व्याख्यान "स्टार्टअप" का कोर्स। पीटर थिएल। स्टैनफोर्ड 2012. पाठ 17

2012 के वसंत में, पेपल के संस्थापक और पहले निवेशक फेसबुक में से एक, पीटर थिएल ( पीटर थिएल ) ने स्टैनफोर्ड - "स्टार्टअप" में एक पाठ्यक्रम आयोजित किया। शुरू करने से पहले, थिएल ने कहा: "अगर मैं अपना काम सही ढंग से करता हूं, तो यह आखिरी विषय होगा जिसे आपको अध्ययन करना होगा।"

छात्रों में से एक दर्ज की गई और पोस्ट व्याख्यान transkipt । इस हब्रतोपिका बारफस में , सत्रहवाँ पाठ, एस्ट्रोपिलॉट संपादक का अनुवाद करता है।

पाठ 1: भविष्य को चुनौती देना
पाठ २: १ ९९९ में फिर से?
पाठ 3: मूल्य प्रणाली
पाठ 4: अंतिम चरण का लाभ
पाठ 5: माफिया यांत्रिकी
पाठ 6: थिएल का नियम
पाठ 7: पैसे का पालन करें
पाठ 8: विचार की प्रस्तुति (पिच)
गतिविधि 9: सब कुछ तैयार है, लेकिन क्या वे आएंगे?
पाठ 10: वेब 2.0 के बाद
पाठ 11: राज
गतिविधि 12: युद्ध और शांति
सबक 13: आप एक लॉटरी टिकट नहीं हैं
पाठ 14: एक विश्वदृष्टि के रूप में पारिस्थितिकी
पाठ 15: भविष्य में वापस
पाठ 16: खुद को समझना
पाठ 17: गहन विचार
पाठ 18: संस्थापक - पीड़ित या भगवान
पाठ 19: ठहराव या विलक्षणता?

व्याख्यान 17 - खुद को समझना

पीटर के व्याख्यान के बाद, तीन मेहमान बातचीत में शामिल हुए:
1. 1 स्कॉट ब्राउन। विकरियस के सह-संस्थापक,
2. एरिक जोनास, सीईओ पूर्व ज्ञान,
3. बॉब मैकग्रे, पालंटिर के मुख्य अभियंता।

आई। द ग्रेटनेस ऑफ एआई

सतही स्तर पर, हम लोगों को बहुत विविध प्राणी होने के बारे में सोचते हैं। लोगों के पास विभिन्न क्षमताओं, रुचियों, विशेषताओं की एक विस्तृत श्रृंखला है, और एक अलग बुद्धि है। कुछ लोग अच्छे हैं, कुछ बुरे हैं। वे वास्तव में अलग हैं।


इसके विपरीत, हम कंप्यूटर को बहुत समान मानते हैं। सभी कंप्यूटर एक डिग्री या दूसरे, समान ब्लैक बॉक्स हैं। संभव कृत्रिम बुद्धिमत्ता की सीमा के बारे में सोचने का एक तरीका मानक रूपरेखा को फ्लिप करना है। शायद यह कुछ समय के लायक है; दुनिया में लोगों की तुलना में कहीं अधिक संभावित विभिन्न AI हैं।


बुद्धि का वर्णन और व्यवस्थित करने के कई तरीके हैं। उन सभी में मानव बुद्धि शामिल नहीं है।
यहां तक ​​कि लोगों के दिमाग की विशाल विविधता को ध्यान में रखते हुए, बुद्धि के सभी विकासवादी रूपों के संबंध में मानव मन शायद एक छोटा बिंदु है; ब्रह्मांड के सभी ग्रहों से सभी एलियंस की कल्पना करें जो केवल मौजूद हो सकते हैं।


लेकिन एआई खुफिया के सभी स्वाभाविक रूप से संभव रूपों की तुलना में कहीं अधिक विविध है। एआई विकासवाद तक सीमित नहीं है; इसमें कृत्रिम रूप से निर्मित तत्व शामिल हो सकते हैं। विकास ने पक्षियों और उड़ान को उत्पन्न किया है। लेकिन यह टाइटेनियम पंखों के साथ एक सुपरसोनिक पक्षी का उत्पादन नहीं कर सकता है। पारिस्थितिक तंत्र में प्राकृतिक चयन की यूनिडायरेक्शनल प्रक्रिया का तात्पर्य क्रमिक परिवर्तन से है। एआई इतना सीमित नहीं है। इस प्रकार, संभावित ऐ की सीमा विदेशी खुफिया की सीमा से भी अधिक व्यापक है, जो बदले में, मानव बुद्धि की सीमा से अधिक है।


इस प्रकार, एआई एक बहुत बड़ी जगह है, इतना बड़ा कि सामान्य मानव इसके आकार के बारे में अनुमान लगाता है अक्सर परिमाण के आदेशों से भिन्न होता है।
एआई के बारे में एक बड़ा सवाल यह है कि यह वास्तव में कितना स्मार्ट है। तीन बिंदुओं के साथ बुद्धि के एक स्पेक्ट्रम की कल्पना करें: एक माउस, एक मोरन, और आइंस्टीन। इस पैमाने पर AI कहां मिलता है?


हम सोचते हैं कि आइंस्टीन की तुलना में एआई थोड़ा चालाक है। लेकिन एक प्राथमिकता यह स्पष्ट नहीं है कि पैमाने आगे क्यों नहीं बढ़ सकते हैं, बहुत आगे। हम उन चीजों की ओर रुख करते हैं जो औसत दर्जे की हैं। लेकिन यह अलौकिक बुद्धिमत्ता से अधिक यथार्थवादी क्यों है, इतना स्मार्ट कि इसे मापना कठिन है? यह संभव है कि माउस के लिए सापेक्षता के सिद्धांत को समझना आसान होगा क्योंकि हम समझेंगे कि सुपर कंप्यूटर एआई के साथ कैसे काम करता है।

एआई के साथ भविष्य कोई अन्य भविष्य की तरह पहचानने योग्य नहीं होगा। एक जैव-प्रौद्योगिकीय भविष्य में बेहतर कार्य करने वाले लोग शामिल होंगे, लेकिन फिर भी पहचानने योग्य मानव रूप में। एक रेट्रो-भविष्य में वे चीजें शामिल होंगी जिन्हें पहले से ही अतीत में आजमाया गया था और फिर से जीवित किया गया था। लेकिन AI में मौलिक रूप से अलग और काफी हद तक समझ से बाहर होने की क्षमता है।

वहाँ रहस्यमय धर्मशास्त्रीय समानताएं हैं जिन्हें आप देख सकते हैं। भगवान मध्य युग के लिए हो सकता है कि एआई हमारे लिए क्या बन जाएगा। क्या एआई भगवान बनेगा? क्या वह सर्वशक्तिमान होगा? क्या वह हमसे प्यार करेगा? इन सवालों के जवाब नहीं हो सकते हैं। लेकिन वे अभी भी पूछने लायक हैं।

द्वितीय। अपूर्णता ए.आई.

