विकिपीडिया एआई लेख निर्माण, 2001 में अंग्रेजी विकिपीडिया पर प्रकाशित कृत्रिम बुद्धिमत्ता पर पहला विश्वकोश लेख को संदर्भित करता है। "कृत्रिम बुद्धिमत्ता" शीर्षक वाले इस लेख ने क्षेत्र का एक व्यापक अवलोकन प्रदान किया, जिसमें एआई को कम्प्यूटेशनल प्रणालियों की क्षमता के रूप में परिभाषित किया गया, जो सीखने, तर्क, समस्या-समाधान, धारणा और निर्णय लेने जैसे मानव बुद्धिमत्ता से जुड़े कार्यों को करती है। इसने एआई को इंजीनियरिंग, गणित और कंप्यूटर विज्ञान में अनुसंधान के एक क्षेत्र के रूप में वर्णित किया, जो ऐसे तरीके और सॉफ्टवेयर विकसित करता है जो मशीनों को अपने पर्यावरण को समझने और सीखने और बुद्धिमत्ता का उपयोग करके ऐसे कार्य करने में सक्षम बनाता है जो परिभाषित लक्ष्यों को प्राप्त करने की संभावनाओं को अधिकतम करते हैं।
लेख ने एआई अनुसंधान के पारंपरिक लक्ष्यों को रेखांकित किया, जिसमें सीखना, तर्क, ज्ञान प्रतिनिधित्व, योजना, प्राकृतिक भाषा प्रसंस्करण और धारणा, साथ ही रोबोटिक्स के लिए समर्थन शामिल था। इसने नोट किया कि एआई शोधकर्ता राज्य-स्थान खोज, गणितीय अनुकूलन, औपचारिक तर्क, कृत्रिम तंत्रिका नेटवर्क और सांख्यिकी, संचालन अनुसंधान और अर्थशास्त्र पर आधारित विधियों जैसी तकनीकों का उपयोग करते हैं। लेख ने एआई की अंतःविषय प्रकृति को भी स्वीकार किया, जो मनोविज्ञान, भाषा विज्ञान, दर्शन, तंत्रिका विज्ञान और अन्य क्षेत्रों से प्रेरणा लेती है।
ऐतिहासिक संदर्भ
लेख ने एआई की उत्पत्ति को 1956 में एक शैक्षणिक अनुशासन के रूप में इसकी स्थापना से जोड़ा। इसने क्षेत्र के इतिहास को आशावाद के चक्रों के रूप में वर्णित किया, जिसके बाद निराशा और धन हानि की अवधि आई, जिसे एआई विंटर्स के रूप में जाना जाता है। लेख ने नोट किया कि 2012 के बाद धन और रुचि में काफी वृद्धि हुई, जब ग्राफिक्स प्रोसेसिंग यूनिट (GPU) का उपयोग तंत्रिका नेटवर्क को तेज करने के लिए किया जाने लगा, और गहन शिक्षा ने पिछली एआई तकनीकों से बेहतर प्रदर्शन किया। यह वृद्धि 2017 में ट्रांसफार्मर आर्किटेक्चर की शुरुआत के बाद और तेज हो गई। 2020 के दशक में, एक एआई बूम जनरेटिव एआई में प्रगति के साथ मेल खाता था, जो व्यापक हो गया और मीडिया के निर्माण और संशोधन की अनुमति देता था।
लेख ने एआई के उच्च-प्रोफ़ाइल अनुप्रयोगों पर भी चर्चा की, जिसमें उन्नत वेब खोज इंजन, चैटबॉट, आभासी सहायक, स्वायत्त वाहन, शतरंज और गो जैसे रणनीति खेलों में खेल और विश्लेषण, और छवियों, ऑडियो और वीडियो के लिए सामग्री निर्माण शामिल थे। इसने उल्लेख किया कि कुछ कंपनियां, जैसे OpenAI, Google DeepMind, और मेटा, कृत्रिम सामान्य बुद्धिमत्ता (AGI) बनाने का लक्ष्य रखती हैं - ऐसा एआई जो लगभग किसी भी संज्ञानात्मक कार्य को कम से कम एक मानव के समान पूरा कर सकता है।
एआई अनुसंधान के लक्ष्य
