बिग टेक के नियंत्रण से एआई को पुनः प्राप्त करने की लड़ाई के अंदर

दुनिया की सबसे अमीर और सबसे शक्तिशाली कंपनियों में से Google, Facebook, Amazon, Microsoft और Apple ने AI को अपने व्यवसाय का मुख्य भाग बना लिया है। पिछले दशक में प्रगति, विशेष रूप से एआई तकनीक में जिसे कहा जाता है ध्यान लगा के पढ़ना या सीखना, ने उन्हें उपयोगकर्ताओं के व्यवहार की निगरानी करने की अनुमति दी है; उन्हें समाचार, सूचना और उत्पादों की सिफारिश करना; और सबसे बढ़कर, उन्हें विज्ञापनों से लक्षित करें। पिछले साल Google के विज्ञापन तंत्र ने $140 बिलियन से अधिक का राजस्व अर्जित किया। फेसबुक ने 84 अरब डॉलर की कमाई की।

कंपनियों ने उस तकनीक में भारी निवेश किया है जिससे उन्हें इतनी बड़ी संपत्ति मिली है। Google की मूल कंपनी, Alphabet ने लंदन स्थित AI लैब का अधिग्रहण किया दीपमाइंड 2014 में $600 मिलियन के लिए और अपने शोध का समर्थन करने के लिए एक वर्ष में सैकड़ों मिलियन खर्च करता है। Microsoft ने 2019 में अपने एल्गोरिदम के व्यावसायीकरण अधिकारों के लिए OpenAI के साथ $ 1 बिलियन का समझौता किया।

इसी समय, तकनीकी दिग्गज विश्वविद्यालय-आधारित एआई अनुसंधान में बड़े निवेशक बन गए हैं, जो इसकी वैज्ञानिक प्राथमिकताओं को काफी प्रभावित करते हैं। इन वर्षों में, अधिक से अधिक महत्वाकांक्षी वैज्ञानिकों ने तकनीकी दिग्गजों के लिए पूर्णकालिक रूप से काम करने के लिए संक्रमण किया है या दोहरी संबद्धता को अपनाया है। 2018 से 2019 तक, शीर्ष दो एआई सम्मेलनों में सबसे अधिक उद्धृत पत्रों में से 58% में कम से कम एक लेखक एक तकनीकी दिग्गज से संबद्ध था, जबकि एक दशक पहले केवल 11% की तुलना में, शोधकर्ताओं के एक अध्ययन के अनुसार रेडिकल एआई नेटवर्क, एक ऐसा समूह जो एआई में पावर डायनेमिक्स को चुनौती देना चाहता है।

समस्या यह है कि एआई के लिए कॉर्पोरेट एजेंडा ने व्यावसायिक क्षमता वाली तकनीकों पर ध्यान केंद्रित किया है, बड़े पैमाने पर अनुसंधान की अनदेखी की जो आर्थिक असमानता और जलवायु परिवर्तन जैसी चुनौतियों का समाधान करने में मदद कर सके। वास्तव में, इसने इन चुनौतियों को और भी बदतर बना दिया है। कार्यों को स्वचालित करने के अभियान में नौकरियों की लागत आई है और डेटा की सफाई और सामग्री मॉडरेशन जैसे थकाऊ श्रम का उदय हुआ है। कभी भी बड़े मॉडल बनाने के लिए एआई की ऊर्जा खपत में विस्फोट हुआ है। डीप लर्निंग ने एक ऐसी संस्कृति भी बनाई है जिसमें चेहरे की पहचान प्रणाली जैसे उत्पादों को प्रशिक्षित करने के लिए हमारे डेटा को लगातार बिना सहमति के स्क्रैप किया जाता है। और अनुशंसा एल्गोरिदम ने राजनीतिक ध्रुवीकरण को तेज कर दिया है, जबकि बड़े भाषा मॉडल गलत सूचना को साफ करने में विफल रहे हैं।

यही स्थिति है कि गेब्रू और समान विचारधारा वाले विद्वानों के बढ़ते आंदोलन को बदलना चाहते हैं। पिछले पांच वर्षों में, उन्होंने क्षेत्र की प्राथमिकताओं को केवल समृद्ध तकनीकी कंपनियों से दूर स्थानांतरित करने की मांग की है, जो कि प्रौद्योगिकी के विकास में भाग लेने के लिए विस्तार कर रहे हैं। उनका लक्ष्य न केवल मौजूदा प्रणालियों के कारण होने वाले नुकसान को कम करना है बल्कि एक नया, अधिक न्यायसंगत और लोकतांत्रिक एआई बनाना है।

