हम तेजी से आगे बढ़ने, चीजों को एआई में बदलने की मानसिकता नहीं अपनाते हैं: एचटीएलएस में डीपमाइंड के कोहली

उन्होंने कहा कि 15 साल पूरे कर चुके डीपमाइंड का मानना ​​है कि एआई मानव ज्ञान की सीमाओं को आगे बढ़ा सकता है। इन्हें “वैज्ञानिक समस्या” के रूप में स्वीकार करना विज्ञान और एआई के प्रतिच्छेदन के साथ डीपमाइंड की दृढ़ता की कुंजी है, ऐसे समय में जब कई अग्रणी एआई कंपनियां समान अनुसंधान के साथ प्रयोग कर रही हैं। कोहली ने कहा, “संगठन के डीएनए में विज्ञान समाहित है।”

“यह हम विज्ञान के माध्यम से करते हैं, कई वैज्ञानिक क्षेत्रों में प्रगति करके, और हम भाग्यशाली हैं कि हम अल्फाफोल्ड के साथ प्रोटीन संरचना भविष्यवाणी जैसी समस्याओं में एआई की क्षमता दिखाने में सक्षम हैं। हमारा ध्यान इन समस्याओं पर है जहां एआई एक परिवर्तनकारी प्रभाव डाल सकता है,” कोहली ने कहा। उन्होंने जोर देकर कहा कि ये सुधार वृद्धिशील नहीं हो सकते, लेकिन “समाज के कुछ करने के तरीके को बदल देंगे।”

अल्फाफोल्ड डीपमाइंड द्वारा विकसित एक एआई प्रोग्राम है, जो प्रोटीन संरचना को समझने के लिए एक पूर्वानुमानित विधि का उपयोग करता है – कुछ उदाहरणों में गर्म जलवायु में अधिक लचीली फसलों की इंजीनियरिंग करना और गर्मी से होने वाली बीमारियों के पीछे एक प्रमुख प्रोटीन को समझना शामिल है।

“एक केस स्टडी के रूप में, गूगल डीपमाइंड द्वारा अल्फाफोल्ड जारी किए जाने से पहले, एक प्रोटीन की संरचना का पता लगाने में कभी-कभी लगभग पांच साल लग जाते थे। और ये प्रोटीन जीवन के निर्माण खंड हैं। दवा की खोज से लेकर नए एंजाइमों को डिजाइन करने, प्रदूषण से निपटने तक सब कुछ अनिवार्य रूप से प्रोटीन से बना है। और फिर भी, हम इन प्रोटीनों की संरचना को नहीं जानते थे। इस ज्ञान को उजागर करने के लिए भारी मात्रा में प्रयास और काम करना होगा, “कोहली ने कहा।

बड़ा बनाम संकीर्ण फोकस

पारंपरिक ज्ञान से पता चलता है कि बड़े भाषा मॉडल (एलएलएम) बेहतर हो रहे हैं और इसलिए उन्हें अधिक समस्याओं पर लागू किया जाना चाहिए। यह तुलनात्मक रूप से अधिक संकीर्ण दृष्टिकोण से भिन्न है जहां डीपमाइंड एक एआई को डोमेन में आवश्यक चीज़ों के अनुरूप तैयार करता है।

कोहली ने जोर देकर कहा कि डीपमाइंड का मुख्य ध्यान सीमाओं को आगे बढ़ाने और सबसे शक्तिशाली एआई मॉडल विकसित करने पर है।

उन्होंने कहा, “हम जो सवाल पूछते हैं, वह यह है कि सबसे शक्तिशाली और सबसे सक्षम मॉडल कौन से हैं? अनिवार्य रूप से, बुद्धिमत्ता को मापने का तरीका यह पता लगाना है कि कोई मॉडल किसी कार्य को कितनी जल्दी पूरा करने में सक्षम है। हमें ऐसे मॉडल विकसित करने होंगे जो कठिन समस्याओं को हल करने में और अधिक सामान्य तरीके से सक्षम हों।”

कोहली ने कहा कि कम डेटा और कम पर्यवेक्षण सफलता की कुंजी होगी। “एक तरह से, एलएलएम हमारे उस दीर्घकालिक फोकस की स्वाभाविक प्रगति है। हम मौलिक सफलताओं के निर्माण पर काम कर रहे हैं जो एआई मॉडल की दक्षता को अल्फाफोल्ड जैसे विशेष मॉडल तक पहुंचाते हैं,” उन्होंने कहा।

2016 में, Google के AI प्रोग्राम, AlphaGo ने प्राचीन बोर्ड गेम गो के प्रसिद्ध दक्षिण कोरियाई खिलाड़ी ली सेडोल के खिलाफ प्रतिस्पर्धा की। अल्फ़ागो ने मैच जीत लिया, जो उस समय एआई के लिए एक प्रमुख मील का पत्थर था, यह देखते हुए कि गो कंप्यूटर के लिए शतरंज की तुलना में काफी अधिक जटिल खेल है।

