अकादमिक अनुसंधान से लेकर उत्पादन लाइनों तक: समकालीन विनिर्माण के साथ-साथ लघु एवं मध्यम उद्यमों में एआई का विकास, महत्वपूर्ण मोड़, सीमाएं और ठोस उपयोग

जब हम कंपनी में होते हैं तो हम इसके बारे में बात करते हैं पौधों के पूर्वानुमानित रखरखाव में कृत्रिम बुद्धिमत्ता का अनुप्रयोग, विनिर्माण प्रक्रियाओं का स्वचालित गुणवत्ता नियंत्रण या करने के लिएउत्पादन डेटा का विश्लेषणअक्सर ऐसा होता है कि हमें एहसास होता है कि हम वास्तव में इसके इतिहास के बारे में कितना कम जानते हैं। यह धारणा, इसके तेजी से प्रसार से और भी पुष्ट होती है। जनरेटिव उपकरण हाल के वर्षों में, कई बार ऐसा हुआ है कि एआई लगभग अचानक ही प्रकट हुआ है, जो प्रत्यक्ष परिणाम स्वरूप हुआ है। महान भाषाई मॉडल और ऐसे प्लेटफॉर्म जो आम जनता के लिए सुलभ हो गए हैं।

दरअसल, जिसे हम आज कहते हैं "ऐ" यह एक बहुत लंबी यात्रा का परिणाम है, जो चिह्नित है सैद्धांतिक अंतर्दृष्टि, उत्साह, असफलताएँ, तकनीकी सीमाएँ, नई कंप्यूटिंग वास्तुकलाएँ और प्रसंस्करण क्षमता में क्रमिक वृद्धि। एक ऐसी प्रणाली के पीछे जो सक्षम है किसी घटक में खराबी को पहचाननाकिसी मशीन में विसंगति का पूर्वानुमान लगाने से लेकर किसी कंपनी को सूचना प्रबंधन में सहायता करने तक, दशकों से गणितीय और कंप्यूटर विज्ञान अनुसंधान का क्षेत्र रहा है, लेकिन साथ ही साथ ऐसे नवाचार भी हैं जो स्पष्ट रूप से दूरस्थ क्षेत्रों में जन्म लेते हैं, जैसे कि... डिजिटल ग्राफिक्स और एल 'वीडियो गेम उद्योग.

यह ऐतिहासिक परिप्रेक्ष्य विशेष रूप से तब महत्वपूर्ण होता है जब एआई ने कारखाने में प्रवेश कियातकनीकी रूप से जो संभव है उसे अपेक्षाओं या व्यावसायिक कथाओं से अलग करने से हमें उपयुक्त उपकरणों का चयन करने, उनकी सीमाओं को समझने और उनका अधिक सटीक मूल्यांकन करने में मदद मिलती है। लागत, लाभ, जोखिम और जिम्मेदारियां.

फिर भी, कृत्रिम बुद्धिमत्ता की उत्पत्ति को समझना सबसे बढ़कर समझने में सहायक होता है। यह आज वास्तव में क्या कर सकता है और क्या नहीं कर सकता हैयहां तक ​​कि विनिर्माण जैसे ठोस क्षेत्र में भी। इसलिए, इसके मूल को जानने का अर्थ केवल तकनीकी इतिहास का पुनर्निर्माण करना ही नहीं है, बल्कि इसे लागू करने के तरीके के बारे में निर्णय लेने के लिए बेहतर उपकरण प्राप्त करना भी है। उत्पादन प्रक्रियाएं किसी शक्तिशाली तकनीक को अस्पष्ट वादे में बदले बिना।

