पच्चीस साल की उम्र में मैं AI से किसी सुर की ध्वनि को चित्र में उतारने के लिए कह सकता हूँ। स्क्रीन पर पैटर्न उभरता है तो उन विचारों को आज़माने का मन करता है जिन्हें कल तक मैं छोड़ देता। क्या मैं पहचान पाऊँगा कि उसे अधिक स्पष्ट बनाते हुए फ़िल्टर ने सुर की शुरुआत ही मिटा दी है?

हम क्या देख रहे हैं?

खुद को सर्वशक्तिमान समझने से अपनी ही काबिलियत पर संदेह करने तक का सफ़र उतनी देर में तय हो सकता है, जितनी देर में वह सवाल पूछा जाता है। कुछ पल पहले मुझे लग रहा था कि मैं कुछ भी बना सकता हूँ। अब शायद मैं उस विचार का श्रेय भी मशीन को देने लगूँ। फिर भी इस प्रयोग की उपयोगिता को मैं ऐसे व्यक्ति के साथ परख सकता हूँ जो समस्या को समझता हो। पर्याप्त रचनात्मक सोच वाला एक जूनियर इंजीनियर किसी नए क्षेत्र में कदम रखकर ऐसा प्रोडक्ट बना सकता है जो उस क्षेत्र में वर्षों से काम कर रहे लोगों के बनाए प्रोडक्ट को टक्कर दे। Felix Rieseberg अपने लेख सीखने की भूख अनुभव पर भारी पड़ती है में इसी संभावना का वर्णन करते हैं।

एक एजेंट दो ध्वनि तरंगों को मिलाने के लिए अलग-अलग समीकरण सुझा सकता है। हम ऐसे नतीजे से शुरुआत कर सकते हैं जिसका पूर्वानुमान लगाया जा सके। एक ही बिंदु और क्षण पर दो बराबर और विपरीत योगदानों का योग शून्य होता है। अगर प्रोग्राम उस योग को दर्शाते हुए अधिकतम मान दिखाता है, तो कुछ ग़लत है। फ़िल्टर के लिए अलग आकलन चाहिए। अधिक स्थिर पैटर्न को समझना आसान हो सकता है और वह ध्वनि में बदलावों के प्रति कम संवेदनशील हो सकता है। हमें तय करना होगा कि हम क्या दिखाना चाहते हैं।

एल्गोरिदम और सिस्टम डिज़ाइन हमें भाषा बदलने पर भी विकल्पों पर सोचने में मदद करते हैं। ऑब्जेक्ट-ओरिएंटेड प्रोग्रामिंग (OOP) के सिद्धांत किसी समस्या को उजागर कर सकते हैं, जैसे पैटर्न का रंग बदलने के लिए माइक्रोफ़ोन के कोड में बदलाव करना पड़े। यह ज़िम्मेदारियों के बँटवारे पर फिर विचार करने की वजह है। ये किसी अनजान क्षेत्र में विवेकपूर्ण आकलन करने और फ़ैसलों का आधार स्पष्ट करने के टूल हैं।

किस पहलू पर समझौता करना है, यह कौन तय करता है?

खेत में ट्रांसमिशन दोबारा करने से रीडिंग पहुँच सकती है और बैटरी की खपत बढ़ सकती है। ऊर्जा की इस लागत का अनुमान लगाया जा सकता है। लेकिन डेटा एक घंटा पहले मिलने की अहमियत समझने के लिए खेत में काम करने वाले व्यक्ति की राय चाहिए। अगर वह रीडिंग उनके पास पहले से होती, तो वे क्या निर्णय लेते? AI विकल्पों की तुलना करने में मदद करता है, जबकि प्राथमिकताएँ सिस्टम के उपयोगकर्ताओं के साथ मिलकर तय करनी होती हैं। एक रचनात्मक समाधान सबसे अच्छी स्थिर सेटिंग खोजने के बजाय ज़रूरत के हिसाब से ट्रांसमिशन बदल सकता है।

निर्णय दोबारा काम आने वाला अनुभव बन सकते हैं। डेटा स्टोर की अप-टू-डेट कॉपी में डेटा मिटाए जाने के बदलाव भी आ जाते हैं, जबकि बैकअप पिछली स्थिति को सुरक्षित रखता है। यह अंतर अगले प्रोजेक्ट के लिए एक परीक्षण सुझाता है: टेस्ट कॉपी पर डेटा रिकवर करना। एजेंट के निर्देशों में शामिल करने पर, यह हिस्सा बन जाता है उसके हार्नेस, यानी मॉडल के इर्द-गिर्द बनाया गया निर्देशों और टूल का परिवेश। नियम के पीछे का कारण उपलब्ध रहता है और संदर्भ बदलने पर उस पर फिर विचार करना ज़रूरी होता है। इस काम पर चर्चा की है Anthropic और OpenAI.

मैं खुद को पूरी तरह तैयार न महसूस करने पर भी कुछ बनाने का फैसला कर सकता हूँ। बुनियादी समझ यह पहचानने में मदद करती है कि समाधान को कहाँ परखा जाए और क्षेत्र के जानकारों से क्या पूछा जाए। AI की मदद से मैं उस बातचीत में पहले से काम कर रही कोई चीज़ ले जा सकता हूँ, ताकि विचार सिर्फ़ कागज़ पर न रह जाए।

स्रोत और आगे पढ़ने के लिए

लेखों की सूची पर वापस जाएँ