मैग्नीफाई: एआई अवधारणा का उपयोग कैसे करें

नमस्कार, मैग्नीफाई सीरीज में, हम विशेषज्ञों से वे प्रश्न पूछते हैं जिनके उत्तर हम विकास के क्षेत्र में घोषित करना चाहते हैं, हमारे आज के अतिथि गैलेक्सी और डीपी के सह-संस्थापक एर्डेम एसर एकिनसी हैं, जिनके पास 2009 में एक कृत्रिम बुद्धिमत्ता कंपनी स्थापित करने की दृष्टि है। हमने अब तक अपने कई मित्रों की मेजबानी यहां की है। हमने बहुत सारे प्रश्न पूछे और उन सभी में कृत्रिम बुद्धिमत्ता का मुद्दा सामने आया। सहन किया. मुझे खुशी है कि हम अंततः वह प्रश्न पूछने में सक्षम होंगे जो मैं कृत्रिम बुद्धिमत्ता के बारे में किसी विशेषज्ञ से पूछना चाहता हूं, और मैं जल्दी से शुरू करना चाहता हूं। हम बात कर रहे हैं कि ए.आई. का विध्वंसकारी प्रभाव हो सकता है, और हर कोई इसके बारे में कुछ न कुछ कह रहा है। जैसा कि मैंने अभी बताया, आप इस बारे में बहुत लंबे समय से सोच रहे हैं। इस समय, यह कृत्रिम बुद्धिमत्ता के भविष्य के बारे में है, विशेष रूप से यह कि कम्पनियों को इसे किस प्रकार अपनाना चाहिए, किस प्रकार वे इस अवधारणा को अपने व्यवसाय में अनुकूलित करें। आपके विचार में किसी कंपनी के मालिक, प्रबंधक, निदेशक, सभी स्तर के लोगों को अपने व्यवसाय में कृत्रिम बुद्धिमत्ता को अपनाने के लिए प्रारंभिक बिंदु के रूप में क्या विचार करना चाहिए? यह विषय निश्चित रूप से बहुत लोकप्रिय है, लगभग सभी बैठकें कृत्रिम बुद्धिमत्ता से शुरू होती हैं और डेटा पर समाप्त होती हैं। सबसे महत्वपूर्ण कार्य जो किया जाना है, वह है एआई को प्रशिक्षित करना, उसका उपयोग करना तथा उसे किसी भी परिदृश्य में शामिल करने के लिए उसे किसी भी तरीके से कार्यान्वित करने में सक्षम बनाना। डेटा इन्वेंटरी को स्वस्थ तरीके से लिया जाना चाहिए। सामान्यतः, यह सारा डेटा कंपनी में शामिल नहीं होता। कुछ डेटा बाहर से लाना होगा। एकीकरण प्रक्रियाएं बहुत महत्वपूर्ण हैं। इसलिए, कृत्रिम बुद्धिमत्ता परियोजना के सफल कार्यान्वयन में सबसे बड़ी बाधा GPU की आपूर्ति नहीं होगी, जैसा कि माना जाता है, बल्कि आवश्यकता होगी। यह मुख्य रूप से स्वच्छ, गुणवत्तायुक्त डेटा एकत्र करने का कार्य है। अधिकांश कंपनियों के पास भी डेटा है। कृत्रिम बुद्धिमत्ता द्वारा क्लाउड पर न लाए जाने जैसी चिंताओं के कारण यह भंडारित, संग्रहीत और अनुपयोगी है। इसलिए, सबसे बड़ी समस्या यह है कि इस सूची को कैसे लिया जाए, यह निर्धारित किया जाए कि यह किन परिदृश्यों में काम करेगी, तथा इसे बाह्य डेटा की आपूर्ति के साथ एकीकृत करके नए परिदृश्य तैयार किए जाएं। अगर हम सोचते हैं कि कोई कंपनी उस समय शॉर्ट और लॉन्ग टर्म कहती है, तो यह वास्तव में शॉर्ट और बीच में होता है, आप विनम्रता से डेटा को संपादित करते हुए कहते हैं, लेकिन थोड़ा अभी भी अधिकांश कंपनियां डेटा को एक्सेल में रखती हैं। ऐसी भी एक वास्तविकता है. डेटा तैयारी: क्या यह दीर्घकालिक रूप से इसके लिए तैयारी करने हेतु विभागीय व्यवस्था है? क्या यह किसी व्यवसाय में प्रौद्योगिकी की खरीद है या किसी एजेंसी के साथ काम करना है? क्या यह जानकारी आउटसोर्स की गई है? आपके विचार से यहां सर्वोत्तम अभ्यास क्या होना चाहिए? अब, जब मैं पिछले वर्ष, ढाई से लेकर 2 तक और अब तक का ऐसा आकलन करता हूं, तो ऐसा लगता है कि हर कोई पहले सोचता है कि यह एक अलग क्षेत्र है, एक लालसा है जिसके लिए एक और विशेषज्ञता की आवश्यकता है, और शिक्षा का एक स्तर है। जिस बिंदु पर हम पहुंच चुके हैं, वहां तुर्कान एक छोटा सा उपकरण बन चुका है जो लगभग हर विभाग में फैल चुका है। सबसे पहले, सभी ने कृत्रिम बुद्धिमत्ता इकाइयाँ स्थापित करने का प्रयास किया। इस ओर विशेष प्रशिक्षण मिलना शुरू हुआ, लेकिन अंततः आ गया। कृत्रिम बुद्धिमत्ता एक ऐसा तत्व बन गया है जो लोकतंत्रीकरण के लिए बहुत सारे लाभ लाता है। दूसरे शब्दों में कहें तो किसी भी समस्या को हल करने के लिए आपको एक सॉफ्टवेयर डेवलपर की आवश्यकता होती है। जब तक पिछले विषय ने डेटा और कृत्रिम बुद्धिमत्ता की परस्पर क्रिया को सुनिश्चित किया है, तब तक व्यावसायिक इकाइयाँ और अंतिम उपयोगकर्ता अब अपनी इच्छाओं के अनुरूप प्रौद्योगिकी को आटे की तरह गूंथ सकते हैं। संक्षेप में, इसे महज एक तकनीकी छलांग नहीं, बल्कि एक सामाजिक-तकनीकी विकास माना जाना चाहिए। अब यह सिर्फ तकनीक नहीं, बल्कि संगठनों की संरचना भी है। इसका स्वरूप भी बदलने लगा है। कुछ भूमिकाएं निभाने में सफलता प्राप्त करने में सक्षम हैं। कुछ भूमिकाएं लुप्त हो रही हैं, उन्हें पूरी तरह से मशीनों या कृत्रिम बुद्धिमत्ता को सौंपा जा सकता है। इसलिए, अंतिम बिंदु पर, कृत्रिम बुद्धिमत्ता वास्तव में एक उपकरण में बदल गई है जिसका उपयोग हर व्यक्ति के हाथों में किया जा सकता है। इसलिए, यह कंपनियों में एक अलग कृत्रिम बुद्धिमत्ता है। मुझे नहीं लगता कि इसके लिए किसी विशेष विभाग की आवश्यकता है। इस विषय पर बहुत सारी ऐसी अनाफोरा जानकारी उपलब्ध है। 60 लोगों का विभाग घटकर 10 लोगों का रह गया। कृत्रिम बुद्धिमत्ता के साथ किए गए काम में वृद्धि के बारे में बहुत शोर है, तथ्य यह है कि इस संबंध में लोग बर्बाद हो जाते हैं, या इसके विपरीत, जैसे कि ऐसा करने वाली कंपनी ने लोगों को फिर से ले लिया क्योंकि इससे नुकसान हुआ, निश्चित रूप से, मैं आपकी राय के बारे में बहुत उत्सुक हूं क्योंकि आप इसके बारे में बहुत लंबे समय से सोच रहे हैं, इसलिए वास्तव में, सवाल यह है कि मुझे नहीं पता कि मुझे इसकी व्याख्या करनी चाहिए, आप जानते हैं, क्या इससे बेरोजगारी होगी? कृत्रिम बुद्धिमत्ता भी यह हो सकती है, या कृत्रिम बुद्धिमत्ता। आप इस बारे में भी उत्तर दे सकते हैं कि आभासी मानव को किस प्रकार अपनी शैली में विकसित या रूपांतरित होना चाहिए। मैं दोनों प्रश्नों का उत्तर देने का प्रयास करूंगा। यह बात बिल्कुल स्पष्ट है कि कृत्रिम बुद्धिमत्ता बेरोजगारी पैदा करेगी। यह पहले ही शुरू हो चुका है। अब उत्पादकता वृद्धि की घोषणा की जा रही है। आप यह अनुमान सॉफ्टवेयर डेवलपर्स के वेतन के आधार पर भी लगा सकते हैं। उदाहरण के लिए, अब लगभग हर अनुप्रयोग। चैटबॉट समाधान का शुभारंभ किया गया। जब किसी नई कार्यक्षमता की आवश्यकता हुई, तो उन्होंने बिना किसी सॉफ्टवेयर के, या लगभग बिना किसी सॉफ्टवेयर के, तुरंत नई सेवाएं प्रदान करना शुरू कर दिया। इससे बेरोजगारी का रास्ता साफ होता है। वास्तव में, मैं कृत्रिम बुद्धिमत्ता, विशेष रूप से जेनरिविया का मूल्यांकन इस प्रकार करता हूं, यह आपको 2 चीजें प्रदान करता है। यह आपके लिए वह जानकारी ला सकता है जिसे यह संग्रहीत और अनुक्रमित करता है, जिसमें आप ज्यादातर रहते हैं, जब आप मेरे डेटा के बारे में पूछते हैं, तो यह कहता है कि 2,020 चार के अंत तक है, एक तारीख तक, और यह यह कहकर आपके पास वापस आ जाता है कि इसमें अद्यतित डेटा नहीं है, लेकिन यदि आप चाहें, तो आप वेब पर वर्तमान संस्करण खोज और पा सकते हैं। तो एक तो इंडेक्सिंग के लिए जिम्मेदार है जैसे कि पुराना गूगल करता था, और दूसरा है रेजनिक अनुमान लगाने की क्षमता, यानी सीधे आदमी का कोको। उसके पास वे सभी अनुमान लगाने की क्षमता है जो उसने बचपन से सीखे हैं, यदि बारिश होती है, तो वह लालची हो जाएगा, इस हद तक कि मुझे क्रेडिट कार्ड देने के लिए आपको अपनी व्यावसायिक रजिस्ट्री की जानकारी और आपके हस्ताक्षर वाला परिपत्र देना होगा। अब, यदि आप रोजगार के स्रोत और रोजगार के एक तत्व के रूप में कृत्रिम बुद्धिमत्ता को काम पर रखने की सोच रहे हैं, तो आपको पहले से तय करना होगा कि आप इसे किन लोगों को सौंपेंगे। तुम मुझसे पूछोगे कि मैं क्या जानता हूं। या फिर आप अपना कार्यप्रवाह, अपना व्यवसाय चाहेंगे? पिछले वर्ष पहले प्रश्न और उत्तर वास्तव में जल्दबाजी में किए गए थे। आप प्रश्न पूछें, हमें उत्तर मिलेंगे। अब हम आ गये हैं. इन्हें एजेंसियां ​​कहा जाता है, लेकिन तुर्की में इसका यही अर्थ है। वैसे, कारक शब्द का अर्थ लम्बे समय से अकादमी, अर्थात् एजेंट, से बदलकर दूसरा अर्थ ले लिया गया है। अजान तुर्की भाषा में है, लेकिन तुर्की में शिक्षा जगत लगभग 1990 वर्षों से एजेंट की अवधारणा का प्रयोग कर रहा है। इस बारे में भी काफी विवाद है। आपने इसे मीडिया में देखा होगा, लेकिन इसका अकादमिक समकक्ष वास्तव में इसी काम के लिए है, यानी एक इंसान को इंसान की तरह दिखाने के बजाय। सॉफ्टवेयर तत्व जो सामाजिक और सक्रिय व्यवहार दोनों को प्रदर्शित करके नौकरी करने के लिए जिम्मेदार हैं, वास्तव में, आप इसे देखें, इसलिए सॉफ्टवेयर तत्व, जब कृत्रिम बुद्धिमत्ता का विषय यहां लाया जाता है, वास्तव में, हां, इसका बहुत गहरा प्रभाव होगा जो रोजगार को कम करेगा, और इसका सामाजिक-तकनीकी रूप से मूल्यांकन करने की आवश्यकता होगी और संगठनात्मक चार्ट का बार-बार मूल्यांकन करने की आवश्यकता होगी। बेशक, हम जानते हैं कि आप अकादमिक जगत में इस विषय पर बहुत लंबे समय से काम कर रहे हैं, और आप इसके बारे में सोचते रहे हैं। हम जानते हैं कि हम आपसे एक साल पहले बात कर रहे थे, और हम एजेंटों के बारे में बात कर रहे थे, लेकिन मैं आपसे यह पूछना चाहता हूं, जनरेटिव आर्टिफिशियल इंटेलिजेंस और इन एजेंट्स का प्रतिच्छेदन, और यह कोई भी कंपनी हो सकती है। स्टार्टअप का क्षेत्र एक साधन हो सकता है। वह प्रतिच्छेद बिंदु क्या है कि आप इसे अपनी संरचना में कैसे शामिल कर सकते हैं? क्योंकि जो भी बात की जाती है वह बहुत सैद्धांतिक होती है, और हम सिद्धांत को व्यवहार में लाते हैं। बिल्कुल यही बात है। यह एक सलाह हो सकती है, यह एक दृष्टिकोण हो सकता है, यह एक तरीका हो सकता है, क्योंकि मैं जानता हूं कि यह वास्तव में अभी व्यवसाय है। आप आज से 23 वर्ष बाद के बारे में सोच रहे हैं, और यह बहुत अच्छा होगा यदि हम आपसे यह जान सकें कि उस लक्ष्य को कैसे प्राप्त किया जाए। ज्यादा दूर जाने की जरूरत नहीं है. 2 साल, 3 साल के बाद, वास्तव में जो प्रवृत्ति अनुभव होने लगी है वह यह है कि आपको किसी कंपनी से CRM की जिम्मेदारी मिल रही है। आप किसी अन्य कंपनी से मानव संसाधन के लिए एक और पेड़ खरीदते हैं, और अचानक प्रविष्टियों के एसएमई में शामिल एक से अधिक कारक और वसंत-आधारित कारक बनने लगते हैं। वह कहते हैं, और इस बिंदु पर, उनका एक दूसरे के साथ समन्वय और संचार। इस संचार के परिणामस्वरूप, उनके लिए कंपनी के लक्ष्यों के अनुरूप व्यवहार करना अधिक महत्वपूर्ण हो जाता है। विशेष रूप से, आप एगोन्टा को सौंपे गए कारक को उसके लक्ष्यों, संवाद करने के लिए अन्य कारकों, कंपनी की अपनी आंतरिक बाधाओं, नियमों, दृष्टि और मिशन के बारे में सिखा सकते हैं। यह सुनिश्चित करना कि वे दूसरों के साथ सामंजस्य से काम करें, सबसे महत्वपूर्ण लक्ष्य होना चाहिए। क्योंकि जब लोग इस व्यवसाय में शामिल होना शुरू करते हैं, अर्थात, जब लोग मनुष्यों के समान भाषा नहीं बोल सकते हैं, तो लोगों को मशीन के समान भाषा बोलने की आवश्यकता होती है, और इसे कंपनी की संस्कृति, कंपनी के शब्दों और कंपनी की अवधारणाओं के साथ विकसित करने की आवश्यकता होती है। इसलिए, प्रत्येक कारक मध्यस्थ है जो गति सेवा प्रदान करता है। इसे लेना और इसका उपयोग करना ज्यादा समझदारी नहीं है। उदाहरण देने वाली कंपनियों में से एक कंपनी दिन के समय सोशल मीडिया पर विज्ञापन प्रकाशित करती है, जब कई गतिविधियां विषय होती हैं। उनका कहना है कि वे कृत्रिम बुद्धिमत्ता कारकों का उपयोग करके सक्रिय रूप से ऐसा करते हैं। हालांकि, जब ब्रांड की प्रतिष्ठा के संदर्भ में विचार किया जाता है, तो वह अति-बुद्धिमान कारक जो विज्ञापन को अनुकूलित करता है, वास्तव में कंपनी की प्रतिष्ठा को नुकसान पहुंचाता है। क्योंकि देश का एजेंडा पूरी तरह से अलग है, आप अपने ई-कॉमर्स प्लेटफॉर्म पर जूते बेचना चाहते हैं और आप युवाओं के बीच एक ऐसे उत्पाद का प्रचार कर रहे हैं जो एजेंडे से पूरी तरह से बाहर है। यहीं से कहानी शुरू होती है। संस्था के भीतर एक अन्य कारक ब्रांड की प्रतिष्ठा का मूल्यांकन करना है। इसे बाहर से लिया गया था, और इस तरह एजेंडा बदल गया। उन्होंने सलाह दी कि देश में ऐसे जोखिम और संकट हैं और आपको अपने ब्रांड का प्रबंधन इसी तरह से करना चाहिए। अब ये दोनों कारक एक दूसरे से बात नहीं कर सकते। दो अलग-अलग विभाग इन कारकों से निपटते हैं। एक ओर, आपको चेतावनी मिलती है। जिस व्यक्ति को इस महीने चेतावनी मिलती है, वह मामले को दूसरे विभाग में संबंधित व्यक्ति को भेज देता है। उसे जाकर अन्य कारकों का कार्यक्रम और प्रबंधन करना होगा। इस बीच, यदि जंग लगने पर विज्ञापन एक घंटे तक भी घूमता रहता है, तो ब्रांड के लिए बहुत विनाशकारी वातावरण निर्मित हो जाता है। इस समय, उन दोनों के बीच बातचीत कराने वाले बहुत कम लोग हैं। जैसा कि मैंने पहले कहा, ब्रांड का उद्यम व्यवसाय, यानी कॉर्पोरेट। इन कारकों को व्यवसाय मॉडल, नियमों और बाधाओं के अनुरूप प्रबंधित करना एक पूरी तरह से अलग मुद्दा है। आप इसे बाहर से भी नहीं खरीद सकते। मेरा मतलब है, क्या यह मेरी संस्कृति के अनुरूप होगा जब आप अपने जैसे ही व्यक्ति को नौकरी पर रख रहे हैं? क्या वह दस साल बाद भी मेरे साथ कंधे से कंधा मिलाकर काम करते रहेंगे? यह बिल्कुल वैसा ही है जैसे आप अपने प्रश्न का उत्तर ढूंढ रहे हों। वास्तव में, यदि उनकी सामाजिक बुद्धि, जिसके बारे में वर्षों से अफवाह उड़ी है, विकसित हुई होती, तो शायद उन्होंने परमाणु बम का निर्माण नहीं किया होता। अवधारणा कुछ हद तक एजेंट आधारित और शिर है। आप अपनी संस्कृति में एकीकरण के मुद्दे पर बात करते हैं। मैं यहां से थोड़ा आगे बढ़ना चाहता हूं। मान लीजिए कि कंपनी संस्कृति के रूप में, कृत्रिम बुद्धिमत्ता और एजेंसियों में निवेश करने का निर्णय लिया गया। लेकिन यहां मेरे काम का एक भ्रमात्मक पक्ष भी है। इसलिए हमें कृत्रिम बुद्धिमत्ता पर भरोसा करना होगा, हां, हमें इसे 10 तक बढ़ाना होगा, लेकिन इसकी अपनी आंतरिक समस्याएं भी हैं जिन्हें यहां अनुभव किया जा सकता है। क्या आपको लगता है कि इस समय कोई भी प्रबंधक इस व्यवसाय पर भरोसा कर सकता है? किसी विशिष्ट क्षेत्र में किसी वरिष्ठ को नौकरी दी जाए या नहीं, या