एलन ट्यूरिंग और डार्टमाउथ: वह प्रश्न जिसने एक अनुशासन को जन्म दिया

यह सब 1950 में शुरू हुआ, जब ब्रिटिश गणितज्ञ एलन ट्यूरिंग ने "कंप्यूटिंग मशीनरी और बुद्धिमत्ता" नामक लेख प्रकाशित किया, जिसमें उन्होंने इस प्रश्न का समाधान किया कि क्या मशीनें सोच सकती हैं। इसमें उन्होंने एक सिद्धांत प्रस्तावित किया जिसे बाद में इस नाम से जाना गया। ट्यूरिंग टेस्टयह इस विचार पर आधारित है कि किसी मशीन का मूल्यांकन उसकी उस क्षमता के माध्यम से किया जाए जिससे वह एक ऐसी भाषाई बातचीत को बनाए रख सके जो किसी मानव वार्ताकार के लिए किसी अन्य व्यक्ति के साथ होने वाली बातचीत से अविभाज्य हो।

कृत्रिम बुद्धिमत्ता का एक विषय के रूप में वास्तविक जन्म छह साल बाद हुआ। 1956 की गर्मियों में, डार्टमाउथ कॉलेज में, जॉन मैकार्थी ने मार्विन मिंस्की, आईबीएम के नथानिएल रोचेस्टर और बेल लैब्स के क्लाउड शैनन के साथ मिलकर एक शोध परियोजना का आयोजन किया जो कंप्यूटर विज्ञान के इतिहास में एक मील का पत्थर साबित हुई। इसी पहल के लिए तैयार किए गए प्रस्ताव में मैकार्थी ने "कृत्रिम बुद्धिमत्ता" शब्द का प्रयोग किया था।

"सीखने के किसी भी पहलू या बुद्धिमत्ता की किसी भी अन्य विशेषता का, सिद्धांत रूप में, इतनी सटीकता से वर्णन किया जा सकता है कि एक मशीन उसका अनुकरण कर सके।"

शुरुआती वादे, कम फंडिंग, बढ़ता संदेह

प्रारंभिक उत्साह जल्द ही उस समय की तकनीकी सीमाओं और उपलब्ध क्षमताओं की अनुपलब्धता से टकरा गया। 1969 में, मार्विन मिंस्की और सेमोर पैपर्ट ने "परसेप्ट्रॉन्स" नामक एक कृति प्रकाशित की, जिसने एकल-परत तंत्रिका नेटवर्क की महत्वपूर्ण सीमाओं को उजागर किया और इस शोध क्षेत्र में रुचि कम होने में योगदान दिया।

हालांकि, पहले "एआई विंटर" की शुरुआत किसी एक किताब से नहीं हुई थी। 1970 के दशक के दौरान, अपर्याप्त कंप्यूटिंग शक्ति, जटिल समस्याओं से निपटने में कठिनाई, उम्मीदों से कम परिणाम और फंड देने वालों की बढ़ती शंकाएं एक साथ सामने आईं। यूनाइटेड किंगडम में, लाइटहिल रिपोर्ट 1973 का लेख इस विषय में हुई प्रगति पर कड़ी आलोचनात्मक राय व्यक्त करता है और अनुसंधान के लिए सार्वजनिक समर्थन में कमी लाने में योगदान देता है।

1980 के दशक में, विशेष रूप से इसके कारण, रुचि फिर से बढ़ने लगी। विशेषज्ञ प्रणालियाँये ऐसे प्रोग्राम थे जिन्हें ज्ञान के आधारों और परिभाषित नियमों के माध्यम से विशेष निर्णय लेने की प्रक्रियाओं को दोहराने के लिए डिज़ाइन किया गया था। इन उपकरणों का उपयोग उद्योग में भी हुआ, लेकिन उच्च लागत, कठोरता, अद्यतन करने में कठिनाई और एक बार फिर अत्यधिक अपेक्षाओं के कारण, दशक के अंत और 1990 के दशक के प्रारंभ के बीच, निराशा का दूसरा दौर शुरू हो गया।

वीडियो गेम, जीपीयू, पैरेलल मैट्रिक्स: यह डीप लर्निंग में एक महत्वपूर्ण मोड़ है।

हाल के दशकों में हुई तीव्र प्रगति का एक कारण डिजिटल ग्राफिक्स और वीडियो गेम उद्योगों में विकसित हुआ परिपक्व स्वरूप भी है। वास्तविक समय में तेजी से जटिल त्रि-आयामी परिदृश्यों को उत्पन्न करने के लिए, हार्डवेयर निर्माता विकसित करते हैं। GPUग्राफिक्स प्रोसेसिंग यूनिट, बड़ी मात्रा में गणितीय संक्रियाओं के समानांतर निष्पादन में विशेषज्ञता प्राप्त प्रोसेसर, समर्पित उच्च गति वाली मेमोरी द्वारा समर्थित।