ट्यूरिंग टेस्ट एक लंबे समय से चली आ रही क्लासिक परीक्षा है जिसमें दिखाया गया है कि क्या आप एक ऐसी मशीन का निर्माण कर सकते हैं जो बुद्धिमानी से व्यक्ति की तरह व्यवहार करे। यह मानव व्यवहार के उस हिस्से पर केंद्रित है जो बुद्धि द्वारा नियंत्रित होता है। हाल ही में, यह लोकप्रिय समस्या बुद्धिमान कंप्यूटरों के प्लेन से एम्पथिक कंप्यूटरों के विमान में स्थानांतरित हो गई है। जाहिर है, आज लोग कंप्यूटर इंटेलीजेंस में अधिक रुचि रखते हैं, लेकिन क्या कंप्यूटर हमारी भावनाओं को समझ सकते हैं। इससे कोई फर्क नहीं पड़ता है कि वे शास्त्रीय अर्थों में कितने बुद्धिमान हैं - अगर कंप्यूटर के लिए मानव आंख के आंदोलन एक भावनात्मक प्रेरक एजेंट नहीं हैं, तो यह अभी भी कुछ मायने में हमारे नीचे खड़ा होगा।


प्रौद्योगिकी का इतिहास मूल रूप से प्रौद्योगिकी को बदलने वाले लोगों की कहानी है। एक हल, एक प्रिंटिंग प्रेस, एक जिनिंग मशीन - यह सब व्यापार से लोगों को हटा दिया। मशीनों का आविष्कार व्यापार को अधिक कुशलता से करने के लिए किया गया था। हालांकि, अगर लोगों को प्रतिस्थापित करना बुरा है, तो एक विपरीत विचार है कि मशीनें अच्छी हैं। यहां मौलिक प्रश्न यह है कि क्या AI वास्तव में मनुष्यों की जगह लेगा। प्रतिस्थापन का प्रभाव एक अस्पष्ट, लगभग राजनीतिक मुद्दा है जो कि भविष्य के एआई से अटूट रूप से जुड़ा हुआ लगता है।

दो मूल प्रतिमान हैं। लुडाईट प्रतिमान कहता है कि कारें खराब हैं, और उन्हें नष्ट करने से पहले आपको उन्हें नष्ट करना होगा। यह उसी प्रकार है जैसे कपड़ा श्रमिक कपास की कताई मशीनों को नष्ट कर देते हैं ताकि वे कपास प्रसंस्करण उद्योग पर कब्जा न करें। इसके विपरीत, रिकार्डो के प्रतिमान का तर्क है कि प्रौद्योगिकी एक मौलिक अर्थ में एक आशीर्वाद है। यह अर्थशास्त्री डेविड रिकार्डो का व्यापार अनुमान है: जबकि प्रौद्योगिकी लोगों को प्रतिस्थापित करती है, यह उन्हें अधिक उपलब्धियों के लिए मुक्त करती है।


रिकार्डो द्वारा व्यापार के सिद्धांत के आधार पर, यह तर्क दिया जा सकता है कि अगर चीन कारों को अमेरिका में निर्माण की तुलना में सस्ता बना सकता है, तो चीन में कार खरीदना हमारे लिए अच्छा है। हां, डेट्रायट में लोग अपनी नौकरी खो देंगे। लेकिन उन्हें मुंहतोड़ जवाब दिया जा सकता है। और स्थानीय गड़बड़ी के बावजूद, कुल मूल्य को अधिकतम किया जा सकता है।


ऊपर दिए गए रेखांकन मूल सिद्धांत को दर्शाते हैं। व्यापार के बिना, आपको कम प्रदर्शन मिलता है। उत्पादन और विशेषज्ञता के संयोजन के साथ, आप अपनी सीमाओं का विस्तार करते हैं। महान मूल्य बनाया जाता है। संदर्भ का यह ट्रेडिंग फ्रेम प्रौद्योगिकी को देखने का एक तरीका है। कुछ कताई मिल श्रमिक अपनी नौकरी खो देंगे, लेकिन टी-शर्ट का कारखाना मूल्य थोड़ा कम हो जाएगा। इस प्रकार, जो श्रमिक दूसरी नौकरी पाते हैं, वे अब कुछ अधिक कुशल हैं और एक ही पैसे के लिए अधिक कपड़े खरीद सकते हैं।

सवाल यह है कि क्या एआई के साथ व्यापार करने के लिए कुछ रहेगा। यह शुद्ध रिकार्डो होगा। श्रम का एक प्राकृतिक विभाजन है। लोग कुछ चीजों में अच्छे हैं। कंप्यूटर दूसरों में अच्छे हैं। चूंकि वे एक दूसरे से काफी अलग हैं, इसलिए ट्रेडिंग के अपेक्षित लाभ अधिक हैं। इस प्रकार, वे व्यापार करते हैं और इन लाभों को महसूस करते हैं। इस परिदृश्य में, AI मनुष्यों के लिए एक विकल्प नहीं है, बल्कि एक पूरक है।

हालांकि, यह सब लाभ के सापेक्ष परिमाण पर निर्भर करता है। उपरोक्त परिदृश्य को महसूस किया जाता है कि क्या एआई मानव बुद्धि से थोड़ा बेहतर है। लेकिन चीजें अलग-अलग हो सकती हैं अगर एआई बहुत बेहतर हो जाए। क्या होगा अगर वह किसी भी क्षेत्र में एक व्यक्ति से 3,000 गुना अधिक कर सकता है? क्या एआई के लिए हमारे साथ व्यापार करना बिल्कुल सही होगा? लोग, आखिरकार, चूहों और बंदरों के साथ व्यापार नहीं करते हैं। इसलिए, हालांकि रिकार्डो का सिद्धांत एक मजबूत आर्थिक धारणा है, चरम मामलों में लुडाइट प्रतिमान के पक्ष में तर्क हैं।


आप नियंत्रण के लिए संघर्ष के रूप में स्थिति को सुधार सकते हैं। लोग ब्रह्मांड को कितना नियंत्रित करते हैं? जैसे ही AI मजबूत होता है, हम अधिक नियंत्रण हासिल करते हैं। लेकिन तब एआई एक विभक्ति बिंदु पर पहुंच जाता है जहां वह अलौकिक हो जाता है, और हम पूरी तरह से नियंत्रण खो देते हैं। यह अधिकांश प्रौद्योगिकियों से एक गुणात्मक अंतर है जो लोगों को बिना अंत के दुनिया पर अधिक नियंत्रण देता है। अधिकांश तकनीकों में कोई विभक्ति बिंदु नहीं है। इसलिए जब तक कंप्यूटर हमें नियंत्रण प्रदान कर सकते हैं और अज्ञात को दूर कर सकते हैं, तब तक बहुत दूर जाने का मौका है। हम क्लाउड में एक सुपर कंप्यूटर बना सकते हैं जो खुद ज़ीउस को कॉल करता है और लोगों पर बिजली के बोल्ट शूट करना शुरू करता है।

तृतीय। एआई सुविधाएँ

महानता और समझदारी दिलचस्प सवाल हैं। लेकिन यह सवाल कि क्या यह संभव है, और एआई की मदद से पैसे कैसे जुटाना संभव है, और भी दिलचस्प हो सकता है। तो एआई द्वारा हमें दिए गए अवसर कितने महान हैं?

