सामान्य विश्वास यह है कि कृत्रिम बुद्धिमत्ता (AI) मानव नौकरियों को समाप्त कर देगी क्योंकि मशीनें स्वायत्त रूप से काम करना सीख जाएंगी। हालाँकि, AI कंपनियों जैसे मेटा, ओपनAI, माइक्रोसॉफ्ट, और गूगल के लिए AI सिस्टम को बढ़ाने हेतु डेटा लेबलिंग और छंटाई करने वाले वैश्विक कार्यबल, जिसे "ह्यूमन्स इन द लूप" कहा जाता है, पर भारी रूप से निर्भर करता है। AI की संभावनाओं के बावजूद, नए उपकरणों और आविष्कारों जैसे कार्यों के लिए मनुष्यों की आवश्यकता होती है। केन्या में, जहां बेरोजगारी उच्च है, नफ्ताली वंबालो, कई अन्य लोगों के साथ, AI को प्रशिक्षित करने के लिए डेटा लेबलिंग करने वाले डिजिटल काम में लगे हुए हैं। हालाँकि, इस तरह की भूमिकाओं की नागरिक अधिकार कार्यकर्ताओं जैसे नेरीमा वाको-ओजीवा द्वारा शोषक होने के कारण आलोचना की जाती है, क्योंकि ये नौकरियों की सुरक्षा और खराब वेतन प्रदान करती हैं। आउटसोर्सिंग फर्में तकनीकी दिग्गजों की ओर से कर्मचारियों को काम पर रखती हैं, अक्सर कंपनियों द्वारा दी जाने वाली अधिक राशि के बावजूद उन्हें कम भुगतान करती हैं। नफ्ताली जैसे श्रमिकों को चुनौतीपूर्ण परिस्थितियों का सामना करना पड़ता है, विशेष रूप से वे जो ग्राफिक सामग्री का मॉडरेशन करते हैं, जिससे गंभीर भावनात्मक कष्ट होता है। यह शोषण सस्ते श्रम बाजारों वाले देशों तक फैला हुआ है, क्योंकि राष्ट्रीय श्रम कानून डिजिटल श्रमिकों की रक्षा करने में पीछे हैं। शिकायतों और काम पूरा करने के बावजूद भुगतान नहीं होने जैसी समस्याओं के बावजूद, कंपनियां अक्सर जिम्मेदारी और निगरानी से बचती हैं। लेस्ली स्टाल उन देशों में रोजगार के अवसरों की गंभीर आवश्यकता को रेखांकित करती हैं, जैसे केन्या, जहां सरकार तकनीकी निवेश को प्रोत्साहित करती है। हालाँकि, सक्रियतावादी समान कार्य परिस्थितियों की मांग करते हैं, आलोचना करते हैं कि कैसे बड़ी तकनीकी कंपनियां वैश्विक श्रम असमानताओं का शोषण करती हैं। जबकि तकनीकी दिग्गज उचित परिस्थितियों को सुनिश्चित करने का दावा करते हैं, चुनौतियाँ बनी रहती हैं, जो डिजिटल श्रमिकों को शोषक व्यवहारों के लिए मुकदमों में धकेलती हैं। यह स्थिति अंतरराष्ट्रीय श्रम असमानता के एक व्यापक पैटर्न को रेखांकित करती है, जो लागत कम करने के लिए तकनीकी कंपनियों द्वारा संज्ञान में लाई जाती हैं।

बाद में, प्रति माह CHF85। किसी भी डिवाइस पर उच्च गुणवत्ता वाली FT पत्रकारिता की पूरी डिजिटल पहुंच का आनंद लें। आप अपने परीक्षण के दौरान किसी भी समय रद्द कर सकते हैं।

