मूलतः वेक्टर्स ऑफ माइंड में प्रकाशित।
ब्रायन कूलिस बोस्टन यूनिवर्सिटी में मशीन लर्निंग के प्रोफेसर हैं (और मेरे पूर्व सलाहकार भी)। उन्होंने उद्योग में अमेज़न के “वेक” शब्द के लिए ज़िम्मेदार कुशल विशेषज्ञ टीम के सदस्य के रूप में भी काम किया है। हम एआई के इतिहास, शोध में उद्योग बनाम अकादमिक जगत की भूमिका और एआई सुरक्षा पर चर्चा करते हैं। उन्होंने अपने क्षेत्र को गणित के दीवानों के छोटे-से समूह से आगे बढ़ते देखा है, जो कुत्तों और बिल्लियों की तस्वीरों का वर्गीकरण करने में असफल हो रहे थे, और अब वह धरती की सबसे चर्चित तकनीक बन चुका है (जो हम सबको मार भी सकती है)। स्नातकोत्तर छात्र के रूप में, मैं एस्ट्रल कोडेक्स टेन पर एआई-विनाश संबंधी विज्ञान-कथा चर्चाएँ पढ़ता था और कभी-कभी उन्हें ब्रायन तथा अन्य प्रोफेसरों के साथ साझा करता था (पार्टियों में मैं बड़ा मनोरंजक हुआ करता था)। अब, येशुआ बेंगियो जैसे लोग इन परिदृश्यों को गंभीरता से लेते हैं।
एआई सुरक्षा के बारे में हमें ज़्यादातर ऐसे मुखर अल्पमत से सुनने को मिलता है, जिनके इस विषय पर सुविकसित विचार हैं—ऐसे लोग, जिन्होंने इसके बारे में राय रखना और उस राय पर सार्वजनिक रूप से बहस करना अपनी पहचान का हिस्सा बना लिया है। लेकिन मोटे तौर पर यही वे लोग नहीं हैं जो एजीआई और उसके परिणामों पर व्यापक रूप से उद्धृत सर्वेक्षणों का उत्तर देते हैं। यह इस बात की एक मूल्यवान झलक है कि मशीन लर्निंग के एक ऐसे स्थायी पद वाले शोधकर्ता इस विषय के बारे में कैसे सोचते हैं।
लेकिन मैं इसे p(doom) पर एक घंटे लंबी बातचीत के रूप में प्रस्तुत नहीं करना चाहता; हमारा अधिकांश समय कम काल्पनिक विषयों पर बीतता है। बातचीत का ChatGPT द्वारा दिया गया सारांश:
- बीयू में कंप्यूटिंग और डेटा साइंस संकाय: कूलिस ने बीयू में इस नई इकाई की स्थापना के बारे में बात की, जिसका ध्यान कंप्यूटिंग और डेटा साइंस पर है। यह इकाई विभिन्न विभागों के बीच अंतर्विषयी सहयोग और छात्रों की भर्ती को सुगम बनाती है।
- मशीन लर्निंग का विकास: मशीन लर्निंग के इतिहास पर चर्चा हुई, जिसकी शुरुआत 1940 के दशक में मैककुलॉच और पिट्स के न्यूरॉनों के गणितीय मॉडल से हुई थी। कूलिस ने शुरुआती मॉडलों से लेकर वर्तमान डीप लर्निंग लहर तक के विकास को समझाया और दशकों के दौरान एमएल प्रतिमानों में हुए बदलावों पर प्रकाश डाला।
- विशेषज्ञ प्रणालियों से वर्तमान एमएल मॉडलों तक संक्रमण: कूलिस ने 70 और 80 के दशक में प्रचलित विशेषज्ञ प्रणालियों से वर्तमान मशीन लर्निंग मॉडलों तक के संक्रमण का वर्णन किया। उन्होंने बताया कि शुरुआती विशेषज्ञ प्रणालियाँ सीमित और नाज़ुक थीं, इसलिए वे वास्तविक दुनिया के अनुप्रयोगों के लिए उपयुक्त नहीं थीं।
- मशीन लर्निंग शोध और उद्योग: बातचीत में अकादमिक जगत और उद्योग के बीच एआई और एमएल प्रतिभाओं के आवागमन का उल्लेख हुआ। कूलिस ने बताया कि एआई संकाय को बनाए रखने में अकादमिक जगत के सामने क्या चुनौतियाँ हैं, क्योंकि वे प्रायः उद्योग में भूमिकाओं की ओर आकर्षित होते हैं।
- सांख्यिकीय एआई और कर्नेल विधियाँ: साक्षात्कार में सांख्यिकीय एआई पर चर्चा हुई और मशीन लर्निंग के इतिहास में इसकी भूमिका पर ज़ोर दिया गया। कूलिस ने सांख्यिकीय एआई में संभाव्य मॉडलों की अवधारणा और अपर्यवेक्षित अधिगम में उनकी शक्तियों को समझाया।
- एमएल शोध में अकादमिक जगत की भूमिका: कूलिस ने मशीन लर्निंग शोध के वर्तमान परिदृश्य में अकादमिक जगत की भूमिका पर विचार किया। उन्होंने अकादमिक जगत के सामने आने वाली चुनौतियों के बारे में बात की, जैसे संसाधनों की सीमाओं के कारण बड़े मॉडलों को प्रशिक्षित न कर पाना, और शोध में दीर्घकालिक सोच का महत्त्व।
- एआई के अस्तित्वगत जोखिम: चर्चा में एआई और अस्तित्वगत जोखिमों का विषय भी शामिल था। इसमें एमएल समुदाय के भीतर होने वाली बहसों और मतों का संदर्भ दिया गया, जिनमें हिंटन और लेकन जैसे उल्लेखनीय व्यक्तियों के विचार भी शामिल हैं।
- मशीन लर्निंग का भविष्य: कूलिस ने मशीन लर्निंग के विभिन्न पहलुओं पर अपने विचार व्यक्त किए, जिनमें बड़े भाषा मॉडल, सुदृढीकरण अधिगम, एजीआई और वैयक्तिकृत चिकित्सा शामिल हैं। उन्होंने इस क्षेत्र में किन चीज़ों को अति-आंकलित और किन्हें कम आंका गया मानते हैं, इस पर भी अपनी राय दी।