लेख ने बुद्धिमत्ता का अनुकरण करने की सामान्य समस्या को उप-समस्याओं में विभाजित किया, जिनमें से प्रत्येक विशिष्ट लक्षण या क्षमताओं का प्रतिनिधित्व करता है जो शोधकर्ता एक बुद्धिमान प्रणाली से प्रदर्शित करने की उम्मीद करते हैं। इनमें तर्क और समस्या-समाधान, ज्ञान प्रतिनिधित्व, योजना और निर्णय लेना, सीखना, प्राकृतिक भाषा प्रसंस्करण, धारणा और रोबोटिक्स के लिए समर्थन शामिल थे।
तर्क और समस्या-समाधान
प्रारंभिक शोधकर्ताओं ने एल्गोरिदम विकसित किए जो पहेलियों को हल करने या तार्किक निष्कर्ष निकालने में मनुष्यों द्वारा उपयोग किए जाने वाले चरण-दर-चरण तर्क की नकल करते थे। 1980 के दशक के अंत और 1990 के दशक तक, अनिश्चित या अपूर्ण जानकारी से निपटने के लिए तरीके विकसित किए गए, जो संभाव्यता और अर्थशास्त्र की अवधारणाओं का उपयोग करते थे। हालांकि, इनमें से कई एल्गोरिदम बड़ी तर्क समस्याओं के लिए अपर्याप्त थे, क्योंकि एक "संयोजनात्मक विस्फोट" के कारण, जहां समस्याएं बढ़ने पर वे तेजी से धीमे हो जाते हैं। लेख ने नोट किया कि मनुष्य भी शायद ही कभी चरण-दर-चरण निगमन का उपयोग करते हैं; इसके बजाय, वे तेज, सहज ज्ञान पर भरोसा करते हैं। इसने यह भी उल्लेख किया कि तर्क मॉडल, एक प्रकार का बड़ा भाषा मॉडल जो मध्यवर्ती विचार-श्रृंखला उत्पन्न करने के लिए प्रशिक्षित होता है, 2024 में उभरा और गणित और कोडिंग में जटिल समस्याओं पर बेहतर प्रदर्शन की अनुमति दी, हालांकि वे गलत आउटपुट या "मतिभ्रम" उत्पन्न कर सकते हैं।
ज्ञान प्रतिनिधित्व
एआई प्रोग्राम बुद्धिमानी से सवालों के जवाब देने और वास्तविक दुनिया के तथ्यों के बारे में निष्कर्ष निकालने के लिए ज्ञान का उपयोग करते हैं। लेख ने समझाया कि औपचारिक ज्ञान प्रतिनिधित्व और ज्ञान इंजीनियरिंग दुनिया में शब्दों, अवधारणाओं और चीजों का प्रतिनिधित्व करने के लिए प्रतीकों का उपयोग करते हैं। एक ज्ञान आधार एक कार्यक्रम द्वारा उपयोग योग्य रूप में प्रस्तुत ज्ञान का एक निकाय है, और एक ऑन्टोलॉजी किसी विशेष डोमेन द्वारा उपयोग की जाने वाली वस्तुओं, संबंधों, अवधारणाओं और गुणों का समूह है। औपचारिक ज्ञान का 1970 के दशक से व्यापक रूप से अध्ययन किया गया है, लेकिन प्रतीकात्मक दृष्टिकोण को सामान्य ज्ञान की चौड़ाई, अधिकांश सामान्य ज्ञान के उप-प्रतीकात्मक रूप और ज्ञान अधिग्रहण जैसी चुनौतियों का सामना करना पड़ता है। लेख ने नोट किया कि मशीन लर्निंग, विशेष रूप से बड़े भाषा मॉडल के साथ, स्पष्ट प्रतीकात्मक ज्ञान की आवश्यकता नहीं होती है और इसके बजाय विशाल पाठ कोषों पर प्रशिक्षण से ज्ञान प्राप्त करता है, इनमें से कुछ समस्याओं को हल करता है लेकिन सटीक स्मरण और वैध तर्क के साथ संघर्ष करता है।
योजना और निर्णय लेना
लेख ने एक "एजेंट" को किसी भी इकाई के रूप में वर्णित किया जो दुनिया में अनुभव करता है और कार्य करता है। एक तर्कसंगत एजेंट के पास लक्ष्य या प्राथमिकताएं होती हैं और उन्हें प्राप्त करने के लिए कार्य करता है। स्वचालित योजना में, एजेंट का एक विशिष्ट लक्ष्य होता है; स्वचालित निर्णय लेने में, इसकी प्राथमिकताएं होती हैं और यह प्रत्येक स्थिति को एक उपयोगिता संख्या प्रदान करता है। प्रत्येक संभावित कार्रवाई के लिए, यह