हमारी श्रृंखला के पहले भाग में, हमने AI एजेंटों का उपयोग करके उद्यम की दक्षता बढ़ाने की रणनीतियों का अन्वेषण किया। ये एजेंट, स्वतंत्र मॉडलों की तरह नहीं होते, ये कार्यों को संदर्भ और उपकरणों के साथ दोहराकर सुधारते हैं, जैसे कि कोड उत्पादन को बेहतर बनाते हैं। बहु-एजेंट प्रणाली विभागों में संचार को सुगम बना सकती है, जिससे अधिक उत्पादकता, लचीलापन, और तेज उन्नयन होता है। सफलता के प्रमुख कारकों में भूमिकाओं और वर्कफ़्लो का नक्शा बनाना, और मानव की देखरेख तथा त्रुटि जांच जैसे सुरक्षा उपायों को लागू करना शामिल होता है ताकि संचालन सुरक्षित रहें। आइए इन महत्वपूर्ण तत्वों की समीक्षा करें। **सुरक्षा उपाय और स्वायत्तता:** एजेंट, स्वायत्त होने के कारण, स्वायत्त संचालन के दौरान त्रुटियों, अपव्यय, कानूनी जोखिम, या हानिकारक प्रभावों को कम करने के लिए विभिन्न सुरक्षा उपायों की आवश्यकता होती है। हालांकि सभी सुरक्षा उपायों को लागू करना आवश्यकता से अधिक हो सकता है, प्रत्येक एजेंट के लिए उनकी आवश्यकता का मूल्यांकन करना महत्वपूर्ण है। यदि इनमें से कोई भी शर्त पूरी होती हो, तो एजेंट को स्वायत्त रूप से संचालित नहीं होना चाहिए। **मानव हस्तक्षेप की शर्तें:** पूर्व परिभाषित नियम यह निर्धारित करने चाहिए कि कब मानव पुष्टि आवश्यक है। ये नियम, प्रत्येक मामले के लिए विशिष्ट हो सकते हैं, और एजेंट के प्रस्ताव में या निर्धारित बाहरी कोड के माध्यम से लागू किए जा सकते हैं। उदाहरण के लिए, एक खरीदारी एजेंट को किसी भी कार्यवाही से पहले सभी कार्यों की एक मानव के साथ पुष्टि करनी चाहिए। **सुरक्षा एजेंट:** जोखिमपूर्ण या अनैतिक व्यवहार की जांच के लिए एक एजेंट को सुरक्षा एजेंट के साथ जोड़ा जा सकता है, जो अनुपालन सुनिश्चित करता है। एजेंट को सुरक्षा एजेंट की मंजूरी से पूर्व अपने कार्यों की पुष्टि करनी चाहिए। **अनिश्चितता प्रबंधन:** हमारी प्रयोगशाला ने बड़े भाषा मॉडलों (LLMs) से आउटपुट की अनिश्चितता को मापने की एक तकनीक विकसित की है, जिससे भ्रम की संभावना कम हो जाती है। हालांकि इससे विश्वसनीयता बढ़ती है, यह लागत भी बढ़ाता है और सिस्टम को धीमा कर देता है, इसलिए यह केवल महत्वपूर्ण एजेंटों के लिए सुझाया जाता है। **अलग करने वाला बटन:** प्रणाली में असंगतताओं या त्रुटियों का पता लगाने पर सभी स्वायत्त प्रक्रियाओं को रोकने के लिए एक विधि आवश्यक है, ताकि महत्वपूर्ण वर्कफ़्लो पूरी तरह से मैनुअल न बन जाएं। **एजेंट-जनित कार्य आदेश:** सभी एजेंटों को तुरंत ऐप्स और एपीआई में पूरी तरह से एकीकृत करने की आवश्यकता नहीं है। प्लेसहोल्डर टूल रिपोर्ट या मैनुअल क्रिया के लिए कार्य आदेश उत्पन्न कर सकते हैं, जो एजेंट नेटवर्क के चुस्त विकास में सहायता करते हैं। **परीक्षण:** LLM आधारित एजेंट मजबूत होते हुए भी निरंतरता और पारदर्शिता में कमी रखते हैं, जिसके लिए अनुकूलित