A. क्या यह AI के लिए बहुत जल्दी है?

कक्षा में हमने जो कुछ भी बात की वह महत्वपूर्ण है। समय का मुद्दा यहां विशेष रूप से महत्वपूर्ण है। अब यह एआई के लिए बहुत जल्द हो सकता है। न्यायोचित तर्कों की आवश्यकता है। हम जानते हैं कि अक्सर भविष्य की परियोजनाएँ विफल हो जाती हैं। 70 के दशक के सुपरसोनिक विमान विफल हो गए: वे बहुत शोर थे, लोगों ने उनके बारे में शिकायत की। 90 और 1999 के स्मार्टफ़ोन से iPad जैसे हैंडहेल्ड विफल रहे। सिरी शायद अभी भी एक प्रारंभिक पक्षी है। इसलिए यह अभी भी बहुत स्पष्ट नहीं है कि क्या AI का समय आ गया है।

लेकिन हम एआई के बारे में बायोटेक जैसी चीजों के साथ तुलना करके बहस करने की कोशिश कर सकते हैं। यदि आपके पास बायोटेक 2.0 की श्रेणी से एआई या चीजें करने का अवसर था, जिसे हमने पिछले पाठ में कवर किया था, तो पारंपरिक दृष्टिकोण दिखाएगा कि बायोटेक सही विकल्प है। शायद जैव सूचना क्रांति पहले से ही लोगों को प्रभावित करने लगी है, या निकट भविष्य में शुरू होगी, और एआई का वास्तविक उपयोग बहुत अधिक दूर है। लेकिन पारंपरिक दृष्टिकोण हमेशा सही नहीं होता है।

B. सर्वसम्मति और संशयवाद

"द टॉप 5 वेंचर इनवेस्टर्स, 10 टेक्नोलॉजी ट्रेंड्स" (5 टॉप वीसी, 10 टेक ट्रेंड्स) नामक एक कार्यक्रम पिछले सप्ताह सांता क्लारा में हुआ था। प्रत्येक निवेशक ने अगले 5 वर्षों के लिए प्रौद्योगिकी के बारे में दो भविष्यवाणियां कीं। अगर वह प्रत्येक भविष्यवाणी से सहमत है तो दर्शकों ने मतदान किया। मेरी एक भविष्यवाणी यह ​​थी कि जीव विज्ञान सूचना विज्ञान में बदल जाएगा। दर्शकों ने मतदान किया: हरे रंग का एक समुद्र। 100% भविष्यवाणी से सहमत हैं। एक भी असंतोष नहीं। शायद हमें घबराहट होनी चाहिए। जनता के बीच एकमत होना बहुत भ्रामक हो सकता है। शायद यह "सूचना प्रौद्योगिकी के रूप में जैव प्रौद्योगिकी" के बारे में अधिक दृढ़ता से सोचने योग्य है।

एकमात्र विचार जो लोगों ने सोचा था कि बुरा था कि सभी कारें इलेक्ट्रिक हो जाएंगी। 92% दर्शकों ने इसके खिलाफ मतदान किया। इलेक्ट्रिक कारों के खिलाफ पक्षपाती होने के कई कारण हैं। लेकिन अब एक कारण कम है।

AI पर चर्चा करने के लिए निकटतम प्रश्न यह था कि क्या मूर का कानून लागू रहेगा? दर्शकों ने इस पर 50/50 का विभाजन किया। यदि यह काम करना जारी रखता है, अर्थात, यदि हर 18 महीने में दोहरीकरण से अधिक होगा, तो ऐसा लगता है कि हमें आने वाले वर्षों में एआई जैसा कुछ मिलेगा। और एक ही समय में, ज्यादातर लोग मानते हैं कि बायोटेक 2.0 की तुलना में एआई हमसे बहुत आगे है।

सी। (छिपी) सीमा

बायोटेक और एआई की तुलना करने का एक तरीका यह सोचना है कि क्या गंभीर हैं - और शायद छिपे हुए हैं - उनमें से प्रत्येक में सीमाएं हैं। बायोटेक क्रांति की साजिश: हम सभी प्रकार की बीमारियों को उल्टा करने और ठीक करने जा रहे हैं, इसलिए यदि आप बस पल में रहते हैं, तो आप हमेशा के लिए रह सकते हैं। यह एक अच्छी कहानी है। हालांकि, यह बहुत संभावना है कि छिपे हुए अवरोध, नुकसान हैं। उदाहरण के लिए, यह संभव है कि मानव शरीर की विभिन्न प्रणालियाँ संतुलन प्राप्त करने के लिए एक-दूसरे के विरुद्ध कार्य करें। टेलोमेरेस कई बार असीमित संख्या में कोशिकाओं को विभाजित करने में मदद करता है। यह महत्वपूर्ण है क्योंकि यदि कोशिकाएं विभाजित नहीं होती हैं, तो आप बढ़ना बंद कर देते हैं और उम्र बढ़ने लगते हैं। तो तर्क की पहली पंक्ति यह है कि आपको रेड वाइन पीने और टेलोमेरेस को संरक्षित करने के लिए हर संभव प्रयास करना होगा।


समस्या यह है कि असीमित कोशिका विभाजन कुछ बिंदु पर कैंसर जैसा दिखने लगता है। इसलिए यह संभव है कि उम्र बढ़ने और कैंसर परस्पर एक-दूसरे को प्रभावित करते हैं। अगर लोगों की उम्र नहीं होती, तो वे कैंसर से तेजी से मर जाते। लेकिन अगर आप टेलोमेरेस को जल्द बंद कर देते हैं, तो आप जल्दी बूढ़े हो जाते हैं। एक समस्या को खत्म करते हुए, हम एक और प्राप्त करते हैं। यह स्पष्ट नहीं है कि सही संतुलन कहाँ है, क्या इन बाधाओं को बिल्कुल भी दूर किया जा सकता है, क्या वे वास्तव में मौजूद हैं।

एआई दुनिया में सबसे संभावित बाधा उम्मीदवार कोड जटिलता है। एक ऐसी सीमा हो सकती है जहाँ सॉफ्टवेयर बहुत जटिल हो जाता है क्योंकि आप कोड की नई लाइनें बनाते हैं। एक निश्चित बिंदु के बाद, इतना अधिक है कि पालन करने की आवश्यकता है कि कोई भी यह नहीं समझता है कि क्या हो रहा है। डिबगिंग मुश्किल या पूरी तरह से असंभव हो जाता है। कुछ दशकों में माइक्रोसॉफ्ट विंडोज के बारे में ऐसा ही कुछ कहा जा सकता है। वह खूबसूरत थी। शायद इसमें थोड़ा सुधार किया जा सकता है, या पहले से ही था। हालांकि, इसमें महत्वपूर्ण छिपी बाधाएं मौजूद हो सकती हैं। सिद्धांत रूप में, आप किसी चीज़ को बेहतर बनाने के लिए कोड की पंक्तियों को जोड़ते हैं। लेकिन वे इसे केवल बदतर बना सकते हैं।


घातीय आशा और विषमतावादी वास्तविकता के बीच मौलिक संघर्ष। एक आशावादी रूप एक घातीय वक्र है। हम उसके लिए बोल सकते हैं, लेकिन वह अज्ञात लगता है। सवाल यह है कि जब स्पर्शोन्मुख प्रभाव में आता है, और क्या यह आएगा।