कोहली ने Google के जेमिनी परिवार के मॉडलों की ओर इशारा किया, जिनके बारे में उन्होंने कहा कि उन्होंने विभिन्न प्रकार के कार्यों में सक्षमता का स्तर दिखाया है, न कि केवल रोजमर्रा के चैटबॉट उपयोग परिदृश्य में सवालों के जवाब देने में। इस सप्ताह, Google ने अल्ट्रा ग्राहकों के लिए अपना नवीनतम, सबसे सक्षम मॉडल, जेमिनी 3 डीप थिंक पेश किया। पिछले महीने, जेमिनी 3 और जेमिनी 3 प्रो मॉडल जारी किए गए थे – जेमिनी ऐप के भीतर जेमिनी 3 प्रो, जटिल तर्क के लिए खोज में एआई मोड में जेमिनी 3, और खोज के हिस्से के रूप में नवीनतम जेमिनी मॉडल।

कोहली ने कहा, “यदि आप स्पेक्ट्रम को देखें, तो हां, हम विशेष मॉडल पर काम कर रहे हैं, लेकिन हम सामान्य मॉडल में भी सुधार कर रहे हैं।” “दिन के अंत में, यह सब समस्या के बारे में है और आप सबसे प्रभावशाली समस्याओं को कैसे हल करते हैं।”

वैज्ञानिक AI पर भरोसा कर रहे हैं

इस सवाल का जवाब देते हुए कि क्या हम उस स्तर पर पहुंच गए हैं जहां वैज्ञानिक अपने काम में उपयोग के लिए एआई के आउटपुट पर भरोसा कर सकते हैं, कोहली ने कहा, एआई अभी भी कुछ गलतियां कर रहा है। उन्होंने कहा कि यह पता लगाने के लिए एक महत्वपूर्ण तत्व है कि एआई कब विफल हो रहा है। “यदि आप एक जीवविज्ञानी हैं, तो आप कहेंगे कि हालांकि यह बेहद सटीक है, फिर भी यह कभी-कभी गलतियाँ करता है। आप अपने जीवन के कई साल यह सोचने में नहीं बिताना चाहेंगे कि यह सही है और बाद में पता चले कि यह सही नहीं है।”

उन्होंने कहा कि जब अल्फ़ाफोल्ड ने कोई गलती की, तो वह “अपना हाथ उठाएगा और कहेगा कि मैं इसके बारे में अनिश्चित हो सकता था, इसलिए उस पर इतना भरोसा न करें।”

कोहली ने कहा कि आधुनिक एलएलएम में मतिभ्रम की समस्या से निपटने के लिए, वे ऐसे उपकरण बना रहे हैं जो ऐसे उदाहरणों की पहचान कर सकते हैं और उपयोगकर्ताओं को चेतावनी दे सकते हैं। “क्या हम एआई का उपयोग करके ऊर्जा समस्या का समाधान कर सकते हैं? क्या हम नई प्रकार की सामग्रियों की खोज कर सकते हैं?”

भविष्य दर्शन

कोहली ने कहा कि चूंकि बुनियादी प्रगति हुई है, इसलिए संरचनात्मक जीव विज्ञान पर अधिक जोर दिया जाएगा। उन्होंने कहा कि इसकी कुंजी प्रौद्योगिकी का लोकतंत्रीकरण होगा, ताकि अधिक से अधिक उपयोगकर्ता लाभ प्राप्त कर सकें। कोहली ने कहा कि विज्ञान और एजेंटिक प्रणालियों का त्वरण जो अधिक कार्यों के लिए एआई क्षमता प्रदान करता है, अगले वर्ष के लिए प्रमुख विषय होंगे।

उन्होंने कहा, “स्वास्थ्य सेवा में निहितार्थ, दवा की खोज में, कुछ ऐसी चीजें हैं जिनमें हम वास्तव में तेजी देखेंगे। भारत जैसे देशों पर विशेष जोर दिया जाएगा, जिसके बारे में कोहली का मानना ​​है कि स्वास्थ्य सेवा के लिए एआई का लाभ उठाने की काफी गुंजाइश है।”

कोहली ने कहा कि भारत में 180,000 शोधकर्ता और छात्र अल्फाफोल्ड का उपयोग कर रहे हैं। उन्होंने कहा कि वह देश में प्रोटीन संरचनाओं और बीमारी के इलाज का अध्ययन करने वाले लोगों की संख्या से आश्चर्यचकित हैं। “यह देश में व्यापक अनुसंधान पारिस्थितिकी तंत्र को भी दर्शाता है।”