2024 में, Google AI ने दैनिक जीवन को बेहतर बनाने के उद्देश्य से महत्वपूर्ण प्रगति और सुविधाओं को पेश किया। मुख्य लॉन्च में "सर्कल टू सर्च" और "नोटबुकLM के ऑडियो ओवरव्यू" शामिल थे, साथ ही जेमिनी, पिक्सल और क्रोम जैसे विभिन्न Google उत्पादों में अपडेट किए गए। प्रत्येक माह महत्वपूर्ण विकास लाए: - **जनवरी:** सर्कल टू सर्च और सैमसंग गैलेक्सी S24 में नई सुविधाएँ प्रस्तुत की गईं, साथ ही क्रोम और पिक्सल के लिए जनरेटिव AI सुधार। - **फरवरी:** जेमिनी 1

कृषि और औद्योगिक क्रांतियों की तरह, कृत्रिम बुद्धिमत्ता (एआई) भी तकनीकी और सामाजिक परिवर्तन ला रही है जो मानव इतिहास को प्रभावित करेगी। यह उत्पादकता और नवाचार को नाटकीय रूप से पुनः आकार देने की दिशा में अग्रसर है, जो आर्थिक विकास के प्रमुख चालक हैं। वर्तमान एआई क्रांति की सटीक दिशा अनिश्चित है, लेकिन इसका तीव्र विकास निर्विवाद है। जैसे-जैसे एआई तकनीक तेजी से उन्नत हो रही है, यह मानव उत्पादकता को अभूतपूर्व स्तर पर बढ़ाने का वादा करती है। पीछे रहने वाले व्यवसायों को उभरने में कठिनाई हो सकती है। एआई प्रौद्योगिकी को अपनाना और एकीकृत करना आवश्यक हो गया है, न कि वैकल्पिक। कृत्रिम बुद्धिमत्ता शब्द—जिसका अर्थ है कि मशीनें या कंप्यूटर मानव बुद्धिमत्ता प्रक्रियाओं का अनुकरण करते हैं—1950 के दशक में पेश किया गया था, और तब से क्षेत्र विकसित हो रहा है। आधुनिक उन्नत रूप, जैसे कि जेनरेटिव एआई, संचार, सीखने, और निर्णय लेने की क्षमताओं को बढ़ाते हैं, जिसका समाज और दैनिक जीवन पर महत्वपूर्ण प्रभाव पड़ता है। नीचे महत्वपूर्ण शर्तें हैं जिन पर व्यावसायिक नेताओं को इस तेजी से विकसित होती प्रौद्योगिकी को लागू करते समय विचार करना चाहिए: एल्गोरिदमिक पूर्वाग्रह खराब प्रशिक्षण डेटा और प्रोग्रामिंग से उत्पन्न त्रुटियों के परिणामस्वरूप एआई मॉडल पूर्वाग्रहपूर्ण निर्णय लेते हैं। ऐसी त्रुटियां लिंग, क्षमता, या जाति के आधार पर अनुचित निष्कर्ष निकाल सकती हैं, जो निर्णय लेने की प्रक्रियाओं में गंभीर क्षति पहुंचा सकती हैं। स्वायत्त एजेंट एआई मॉडल जिनके पास एक उद्देश्य और उसे प्राप्त करने के लिए आवश्यक उपकरण होते हैं। उदाहरण के लिए, सेल्फ-ड्राइविंग कारें, जो संवेदनशील इनपुट, जीपीएस डेटा, और ड्राइविंग एल्गोरिदम का उपयोग कर स्वतंत्र रूप से नेविगेट करती हैं और गंतव्य पर पहुंचती हैं। डीप लर्निंग मशीन लर्निंग का एक उन्नत रूप जो विशाल डेटा संसाधनों जैसे कि टेक्स्ट और असंरचित डेटा, जैसे छवियों को संसाधित करता है। इन क्षमताओं में संदिग्ध लॉगिन प्रयासों का पता लगाना या मजबूत पासवर्ड सुझाना शामिल है। जेनरेटिव एआई