परीक्षण रणनीति की आवश्यकता होती है। जनरेटिव AI परीक्षण मामले बना सकता है, और सैंडबॉक्सिंग सिस्टम्स के सुरक्षित और नियंत्रित विस्तार को सक्षम बनाती है। **फाइन-ट्यूनिंग:** आम धारणा के विपरीत, जनरेटिव AI केवल उपयोग से सुधार नहीं करता। LLMs के व्यवहार को एजेंट लॉग और लेबल की गई प्राथमिकताओं के साथ फाइन-ट्यून किया जा सकता है। **खामियां:** बहु-एजेंट प्रणाली कभी-कभी अटक सकती है, जिसके लिए टाइमआउट तंत्र की आवश्यकता होती है। एजेंटों को अधिक अपेक्षाओं या लंबे निर्देशों से ओवरलोड नहीं करना चाहिए। ग्रैन्युलाइजेशन, या एजेंटों को प्रबंधनीय कार्यों में विभाजित करना, ऐसे मुद्दों को कम कर सकता है। प्रणालियां अक्सर एक समन्वयक एजेंट का उपयोग करती हैं, जिससे विफलता के एकल बिंदु का जोखिम होता है। एक पाइपलाइन वर्कफ़्लो, जहां एजेंट क्रमिक रूप से कार्य सौंपते हैं, अनुशंसित है। अधिक कंफ्यूज एजेंट अत्यधिक संदर्भ पासिंग से भ्रमित हो सकते हैं। एजेंटों को अपनी संदर्भ समान रखने की अनुमति देना, जैसे कि वेबसाइट सत्र, सुझाव दिया जाता है। अंत में, LLMs की क्षमताओं को एक अपेक्षाकृत उच्च मानक पूरा करना चाहिए। नए वाणिज्यिक और ओपन-सोर्स एजेंट इसमे फिट होते हैं, हालाँकि वे पारंपरिक सॉफ़्टवेयर सिस्टम्स की तुलना में महंगे और धीमे होते हैं। लागत और गति के लिए अपेक्षाओं का समायोजन प्रभावी बहु-एजेंट सिस्टम के लिए आवश्यक है।

एआई नेता बड़े भाषा मॉडलों के लिए डेटा-गहन प्रशिक्षण के पुनर्मूल्यांकन कर रहे हैं क्योंकि पारंपरिक मॉडल, जो डेटा के साथ रैखिक रूप से बढ़ते हैं, संभवतः अपनी सीमाएं पा चुके हैं। उद्योग अब छोटे, अधिक कुशल मॉडलों और नवाचारी प्रशिक्षण विधियों का समर्थन कर रहा है। वर्षों से, कंपनियों जैसे कि OpenAI, Meta, और Google ने विशाल डेटासेट इकट्ठा किए हैं, यह मानते हुए कि अधिक डेटा से अधिक बुद्धिमान मॉडल प्राप्त होते हैं। हालांकि, पारंपरिक ज्ञान पुनर्मूल्यांकन के अधीन है। अनुसंधान से संकेत मिलता है कि ट्रांसफॉर्मर, जो इन मॉडलों के पीछे के न्यूरल नेटवर्क हैं, प्राप्त डेटा और कंप्यूटिंग क्षमता के अनुसार पैमाने पर होते हैं। मोहम्मद बिन जायद यूनिवर्सिटी ऑफ आर्टिफिशियल इंटेलिजेंस के सलाहकार एलेक्स वॉइका ने बताया कि पारंपरिक ट्रांसफॉर्मर मॉडल इस रैखिक संबंध का पालन करते हैं। लेकिन अधिकारियों ने इस दृष्टिकोण में सीमाएं देखनी शुरू कर दी हैं और तकनीक को आगे बढ़ाने के लिए नए तरीकों की खोज कर रहे हैं। एआई में व्यापक निवेश इस विश्वास पर निर्भर थे कि यह स्केलिंग जारी रहेगा, और Scale AI के सीईओ अलेक्जेंडर वांग ने इसे उद्योग का "सबसे बड़ा प्रश्न" बताया। कुछ का कहना है कि वर्तमान विधि सरल है; Cohere के सीईओ ऐडन गोम्ज़ का मानना है कि मॉडल का आकार और कंप्यूट बढ़ाना दोनों सबसे विश्वसनीय और कम नवाचारी तरीका है मॉडलों को सुधारने का। गोम्ज़ छोटे, लागत-प्रभावी मॉडलों को बढ़ावा देते हैं, जो उद्योग का समर्थन प्राप्त कर रहे हैं। हालांकि, चिंता है कि यह दृष्टिकोण कृत्रिम सामान्य बुद्धिमत्ता प्राप्त नहीं कर सकता है, जो मानव स्तर की बुद्धिमत्ता में सक्षम एआई का एक रूप है, जिसे प्रमुख एआई कंपनियां विकसित करने का लक्ष्य रखती हैं। बड़े भाषा मॉडल अनुक्रम में "अगले टोकन की भविष्यवाणी" करने के लिए प्रशिक्षित होते हैं, जैसा कि You

2024 में, निवेशकों ने AI ढांचे की कंपनियों को महत्वपूर्ण रूप से वित्त पोषित किया, जिससे उनके बाजार में उपस्थिति बढ़ गई। गोल्डमैन सैक्स का अनुमान है कि 2025 में राजस्व बढ़ाने के लिए AI का उपयोग करने वाली कंपनियाँ फलेंगी। इस वर्ष, AI का शेयर बाजार पर बड़ा प्रभाव रहा है, विशेष रूप से सात प्रमुख शेयरों द्वारा संचालित: Amazon, Apple, Alphabet, Microsoft, Meta, Nvidia, और Tesla, जिन्हें संयुक्त रूप से महान सात कहा जाता है। इन कंपनियों ने S&P 500 के बाकी शेयरों की अपेक्षा काफी बेहतर प्रदर्शन किया है। वहीं, Vertiv और Digital Realty जैसी डेटा-सेंटर कंपनियाँ AI की बढ़ती मांग से लाभान्वित हुई हैं। गोल्डमैन सैक्स को उम्मीद है कि 2025 में AI ढांचा निवेश से AI संचालित राजस्व वृद्धि से सीधे लाभान्वित होने वाली कंपनियों की ओर बदलाव होगा। जैसे-जैसे ChatGPT और इसी तरह की तकनीकें विकसित होती जा रही हैं, नई राजस्व-सृजन AI मामलों का उदय हो रहा है। महान सात की सफलता के बावजूद, उनकी दीर्घकालिक वृद्धि बरकरार नहीं रह सकती। गोल्डमैन को उम्मीद है कि ये बड़े खिलाड़ी बेहतर प्रदर्शन जारी रखेंगे, लेकिन हाल ही में देखे गए असाधारण लाभ नहीं के साथ। ध्यान "फेज 3" AI शेयरों की ओर शिफ्ट हो रहा है, जो महान सात की तुलना में अधिक वाजिब मूल्यांकित हैं, और AI प्रौद्योगिकी को लागू करने के माध्यम से आकर्षक निवेश संभावनाएँ प्रदान करते हैं। हालांकि AI के प्रति उत्साह थोड़ा कम हुआ है, जिससे फेज 3 शेयरों के लिए अपेक्षाएँ कम हो गई हैं, यह उन्हें निवेशकों की अपेक्षाओं से अधिक आसानी से पार करने की अनुमति दे सकता है। इसके विपरीत, उच्च अपेक्षाओं ने Nvidia जैसी कंपनियों पर नकारात्मक प्रभाव डाला है। गोल्डमैन सैक्स 11 कंपनियों की पहचान करता है जो AI को अपनाकर राजस्व बढ़ा रही हैं, और सुझाव देता है कि इन कंपनियों में महत्वपूर्ण वृद्धि हो सकती है। उन्होंने कंपनी प्रबंधन के AI के अपनाने के बारे में संचार और हाल की आय कॉलों का विश्लेषण किया है ताकि यह उजागर किया जा सके कि कौन सी कंपनियाँ प्रभावी ढंग से AI प्रौद्योगिकी का लाभ उठा रही हैं।

