- जेनरेटिव AI एक प्रकार की कृत्रिम बुद्धिमत्ता है जिसमें मशीन लर्निंग एल्गोरिदम का उपयोग करके नए, मूल कंटेंट या डेटा का सृजन करना शामिल है।
- इसका उपयोग टेक्स्ट, इमेज़, संगीत या अन्य प्रकार के मीडिया के सृजन के लिये किया जा सकता है।
- जेनरेटिव AI एक बड़े डेटासेट पर एक मॉडल को प्रशिक्षित करने और फिर उस मॉडल का उपयोग ऐसे प्रशिक्षण डेटा जैसे नए, अब तक अनदेखे कंटेंट के सृजन करने के रूप में कार्य करता है।
- वेरिएशनल ऑटोएन्कोडर्स (वीएई), जेनरेटिव एडवरसैरियल नेटवर्क (जीएएन), और ऑटोरेग्रेसिव मॉडल सबसे अधिक उपयोग किए जाने वाले मॉडल हैं।
- लोकप्रिय जेनरेटिव एआई उपकरण: चैटजीपीटी (ओपनएआई), जेमिनी (गूगल)
डीपफेक्स डिजिटल रूप से उत्पन्न मीडिया (विजुअल और ऑडियो ) हैं, जिन्हें जेनरेटिव एडवर्सेरियल नेटवर्क्स (GAN) जैसी उन्नत सीखने की तकनीकों का उपयोग करके बनाया जाता है। ये तकनीकें नकली सामग्री को वास्तविक दिखने में मदद करती हैं, लेकिन वास्तव में, सामग्री पूरी तरह से झूठी होती है। उदाहरण के लिए, एक वायरल वीडियो जिसमें स्विमसूट में एक अभिनेत्री दिखाई दी।
इस प्रकार का अति-यथार्थवादी डिजिटल मिथ्याकरण निम्नलिखित चुनौतियाँ प्रस्तुत करता है:
- गलत सूचना और दुष्प्रचार: गलत सूचना फैलाना, जनता की राय में हेराफेरी करना, विश्वसनीयता को नुकसान पहुंचाना। (उदाहरण के लिए, यूक्रेनी राष्ट्रपति ज़ेलेंस्की का डीपफेक)
- प्रतिरूपण और पहचान की चोरी: वित्तीय धोखाधड़ी का कारण बनती है।
- गोपनीयता उल्लंघन: सहमति के बिना व्यक्तिगत फ़ोटो या वीडियो का उपयोग करने से गोपनीयता का उल्लंघन होता है।
- AI की कानूनी और नैतिक चिंताएँ: यह वैधता और नैतिकता के बारे में सवाल उठाता है और विनियमन और जवाबदेही की मांग करता है।
- महिलाओं के विरुद्ध हथियारीकरण: मुख्य रूप से अश्लील वीडियो, जो मनोवैज्ञानिक आघात और सामाजिक दुष्परिणाम पैदा करता है।
- राष्ट्रीय सुरक्षा को ख़तरा: सार्वजनिक सुरक्षा को कमज़ोर करना, अराजकता पैदा करना, राज्य-विरोधी भावनाएँ भड़काना संभव
- लोकतांत्रिक संस्थाओं में विश्वास को कमज़ोर करना: लोगों को बरगलाना, निष्पक्ष चुनावों में हेराफेरी करना। (जैसे, मनोज तिवारी का वायरल वीडियो)
- पारंपरिक मीडिया में घटता भरोसा: अल्पकालिक और दीर्घकालिक नुकसान का कारण बनता है।
नागरिक की डिजिटल सुरक्षा सुनिश्चित करने के लिए, MeitY ने हाल ही में आईटी नियम 2021 के तहत डीपफेक पर सोशल मीडिया प्लेटफॉर्म को ने एडवाइजरी जारी की है।
मशीन लर्निंग, कृत्रिम बुद्धिमत्ता का एक हिस्सा, कंप्यूटर को डेटा से सीखने, पैटर्न को पहचानने और न्यूनतम मानवीय हस्तक्षेप के साथ निर्णय लेने की अनुमति देता है, जिससे विश्लेषणात्मक मॉडल का निर्माण सुव्यवस्थित हो जाता है।
