कृत्रिम बुद्धिमत्ता का इतिहास

कृत्रिम बुद्धिमत्ता (AI) का इतिहास सात दशकों से अधिक फैला हुआ है, जो आशावाद, वित्तपोषण में उछाल, और "AI शीतकाल" के रूप में ज्ञात रुचि में कमी के चक्रों द्वारा चिह्नित है। इस क्षेत्र की उत्पत्ति 20वीं सदी के मध्य के प्रयासों में निहित है, जिसमें मानव तर्क को कम्प्यूटेशनल नियमों में औपचारिक रूप देने का प्रयास किया गया, जिससे प्रतीकात्मक AI, विशेषज्ञ प्रणालियों, और अंततः आज प्रभावी डेटा-संचालित दृष्टिकोणों का विकास हुआ।

AI का प्रक्षेपवक्र व्यापक तकनीकी बदलावों को दर्शाता है: मेनफ्रेम-युग के तर्क से व्यक्तिगत कंप्यूटिंग, इंटरनेट के उदय, और 21वीं सदी में डेटा और कंप्यूटिंग शक्ति के विस्फोट तक। प्रमुख मील के पत्थरों में 1956 की डार्टमाउथ कार्यशाला, तंत्रिका नेटवर्क का विकास, गहन शिक्षण का आगमन, और पाठ, चित्र, और कोड उत्पन्न करने में सक्षम जनरेटिव मॉडल का हालिया उद्भव शामिल हैं।

प्रारंभिक नींव और डार्टमाउथ कार्यशाला

AI की औपचारिक शुरुआत अक्सर 1956 में आयोजित डार्टमाउथ समर रिसर्च प्रोजेक्ट ऑन आर्टिफिशियल इंटेलिजेंस से मानी जाती है, जिसे जॉन मैकार्थी, मार्विन मिंस्की, नथानिएल रोचेस्टर, और क्लॉड शैनन द्वारा आयोजित किया गया था। कार्यशाला ने प्रस्तावित किया कि "सीखने का हर पहलू या बुद्धिमत्ता की कोई भी अन्य विशेषता सिद्धांत रूप में इतनी सटीक रूप से वर्णित की जा सकती है कि एक मशीन उसे अनुकरण करने के लिए बनाई जा सके।" इस सभा ने उन शोधकर्ताओं को एक साथ लाया जो मूलभूत व्यक्ति बन गए, जिनमें एलन न्यूएल और हर्बर्ट साइमन शामिल थे, जिन्होंने पहले से ही लॉजिक थियोरिस्ट विकसित किया था, जो गणितीय प्रमेयों को सिद्ध करने में सक्षम एक कार्यक्रम था।

1950 और 1960 के दशक के दौरान, प्रारंभिक AI अनुसंधान प्रतीकात्मक तर्क, समस्या-समाधान, और खेल खेलने पर केंद्रित था। जनरल प्रॉब्लम सॉल्वर (GPS) जैसे कार्यक्रमों का उद्देश्य मानव समस्या-समाधान रणनीतियों की नकल करना था। हालांकि, ये प्रणालियाँ हाथ से कोडित नियमों पर अपनी निर्भरता और वास्तविक दुनिया की जटिलता को संभालने में असमर्थता से सीमित थीं, जिससे 1970 के दशक के मध्य में वित्तपोषण में गिरावट के साथ पहला AI शीतकाल आया।

विशेषज्ञ प्रणालियाँ और AI शीतकाल

1970 और 1980 के दशक में विशेषज्ञ प्रणालियों का उदय हुआ, जिन्होंने मानव विशेषज्ञता को नियम-आधारित ढांचे में एन्कोड किया। उल्लेखनीय उदाहरणों में चिकित्सा निदान के लिए MYCIN और रासायनिक विश्लेषण के लिए DENDRAL शामिल थे। इन प्रणालियों ने व्यावसायिक सफलता प्राप्त की, जिससे निगमों और सरकारों से निवेश आकर्षित हुआ। हालांकि, उनकी भंगुरता और उच्च रखरखाव लागत, नियम-आधारित तर्क की सीमाओं के साथ, 1980 के दशक के अंत में दूसरे AI शीतकाल में योगदान दिया।