और ऐ संस्करण:

डी। एआई का नेतृत्व करता है

जैव प्रौद्योगिकी में नए बनाने और एआई के बीच कई समानताएं हैं। हालांकि, AI पर ध्यान केंद्रित करने के तीन अलग-अलग फायदे हैं:
1. इंजीनियरिंग की स्वतंत्रता
2. नियमन और नियमन से स्वतंत्रता
3. अंडर-अन्वेषण (रुझानों के विपरीत कार्रवाई)

इंजीनियरिंग की स्वतंत्रता इस तथ्य से जुड़ी है कि जैव प्रौद्योगिकी और एआई मौलिक रूप से बहुत अलग हैं। जीव विज्ञान प्रकृति में विकसित हुआ है। कभी-कभी लोग जैविक प्रक्रियाओं को चित्र के रूप में प्रस्तुत करते हैं। लेकिन उन्हें व्यंजनों के रूप में प्रस्तुत करना अधिक सटीक होगा। जीवविज्ञान निर्देशों का एक समूह है। भोजन और पानी जोड़ें और 9 महीने तक सेंकना करें। और इस तरह के निर्माण पूरी श्रृंखला हैं। यदि पाई आपके लिए काम नहीं करती है, तो इसे सिर्फ रसोई की किताब को देखकर ठीक करना बहुत मुश्किल है।


यह एक आदर्श उपमा नहीं है। लेकिन कुल मिलाकर, AI एक ड्राइंग की तरह है। प्रीसेट-आधारित बायोटेक के विपरीत, AI चरणों के सटीक अनुक्रम पर बहुत कम निर्भर है। आपके पास विभिन्न संयोजनों में चीजों को बिछाने के लिए अधिक इंजीनियरिंग स्वतंत्रता है। जैविक नुस्खा को बदलने की प्रक्रिया में, खरोंच से एक ड्राइंग बनाने की तुलना में बहुत कम स्वतंत्रता है।


कानून के दृष्टिकोण से, कट्टरपंथी अंतर इस तथ्य में निहित है कि बायोटेक बहुत भारी विनियमित है। एक नई दवा के विकास में 10 साल लगते हैं और इसकी लागत 1.3 बिलियन डॉलर है। इस काम में एक टन सावधानियां बरती जाती हैं। एफडीए ( खाद्य और औषधि प्रशासन ) 4,000 लोगों को रोजगार देता है।

एआई, इसके विपरीत, एक अनियमित क्षेत्र है। जैसे ही आपका सॉफ्टवेयर तैयार होगा आप शुरू कर सकते हैं। यह आप $ 1 मिलियन, या कई मिलियन खर्च कर सकते हैं। लेकिन एक अरब नहीं। आप अपने तहखाने में काम कर सकते हैं। यदि आप अपने तहखाने में इबोला या चेचक को संश्लेषित करने की कोशिश करते हैं, तो आप कई तरह की परेशानियों में पड़ सकते हैं। लेकिन अगर आप सिर्फ अपने तहखाने में एआई में काटना चाहते हैं, तो यह ठीक है। कोई तुम्हारे लिए नहीं आएगा। शायद तथ्य यह है कि नौकरशाह और राजनेता कल्पना के बिना शैतान हैं। शायद सांसदों को एआई में कोई दिलचस्पी नहीं है। किसी भी मामले में, जो भी कारण हो, आप काम करने के लिए स्वतंत्र हैं।

इसके अलावा, जैव प्रौद्योगिकी के संबंध में एआई अनिर्दिष्ट है। एक 2x2 मैट्रिक्स की कल्पना करें; एक धुरी पर, आपके पास एक समझदार - उच्च अन्वेषण है। दूसरी धुरी पर, आम सहमति एक विरोधाभास है। बायोटेक 2.0 उच्च अनुसंधान और आम सहमति के चतुर्थांश में आता है, जो निश्चित रूप से सबसे खराब है। "यह अगली बड़ी सफलता है," सांता क्लारा दर्शकों को 100% आश्वस्त था। AI, इसके विपरीत, अंडर-अन्वेषण और विरोधाभास के चतुर्थांश में आता है। लोग दशकों से एआई के बारे में बात करते हैं। लेकिन आर्टिफिशियल इंटेलिजेंस कभी नहीं हुआ। इस प्रकार, कई लोग अपने खर्च पर निराशावादी बन गए, और अपना ध्यान केंद्रित किया। यह उन लोगों के लिए बहुत अच्छा हो सकता है जो एआई पर ध्यान केंद्रित करना चाहते हैं।


पेपल, ल्यूक नोजक के आग्रह पर, अपने कर्मचारी लाभ पैकेज में क्रायोजेनिक्स को शामिल करने वाली इतिहास की पहली कंपनी थी। हमारे पास एक टपरवेयर-शैली की पार्टी थी, जहां क्रायोजेनिक कंपनियों के प्रतिनिधियों ने लोगों को न्यूरो-फ्रीजिंग के लिए $ 50k या पूरे शरीर को ठंड के लिए $ 120k के लिए साइन अप करने के लिए मनाने की कोशिश की। सबकुछ ठीक हो गया, लेकिन तब वे शर्तों को प्रिंट नहीं कर सके, क्योंकि उन्हें अपने मैट्रिक्स प्रिंटर को काम करने के लिए नहीं मिला। इसलिए, हो सकता है, बायोटेक काम करने के लिए जैसा कि आपको होना चाहिए, आपको AI को सामने की ओर धकेलना होगा।

चतुर्थ। सैडल ऐ

आज, एआई से जुड़ी चीजों से निपटने वाली तीन अलग-अलग कंपनियों के लोग हमारी बातचीत में शामिल हुए। उनमें से दो - विकारी और पूर्व ज्ञान - प्रारंभिक अवस्था में हैं। तीसरा, पलंतीर, बड़ा।

विकैरियस मानव मस्तिष्क के मूल सिद्धांतों का उपयोग करने वाले एल्गोरिदम को विकसित करके एआई का निर्माण करने की कोशिश कर रहा है। उनका मानना ​​है कि उच्च-स्तरीय अवधारणाएं दुनिया के साथ बातचीत के सांसारिक अनुभव से ली गई हैं, और इसलिए एआई के निर्माण के लिए शुरुआत की आवश्यकता है, मानव सेंसर कैसे काम करते हैं, इसकी व्याख्या। इस प्रकार, उनका पहला कदम एक दृष्टि प्रणाली का निर्माण करना है जो छवियों को समझता है जिस तरह से एक व्यक्ति करता है। इस अकेले में विभिन्न व्यावसायिक अनुप्रयोग होंगे - उदाहरण के लिए, छवि खोज, रोबोटिक्स, मेडिकल डायग्नोस्टिक्स - लेकिन दीर्घकालिक योजना दृष्टि से परे जाकर समग्र रूप से एक बुद्धिमान मशीन बनाने की है।


