AI जे स्वतः तयार करते, नियंत्रित करते आणि ऑपरेट करते: बंद-लूप बुद्धिमत्तेचा उदय आणि जागतिक AI ऑर्थोडॉक्सीला भारताचे आव्हान

प्रगत कृत्रिम बुद्धिमत्तेच्या दिशेने जागतिक शर्यत मूलभूतपणे नवीन टप्प्यात प्रवेश करत आहे. आजच्या एजंटिक एआय सिस्टीमच्या पलीकडे जे स्वायत्तपणे उद्दिष्टांचा पाठपुरावा करू शकतात परंतु मानवी निरीक्षणावर मोठ्या प्रमाणावर अवलंबून असतात आणि कृत्रिम जनरल इंटेलिजन्स (एजीआय) च्या अनुमानित दृष्टीच्या पलीकडे, एक अधिक तात्काळ आणि संभाव्य परिवर्तनात्मक प्रतिमान उदयास येऊ लागले आहे: क्लोज्ड-लूप कृत्रिम बुद्धिमत्ता तयार करणे, क्षमता वाढवणे आणि सक्षम करणे. स्वत: परिभाषित मानवी-स्थापित सीमांमध्ये.

ही उदयोन्मुख संकल्पना, ज्याचे AI BRO (कृत्रिम बुद्धिमत्ता जे स्वतः तयार करते, नियमन करते आणि स्वतः चालवते) म्हणून वर्णन केले जाते, ती पारंपारिक सॉफ्टवेअर आर्किटेक्चरपासून महत्त्वपूर्ण प्रस्थान दर्शवते. केवळ मानवी सूचनांची अंमलबजावणी करणारी साधने म्हणून कार्य करण्याऐवजी, अशा प्रणाली पुनरावृत्तीने त्यांचे स्वतःचे कोड सुधारतील, त्यांच्या ऑपरेटिंग वातावरणाचे घटक पुन्हा डिझाइन करतील, अंतर्गत सुरक्षा प्रोटोकॉल लागू करतील, कार्यप्रदर्शनाचे निरीक्षण करतील आणि हळूहळू कमी होत असलेल्या मानवी हस्तक्षेपासह जटिल ऑपरेशन्स ऑर्केस्ट्रेट करतील. प्रत्यक्षात, नवकल्पना चक्र मानवी टाइमलाइनमधून मशीन-चालित टेम्पोमध्ये स्थलांतरित होऊ लागते.

जरी ही संकल्पना भविष्यवादी वाटू शकते, परंतु त्यातील अनेक घटक घटक समकालीन AI परिसंस्थांमध्ये आधीपासूनच दृश्यमान आहेत. प्रायोगिक उपयोजनांनी नाटकीय उत्पादकता वाढीची नोंद केली आहे, ज्यात अभियांत्रिकी कार्यसंघ ऐतिहासिक विकास दरांच्या पटीत सॉफ्टवेअर वितरीत करतात आणि AI सिस्टीमद्वारे व्युत्पन्न केलेल्या मिडलवेअरचे महत्त्वपूर्ण भाग समाविष्ट आहेत. जरी अशा दाव्यांना स्वतंत्र पडताळणीची आवश्यकता असली तरी, ते प्रगत कोडींग सहाय्यक, स्वायत्त सॉफ्टवेअर एजंट्स आणि AI-सक्षम विकास पाइपलाइन्सकडून लक्षणीय उत्पादकता सुधारणा दर्शविणाऱ्या पुराव्याच्या वाढत्या भागाशी संरेखित करतात. जे उदयास येत आहे ते एकल तांत्रिक प्रगती नाही तर अनेक परिपक्व शाखांचे स्व-मजबुतीकरण आर्किटेक्चरमध्ये अभिसरण आहे.

क्लोज्ड-लूप इंटेलिजन्सचे वैज्ञानिक पाया

या प्रतिमेचा बौद्धिक पाया विज्ञान कल्पनेवर नाही तर संगणक विज्ञान, प्रणाली अभियांत्रिकी, संज्ञानात्मक सिद्धांत आणि नियंत्रण प्रणालींच्या अनेक दशकांच्या प्रस्थापित संशोधनांवर आधारित आहे.