“तिमनीत से नमस्ते”

दिसंबर 2015 में, गेब्रू एक खुला पत्र लिखने के लिए बैठ गया। स्टैनफोर्ड में अपनी पीएचडी के आधे रास्ते में, उन्होंने तंत्रिका सूचना प्रसंस्करण प्रणाली सम्मेलन में भाग लिया, जो कि सबसे बड़ी वार्षिक एआई शोध सभा थी। वहाँ ३,७०० से अधिक शोधकर्ताओं में से, गेब्रू ने केवल पाँच की गिनती की जो अश्वेत थे।

एक बार एक आला अकादमिक विषय के बारे में एक छोटी सी बैठक, न्यूरआईपीएस (जैसा कि अब ज्ञात है) जल्दी से सबसे बड़ी वार्षिक एआई जॉब बोनान्ज़ा बन रही थी। दुनिया की सबसे धनी कंपनियां डेमो दिखाने, फालतू पार्टियों को फेंकने और सिलिकॉन वैली में सबसे दुर्लभ लोगों के लिए भारी चेक लिखने के लिए आ रही थीं: कुशल एआई शोधकर्ता।

उस वर्ष एलोन मस्क गैर-लाभकारी उद्यम की घोषणा करने पहुंचे ओपनएआई. वह, वाई कॉम्बिनेटर के तत्कालीन अध्यक्ष सैम ऑल्टमैन, और पेपाल के सह-संस्थापक पीटर थिएल ने एक अस्तित्वगत समस्या को हल करने के लिए $ 1 बिलियन का निवेश किया था: संभावना है कि एक अधीक्षण एक दिन दुनिया पर कब्जा कर सकता है। उनका समाधान: एक बेहतर अधीक्षण का निर्माण। उन्होंने जिन 14 सलाहकारों या तकनीकी टीम के सदस्यों का अभिषेक किया, उनमें से 11 गोरे लोग थे।

रिकार्डो सैंटोस | सौजन्य फोटो

जब मस्क को शेर किया जा रहा था, गेब्रू अपमान और उत्पीड़न से निपट रहा था। एक सम्मेलन पार्टी में, Google शोध टी शर्ट में नशे में लोगों के एक समूह उसकी परिक्रमा की और उसके अवांछित गले, गाल पर एक चुंबन, और एक तस्वीर के अधीन।

गेब्रू ने जो कुछ देखा, उसकी तीखी आलोचना की: तमाशा, एआई हस्तियों की पंथ जैसी पूजा, और सबसे बढ़कर, भारी एकरूपता। उन्होंने लिखा, इस लड़के की क्लब संस्कृति ने पहले ही प्रतिभाशाली महिलाओं को मैदान से बाहर कर दिया था। यह पूरे समुदाय को कृत्रिम बुद्धिमत्ता की खतरनाक रूप से संकीर्ण अवधारणा और दुनिया पर इसके प्रभाव की ओर भी ले जा रहा था।

उसने नोट किया कि Google ने पहले से ही एक कंप्यूटर-विज़न एल्गोरिदम तैनात किया था जो काले लोगों को गोरिल्ला के रूप में वर्गीकृत करता था। और मानव रहित ड्रोन का बढ़ता परिष्कार अमेरिकी सेना को घातक स्वायत्त हथियारों की ओर ले जा रहा था। लेकिन कुछ सैद्धांतिक भविष्य के परिदृश्य में एआई को दुनिया पर कब्जा करने से रोकने के लिए मस्क की भव्य योजना में इन मुद्दों का कोई उल्लेख नहीं था। “हमें एआई के संभावित प्रतिकूल प्रभावों को देखने के लिए भविष्य में प्रोजेक्ट करने की आवश्यकता नहीं है,” गेब्रू ने लिखा। “यह पहले से ही हो रहा है।”