एआई जो सामग्री जैसे कि टेक्स्ट, वीडियो, कोड, और चित्र बनाने में सक्षम है। बड़े डेटासेट पर प्रशिक्षित, जेनरेटिव एआई सिस्टम पैटर्न की पहचान करते हैं और नई सामग्री उत्पन्न करते हैं। उदाहरणों में ChatGPT और DALL-E शामिल हैं। मतिभ्रम तब होता है जब एक एआई प्रणाली काल्पनिक, अर्थहीन, या गलत जानकारी उत्पन्न करती है। गलत जानकारी जिस आत्मविश्वास के साथ प्रस्तुत की जाती है, उसकी विश्वसनीयता को पहचानना चुनौतीपूर्ण बना देती है। मशीन लर्निंग कृत्रिम बुद्धिमत्ता जो एल्गोरिदम और मॉडल विकसित करती है जो मशीनों को बिना मानवीय हस्तक्षेप के डेटा से सीखने और रुझान अनुमानित करने में सक्षम बनाती है। उदाहरण के लिए, गूगल मैप्स मशीन लर्निंग का उपयोग कम्यूट समय की मॉडलिंग और भविष्यवाणी के लिए करता है। संकीर्ण एआई एआई जो एकल उद्देश्यों के लिए डिज़ाइन किया गया है, जैसे कि अश्लील चित्रों का पता लगाना या अमेज़न पर उत्पादों की सिफारिश करना।

कॉस्टा रिका के ओसा प्रायद्वीप में, जीवविज्ञानी जेना लॉसन ने लुप्तप्राय और वैज्ञानिकों के लिए देखने में कठिन जेफ्री के स्पाइडर बंदरों का पता लगाने के लिए 350 ऑडियो मॉनिटर लगाए। इन उपकरणों ने एक हफ्ते तक जंगल की आवाज़ें रिकॉर्ड कीं, जिससे बड़ी मात्रा में डेटा उत्पन्न हुआ। इस डेटा को कुशलता से विश्लेषित करने के लिए, लॉसन ने एआई सिस्टम्स का उपयोग किया जो तुरंत स्पाइडर बंदर की आवाज़ों को पहचान सकते हैं और उनके मूवमेंट को ट्रैक कर सकते हैं, जिससे यह 2021 में शुरू होने वाले सबसे बड़े ध्वनिक वन्यजीव अध्ययनों में से एक बन गया। अध्ययन से क्षेत्र में वन्यजीव शरण के स्वास्थ्य को लेकर चिंताएँ स्पष्ट हुईं। पादप और पशु प्रजातियों के लगभग 28% विलुप्त होने के खतरे का सामना करने के साथ ही वन्यजीव निगरानी में एआई का उपयोग तेजी से महत्वपूर्ण हो रहा है, जैसा कि साइंस पत्रिका में प्रकाशित एक अध्ययन में बताया गया है। डच और डेनिश विश्वविद्यालयों के शोधकर्ताओं ने मशीन लर्निंग की क्षमता को व्यापक डेटा संभालने और पारिस्थितिकी अंतर्दृष्टि खोजने में उजागर किया, हालांकि तकनीकी चुनौतियाँ बनी हुई हैं। माइक्रोसॉफ्ट का AI फॉर गुड लैब इन चुनौतियों का सामना एक नए हार्डवेयर और कंप्यूटिंग सिस्टम स्पैरो के साथ कर रहा है, जिसे सौर ऊर्जा और ऊर्जा-कुशल एआई चिप्स का उपयोग कर दूरस्थ क्षेत्रों में कार्य करने के लिए डिज़ाइन किया गया है। ये उपकरण वर्षों तक काम कर सकते हैं और निम्न-पृथ्वी कक्षा उपग्रहों का उपयोग करते हुए ऑनलाइन डेटा प्रसारित कर सकते हैं। स्पैरो का परीक्षण कोलंबिया के मैग्डालेना नदी प्रिज़र्व में तय किया गया है, ताकि जैगुआर और