प्रमुख वैज्ञानिक विश्व पुरस्कार विजेताओं के मंच पर कृत्रिम बुद्धिमत्ता पर चर्चा करते हैं

आर्टिफिशियल इंटेलिजेंस (एआई) तेजी से एक अकादमिक अनुशासन से उपभोक्ता उत्पाद में विकसित हुआ है। नए मॉडलों की निरंतर उपस्थिति और सूचना की विशाल मात्रा आलोचनात्मक उपभोग को कठिन बना देती है, जिसके लिए वास्तुकला को पद्धति और आलोचनात्मक विश्लेषण पर आधारित दृष्टिकोण अपनाने की आवश्यकता है।

वर्तमान में, एआई स्थानिक बुद्धिमत्ता विकसित कर रहा है, यानी भौतिक स्थान के व्यवहार को समझने की क्षमता। यह वास्तुकला पेशेवरों को डिजाइन चरण के दौरान ही अपने वातावरण के संबंध में परियोजनाओं का मूल्यांकन करने की अनुमति देता है। जब बुद्धिमानी से उपयोग किया जाता है, तो एआई वास्तुकारों को प्रकृति की जटिलता से जोड़ सकता है, निर्माण अभ्यास की गुणवत्ता को बढ़ा सकता है, क्योंकि हम रहने के लिए दुनिया का अनुकरण करते हैं ताकि सीख सकें।

मानव डिजाइनर के रूप में उपकरण

ऐतिहासिक रूप से, मानवता ने हर कुछ सदियों में अपने जीवन शैली में बड़े परिवर्तन देखे हैं। औद्योगिक क्रांति ने इस आवृत्ति को कुछ पीढ़ियों तक कम कर दिया। एआई ने इस परिवर्तन चक्र को नाटकीय रूप से तेज कर दिया है, एक ऐसे दर पर जो अभी भी अज्ञात है।

जीन-फ्रांस्वा ल्योतारड का हवाला देते हुए, यह सच है कि प्रौद्योगिकी मनुष्यों द्वारा नहीं बनाई गई थी, बल्कि इसके विपरीत। एक ऐसे परिदृश्य में जहां उपकरण मनुष्यों को पहले से कहीं अधिक तेजी से आकार दे रहे हैं, यह सवाल उठता है कि प्राकृतिक और कृत्रिम बुद्धिमत्ता के बीच सहजीवन प्राप्त करने के लिए अपने विकास को कैसे निर्देशित करें, और एआई हमें सकारात्मक रूप से कैसे आकार दे सकता है इसके लिए किन दक्षताओं की आवश्यकता है।

एआई व्यक्तिगत संभावनाओं को बढ़ाने का एक नया अवसर प्रदान करता है, पहले उन पुस्तकों से लेकर जो बड़े पैमाने पर शिक्षा को संभव बनाती थीं, इंटरनेट के माध्यम से असीमित जानकारी तक पहुंच से लेकर एआई द्वारा प्रदान की गई नेविगेशन और निर्माण क्षमता तक।

भाषा से विश्व मॉडल तक

बड़े भाषा मॉडल (एलएलएम) पाठ्य विवरणों के माध्यम से दुनिया के बारे में सीखते हैं। वे सांख्यिकीय पैटर्न के आधार पर पाठ अनुक्रमों की भविष्यवाणी करके काम करते हैं, बड़े डेटा और सरल संभावनाओं का उपयोग करके मानव भाषण और तर्क की नकल करते हैं।

इसके विपरीत, विश्व मॉडल ऐसी प्रणालियाँ हैं जिन्हें एक वातावरण के कामकाज - जिसमें उसके भौतिक नियम, स्थानिक गतिकी, कारण अवस्थाएँ और कार्यात्मक संरचनाएं शामिल हैं - को समझने के लिए डिज़ाइन किया गया है, जिससे नई व्यवहारों की भविष्यवाणी करना संभव होता है। फेई-फेई ली वर्तमान एलएलएम को 'अंधेरे में शब्दों के कारीगर' के रूप में वर्णित करती हैं, जो कभी भी भौतिक रूप से इसका अनुभव किए बिना त्रि-आयामी दुनिया के बारे में सुवक्ताता से बात करते हैं, और उनका तर्क है कि स्थानिक बुद्धिमत्ता क्षेत्र में अगली बड़ी प्रगति है।