उसे अभी भी दूर रखा जाए, इसका निर्णय कंपनी के निर्णय-निर्माण के दृष्टिकोण से किया जाना चाहिए। मैं इस प्रश्न का उत्तर कारक की अवधारणा के माध्यम से देने का प्रयास करूँगा। क्या आप किसी सॉफ्टवेयर, या कृत्रिम बुद्धिमत्ता पर कोई काम करने के लिए भरोसा कर सकते हैं? उसी तरह, क्या आप किसी व्यक्ति पर काम करने के लिए भरोसा कर सकते हैं? आइये प्रश्न को वही रखें। तो आइये हम दोनों को एक समान कर दें। आप इस पर भरोसा कैसे करते हैं? एक व्यक्ति को नौकरी करने के लिए एक निश्चित संघी हस्तक्षेप हो रहा है। अर्थात्, विश्वास अंतराल पर और जिसकी हम सदियों से कल्पना करते आ रहे हैं, क्योंकि यह वास्तव में मानवीय है। चूंकि गुणनखंड एक नई अवधारणा है, इसलिए हमें किसी चीज को 10 के अंतर्गत रखने में कठिनाई होती है। क्या 10% सही उत्तर देंगे या 98% सही उत्तर देंगे? इसे समझना थोड़ा कठिन है। ठीक उसी तरह, अर्थात, जब आप किसी कंपनी या स्वयं के लिए एजेंट समाधान विकसित कर रहे हैं, तो आपको एक परीक्षण बेड वातावरण बनाने की आवश्यकता होती है, जहां आप OO पृथक दस्तावेज़ लेकर, एक परीक्षण बेड बनाकर, एक परीक्षण वातावरण बनाकर और एक निश्चित समयावधि में इसे विभिन्न डेटा के साथ खिलाकर उस विश्वास को 10 तक बढ़ा सकते हैं। अन्यथा, एक ऐसे मित्र का मूल्यांकन करने, जिससे हमेशा एक ही प्रश्न पूछा जाता है, और एक एजेंट को कार्य सौंपने में कोई गंभीर अंतर नहीं है। इसके विपरीत, इसका एक फायदा यह है कि आप एक कारक का परीक्षण करने के लिए दूसरे कारक का उपयोग कर सकते हैं। वास्तव में, यदि आप इसे और एक अलग एजेंसी को नियंत्रित करते हैं, तो आप उसी तरह एक कारक पर जाते हैं। मैं अपने कानून पर सवाल उठाने के लिए अपने आंतरिक नियमों पर सवाल उठाने के लिए एक और कारक विकसित करना चाहूंगा। इसके लिए परीक्षण कैसे होने चाहिए? मेरे लिए इसका उदाहरण 10,000 प्रश्न हैं, और वह इन 10,000 प्रश्नों को प्रश्न और उत्तर के साथ संसाधित करने में सक्षम होगा। क्या आप एक सरल परीक्षण कर सकते हैं? जब आप कहते हैं कि बड़े भाषा मॉडल आपको पहले से ही यह मंच प्रदान करते हैं। आपको दूसरे को भी लक्ष्य बनाना चाहिए, आप इसका परीक्षण इसके साथ कर सकते हैं। क्या आप मनुष्य के लिए भी ऐसा कर सकते हैं? यह अधिक कठिन है, और यह एक अलग प्रक्रिया है। मैं यहां वहां की संस्कृति, व्यवसाय की कंपनी संस्कृति के बारे में पूछना चाहता हूं। आइये एक ऐसी कंपनी के बारे में बात करें जिसकी संस्कृति औसतन 20 वर्षों तक चलती है। वह 20 साल तक शराब पीता रहा। वास्तव में, यह हर चीज के साथ विकसित होती है, लेकिन हम जिस संस्कृति के बारे में बात कर रहे हैं, वह कुछ साल पुरानी है और यह मानते हुए कि हम इसे अनुकूलित करने की कोशिश कर रहे हैं, हमें विभागीय आधार पर कंपनी की कॉर्पोरेट संस्कृति के संदर्भ में यहां सांस्कृतिक अनुकूलन का मूल्यांकन कैसे करना चाहिए, या किस तरह के अंतराल प्रशिक्षण समय को कम किया जाना चाहिए। वास्तव में, लगभग हर शब्द में एक कहावत छिपी होती है। आप जानते हैं, पेड़ लगाने का सबसे अच्छा समय 10 साल पहले था। अगला सबसे अच्छा समय अभी है, वह इसे तुरंत नहीं करता है। वास्तव में, इस प्रश्न का उत्तर यह है कि संस्कृति, प्राकृतिक भाषाओं के साथ मिलकर, वास्तव में एक कंपनी की संस्कृति का पालन करने और बनाने के लिए आधार बनाने लगी है, और इस जेरेरिटी या जनरेटिव आर्टिफिशियल इंटेलिजेंस के लिए धन्यवाद, हर पाठ को पढ़ना और समझना संभव है और कंपनी के नियम नए हैं। जब आप इसमें विकसित बाधाओं और लक्ष्यों को, उनमें से प्रत्येक को प्राकृतिक भाषा में लिखते हैं, तो यह आपके पृष्ठभूमि में किसी अन्य सूची द्वारा रखे जाने, प्रबंधित करने और व्याख्या करने योग्य हो जाता है। तो आइये हम कम्पनियों की पहली समस्या पर वापस आते हैं। तो क्या किया जाना चाहिए? चाहे वह डेटा मशरूम में हो, चाहे वह एक्सेल, पीडीएफ, वेब पेज, डेटाबेस, डेटाबेस में हो, यह बिखरा हुआ है। उनके बीच ऐसे संबंध हैं जिनके बारे में मनुष्य जानता है, लेकिन एआई अभी भी नहीं जानता है। उत्पादक, कृत्रिम बुद्धिमत्ता में इन कनेक्शनों को बनाने और उन पर नज़र रखने की क्षमता होती है। जिसे हम संस्कृति कहते हैं उसका एकमात्र हिस्सा मानवीय भावनाएं हैं, आप ग्राहक को 100 हंसी दिखाएंगे। आप अपने आंतरिक संबंधों में एक टीम गेम खेलेंगे, आप सहानुभूति रखेंगे। इसका शेष भाग पूरी तरह से कृत्रिम बुद्धिमत्ता को सौंपा जा सकता है। इसमें वेरेयानिन को स्वस्थ तरीके से बनाया जाना चाहिए। यदि आप ऐसा नहीं भी करते तो भी मैं डेटा वाले भाग पर वापस जाता। आइये कुछ ऐसा कहें। ऐसा इसलिए है क्योंकि डेटा अवंते का निर्माण उन चीजों से किया गया था जिनके बारे