Yann LeCun: मानव-स्तर की कृत्रिम बुद्धिमत्ता आने में बहुत लंबा समय लगेगा
यह दावा कि मानव-स्तर की कृत्रिम बुद्धिमत्ता अभी बहुत दूर है, इस बहस को फिर से भड़का रहा है कि क्या AGI अपरिहार्य है या मौजूदा machine-learning दृष्टिकोणों से संभव भी है। टिप्पणीकार मन और चेतना के यांत्रिक बनाम आध्यात्मिक दृष्टिकोण, computation, data, और power की सीमाओं, तथा क्या केवल language-only models कभी embodied human cognition और consciousness की बराबरी कर पाएँगे, इन पर विचार करते हैं। कई लोगों का तर्क है कि किसी वास्तविक AGI के आने से बहुत पहले ही संकीर्ण प्रणालियाँ बड़े आर्थिक, सामाजिक, और राजनीतिक व्यवधान पैदा कर देंगी, जो काल्पनिक superintelligence risks से अधिक महत्वपूर्ण हो सकते हैं।
बुद्धिमत्ता की प्रकृति और AGI की संभावना
- कुछ लोगों का तर्क है कि कोई सैद्धांतिक बाधा नहीं है: मनुष्य यांत्रिक भौतिक प्रणालियाँ हैं, इसलिए बुद्धिमत्ता मशीनों में पुनरुत्पादित की जानी चाहिए।
- अन्य लोगों को लगता है कि सूचना-सैद्धांतिक या “within-system” सीमाएँ (Gödel-शैली) हमारी बुद्धिमत्ता को पूरी तरह समझने या इंजीनियर करने की क्षमता को सीमित कर सकती हैं।
- एक मध्य दृष्टिकोण: AGI सिद्धांततः संभव है, लेकिन किसी भी यथार्थवादी समय-सीमा में इसे हासिल करना बहुत जटिल या बहुत धीमा हो सकता है।
गणना, भौतिकी, और चेतना
- एक धड़ा ब्रह्मांड और मस्तिष्क को यांत्रिक मानता है, कम-से-कम Turing-complete (या “hyper‑Turing” लेकिन फिर भी भौतिक)।
- दूसरा यह प्रश्न करता है कि क्या “बुद्धिमत्ता = computation” एक आस्था-आधारित धारणा है, और क्या गणना की मौजूदा अवधारणाएँ सभी भौतिक प्रक्रियाओं को वास्तव में समेटती हैं।
- कुछ लोगों के लिए चेतना/qualia मानव-स्तर की बुद्धिमत्ता के लिए आवश्यक हैं और वर्तमान में अस्पष्टीकृत हैं; अन्य लोग बुद्धिमत्ता (समस्या-समाधान, मॉडलिंग) को व्यक्तिपरक अनुभव से अलग मानते हैं।
LLMs, scaling laws, और वास्तुशिल्प सीमाएँ
- इस पर बहस है कि क्या LLMs का scaling और multimodal training मिलकर अंततः मानव-स्तर के world modeling और reasoning तक पहुँच सकता है।
- समर्थक universal approximation परिणामों और अनुभवजन्य scaling laws का हवाला देते हैं; आलोचक इन प्रमेयों की सीमाओं (continuity, infinite precision, practicality) की ओर इशारा करते हैं और उम्मीद करते हैं कि scaling किसी plateau पर पहुँच जाएगी।
- कई लोग मानते हैं कि मौजूदा LLMs में मजबूत causal reasoning, planning, और continual learning की कमी है, और संभवतः नई architectures और modules की ज़रूरत होगी (जैसे model‑based RL, embodied systems, memory)।
डेटा, compute, और दक्षता
- चिंता है कि उच्च-गुणवत्ता वाला text data और सस्ता compute प्रगति में bottleneck बन सकते हैं; अन्य लोग जवाब देते हैं कि multimodal, synthetic, और interaction data के साथ-साथ सस्ता specialized hardware scaling को आगे बढ़ाता रहेगा।
- brain–machine efficiency की तुलना बार-बार सामने आती है: जैविक मस्तिष्क बहुत अधिक power‑efficient हैं और संभवतः बहुत भिन्न तंत्रों का उपयोग करते हैं।
AGI किसे कहा जाए?
- परिभाषाएँ अलग-अलग हैं:
– “कोई भी आर्थिक रूप से मूल्यवान काम जो मनुष्य कर सकता है, वह कर सके।”
– “उच्च-स्तरीय निर्देशों से नए कार्य स्वायत्त रूप से सीख सके।”
– इसमें emotions, self‑awareness, और intrinsic goals शामिल हों या नहीं। - कुछ लोग मानते हैं कि मौजूदा प्रणालियाँ पहले ही एक कमजोर “general” सीमा पूरी कर चुकी हैं; अन्य AGI शब्द को बहुत व्यापक, मानव-सदृश क्षमता के लिए सुरक्षित रखते हैं।
जोखिम, प्रभाव, और समय-सीमाएँ
- कई लोगों का तर्क है कि विनाशकारी प्रभावों के लिए मानव-स्तर की AGI की ज़रूरत नहीं है; संकीर्ण, “stupid” प्रणालियाँ ही पहले से राजनीति, श्रम, और गोपनीयता को विकृत कर रही हैं।
- समय-सीमाओं पर राय अलग-अलग है: “दशकों+ और कई breakthroughs” से लेकर “पूँजी, प्रतिभा, और arms-race dynamics को देखते हुए यह आश्चर्यजनक रूप से जल्दी भी आ सकता है” तक।
- regulation पर बहस होती है लेकिन वह अस्पष्ट बनी रहती है; कुछ लोग superhuman AI risk की चर्चा को समय से पहले मानते हैं, जबकि अन्य इसे शक्तिशाली प्रौद्योगिकियों के पूर्व-नियामक नियंत्रण के समान प्रारंभिक योजना के रूप में देखते हैं।