प्राथमिक ज्ञान एआई के निर्माण के लिए एक अलग दृष्टिकोण लेता है। उनका लक्ष्य कुछ हद तक मस्तिष्क के कार्यों का अनुकरण है, और अधिक हद तक - बड़ी मात्रा में डेटा के प्रसंस्करण के विभिन्न तरीकों का विकास। वे बड़े डेटा सेटों में पैटर्न की मान्यता और कारण के लिए बायेसियन संभाव्य दृष्टिकोण का एक सेट लागू करते हैं। एक अर्थ में, यह मस्तिष्क का अनुकरण करने के विपरीत है; एक बुद्धिमान मशीन को परिष्कृत गणितीय एल्गोरिदम का उपयोग करके बड़ी मात्रा में डेटा को संसाधित करना चाहिए जो कि अधिकांश लोगों की रोजमर्रा की जिंदगी में चीजों का विश्लेषण करने से अलग हैं।

पलान्टिर की बड़ी अंतर्दृष्टि यह है कि आतंकवादियों को रोकने का सबसे अच्छा तरीका एक प्रतिगमन विश्लेषण नहीं करना है जब आप यह देखते हैं कि अतीत में उन्होंने क्या किया था, यह भविष्यवाणी करने के लिए कि वे भविष्य में क्या करेंगे।खेल सिद्धांत के पक्ष से दृष्टिकोण करना बेहतर है। Palantir का काम कृत्रिम बुद्धिमत्ता में बिलकुल फिट नहीं है, यह संवर्धित बुद्धिमत्ता के बारे में अधिक है। यह रिकार्डियन ट्रेडिंग प्रतिमान के लाभों के साथ बहुत स्पष्ट रूप से फिट बैठता है। कुंजी आदमी और कंप्यूटर के बीच सही संतुलन खोजने के लिए है। यह पेपल की धोखाधड़ी-रोधी तकनीक के समान है। लोग धोखाधड़ी की समस्या को हल नहीं कर सके, क्योंकि लाखों का लेनदेन हुआ। कंप्यूटर इसे हल नहीं कर सके क्योंकि धोखाधड़ी पैटर्न बदल रहे थे। लेकिन अगर कंप्यूटर जटिल गणना करता है, और व्यक्ति एआई के कमजोर रूप के रूप में अंतिम विश्लेषण करता है, तो यह ऐसे मामलों में इष्टतम हो जाता है।


तो चलिए डॉक्टर से बात करते हैं। स्कॉट डी। ब्राउन ऑफ़ विकरियस, पूर्व ज्ञान के एरिक जोनास और पालेंटिर के बॉब मैकग्रे।

वी। संभावनाएँ

पीटर थिएल : स्पष्ट प्रश्न विकरियस और पूर्व ज्ञान के लिए है: एक मजबूत एआई को अभी करने की आवश्यकता क्यों है, और 10-15 वर्षों में नहीं?

एरिक जोनास : परंपरागत रूप से, हमने एक मजबूत एआई की वास्तविक आवश्यकता का अनुभव नहीं किया है। अब वह दिखाई दी है। अब हमारे पास पहले से कहीं अधिक जानकारी है। तो, सबसे पहले, यह सब डेटा हमें कुछ करने की आवश्यकता है। दूसरे, AWS होने का मतलब है कि आपको अब डेटा के टेराबाइट्स पर चबाने के लिए सर्वर फ़ार्म बनाने की ज़रूरत नहीं है। इसलिए, हम मानते हैं कि आवश्यकता के संयुक्त प्रभाव और कंप्यूटिंग की संभावना बायेसियन डेटा प्रोसेसिंग को अर्थ से भर देती है।

स्कॉट ब्राउन : यदि आधुनिक रुझान जारी रहता है, तो 14 वर्षों तक दुनिया में सबसे तेज सुपर कंप्यूटर संयुक्त रूप से सभी जीवित लोगों के सभी न्यूरॉन्स की तुलना में प्रति सेकंड अधिक संचालन करने में सक्षम होगा। इस शक्ति का हम क्या करेंगे? वास्तव में, हम नहीं जानते। इसलिए, शायद हमें अगले 13 साल उस एल्गोरिदम की खोज में बिताने चाहिए जो हम चलाएंगे। एक चंद्रमा के आकार का सुपर कंप्यूटर केवल कुछ भी नहीं देता है। अगर वह कुछ नहीं करता है तो वह बुद्धिमान नहीं हो सकता। इसलिए, समय के बारे में सवाल के जवाब में से एक यह है कि हम बस देखते हैं कि सब कुछ कहां चल रहा है, और हमारे पास इस पर काम करने का समय है। कंप्यूटिंग शक्ति की अनिवार्यता एक शक्तिशाली चालक है। इसके अलावा, बहुत कम लोग मजबूत AI पर काम कर रहे हैं। अधिकांश भाग के लिए, वैज्ञानिक नहीं हैं, क्योंकि उनकी प्रेरक संरचना अजीब है। उनके पास एक विकृत प्रेरणा है जो उन्हें केवल क्रमिक सुधार करने के लिए प्रोत्साहित करती है। और ज्यादातर निजी कंपनियां इस पर काम नहीं करती हैं क्योंकि वे अब पैसा बनाना चाहते हैं। बहुत से ऐसे लोग नहीं हैं जो एक मजबूत एआई के साथ 10-वर्षीय "मैनहट्टन प्रोजेक्ट" करना चाहते हैं, जहां एकमात्र प्रेरणा आज और उस पल के बीच औसत दर्जे का मील का पत्थर है जब कंप्यूटर सोच सकते हैं।

पीटर थिएल : आपको क्यों लगता है कि मस्तिष्क का अनुकरण सही दृष्टिकोण है?

स्कॉट ब्राउन : स्पष्ट करने के लिए: हम वास्तव में अनुकरण में नहीं लगे हैं। यदि आप एक विमान का निर्माण करते हैं, तो आप सफल नहीं होंगे यदि आप पंख के साथ एक फ़्यूच्यूनटेलिंग टुकड़ा बनाते हैं। आप बल्कि उड़ान के सिद्धांतों को देखते हैं। आप पंखों, वायुगतिकी, लिफ्ट आदि का अध्ययन करते हैं और कुछ ऐसा निर्माण करते हैं जो इन सिद्धांतों को दर्शाता है। हम मानव मस्तिष्क के सिद्धांतों को समान रूप से देखते हैं। पदानुक्रम, दुर्लभ चित्र आदि हैं। - वह सब कुछ जो खोज अंतरिक्ष में एक संरचना का गठन करता है। और हम सिस्टम बना रहे हैं जो इन तत्वों को शामिल करते हैं।

पीटर थिएल : एक लड़ाई शुरू करने की कोशिश किए बिना, हम बॉब से पूछते हैं: संवर्धित खुफिया मजबूत एआई की तुलना में अधिक सही क्यों है?