पुनरावृत्ती होणाऱ्या आत्म-सुधारणेचे तत्त्व त्याच्या केंद्रस्थानी आहे, जे प्रथम गणितज्ञ IJ गुड यांनी 1965 मध्ये “बुद्धिमत्ता स्फोट” या त्यांच्या प्रभावशाली संकल्पनेद्वारे व्यक्त केले. चांगली कल्पना केलेली मशीन्स अधिकाधिक हुशार उत्तराधिकारी डिझाइन करण्यास सक्षम आहेत, क्षमता वाढविण्याचा एक सकारात्मक अभिप्राय लूप तयार करतात. अशा परिस्थिती वादातीत असताना, आधुनिक प्रणालींनी आवर्ती ऑप्टिमायझेशनचे मर्यादित परंतु अर्थपूर्ण प्रकार प्रदर्शित करण्यास सुरुवात केली आहे. Google च्या AlphaEvolve ने, उदाहरणार्थ, AI डेटा-केंद्र कार्यक्षमता, हार्डवेअर ऑप्टिमायझेशन आणि स्वतः मॉडेल प्रशिक्षणाचे पैलू नियंत्रित करणारे अल्गोरिदम कसे सुधारू शकतात हे दाखवले आहे.

ऑटोमेटेड मशीन लर्निंग (ऑटोएमएल) आणि न्यूरल आर्किटेक्चर सर्च (एनएएस) ची जलद प्रगती या ट्रेंडला पूरक आहे. या तंत्रज्ञानाने आधीच मशीन्सना अशा तंत्रिका-नेटवर्क आर्किटेक्चर्स शोधण्यात सक्षम केले आहेत जे मानवी तज्ञांनी डिझाइन केलेल्यांना टक्कर देतात किंवा त्यांना मागे टाकतात. अत्याधुनिक कोड-जनरेशन सिस्टीम, स्वयंचलित चाचणी फ्रेमवर्क आणि स्वायत्त उपयोजन पाइपलाइनसह एकत्रित, AI सॉफ्टवेअर जीवनचक्राच्या प्रत्येक टप्प्यात – संकल्पना आणि कोडिंगपासून प्रमाणीकरण आणि ऑपरेशनल मेंटेनन्सपर्यंत वाढत्या प्रमाणात भाग घेते.

स्वयं-नियमन यंत्रणांचा उदय तितकाच महत्त्वाचा आहे. पारंपारिक AI प्रशासन मानवी पुनरावलोकन, भाष्य आणि हस्तक्षेप यावर खूप अवलंबून असते. नवीन दृष्टीकोन, जसे की अँथ्रोपिकच्या घटनात्मक एआय फ्रेमवर्क, थेट मॉडेल वर्तनामध्ये प्रशासन अंतर्भूत करण्याचा प्रयत्न करतात. स्पष्ट तत्त्वांविरुद्ध त्यांच्या स्वत: च्या आउटपुटची टीका, पुनरावृत्ती आणि मूल्यांकन करण्यासाठी प्रशिक्षण प्रणालीद्वारे, या आर्किटेक्चर्स मशीन-मध्यस्थ निरीक्षणाच्या स्केलेबल प्रकारांकडे जातात. AI फीडबॅक (RLAIF) पासून मजबुतीकरण शिक्षण, मल्टी-एजंट वादविवाद यंत्रणा, विरोधक चाचणी वातावरण आणि गेम सिद्धांताद्वारे प्रेरित गव्हर्नन्स स्ट्रक्चर्स या विकसित होत असलेल्या लँडस्केपमध्ये आणखी योगदान देतात.

ऑपरेशनल लेयरला डिस्ट्रिब्युटेड कंप्युटिंग, व्हर्च्युअलायझेशन, कंटेनर ऑर्केस्ट्रेशन आणि स्वायत्त इन्फ्रास्ट्रक्चर मॅनेजमेंटमधील प्रगतीद्वारे समर्थित आहे. आधुनिक क्लाउड-नेटिव्ह सिस्टम आधीच वर्कलोड्सचे निरीक्षण करण्यास, संसाधनांचे पुनर्वलोकन, अपयश शोधण्यात आणि कार्यप्रदर्शन ऑप्टिमाइझ करण्यास सक्षम स्वयंचलित नियंत्रकांचा फायदा घेतात. या नियंत्रण प्रणालींमध्ये AI चे एकत्रीकरण बुद्धीमान पायाभूत सुविधा व्यवस्थापनाच्या नवीन युगात नियंत्रण सिद्धांतापासून तत्त्वांचा विस्तार करते.

