यह क्यों हुआ?

इस समस्या का कारण क्या है?

ओपन-सोर्स एआई के आलोचक इसके खतरों को उजागर करते हैं, जबकि इसके फायदों को कम आंकते हैं। 7 नवंबर 2024 को यह बात सामने आई कि ओपन इनोवेशन एआई बूम के लिए महत्वपूर्ण है। गूगल के इंजीनियरों ने शुरू में GPT में उपयोग होने वाले न्यूरल नेटवर्क "ट्रांसफार्मर" को प्रकाशित किया और TensorFlow और PyTorch जैसे उपकरण, जो Google और Meta द्वारा विकसित किए गए थे, को व्यापक रूप से उपलब्ध कराया गया। हालांकि, इस बात पर बढ़ती बहस है कि क्या एआई के महत्व के कारण इसकी उपलब्धता पर प्रतिबंध लगाने की आवश्यकता है। ओपन-सोर्स मॉडल, जो उपयोगकर्ताओं को अपने कोड को स्वतंत्र रूप से संशोधित और पुन: उपयोग करने की अनुमति देते हैं, अक्सर खतरनाक माने जाते हैं। यह लेख प्रिंट संस्करण के "लीडर्स" सेक्शन में "फ्रीडम टू टिंकर" शीर्षक से 9 नवंबर 2024 के संस्करण में प्रकाशित हुआ था। अधिक सामग्री का अन्वेषण करें: - यूरोप को आत्म-देखभाल पर ध्यान देना चाहिए, जर्मनी को तत्काल चुनाव की आवश्यकता है। - आयोडीन की कमी, जो आसानी से रोकी जा सकती है, शिशुओं के मस्तिष्क के लिए एक पुनरुत्थानित खतरा है। - भारत की शेयरहोल्डर पूंजीवाद खतरनाक डेरिवेटिव ट्रेडिंग से खतरे में है। - ट्रंप की बड़ी जीत का वादा महत्वपूर्ण व्यवधान का संकेत है। - अंटार्कटिका में अराजकता को रोकने वाली नाजुक संधि की रक्षा की जानी चाहिए। - अगर इंडेक्स फंड्स को निष्क्रिय निवेशक माना जाना है, तो उन्हें निष्क्रिय निवेशक की तरह व्यवहार करना चाहिए।

"द जॉय ऑफ वाई" के इस एपिसोड में, मेजबान स्टीवन स्ट्रोगट्ज सांख्यिकीविद एमैनुएल कैंडेस के साथ सांख्यिकी, डेटा विज्ञान और एआई के अनुप्रयोग पर चर्चा करते हैं। वे मौसम, महामारी, कॉलेज प्रवेश, चुनाव पूर्वानुमान, और दवा खोज जैसी जटिल घटनाओं की भविष्यवाणी के लिए मात्रात्मक मॉडल के उपयोग का पता लगाते हैं, जो सफलताओं और सीमाओं दोनों को उजागर करता है। वे मशीन लर्निंग में उपयोग किए जाने वाले "ब्लैक बॉक्स" मॉडलों की अवधारणा में गहराई से जाते हैं, जो बिना अंतर्निहित प्रक्रियाओं को समझे भविष्यवाणी करने की क्षमता को वर्णित करते हैं। कैंडेस बताते हैं कि सांख्यिकीय तकनीकें अनिश्चितता को कैसे मात्राबद्ध करती हैं और भविष्यवाणियों में सुधार करती हैं, कॉलेज प्रवेश, चुनावी रात के पूर्वानुमान और दवा खोज जैसी वास्तविक दुनिया के उदाहरण पेश करते हुए। बातचीत में वैज्ञानिक अनुसंधान में पुनरुत्पादन संकट जैसी चुनौतीपूर्ण मुद्दों को भी छुआ गया है, जो सांख्यिकीय सुरक्षा उपायों की आवश्यकता पर जोर देता है। एपिसोड की समाप्ति डेटा विज्ञान के व्यापक क्षेत्र के भीतर सांख्यिकी की भूमिका और इंडक्टिव रीजनिंग की समझ को बढ़ावा देने के लिए शिक्षा में सांख्यिकीय तर्क सिखाने के महत्व की चर्चा के साथ होती है।