बॉब मैकग्रे : एआई की अधिकांश सफलताएं ट्यूरिंग टेस्ट को सफलतापूर्वक पास करने वाली चीजें नहीं थीं। वे विशिष्ट समस्याओं के समाधान थे। एक आत्म-ड्राइविंग कार, उदाहरण के लिए, एक वास्तविक शांत है। लेकिन वह सामान्य रूप से बुद्धिमान नहीं है। उदाहरण के लिए, मशीन अनुवाद में या इमेज प्रोसेसिंग में अन्य सफलताएं, मनुष्यों के लिए दुनिया के तेजी से जटिल मॉडल और उनके नए कंप्यूटर अनुकूलन को पेश करने की क्षमता शामिल हैं। दूसरे शब्दों में, सभी महान सफलताएं व्यापारिक लाभ से प्राप्त हुई हैं। लोग किसी चीज़ में कंप्यूटर से बेहतर हैं, और इसके विपरीत।

संवर्धित बुद्धि काम करती है क्योंकि यह वैचारिक समझ पर केंद्रित है। यदि समस्या के लिए कोई मॉडल नहीं है, तो आपको इसके लिए एक अवधारणा विकसित करनी चाहिए। कंप्यूटर यह बहुत खराब तरीके से करते हैं। एक एआई का निर्माण करना जो सिर्फ आतंकवादियों की तलाश है, एक भयानक विचार है। आपको एक ऐसी मशीन बनाने की आवश्यकता होगी जो एक आतंकवादी की तरह सोचती हो। हम अभी भी लगभग 20 वर्ष के हैं। लेकिन कंप्यूटर डाटा प्रोसेसिंग और पैटर्न मिलान में अच्छे हैं। और लोग वैचारिक अवधारणाओं को विकसित करने में अच्छे हैं। इन चीजों को एक साथ रखें और आपको एक संवर्धित खुफिया दृष्टिकोण मिलता है, जहां ट्रेडिंग लाभ आपको ऊर्ध्वाधर के बाद समस्याओं को हल करने की अनुमति देता है।

पीटर थिएल : आप एक मजबूत एआई के लिए समय क्षितिज के बारे में क्या सोचते हैं? अगर हम उससे 5-7 साल बड़े हैं - यह एक बात है। लेकिन 15-20 साल पहले से ही एक और है।

एरिक जोनास : यह एक कपटी सवाल है। एक कंपनी और एक अनुसंधान घटना के बीच संतुलन खोजना हमेशा आसान नहीं होता है। लेकिन हमारा लक्ष्य बस ऐसी मशीनें बनाना है जो डेटा में ऐसी चीजें पा सकें जो लोगों को नहीं मिल सकती हैं। यह 5 साल का लक्ष्य है। यह एक संयुक्त लाभ होगा अगर हम इन बायेसियन सिस्टम का निर्माण करते हैं ताकि वे एक साथ काम कर सकें। लिनक्स कर्नेल में कोड की 30 मिलियन लाइनें होती हैं। लेकिन लोग इन 30 मिलियन लाइनों में खुदाई किए बिना एंड्रॉइड ऐप बना सकते हैं। इसलिए हम इस बात पर ध्यान केंद्रित करते हैं कि हम अब जो कर रहे हैं उसका उपयोग उन बड़ी समस्याओं को हल करने के लिए किया जा सकता है जो लोग 15 वर्षों में काम करेंगे।

पीटर थिएल : वेब या मोबाइल ऐप्स में सिलिकॉन वैली की अधिकांश कंपनियां जो करती हैं, उससे AI काफी अलग है। चूंकि इंजीनियर इन स्टार्टअप के लिए प्रयास कर रहे हैं, आप भर्ती के संदर्भ में क्या कर रहे हैं?

स्कॉट ब्राउन : हम लोगों से पूछते हैं कि उनके लिए क्या महत्वपूर्ण है। बहुत से लोग इतिहास पर एक छाप छोड़ना चाहते हैं। वे नहीं जानते कि यह कैसे करना सबसे अच्छा है, लेकिन वे इसे चाहते हैं। इसलिए हम इस बात पर जोर देते हैं कि एक मजबूत एआई के निर्माण की तुलना में कुछ अधिक महत्वपूर्ण करना मुश्किल है। फिर, यदि वे रुचि रखते हैं, तो हम उनसे पूछते हैं कि वे एक मजबूत एआई की कल्पना कैसे करते हैं। वृद्धिशील परीक्षण क्या कुछ करने के लिए पारित करने के लिए कुछ करने की जरूरत है एअर इंडिया के रास्ते पर एक बिंदु हो? वे कुछ परीक्षण लाते हैं। और हम अपने रोडमैप के साथ उनके मानकों की तुलना करते हैं, और जो हमने पहले ही हासिल कर लिया है। इस क्षण से यह स्पष्ट हो जाता है कि विकर्सियस वह जगह है जहां आपको बुद्धिमान मशीन बनाने के बारे में गंभीर होने की आवश्यकता है।

श्रोताओं से प्रश्न : यदि आप सफल होते हैं, तो आपके द्वारा AI बनाने के बाद क्या होता है? प्रतियोगिता के खिलाफ आपकी सुरक्षा क्या है?

स्कॉट ब्राउन : प्रक्रिया का ही हिस्सा है। राइट भाइयों ने विमान को कुछ गुप्त सूत्र नहीं बनाने में मदद की, जो उन्होंने अचानक काट लिया। यह स्वच्छ, नियंत्रित प्रयोगों के लिए एक सख्त पालन था। उन्होंने छोटी शुरुआत की और एक पतंग का निर्माण किया। हमने इसके यांत्रिकी की गणना की। फिर उन्होंने गैर-मोटर ग्लाइडर्स पर स्विच किया। और जैसे ही उन्होंने नियंत्रण तंत्र को समझा, वे आगे बढ़ गए। पूरी प्रक्रिया के परिणामस्वरूप, उनके पास एक ऐसी चीज थी जो उड़ सकती थी। इसलिए सफलता की कुंजी यह समझना है कि हर चरण में हर टुकड़े की आवश्यकता क्यों है, और आखिरकार, वे एक साथ कैसे फिट होते हैं। चूंकि गुणवत्ता परिणाम के पीछे छिपी प्रक्रिया से उत्पन्न होती है, इसलिए परिणाम बार-बार पुन: उत्पन्न करना मुश्किल होगा। राइट ब्रदर्स पतंग या हमारे विज़न सिस्टम को कॉपी करने से आपको इस बात का अंदाज़ा नहीं होगा कि इसे प्लेन या थिंक कंप्यूटर में बदलने के लिए आपको किस तरह के प्रयोग करने होंगे।

पीटर थिएल : आइए गोपनीयता के मुद्दों पर आगे बढ़ते हैं। क्या अन्य इस पर काम कर रहे हैं? यदि हां, तो क्या कई हैं, या यदि नहीं, तो आपको इस बारे में कैसे पता चला?