में उन स्थानों पर बात की गई थी जहां हम हाल ही में मिले थे, लेकिन परिणामस्वरूप, अगर हम मानते हैं कि डेटा बनाने वाले लोग भी इंसान हैं और त्रुटि का मार्जिन, डेटा सूची में की गई गलतियों पर आधारित है। वास्तव में, यह एक वास्तविकता भी हो सकती है। उदाहरण के लिए, एक उदाहरण दिया गया था, वारंटी अवधि को दूसरे दिन एक बैठक में वास्तविक कर्मचारी एजेंट मानव द्वारा गलत तरीके से दिया गया था, और कृत्रिम बुद्धिमत्ता में एजेंट गलत परिणाम देता है क्योंकि उसने इसे गलत डेटा से सीखा था। इसलिए, जब हम इतनी सारी संस्कृतियाँ, भावनाएँ, सब कुछ एक दूसरे के ऊपर रखते हैं, तो क्या डेटा की त्रुटि, भूल, भ्रम या समस्या या समस्या जो यहाँ विकसित हो सकती है, वह बहुत बड़ी नहीं होगी? मुझे लगता है कि पहला चरण वास्तव में जितना हम सोचते हैं उससे कहीं अधिक महत्वपूर्ण हो जाता है। यह निश्चित रूप से समकालीन है, और जैसा कि उन्होंने इस प्रश्न पर टिप्पणी करते हुए कहा, कम्पनियों को कृत्रिम बुद्धिमत्ता की ओर किस प्रकार बदलाव करना चाहिए? दूसरे शब्दों में, 2 प्रकार के दृष्टिकोण जानते हैं कि लगभग किसी भी समस्या के समाधान में प्रेरण तक पहुंचा जा सकता है, विशेष रूप से ऐसी बड़ी समस्याओं के समाधान में। दूसरे शब्दों में, एक सुपर आर्टिफिशियल इंटेलिजेंस जो पूरी कंपनी की सभी प्रकार की जानकारी जैसे कि योजना, दस्तावेज़ीकरण आदि जान सकता है जो कंपनी की सेवा करेगा। इस निगमन का प्रयास किया जा सकता है, तथा आगमन पर भी पहुंचा जा सकता है। दूसरे शब्दों में, नीचे एक बहुत छोटा ग्राहक प्रतिनिधि कारक बनाया जा सकता है। बहुत कम नियोजन परीक्षण कारक किये जा सकते हैं। बिजनेस में आप अपने बिजनेस विषय के अनुसार अपने बिजनेस क्षेत्र का फैसला कर सकते हैं। दोनों से ऊपर से नीचे, ऊपर से ऊपर तक, जो भी फेड है, यहां चरण-दर-चरण परीक्षण, विश्वास अंतराल, आप इसे जो भी कहते हैं, वह बड़ा है। उनका हिस्सा धीरे-धीरे कम होता जाएगा और मनुष्यों के बराबर हो जाएगा। दूसरे शब्दों में, यदि मैंने पहले से ही किसी को काम पर रखा है, तो आपको कुछ अंतराल देने की जरूरत है, जहां आप कह सकें कि वह इससे अधिक काम कर सकता था। आप वास्तव में यह कह रहे हैं कि आप जो कुछ भी यहां लाने जा रहे हैं, उसमें समय के साथ सुधार होगा। मैं इसमें शामिल होना चाहता हूं. हम कृत्रिम बुद्धिमत्ता के बारे में बात कर रहे हैं, जो तेजी से विकसित हो रही है, और विषय केवल तकनीकी विकास के साथ ही नहीं है, बल्कि यहां अनुभव किए गए तकनीकी विकास, नैतिक विनियमन, कार्यबल परिवर्तन और कई हिस्सों से भी संबंधित है जो वास्तव में हमारे दैनिक सामाजिक जीवन में परिलक्षित होते हैं। यहां भी हम वास्तव में आज ही रह रहे हैं। शायद हम अगले 12 वर्षों की भविष्यवाणी कर सकते हैं, लेकिन मैं यह जानने को उत्सुक हूं कि जब हम आज से 5 या 15 साल बाद के बारे में सोचते हैं तो आपके दिमाग में क्या आता है, यही वह वास्तविकता है जिसमें हम रह रहे हैं। यह एक सामाजिक-तकनीकी समस्या है। दूसरे शब्दों में, जैसे-जैसे प्रौद्योगिकी विकसित होती है, सामाजिक घटनाएं बदलती हैं। जैसे-जैसे सामाजिक घटनाएं बदलने लगेंगी, प्रौद्योगिकी से हमारी अपेक्षाएं भी बदलने लगेंगी। अभी, जब आप सामान्य रूप से व्यवसायिक क्षेत्र को देखते हैं, तो हम में से अधिकांश लोग शहरों की बहुसंख्यक आबादी और नौकरशाही के साथ काम कर रहे हैं। नौकरशाही, अनुवर्ती कार्रवाई, यानी हम कागज पर लिखे आंकड़ों और संख्याओं का कंप्यूटर पर अनुसरण करते हैं। जैसे ही मशीनों ने यह काम करना शुरू किया, उन्होंने तुरंत काम शुरू कर दिया। अब आगे क्या किया जाएगा? वह मानव आत्मा, मानव भीड़, रचनात्मक रूप से क्या खोजेगी, और वह किस ओर जाएगी? यह मेरी क्षमता से परे है. मैं हरारी मुस्तफा सुलेमान को बहुत पढ़ता हूं। मैं सभी लेखकों का अनुसरण करने का प्रयास कर रहा हूं, लेकिन वास्तव में भविष्यवाणी करना एक बहुत ही कठिन प्रक्रिया हो रही है। मैं आपको एक उदाहरण देता हूं, कृत्रिम बुद्धिमत्ता के आगमन के साथ, आनुवांशिकी के अन्य महत्वपूर्ण क्षेत्र में क्वांटम कंप्यूटिंग में बड़ी छलांगें लगी हैं। फिलहाल, यह विशेष रूप से क्वांटम कंपोजिंग के बारे में है। मैं आपको एक उदाहरण देता हूं, क्वांटम कंप्यूटर इसी दर से विकसित होते रहेंगे। कृत्रिम बुद्धिमत्ता मॉडल का उत्पादन कुछ ही समय में शुरू हो जाएगा और यह बहुत आसान है। तब हमें एक ऐसे मॉडल की आवश्यकता होगी जो किसी भी समस्या पर सुपर-इन्फर करने की क्षमता रखता हो। सचमुच, सॉफ्टवेयर डेवलपर्स, हम क्या करने जा रहे हैं? जब नौकरशाही को काम से हटा दिया जाएगा तो क्या होगा जब हम यह काम पूरी तरह मशीनों से चला सकेंगे? मैं वास्तव में