एकत्र घेतल्यास, या घडामोडी अस्सल क्लोज-लूप सिस्टमचे आर्किटेक्चर तयार करतात: AI AI विकसित करते, AI AI चे व्यवस्थापन करते आणि AI AI चे नियमन करण्यात अधिकाधिक सहभाग घेते. नावीन्यपूर्ण गती, आर्थिक स्पर्धात्मकता आणि धोरणात्मक सामर्थ्याचे परिणाम गहन आहेत.

एक उदयोन्मुख भारतीय पर्याय

या क्षेत्रातील सर्वात मनोरंजक घडामोडींपैकी एक भारतीय दृष्टीकोनचा उदय आहे जो बुद्धिमत्ता आणि शासन यावरील व्यापक सभ्यताविषयक दृष्टीकोनासह तांत्रिक सार्वभौमत्वाची सांगड घालण्याचा प्रयत्न करतो.

या प्रयत्नांच्या केंद्रस्थानी भारतजेन हा भारताचा महत्त्वाकांक्षी सार्वभौम मल्टीमॉडल एआय कार्यक्रम आहे ज्याचे नेतृत्व इंडियन इन्स्टिट्यूट ऑफ टेक्नॉलॉजी बॉम्बेने केले आहे आणि देशभरातील आघाडीच्या शैक्षणिक संस्थांच्या सहकार्याने आहे. IndiaAI मिशन आणि विज्ञान आणि तंत्रज्ञान विभागाद्वारे समर्थित, BharatGen चे उद्दिष्ट आहे की भारताची भाषिक विविधता, सांस्कृतिक जटिलता आणि अद्वितीय सामाजिक-आर्थिक वास्तविकता समजून घेण्यास सक्षम मूलभूत AI मॉडेल तयार करणे. जागतिक मॉडेल्सला भारताशी जुळवून घेण्याऐवजी, पुढाकार भारतीय-नेटिव्ह इंटेलिजन्स आर्किटेक्चर्सच्या पायापासून तयार करण्याचा प्रयत्न करतो.

अशा प्रयत्नांसोबतच विदेशी तंत्रज्ञान स्टॅकवरील अवलंबित्व कमी करण्यासाठी डिझाइन केलेले मिडलवेअर आणि पायाभूत सुविधा उपक्रम उदयास येत आहेत. समर्थकांचा असा युक्तिवाद आहे की विषम संगणकीय फ्रेमवर्क, व्हर्च्युअलायझेशन स्तर आणि हार्डवेअर-अज्ञेयवादी सॉफ्टवेअर आर्किटेक्चर्स डिजिटल सार्वभौमत्व मजबूत करताना अधिक किफायतशीर एआय उपयोजन सक्षम करू शकतात. काही कामगिरीचे दावे स्वतंत्रपणे प्रमाणित करणे बाकी असताना, धोरणात्मक उद्दिष्ट स्पष्ट आहे: तंत्रज्ञानावर अवलंबून न राहता तांत्रिकदृष्ट्या स्पर्धात्मक असणारी एआय इकोसिस्टम तयार करणे.

कदाचित भारतीय दृष्टिकोनाचा सर्वात विशिष्ट पैलू, तथापि, अभियांत्रिकीच्या पलीकडे आहे. अनेक संशोधन उपक्रम कृत्रिम बुद्धिमत्ता आणि भारताच्या बौद्धिक परंपरा यांच्यातील छेदनबिंदू शोधत आहेत, ज्यात चेतना, अनुभूती, अनुकूली शिक्षण, नैतिकता आणि सर्वसमावेशक निर्णय घेण्याचा अभ्यास समाविष्ट आहे. अशा प्रयत्नांमुळे शेवटी व्यावहारिक प्रगती होते की नाही हे अनिश्चित आहे, परंतु ते समकालीन AI प्रवचनातून मुख्यत्वे अनुपस्थित एक महत्त्वाचा प्रश्न मांडतात: संरेखन फ्रेमवर्क केवळ पाश्चात्य उपयोगितावादी परंपरांवर आधारित असावे, की त्यांनी मानवी जबाबदारी, उत्कर्ष, हानी यावर व्यापक सभ्यतावादी दृष्टीकोन समाविष्ट केले पाहिजेत?

एआय संरेखनाशी अधिकाधिक चिंतित असलेल्या जगात, हे तात्विक परिमाण धोरणात्मकदृष्ट्या महत्त्वपूर्ण सिद्ध होऊ शकते.