एरिक जोनास : हमारे द्वारा उपयोग किए जाने वाले एल्गोरिदम का सेट और वर्ग बहुत अच्छी तरह से परिभाषित है, इसलिए हमें लगता है कि हमारे पास प्रतिस्पर्धी और तकनीकी परिदृश्य की अच्छी समझ है। 200 के आसपास कुछ है - ठीक है, अधिक रूढ़िवादी होने के लिए, कहते हैं, 2,000 - उन लोगों में जो हमारे पास क्या करने के लिए कौशल और उत्साह है। लेकिन क्या वे ठीक उसी तरह की समस्याओं को हल करते हैं, और उसी तरीके से जो हम करते हैं? यह बहुत संभावना नहीं है।

बेशक, पायनियर को कुछ फायदा होगा, साथ ही एआई के संदर्भ में संरक्षित बौद्धिक संपदा भी। लेकिन, भविष्य में 20 वर्षों को देखते हुए, यह सुनिश्चित करने का कोई कारण नहीं है कि अन्य देश संयुक्त राज्य के बौद्धिक संपदा कानूनों का समर्थन करेंगे क्योंकि वे विकसित होते हैं और शामिल होते हैं। जैसे ही आपको पता चलता है कि कुछ संभव है - जैसे ही कोई एआई में एक बड़ी सफलता बनाता है - खोज स्थान बहुत संकुचित हो जाता है। प्रतियोगिता जीवन का एक तथ्य बन जाएगी। प्रक्रिया के बारे में स्कॉट का दृष्टिकोण अच्छा है। बात यह है कि अगर आप बेहतर सिस्टम बनाते हैं और किसी और से बेहतर समझते हैं तो आप आगे रह सकते हैं।

पीटर थिएल : आइए प्रतियोगिता परिहार के विषय को विकसित करें। शायद पालो अल्टो में एक पिज़्ज़ेरिया खोलना एक अच्छा विचार नहीं है, भले ही आप पहले हों। अन्य लोग आएंगे, और यह बहुत भीड़ हो जाएगा। तो क्या रणनीति चुननी है?

स्कॉट ब्राउन : नेटवर्क प्रभाव एक प्रमुख लाभ प्रदान कर सकते हैं। कहें कि आपने महान छवि पहचान सॉफ़्टवेयर विकसित किया है। यदि आप पहले और सबसे अच्छे हैं, तो आप मान्यता की दुनिया में AWS बन सकते हैं। आप एक प्रतिक्रिया लूप बनाते हैं जो आपकी रक्षा करेगा; हर कोई आपके सिस्टम पर बैठेगा, और यह बेहतर हो जाएगा क्योंकि हर कोई इस पर बैठा है।

एरिक जोनास : AWS के प्रतिस्पर्धी हैं, लेकिन अधिकांश भाग के लिए वे शोर के स्तर से अधिक नहीं हैं। नवाचार में AWS अभी भी उनसे एक कदम आगे है। मूल विचार तब भागना है जब निरंतर नेतृत्व आत्मनिर्भर हो। हम डेटा और एल्गोरिदम के साथ एक ही खेल खेलते हैं।

स्कॉट ब्राउन : और आप बेहतर हो जाते हैं जबकि अन्य सिर्फ आपकी नकल करते हैं। मान लीजिए आपने एक अच्छा विजन सिस्टम बनाया है। जब तक लोग आपके V1 की प्रतिलिपि बनाते हैं, तब तक आप अपने एल्गोरिदम को श्रवण और भाषा प्रणालियों पर लागू कर चुके होते हैं। और आपके पास न केवल उनके पास इससे अधिक डेटा है, बल्कि आप नई चीज़ों को बेहतर V1 में भी लाने में सफल रहे।

पीटर थिएल : एआई में मुख्य अस्तित्वगत प्रश्न पर स्विच करना: यह तकनीक कितनी खतरनाक है?

एरिक जोनास : मैं बहुत कम समय प्रौद्योगिकी के खतरों के बारे में चिंता करने में बिताता हूं जब हम लाभदायक हो जाते हैं। इसलिए, मैंने अपने बच्चे का नाम जॉन कॉनर जोनास रखने की योजना बनाई है ...

गंभीरता से, हम जानते हैं कि कम्प्यूटेशनल जटिलता एआई क्षमताओं को सीमित करती है। यह एक दिलचस्प सवाल है। मान लीजिए कि हम रॉबिन हैनसन के अनुसार किसी व्यक्ति को एक बॉक्स में अनुकरण कर सकते हैं। यह अनोखा खतरा क्या है? यह खुफिया लोगों की भलाई के बारे में चिंतित नहीं होगा, इसलिए यह संभावित रूप से हानिकारक है। लेकिन गंभीर सीमाएं हो सकती हैं। बेयस का दृष्टिकोण, एक अर्थ में, अनिश्चितता की स्थिति में कारण का एक अच्छा तरीका है। यह मुझे किस हद तक उत्तेजित करता है: मैं अगली पीढ़ी के बारे में अधिक चिंतित हूं, लेकिन अब हमारे लिए नहीं।

स्कॉट ब्राउन : हम नैतिक अंतर्ज्ञान के लिए कुछ ओर्थोगोनल के रूप में बुद्धि के बारे में बात करते हैं। एआई सटीक भविष्यवाणी करने में सक्षम हो सकता है, लेकिन यह नहीं आंक सकता कि क्या अच्छा है और क्या बुरा। वह सिर्फ एक ओरेकल हो सकता है जो तथ्यों के बारे में बात करता है। इस मामले में, यह किसी भी अन्य तकनीक के समान है; एक प्रारंभिक तटस्थ उपकरण जो उतना अच्छा या बुरा होता है जितना उसका उपयोग करने वाला व्यक्ति अच्छा या बुरा होता है। हम नैतिकता के बारे में बहुत सोचते हैं, लेकिन उस तरीके से नहीं जिस तरह से लोकप्रिय कंप्यूटर दार्शनिक इसके बारे में लिखते हैं। लोग अक्सर इच्छा की उपस्थिति के साथ बुद्धि की उपस्थिति को भ्रमित करते हैं। खुफिया जानकारी के बिना सिर्फ जानकारी है।

पीटर थिएल : तो आप दोनों को विश्वास है कि मूल रूप से यह सब काम करेगा।

स्कॉट ब्राउन : हाँ, लेकिन सपने में नहीं। हमें अपने काम का उसी तरह से इलाज करना चाहिए जैसे बम बनाना या सुपर वायरस बनाना। उसी समय, मुझे नहीं लगता कि स्काईनेट जैसी कठिन स्क्रिप्ट संभव है। हम कुछ क्षेत्रों में कुछ सफलताएं हासिल करेंगे, समुदाय जुड़ेंगे और प्रक्रिया दोहराई जाएगी।

एरिक जोनास : और विश्वास करने का कोई कारण नहीं है कि हम जो एआई बनाते हैं वह एक बेहतर एआई बनाने में सक्षम होगा। शायद ऐसा होगा। लेकिन जरूरी नहीं। सामान्य तौर पर, ये दिलचस्प सवाल हैं। लेकिन जो लोग उन पर बहुत अधिक समय बिताते हैं वे शायद उन लोगों के होने का अंत नहीं करते हैं जो वास्तव में एआई बनाते हैं।

बॉब मैकग्रे : हम पलान्टिर में प्रौद्योगिकी के खतरों को थोड़ा अलग ढंग से देखते हैं, क्योंकि हम एक मजबूत एआई बनाने की कोशिश किए बिना संवेदी डेटा के आसपास संवर्धित खुफिया बनाते हैं। बेशक, कंप्यूटर खतरनाक हो सकते हैं, भले ही वे पूरी तरह से कृत्रिम रूप से बुद्धिमान न हों। इसलिए, हम मानव अधिकारों और निजी संपत्ति वकीलों के साथ मिलकर काम करते हैं, वे हमें एक सुरक्षित ढांचे में काम करने में मदद करते हैं। सही संतुलन खोजना बहुत जरूरी है।

श्रोताओं से प्रश्न : क्या हम वास्तव में मस्तिष्क का अनुकरण करने के लिए पर्याप्त जानते हैं?

