गणितीयप्रमाणानां कृते प्रयुक्तम् । एलएलएम विविधप्रौद्योगिकीनां संयोजनेन एआइ-प्रणाल्याः एजीआई-पर्यन्तं नेतुम् सम्भाव्यशक्तिं ददाति ।
आल्फा इन्टेलिजेन्स कैप्टल् इत्यस्य सहसंस्थापकः प्रबन्धकः च एण्टोनी ब्लोण्डो इत्यपि मन्यते यत् यन्त्राणि अन्ते मनुष्याणाम् अपेक्षया उत्तमाः भविष्यन्ति इति पूर्वनिर्णयः अस्ति, परन्तु एतत् परिणामं प्राप्तुं किञ्चित् समयः स्यात्, अद्यापि च बहु वैज्ञानिकं कार्यं वर्तते कार्यं कर्तव्यम् । सः न्यायं कृतवान् यत् एआइ एकं प्रतिरूपं न भविष्यति, अपितु बहुविधमाडलस्य संयोजनं भवितुम् अर्हति यन्त्रम् अन्ते मनुष्याणां इव वास्तविकजगति अवलोकनं, सिद्धं वा खण्डनं, सामान्यीकरणं, शिक्षितुं च शिक्षिष्यति।
एलएलएम इत्यस्य वर्तमानतन्त्रस्य सीमानां च विषये एण्टोनी ब्लोण्डो इत्यस्य मतं यत् मानवाः जीवनात् शिक्षन्ते, यस्य ९५% भागः "ध्वनियुक्तेभ्यः विडियोभ्यः" शिक्ष्यते, अस्माकं जीवनस्य सारः मूलतः "वीडियो चालूकरणम्" अस्ति, अन्ये ५ च % इति पुस्तकादिपाठात् । मनुष्याः भिडियोतः अर्थशास्त्रं ज्ञास्यन्ति यथा पञ्च अङ्गुलीः दृश्यन्ते तदा तस्य अर्थः अस्ति यत् एषः मानवः अन्यः वा पशुः भवितुम् अर्हति मनुष्याः अपि भिडियोतः समयस्य घटनायाः च क्रमं कारणं प्रभावं च अवगमिष्यन्ति। परन्तु यदा यन्त्रं विडियोतः शिक्षते तदा तस्य कार्यं अग्रिमपिक्सेलस्य पूर्वानुमानं भवति, यत् मानवीयमार्गः नास्ति । यदि वयं यन्त्राणि मनुष्यवत् शिक्षितुं न शक्नुमः तर्हि यन्त्राणां कृते उच्चतरबुद्धिस्तरं प्राप्तुं कठिनं भविष्यति।
एलेक्स स्मोला, एकः सुप्रसिद्धः मशीन लर्निंग वैज्ञानिकः तथा च बृहत् मॉडल् स्टार्टअप बोसोन् एआइ इत्यस्य संस्थापकः मुख्यकार्यकारी च एलएलएम-सञ्चालनस्य सीमाः टोकन-अनुमानेन अपि सम्बद्धाः सन्ति इति दर्शितवान् सः अवदत् यत् एलएलएम इत्यस्य अग्रिमस्य टोकनस्य (शब्दतत्त्वस्य) पूर्वानुमानस्य क्षमता चित्राणि, ध्वनयः, ध्वनयः च अवगन्तुं प्रयुक्ता अस्ति, विगत १२ मासेषु सर्वं टोकनरूपेण जातम् इव दृश्यते।
"किञ्चित्पर्यन्तं वयं उपलब्धानां टोकनानाम् संख्यां क्षीणं कर्तुं आरब्धाः। एकः रूक्षः अनुमानः अस्ति यत् १०० खरबं टोकनाः भवितुम् अर्हन्ति, ये टोकनाः भवितुम् अर्हन्ति येषां उपयोगेन मानवाः एलएलएम-निर्माणार्थं शक्नुवन्ति। अद्यापि बहवः वीडियो-श्रव्य-आपूर्तिः सन्ति, some kind of यथावत् एतत् क्रीडायां आगमिष्यति, एतत् एनवीडिया अथवा अन्यकम्पनीषु अपि निर्भरं भवति ये एतान् मोड्स् सम्भालितुं शक्नुवन्ति एलेक्स स्मोला इत्यनेन उक्तं यत् निकटभविष्यत्काले एलएलएम इत्यस्य मूलं अनुक्रमप्रतिरूपणं (अनुक्रमप्रतिरूपणं) भवितुम् अर्हति । , यत् अधुना दत्तांशं द्रष्टुं शक्नोति , हार्डवेयर-समागमः, संभाव्यता-प्रतिरूपाः च समानसंरचनानां प्रति विकसिताः सन्ति ।
प्रौद्योगिकीप्रगतेः संयोजनेन भविष्यं च दृष्ट्वा एण्टोनी ब्लोण्डो इत्यस्य मतं यत् एजीआई इत्यस्य साक्षात्कारः १० वा २० वर्षाणाम् अन्तः भवितुम् अर्हति, अधुना विकासस्य गतिः अतीव द्रुतगतिः अस्ति सिमोन सी इत्यस्य मतं यत् एजीआई-पर्यन्तं गन्तुं ८०% प्रक्रिया अस्मिन् १० वर्षेषु प्राप्तुं शक्यते, परन्तु सः न्याययति यत् अन्तिमः २०% अतीव चुनौतीपूर्णः भविष्यति, अधिककालं यावत् समयः अपि भवति
(अयं लेखः china business news इत्यस्मात् आगतः)