वास्तुकला के लिए, यह अंतर महत्वपूर्ण है। पाठ-आधारित मॉडल यह अनुमान नहीं लगा सकता कि भौतिक और सामाजिक वास्तविकता किसी परियोजना पर कैसे प्रतिक्रिया करेगी, जबकि एक स्थानिक मॉडल परिदृश्यों का अनुकरण करने की अनुमति देता है, प्रस्ताव का गुरुत्वाकर्षण, हवा, सौर विकिरण, टूट-फूट और मानव उपयोग जैसे कारकों के विरुद्ध परीक्षण करता है। तापीय प्रसार, नमी अवशोषण, प्रदूषक फैलाव और लोगों के प्रवाह जैसी गतिकी फीडबैक प्रदान करती हैं जो केवल उन पर एक रूप थोपने के बजाय परियोजना के विकास का मार्गदर्शन करती हैं।

हालांकि सिमुलेशन निर्णयों का समर्थन कर सकता है, इसे अंतिम जिम्मेदारी नहीं लेनी चाहिए। यह मौलिक है कि मानदंडों और विवेक वाले पेशेवर हों, जो एआई का उपयोग केवल उत्पादकता प्रवर्तक के रूप में नहीं, बल्कि एक जिम्मेदार विश्लेषणात्मक उपकरण के रूप में करते हैं। वास्तुकार रूपों के निर्माता से अधिक ज्ञान प्रणालियों के डिजाइनर बन जाते हैं, जिनका मूल्यांकन एक जटिल और अक्सर अनिश्चित वास्तविकता में घटनाक्रमों का अनुमान लगाने की क्षमता के आधार पर किया जाता है; मानवीय तत्व प्रक्रिया में बना रहता है।

कृत्रिम बुद्धिमत्ता के बुद्धिमान संसारों के लिए माइंडहब

स्थानिक बुद्धिमत्ता के लिए हाइब्रिड पेशेवर प्रोफाइल की आवश्यकता होती है, जो डिजाइन को कम्प्यूटेशनल इंजीनियरिंग और सामग्री विज्ञान के साथ एकीकृत करने में सक्षम हों। ETSAM, यूनिवर्सिडाड पोलिटेcnica डी मैड्रिड में स्थित माइंडहब फॉर इंटेलिजेंट आर्टिफिशियल वर्ल्ड्स (MIAWS), एईसी क्षेत्र पर केंद्रित एक डिजिटल केंद्र के रूप में कार्य करता है, जो इस तकनीकी परिवर्तन के इर्द-गिर्द संरचित है। यह ध्रुव मूल शोध को संस्थानों और विशेषज्ञों के वैश्विक नेटवर्क से जोड़ता है।

इसका फाउंडेशन कार्यक्रम ऑनलाइन दस मॉड्यूल में पेश किया जाता है, जो प्रतिभागी को एआई-सहायता प्राप्त मॉडलिंग और सिमुलेशन से लेकर डेटा विज़ुअलाइज़ेशन और एकीकरण तक मार्गदर्शन करता है। उद्देश्य आलोचनात्मक विवेक बनाए रखते हुए तकनीकी प्रगति का पालन करना है, इच्छुक लोगों को कार्यक्रम जानने और इस बदलाव में भाग लेने के लिए आमंत्रित करना है।

कृत्रिम बुद्धिमत्ता के अंदर क्या हो रहा है, यह समझना समकालीनता की प्रमुख चुनौतियों में से एक है। हालांकि डेवलपर्स मॉडल को दिए गए डेटा और उसके द्वारा उत्पन्न उत्तरों का निरीक्षण कर सकते हैं, वे हमेशा यह समझाने में सक्षम नहीं होते हैं कि सिस्टम किसी विशेष निष्कर्ष पर कैसे पहुंचा। हालांकि, एक नए शोध से पता चलता है कि इसे एक नए सिद्धांत की मदद से हल किया जा सकता है।

इस अध्ययन में रॉबर्टो 'पेना' स्पिनेल्ली ने भाग लिया, जो साओ पाउलो विश्वविद्यालय के भौतिक विज्ञानी हैं और स्टैनफोर्ड विश्वविद्यालय से मशीन लर्निंग में विशेषज्ञता रखते हैं।