AI 'Yes-Men on Servers' बन रहा है, चेतावनी चेहरा CSO को चेतावनी देता है

थॉमस वुल्फ, हगिंग फेस के सह-संस्थापक और मुख्य विज्ञान अधिकारी, AI के विज्ञान में क्रांति लाने की संभावना पर अधिक सतर्क दृष्टिकोण प्रस्तुत करते हैं, जो अक्सर अन्य AI कंपनी के संस्थापकों द्वारा किए गए साहसिक दावों के विपरीत है। X पर साझा किए गए एक निबंध में, वुल्फ ने चिंता व्यक्त की कि AI बिना महत्वपूर्ण शोध सफलताओं के केवल "सर्वरों पर हाँ-हाँ करने वाले" बन सकता है। उनका तर्क है कि AI विकास की वर्तमान दिशा ऐसी प्रणालियाँ उत्पन्न नहीं करेगी जो रचनात्मक, असामान्य सोच के लिए सक्षम हों, जो नोबेल पुरस्कार जैसी अभूतपूर्व वैज्ञानिक उपलब्धियों के लिए आवश्यक है।

वुल्फ इस धारणा को चुनौती देते हैं कि न्यूटन या आइंस्टीन जैसे प्रतिभाशाली लोग केवल शीर्ष छात्रों के बढ़े हुए संस्करण हैं। उनका मानना है कि डेटा सेंटर में ऐसी प्रतिभा को दोहराने के लिए, AI को न केवल सभी उत्तर जानने चाहिए, बल्कि उन सवालों को भी पूछने में सक्षम होना चाहिए जिन्हें किसी ने नहीं सोचा या पूछने की हिम्मत नहीं की। यह दृष्टिकोण ओपनएआई के सीईओ सैम ऑल्टमैन से अलग है, जो "सुपरइंटेलिजेंट" AI को वैज्ञानिक खोज को तेज करने की कल्पना करते हैं, और एन्थ्रोपिक के सीईओ डारियो अमोदेई से, जो भविष्यवाणी करते हैं कि AI अधिकांश कैंसर के इलाज खोजने में मदद कर सकता है।

वुल्फ की वर्तमान AI की आलोचना यह है कि यह पहले से असंबंधित तथ्यों को जोड़कर नया ज्ञान उत्पन्न करने में विफल रहता है। वुल्फ के अनुसार, इंटरनेट डेटा की विशाल मात्रा तक पहुँच होने के बावजूद, AI मुख्य रूप से मौजूदा मानव ज्ञान के अंतराल को भरता है। इस दृष्टिकोण को अन्य AI विशेषज्ञों, जैसे पूर्व Google इंजीनियर फ्राँस्वा शोल्ले ने भी समर्थन दिया है, जो तर्क देते हैं कि हालांकि AI तर्क पैटर्न को याद रख सकता है, लेकिन यह नई परिस्थितियों में नया तर्क उत्पन्न करने में संघर्ष करता है।

वुल्फ सुझाव देते हैं कि AI लैब्स वर्तमान में "बहुत आज्ञाकारी छात्र" बना रहे हैं, न कि सच्चे नवाचार के लिए आवश्यक वैज्ञानिक क्रांतिकारियों को। वे बताते हैं कि आज के AI सिस्टम प्रश्न पूछने या ऐसी विचार प्रस्तावित करने के लिए डिज़ाइन नहीं किए गए हैं जो उनके प्रशिक्षण डेटा का खंडन करते हों, जिससे वे केवल ज्ञात सवालों के जवाब देने तक सीमित हैं। वुल्फ एक ऐसे AI की आवश्यकता पर जोर देते हैं जो स्थापित ज्ञान को चुनौती दे सके और पूछ सके, "क्या होगा अगर इस बारे में सभी गलत हैं?" भले ही सभी साक्ष्य इसके विपरीत सुझाव दें।

वे इस समस्या का एक हिस्सा AI में "मूल्यांकन संकट" को मानते हैं, जहाँ सिस्टम सुधार को मापने के लिए उपयोग किए जाने वाले बेंचमार्क अक्सर स्पष्ट, बंद-अंत वाले उत्तरों वाले सवालों पर ध्यान केंद्रित करते हैं। इसका समाधान करने के लिए, वुल्फ प्रस्ताव देते हैं कि AI उद्योग को AI की साहसिक प्रतिकूल दृष्टिकोण अपनाने, न्यूनतम संकेतों से सामान्य प्रस्ताव बनाने, और गैर-स्पष्ट सवाल पूछने की क्षमता का मूल्यांकन करने की दिशा में ध्यान देना चाहिए, जो नए शोध पथों की ओर ले जा सकते हैं।

हालांकि ऐसी माप को परिभाषित करने की चुनौती को स्वीकार करते हुए, वुल्फ का मानना है कि यह एक सार्थक प्रयास है। वे जोर देते हैं कि विज्ञान का सार सही सवाल पूछने और सीखे गए ज्ञान को चुनौती देने में निहित है। सामान्य ज्ञान के साथ हर सवाल का जवाब देने वाले A+ छात्र के बजाय, वुल्फ का तर्क है कि जरूरत एक B छात्र की है जो देख सके और उन चीजों पर सवाल उठा सके जिन्हें दूसरों ने नजरअंदाज कर दिया है।