"ChatGPT and the Future of AI" मध्ये टेरेंस जे. सेजनोव्स्की आर्टिफिशियल इंटेलिजन्स (AI) तंत्रज्ञानाचा रूपांतरित प्रभाव तपासतात, विशेषतः भाषा मॉडेल्सच्या क्षेत्रात AlphaFold आणि ChatGPT सारखे. नोबेल पुरस्कार प्राप्त AlphaFold, प्रोटीन संरचना भविष्यवाणी करण्यासाठी न्यूरल नेटवर्क्सचा वापर करते. सेजनोव्स्कीचे पुस्तक, 2018 च्या त्यांच्या कामाचा पाठपुरावा आहे, AI च्या उत्क्रांतीत खोलवर जातो, साध्या मॉडेल्सपासून आजच्या जटिल मोठ्या भाषा मॉडेल्सपर्यंत (LLMs), जे खऱ्या समजेशिवाय मानवी भाषा अनुकरण करतात. सेजनोव्स्की न्यूरल नेटवर्क्सच्या संरचनेवर प्रकाश टाकतात, जी मानवी मेंदूपासून प्रेरित आहे, आणि त्याच्या यशाचे समजणे DNA शोधण्याइतकाच क्रांतिकारक ठरू शकेल, असे सुचवतात. ते सध्याच्या AI "बुद्धिमत्ता" बद्दलच्या चर्चांची जीवनाच्या साराची चर्चा यासमोर तुलना करतात, भविष्यातील AI मुळे बुद्धिमत्तेचे उलगडू शकणाऱ्या रहस्यांची चूकीच्या कल्पनांची सूचन करतात. AI मधील अंतिम उद्दीष्ट म्हणजे कृत्रिम सामान्य बुद्धिमत्ता विकसित करणे—अशी यंत्रे जी मानवी संज्ञानात्मक क्षमतांची नक्कल करेल.

सध्याच्या सीमांनंतरही, AI प्रणाली आरोग्यसेवा आणि शिक्षणासारख्या क्षेत्रांत सहयोगी बनत आहेत. सेजनोव्स्की "प्रॉम्प्ट इंजिनीअरिंग"—अचूक सूचना तयार करण्याचे महत्त्व—AI मॉडेल्ससह प्रभावीपणे संवाद साधण्यासाठी मुख्य मानतात. ते वापरकर्त्याच्या AI सह संवादावर आधारित बुद्धिमत्तेचे मूल्यांकन करण्यासाठी "उलट ट्युरिंग चाचणी" सुचवतात. भविष्यात AI प्रणालींनी अधिक बुद्धिमत्ता साधण्यासाठी, त्यांनी मानवी बाल्यकाल शिकण्याचे अनुकरण करणे आवश्यक, दीर्घकालीन स्मरणशक्ती, लक्ष्य-निर्देशित वर्तन आणि सेंसरिमोटोर क्षमतांचा एकत्रीकरण करणे आवश्यक आहे. सेजनोव्स्की AI च्या वाटचालीतील अडथळ्यांनाच मान्यता देतात, ज्यात उद्योगांतील संभाव्य विघटन आणि पर्यावरणास अनुकूल मॉडेल्सची गरज यांचा समावेश आहे. AI मानवी बुद्धिमत्तेपेक्षा पुढे जाऊ शकते अशी शक्यता लक्षात घेऊन, धोके कमी करण्यासाठी तयारी करणे अत्यंत महत्त्वाचे आहे. ते नैतिक, चांगल्या नियमनयुक्त दृष्टिकोनांची वकिली करतात, जेणेकरून AI च्या संभाव्य धोक्यांचे व्यवस्थापन करण्यात येईल आणि समाजाच्या उपयुक्ततेसाठी ते सुनिश्चित करणे शक्य होईल.