इसका पूर्वानुमान नहीं लगा सकता। इस मुद्दे पर राज्यों के दृष्टिकोण को ध्यान में रखते हुए, मैं आपसे इस तथ्य के बारे में पूछना चाहता हूं कि हम लंबे समय से एक प्रौद्योगिकी कंपनी चला रहे हैं, कुछ हालिया चर्चाओं के कारण, जैसे कि हम धूल के ऐसे बादल में प्रवेश कर रहे हैं, मुझे वास्तव में उनमें से 2000 के बारे में आश्चर्य है, लिनक्स स्टार्टअप सॉफ्टवेयर विकास वास्तव में कार्यप्रणाली के साथ एक अवधारणा है। पिछले 15 वर्षों में, लेकिन यह देखते हुए कि कई प्रौद्योगिकी कंपनियों के कोड का आधा हिस्सा भी एआई द्वारा विकसित किया गया है, यह वास्तव में इस बारे में है कि उत्पाद विकास के संदर्भ में प्रकाशन क्या प्रदान करेगा। कम से कम 10 या 15 साल तो बहुत हैं, लेकिन क्या आप निकट भविष्य पर कोई राय या विचार दे सकते हैं? आकाशगंगा की मूल परिकल्पना यह है कि आप जनरेटिव एआई के साथ कोड लिखते हैं, लेकिन आपको अब कोड लिखने की आवश्यकता नहीं है। वर्तमान में, जीपीटी में बिताए गए समय का विश्लेषण हाल ही में प्रकाशित किया जा रहा है। यानि समय तेजी से बढ़ रहा है। गूगल वेब पर बिताया जाने वाला समय तेजी से कम हो रहा है। इसलिए, यह स्पष्ट है कि अब से सभी सॉफ्टवेयर विकास प्लेटफॉर्म चैट-आधारित होंगे। इसलिए अब हमें किसी प्रोग्रामिंग भाषा की आवश्यकता नहीं है। मशीन हमें समझती है, और अब हमें पहले की तरह कॉर्पोरेट स्क्रीन की जरूरत नहीं है। क्योंकि हम जो प्रश्न पूछ रहे हैं उसका उत्तर यही है। एक ऐसा मंच है जो हमें वह रास्ता दिखा सकता है जो हम चाहते हैं। आप पूछते हैं कि एक कंपनी अपनी पूंजी अपने शेयरधारकों में कैसे वितरित करती है? सामान्यतः आप किसी तालिका में या किसी पेचर्ड में हिस्टोग्राम में इसकी अपेक्षा कैसे करते हैं, अर्थात आप ग्राफ की अपेक्षा करते हैं और कुछ स्पष्टीकरण मांगते हैं। आपको इसके बारे में कोई कोड लिखने की आवश्यकता नहीं है। अपना प्रश्न पूछें, आवश्यक उत्तर या तो बाहर से आया भूकंप है या आपके आंतरिक डेटा स्रोतों से लाया गया है, और यह आवश्यक नहीं है कि यह सभी के लिए एक ही छवि हो जिसे आप सबसे अधिक पसंद करते हैं। इसे अपनी स्क्रीन पर अपने पसंदीदा रंगों के साथ सामंजस्यपूर्ण ढंग से प्रस्तुत और प्रतिबिंबित होने दें। यानि ऐसे माहौल में. सॉफ्टवेयर व्यवसाय वास्तव में ऐसा ही है, एक समय था जब हम बहुत सी पत्रिकाओं में यह कहते हुए पढ़ते थे कि जब मैं लाइसेंस पूरा कर लेता हूं तो सॉफ्टवेयर पूरी दुनिया को खा जाता है। अब कृत्रिम बुद्धिमत्ता सॉफ्टवेयर को खा रही है। सॉफ्टवेयर पर्यावरण, सॉफ्टवेयर प्लेटफार्म आदि शब्द लुप्त हो रहे हैं। पूर्णतः चैट-आधारित वातावरण में, आप चैटिंग के माध्यम से कार्य करेंगे। आप खुफिया विभाग को बताते हैं, और फिर वह बातचीत के माध्यम से ऐसा करता है, और आप जिस बारे में बात कर रहे हैं, उसने मुझे वास्तव में इस रूपक के माध्यम से प्रभावित किया। 40 साल पहले माइक्रोप्रोसेसरों में लिखी जाने वाली भाषा और फिर ईएसईएम कहलाने वाली भाषा अब पूरी तरह से दैनिक बोलचाल की भाषा में उच्च स्तर पर है, मानो वह सॉफ्टवेयर से संबंधित कई खिड़कियां खोल देगी या दरवाजे तोड़ देगी। दूसरे शब्दों में, ऐसी स्थिति है, आप जानते हैं, भाषा का स्तर प्राकृतिक भाषा के बहुत करीब था। एसेनब्ली सी सी प्लस प्लस भाषाओं पर ओबेक ओर और अधिक आया। 20 या 25 वर्ष पुरानी किसी प्रक्रिया का वर्णन करें जो पायथन तक जाती है, और यह हमेशा प्राकृतिक भाषा के अधिक निकट होती गई है। लेकिन उच्चतम स्तर पर ऐसी वास्तविकता थी। प्रोग्रामिंग भाषा की अवधारणाएँ, जिन्हें मशीन समझ सकती थी, शून्य हो गईं। अब हमारे लैपटॉप में ऐसी चिप्स हैं जो प्राकृतिक भाषा को समझती और व्याख्या करती हैं। तो मशीन सीधे सिलिकॉन चिप पर है। वह उस घंटी को समझने के बहुत करीब पहुंच गया था जिसके बारे में हम बात कर रहे थे। क्या इस मामले में स्क्रीन की आवश्यकता है? क्या स्क्रीन पर छवियों को एनकोड करने की आवश्यकता है? या फिर इस कोड का व्यक्ति सॉफ्टवेयर डेवलपर होना चाहिए? 10 साल कोई 5 साल नहीं होते, मैं ईमानदारी से कहूँ तो 2 साल बाद की बात नहीं देख सकता। बहुत ही रोचक। अब मैं छोटे प्रश्नों के साथ छोटे उत्तर चाहता हूँ, क्योंकि कृत्रिम बुद्धिमत्ता की अवधारणा के बारे में जो हम इस समय पूछ रहे हैं, शायद प्रश्नों के पैटर्न में भी बदलाव की आवश्यकता है। एक छोटा सा प्रश्न, मैं त्वरित उत्तर चाहता हूँ, क्या कोई ऐसा AI टूल है जो आपको भी आश्चर्यचकित कर दे? इस क्षण नहीं। आपने पहले ही अपने आश्चर्य के स्तर को बहुत ऊपर तक बढ़ा दिया है, क्योंकि शिक्षा जगत में इनमें से कुछ परीक्षण पहले से ही 5 साल पहले, 10 साल पहले, 2010 सात हैं, उदाहरण के लिए, छवि