निलय पटेल ने कोड लिखने की AI की क्षमता और अन्य क्षेत्रों में सच्चाई के साथ उसके संघर्ष के बीच के खतरनाक अंतर का विश्लेषण किया है। यह विश्लेषण AGI की ओर वर्तमान दिशा को चुनौती देता है।

  • AI सॉफ्टवेयर इंजीनियरिंग में उत्कृष्ट है क्योंकि कोड को कंपाइलर्स के माध्यम से वस्तुनिष्ठ रूप से सत्यापित किया जा सकता है।
  • AGI के आसपास का शोर मुख्य रूप से डेटाबेस चलाने और सॉफ्टवेयर लिखने में AI की दक्षता से प्रेरित है।
  • दवा और कानून जैसे गैर-सॉफ्टवेयर क्षेत्रों में सत्यापन करना बहुत कठिन हो जाता है।

Decoder पॉडकास्ट पर एक हालिया चर्चा में, निलय पटेल ने आर्टिफिशियल इंटेलिजेंस (AI) के आसपास के अत्यधिक शोर और इसके व्यावहारिक अनुप्रयोग की वास्तविकता के बीच बढ़ते तनाव पर बात की। यह बातचीत "सॉफ्टवेयर ब्रेन" की अवधारणा पर केंद्रित थी, जिसने 'द वर्ज' (The Verge) समुदाय और सोशल प्लेटफॉर्म्स पर एक बड़ी बहस छेड़ दी है।

इस तर्क का मुख्य बिंदु 'सत्यापन' (Verifiability) की प्रकृति में निहित है। सॉफ्टवेयर इंजीनियरिंग के क्षेत्र में, AI द्वारा बनाए गए कोड को कंपाइलर के माध्यम से चलाया जा सकता है। यदि यह काम करता है, तो यह सही है; यदि यह क्रैश हो जाता है, तो यह गलत है। सफलता की यह बाइनरी प्रकृति AI सिस्टम को तेजी से सुधारने का अवसर देती है, जिससे कई लोगों को लगता है कि हम आर्टिफिशियल जनरल इंटेलिजेंस (AGI) की दहलीज पर हैं।

यह भी पढ़ें:Nvidia RTX 5090 परीक्षण में बड़ी दुर्घटना: DLSS 5 के कारण पिघला 16-पिन कनेक्टर

यह क्यों महत्वपूर्ण है

BozokMedia के विश्लेषण से पता चलता है कि टेक इंडस्ट्री वर्तमान में "कोडिंग दक्षता" को "सामान्य बुद्धिमत्ता" समझने की गलती कर रही है। जबकि AI सर्जिकल सटीकता के साथ डेटाबेस का हेरफेर कर सकता है, उसमें भौतिक या अनुभवजन्य वास्तविकता की समझ की कमी है। यदि दुनिया को केवल सॉफ्टवेयर समस्याओं की एक श्रृंखला के रूप में देखा जाए, तो AI एक ईश्वर की तरह दिखता है; हालाँकि, मानव अस्तित्व की जटिल वास्तविकता पर लागू होने पर यह भ्रम टूटने लगता है।

चर्चा में इस बात पर प्रकाश डाला गया कि गणित में सत्यापन का कुछ स्तर होता है, लेकिन अन्य वैज्ञानिक क्षेत्रों में ऐसा नहीं है। उदाहरण के लिए, AI का उपयोग करके एक नई दवा का सुझाव देना एक शुरुआत है, लेकिन परिणाम को "कंपाइल" नहीं किया जा सकता—इसे जैविक वातावरण में परीक्षण करना होगा, जो एक धीमी और महंगी प्रक्रिया है।

वर्तमान AI चक्र का खतरा यह धारणा है कि क्योंकि एक मशीन एक परफेक्ट पायथन स्क्रिप्ट लिख सकती है, इसलिए वह एक सटीक चिकित्सा निदान या एक सच्चा ऐतिहासिक विवरण भी दे सकती है।

पटेल का तर्क है कि "सॉफ्टवेयर ब्रेन" से "वर्ल्ड ब्रेन" तक का संक्रमण सत्यापन में एक ऐसी छलांग की मांग करता है जिसके लिए वर्तमान लार्ज लैंग्वेज मॉडल्स (LLMs) तैयार नहीं हैं। टेक आशावाद के खिलाफ वर्तमान प्रतिक्रिया उपकरण की अस्वीकृति नहीं है, बल्कि यह अहसास है कि उपकरण की प्राथमिक ताकत—संरचित डेटा में पैटर्न पहचानना—समझने के समान नहीं है।

ऐतिहासिक रूप से, टेक चक्र हमेशा अत्यधिक आशावाद के दौर के बाद "निराशा की खाई" से गुजरे हैं। हम इसे वास्तविक समय में देख रहे हैं क्योंकि उपयोगकर्ताओं को एहसास हो रहा है कि AI "मतिभ्रम" (hallucinations) ठीक किए जाने वाले बग नहीं हैं, बल्कि इन प्रणालियों के काम करने का मूल तरीका हैं।

क्या आप जानते हैं?: 'AGI' (आर्टिफिशियल जनरल इंटेलिजेंस) एक सैद्धांतिक AI को संदर्भित करता है जो किसी भी बौद्धिक कार्य को वैसे ही कर सकता है जैसे एक इंसान करता है, चाहे उसका परिणाम कंप्यूटर द्वारा सत्यापन योग्य हो या न हो।

अक्सर पूछे जाने वाले प्रश्न

प्रश्न 1: सॉफ्टवेयर ही एकमात्र ऐसा क्षेत्र क्यों है जहाँ AI वास्तव में विश्वसनीय लगता है?
क्योंकि सॉफ्टवेयर के पास एक कंपाइलर होता है। एक कंपाइलर स्पष्ट रूप से 'हाँ' या 'ना' बताता है कि कोड काम कर रहा है या नहीं, जिससे AI को तथ्यात्मक विफलता या सफलता के आधार पर सुधार करने का मौका मिलता है।

प्रश्न 2: क्या इसका मतलब यह है कि AGI असंभव है?
जरूरी नहीं, लेकिन यह सुझाव देता है कि AGI तक पहुँचने के लिए केवल बेहतर सॉफ्टवेयर इंजीनियरिंग से अधिक कुछ चाहिए; इसके लिए भौतिक और सामाजिक दुनिया में सच्चाई को सत्यापित करने का तरीका चाहिए।