आज के कॉलम में, मैं ब्रेन फॉग के चिंताजनक उत्थान की पड़ताल कर रहा हूँ, जो एक लोकप्रिय शब्द बनता जा रहा है और इसे मस्तिष्कीय कठिनाइयों जैसे धुंधली सोच और स्मृति की कमी का वर्णन करने के लिए इस्तेमाल किया जाता है। ब्रेन फॉग की तीव्रता और अवधि अलग-अलग होती है, जो शारीरिक, मानसिक या जीवनशैली संबंधी कारणों जैसे तनाव, नींद की कमी या आहार से उत्पन्न होती है। दिलचस्प रूप से, जनरेटिव AI और बड़े भाषा मॉडल (LLMs) जैसे AI उपकरण संभावित रूप से ब्रेन फॉग का सामना करने में सहारा प्रदान कर सकते हैं। हालांकि यह सबका समाधान नहीं हैं, AI विस्तृत और इंटरएक्टिव वार्तालापों के माध्यम से अंतर्दृष्टि प्रदान कर सकता है, जिससे लोग संभावित कारणों और समाधानों की पहचान कर सकते हैं, जैसे बेहतर नींद या तनाव प्रबंधन। हालांकि, AI की सहायता को पेशेवर चिकित्सा सलाह के साथ जोड़ना महत्वपूर्ण है। लॉरा मैकवर्टर और अन्य शोधकर्ताओं द्वारा लिखित "ब्रेन फॉग क्या है?" शीर्षक से एक अध्ययन विभिन्न अनुभवों और "ब्रेन फॉग" शब्द के उपयोग का अन्वेषण करता है। यह असंबद्धता और थकान जैसी चुनौतियों को उजागर करता है, जो अक्सर विभिन्न स्वास्थ्य स्थितियों और व्यवहारों से जुड़ी होती हैं। ब्रेन फॉग को संबोधित करने में AI की भूमिका पर विचार करते समय, उपयोगकर्ताओं को AI के साथ संवाद बनाए रखने की सलाह दी जाती है ताकि विचारशील अनुशंसाएँ प्राप्त की जा सकें, लेकिन हमेशा AI द्वारा प्रदान की गई जानकारी की पुष्टि भी करनी चाहिए। AI की अंतर्दृष्टि और पेशेवर सलाह से सूचित आदतों में संरचित परिवर्तन को अपनाकर, ब्रेन फॉग के लक्षणों को कम किया जा सकता है। अधिक सीखने के लिए, तकनीकी उपकरणों और पारंपरिक ज्ञान दोनों को अपनाएं, जैसे कि स्पष्ट सोच के लिए एकांत खोजने पर थॉमस एडिसन की सलाह। नवीन दृष्टिकोणों और पुरानी प्रथाओं के संतुलन से मानसिक स्पष्टता बनाए रखने में मदद मिल सकती है।

Microsoft ने Ignite 2024 में 10 ऑटोनोमस AI एजेंट्स की शुरुआत के साथ बड़ा प्रभाव डाला, जो यह संकेत देता है कि AI एजेंट व्यापक उपयोग के लिए तैयार हैं—एक मील का पत्थर जो अन्य अभी तक नहीं पहुंच पाए हैं। ये प्री-बिल्ट एजेंट प्रमुख उद्यम कार्यों के लिए लक्षित हैं, जिनमें CRM, सप्लाई चेन प्रबंधन, और वित्तीय मिलान शामिल हैं। हालांकि, Salesforce और ServiceNow जैसी कंपनियों ने सीमित क्षेत्रों में AI एजेंट समाधान प्रदान किए हैं, Microsoft ने एक विस्तृत एजेंट पारिस्थितिकी तंत्र विकसित किया है जो इसके प्लेटफॉर्म से परे है। इसमें 1,400 तीसरे पक्ष के कनेक्टर्स शामिल हैं और यह 1,800 से अधिक बड़े भाषा मॉडलों के बीच कस्टमाइजेशन का समर्थन