कृत्रिम बुद्धिमत्ता (एआई) कंप्यूटर विज्ञान की वह शाखा है जो ऐसी मशीनों और सॉफ्टवेयर के निर्माण से संबंधित है जो ऐसे कार्य करते हैं, जिन्हें मनुष्यों द्वारा किए जाने पर बुद्धिमत्ता की आवश्यकता समझी जाती है, जैसे पर्यावरण को समझना, भाषा को समझना, समस्याओं को हल करना और निर्णय लेना। यह क्षेत्र दृष्टिकोणों की एक विस्तृत श्रृंखला को शामिल करता है, नियम-आधारित प्रणालियों से जो मानव विशेषज्ञता को सीधे एन्कोड करती हैं, से लेकर सांख्यिकीय मॉडल तक जो डेटा से व्यवहार सीखते हैं।
यह शब्द 1956 की एक कार्यशाला के लिए गढ़ा गया था और तब से यह तकनीकों के एक घूमते हुए समूह का वर्णन करता रहा है, जो प्रचार और निराशा के चक्रों के माध्यम से सार्वजनिक ध्यान में विस्तार और संकुचन करता रहा है।
इतिहास
क्षेत्र के संस्थापक क्षण को आमतौर पर 1956 के Dartmouth workshop के रूप में दिनांकित किया जाता है, जिसे John McCarthy द्वारा आयोजित किया गया था, जिन्होंने प्रस्ताव के लिए "कृत्रिम बुद्धिमत्ता" शब्द गढ़ा था। प्रारंभिक एआई अनुसंधान ने Symbolic AI पर जोर दिया: तर्क, खोज और हाथ से कोडित नियम। इस दृष्टिकोण ने प्रमेय सिद्ध करने वालों जैसी प्रारंभिक सफलताएँ उत्पन्न कीं और बाद में, 1980 के दशक में वाणिज्यिक विशेषज्ञ प्रणालियाँ, लेकिन यह उन कार्यों से जूझता रहा जिन्होंने स्पष्ट नियमों का विरोध किया, जैसे दृष्टि और भाषा। असफलताओं और बढ़ी हुई उम्मीदों के बाद धन में कटौती हुई, जिससे शोधकर्ता AI winter कहते हैं, विशेष रूप से 1973 की एक महत्वपूर्ण यूके सरकारी रिपोर्ट के बाद और फिर 1980 के दशक के अंत में जब विशेषज्ञ प्रणालियाँ स्केल करने में विफल रहीं।
काम की एक समानांतर, शुरू में सीमांत रेखा ने सांख्यिकीय और कनेक्शनिस्ट तरीकों का पीछा किया। Perceptron (1958) ने एक एकल प्रशिक्षित न्यूरॉन का मॉडल बनाया, लेकिन इसकी प्रलेखित सीमाओं ने पहले एआई सर्दी में योगदान दिया। 1980 के दशक के माध्यम से रुचि पुनर्जीवित हुई और, निर्णायक रूप से, 2012 में, जब AlexNet नामक एक गहरे कन्वोल्यूशनल नेटवर्क ने एक प्रमुख छवि पहचान बेंचमार्क पर पिछले तरीकों को नाटकीय रूप से बेहतर प्रदर्शन किया, एक परिणाम जिसे व्यापक रूप से आधुनिक Deep learning युग की शुरुआत का श्रेय दिया जाता है।
डीप लर्निंग 2010 के दशक के दौरान दृष्टि, वाक् और भाषा प्रसंस्करण में प्रगति के साथ परिपक्व हुई। 2017 के Transformer (architecture) आर्किटेक्चर ने पाठ पर बहुत बड़े मॉडलों के प्रशिक्षण को सक्षम किया, जो Large language model प्रतिमान में परिणत हुआ। नवंबर 2022 में Launch of ChatGPT ने संवादात्मक एआई को व्यापक रूप से सुलभ बना दिया और निवेश और सार्वजनिक ध्यान की एक लहर को ट्रिगर किया जिसे अक्सर एआई बूम कहा जाता है।
दृष्टिकोण
एआई अनुसंधान अक्सर प्रतीकात्मक दृष्टिकोणों के बीच विभाजित होता है, जो ज्ञान के स्पष्ट प्रतिनिधित्व में हेरफेर करते हैं, और कनेक्शनिस्ट या सांख्यिकीय दृष्टिकोण, जो डेटा से निहित प्रतिनिधित्व सीखते हैं। Machine learning प्रमुख आधुनिक प्रतिमान है, जिसमें पर्यवेक्षित, अप्रशिक्षित और सुदृढीकरण सीखना शामिल है। सीखे गए घटकों को प्रतीकात्मक तर्क या खोज के साथ जोड़ने वाले हाइब्रिड दृष्टिकोण, एक सक्रिय अनुसंधान दिशा बने हुए हैं, विशेष रूप से उन कार्यों के लिए जिन्हें विश्वसनीय तार्किक अनुमान की आवश्यकता होती है।
अनुप्रयोग और प्रभाव
एआई सिस्टम खोज, अनुवाद, अनुशंसा, चिकित्सा निदान, प्रोटीन संरचना भविष्यवाणी जैसे वैज्ञानिक अनुसंधान, स्वायत्त वाहनों, और तेजी से सामान्य-उद्देश्यीय सहायकों और कोडिंग उपकरणों के रूप में तैनात किए जाते हैं। 2024 के बाद से सक्षम AI agent प्रणालियों का उदय, जो भाषा मॉडल को टूल उपयोग और बहु-चरणीय योजना के साथ जोड़ते हैं, ने एआई को प्रश्नों का उत्तर देने से स्वतंत्र रूप से कार्यों को पूरा करने तक विस्तारित किया है।
बहसें
लंबे समय से चल रही बहसें इस बात से संबंधित हैं कि क्या वर्तमान तकनीकें Artificial general intelligence की ओर ले जा सकती हैं, एक ऐसी प्रणाली जिसमें अनिवार्य रूप से सभी संज्ञानात्मक कार्यों में मानव-स्तर की क्षमता हो, और ऐसी प्रणालियाँ क्या जोखिम पैदा कर सकती हैं। एलन ट्यूरिंग के 1950 के पेपर ने मशीन बुद्धिमत्ता के लिए एक परिचालन परीक्षण प्रस्तावित किया, जिसे अब Turing test के रूप में जाना जाता है, हालाँकि एक बेंचमार्क के रूप में इसकी पर्याप्तता व्यापक रूप से विवादित है। आलोचकों का तर्क है कि धाराप्रवाह पाठ निर्माण समझ का संकेत नहीं देता है, जबकि समर्थक सामान्य बुद्धिमत्ता की ओर वास्तविक प्रगति के प्रमाण के रूप में आकस्मिक क्षमताओं की ओर इशारा करते हैं।