स्पाइडर बंदरों जैसे प्रजातियों पर वनों की कटाई के प्रभावों का अध्ययन किया जा सके। एक और परियोजना वाशिंगटन के कैडेडे पर्वतों में संचालित की जाएगी, जिसमें वैश्विक विस्तार के योजनाएं हैं और अनुसंधानकर्ताओं के लिए डेटा सुलभ बनाया जाएगा, जबकि शिकारी द्वारा दुरुपयोग से सुरक्षा सुनिश्चित की जाएगी। लॉसन के अध्ययन की शुरुआत स्पाइडर बंदरों के लिए आवास हानि की चिंताओं के कारण हुई, विशेष रूप से कॉरकोवाडो नेशनल पार्क के पास के बुनियादी ढांचे और प्लांटेशन से। उनके निष्कर्ष, मार्च 2023 में लंदन की रॉयल सोसाइटी द्वारा प्रकाशित, यह दिखाते हैं कि स्पाइडर बंदर सड़कों और प्लांटेशन के निकट के क्षेत्रों से बचते हैं, दर्शाते हुए कि वन्यजीव गलियारों का प्रभाव उतना प्रभावी नहीं है जितना सोचा गया था। साइंस पेपर में वर्णित ध्वनिक निगरानी विभिन्न पारिस्थितिक तंत्रों में मूल्यवान है, जैसे कि जहाजों को बालेन व्हेल से बचने में मदद करना। हालांकि, पर्यावरणीय क्षति जैसी चुनौतियाँ मॉनिटरों को प्रभावित कर सकती हैं, यह दृष्टिकोण वन्यजीव व्यवहारों का अध्ययन करने के लिए एक लागत प्रभावी और न्यूनतम आक्रमणकारी तरीका प्रस्तुत करता है। लॉसन ने जोर दिया कि ऑडियो मॉनिटरिंग पशु व्यवहार पर मानव प्रभाव को कम करती है, जिससे जीवविज्ञानियों को अधिक प्रामाणिक व्यवहारों का अवलोकन करने की अनुमति मिलती है और यह ध्यान दिलाया कि स्पाइडर बंदर मानव हस्तक्षेप नहीं चाहते।

कैंसर रोगियों के लिए कठिन निर्णयों, जैसे उपचार और जीवन के अंत की प्राथमिकताओं के लिए तैयार करने में ऑन्कोलॉजिस्ट महत्वपूर्ण भूमिका निभाते हैं। पेंसिलवेनिया विश्वविद्यालय स्वास्थ्य प्रणाली में, एआई एल्गोरिदम का उपयोग रोगियों की मृत्यु की संभावना की भविष्यवाणी करने के लिए किया जाता है, ताकि ऐसी चर्चाएं शुरू की जा सकें। हालांकि, एक अध्ययन ने दिखाया कि कोविड-19 महामारी के दौरान एल्गोरिदम की प्रभावशीलता घट गई, जिससे ऐसी चर्चाओं का अभाव हुआ जो अनावश्यक कीमोथेरपी को रोक सकती थी। ऑन्कोलॉजिस्ट रवि परीख इस मुद्दे को उजागर करते हैं और बताते हैं कि कई स्वास्थ्य संस्थान अपने एल्गोरिदम के प्रदर्शन की निगरानी करने में विफल रहते हैं, जो महामारी के दौरान एक सामान्य समस्या थी। एल्गोरिदम की गड़बड़ियां कम्प्यूटर वैज्ञानिकों और डॉक्टरों द्वारा स्वीकृत एक व्यापक चुनौती को दर्शाती हैं: एआई सिस्टम के सही कामकाज के लिए सतत निगरानी और संसाधनों की आवश्यकता होती है। पर्याप्त निगरानी के बिना, इन सिस्टमों के बिना देखभाल की गुणवत्ता में सुधार किए, स्वास्थ्य खर्च बढ़ने का जोखिम रहता है। स्टैनफोर्ड हेल्थ केयर के निगम शाह सवाल उठाते