जिस तरह जापानी कैनबन विधियों ने "जस्ट-इन-टाइम" सिस्टम्स के साथ विनिर्माण को बदल दिया, वैसे ही अब कंपनियां जेनेरेटिव एआई को प्रभावशीलता बढ़ाने के लिए समान सिद्धांतों का उपयोग कर रही हैं। टीआईएए के सस्ट्रे दुर्वासुला अपने फर्म के एआई पहल "रीसर्च बडी" के बारे में बताते हैं, जो न्यूवीन असेट मैनेजमेंट के लिए रियल-टाइम डेटा का उपयोग करके रिपोर्ट तैयार करता है। जब आवश्यक हो तभी एआई को सक्रिय करके, टीआईएए जेनेरेटिव एआई से जुड़े उच्च खर्च को ध्यान में रखते हुए समय और लागत दोनों को ऑप्टिमाइज करता है। फॉरेस्टर विश्लेषक माइक ग्वाल्टीएरी "जस्ट-इन-टाइम" एआई के मूल्य को स्वीकार करते हैं लेकिन ध्यान देते हैं कि इसकी लागत-लाभ अनुपात विभिन्न स्थितियों में भिन्न हो सकता है। उदाहरण के लिए, एक मिलियन डॉलर का एआई खर्च तभी उचित है जब यह इससे कहीं अधिक बचत पहुंचाता है। संगठन आमतौर पर प्री-ट्रेंड मॉडल्स का उपयोग करके बड़े खर्चों से बचते हैं, जिससे महंगे डेटा वैज्ञानिकों की आवश्यकता कम होती है। रिक्ति-वर्धित जनरेशन (RAG) सेवाएं कस्टम ट्रेनिंग की आवश्यकता के बिना गुणवत्ता और प्रासंगिकता बढ़ाकर एआई की लागतों को कम करने में मदद करती हैं। गूगल जैसे विक्रेता पहले से बने RAG समाधान प्रदान करते हैं, जिससे उद्यमों को एआई की जटिलताओं के बजाय सॉफ्टवेयर विकास पर ध्यान केंद्रित करने की सुविधा मिलती है। SAIC का टेनजिन GPT का परिचय कंपनी में एआई के रणनीतिक उपयोग का उदाहरण है। यह आंतरिक कार्यप्रवाह को बेहतर बनाता है, ग्राहक सेवा का समर्थन करता है और यहां तक कि सॉफ्टवेयर विकास में भी मदद करता है। सीआईओ नाथन रॉजर्स एआई की समयबद्ध निर्णय-निर्माण के लिए पहुँच का लोकतांत्रिकरण करने के लक्ष्य पर जोर देते हैं। एवनेट के मैक्स चान "जस्ट-इन-टाइम" लेबल को चुनौती देते हुए, उस दृष्टिकोण को प्राथमिकता देते हैं जो रणनीतिक रूप से एआई को वहां लागू करता है जहाँ यह सार्थक परिणाम और लागत प्रभावशीलता प्रदान करता है। एआई की कंप्यूटेशनल मांगों के कारण इसे व्यावसायिक लाभों के लिए विवेकपूर्ण ढंग से उपयोग किया जाना चाहिए। जबकि जस्ट-इन-टाइम एआई कभी-कभी मानव पर्यवेक्षण लूप की कमी रखता है, टीआईएए इसे एआई जिम्मेदारी दिशानिर्देशों को शामिल करके कम करता है, यह सुनिश्चित करते हुए कि उपयोग से पहले विश्लेषक एआई के परिणामों की समीक्षा करें। दुर्वासुला "जस्ट-इन-केस" दृष्टिकोण को भी उजागर करते हैं, जहाँ पेशेवरों को आवश्यकतानुसार समय पर जानकारी प्रदान की जाती है बिना देरी के। जापानी विनिर्माण तकनीकों द्वारा लाए गए इनक्रिमेंटल बदलावों की तरह ही जेनेरेटिव एआई के कार्यान्वयन ऑपरेशंस और परिणामों में क्रांति लाते हैं, जब सूझबूझ से अपनाए जाते हैं, चाहे वह जस्ट-इन-टाइम हो, जस्ट-इन-केस हो, या रणनीतिक स्मार्ट एप्लिकेशन।

मैरीलैंड विश्वविद्यालय के एक अध्ययन से पता चलता है कि डीप लर्निंग, कृत्रिम बुद्धिमत्ता (AI) का एक उन्नत रूप, भविष्य में हीटिंग, वेंटिलेशन, और एयर कंडीशनिंग (HVAC) सिस्टम में ऊर्जा की खपत को काफी कम कर सकता है। यह शोध UMD के सेंटर फॉर एनवायरनमेंटल एनर्जी इंजीनियरिंग (CEEE) में किया गया, जिसका ध्यान AI के प्रभाव पर था जिससे वैरिएबल रेफ्रिजरेंट फ्लो (VRF) सिस्टम में ऊर्जा उपयोग की भविष्यवाणी की जा सके। इस विशेष HVAC तकनीक, जिसमें एक बाहरी और कई आंतरिक इकाइयाँ होती हैं, का परीक्षण ग्लेन एल.

हम वास्तव में उस युग में हैं जहाँ AI हर चीज का हिस्सा बन रहा है। अप्रत्याशित रूप से, AI फीचर्स अब NotePad में जोड़े जा रहे हैं, एक साधारण ऐप जो मुझे लगा था कि AI से अप्रभावित रहेगा। यह काफी आश्चर्यजनक है। हम इस 41 वर्षीय एप्लिकेशन को इसकी सरलता में क्यों नहीं रहने दे सके?