ऑल्टमैन, अमोदेई, हैसाबिस और हुआंग—चार लोगों के लिए AGI के चार अर्थ

AGI, यानी कृत्रिम सामान्य बुद्धिमत्ता, अब एक ही तकनीकी लक्ष्य का नाम नहीं रह गया है। किसी के लिए यह ऐसा स्वायत्त सिस्टम है जो अधिकतर आर्थिक रूप से मूल्यवान काम इंसानों से बेहतर करे; किसी के लिए नोबेल पुरस्कार विजेताओं के स्तर का डिजिटल शोधकर्ता; किसी के लिए मानव की पूरी संज्ञानात्मक क्षमता; और किसी के लिए लगभग हर परीक्षा में इंसानों को पीछे छोड़ने वाली मशीन।

इसी परिभाषागत अंतर के कारण AI कंपनियों के प्रमुखों की आत्मविश्वास भरी समयसीमाएं साथ-साथ सही लग सकती हैं—क्योंकि वे वास्तव में एक ही घटना की भविष्यवाणी नहीं कर रहे हैं। और यही कारण है कि सार्वजनिक भरोसा अब CEO के ऐलान से अधिक स्वतंत्र परीक्षण पर निर्भर करता है।

चार नेता, चार अलग कसौटियां

सैम ऑल्टमैन: आर्थिक रूप से उपयोगी स्वायत्तता

OpenAI की चर्चित परिभाषा में AGI ऐसे “अत्यधिक स्वायत्त सिस्टम” हैं जो “अधिकतर आर्थिक रूप से मूल्यवान काम” में इंसानों से बेहतर हों। इस कसौटी में सवाल यह नहीं है कि मशीन मनुष्य जैसी सोचती है या नहीं, बल्कि यह है कि क्या वह बड़े पैमाने पर उपयोगी काम कर सकती है।

OpenAI की हालिया सार्वजनिक भाषा मानव की भूमिका पर जोर देती है। कंपनी कहती है कि उसका लक्ष्य ऐसे सिस्टम बनाना है जो लोगों को उनके चुने हुए लक्ष्य हासिल करने में मदद दें, न कि यह तय करने के मानवीय विवेक को ही बदल दें कि क्या महत्वपूर्ण है। उसका कहना है कि हर चीज का पूर्ण स्वचालन खतरनाक भी होगा और संतोषजनक भी नहीं। 23

नौकरियों के बारे में OpenAI का ढांचा भी कहता है कि किसी पेशे के बहुत-से काम स्वचालित हो जाने का अर्थ यह नहीं कि वह पेशा खत्म ही हो जाएगा; सेवा देने, निगरानी रखने या जवाबदेही लेने में इंसान की भूमिका बनी रह सकती है। 25

डारियो अमोदेई: असाधारण क्षमताओं का ठोस, लेकिन बहुत ऊंचा पैकेज

Anthropic के CEO डारियो अमोदेई आम तौर पर AGI के बजाय “पावरफुल AI” शब्द इस्तेमाल करते हैं। Anthropic के अनुसार यह आज के मॉडलों से बहुत आगे की छलांग होगी: अधिकतर विषयों में नोबेल पुरस्कार विजेताओं के बराबर या उनसे अधिक बौद्धिक क्षमता, मानव डिजिटल कर्मियों के उपलब्ध इंटरफेस इस्तेमाल करने की योग्यता, और जटिल काम को स्वायत्त रूप से पूरा करने की क्षमता। 3

Anthropic का अनुमान है कि ऐसे सिस्टम 2026 के अंत या 2027 की शुरुआत तक आ सकते हैं। अमोदेई ने इस संभावना को डेटा सेंटर में मौजूद “प्रतिभाशाली लोगों के देश” जैसा बताया है—एक ऐसी क्षमता-सघनता जिसके आर्थिक, सुरक्षा और भू-राजनीतिक असर हो सकते हैं। 6 7

यह सामान्य AGI लेबल से अधिक विशिष्ट है, लेकिन इसमें कई कठिन दावे एक साथ जुड़ते हैं: व्यापक विशेषज्ञता, टूल का उपयोग, स्वायत्तता और लंबे समय तक भरोसेमंद प्रदर्शन। कोई मॉडल इनमें से कुछ शर्तें बाकी शर्तों से बहुत पहले पूरी कर सकता है।

डेमिस हैसाबिस: मानव संज्ञान की पूरी श्रृंखला

Google DeepMind के CEO डेमिस हैसाबिस AGI के लिए ऊंची कसौटी रखते हैं: ऐसा सिस्टम जिसमें मनुष्यों की सभी संज्ञानात्मक क्षमताएं हों। उनका कहना है कि मानव-स्तर AI इस दशक में आ सकती है, लेकिन वे यह भी कहते हैं कि मौजूदा सिस्टम मानव-स्तर AGI के “कहीं भी करीब नहीं” हैं। 33 38

इस दृष्टि में AGI किसी उत्पाद का लॉन्च-माइलस्टोन नहीं, बल्कि मजबूत सामान्यता से जुड़ी वैज्ञानिक सीमा है। इसका मतलब केवल कठिन परीक्षाओं में अच्छे अंक या कुछ पेशेवर क्षेत्रों में प्रभावशाली प्रदर्शन नहीं होगा; सिस्टम को मानव सोच की व्यापक श्रृंखला में काम करना होगा।

जेनसन हुआंग: व्यापक परीक्षाओं में इंसानों से आगे निकलना

Nvidia के CEO जेनसन हुआंग ने अपेक्षाकृत बेंचमार्क-केंद्रित मानक अपनाया है। 2024 में उन्होंने कहा था कि, अगर AGI का अर्थ लगभग हर परीक्षा में लोगों से बेहतर प्रदर्शन करने वाला AI है, तो यह पांच वर्षों के भीतर आ सकता है। 2026 की रिपोर्टिंग में उनके रुख को एक अधिक ढीले व्यावहारिक मानक के तहत AGI हासिल हो जाने की घोषणा के रूप में पेश किया गया। 34

इस दृष्टिकोण की ताकत इसकी स्पष्टता है: परीक्षाओं में अंक मिलते हैं। लेकिन सीमा भी उतनी ही साफ है—कई टेस्ट पास कर लेना अपने-आप यह साबित नहीं करता कि सिस्टम लंबे समय तक स्वतंत्र ढंग से काम कर सकता है, सही निर्णय ले सकता है या अव्यवस्थित वास्तविक परिस्थितियों में सुरक्षित रहेगा।

इन समयसीमाओं की सीधी तुलना क्यों नहीं हो सकती

ये नेता एक ही घटना के लिए अलग-अलग तारीखें नहीं बता रहे हैं; वे अलग मंजिलों का अनुमान लगा रहे हैं:

• ऑल्टमैन/OpenAI: अधिकतर आर्थिक रूप से मूल्यवान काम में स्वायत्त प्रदर्शन।
• अमोदेई/Anthropic: व्यापक नोबेल-स्तर बौद्धिक काम, साथ में लंबे समय तक स्वायत्त डिजिटल निष्पादन।
• हैसाबिस/DeepMind: मानव की संज्ञानात्मक क्षमताओं की पूरी श्रृंखला।
• हुआंग/Nvidia: व्यापक परीक्षणों में मनुष्यों से बेहतर प्रदर्शन।

कोई AI अनेक बेंचमार्क में शीर्ष पर आ सकता है, फिर भी हफ्तों चलने वाला शोध प्रोजेक्ट स्वतंत्र रूप से पूरा न कर पाए। वह डिजिटल काम का बड़ा हिस्सा स्वचालित कर सकता है, फिर भी किसी व्यक्ति जैसी पूरी संज्ञानात्मक विविधता न दिखाए। इसलिए इन दावों से जुड़ी तारीखों को एक साझा “AGI काउंटडाउन” नहीं समझना चाहिए।

AGI को माप से परे या “आध्यात्मिक” अवधारणा क्यों कहा जाता है

आपत्ति यह नहीं है कि AI की क्षमताएं मापी नहीं जा सकतीं। वे मापी जा सकती हैं। समस्या यह है कि AGI के लिए साझा, स्वतंत्र रूप से संचालित और सार्वजनिक पास/फेल नियम नहीं है।

एक अकादमिक प्रस्ताव AGI को विवादास्पद अवधारणा बताता है और इसे अधिकतर कार्यों में कम-से-कम मानव-स्तर क्षमता के रूप में परिभाषित करता है। यह परिभाषा इसे मापने की कोशिश दिखाती है, लेकिन साथ ही अनसुलझे सवाल भी छोड़ती है: कौन-से काम, किस समूह के मनुष्यों से तुलना, कितनी विश्वसनीयता, और किन परिस्थितियों में? 50

विश्वसनीय सार्वजनिक परीक्षण के लिए कम-से-कम ये चीजें चाहिए होंगी:

1. बदलते डेमो के बजाय साफ तौर पर तय कार्य-वितरण।
2. प्रदर्शन और विश्वसनीयता की सीमाएं, जिनमें विफलता की दर शामिल हो।
3. सिर्फ एकल उत्तर नहीं, बल्कि लंबी अवधि की स्वायत्तता और टूल-उपयोग का परीक्षण।
4. मूल्यांकन के लिए खास तौर पर मॉडल को प्रशिक्षित करने से बचाव।
5. इतना स्वतंत्र एक्सेस कि नतीजों को दोहराया या ऑडिट किया जा सके।

इस ढांचे के बिना AGI उस संगठन का प्रतिष्ठा-दावा बन सकता है जिसके पास फिनिश लाइन तय करने का सबसे बड़ा प्रोत्साहन है। AI Now Institute ने उपलब्ध कई मेट्रिक्स को संकीर्ण, अस्पष्ट और अपने हित साधने वाले बेंचमार्क बताया है। 62

शब्दावली के पीछे भरोसे की असली समस्या

AGI की बहस विश्वसनीयता के बड़े सवाल को भी सामने लाती है। कंपनियां बदलावकारी क्षमताओं के बड़े दावे कर सकती हैं, जबकि कामगार और ग्राहक ऐसे सिस्टम देखते हैं जो कई मामलों में असमान, गलतियां करने वाले या भरोसेमंद ढंग से लागू करने में कठिन बने रहते हैं। इससे हर दीर्घकालिक अनुमान गलत साबित नहीं होता, लेकिन असाधारण दावों के लिए दिखाई देने वाला प्रमाण और जवाबदेह पूर्वानुमान जरूरी हो जाता है।

नौकरियों की बहस इस तनाव को साफ दिखाती है। OpenAI मानता है कि AI कामकाज को बदलेगा, कुछ नौकरियां खत्म होंगी, लेकिन अब तक के प्रमाणों में AI को प्रतिस्थापन से अधिक सहायक के रूप में देखा जा सकता है। 17 यह जरूरी नहीं कि व्यवधान के दावे से विरोधाभासी हो: कामों का स्वचालन, पेशे का बदलना और नौकरी का खत्म होना—तीनों अलग परिणाम हैं। लेकिन जब व्यापक बदलाव के अनुमानों के साथ श्रम-बाजार के वास्तविक असर की पारदर्शी माप न हो, तो जनता का भरोसा कमजोर पड़ता है।

AGI लेबल से क्षमता-आधारित निगरानी की ओर

ज्यादा मजबूत नियामक मॉडल का ध्यान इस बात पर कम होना चाहिए कि किसी सिस्टम ने AGI प्राप्त कर ली या नहीं; और इस पर अधिक कि उसमें कौन-सी विशिष्ट क्षमताएं और जोखिम मौजूद हैं।

Anthropic का AI Safety Levels ढांचा स्पष्ट सशर्त सिद्धांत अपनाता है: यदि मॉडल में कोई परिभाषित खतरनाक क्षमता है, तो तैनाती या आगे स्केलिंग से पहले निश्चित सुरक्षा उपाय होने चाहिए। 5 कंपनी के बाद के नीति-ढांचे में पारदर्शिता, स्वतंत्र मूल्यांकन और खतरनाक तैनाती को रोकने या हतोत्साहित करने के लिए सरकारी अधिकार की बात कही गई है। 10

ऑल्टमैन ने भी शक्तिशाली मॉडलों के लिए बाहरी सत्यापन और स्वतंत्र जोखिम-मूल्यांकन की वकालत की है, जिसमें रिलीज से पहले परीक्षण और मूल्यांकन नतीजों का प्रकाशन शामिल है। 49

हैसाबिस ने अमेरिका-नेतृत्व वाली Frontier AI Standards Body का प्रस्ताव दिया है, जिसका मॉडल FINRA पर आधारित होगा। FINRA अमेरिकी वित्तीय बाजारों में उद्योग-वित्तपोषित लेकिन सार्वजनिक निगरानी वाली संस्था है। प्रस्तावित AI निकाय रिलीज से पहले उन्नत मॉडलों का स्वतंत्र आकलन करेगा। 52 रिपोर्टिंग के अनुसार, कई फ्रंटियर-AI नेताओं के बीच उभरती सहमति यह है कि तीसरे पक्ष को उन्नत सिस्टम की जांच करनी चाहिए और नीति के लिए मानक विकसित करने में मदद करनी चाहिए। 51

फिर भी प्रस्ताव और लागू होने योग्य व्यवस्था के बीच बड़ा अंतर है। Future of Life Institute के 2026 AI Safety Index के अनुसार, उस समय तक फ्रंटियर-AI जोखिमों और उनके आकलन की प्रक्रिया को स्पष्ट रूप से संबोधित करने वाले बाध्यकारी राष्ट्रीय नियम या मानक मौजूद नहीं थे। 59

भरोसेमंद AI दावे कैसे दिखेंगे

जनता के लिए उपयोगी प्रश्न यह नहीं है कि “क्या AGI आ गई?” बल्कि यह है: यह मॉडल क्या कर सकता है, कितनी भरोसेमंदी से कर सकता है, क्या गलत हो सकता है, और इन जवाबों की स्वतंत्र जांच किसने की है?

इसका अर्थ क्षमता-विशिष्ट आवश्यकताएं हो सकती हैं:

• उच्च-जोखिम साइबर, जैविक और छल-कपट क्षमताओं के लिए सार्वजनिक मूल्यांकन प्रोटोकॉल;
• तैनाती से पहले स्वतंत्र परीक्षण और रेड-टीमिंग;
• विश्वसनीयता, घटनाओं और तैनाती की महत्वपूर्ण बदली हुई परिस्थितियों की रिपोर्टिंग;
• साबित जोखिम-सीमाओं से जुड़े सुरक्षा उपाय और एक्सेस प्रतिबंध; और
• केवल स्वैच्छिक दावों के बजाय उल्लंघन पर कानूनी परिणाम।

AGI एक शक्तिशाली आकांक्षा, मार्केटिंग शब्द और दार्शनिक प्रश्न बना रह सकता है। लेकिन जब तक उसकी घोषणा सार्वजनिक प्रमाण से समर्थित न हो, वह कमजोर नियामक ट्रिगर है। भरोसा तब बनेगा जब डेवलपर अपनी सुविधा से माइलस्टोन की परिभाषा न बदल सकें, उसके हासिल होने की घोषणा न कर सकें और अपनी सुरक्षा का प्रमाणपत्र स्वयं ही न दे सकें।