आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई)—वह बिंदु जहाँ एआई प्रणालियाँ कई डोमेन में मानव संज्ञानात्मक क्षमता से मेल खा सकती हैं या उससे अधिक हो सकती हैं—को हासिल करने की उच्च-दाँव वाली वैश्विक दौड़ एक अप्रत्याशित बाधा का सामना कर रही है: मानवीय सीमाएँ। ओपनएआई के एक वरिष्ठ कार्यकारी ने हाल ही में तर्क दिया है कि जिस गति से मनुष्य उन्नत एआई प्रणालियों के साथ बातचीत और पर्यवेक्षण कर सकते हैं, जिसमें टाइपिंग की गति और मैन्युअल सत्यापन के लिए आवश्यक समय जैसी मूलभूत बाधाएँ शामिल हैं, वह अब एजीआई की तैनाती में प्राथमिक बाधा है।
एजीआई कृत्रिम बुद्धिमत्ता की अंतिम सीमा का प्रतिनिधित्व करता है, जो स्वास्थ्य सेवा से लेकर वित्त तक के उद्योगों में क्रांति लाने का वादा करता है। ओपनएआई, गूगल के डीपमाइंड और मेटा जैसी दिग्गज कंपनियाँ वर्तमान में तीव्र प्रतिस्पर्धा में हैं, इस मील के पत्थर को हासिल करने के लिए भारी कंप्यूटिंग शक्ति और जटिल मॉडल तैनात कर रही हैं। ऐतिहासिक रूप से, एजीआई की खोज कम्प्यूटेशनल संसाधनों और एल्गोरिथम सफलताओं से बाधित थी। हालांकि, ओपनएआई के कोडिंग एजेंट, कोडेक्स के लिए उत्पाद विकास का नेतृत्व करने वाले अलेक्जेंडर एम्बिरिकोस के अनुसार, यह बाधा पूरी तरह से बदल गई है।
लेनीज़ पॉडकास्ट पर बोलते हुए, एम्बिरिकोस ने सुझाव दिया कि जैसे-जैसे एआई मॉडल तेजी से जटिल और उच्च-मात्रा वाले कार्यों को संभालने में सक्षम हो रहे हैं, लगातार प्रॉम्प्ट लिखने, आउटपुट की समीक्षा करने और परिणामों को मान्य करने के लिए “लूप में मानव” की आवश्यकता मौलिक रूप से उत्पादकता लाभ को सीमित करती है। उन्होंने इस धीमी, मैन्युअल प्रक्रिया को विकास के अगले चरण को खोलने के लिए अपर्याप्त बताया।
हॉकी स्टिक बाधा
एम्बिरिकोस ने “हॉकी स्टिक उत्पादकता वृद्धि”—जहाँ प्रारंभिक क्रमिक लाभ तेजी से एक घातीय वक्र में त्वरित होते हैं—के सादृश्य का उपयोग आवश्यक बदलाव को चित्रित करने के लिए किया। मानव पर्यवेक्षण पर वर्तमान निर्भरता का मतलब है कि उत्पादकता लाभ क्रमिक रहते हैं, जो उस दर से सीमित होते हैं जिस पर कोई व्यक्ति एआई के आउटपुट की जाँच और अनुमोदन कर सकता है। एजीआई की परिवर्तनकारी क्षमता को सही मायने में महसूस करने के लिए, एआई एजेंटों को “डिफ़ॉल्ट रूप से विश्वसनीय” बनना होगा, जिससे निरंतर, मैन्युअल हस्तक्षेप की आवश्यकता कम हो जाएगी।
एम्बिरिकोस ने कहा, “यदि हम विकास के अगले चरण को खोलना चाहते हैं, तो प्रणालियों को फिर से डिज़ाइन किया जाना चाहिए ताकि एजेंट डिफ़ॉल्ट रूप से विश्वसनीय हो जाएं, जिससे निरंतर मानव हस्तक्षेप की आवश्यकता कम हो जाए।” उन्होंने भविष्यवाणी की कि शुरुआती अपनाने वाले अगले साल तक उत्पादकता में वृद्धि देख सकते हैं, जिसमें व्यापक उद्यम स्वचालन की उम्मीद है क्योंकि ये स्वायत्त कार्यप्रवाह स्थापित हो जाते हैं। उनके विश्लेषण के अनुसार, एजीआई स्वयं प्रारंभिक उत्पादकता बढ़ावा और पूर्ण पैमाने पर उद्यम स्वचालन के बीच इस महत्वपूर्ण संक्रमण चरण के दौरान उभरने की संभावना है।
सुरक्षा चिंताएँ बनाम गति
जबकि तैनाती में तेजी लाने की आवश्यकता स्पष्ट है, कई विशेषज्ञ चेतावनी देते हैं कि “मानवीय बाधा” एक महत्वपूर्ण कार्य करती है: सुरक्षा और संरेखण। निरंतर मानव समीक्षा की आवश्यकता को अत्यधिक स्वायत्त प्रणालियों से अप्रत्याशित या त्रुटिपूर्ण आउटपुट के खिलाफ एक महत्वपूर्ण सुरक्षा कवच माना जाता है।
सेंटर फॉर एआई गवर्नेंस में रिसर्च फेलो, डॉ. लीना मेनन, ने धीमी प्रक्रिया की नैतिक आवश्यकता पर जोर दिया। “मानव समीक्षा प्रक्रिया के कारण होने वाला घर्षण एक जानबूझकर सुरक्षात्मक कवच है। जबकि उत्पादकता के लिए गति महत्वपूर्ण है, हमें मजबूत सत्यापन को प्राथमिकता देनी चाहिए। एक पर्यवेक्षण रहित एजीआई से भगोड़ा त्रुटियों का जोखिम धीमी टाइपिंग से अस्थायी उत्पादकता नुकसान से कहीं अधिक है,” डॉ. मेनन ने दक्षता को अधिकतम करने और जिम्मेदार तैनाती सुनिश्चित करने के बीच जटिल व्यापार-बंद पर प्रकाश डाला।
इस बहस का भारतीय अर्थव्यवस्था के लिए विशेष महत्व है, जो सूचना प्रौद्योगिकी (आईटी) और बिजनेस प्रोसेस आउटसोर्सिंग (बीपीओ) क्षेत्रों पर बहुत अधिक निर्भर करती है। कोडिंग, डिबगिंग, गुणवत्ता आश्वासन और डेटा सत्यापन से जुड़े कार्य भारत के सेवा निर्यात मॉडल के केंद्र में हैं। यदि एआई एजेंट इन कार्यों को निरंतर मानव पर्यवेक्षण के बिना संभालने के लिए पर्याप्त स्वायत्त और विश्वसनीय हो जाते हैं, तो भारतीय उद्यम संभावित रूप से “श्रम-गहन” मॉडल से “पर्यवेक्षी” मॉडल में बदल सकते हैं, जिससे कार्यबल की आवश्यकताओं और दक्षता मेट्रिक्स में भारी बदलाव आएगा।
अंततः, कार्यकारी की टिप्पणियाँ एजीआई की दौड़ को कच्चे कंप्यूटिंग शक्ति के बारे में कम और विश्वास और मानव-एआई इंटरफ़ेस की अंतिम बाधा को हल करने के बारे में अधिक बताती हैं—एक चुनौती जिसके लिए न केवल बेहतर मॉडल, बल्कि मानव कार्यप्रवाह एकीकरण के लिए पूरी तरह से नए प्रतिमानों की आवश्यकता है।