इस अवधि के दौरान, शोधकर्ताओं ने वैकल्पिक प्रतिमानों की भी खोज की, जिसमें कनेक्शनिज्म शामिल था, जो कृत्रिम तंत्रिका नेटवर्क के माध्यम से बुद्धिमत्ता को मॉडल करना चाहता था। हालांकि तंत्रिका नेटवर्क दशकों पहले प्रस्तावित किए गए थे, उन्हें पर्याप्त कम्प्यूटेशनल संसाधनों और बड़े डेटासेट की आवश्यकता थी, जो अभी उपलब्ध नहीं थे। शीतकाल 1990 के दशक के अंत तक जारी रहा, जब हार्डवेयर में प्रगति और इंटरनेट के उद्भव ने क्षेत्र का ध्यान मशीन लर्निंग की ओर स्थानांतरित करना शुरू किया।

मशीन लर्निंग और गहन शिक्षण का उदय

1990 और 2000 के दशक में प्रतीकात्मक AI से मशीन लर्निंग की ओर एक प्रतिमान बदलाव देखा गया, जहाँ प्रणालियाँ स्पष्ट नियमों का पालन करने के बजाय डेटा से पैटर्न सीखती हैं। प्रमुख विकासों में सपोर्ट वेक्टर मशीन, निर्णय वृक्ष, और बायेसियन नेटवर्क शामिल थे। बड़े डेटासेट की उपलब्धता और बढ़ी हुई कंप्यूटिंग शक्ति ने इन विधियों को भाषण पहचान और कंप्यूटर विज़न जैसे क्षेत्रों में सफलताएँ प्राप्त करने में सक्षम बनाया।

एक निर्णायक क्षण 2012 में आया जब एक गहन तंत्रिका नेटवर्क, AlexNet, ने ImageNet प्रतियोगिता को महत्वपूर्ण अंतर से जीता, जिससे गहन शिक्षण की शक्ति प्रदर्शित हुई। इस सफलता ने तंत्रिका नेटवर्क में अनुसंधान और निवेश की लहर को उत्प्रेरित किया, विशेष रूप से छवि कार्यों के लिए कन्वोल्यूशनल तंत्रिका नेटवर्क (CNN) और अनुक्रम डेटा के लिए आवर्ती तंत्रिका नेटवर्क (RNN)। ग्राफिक्स प्रोसेसिंग यूनिट (GPU) जैसे Nvidia (हालांकि प्रदान की गई सूची में नहीं, अवधारणा निहित है) और बाद में Google DeepMind द्वारा टेंसर प्रोसेसिंग यूनिट के उपयोग जैसे विशेष हार्डवेयर के विकास ने प्रगति को तेज किया।

बड़े भाषा मॉडल और जनरेटिव AI का युग

2010 और 2020 के दशक ने बड़े भाषा मॉडल (LLM) और जनरेटिव AI का उदय लाया। 2017 में Transformer (architecture) आर्किटेक्चर की शुरुआत, जिसे Jakob Uszkoreit, Lukasz Kaiser, और Niki Parmar सहित शोधकर्ताओं द्वारा "Attention Is All You Need" पेपर में विस्तृत किया गया, ने प्राकृतिक भाषा प्रसंस्करण में क्रांति ला दी। ट्रांसफॉर्मर ने मॉडलों को पूरे अनुक्रमों को समानांतर में संसाधित करने में सक्षम बनाया, जिससे BERT और GPT जैसे पूर्व-प्रशिक्षित मॉडल का विकास हुआ।

2015 में स्थापित OpenAI ने 2019 में GPT-2 और 2020 में GPT-3 जारी किया, जिसने पाठ निर्माण, अनुवाद, और प्रश्न उत्तर में उल्लेखनीय क्षमताओं का प्रदर्शन किया। बड़े भाषा मॉडल सिद्धांतों पर निर्मित ये मॉडल, अप्रशिक्षित शिक्षण का उपयोग करके विशाल इंटरनेट पाठ पर प्रशिक्षित किए गए थे। बाद के विकासों में निर्देश ट्यूनिंग और मानव प्रतिक्रिया से सुदृढीकरण शिक्षण (RLHF) शामिल थे, जिसने उपयोगकर्ता इरादे के साथ संरेखण में सुधार किया। 2022 में, OpenAI के ChatGPT ने जनरेटिव AI को जनता के सामने लाया, जिससे व्यापक अपनाने और निवेश को बढ़ावा मिला।

अन्य प्रमुख खिलाड़ी उभरे, जिनमें Anthropic शामिल है, जो अपने Claude मॉडल के लिए जाना जाता है, और Google DeepMind, जिसने प्रोटीन फोल्डिंग के लिए AlphaFold और मल्टीमॉडल कार्यों के लिए Gemini जैसी प्रणालियाँ विकसित कीं। क्षेत्र ने बड़े मॉडलों के प्रशिक्षण और तैनाती की कम्प्यूटेशनल मांगों को पूरा करने के लिए AWS Trainium जैसे Amazon Web Services से और Groq के अनुमान त्वरक जैसे विशेष AI हार्डवेयर का उदय भी देखा।

समकालीन विकास और भविष्य की दिशाएँ

2025 तक, AI अनुसंधान तेजी से आगे बढ़ रहा है, जिसमें मॉडल दक्षता, व्याख्यात्मकता, और सुरक्षा में सुधार पर ध्यान केंद्रित किया गया है। मॉडल प्रूनिंग, डेटा संवर्धन, और पाठ्यक्रम शिक्षण जैसी तकनीकों का उद्देश्य कम्प्यूटेशनल लागत को कम करना और सामान्यीकरण को बढ़ाना है। अवशिष्ट नेटवर्क और बैच सामान्यीकरण के विकास ने गहरे आर्किटेक्चर को सक्षम किया है, जबकि मल्टी-हेड ध्यान और स्थितीय एन्कोडिंग ट्रांसफॉर्मर-आधारित मॉडलों के मूल में बने हुए हैं।

AI का सामाजिक प्रभाव गहरा है, जो रोजगार, नैतिकता, और शासन के बारे में प्रश्न उठाता है। OpenAI और Anthropic जैसे संगठनों ने जिम्मेदार AI विकास पर जोर दिया है, जबकि MIT CSAIL और Stanford AI Lab जैसे शैक्षणिक संस्थान मौलिक अनुसंधान में योगदान करते हैं। AI का इतिहास रैखिक नहीं है बल्कि सफलताओं और असफलताओं की एक श्रृंखला है, जो वैज्ञानिक महत्वाकांक्षा, तकनीकी बाधाओं, और सामाजिक आवश्यकताओं की परस्पर क्रिया को दर्शाता है। भविष्य की दिशाओं में अधिक मजबूत तर्क, निरंतर शिक्षण, और रोबोटिक्स के साथ एकीकरण शामिल हो सकता है, जैसा कि Sanctuary AI और Figure AI जैसी कंपनियों द्वारा उदाहरणित है।

अपनी चुनौतियों के बावजूद, AI आधुनिक जीवन का एक अभिन्न हिस्सा बन गया है, वर्चुअल सहायकों से लेकर स्वायत्त वाहनों तक। कृत्रिम बुद्धिमत्ता का इतिहास मानव सरलता और ऐसी मशीनें बनाने की निरंतर खोज का प्रमाण है जो सोच, सीख, और अनुकूलन कर सकें।