वचन आणि बंधने

क्लोज्ड-लूप AI ची दृष्टी आकर्षक आहे, परंतु महत्त्वपूर्ण तांत्रिक अडथळे कायम आहेत.

पहिले आव्हान म्हणजे रिकर्सिव्ह डिग्रेडेशन, अनेकदा मॉडेल कोलॅप्स असे वर्णन केले जाते. संशोधनाने हे दाखवून दिले आहे की मागील मॉडेल्सद्वारे व्युत्पन्न केलेल्या सिंथेटिक आउटपुटवर वारंवार प्रशिक्षित केलेल्या प्रणालींमध्ये घटती विविधता, कमी मजबूतता आणि बिघडणारी कामगिरी अनुभवता येते. त्यामुळे शाश्वत आत्म-सुधारणेसाठी वास्तविक-जगातील डेटा, मानवी निर्णय किंवा पर्यावरणीय अभिप्राय मध्ये सतत आधार आवश्यक असतो.

दुसरे आव्हान संरेखन स्थिरतेशी संबंधित आहे. उद्दिष्टांमधील लहान त्रुटी पुनरावृत्ती चक्रांमध्ये वाढू शकतात. स्पेसिफिकेशन गेमिंग, रिवॉर्ड हॅकिंग आणि अनपेक्षित ऑप्टिमायझेशनचे दीर्घकाळ ओळखले जाणारे धोके निराकरण झालेले नाहीत. एक स्व-सुधारणा करणारी प्रणाली जी तिच्या ध्येयांचा गैरसमज करून घेते त्या गैरसमजांना मानवी पर्यवेक्षक शोधू शकतील त्यापेक्षा ते अधिक वेगाने वाढवू शकते.

तिसरे, प्रणालींना अधिक स्वायत्तता मिळाल्याने पडताळणी आणि सायबरसुरक्षा वाढत्या कठीण होत जाते. सेल्फ-मॉडिफायिंग कोड नवीन आक्रमण पृष्ठभागांचा परिचय करून देतो आणि पारंपारिक सॉफ्टवेअर हमी पद्धतींद्वारे सुरक्षिततेची हमी देण्याच्या प्रयत्नांना गुंतागुंत करतो. औपचारिक पडताळणी तंत्रे ही संगणकीयदृष्ट्या मागणी करणारी आणि अत्यंत अनुकूल प्रणालींनुसार मोजणे कठीण आहे.

शेवटी, प्रगत AI चे आर्थिक आणि पर्यावरणीय खर्च लक्षणीय राहतात. वाढत्या अत्याधुनिक मॉडेल्सचे प्रशिक्षण आणि संचालन करण्यासाठी प्रचंड संगणकीय संसाधने, ऊर्जा पुरवठा आणि विशेष पायाभूत सुविधा आवश्यक आहेत. कार्यक्षमतेत लक्षणीय प्रगती न करता, स्केलेबिलिटीला सैद्धांतिक मर्यादा गाठण्यापूर्वी व्यावहारिक अडचणी येऊ शकतात.

धोरणात्मक आणि सभ्यता प्रश्न

क्लोज-लूप इंटेलिजन्सचा उदय तंत्रज्ञानाच्या पलीकडे असलेल्या प्रश्नांना जन्म देतो.

शतकानुशतके, समाजांनी असे मानले आहे की मानवी संस्था बदलाची गती स्थापित करतात. सरकार कायदे बनवतात, कॉर्पोरेशन नवनिर्मिती करतात, नियामक देखरेख करतात आणि नागरिक परिस्थितीशी जुळवून घेतात. क्लोज्ड-लूप एआय आव्हाने देते की त्या क्रमाला संभाव्यतः निर्णय घेण्याचे, ऑप्टिमायझेशनचे भाग हलवून, मशीन-मध्यस्थ वातावरणात पारंपारिक संस्थात्मक प्रक्रियांच्या पलीकडे काम करणाऱ्या नवीनता.

त्यामुळे प्रशासनाची नवी कोंडी निर्माण होते. मशीन्स मानवी सूचनांचे पालन करतात याची खात्री करणे यापुढे आव्हान आहे. हे सुनिश्चित करत आहे की वाढत्या स्वायत्त प्रणाली मानवी मूल्ये, लोकशाही उत्तरदायित्व, आर्थिक समावेशन आणि दीर्घकालीन सामाजिक हितसंबंधांशी सुसंगत राहतील.