- कार्यविधि :
- निर्णय प्रक्रिया: पूर्वानुमान लगाने के लिए प्रशिक्षित मॉडल को लागू करना।
- त्रुटि मापन: पूर्वानुमान की सटीकता को मापकर मॉडल प्रदर्शन का मूल्यांकन करना।
- मॉडल अनुकूलन: त्रुटियों को कम करने के लिए मापदंडों के भारिता(वेटेज) को समायोजित करके मॉडल की सटीकता में सुधार करना।
अनुप्रयोग (2 – 4 बहुत है वेसे)
- वाक् पहचान: जैसे- सिरी, एलेक्सा, आदि।
- ग्राहक सेवा: जैसे- स्लश, माया चैटबॉट्स, आदि।
- कंप्यूटर विजन: जैसे- गूगल ट्रांसलेट, फेसबुक 3डी फोटो, फेसएप आदि।
- अनुशंसा इंजन: जैसे- ऑनलाइन विज्ञापन, गानों की अनुशंसा के लिए स्पॉटिफाई आदि।
- स्वचालित स्टॉक ट्रेडिंग: जैसे- निंजाट्रेडर, आदि।
- धोखाधड़ी का पता लगाना: जैसे- क्रेडिट कार्ड धोखाधड़ी का पता लगाना, पीओएस धोखाधड़ी का पता लगाना आदि।
लोकप्रिय तरीके: पर्यवेक्षित शिक्षण (लेबल किए गए डेटा पर प्रशिक्षित), अपर्यवेक्षित/ गैर पर्यवेक्षित शिक्षण (पैटर्न खोजने के लिए बिना लेबल वाले डेटा के साथ काम करता है), और सुदृढीकरण शिक्षण (एजेंट फीडबैक के माध्यम से सीखते हैं)।
नीति आयोग AI को इस प्रकार परिभाषित करता है: एआई प्रौद्योगिकियों का एक समूह है जो मशीनों को उच्च स्तर की बुद्धिमत्ता के साथ कार्य करने और समझने, समझने और कार्य करने की मानवीय क्षमताओं का अनुकरण करने में सक्षम बनाता है।
एआई प्रौद्योगिकियां विभिन्न अवसरों और लाभों के साथ-साथ कई चुनौतियों और संभावित जोखिम भी प्रदान करती हैं।
अवसर | चुनौतियाँ |
उन्नत निर्णय लेना:
औद्योगिक क्रांति 4.0: बार-बार दोहराए जाने वाले कार्यों के लिए एआई-संचालित रोबोट, समय और संसाधनों की बचत करते हैं।
एआई-संचालित वैयक्तिकरण:
बेहतर ग्राहक सेवा: एआई-संचालित चैटबॉट और वर्चुअल असिस्टेंट।
पूर्वानुमानित विश्लेषण:
AI-संचालित साइबर सुरक्षा प्रणालियाँ
कुशल संसाधन प्रबंधन
अनुकूलित आपूर्ति शृंखला प्रबंधन
अनुसंधान एवं विकास में प्रगति:
डिजिटल गवर्नेंस:
आपदा प्रबंधन:
| पूर्वाग्रह और निष्पक्षता: एआई सिस्टम को प्रशिक्षित करने के लिए उपयोग किए जाने वाले डेटा में मौजूद पूर्वाग्रह विरासत में मिल सकते हैं, जिससे अनुचित या भेदभावपूर्ण परिणाम हो सकते हैं।
गोपनीयता संबंधी चिंताएँ: और डेटा का दुरुपयोग।
एल्गोरिथम पारदर्शिता और जवाबदेही: वे नैतिक मानकों या कानूनी आवश्यकताओं के अनुरूप हैं या नहीं
स्वचालित साइबर आक्रमण:
बेरोजगारी और नौकरी विस्थापन:
AI का हथियारीकरण: राष्ट्र-राज्य AI-संचालित साइबर हथियारों में तेजी से निवेश कर रहे हैं।
असमानुपातिक शक्ति और नियंत्रण:
सोशल इंजीनियरिंग:
बड़े कार्बन पदचिह्न:
डिजिटल विभाजन:
डेटा संप्रभुता से संबंधित चुनौतियों और अधिकार क्षेत्र संबंधी मुद्दों को विनियमित करना। |
विशेषता | पर्यवेक्षित लर्निंग (Supervised Learning) | अपर्यवेक्षित लर्निंग (Unsupervised Learning) |
डेटा प्रकार | लेबल किए गए डेटा का उपयोग करता है (इनपुट के साथ ज्ञात आउटपुट होता है)। | लेबल रहित डेटा का उपयोग करता है (जिसका आउटपुट ज्ञात नहीं होता)। |
उद्देश्य | पैटर्न सीखना ताकि भविष्य के डेटा (नए, अनदेखे डेटा) की भविष्यवाणी या वर्गीकृत किया जा सके। | डेटा में छिपे पैटर्न या समूहों की खोज करना। |
उदाहरण | लेबल की गई तस्वीरों में बिल्लियों की पहचान करना (“बिल्ली” या “बिल्ली नहीं”)। | बिना लेबल वाले शॉपिंग आइटम्स को एक जैसे समूहों में बांटना। |
सामान्य मॉडल | लीनियर रिग्रेशन, लॉजिस्टिक रिग्रेशन, सपोर्ट वेक्टर मशीन (SVM), डिसीजन ट्री, के-नियरस्ट नेबर्स (KNN)। | के-मीन्स क्लस्टरिंग, हायरार्किकल क्लस्टरिंग, प्रिंसिपल कंपोनेंट एनालिसिस (PCA), ऑटोएन्कोडर आदि। |
अनुप्रयोग |
|
|
मशीन लर्निंग कृत्रिम बुद्धिमत्ता का एक उपसमूह है जो कंप्यूटर को डेटा से सीखने, पैटर्न की पहचान करने और न्यूनतम मानवीय हस्तक्षेप के साथ निर्णय लेने में सक्षम बनाता है, इस प्रकार विश्लेषणात्मक मॉडल निर्माण की प्रक्रिया को स्वचालित करता है।
जैसे-
- जीमेल स्वचालित रूप से ईमेल को ‘स्पैम’ और ‘स्पैम नहीं’ के रूप में वर्गीकृत करता है।
- फ्लिपकार्ट या अमेज़न आपको अपनी पसंद के उत्पाद खरीदने की सलाह दे रहे हैं।
पहलू | मशीन लर्निंग | पारंपरिक प्रोग्रामिंग |
प्रक्रिया | एक प्रोग्राम बनाने के लिए इनपुट डेटा और आउटपुट डेटा को एक एल्गोरिदम (मशीन लर्निंग एल्गोरिदम) में फीड किया जाता है।\  | किसी भी मैन्युअल रूप से बनाए गए प्रोग्राम को संदर्भित करता है जो इनपुट डेटा का उपयोग करता है, कंप्यूटर पर चलता है और आउटपुट उत्पन्न करता है  |
डेटा-संचालित दृष्टिकोण | डेटा से समय के साथ अनुकूलन और सुधार करना सीखता है। | पूर्वनिर्धारित नियमों और तर्क पर निर्भर करता है। |
सामान्यीकरण | नए, अनदेखे डेटा पर पूर्वानुमान लगाने के लिए पैटर्न को सामान्यीकृत करता है। | प्रत्येक परिदृश्य के लिए विशिष्ट नियम बनाता है। |
स्वचालन | डेटा के आधार पर सीखने और निर्णय लेने की प्रक्रियाओं को स्वचालित करता है। | नियमों और तर्क के लिए मैन्युअल अपडेट की आवश्यकता है। |
अनुमापकता | बड़े और जटिल डेटासेट को प्रभावी ढंग से संभाल सकता है। | बड़े डेटा वॉल्यूम के पैमाने के लिए संघर्ष करना पड़ सकता है। |
पुनरावृत्तीय सुधार | समय के साथ प्रदर्शन को निखारने के लिए मॉडलों को पुनरावृत्त रूप से प्रशिक्षित किया जा सकता है। | जब तक आवश्यक न हो कोड को शायद ही कभी अद्यतन किया जाता है। |
