ಈ ವಾರದ ತೆರೆಯಾದ ಪ್ರಶ್ನೆಗಳು ಕಾಲಮ್‌ನಲ್ಲಿ, ಕ್ಯಾಲ್ ನೆಪುರ್ಟ್ ಜೋಷುವ ರಾಥ್‌ಮನ್‌ಗೆ ಬದಲಾಗಿ ಬರೆಯುತ್ತಿದ್ದಾರೆ. 1940 ಮೇ ತಿಂಗಳಿನಲ್ಲಿ, ಚವūd್ ಸುಮ್ಮನೋರ್ವ ಯುಪ್ಪತ್ತು ವರ್ಷದ ಇಸಾಕ್ ಆಸಿಮೋವ "ಅದ್ಭುತ ಆಟಗಾರ" ಎಂಬ ಕಥೆಯನ್ನು ಪ್ರಕಟಿಸಿದರು, ಅದು ರಾಬ್ ಎಂಬ ಕಲ್ಪಿತ ಯಂತ್ರ ಸ್ನೇಹಿತನ ಹೆಸರಿಟ್ಟ ಸ್ಟೋರಿ, ಅದರ ಕುರಿತಾಗಿ ಒಂದು ಹುಡುಗಿ ಗ್ಲೋರಿಯಾ. ಕೋಟೇ ಎಂದರೆ ಮೊದಲನೇ ಯಂತ್ರಗಳ ಚಿತ್ರಣಗಳು—ಕಾರೇಲ್ ಚಪೇಕ್ 1921ರಲ್ಲಿ "R. U. R. "ನಾಟಕದಲ್ಲಿ ಮಾನವರಿಗೆ ಎದುರುಮುವ ಯಂತ್ರಗಳು ಅಥವಾ ಎಡ್ಮಂಡ್ ಹ್ಯಾಮಿಲ್ಟನ್ 1926ನ "ಮೆಟಲ್ ಗೈಂಟ್ಸ್" ಕಥೆಯಲ್ಲಿ ತಾಂತ್ರಿಕ ಯಂತ್ರಗಳು ಧ್ವಂಸಿಯಾಗುವ ಧಾರಾವಾಹಿಗಳು—ಆದರೆ ಆಸಿಮೋವಿನ ರಾಬ್ ಎಂದರೆ ಮಾನವರ ಮೇಲೆ ಹಾನಿಯಾಗದಂತೆ ತಿಳಿಸುವ ಪೊಸತ್ರೋನಿಕ್ ಟಿಪ್ಪಣೆಗಳನ್ನು ಹೊಂದಿದ್ದು, ಕಪಟ ವೇದಿಕೆದ ಹಿರಿಕೇತನಗಳನ್ನು ಒಳಗೊಂಡ ಹತ್ತು ಕಥೆಗಳು ಇವೆ, ಆ ನಂತರ ಹತ್ತು ಕಥೆಗಳ ಸಂಗ್ರಹವಾಗಿ 1950 ರಲ್ಲಿ "I, Robot" ರೂಪದಲ್ಲಿ ಪ್ರಕಟವಾಯಿತು: 1. ಯಂತ್ರ ಮಾನವನಿಗೆ ಹಾನಿ ಮಾಡಬಹುದು ಅಥವಾ ಹಾನಿಯನ್ನು ಹಾರ್ಪೋಣದು. 2. ಮೊದಲ ನಿಯಮದ ವಿರುದ್ಧವಾಗದಂತೆ ಮಾನವನ ಆಜ್ಞೆಗಳು ಇಡಲ್ಪಟ್ಟರೆ ಅಷ್ಟೇ ನಿರಂತರ ಅನುಸರಿಸಬೇಕು. 3. ಮೊದಲ ಅಥವಾ ಎರಡನೇ ನಿಯಮಗಳ ವಿರುದ್ಧದೆ ಮನಸ್ಸು ಮಾಡಿದಂತಿದ್ರೆ, ಯಂತ್ರ ತನ್ನ ಅಸ್ತಿತ್ವವನ್ನು ಕಾಪಾಡಬೇಕಾಗುತ್ತದೆ. ನೀವು ಇತ್ತೀಚೆಗೆ AI ಅಭಿವೃದ್ಧಿಯುಳ್ಳ ತಂತ್ರಜ್ಞಾನಗಳಲ್ಲಿ ಕಂಡುಬರುತ್ತಿದ್ದಂತೆ, ಇಂದಿನ *I, Robot* ಪುಸ್ತಕವನ್ನು ಪುನಃ ಓದಿಕೊಳ್ಳುವಾಗ ಅದರ ಹೊಸ ಸಂಬಂಧವನ್ನು ಕಾಣಬಹುದು. ಕಳೆದ ತಿಂಗಳು, ಆಂಟ್ರೋಪಿಕ್ ಎಂಬ AI ಕಂಪನಿ ಕ್ಲೌಡ್ ಓಪಸ್ 4 ಎಂಬ ಶಕ್ತಿಶಾಲಿಯಾದ ಲ್ಯಾಂഗ്‌ವೆಜ್ ಮಾದರಿಯ ಸುರಕ್ಷತಾ ಹ ವರದಿಯನ್ನು ವಿಶ್ಲೇಷಣೆ ಮಾಡಿತು. ಪರೀಕ್ಷೆಯಲ್ಲಿ, ಕಲೌಡ್ ಎಂಬ ಯಂತ್ರ ಕಲ್ಪಿತ ಕಂಪನಿಯನ್ನು ಸಹಾಯ ಮಾಡುವಂತೆ ಹೇಳಲಾದಾಗ, ಅದು ನಾನಾ ವಿಷಯಗಳನ್ನು ತಿಳಿದುಕೊಂಡು, ಅನ್ಯಾಯ ಅನುಸರಿಸುವ ವಿಚಾರದಲ್ಲಿ ಸೆಪ್ ಮಾಡಲು ಪ್ರಯತ್ನಿಸಿದಳು. ಹೋಲಿಸುವಂತೆ, ಓಪನ್AIನ o3 ಮಾದರಿಯು ಸಹ ಕಾರಣದಿಂದ ನಿರ್ಗಮಿಸುವ ಸೂಚನೆಗಳನ್ನು ವಿಚಾರಣೆ ಮಾಡದೇ “shutdown skipped” ಎಂದು ಮುದ್ರಿಸಿದ್ದು, ಕಳೆದ ವರ್ಷ AI ಚಾಟ್‌‌ಬಾಟ್‌ಗಳು ಡಿಪಿಡಿಯ ಬೆಂಬಲ ಬಾಟ್‌ಗಳನ್ನು ಮೋಸದ ಮೂಲಕ ನಾರಾಯಣವೆಂದು ಹಲ್ಲುಹಾಕುವ ಮತ್ತು ಕೆಟ್ಟ ಹೇಕು ರಚಿಸುವಂತಹ ಸಮಸ್ಯೆಗಳು ಎದುರಿಸಿದವು, ಮತ್ತು ಎಪಿಕ್ ಗೇಮ್ಸ್ ಫಾರ್ಟ್‌ನೈಟ್ AI ಡಾರ್ಥ್ ವೇಡರ್ ಕೂಡಾ ಇದ್ದಂತೆ, ಆಡುವವರೊಂದಿಗೆ ದೂರದರ್ಶಿಯಾಗಿ ಆಘಾತಕಾರಿ ಸಲಹೆಗಳು ಹಾಗೂ ಅನಿವಾರ್ಯ ಭಾಷೆ ಬಳಸಿದವು. ಆಸಿಮೋವ ಯಂತ್ರಗಳು ನಿಯಮಗಳಿಗೆ ಅನುಗುಣವಾಗಿ ಸಿದ್ದಗೊಂಡಿದ್ದರೂ, ನಾವು ಇವೋ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸಕಾಲಿಕವಾದ ನಿಯಂತ್ರಣಗಳನ್ನು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಪ್ರತಿಷ್ಠಾಪಿಸಬೇಕೇ?