यह आर्किटेक्चर पारंपरिक सीपीयू से अलग है। पारंपरिक सीपीयू को अत्यंत लचीलेपन के साथ विभिन्न प्रकार के निर्देश अनुक्रमों को संभालने के लिए डिज़ाइन किया गया है; दूसरी ओर, जीपीयू एक साथ बड़ी मात्रा में समान गणनाएँ कर सकते हैं। यह विशेषता विशेष रूप से मैट्रिक्स गुणन और न्यूरल नेटवर्क को प्रशिक्षित करने के लिए आवश्यक अन्य संख्यात्मक कार्यों के लिए उपयुक्त है।

जीपीयू के प्रसार के साथ-साथ धीरे-धीरे ऐसे उपकरण भी विकसित हो रहे हैं जो उन्हें केवल ग्राफिकल गणनाओं के अलावा अन्य गणनाओं के लिए भी उपयोग करने की अनुमति देते हैं, साथ ही उपलब्ध डेटासेट की वृद्धि, मेमोरी क्षमता में वृद्धि और लर्निंग एल्गोरिदम के परिष्करण के कारण भी ऐसा हो रहा है।

इनमें से निम्नलिखित का अत्यधिक महत्व है: त्रुटि बैकप्रोपैगेशनया बैकप्रॉपैगेशन। इस तकनीक के गणितीय आधार 1980 के दशक से मिलते हैं, लेकिन डेविड रुमेलहार्ट, जेफ्री हिंटन और रोनाल्ड विलियम्स द्वारा 1986 में प्रकाशित कार्य ने मल्टीलेयर न्यूरल नेटवर्क को प्रशिक्षित करने में इसके प्रभावशाली उपयोग में निर्णायक योगदान दिया।

प्रतीकात्मक मोड़ 2012 में आया। एलेक्सनेटजीपीयू का उपयोग करके प्रशिक्षित इस न्यूरल नेटवर्क ने इमेजनेट प्रतियोगिता में कई प्रतिस्पर्धी दृष्टिकोणों को पछाड़ते हुए शानदार प्रदर्शन किया, जिससे यह साबित हुआ कि समानांतर कंप्यूटिंग, बड़ी मात्रा में डेटा और डीप नेटवर्क का संयोजन कंप्यूटर विज़न को किस प्रकार क्रांतिकारी रूप से बदल सकता है। तब से जीपीयू डीप लर्निंग इंफ्रास्ट्रक्चर का एक केंद्रीय घटक बन गया है।

2017 में, शोधकर्ताओं के एक समूह ने "ध्यान ही सब कुछ है" शीर्षक से एक लेख प्रकाशित किया।"वास्तुकला का परिचय ट्रांसफार्मरइसका ध्यान तंत्र मॉडल को अनुक्रम के विभिन्न भागों को पारंपरिक आवर्ती नेटवर्क की व्यवस्था के अनुसार एक के बाद एक संसाधित किए बिना ही उन्हें आपस में जोड़ने की अनुमति देता है।

यह आर्किटेक्चर बड़े भाषा मॉडलों की तकनीकी नींवों में से एक बन गया और पांच साल बाद, चैटजीपीटी की भी नींव बना, जिससे जनरेटिव एआई को लाखों लोगों की रोजमर्रा की भाषा में लाने में मदद मिली।