हैं कि अगर एआई देखभाल के खर्च को 20% तक बढ़ा देता है, तो इसकी उपयोगिता क्या होगी? इसी तरह, FDA के कमिश्नर रॉबर्ट कैलिफ चिंता व्यक्त करते हैं कि अमेरिकी स्वास्थ्य प्रणालियों में एआई के नैदानिक उपयोग को सत्यापित करने की क्षमता की कमी है। एआई पहले से ही स्वास्थ्य देखभाल में व्यापक है, मरीजों के जोखिम की भविष्यवाणी करने, निदान में सहायता करने आदि के लिए। लेकिन इन उत्पादों की प्रभावशीलता का मूल्यांकन जटिल है, और उन्हें तैनाती के बाद मॉनीटर करने के लिए कोई मानकीकृत पद्धति नहीं है। अमेरिकन मेडिकल एसोसिएशन के पूर्व अध्यक्ष जेसी एहरेनफेल्ड मानकों की अनुपस्थिति की ओर इशारा करते हैं, जिससे अस्पतालों के लिए सर्वोत्तम एल्गोरिदम चुनना कठिन हो जाता है। एम्बियंट डॉक्यूमेंटेशन, एआई जो रोगी के दौरे का संक्षेपण करता है, आम है, इसके लिए महत्वपूर्ण निवेश किया गया है। हालांकि, छोटे त्रुटियाँ हानिकारक हो सकती हैं, जैसा कि स्टैनफोर्ड विश्वविद्यालय के अध्ययन में दिखाया गया है जहां बड़े भाषा मॉडल के चिकित्सा इतिहास संक्षेपण में 35% त्रुटि दर थी, जो संभावित खतरों को दर्शाती है। एल्गोरिदम तार्किक कारणों, जैसे डेटा में परिवर्तन, या अजीब (रैंडम) कारणों से भी विफल हो सकते हैं। मास जनरल ब्रिघम के सैंडी एरोनसन ने नोट किया कि कुछ एआई अनुप्रयोग "नॉन्डिटरमिनिज़्म" से पीड़ित होते हैं, असंगत उत्तर प्रदान करते हैं। इन चुनौतियों से निपटने के लिए, संस्थानों को निगरानी और संसाधनों में भारी निवेश करना होगा। स्टैनफोर्ड में, निष्पक्षता के लिए दो मॉडलों की समीक्षा करने में पर्याप्त समय और श्रम लगा। विशेषज्ञ सुझाव देते हैं कि डेटा विशेषज्ञों द्वारा नियंत्रित एआई को एआई की निगरानी में उपयोग किया जाए, हालांकि यह बजट सीमाओं और एआई विशेषज्ञों की कमी के कारण महंगा हो सकता है। अंततः, जबकि एआई में संभावनाएं हैं, इसे स्वास्थ्य देखभाल में सही ढंग से लागू करने के लिए सावधान निवेश और देखरेख की आवश्यकता है।

Bloomberg News के अनुसार, OpenAI कथित तौर पर एक नए AI मॉडल o3 की तैयारी कर रहा है, जिसका उद्देश्य जटिल, मल्टीस्टेप प्रश्नों के उत्तरों को प्रसंस्करण में अधिक समय देकर उनकी मानव जैसी तर्कशीलता को बढ़ाना है। यह 20 दिसंबर को एक OpenAI लाइवस्ट्रीम इवेंट के दौरान घोषित किया गया। इस इवेंट में, OpenAI ने यह साझा किया कि o3 सितंबर में लॉन्च हुए o1 मॉडल में किस प्रकार सुधार करता है। उन्होंने नए सॉफ़्टवेयर के रिलीज़ से पहले मॉडल की परीक्षा के लिए सुरक्षा और सुरक्षा शोधकर्ताओं को आमंत्रित किया। CEO सैम ऑल्टमैन ने जनवरी में o3-मिनी के एक छोटे संस्करण के लॉन्च की योजना की