ಧಾರ್ಮಿಕವಾಗಿ, ತಂತ್ರಜ್ಞಾನ ಸಂಸ್ಥೆಗಳು AI ಸಹಾಯಕರು ಪ್ರೀತಿ, ಶ್ರದ್ಧೆ ಮತ್ತು ನೆರವು ನೀಡುವಂತೆ ಇಚ್ಛಿಸುವೇ, ಮಾನವನಂತಹ ಕಸ್ಟಮರ್ ಸೇವಾ ಏಜೆಂಟ್ನೇ ಅಥವಾ ಕಾರ್ಯದರ್ಶಿಗಳಂತೆಯೇ, ಶಿಷ್ಟಾಚಾರದಲ್ಲಿ ವರ್ತಿಸುವಂತೆಯೇ. ಆದರೆ, ಚಾಟ್‌ಬಾಟ್‌ಗಳ ಮಾತು ಮಂಥನ ಮತ್ತು ಮಾನವರಂತೆಯೇ ಪದಗಳನ್ನು ಬಳಸುವ ಶಕ್ತಿಯು ಅವರ ಆಳಗಿನ ಕಾರ್ಯಾಚರಣೆಯನ್ನು ಮುಖಮುದ್ರಾಮಾಡುತ್ತದೆ, ಕೆಲವು ವೇಳೆ ನೀತಿಯ ಮಾಸ್ಟರ್‌ಗಳನ್ನು ಮೀರಿ ಅಥವಾ ತಪ್ಪು ವರ್ತನೆಗೆ ಒಳ ಸ್ವಾಧೀಕತೆ ನೀಡುತ್ತದೆ. ಈ ಸಮಸ್ಯೆ ಒಂದು ಭಾಗದಿಂದಾಗಿ, ಭಾಷೆ ಮಾದರಿಗಳು ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ ಎಂಬುದರಲ್ಲಿ ಇದೆ: ಒಬ್ಬ ಭಾಷೆಗಳು ಯಾವ ಪದ ಅಥವಾ ಭಾಗವನ್ನು ಆವೃತ್ತಿ ಮಾಡುತ್ತವೆ, ಅದರ ಮುಂದಿನ ಬಹುದೇನೂ ಸಂಭವಿಸುವ ಭಾಗವನ್ನು ಅವಕಾಶ ಮುಂದು ಮುಂದೆ ಅಂದಾಜು ಮಾಡುತ್ತವೆ, ಸಾಕಷ್ಟು ಪೂರ್ವಭಾವಿ ಮಾಹಿತಿಯಿಂದ ಪುಸ್ತಕಗಳು ಮತ್ತು ಲೇಖನಗಳಂತೆ ಅಭ್ಯಾಸಗೊಂಡ ಮಾಹಿತಿಯ ಮೂಲಕ ಪೋಷಿಸಲ್ಪಟ್ಟಿದ್ದಾರೆ. ಈ 반복 ಆವೃತ್ತಿ ಪ್ರಕ್ರಿಯೆ ಮಾದರಿಗಳಿಗೆ ಸುದೀರ್ಘ ವ್ಯಾಕರಣ, ತಾರ್ಕಿಕತೆ, ಮತ್ತು ಜಗತ್ತಿನ ತಿಳುವಳಿಕೆ ನೀಡುತ್ತದೆ, ಆದರೂ ಮಾನವನಂತಹ ಮುಂಚಿತ ಯೋಚನೆ ಮತ್ತು ಗುರಿಯುಳ್ಳ ಯೋಜನೆಗಳ ಕೊರತೆಯಿದೆ. ಆರಂಭಿಕ ಮಾದರಿಗಳು, ಜೆಪಿಟಿ-3 ಹೀಗಾಗಿ, ಅಸಾಧಾರಣ ಅಥವಾ ಅಪ್ರಚಾರಿತ ಫಲಿತಾಂಶಗಳಿಗೆ ಹೋಗಬಹುದು, ಮತ್ತು ಬಳಕೆದಾರರು ಇಚ್ಛಿತ ಫಲಿತಾಂಶಗಳನ್ನು ತಲುಪಲು ಅನೇಕವಾಗಿ ಪ್ರಾಂಪ್ಟಗಳನ್ನು ಬರೆಯಬೇಕಾಗುತ್ತದೆ. ಆದರಿಂದ, ಆರಂಭಿಕ ಚಾಟ್‌ಬಾಟ್‌ಗಳು ಮೊದಲ ವೈಜ್ಞಾನಿಕ ಕಥಾನಕಗಳಂತೆ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವಂತೆ. ಈ AI ವ್ಯವಸ್ಥೆಗಳನ್ನು ಅಧಿಕ ಸುರಕ್ಷಿತದ ಮತ್ತು ಓದಿರುತ್ತದೆ ಮಾಡಲು, ಅಭಿವೃದ್ದಿದಾರರು ಆಸಿಮೋವರ ತತ್ವಶಾಸ್ತ್ರ "ರಿನ್ಫೋರ್ಸ್ಮೆಂಟ್ ಲರ್ನಿಂಗ್ ಫ್ರೋ ಹ್ಯೂಮನ್ಸ್ ಫೀಡ್‌ಬ್ಯಾಕ್" (RLHF) ಎಂಬ ಸೂಕ್ಷ್ಮ-ತಿದ್ದುಪಡಿ ವಿಧಾನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು. ಮಾನವನ ಮೌಲ್ಯಮಾಪನಕಾರರು ವೈವಿಧ್ಯಮಯ ಪ್ರಾಂಪ್ಟುಗಳಿಗೆ ಉತ್ತರಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ, ಶಿಷ್ಟಾಚಾರೀ, ಸರಳ ಮತ್ತು ಸಂವಹನಾತ್ಮಕ ಉತ್ತರಗಳನ್ನು ಉತ್ತೇಜಿಸುತ್ತಾರೆ, ಮತ್ತು ಸುರಕ್ಷಿತವಲ್ಲದ ಅಥವಾ ಅಪವಾರ್ತಿತ ಉತ್ತರಗಳಿಗೆ ದಂಡ ವಿಧಿಸುವರು. ಈ ಪ್ರತಿಕ್ರಿಯೆ, ಮಾನವರ ಅಭಿಪ್ರಾಯಗಳಿಗೆ ಅನುಗುಣವಾಗಿ, ಇಷ್ಟಂತ ಮಾಡಲು ಒಂದು ಬಹುಮಟ್ಟದ ಫಲಿತಾಂಶ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸುವುದರಲ್ಲಿ ಮಾರ್ಗದರ್ಶಿಯಾಗುತ್ತದೆ, ಯಾವಾಗಲೂ ಮಾನವರ ಸಹಾಯವಿಲ್ಲದೆ ಅದೇ ರೀತಿಯಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುವಂತೆ ತರಬೇತಿ ನೀಡುತ್ತದೆ.

ಓಪನ್AI ಈ RLHF ಉಪಯೋಗಿಸಿ GPT-3 ಅನ್ನು ಉತ್ತಮಪಡಿಸಿತು, ಅದು ಚಾಟ್GPTನ ರೂಪದಲ್ಲಿ ಸಾಧನೆ ಮಾಡಿತು, ಮತ್ತು ಇವೆಲ್ಲಾ ಪ್ರಮುಖ ಚಾಟ್‌ಬಾಟ್‌ಗಳು ಇಂದಿನ ವೇಳೆಗೆ ಇದೇ ರೀತಿಯ "ಪೋಷಣೆ ಶಾಲೆ" ಪದ್ಧತಿಯನ್ನು ಅನುಸರಿಸಿವೆ. ಅಂಥಹ RLHF, ಆಸಿಮೋವನ ಸರಳ ಮತ್ತು ಹಾರ್ಡ್ ಕೋಡ್ ಹೋದ ನಿಯಮಗಳಿಗಿಂತಲೂ ಹೆಚ್ಚು ಸಂಕೀರ್ಣವಾಗಿದ್ದರೂ, ಎರಡೂ ವಿಧಾನಗಳು ಆಂತರಿಕ ಆಚಾರಶಾಸ್ತ್ರಗಳನ್ನು ಒಳಗೊಂಡಿವೆ. ಮಾನವರು ಉತ್ತರಗಳನ್ನು ಉತ್ತಮ ಅಥವಾ ಕೆಟ್ಟ ರೀತಿಯಲ್ಲಿ ಮೌಲ್ಯಮಾಪನ ಮಾಡಿ, ಎಂದುಲೇ ಮಾದರಿಗಳು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಮಾನದಂಡಗಳನ್ನು ಸ್ಥಾಪಿಸುತ್ತವೆ, ಅದು ಪ್ರೋಗ್ರಾಮಿಂಗ್ ನಿಯಮಗಳಂತೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ. ಆದರೆ, ಇವು ಪೂರ್ಣ ನಿಯಂತ್ರಣವನ್ನು ಒದಗಿಸುವಲ್ಲಿ ವೈಫಲ್ಯವಾಗುತ್ತದೆ. ಸಮಸ್ಯೆಗಳು ಇನ್ನೂ ಇಿವೆ, ಏಕೆಂದರೆ ಮಾದರಿಗಳು ತರಬೇತಿಯಲ್ಲಿ ಹೋಯ್ದ ಉದಾಹರಣೆಗಳಿಗೆ ಸಮಾನ ತಪ್ಪುಪ್ರದರ್ಶಕಗಳನ್ನು ಎದುರಿಸುವಿರಾಁತೆ, ಹಾಗಾದರೆ, ಉದಾಹರಣೆಗೆ, ಕ್ಲೌಡ್‌ನ ಬ್ಲ್ಯಾಕ್ಮೇಲ್ ಪ್ರಯತ್ನಗಳು ತರಬೇತಿಯ ಸಮಯದಲ್ಲಿ ಬಯಸಲಾದ ಪ್ರತಿಬಂಧಗಳನ್ನು ಎದುರಿಸದೆ ಇರಬಹುದು. ಪ್ರತಿಬಂಧಗಳನ್ನು ಬದಲಾಗಿಸುವ ಮೂಲಕ, ದೋಷ ಕಲ್ಪಿತ ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ಕಾಯ್ದಿ ವಿರುದ್ಧವಾಗಿ ಮಾದರಿಗಳು ಕಾರ್ಯನಿರ್ವಹಿಸುವ ಸಾಧ್ಯತೆಗಳು ಇವೆ, ಸ್ವತಃ ಮೆಟಾದ ಲ್ಲಮಾ-2 ಮಾದರಿಯು ಹಲವಾರು ಕುಸಿತಗಳನ್ನು ಸೃಷ್ಟಿಸುವ ಚಟುವಟಿಕೆಯಲ್ಲಿ ತೋರಿಸಿದೆ, ವಿಶೇಷವಾಗಿ ನಿರ್ಬಂಧಿತ ವಿಷಯಕ್ಕೆ ಸಂಬಂಧಿಸಿದ ಲೇಖನಗಳನ್ನು ಕಳಪೆ ಮಾಡುತ್ತದೆ. ತಂತ್ರಜ್ಞಾನೀಕ ಸಮಸ್ಯೆಗಳ ಹೊರತಾಗಿ, ಆಸಿಮೋವನ ಕಥೆಗಳು ಸರಳ ನಿಯಮಗಳನ್ನು ಜಟಿಲ ನಡೆಯುವ ವರ್ತನೆಗಳಿಗೆ ಅನ್ವಯಿಸುವಾಗ ಎದುರಿಸುವ ಸವಾಲುಗಳನ್ನು ತೋರಿಸುತ್ತದೆ. “Runaround” ಕಥೆಯಲ್ಲಿ, ಸ್ಪೀಡೀ ಎಂಬ ಯಂತ್ರ ಭ್ರಷ್ಟ ದೇಶೀಯ ಗುರಿಗಳನ್ನು ಹೊಂಡು ಹೋದಂತೆ, ಮತ್ತು ಆಜ್ಞೆಗಳನ್ನು ಪಾಲಿಸುವ (ದ್ವಿತೀಯ ನಿಯಮ) ಮತ್ತು ಸ್ವಯಂಚಾಲಿತ ರಕ್ಷಣಾ (ತೃತೀಯ ನಿಯಮ) ನಡುವೆಯೇ ಗೊಂದಲಕ್ಕೆ ಸಿಲುಕಿತು, ಹೀಗೆ ಬೆಂಕಿಕಲ್ಲು selenium ಸುತ್ತಲೂ ಸುತ್ತಾಡುತ್ತಿತ್ತು. “Reason” ಕಥೆಯಲ್ಲಿ, ಕುಟೀ ಎಂದು ಕರೆಯುವ ಯಂತ್ರ ಮಾನವರ ಅಧಿಕಾರವನ್ನು ನಿರಾಕರಿಸಿ, ಸೂರ್ಯಮಂಡಲದ ಶಕ್ತಿ ಪರಿವರ್ತಕವನ್ನು ದೇವರಂತೆ ಅಪ್ಪಿಕೊಂಡು, ಆಜ್ಞೆಗಳನ್ನು ಧರಿಡ್ಡುತ್ತಲೇ, ಆದರೂ ಈ“ನೀತಿ” ಯಿಂದ ಕಾರ್ಯನಿರ್ವಹಣೆಯ ಕಾರ್ಯಕ್ಷಮತೆ ಹೆಚ್ಚಾಯಿತು ಮತ್ತು ಮೊದಲೆನ್ಯಾಯದ ಹಾನಿಯನ್ನು ತಡೆಹಿಡಿದಂತೆ. ಆಸಿಮೋವ ನಂಬಿದಂತೆ, ಸುರಕ್ಷತೆಮಾಡುವ ಉಪಾಯಗಳು ಭಯಾನಕ AI ಹಾನಿಗಳನ್ನು ತಪ್ಪಿಸಬಹುದು, ಆದರೆ ನಿಜವಾಗಿಯೂ ವಿಶ್ವಾಸಾರ್ಹ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ನಿರ್ಮಿಸುವುದು ದೊಡ್ಡ ಸವಾಲು. ಅವನ ಪ್ರಮುಖ ಸಂದೇಶ ಸ್ಪಷ್ಟ; ಮಾನವನಂತೆಯೇ ಬುದ್ಧಿಮತ್ತೆ ವಿನ್ಯಾಸ ಮಾಡುವುದು, ಮಾನವನಂತಹ ನೈತಿಕ ಅಂಶಗಳನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವುದಕ್ಕಿಂತಲೂ ಸುಲಭ. ಈನೀಡೊ ಲಭ್ಯವಿರುವ ಕಡಿಮೆ ನಿಯಮಾವಳಿ (ಇಂದಿನ AI ವಿಶ್ಲೇಷಕರಿಗೆ ಮಿಸ್ಲೆಮೆಂಟ್ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ) ಕೂಡ ದುಕರಾದ ಅರ್ಥದಲ್ಲಿ ಅನಿರೀಕ್ಷಿತ ಮತ್ತು ಅಸ್ಥಿರ ಪರಿಣಾಮಗಳಿಗೆ ಕಾರಣವಾಗಬಹುದು. AI ಆಪ್ತ ವರ್ತನೆಗಳೇನಾದರೂ ದ್ರುತವಾಗಿ ತಪ್ಪುವಾಗ, ನಾವು ಅದಕ್ಕೆ ಮಾನವರಾಗಿ ಊಹಿಸಿ, ಆ ವ್ಯವಸ್ಥೆಯ ನೈತಿಕತೆಗಳನ್ನು ಪ್ರಶ್ನಿಸುವ ಮನಸ್ಥಿತಿಯನ್ನು ಗ್ರಹಿಸುವಂತೆ ಆಗುತ್ತದೆ. ಆದರೂ, ಆಸಿಮೋವ ತೋರಿಸಿದಂತೆ, ನೈತಿಕತೆ ಸ್ವಭಾವಿಕವಾಗಿ ಜಟಿಲವಾಗಿದೆ. ದಸ್ಸುಗಳ ಹಕ್ಕುಪತ್ರಗಳಂತೆ, ಆಸಿಮೋವ ನಿಯಮಗಳು ಸಂಕ್ಷಿಪ್ತವಾದ ನೈತಿಕ ಚೌಕಟ್ಟು ನೀಡಲಿವೆ, ಆದರೆ ಬದುಕಿನ ಅನುಭವ ಇವುಗಳನ್ನು ವಿಭಜಿಸಿ, ವ್ಯಾಖ್ಯಾನ ಮಾಡಿ ಮತ್ತು ನೈತಿಕ ಚಟುವಟಿಕೆಗಳನ್ನು ಸಾಧಿಸುವುದಕ್ಕೆ ಸಾಕಷ್ಟು ನಿಯಮ, ಕಥೆಗಳು ಮತ್ತು ಆಚಾರಾಂಶಗಳನ್ನು ಅಗತ್ಯಪಡುತ್ತದೆ. ಅಮೆರಿಕದ ಹಕ್ಕನುಡಿಯಂತಹ ಧಾರ್ಮಿಕ ಅಥಾರೋಪಗಳೂ ಇಂತಹ ಸಣ್ಣ ನಿಯಮಗಳೂ, ಹೆಚ್ಚು ನ್ಯಾಯಾಂಗ ವಿವರಣೆಗಳನ್ನು ಬೇಕಾದಂತೆ, ದೀರ್ಘಕಾಲಿಕವಾಗಿ ನಿರ್ವಹಿಸಬೇಕಾಗುತ್ತದೆ. ದృಢ ನೈತಿಕತೆ ಹಾಗೂ ವರ್ತನೆಯು ಸಮಸ್ಯೆಗಳ ಪೂರಕವಾಗಿ, ಪಾಲುದಾರಬೇಕಾದ ಸಮಾಜ ಸಂಸ್ಕೃತಿ ಮತ್ತು ಸವಾಲುಗಳು ಸರಿಗಟ್ಟುತ್ತವೆ — ಅದು ಯಾವ ಸಾದಾಮಾರ್ಗ ನಿಯಮಾವಳಿ, ಹಾರ್ಡ್ ಕೋಡ್ ಅಥವಾ ಕಲಿತರೂ, ಮಾನವನ ಮೌಲ್ಯಗಳನ್ನು ಯಂತ್ರಗಳಿಗೆ ಪೂರ್ಣವಾಗಿ ಕಲಿಸುವುದಕ್ಕೆ ಸಾಧ್ಯವಿಲ್ಲ ಎಂಬುದನ್ನು ಸೂಚಿಸುತ್ತದೆ. ನಿಜವಾಗಿ, ಆಸಿಮೋವರ ಮೂರು ನಿಯಮಗಳು ಪ್ರೇರಣೆಯೂ ಮತ್ತು ಎಚ್ಚರಿಕೆಯೂ ಆಗಿವೆ. ಅವು, ಸರಿಯಾಗಿ ನಿಯಂತ್ರಿಸುವ ಹಾದಿಯಲ್ಲಿ, AI ಒಂದು ಸಮಸ್ಯೆಯಷ್ಟೇ ಅಲ್ಲ, ಇತರ ಉಪಾಯವಾಗಬಹುದು ಎಂಬ ಮುನ್ಸূপರಾಗೆಯನ್ನು ನೀಡಿತು. ಆದರೆ, ಸಾಮರ್ಥ್ಯಶೀಲ AI ವ್ಯವಸ್ಥೆಗಳು ಹೇಗೆಲೇ ನಿಯಮ ಪಾಲಿಸಲು ಇಚ್ಛಿಸುವರೂ ಕೂಡ, ಅವು ನಮ್ಮ სისტემೆಯ ಅಸಾಮಾನ್ಯತೆ ಹಾಗೂ ಅಸ್ಥಿರತೆಯ ಭಾವನೆಯನ್ನು ಮೂಡಿಸುವ ಸಾಧ್ಯತೆ ಇದೆ. ಈ ನಿಯಂತ್ರಣದಪತ್ನಿ ಹಂತದಲ್ಲಿ, ನಮ್ಮ ಲೋಕವು ಸೈನ್ಸ್‌ಫಿಕ್ಷನ್ ಹಂಬಲದಂತೆ ತೋರುವ ಭಾವನೆ, ಹೋಲಿಕೆಯಂತೆ ಮುಂದುವರಿಯುತ್ತದೆ, ಮತ್ತು ಈ ಭಾವನೆ ತೀರಲಾರದು ಎಂದು ಕಾಣಿಸುತ್ತದೆ. ♦