क्या AGI नहीं आने वाली है?
इस बात को लेकर skepticism बढ़ रहा है कि क्या आज के large language models और transformer-based systems कभी artificial general intelligence तक ले जा सकते हैं, या वे बस शक्तिशाली लेकिन सीमित statistical tools हैं जो compute, data, और efficiency limits से टकरा रहे हैं। टिप्पणीकार “intelligence” और “consciousness” की परिभाषाओं, embodiment और नई architectures के महत्व, तथा algorithmic advances ने hardware scaling के साथ वास्तव में कितनी गति पकड़ी है, इस पर बहस करते हैं। कई लोग उपयोगी लेकिन क्रमिक सुधारों और संभावित market cooling की उम्मीद करते हैं, जबकि दूसरे तर्क देते हैं कि लगातार निवेश और धीरे-धीरे होने वाली breakthroughs किसी न किसी रूप में human- या superhuman-level machine intelligence को अंततः अपरिहार्य बना देती हैं.
लेख की रूपरेखा और आधारभूत धारणा
- कई टिप्पणीकार कहते हैं कि यह निबंध वास्तव में “अगर AGI कभी नहीं आई तो क्या होगा” पर चर्चा नहीं करता, बल्कि यह तर्क देता है कि AGI के आने की संभावना कम है, बिना इसे सीधे कहे।
- कुछ लोग इसमें एक वित्तीय कोण देखते हैं: AI स्टॉक्स के फुलने-फैलने के बीच कोई भी “बच्चों को यह नहीं बताना चाहता कि सांता असली नहीं है।”
AGI / बुद्धिमत्ता क्या है?
- इस पर असहमति है कि AGI तो क्या पहले ही आ चुकी है (जैसे ट्रांसफॉर्मर्स द्वारा व्यापक ट्रांसफर सक्षम होने से) या AGI ऐसी चीज़ है जिसके लिए चेतना, एजेंसी, या “आत्मा-जैसे” गुण चाहिए।
- कुछ का तर्क है कि “सामान्य बुद्धिमत्ता” बस क्षमताओं का एक समूह है; अन्य लोग सुझाव देते हैं कि मनुष्य हमारे पर्यावरण के लिए उपयोगी बुद्धिमत्ता की ऊपरी सीमा के क़रीब हो सकते हैं।
- परिभाषाओं के बदलते या अस्पष्ट होने पर निराशा है; दावे किए जाते हैं कि AGI/ASI जैसे शब्द आलोचना से बचने के लिए इस्तेमाल किए जाते हैं।
मस्तिष्क, सिलिकॉन, और embodiment
- एक पक्ष: जैविक मस्तिष्क कम-ऊर्जा वाली सामान्य बुद्धिमत्ता के संभव होने का प्रमाण हैं, इसलिए सिंथेटिक संस्करण भी “आख़िरकार” होने चाहिए।
- विरोधी दृष्टिकोण: हम न्यूरॉन्स या पूरे जीवों (जैसे C. elegans सिमुलेशन) को समझते ही नहीं हैं, इसलिए “बस compute बढ़ा दो” कहना घमंड है।
- इस पर बहस कि क्या वास्तविक बुद्धिमत्ता के लिए embodiment और भौतिक दुनिया के साथ अंतःक्रिया आवश्यक है, या पूर्ण सिमुलेशन सैद्धांतिक रूप से पर्याप्त है।
- एक अल्पमत दावा करता है कि वास्तविक बुद्धिमत्ता/जीवन थर्मोडायनामिक या मेटाफ़िज़िकल सीमाओं से बंधा हो सकता है; दूसरों को यह अस्पष्ट या असंगत लगता है।
स्केलिंग, एल्गोरिद्म, और सीमाएँ
- कुछ लोग कहते हैं कि दशकों से AI में कोई बड़ा breakthrough नहीं हुआ है और LLMs सिर्फ़ scaled-up, inefficient curve-fitting हैं।
- दूसरे इससे कड़ी असहमति जताते हैं, और transformers, state-space models, residual connections, batch norm, तथा मापी गई algorithmic efficiency gains को महत्वपूर्ण प्रगति बताते हैं।
- सीमाओं को लेकर चिंताएँ: हार्डवेयर लागत, consumer-device constraints, data exhaustion, और AI-generated data का “poisoning।”
- प्रतिवाद: “सीमाएँ” बार-बार तोड़ी गई हैं; curated synthetic data और नए web scrapes वास्तव में मदद कर सकते हैं, और कुछ लोग “model collapse” को मिथक कहते हैं।
वर्तमान LLM क्षमताएँ और कमियाँ
- बहुतों की नज़र में LLMs प्रभावशाली हैं लेकिन फिर भी “stochastic parrots” हैं: भाषा, coding assistance, और benchmarks (जैसे NYT Connections) में अच्छे, लेकिन विश्वसनीय reasoning, autonomy, और in-place code editing में कमज़ोर।
- कुछ लोग कहते हैं कि मनुष्य भी अक्सर parroting करते हैं; दूसरे ज़ोर देते हैं कि मनुष्य वास्तव में नए concepts (जैसे calculus, नए genres) बना सकते हैं, जबकि LLMs मौजूदा डेटा को पुनर्संयोजित करते हैं।
समय-सीमाएँ, hype, और प्रभाव
- कई लोग निकट भविष्य में plateau या bubble pop की भविष्यवाणी करते हैं (Nvidia, AI startups), और इसकी तुलना पिछले tech hype (VR) से करते हैं।
- दूसरों का मानना है कि प्रगति और निवेश जारी रहेंगे, लेकिन AGI अगर आएगी भी तो धीरे-धीरे आएगी।
- कुछ कहते हैं कि AGI कभी न भी आए, फिर भी मौजूदा AI पहले से उपयोगी है; अन्य लोग singularity से ज़्यादा “inane banality” और शिक्षा के क्षरण की ओर फिसलने को लेकर चिंतित हैं।