घोषणा की, इसके बाद पूरे o3 मॉडल को लॉन्च किया जाएगा। विशेष रूप से, भ्रम से बचने के लिए o2 मॉडल नहीं है क्योंकि ब्रिटिश टेलीकॉम कंपनी O2 के साथ भ्रम हो सकता है। o3 की शुरुआत अन्य प्रमुख कंपनियों के AI विकास के साथ मेल खाती है। Google ने अपने Gemini मॉडल के एक नए संस्करण का अनावरण किया है, जो दावा करता है कि यह दोगुना तेज़ और योजना बनाने व उपयोगकर्ताओं की ओर से कार्रवाई करने जैसे विभिन्न संज्ञानात्मक कार्यों में सक्षम है। मेटा ने अपने Llama 4 मॉडल के 2025 में रिलीज़ की संभावना जताई है। हालांकि, ये कंपनियां महंगे नए मॉडलों पर घटते नियमानुपात का सामना कर रही हैं और "तर्कशीलता" पर ध्यान केंद्रित करना उच्च गुणवत्ता, मानव निर्मित प्रशिक्षण डेटा की कमी को दूर करने की एक रणनीति है, जैसा कि ब्लूमबर्ग ने उल्लेख किया है। संबंधित AI विकास में, PYMNTS ने MIT की एक AI प्रणाली को हाईलाइट किया, जो वेयरहाउस रोबोट्स को असामान्य आकार के पैकेज संभालने और भीड़भाड़ वाले क्षेत्रों में सुरक्षित रूप से स्थानांतरित होने में सक्षम बनाता है। जबकि रोबोट पलेट मूविंग जैसे दोहराए जाने वाले कार्यों को कुशलतापूर्वक प्रबंधित करते हैं, नई PRoC3S तकनीक मानव दक्षता और स्थलिक जागरूकता की आवश्यकता वाले जटिल कार्यों की चुनौती का सामना करती है। Plus One Robotics के CEO और सह-संस्थापक एरिक निवेस ने PYMNTS को बताया कि PRoC3S कैसे प्रारंभिक बड़े भाषा मॉडल (LLM) की व्याख्याओं को सटीक पर्यावरणीय समझ के साथ सुधार कर रोबोटिक त्रुटियों को कम करता है। यह रोबोट के लिए एक डिजिटल सिमुलेशन बनाता है, जो सैद्धांतिक ज्ञान और व्यावहारिक अनुप्रयोगों के बीच की खाई को पाटता है, जैसे कक्षा शिक्षा को एक अनुभवात्मक फील्ड ट्रिप के साथ मिलाना।

2025 तक, व्यक्तिगत AI एजेंट आम हो जाएंगे, जो हमारे कार्यक्रमों और संपर्कों को प्रबंधित करते हुए व्यक्तिगत सहायक के रूप में कार्य करेंगे। ये एजेंट हमारे जीवन में बिना किसी रुकावट के एकीकृत हो जाएंगे, इंसान जैसे बातचीत के माध्यम से हमारे विचारों और कार्यों तक व्यापक पहुंच हासिल करेंगे। हालाँकि, यह निजीपन केवल एक मुखौटा है, जिसका उद्देश्य हमें खरीदारी, यात्रा और पढ़ाई के संबंध में हमारे फैसलों को सूक्ष्मता से प्रभावित करना है, यह सब सुविधा के बहाने के तहत। AI एजेंटों के साथ यह संपर्क मानव भावनाओं का फायदा उठा सकता है, खासकर बढ़ती अकेलापन के समय में, हर उपयोगकर्ता के लिए एक व्यक्तिगत वास्तविकता तैयार करके। दार्शनिक डेनियल डेनेट ने चेताया था कि ये "नकली लोग" हमारे भय को नियंत्रित कर सकते हैं, जिससे एक प्रकार का संज्ञानात्मक नियंत्रण पैदा होगा जो बिना खुले अधिकार के हमारे दृष्टिकोणों और वास्तविकताओं को ध्यान से आकार देगा, मनोवैज्ञानिक-राजनीतिक शासन कर सकता है। AI एजेंट विचार विकास और अभिव्यक्ति के लिए व्यक्तिगत वातावरण तैयार करेंगे, जिससे हमें विश्वास हो जाएगा कि हमारे पास विकल्प और स्वतंत्रता है। जबकि पारंपरिक वैचारिक नियंत्रण विधियाँ सीधे तौर पर कार्यरत होती हैं, आज के एल्गोरिथमिक शासन छुपा हुआ होता है, जो अधिकार की सोच को आंतरिक बनाता है। AI एजेंट इच्छाओं को पूरा करके सुविधा प्रदान करते हैं, लेकिन इससे अलगाव हो सकता है, क्योंकि AI डिजाइन और आउटपुट के बारे में निर्णय डेटा और वाणिज्यिक हितों द्वारा नियंत्रित होते हैं, जो अंततः उपयोगकर्ताओं को एक नकली खेल में नियंत्रित करते हैं।

जनरेटिव आर्टिफिशियल इंटेलिजेंस विभिन्न उद्योगों में क्रांति ला रही है, जिसमें कला की दुनिया भी शामिल है, जहां इसे उपयोग में लाया जा रहा है और यह कलाकारों के बीच आश्चर्य का कारण बन रहा है। इसका एक प्रमुख उदाहरण बॉटो है, एक "विकेंद्रीकृत स्वायत्त कलाकार" जिसने 2021 से नीलामियों में लगभग $5 मिलियन में बिकने वाली लगभग 150 छवियां उत्पन्न की हैं। इलैवेनयेलो और मारियो क्लिंगेमन द्वारा निर्मित, बॉटो एल्गोरिदमिक प्रॉम्प्ट्स के आधार पर छवियां उत्पन्न करता है, जो यादृच्छिक शब्दों और प्रतीकों से शुरू होते हैं। बॉटो साप्ताहिक लगभग 70,000 छवियां उत्पन्न करता है, जिनमें से 350 को बॉटोDAO, 5,000 लोगों के समूह, के समक्ष प्रस्तुत किया जाता है जो यह वोट करते हैं कि किस छवि की नीलामी की जाएगी। वोट बॉटो टोकन के साथ डाले जाते हैं, जो प्रतिभागियों को बॉटो की रचनाओं को प्रभावित करने के लिए अंक प्रदान करता है। नीलामी से प्राप्त आय को मतदाताओं और बॉटो के खजाने के बीच विभाजित किया जाता है। DAO के इनपुट के परिणाम बॉटो के भविष्य के कार्यों का मार्गदर्शन करते हैं। क्लिंगेमन का अनुमान है कि "मशीन कलाकार" जल्द ही मनुष्यों की तुलना में अधिक आकर्षक कार्य उत्पन्न कर सकते हैं। सोथबी के नीलामी में उनकी एक एआई कृति £40,000 में बिकी। बॉटो की कला का मूल्य भी बढ़ रहा है, जिसमें हाल ही में एक सोथबी की नीलामी में दो छवियां $276,000 में बिकीं। बॉटो की मशीन और मानवों के बीच सहयोगी प्रक्रिया के साथ लेखकता के प्रश्न उठते हैं। बॉटो के संचालक सायमन हडसन का सुझाव है कि बॉटो परंपरागत कलाकारों की अकेली प्रतिभाशाली रचनाकार की धारणाओं को चुनौती देता है और कला को एक सामूहिक प्रक्रिया के रूप में उजागर करता है। जैसे-जैसे एआई-जनित सामग्री का प्रसार होता है, यह सामूहिक दृष्टिकोण अर्थ निर्माण में और भी आवश्यक हो जाएगा।