प्रश्न:
एआई "बहाव" में योगदान करने वाले कुछ कारक क्या हैं?
ए:"आर्टिफिशियल इंटेलिजेंस ड्रिफ्ट" एक अपेक्षाकृत अस्पष्ट शब्द है, और आप इसे ऑनलाइन टेक साहित्य में पूरी तरह से उल्लेख नहीं देखेंगे। हालांकि, यह ऐसा कुछ है जो इंजीनियर और अन्य लोग सोच रहे हैं क्योंकि वे कृत्रिम बुद्धिमत्ता के विकास को मजबूत और अधिक व्यापक परिणामों के प्रति चिंतन करते हैं।
आर्टिफिशियल इंटेलिजेंस ड्रिफ्ट तब होता है जब परिष्कृत एआई इकाइयां, चाहे वे चैटबोट, रोबोट या डिजिटल निर्माण हों जो ट्यूरिंग टेस्ट पास करते हैं, उनके मूल प्रोग्रामिंग के निर्देशों और निर्देशों से विचलन करना शुरू कर देते हैं और उन प्रतिक्रियाओं और गतिविधियों के बारे में जिनके द्वारा चिंतन नहीं किया जा सकता है। उनके मानव हैंडलर।
आप इस बहाव के उदाहरणों को हालिया परियोजनाओं में देख सकते हैं, उदाहरण के लिए, जहां दो फेसबुक चैटबॉट ने एक-दूसरे के साथ संवाद करना शुरू किया था, जिसे आईटी पेशेवरों ने "गुप्त कोड" के रूप में वर्णित किया है। अनिवार्य रूप से, प्रौद्योगिकियां इस बिंदु पर विकसित हुईं कि उन्होंने उपयोग करने का फैसला किया। संचार के विभिन्न साधन, एक जो मानव प्रोग्रामर द्वारा सुझाया या अनुरोध नहीं किया गया था।
कृत्रिम बुद्धिमत्ता बहाव में शामिल कारक वे कारक हैं जिनके कारण पिछले कुछ दशकों में मजबूत कृत्रिम बुद्धिमत्ता प्रतिमानों का विकास हुआ है। एक अधिक ढीली कपल मशीन लर्निंग एल्गोरिदम है जो अत्यधिक व्याख्यात्मक हैं, और इन प्रौद्योगिकियों को विकसित होने और विकसित होने के लिए लेवे देते हैं। मशीन सीखना मूलभूत रूप से बदलता है कि कंप्यूटिंग सिस्टम कैसे काम करता है - केवल मात्रात्मक डेटा और कठोर कंप्यूटिंग कार्यों पर ध्यान केंद्रित करने के बजाय, जैसा कि पारंपरिक प्रौद्योगिकियों ने किया था, कृत्रिम बुद्धिमत्ता मशीन सीखने और गहरी सीखने की रणनीतियों में परिलक्षित होने वाले स्व-सुधार और स्व-विकसित करने वाले उपकरणों की ओर बढ़ रही है, और की ओर एक तंत्रिका नेटवर्क का विचार जो बहुत अधिक मानवीय सोच और बुद्धिमत्ता का अनुकरण करता है।
एआई बहाव में एक और कारक और कृत्रिम बुद्धिमत्ता का विकास बहु-भाग प्रौद्योगिकियां हैं जो सहयोगात्मक आधार पर काम करते हैं, फिर से, अधिक परिष्कृत प्रकार की बुद्धि का अनुकरण करने के लिए। कुछ आईटी पेशेवर इन्हें "गहन जिद्दी नेटवर्क" या प्रौद्योगिकियों के रूप में संदर्भित करते हैं, जिनमें एक जनरेटिव और एक भेदभावपूर्ण घटक दोनों शामिल हैं। चूंकि बहु-इकाई प्रतिमानों में ये और अन्य व्यक्तिगत इकाइयां एक-दूसरे के साथ काम करती हैं, वे विकसित होती हैं कि प्रौद्योगिकी क्या कर सकती है और इसे एक मूल परिणाम की ओर ले जा सकती है जो इसकी मूल प्रोग्रामिंग से कम विवश है। आर्टिफिशियल इंटेलिजेंस एडवांस के पीछे यही विचार है, और यह इस आर्टिफिशियल इंटेलिजेंस ड्रिफ्ट के पीछे की अवधारणा है - कि कंप्यूटिंग सिस्टम अपने मूल कार्यक्रम के निष्पादन के बाद खुद को बदल या बदल सकते हैं, बस, क्योंकि इन प्रगतिशील कारकों के कारण, वे कर सकते हैं।