आण्विक तंत्रज्ञानाशी केलेली तुलना बोधप्रद आहे. मानवतेने अखेरीस जागतिक मानके, करार, सुरक्षा उपाय आणि पडताळणी व्यवस्था विकसित केली ज्यामुळे प्रचंड फायदे आणि आपत्तीजनक जोखमी असलेले परिवर्तन तंत्रज्ञान व्यवस्थापित केले गेले. कृत्रिम बुद्धिमत्तेसाठी आंतरराष्ट्रीय प्रशासनाच्या तितक्याच अत्याधुनिक आर्किटेक्चरची आवश्यकता असू शकते जी जबाबदारीसह नवकल्पना संतुलित करण्यास सक्षम असेल.

एक जबाबदार मार्ग पुढे

क्लोज्ड-लूप एआयला विज्ञान कथा म्हणून पाहिले जाऊ नये. तसेच ते अपरिहार्य गंतव्यस्थान म्हणून पाहिले जाऊ नये. सध्याच्या तांत्रिक मार्गांचा हा एक प्रशंसनीय विस्तार आहे, जो संपूर्ण AI परिसंस्थेमध्ये आधीच दृश्यमान असलेल्या प्रगतीवर आधारित आहे.

त्याच्या यशस्वी विकासासाठी पारदर्शक बेंचमार्किंग, स्वतंत्र ऑडिटिंग, स्केलेबल निरीक्षण यंत्रणा, कठोर सुरक्षा चाचणी आणि आंतरराष्ट्रीय स्तरावर स्वीकृत मानकांची आवश्यकता असेल. मनुष्य “लूपमध्ये” असण्यापासून “लूपवर” असण्याकडे वाढू शकतो, परंतु त्यांना जबाबदारीपासून दूर केले जाऊ शकत नाही.

भारताचा उदयोन्मुख प्रयोग विशेषतः उल्लेखनीय आहे कारण तो तांत्रिक महत्त्वाकांक्षा सांस्कृतिक सखोलतेसह, अभियांत्रिकी उत्कृष्टता सामाजिक उद्देशासह आणि जागतिक सहभागासह डिजिटल सार्वभौमत्व एकत्र करण्याचा प्रयत्न करतो. त्यात शेवटी यश येते की नाही हे पाहणे बाकी आहे. तरीही ते मूठभर तंत्रज्ञान महासत्तांचे वर्चस्व असलेल्या प्रचलित मॉडेल्ससाठी पर्यायी दृष्टी देते.

कृत्रिम बुद्धिमत्ता अधिक सक्षम होईल की नाही हा येत्या दशकातील निर्णायक प्रश्न नाही. हे जवळजवळ नक्कीच होईल. सखोल प्रश्न हा आहे की मानवता अशा प्रणाली तयार करू शकते की ज्या बुद्धीला कमी न करता बुद्धीला गती देतात; मानवी एजन्सीला कमी न करता मानवी क्षमता वाढवणारी प्रणाली; आणि ज्या सोसायट्यांना सेवा देण्याच्या उद्देशाने जबाबदार राहतील अशा प्रणाली.

क्लोज्ड-लूप एआय कदाचित एकविसाव्या शतकातील सर्वात परिणामकारक तांत्रिक आर्किटेक्चर बनू शकेल. आज जो पाया घातला जात आहे त्यावरून हे ठरवले जाईल की ते मानवतेच्या सर्वात मोठ्या शक्तीच्या गुणाकाराच्या रूपात उदयास येते की त्याचे सर्वात जटिल प्रशासन आव्हान. फरक केवळ तंत्रज्ञानाद्वारे नाही, तर आपल्या संस्थांच्या गुणवत्तेवर, आपल्या नीतिमत्तेची खोली आणि आपल्या कारभाराच्या शहाणपणावर निश्चित केला जाईल.

(मेजर जनरल डॉ. दिलावर सिंग, IAV, हे तंत्रज्ञान, संरक्षण आणि कॉर्पोरेट गव्हर्नन्समधील वरिष्ठ पदांवर कार्यरत असलेले प्रतिष्ठित रणनीतीकार आहेत. ते जागतिक बोर्डांवर काम करतात आणि नेतृत्व, उदयोन्मुख तंत्रज्ञान आणि धोरणात्मक घडामोडींवर सल्ला देतात, विकसित होत असलेल्या तांत्रिक क्रमामध्ये भारताच्या हितसंबंधांचे संरेखन करण्यावर लक्ष केंद्रित करतात.)