करता है। गोद लेने की दर उल्लेखनीय है: 100,000 संगठन वर्तमान में एजेंट बना या संशोधित कर रहे हैं, और तैनाती की दरें पिछले तिमाही में दोगुनी होकर प्रतिस्पर्धियों की संख्या से अधिक हो गईं। मेरी वीडियो श्रृंखला में AI विशेषज्ञ सैम विटेवेन के साथ, हम इस विकास के उद्यमों के लिए प्रभावों का विश्लेषण करते हैं, क्यों Microsoft का दृष्टिकोण इसे एजेंटिक AI में अग्रणी बनाता है, और वर्कफ़्लो प्रबंधन में संभावित परिवर्तन। नीचे, हम प्रमुख बिंदुओं का सारांश देते हैं, पूरी श्रृंखला में गहरी जानकारी के लिए अन्वेषण के लिए निमंत्रण के साथ। मुख्य हाइलाइट्स Microsoft के 10 AI एजेंटों की लॉन्चिंग से एंटरप्राइज़ AI का स्थानांतरण थ्योरी से प्रैक्टिस में हो गया है, आगे के प्रभावों के साथ: प्री-बिल्ट एंटरप्राइज़ समाधान: पारंपरिक टूलकिट से अलग, जिसे व्यापक कस्टमाइजेशन की आवश्यकता होती है, Microsoft के एजेंट विशिष्ट कार्यों के लिए पूर्व-कॉन्फ़िगर होते हैं, जैसे बिक्री लीड योग्यता या सप्लाई चेन ऑप्टिमाइज़ेशन। स्पष्ट लाभ: Microsoft अपने उत्पादकता ऐप पारिस्थितिकी तंत्र और व्यापक ग्राहक आधार का लाभ उठाकर Salesforce, Google और AWS जैसे प्रतिस्पर्धियों को पीछे छोड़ते हुए स्केलेबल एंटरप्राइज़ समाधान प्रदान करता है। प्रतिस्पर्धा पर पुनर्विचार: CRM लीड स्कोरिंग और समय प्रबंधन जैसे क्षेत्रों में एजेंटों की क्षमताएं स्टार्टअप्स के लिए चुनौती पेश करती हैं जो पहले उन क्षेत्रों में प्रमुख थे। एजेंटिक AI के लिए दृष्टि: Microsoft का इकोसिस्टम एजेंटों के आसान निर्माण, संशोधन और तैनाती का समर्थन करता है, गोद लेने की बाधाओं को कम करता है। मॉडल मूल्य में बदलाव: Microsoft का "प्रति टोकन" से "प्रति संदेश" मूल्य निर्धारण से "प्रति परिणाम" मूल्य की ओर संक्रमण सरल भाषा मॉडल आउटपुट से परे जाने का संकेत देता है। भले ही Google, AWS, और ओपन-सोर्स फ्रेमवर्क जैसे प्रतिस्पर्धी आगे बढ़ रहे हैं, Microsoft की बढ़त अस्थायी हो सकती है। श्रृंखला में, हम इन वैकल्पिक खिलाड़ियों और Microsoft की विशिष्ट दृष्टिकोण पर भी चर्चा करते हैं। श्रृंखला देखें तीन-पार्ट श्रृंखला यह विश्लेषण करती है कि Microsoft के AI एजेंट उद्यम नेताओं के लिए क्या महत्व रखते हैं। जानने के लिए देखें: पार्ट 1: Microsoft Ignite 2024 के चार प्रमुख निष्कर्ष। पार्ट 2: माइक्रोसॉफ्ट के 10 एआई एजेंटों द्वारा आवरण में आवश्यक उद्यम वर्कफ़्लो, जहां संभावित रूप से समान स्थानों में स्टार्टअप्स प्रभावित हो सकते हैं। पार्ट 3: माईक्रोसॉफ्ट, गूगल, ओपनएआई और AWS जैसे प्रतिस्पर्धियों के साथ एजेंटिक AI नेतृत्व की दौड़ में कैसे तुलना करता है। पूरी श्रृंखला यहाँ देखें: