AI, या कृत्रिम बुद्धिमत्ता, कंप्यूटर साइंस की वह शाखा है जो ऐसे सिस्टम बनाने पर केंद्रित है जो सामान्यतः मानव बुद्धि से जुड़े काम कर सकें। ISO भी इसी मूल विचार को इस तरह समझाता है कि AI किसी मशीन या कंप्यूटर सिस्टम की ऐसी क्षमता है जिससे वह वे काम कर सके जिनके लिए आम तौर पर मानव बुद्धि की आवश्यकता होती है।
व्यावहारिक तौर पर AI को समझने के लिए यह पूछना ज्यादा उपयोगी है कि मशीन “सोचती” है या नहीं, इसके बजाय यह देखा जाए कि वह कर क्या सकती है। एक अकादमिक परिभाषा के अनुसार, AI किसी सिस्टम की बाहरी डेटा को सही ढंग से समझने, उससे सीखने और उन सीखों का उपयोग करके अनुकूलन के साथ खास लक्ष्य या काम पूरे करने की क्षमता है। यूनिवर्सिटी ऑफ इलिनॉय शिकागो भी AI को ऐसी क्षमता के रूप में समझाता है जिससे मशीनें अनुभव से सीख सकती हैं, नए इनपुट के अनुसार खुद को ढाल सकती हैं और मानव क्षमताओं जैसे काम कर सकती हैं।
इसलिए AI पर व्यावहारिक चर्चा आम तौर पर इस बात पर टिकती है कि सिस्टम किसी काम को कितनी अच्छी तरह कर सकता है, न कि इस बात पर कि उसमें मानव जैसी चेतना है या नहीं।
कई AI सिस्टम डेटा से शुरू होते हैं। वे इनपुट लेते हैं, उनमें पैटर्न पहचानते हैं और फिर किसी आउटपुट, अनुमान, फैसले में मदद या तय लक्ष्य की दिशा में कार्रवाई के रूप में परिणाम देते हैं।
मशीन लर्निंग इसी प्रक्रिया का एक बड़ा तरीका है। IBM के अनुसार, मशीन लर्निंग AI का वह हिस्सा है जिसमें एल्गोरिदम को डेटा पर ट्रेन करके मॉडल बनाए जाते हैं, ताकि वे डेटा के आधार पर अनुमान या निर्णय ले सकें। इसका मतलब है कि हर संभावित स्थिति के लिए अलग-अलग नियम लिखने के बजाय डेवलपर मॉडल को उदाहरणों से पैटर्न सीखाते हैं, ताकि वह नए इनपुट पर भी सीखी हुई बात लागू कर सके।
एक सरल AI प्रक्रिया कुछ ऐसी दिखती है:
ये शब्द जुड़े हुए हैं, लेकिन एक-दूसरे के समान नहीं हैं।
रिश्ता याद रखने का आसान तरीका यह है: AI सबसे बड़ी छतरी है। मशीन लर्निंग उस छतरी के भीतर एक बड़ा तरीका है। जेनरेटिव AI आउटपुट बनाने पर केंद्रित AI है। और AI एजेंट ऐसे सिस्टमों को कहते हैं जो किसी लक्ष्य की ओर कार्रवाई करने के लिए बनाए जाते हैं।
AI केवल चैटबॉट तक सीमित नहीं है। यह कई तरह के सॉफ़्टवेयर में दिखाई दे सकता है, जैसे:
यही कारण है कि AI को किसी एक ऐप श्रेणी में बंद करके नहीं समझा जा सकता। जहाँ पैटर्न पहचानने, अनुमान लगाने, आउटपुट बनाने या काम को आगे बढ़ाने की जरूरत हो, वहाँ AI को अलग-अलग प्रकार के सॉफ़्टवेयर में जोड़ा जा सकता है।
AI इसलिए महत्वपूर्ण है क्योंकि यह बदलता है कि सॉफ़्टवेयर लोगों की किस तरह मदद कर सकता है। पारंपरिक निर्देशों का पालन करने के अलावा AI सिस्टम डेटा से सीख सकते हैं, इनपुट के अनुसार ढल सकते हैं, समस्या-समाधान में मदद कर सकते हैं, आउटपुट बना सकते हैं, अनुमान लगा सकते हैं या खास लक्ष्यों की दिशा में काम कर सकते हैं।
लेकिन इसी ताकत के कारण AI को सोच-समझकर परखना भी जरूरी है। किसी AI सिस्टम को समझने के लिए ये सवाल मददगार हैं:
AI ऐसी तकनीक है जो कंप्यूटर या मशीनों को वे काम करने में सक्षम बनाती है जिनके लिए सामान्यतः मानव बुद्धि की जरूरत होती है।
नहीं। मशीन लर्निंग AI का एक प्रमुख हिस्सा है। इसमें डेटा पर मॉडल ट्रेन किए जाते हैं ताकि वे अनुमान या निर्णय ले सकें।
जेनरेटिव AI ऐसा AI है जो डीप लर्निंग और बड़े डेटासेट की मदद से मनुष्यों जैसे रचनात्मक आउटपुट बना सकता है।
AI एजेंट एक स्वायत्त AI प्रोग्राम होता है जो उपयोगकर्ता या किसी दूसरे सिस्टम की ओर से काम कर सकता है और लक्ष्य पूरे कर सकता है।
नहीं। जेनरेटिव AI आउटपुट बनाता है, लेकिन AI में ऐसे सिस्टम भी शामिल हैं जो डेटा का विश्लेषण करते हैं, अनुमान लगाते हैं, फैसलों में मदद करते हैं, जवाबों को ऑटोमेट करते हैं या लक्ष्य-आधारित काम करते हैं।
जरूरी नहीं। व्यावहारिक और अकादमिक परिभाषाएँ आम तौर पर इस बात पर केंद्रित होती हैं कि सिस्टम डेटा को समझ सकता है, सीख सकता है, अनुकूलन कर सकता है और काम कर सकता है—न कि इस बात को साबित करने पर कि उसमें मानव जैसी चेतना है।
Comments
0 comments