प्रसंस्करण छवि प्रसंस्करण में सबसे अधिक आश्चर्यजनक है। हमने अकादमिक पत्रों में पढ़ा कि 2,017 इमेज प्रोसेसिंग में सभी समस्याएं हल हो गईं। तो हम इसकी आशा कर रहे थे। उदाहरण के लिए, फिलहाल मैं यह नहीं कह सकता कि गूगल के वीडियो निर्माण और 3 मॉडलों ने किसी भी तरह से आश्चर्यचकित किया। दूसरे शब्दों में, क्या आपको लगता है कि कम्पनियों को अपने कर्मचारियों के उपयोग के लिए कंपनी डेटा को गिरोह जैसे उपकरणों पर अपलोड करने पर रोक लगा देनी चाहिए? यह सबसे महत्वपूर्ण दोषों में से एक है, मैं इस प्रश्न का उत्तर प्रश्न से दूंगा। यह इस समय महत्वपूर्ण है, क्योंकि विश्व के कई भागों में इसका कोई संक्षिप्त उत्तर नहीं है, लेकिन मुझे खेद है। मैंने कई वर्षों तक खुले डेटा का बचाव किया है, मैंने कहा कि डेटा खुला होना चाहिए, लेकिन इस तरह की एक वास्तविकता है, कल्पना कीजिए कि एक रोबोट जो एक शानदार स्टॉक की भविष्यवाणी करता है, उसे ऐसे सुपर क्वांटम कंप्यूटर के साथ विकसित किया गया है, और इस रोबोट के लिए धन्यवाद, शेयरों को बहुत अच्छी भविष्यवाणियों के साथ खरीदा और बेचा जा सकता है, और यही वह शक्ति है जो रोबोट को नियंत्रित करती है। क्या आप अपने देश के शेयर बाजार का डेटा इस रोबोट के साथ साझा करने पर विचार करेंगे? उत्तर पर विचार नहीं किया जाना चाहिए, जो इतना बड़ा मूल्य है कि इसे पूर्वानुमान करने में सक्षम होना है। इसलिए, कंपनी और देश के डेटा को नियंत्रित तरीके से बाहर के लिए खोलना आवश्यक है ताकि इसका वास्तव में इस कंपनी और इस देश के लाभ के लिए उपयोग किया जा सके। लेकिन दूसरी ओर, एकीकरण बहुत महत्वपूर्ण है। दूसरे शब्दों में, जब आप केवल अपना डेटा संग्रहीत करते हैं और उसके ऊपर सर्वर के साथ फायरवॉल की परतें बनाते हैं, तो आप इस समय नवाचार में पीछे रह जाते हैं। यानि कि कंपनियों का एक दूसरे के साथ। यह भी महत्वपूर्ण है कि वे डेटा साझा करें और नई कंपनियों को जन्म लेने का अवसर दें। यहां मैं केवल एक बात पर जोर देना चाहूंगा कि यह नई जानकारी हो सकती है, लेकिन डेट स्पेस नामक एक अवधारणा है, जो डेटा स्पेस है जिस पर यूरोप 2,010 से काम कर रहा है, और जैसा कि आप जानते हैं, यूनिकॉर्न उत्पादन के मामले में यूरोप दुनिया से पीछे है। यूरोपीय बाजार पर कब्जा करने वाली कंपनियां हमेशा बड़ी कंपनियां रही हैं जैसे अमेरिकी, एप्पल, अमेज़न, चीनी अलीबाबा। यूरोप यहां इसलिए है ताकि वह पीछे न रह जाए। बीथो सी भी सफल काम नहीं कर सकते हैं, लेकिन बीथे बी वे ठीक हैं। इसके बाद उन्होंने कहा कि हमारी कंपनियों को एक दूसरे के साथ डेटा साझा करना चाहिए। आइये इसके लिए एक सुरक्षित प्रोटोकॉल बनाएं और इस तरह से इसके नवाचार को गति प्रदान करें। साथ ही, जब महामारी जैसे संकटपूर्ण वातावरण उत्पन्न होते हैं, तो मैं अपने राष्ट्रों के पक्ष में अपने राज्यों में जाता हूं और यदि आवश्यक हो, तो मैं जिस प्रारूप में चाहता हूं, उस प्रोटोकॉल के साथ, जो मैंने पहले से निर्धारित प्रोटोकॉल के साथ डेटा केंद्रों में जाता हूं, और वहां आकर वह डेटा प्राप्त करता हूं। उन्होंने यह कहकर एक आधारशिला तैयार की कि मैं इसका उपयोग अपने राष्ट्र और अपने राष्ट्रों की शांति के लिए कर सकूं। वास्तव में, अर्ध-खुले तरीके से, डेटा बाहर के लिए खुला होता है और पूरी तरह से नियंत्रित, सुलभ होता है। हम तुर्की में पब्लिक डेटा स्पेस के नाम से एक समान प्रोटोकॉल के बारे में सुनते हैं, लेकिन मैं वास्तव में इसके आउटपुट के बारे में उत्सुक हूं। प्रत्येक देश कम्पनी साझेदारी में हो सकता है, वह कम्पनी के भीतर हो सकता है। मेरा मानना ​​है कि हमें इन डेटा क्षेत्रों पर बारीकी से नजर रखनी चाहिए। यहीं, मैं वास्तव में पूछने जा रहा हूं। आप दुनिया में तुर्की के इस प्रश्न के प्रति दृष्टिकोण का मूल्यांकन कर सकते हैं। क्या आपको लगता है कि दुनिया में कृत्रिम बुद्धिमत्ता पर कानून और नियम पर्याप्त हैं? यह वास्तव में एक दुष्चक्र है क्योंकि विनियमन जारी किया गया है। आपको अधिक कृत्रिम बुद्धिमत्ता की आवश्यकता है, क्योंकि इसका उद्देश्य लोगों को पढ़ने, समझने, व्याख्या करने और उनके आधार पर कार्य करने के लिए प्रशिक्षित करना है। इनका प्रबंधन करना बहुत कठिन है। यह अंडे और मुर्गी के रिश्ते में बदल जाता है। दूसरे शब्दों में, क्या यहां सचमुच निषेध और प्रतिबंधों के साथ नियंत्रण में काम करना आवश्यक है, या फिर नौकरशाही अधीनस्थ को पूरी तरह से खत्म कर देगी। क्या इससे कृत्रिम बुद्धिमत्ता का मार्ग प्रशस्त होगा? मुझे उम्मीद है कि हमारे बुजुर्ग इस मुद्दे पर सही निर्णय लेंगे, और फिर मैं इस पर आता हूं, क्या आपको लगता है कि देशों को कृत्रिम बुद्धिमत्ता मंत्रालय