AI, Actually Explained · Chapter 05
How it got here, and what changed in 2022
एआई यहाँ तक कैसे पहुँचा और 2022 में क्या बदला
6:55 · कृत्रिम आवाज़ में वर्णन। प्लेयर में कैप्शन उपलब्ध हैं।
प्रतिलेख पढ़ें
कल्पना कीजिए, एक शाम रास्ते पर एक बंद दरवाज़ा खुलता है। अंदर रोशनी है, और एक खिड़की पर आप अपने शब्दों में सवाल पूछ सकते हैं। दुनिया ने दरवाज़ा खुलते देखा। मगर उसके पीछे की कार्यशाला बरसों से चल रही थी। अडाली के पाँचवें अध्याय में, चलिए उस रोशनी के पीछे चलते हैं। इस दराज़ में उन्नीस सौ पचपन का डार्टमथ प्रस्ताव रखा है। इसमें आर्टिफ़िशियल इंटेलिजेंस का ज़िक्र है। कार्यशाला अगली गर्मी में हुई। शोधकर्ता जानना चाहते थे कि क्या मशीनें भाषा इस्तेमाल कर सकती हैं, समस्याएँ हल कर सकती हैं और सीख सकती हैं। इस मेज़ पर काम की दो पटरियाँ देखिए। एक पर लोग मशीन के लिए नियम बनाते हैं। दूसरी पर, मशीन उदाहरणों में पैटर्न सीखती है। ये पटरियाँ कई बार मिलती हैं। एक ही सिस्टम में लिखे हुए नियम और सीखे हुए तरीके साथ काम कर सकते हैं। आगे एक गली है। कुछ कार्यशालाओं में बत्तियाँ बुझती हैं। कुछ में काम चलता रहता है। उन्नीस सौ छियासठ की एक अमेरिकी रिपोर्ट ने मशीन से अनुवाद पर सवाल उठाए। उन्नीस सौ तिहत्तर की ब्रिटिश लाइटहिल रिपोर्ट ने वहाँ की शोध बहस पर असर डाला। ऐसे दौरों को अक्सर ए आई की सर्दियाँ कहा जाता है। इनका असर जगह और विषय के हिसाब से अलग था। एक्सपर्ट सिस्टम किसी तय काम में विशेषज्ञों के बनाए नियम लगा सकते थे। लेकिन नई स्थिति आने पर, नियमों को जाँचना और बदलना पड़ता था। अगला रास्ता उदाहरणों से होकर जाता है। काग़ज़ पर लिखा एक अंक रीडर से गुज़रता है। मशीन के सामने हज़ारों लिखावटें आ सकती हैं। दो हज़ार बारह से पहले भी न्यूरल नेटवर्क दस्तावेज़ पढ़ने और आवाज़ पहचानने में काम आ रहे थे। अब उस काग़ज़ पर दो भाषाओं के वाक्य रखिए। अनुवाद की एक विधि शब्दों के बीच संभावित संबंध सीखती है। बाद की सांख्यिकीय विधियाँ शब्दों के समूहों को भी जोड़ने लगीं। फिर बड़े न्यूरल अनुवाद सिस्टम आए। उदाहरणों से सीखने के तरीके भी समय के साथ बदले। दो हज़ार बारह की इमेजनेट प्रतियोगिता में सिस्टम हर तस्वीर के लिए पाँच अनुमान दे सकता था। सही नाम पाँचों में ग़ायब हो, तो उसे एक गलती गिना जाता था। प्रतियोगिता के टेस्ट में, सात न्यूरल नेटवर्क के मिले हुए नतीजे की गलती दर पंद्रह दशमलव तीन प्रतिशत थी। अगली सबसे अच्छी प्रविष्टि में यह छब्बीस दशमलव दो प्रतिशत थी। उस नतीजे में डेटा, नेटवर्क की बनावट और प्रशिक्षण के फैसलों ने साथ काम किया। अब तस्वीर से बिसात बनाइए। डीप ब्लू ने शतरंज में लिखे हुए स्कोर और कुछ स्वचालित तरीके साथ इस्तेमाल किए। अल्फ़ा गो ने सीखे हुए नेटवर्क और संभावित चालों की खोज को जोड़ा। रोशनी की एक लकीर अब सर्किट पर पहुँचती है और कई रास्तों में बँट जाती है। जी पी यू एक साथ कई गणनाएँ कर सकता है। सोचिए, कई लोग अलग अलग ढेर गिन रहे हैं। कुल जोड़ के लिए सबकी गिनती का इंतज़ार करना होगा। वैसे ही, मॉडल की एक परत का नतीजा अगली परत का काम शुरू कर सकता है। जवाब में अगला टोकन आने का इंतज़ार रहता है। फिर भी हर कदम के भीतर और कई अनुरोधों के बीच गणनाएँ साथ हो सकती हैं। अब सर्किट की लकीर को टोकन की पट्टी समझिए। टोकन, लिखे हुए पाठ का एक छोटा हिस्सा है। ट्रांसफ़ॉर्मर में अटेंशन अलग हिस्सों के बीच संबंधों को अलग अलग वज़न देता है। अगले टोकन की भविष्यवाणी सीखते समय, एक पर्दा आगे के सही जवाब छिपा देता है। प्रशिक्षण की पट्टी पहले से मौजूद है, इसलिए एक परत में कई स्थानों पर काम साथ हो सकता है। नया जवाब बनाते समय अगला टोकन जुड़ता है, और फिर उसके आधार पर अगला कदम आता है। अगर हर स्थान को हर दूसरे स्थान से जोड़ें, तो लंबी पट्टी पर जोड़ियों की संख्या तेज़ी से बढ़ती है। यह रोशन लकीर अब ग्राफ़ पर उतरती है। एक तरफ़ प्रशिक्षण के संसाधन हैं। दूसरी तरफ़ प्रेडिक्शन लॉस है। लॉस बताता है कि मॉडल ने सही अगले हिस्से को कितनी कम संभावना दी। कम लॉस बेहतर है। कुछ प्रयोगों में संसाधन बढ़ने के साथ यह माप एक नियमित ढंग से घटा। यह नतीजा उन्हीं प्रयोगों और मापों के बारे में है। हर काम में सुधार की गारंटी इससे नहीं मिलती। एक ही जवाब को दो तरह से जाँचिए। क्या उसमें कुछ हिस्सा सही है? क्या पूरा जवाब सही है? पहला स्कोर धीरे सुधर सकता है, जबकि दूसरा अचानक उछले। पैमाना बदलने पर तस्वीर भी बदल सकती है। तीस नवंबर, दो हज़ार बाईस को ओपन ए आई ने चैट जी पी टी को मुफ़्त शोध परीक्षण के लिए खोला। वेबसाइट पर लोग अपने शब्दों में सवाल पूछ सकते थे, और उसी बातचीत में अगला सवाल भी। अंदर की कार्यशाला में जी पी टी तीन दशमलव पाँच शृंखला के एक मॉडल पर आगे प्रशिक्षण हुआ। लोगों ने बातचीत के उदाहरण दिए और अलग अलग जवाबों को उनकी गुणवत्ता के हिसाब से क्रम दिया। उस इंसानी प्रतिक्रिया के आधार पर, रिइन्फ़ोर्समेंट लर्निंग से मॉडल को और सिखाया गया। इसलिए दो चीज़ें बदलीं। लोगों के लिए पहुँच आसान हुई, और सहायक के तौर पर मॉडल का व्यवहार भी बदला। दरवाज़े की चौखट अब एक बही बन जाती है। उसमें तीन खाते खोलिए। पहले में मॉडल का प्रशिक्षण। दूसरे में शोध और अलग अलग प्रयोग। तीसरे में लोगों के अनुरोध चलाने का ख़र्च। डीपसीक वी थ्री की रिपोर्ट ने प्रशिक्षण के तीन चरणों के जी पी यू घंटे जोड़े। कुल करीब अट्ठाईस लाख घंटे। हर घंटे के दो डॉलर मानें, तो अनुमान करीब छप्पन लाख डॉलर बनता है। उस अनुमान में पहले के शोध और प्रयोग शामिल नहीं हैं। लोगों के अनुरोध चलाने का ख़र्च भी अलग है। मेटा की रिपोर्ट में प्रशिक्षण के दौरान रुकावटें दर्ज हैं। हर रुकावट का मतलब एक पूरा प्रशिक्षण फिर से शुरू होना नहीं है। अलग अलग खातों का भार काम और इस्तेमाल पर निर्भर करता है। अब हम एक पुस्तकालय में हैं। एक बड़ी अलमारी से छोटी पर्ची निकलती है। एक छोटी अलमारी से पर्चियों का ढेर। संग्रह का आकार यह नहीं बताता कि प्रशिक्षण के लिए उससे कितने उदाहरण चुने गए। किस भाषा या स्रोत से कितनी बार सामग्री चुनी जाती है, यह प्रशिक्षण के मिश्रण का फैसला है। मॉडल से बनी सामग्री जोड़ने का असर इस पर भी निर्भर है कि उसे कैसे चुना गया। यह भी देखना होगा कि उसके साथ असली उदाहरण रखे गए या नहीं। किसी संग्रह का आँकड़ा या भविष्य का अनुमान देखते समय, पूछिए कि उसे किन शर्तों में मापा गया। यहाँ एक अलमारी है, जिसकी दराज़ों पर चार नाम हैं। मॉडल के वज़न, कोड, डेटा की जानकारी, और इस्तेमाल की शर्तें। अलग अलग मॉडल रिलीज़ में अलग दराज़ें खुलती हैं। फ़ाइल मिलना और उसे अपनी ज़रूरत के लिए इस्तेमाल करने की अनुमति मिलना अलग बातें हैं। एक काल्पनिक क्लिनिक में स्कैन पढ़ने का उदाहरण लीजिए। क्या फ़ाइल बाहर भेजी जाती है? कौन उसे देख सकता है? और निकाला गया नाम सही है या नहीं? उसे स्कैन से मिलाकर जाँचिए। गुणवत्ता और निजता का जवाब पूरे काम के तरीके पर निर्भर है। हम उसी रास्ते पर लौट आए हैं। काँच के पीछे कार्यशाला अब भी दिख रही है। अगली बार कोई नया ए आई औज़ार खुले, दो सवाल पूछिए। लोगों की पहुँच में क्या बदला? और अंदर मॉडल को बनाने या सिखाने में क्या बदला? अपने जवाब के लिए एक स्रोत ढूँढ़िए और उसे अध्याय की गतिविधि में जाँचिए। पढ़ने और अभ्यास करने के लिए अडाली पर इसी अध्याय पर लौटिए।