शास्त्रीय कंप्यूटर विज्ञान के नियतिवाद से परे संभाव्य अनुमान

एक अन्य पहलू जिसे अक्सर गलत समझा जाता है, वह इन प्रणालियों के "तर्क" करने के तरीके से संबंधित है। पारंपरिक कंप्यूटर औपचारिक रूप से निर्धारित निर्देशों का पालन करते हैं और, सब कुछ समान होने पर, दोहराने योग्य परिणाम उत्पन्न करते हैं। दूसरी ओर, आधुनिक, बड़े पैमाने पर भाषा मॉडल सांख्यिकीय तंत्रों के माध्यम से काम करते हैं, जो प्रशिक्षण के दौरान सीखे गए मापदंडों के आधार पर यह अनुमान लगाते हैं कि संसाधित किए जा रहे संदर्भ में किन तत्वों के घटित होने की सबसे अधिक संभावना है।

इसी कारण इन्हें कुछ सरलीकरण के साथ इस प्रकार वर्णित किया जा सकता है: संभाव्य अनुमान इंजनकिसी पाठ को उत्पन्न करते समय, एक भाषा मॉडल संभावित बाद के तत्वों से जुड़े संभाव्यता वितरण का मूल्यांकन करता है और क्रमिक रूप से आउटपुट का निर्माण करता है।

इसलिए, इसका कोई निश्चित पूर्व-निर्धारित उत्तर नहीं होता। परिणाम संदर्भ, प्राप्त निर्देशों, दिए गए डेटा और गणना में उपयोग किए गए मापदंडों के आधार पर भिन्न हो सकता है। यह पारंपरिक नियतात्मक सॉफ़्टवेयर से एक महत्वपूर्ण भिन्नता है और इन प्रणालियों की असाधारण लचीलता और अंतर्निहित त्रुटिपूर्णता दोनों को समझाने में सहायक है।

बड़े भाषाई मॉडलों के प्रसार का एक महत्वपूर्ण उदाहरण यह है: लामामेटा एआई एक लार्ज लैंग्वेज मॉडल है, जिसे मेटा द्वारा 2023 से विकसित किया जा रहा है। मेटा ने अपने लाइसेंस के माध्यम से कई मॉडलों के वेट उपलब्ध कराए हैं, जिससे शोधकर्ताओं, डेवलपर्स और कंपनियों के लिए इन सिस्टमों का उपयोग करने और उन्हें विशिष्ट बनाने की संभावनाएं काफी बढ़ गई हैं।

LLaMA को केवल "ओपन सोर्स" के रूप में परिभाषित करना सावधानी की बात है: संबंधित लाइसेंसों में ऐसी शर्तें और प्रतिबंध शामिल हैं जो ओपन सोर्स इनिशिएटिव द्वारा अपनाई गई ओपन सोर्स सॉफ़्टवेयर की परिभाषा से पूरी तरह मेल नहीं खाते। इसलिए, मॉडलों की बात करना अधिक सटीक होगा। खुला वजनयानी, उपलब्ध भारों के साथ, जिन्होंने किसी भी मामले में अनुकूलन योग्य प्रणालियों पर व्यापक प्रयोगों को बढ़ावा दिया है जो संभावित रूप से छोटे आकार की विनिर्माण कंपनियों के लिए भी दिलचस्प हैं।

एएनआई, एजीआई, एएसआई: वर्तमान उपकरणों और भविष्य के सैद्धांतिक परिदृश्यों के बीच की सीमाएं

इस बहस में अपनी स्थिति स्पष्ट करने के लिए तीन पारंपरिक श्रेणियों में अंतर करना उपयोगी है।कृत्रिम संकीर्ण बुद्धिमत्ता (एएनआई)कमजोर प्रणालियों में वे प्रणालियाँ शामिल होती हैं जिन्हें विशिष्ट कार्यों या कार्यों के वर्गों को करने के लिए डिज़ाइन किया गया है, जैसे कि वाक् पहचान, कंप्यूटर दृष्टि, डेटा विश्लेषण, प्रक्रिया अनुकूलन और सामग्री निर्माण।

यहां तक ​​कि अत्यंत परिष्कृत प्रणालियां भी इस श्रेणी में आ सकती हैं जब उनमें अपने कौशल को किसी भी संभावित क्षेत्र में स्थानांतरित करने की सामान्य और स्वायत्त क्षमता नहीं होती है।

एल 'कृत्रिम सामान्य बुद्धिमत्ता, एजीआईएजीआई का तात्पर्य एक ऐसी मशीन से है जो सीखने, समझने और अपनी क्षमताओं को समस्याओं की एक अत्यंत व्यापक श्रेणी पर लागू करने में सक्षम है, जिसकी व्यापकता मनुष्यों के समान है। हालांकि, एजीआई की कोई सर्वमान्य परिभाषा नहीं है और न ही वैज्ञानिक समुदाय द्वारा इस श्रेणी में आने वाली किसी प्रणाली को सर्वसम्मति से मान्यता प्राप्त है।

अंत में द कृत्रिम महाबुद्धि, एएसआई (कृत्रिम महाबुद्धि)यह एक काल्पनिक कृत्रिम बुद्धिमत्ता का वर्णन करता है जो कई संज्ञानात्मक क्षेत्रों में मानवीय क्षमताओं को काफी हद तक पार करने में सक्षम है। फिलहाल, यह एक सैद्धांतिक परिदृश्य ही है।

साइबर सुरक्षा, शासन और कमजोरियों के मद्देनजर जवाबदेही

जनरेटिव एआई के उदय से हमले के नए खतरे पैदा हो गए हैं। मॉडल दस्तावेज़ों, संदेशों, डेटाबेस, वेबसाइटों और अन्य बाहरी स्रोतों के माध्यम से निर्देश प्राप्त कर सकते हैं, जिससे हेरफेर के ऐसे अवसर पैदा होते हैं जो पहले पारंपरिक कंप्यूटर प्रणालियों में इस तरह मौजूद नहीं थे।

2024 में, कुछ शोधकर्ताओं ने प्रयोगात्मक रूप से यह प्रदर्शित किया कि ऐसा करना संभव है। स्व-प्रतिकृति विरोधियों को प्रेरित करें परस्पर जुड़े जनरेटिव एआई-आधारित अनुप्रयोगों के बीच प्रसार करने में सक्षम। अवधारणा का प्रमाण, जिसे कहा जाता है मॉरिस द्वितीयइसमें दिखाया गया है कि अप्रत्यक्ष त्वरित इंजेक्शन तकनीकें किस प्रकार कृमि-जैसी प्रसार का कारण बन सकती हैं और कुछ प्रयोगात्मक संरचनाओं में, अवांछित क्रियाओं या सूचना के रिसाव का कारण बन सकती हैं।

इसका यह मतलब नहीं है कि इस तरह के वर्म्स पहले से ही कॉर्पोरेट सिस्टम्स में व्यवस्थित रूप से फैल रहे हैं। हालांकि, इसका यह मतलब जरूर है कि कमजोरियों का एक ऐसा वर्ग सामने आया है जिसे गंभीरता से लिया जाना चाहिए जब विभिन्न एआई-आधारित घटकों को आपस में जोड़ा जाता है और उन्हें बाहरी डेटा या टूल्स तक पहुंचने की अनुमति दी जाती है।

जनरेटिव मॉडल को अपने प्रबंधन और उत्पादन प्रणालियों में एकीकृत करने वाले लघु और मध्यम उद्यमों के लिए, सुरक्षा, डेटा अलगाव, इनपुट नियंत्रण, प्राधिकरण प्रबंधन और आउटपुट पर्यवेक्षण को डिजाइन चरण से ही वास्तुशिल्प घटकों के रूप में माना जाना चाहिए।

वर्तमान डिजिटल क्रांति से बहुत पहले, इसहाक असिमोव ने मशीनों की स्वायत्तता, मानव की जिम्मेदारी और संरक्षण के बीच संबंधों की समस्या को अपनी प्रसिद्ध रचना के माध्यम से काल्पनिक रूप से प्रस्तुत किया था। रोबोटिक्स के तीन नियम.

वे सूत्र विज्ञान कथाओं से संबंधित हैं, लेकिन अंतर्निहित प्रश्न ठोस हो गए हैं: किसी प्रणाली की सीमाएं कौन निर्धारित करता है, उसकी त्रुटियों के लिए कौन जवाबदेह है, कौन से निर्णय सौंपे जा सकते हैं, और लोगों को प्रभावित करने में सक्षम एल्गोरिदम के उपयोग के साथ क्या गारंटी होनी चाहिए?

आज एआई विनियमन और शासन का विकास इसी प्रकार के प्रश्नों के इर्द-गिर्द हो रहा है, जिसमें कृत्रिम बुद्धिमत्ता पर यूरोपीय विनियमन से लेकर मॉडलों की सुरक्षा, पारदर्शिता और विश्वसनीयता के लिए समर्पित अंतरराष्ट्रीय पहल शामिल हैं।

विनिर्माण, लघु एवं मध्यम उद्यम, डिजिटल कारखाने: प्रतिस्थापन के बिना अनुप्रयोगों से जुड़े मिथक

एक लघु एवं मध्यम उद्यम प्रबंधक के रूप में, सबक सीधा है: आज प्रभावी ढंग से अपनाई जा सकने वाली कृत्रिम बुद्धिमत्ता में मुख्य रूप से विशेष उपकरण शामिल होते हैं। यह तेज़ और अधिक लक्षित बिक्री प्रस्ताव विकसित करने, सीआरएम गतिविधियों में सहायता करने, पूर्वानुमानित रखरखाव के माध्यम से विफलताओं का अनुमान लगाने, उत्पादन चक्रों को अनुकूलित करने, बड़ी मात्रा में डेटा का विश्लेषण करने और गुणवत्ता नियंत्रण के कुछ हिस्सों को स्वचालित करने में मदद कर सकती है।

एक कंप्यूटर विज़न सिस्टम विनिर्माण दोषों की पहचान कर सकता है; एक पूर्वानुमान मॉडल संयंत्र के मापदंडों में विसंगतियों का पता लगा सकता है, इससे पहले कि वे विफलता का कारण बनें; जनरेटिव उपकरण दस्तावेज़ीकरण, कोटेशन और बिक्री संचार तैयार करने में सहायता कर सकते हैं; अनुकूलन एल्गोरिदम उत्पादन योजना और संसाधन तैनाती में सहायता कर सकते हैं।

इसका अर्थ यह नहीं है कि ऐसी सामान्य बुद्धि विकसित हो जाए जो मानव निर्णय को अंधाधुंध प्रतिस्थापित कर सके। बल्कि, इसका अर्थ है परिभाषित कार्यों, डेटा, प्रक्रियाओं और जिम्मेदारियों के दायरे में रहते हुए अत्यंत शक्तिशाली उपकरणों का उपयोग करना।

इसके इतिहास को समझना—जो रोमांच, उतार-चढ़ाव, पुनर्जन्म, अप्रत्याशित हार्डवेयर नवाचारों और नए कंप्यूटिंग प्रतिमानों से भरा है—कृत्रिम बुद्धिमत्ता को उस आत्मविश्वास के साथ अपनाने की दिशा में पहला कदम है जो इसे एक तकनीकी वादे से एक सही मायने में उपयोगी व्यावसायिक उपकरण में बदलने के लिए आवश्यक है।

ह्यूमनॉइड रोबोट और फिजिकल एआई: बीएमडब्ल्यू ग्रुप की फैक्ट्री में हो रहे बदलाव

डामा टेक्नोपोलो: बोलोग्ना में वास्तविक नवाचार के लिए डेटा, सुपरकंप्यूटिंग और एआई

लिकटेंस्टीन और सार्वजनिक एआई: लैंडेसवरवाल्टुंग में जिम्मेदार नवाचार

यहां तीन जानकारियां दी गई हैं जिनमें आपकी रुचि हो सकती है:

"मल्टीवैक का जीवन और समय" और आधुनिक कृत्रिम बुद्धिमत्ता
जनरेटिव एआई: यह क्या है और यह हमें कैसे बदलता है
डल्लारा और आईबीएम किस प्रकार पवन सुरंग में एआई का उपयोग करेंगे?