गेब्रू ने अपना प्रतिबिंब कभी प्रकाशित नहीं किया। लेकिन उसने महसूस किया कि कुछ बदलने की जरूरत है। 28 जनवरी 2016 को, उसने पांच अन्य ब्लैक एआई शोधकर्ताओं को विषय पंक्ति “हैलो फ्रॉम टिमनिट” के साथ एक ईमेल भेजा। “मैं एआई में रंग की कमी से हमेशा दुखी रही हूं,” उसने लिखा। “लेकिन अब मैंने आप में से 5 को देखा है 🙂 और सोचा कि यह अच्छा होगा यदि हम एआई समूह में एक ब्लैक शुरू करते हैं या कम से कम एक-दूसरे को जानते हैं।”

ईमेल ने एक चर्चा को प्रेरित किया। ब्लैक होने के बारे में ऐसा क्या था जिसने उनके शोध को सूचित किया? गेब्रू के लिए, उसका काम उसकी पहचान का एक उत्पाद था; दूसरों के लिए, यह नहीं था। लेकिन बैठक के बाद वे सहमत हुए: यदि एआई समाज में एक बड़ी भूमिका निभाने जा रहा था, तो उन्हें और अधिक अश्वेत शोधकर्ताओं की आवश्यकता थी। अन्यथा, क्षेत्र कमजोर विज्ञान पैदा करेगा- और इसके प्रतिकूल परिणाम और भी खराब हो सकते हैं।

एक लाभ-संचालित एजेंडा

जैसा AI . में काला बस एक साथ होना शुरू हो रहा था, एआई अपनी व्यावसायिक प्रगति पर प्रहार कर रहा था। मैकिन्से ग्लोबल इंस्टीट्यूट के अनुसार, उस वर्ष, 2016 में, तकनीकी दिग्गजों ने प्रौद्योगिकी विकसित करने पर अनुमानित $ 20 से $ 30 बिलियन खर्च किए।

कॉर्पोरेट निवेश से गर्म, क्षेत्र विकृत हो गया। हजारों और शोधकर्ताओं ने एआई का अध्ययन करना शुरू किया, लेकिन वे ज्यादातर डीप-लर्निंग एल्गोरिदम पर काम करना चाहते थे, जैसे कि बड़े भाषा मॉडल के पीछे। कंप्यूटर विज्ञान के प्रोफेसर सुरेश वेंकटसुब्रमण्यम कहते हैं, “एक युवा पीएचडी छात्र के रूप में, जो एक तकनीकी कंपनी में नौकरी पाना चाहता है, आप महसूस करते हैं कि तकनीकी कंपनियां गहन सीखने के बारे में हैं।” . “तो आप अपने सभी शोध को गहन शिक्षा में स्थानांतरित कर देते हैं। फिर पीएचडी करने वाला अगला छात्र इधर-उधर देखता है और कहता है, ‘हर कोई डीप लर्निंग कर रहा है। मुझे शायद यह भी करना चाहिए।’”

लेकिन इस क्षेत्र में डीप लर्निंग ही एकमात्र तकनीक नहीं है। इसके उछाल से पहले, एक अलग एआई दृष्टिकोण था जिसे प्रतीकात्मक तर्क के रूप में जाना जाता था। जबकि गहन शिक्षण सूचना में सार्थक संबंधों के बारे में एल्गोरिदम सिखाने के लिए भारी मात्रा में डेटा का उपयोग करता है, प्रतीकात्मक तर्क मानव विशेषज्ञता के आधार पर ज्ञान और तर्क को स्पष्ट रूप से कूटबद्ध करने पर केंद्रित है।

कुछ शोधकर्ता अब मानते हैं कि उन तकनीकों को जोड़ा जाना चाहिए। हाइब्रिड दृष्टिकोण एआई को डेटा और ऊर्जा के उपयोग में अधिक कुशल बनाएगा, और इसे एक विशेषज्ञ की ज्ञान और तर्क क्षमता के साथ-साथ नई जानकारी के साथ खुद को अपडेट करने की क्षमता प्रदान करेगा। लेकिन कंपनियों के पास वैकल्पिक तरीकों का पता लगाने के लिए बहुत कम प्रोत्साहन होता है, जब उनके मुनाफे को अधिकतम करने का सबसे बड़ा तरीका कभी बड़ा मॉडल बनाना होता है।

.

(Visited 2 times, 1 visits today)

About The Author

You might be interested in

LEAVE YOUR COMMENT