परिणामों की संभावना से भारित अपेक्षित उपयोगिता की गणना करता है, और अधिकतम अपेक्षित उपयोगिता वाली कार्रवाई चुनता है। शास्त्रीय योजना में, एजेंट कार्यों के सटीक प्रभावों को जानता है, लेकिन वास्तविक दुनिया की समस्याओं में, इसे अनिश्चितता का सामना करना पड़ सकता है और संभाव्य अनुमान लगाना और पुनर्मूल्यांकन करना चाहिए। लेख ने विश्वास बनाने के लिए निर्णयों के स्पष्टीकरण के महत्व पर जोर दिया, खासकर जब निर्णयों पर भरोसा किया जाता है। इसने यह भी उल्लेख किया कि प्राथमिकताएं अनिश्चित हो सकती हैं, और एजेंट उन्हें उलटा सुदृढीकरण सीखने जैसे तरीकों का उपयोग करके सीख सकते हैं या उन्हें सुधारने के लिए जानकारी मांग सकते हैं, जिसमें सूचना मूल्य सिद्धांत खोजपूर्ण कार्यों के मूल्य का वजन करता है।
तकनीक और विधियां
इन लक्ष्यों को प्राप्त करने के लिए, एआई शोधकर्ता विभिन्न प्रकार की तकनीकों का उपयोग करते हैं। लेख ने राज्य-स्थान खोज और गणितीय अनुकूलन, औपचारिक तर्क, कृत्रिम तंत्रिका नेटवर्क और सांख्यिकी, संचालन अनुसंधान और अर्थशास्त्र पर आधारित विधियों पर प्रकाश डाला। इसने नोट किया कि 2012 के बाद से, तंत्रिका नेटवर्क को तेज करने के लिए GPU का उपयोग महत्वपूर्ण रहा है, और 2017 में पेश किया गया ट्रांसफार्मर आर्किटेक्चर ने प्रगति को और तेज किया। लेख ने यह भी उल्लेख किया कि आधुनिक एआई प्रयोग चलाकर किसी डोमेन के बारे में सीख सकता है, जैसे जब अल्फाज़ीरो अपने खिलाफ खेलकर खेल रणनीति सीखता है।
नैतिक और नियामक विचार
लेख ने एआई उपयोग से नैतिक चिंताओं और संभावित नुकसानों को संबोधित किया, जिसमें एआई सुरक्षा, अनपेक्षित परिणाम, दीर्घकालिक प्रभाव, पर्यावरणीय प्रभाव और संभावित अस्तित्वगत जोखिम शामिल हैं। इसने नोट किया कि इन चिंताओं ने एआई विनियमन की चर्चाओं को प्रेरित किया है। लेख ने यह भी उल्लेख किया कि 2020 के दशक में एआई का व्यापक रूप से अपनाया जाना इसके सामाजिक प्रभाव के बारे में बहस का कारण बना है, जिसमें पूर्वाग्रह, गोपनीयता और जवाबदेही के मुद्दे शामिल हैं।
विरासत और प्रभाव
एक प्रारंभिक विश्वकोश प्रविष्टि के रूप में, लेख ने एआई के दायरे और चुनौतियों को समझने के लिए एक आधारभूत संदर्भ प्रदान किया। इसे विकिपीडिया समुदाय द्वारा क्षेत्र में प्रगति को प्रतिबिंबित करने के लिए लगातार अद्यतन किया गया है, जैसे जनरेटिव एआई और गहन शिक्षा का उद्भव। लेख की संरचना, जिसमें लक्ष्य, तकनीक और इतिहास शामिल हैं, ने विकिपीडिया पर बाद के एआई-संबंधित लेखों को प्रभावित किया है और छात्रों, शोधकर्ताओं और जनता के लिए एक संसाधन के रूप में कार्य किया है। इसका तटस्थ, तथ्यात्मक स्वर विकिपीडिया के मानकों के अनुरूप है, और इसकी सामग्री तंत्रिका नेटवर्क, बड़े भाषा मॉडल और सुदृढीकरण सीखने जैसे हाल के विकासों को शामिल करने के लिए विकसित हुई है (हालांकि बाद वाला मूल 2001 पाठ में स्पष्ट रूप से नहीं है)। लेख कृत्रिम बुद्धिमत्ता का अवलोकन चाहने वाले पाठकों के लिए एक प्रमुख प्रवेश बिंदु बना हुआ है।