स्थापित करना चाहिए? पहली समस्या यह है कि क्या आपको लगता है कि कम्पनियों को कृत्रिम बुद्धिमत्ता विभाग स्थापित करना चाहिए? मेरा मानना ​​है कि यह लोकतांत्रिक होना चाहिए और सभी के लिए सुलभ होना चाहिए। सबसे पहले, मैं सोचता हूं कि मंत्रालय को संरक्षित किया जाना चाहिए। या फिर डेटा संस्थान की ब्रिटेन में डेटे यू के नाम से एक इकाई है। इसलिए यदि आप ब्रिटेन में किसी भी टेलीविजन पर रिमोट कंट्रोल खरीदने जा रहे हैं, तो इसके प्रोटोकॉल पोस्ट में परिभाषित किए गए हैं और डेटा आपको के। आप इसे सूचीबद्ध पा सकते हैं। दूसरे शब्दों में, सभी डेटा द्वारा उपयोग किए जाने वाले डेटा का मानक प्रोटोकॉल द्वारा पूर्व निर्धारित होता है। इसलिए, जब हम सबसे पहले तुर्की का डेटा मानचित्र तैयार कर लें तो इस डेटा के साथ क्या किया जा सकता है? हमें कृत्रिम बुद्धिमत्ता के संदर्भ में इस विषय पर विचार करने की आवश्यकता है। क्योंकि जैसे ही हम कहते हैं कि चलो तुर्की के हाथ विकसित करें, यानी, बुजुर्गों ने पहले ही यह कर लिया है, प्राकृतिक भाषा को समझें, आदि, महत्वपूर्ण बात यह है कि तुर्की यहां की समस्याओं को हल कर सकता है। मैं अनुमान वाले भाग पर वापस आता हूं, व्यवसाय की उन दिशाओं का अनुसरण किया जाएगा जिनसे अनुमान लगाया जा सकता है। हमें विशेष छोटे भाषा मॉडल, छोटे और बड़े मॉडल विकसित करने की आवश्यकता है। मेरे अंतिम दो प्रश्न विषय से थोड़ा हटकर हैं। क्या कोई ऐसी टीवी सीरीज या फिल्म है जो आपके अनुसार कृत्रिम बुद्धिमत्ता के साथ सबसे अच्छी तरह काम करती है? आपको इसे देखना बहुत पसंद आया, या मैं फिल्म के बजाय एक ऐसी किताब की सिफारिश कर सकता हूं जो कृत्रिम बुद्धिमत्ता की अवधारणा को बहुत अच्छी तरह से समझाती हो। या फिर मैं कहूँ लेखक, लेखक का सुझाव दें। अभी, यह काम कृत्रिम बुद्धिमत्ता का है, वास्तव में, यह अभी बहुत स्मार्ट नहीं है, यह बहुत बड़े सांख्यिकीय मॉडल हैं जो मानव पदचिह्नों की भविष्यवाणी करते हैं। मुख्य बात चेतना है. इस बात को लेकर एक बड़ा अंतर है कि यह मशीन कब सचेत होगी, या यदि यह वास्तव में अभी सचेत है, तो हम इसे 10 तक कैसे ले जाएंगे। यह बहुत अच्छा है। इसमें 2 सक्रिय लेखक हैं। विज्ञान कथा के जनक सैदाम ऐज़ेक, असिमो हैं। यह निश्चित रूप से फाउंडेशन श्रृंखला में पढ़ा जाना चाहिए, और यहां तक ​​कि उनकी फाउंडेशन श्रृंखला में एक विशेष ब्रह्मांड शब्द भी है। हमने आकाशगंगा का नाम कंपनी के नाम पर रखा। दूसरे लेखक हैं सनिसिला, जो रूसी लेखक हैं। भले ही आप इन दोनों की लघु कथाएँ पढ़ें। वर्तमान में बनी लगभग सभी विज्ञान कथा फिल्मों में, मैं इसके बारे में ज्यादा बात नहीं करना चाहता, लेकिन मैंने जितनी भी फिल्में देखी हैं, उनमें इसका एक अंश अवश्य है। इन सभी में, परिदृश्यों पर पहले ही काम हो चुका है। मैं आपको बता दूं कि दोनों लेखक आपको भयानक कल्पना देंगे। बहुत बढ़िया सलाह, चेतना की बात करते हुए, मैं अंतिम प्रश्न पर आता हूँ। क्या कृत्रिम बुद्धिमत्ता एक दिन विश्व या ब्रह्मांड पर नियंत्रण कर लेगी? मैं इस प्रश्न का उत्तर प्रश्न से दूंगा। यदि वह कार्यभार संभालेंगे तो क्या हमें इसके बारे में पता चलेगा? फिर शायद उन्होंने कार्यभार संभाल लिया और यही असल मुद्दा है। मेरे पास 5 पारिवारिक कहानियाँ हैं जो दुनिया पर राज करती हैं और इसी तरह, शायद यह सच है, शायद इसकी आदत हो रही है, लेकिन मुझे लगता है कि मानव संगठन स्व-संगठित है, स्व-अनुकूलित है, ऐसी अवधारणाएँ जो शिक्षा जगत में बहुत अधिक उपयोग की जाती हैं, अर्थात हम पक्षियों के झुंड की तरह हैं, हम एक साथ कहीं उड़ते हैं। कभी-कभी, एक बार में, अग्रदूत सामने आते हैं और हमारी दिशा बदल देते हैं, लेकिन मुझे लगता है कि पर्यावरण पूरी तरह से स्वयं-संगठित और स्वयं-संगठित है। अब कुछ लोग हमारे बीच हैं। वहाँ रोबोट पक्षी हैं। क्या वे हम पर शासन करते हैं या नहीं? मुझे लगता है कि हमें यह देखना जारी रखना चाहिए कि यदि वे इसमें सफल हो गए तो क्या होगा और यदि वे इसमें सफल नहीं हुए तो क्या होगा। मुझे नहीं लगता कि इस बारे में ज्यादा कुछ किया जा सकता है। एलन मस्क सही काम कर रहे हैं। हमें इस ग्रह को छोड़कर कोई वैकल्पिक ग्रह ढूंढना होगा। मुद्दा उसी दिशा में जाता है। तो एर्डेम आपको एक विचार साझा करने के लिए बहुत बहुत धन्यवाद, जिसमें आपने भाग लिया, आज हमने इस बारे में बात की कि आने वाले वर्षों में प्रौद्योगिकी बढ़ने के लिए हमें क्या इंतजार है, एर्डेम एसर दूसरा। यदि आप सूचित रहना चाहते हैं और हमारे नए वीडियो का समर्थन करना चाहते हैं, तो यह आप पर निर्भर है कि आप मुझे देखने के लिए सब्सक्राइब करें, लाइक करें, टिप्पणी करें या अधिक से अधिक शेयर करें।