एरिक जोनास : हम आश्चर्यजनक रूप से यह समझते हैं कि मस्तिष्क कैसे काम करता है। हम जानते हैं कि लोग समस्याओं का समाधान कैसे करते हैं। लोग कम मात्रा में डेटा को सहज रूप से खोजने के पैटर्न में बहुत अच्छे हैं। कभी-कभी यह प्रक्रिया तर्कहीन लगती है, लेकिन वास्तव में यह बहुत तर्कसंगत हो सकती है। लेकिन हम तंत्रिका तंत्र के पहियों और कोग के बारे में ज्यादा नहीं जानते हैं। हम जानते हैं कि विभिन्न कार्य कार्यान्वित हैं, लेकिन हम यह नहीं जानते कि कैसे। इसलिए लोग अलग-अलग तरीकों का इस्तेमाल करते हैं। हमारे पास अपना दृष्टिकोण है, और शायद हम जो जानते हैं वह एक अनुकरण रणनीति का उपयोग करने के लिए पर्याप्त है। 50/50 का मौका है।

स्कॉट ब्राउन : जैसा कि मैंने कहा, हम मानते हैं कि अनुकरण गलत दृष्टिकोण है। राइट भाइयों को हवाई जहाज के निर्माण के लिए पक्षी शरीर विज्ञान के विस्तृत मॉडल की आवश्यकता नहीं थी। इसके बजाय, हम अपने आप से पूछते हैं: मस्तिष्क बनाने के लिए कौन सी सांख्यिकीय अनियमितताएं प्रकृति का उपयोग करेंगी? यदि आप मुझे देखेंगे, तो आप देखेंगे कि मेरे शरीर को बनाने वाले पिक्सेल दृष्टि के क्षेत्र में बेतरतीब ढंग से नहीं चलते हैं। उन्हें हर पल समय पर समूहीकृत किया जाता है। इसके अनुसार एक पदानुक्रम भी है, अगर मैं अपना चेहरा घुमाता हूं, तो मेरी आंखें और नाक उसके साथ चलती हैं। यह देखते हुए कि यह स्थानिक और अस्थायी पदानुक्रम कैसे संवेदी जानकारी में बदल जाता है, हम एक अच्छा सुराग प्राप्त कर सकते हैं कि हम मस्तिष्क में किस प्रकार की गणना कर सकते हैं। और इसलिए, जब आप मस्तिष्क को देखते हैं, तो आप एक स्थानिक-अस्थायी पदानुक्रम देखते हैं जो दुनिया के बारे में डेटा को दर्शाता है। इन विचारों को एक कठोर गणितीय क्रम में मिलाते हुए और वास्तविक दुनिया पर लागू किए गए परीक्षण के अनुसार - यह हम एआई बनाने की कोशिश करते हैं। तो न्यूरोफिज़ियोलॉजी बहुत मदद करता है, लेकिन केवल एक सामान्य अर्थ में।

श्रोताओं से प्रश्न : दृष्टि प्रणाली को श्रवण, भाषा आदि की प्रणाली में स्थानांतरित करना कितना आसान होगा? यदि एक ऊर्ध्वाधर समस्या को हल करना इतना आसान था और अन्य ऊर्ध्वाधर के समाधान को लागू करना है, तो क्या कोई पहले से ही ऐसा नहीं करेगा? क्या यह मानने का कोई कारण है कि इस तरह के संक्रमण की लागत कम है?

स्कॉट ब्राउन : इस पर निर्भर करता है कि क्या इसके लिए एक सामान्य कॉर्टिकल समोच्च है। इस तथ्य के लिए अच्छा प्रयोगात्मक समर्थन है कि आने वाली दृश्य और ऑडियो जानकारी एक सर्किट द्वारा संसाधित होती है। फेरेट्स के दिमाग में एक हालिया प्रयोग में, ऑप्टिकल जानकारी के तंत्रिका चैनल को मस्तिष्क के उस क्षेत्र में फिर से जोड़ दिया गया जो श्रवण जानकारी को संसाधित करता है। फेरेट्स सामान्य रूप से देखने में सक्षम थे। इसी तरह के परिणाम प्रदर्शित करने वाले कई प्रयोग हैं जो एक सामान्य एल्गोरिथ्म की थीसिस का समर्थन करते हैं जिसे हम "खुफिया" कहते हैं। बेशक, आपको विभिन्न प्रकार के संवेदी डेटा के लिए अपनी स्वयं की सेटिंग्स बनाने की आवश्यकता है, लेकिन हमारा मानना ​​है कि ये एक मास्टर एल्गोरिथ्म की सेटिंग होगी, न कि एक बुनियादी रूप से अलग तंत्र।

एरिक जोनास : मेरा सह-संस्थापक ब्यू इस प्रयोगशाला में एमआईटी में फेरेट्स के साथ था। ऐसा लगता है कि डेटा की समय श्रृंखला में कॉर्टिकल ज़ोन और उनके अनुरूप पैटर्न काफी सजातीय हैं। हम दुनिया को समझते हैं क्योंकि हमारे पास सही एल्गोरिदम नहीं हैं, बल्कि इसलिए भी क्योंकि बहुत अधिक मात्रा में देखी गई जानकारी हमारी मदद करती है। ओवररचिंग लक्ष्य - शायद हम सभी के लिए - इसका लाभ उठाने के लिए दुनिया के बारे में सभी ज्ञान प्राप्त करना है। यह मान लेना उचित है कि कुछ चीजें अन्य कार्यक्षेत्रों में स्थानांतरित हो जाती हैं। उत्पाद विविध हैं; जाहिर है, एक कैमकॉर्डर बनाने से उन्नत भाषण चिकित्सा में मदद नहीं मिलती है। लेकिन, शायद, इस दृष्टिकोण में कई आंशिक संयोग हैं।

पीटर थिएल : क्या कोई डर है कि जिस तकनीक को आप विकसित कर रहे हैं, उसे हल करने के लिए समस्या की आवश्यकता होगी? इस बात की चिंता है कि एआई एक विज्ञान परियोजना की तरह है जिसका फिलहाल कोई अनुप्रयोग नहीं हो सकता है।

एरिक जोनास : हमारा मानना ​​है कि डेटा की बेहतर समझ में कई एप्लिकेशन क्षमताएं हैं। प्रौद्योगिकी के निर्माण और उत्पादों पर ध्यान केंद्रित करने के बीच सही संतुलन खोजना हमेशा एक समस्या है जिसे स्टार्टअप टीमों को हल करना चाहिए। बेशक, हमें विशिष्ट समस्या ऊर्ध्वाधर की पहचान करने और एक विशिष्ट एप्लिकेशन के साथ उत्पाद बनाने की व्यावसायिक आवश्यकताओं का पालन करने की आवश्यकता है। कुंजी एक लंबी अवधि के दृष्टिकोण और रास्ते में विभिन्न लक्ष्यों पर निदेशक मंडल और निवेशकों के साथ मिलकर काम कर रही है।

स्कॉट ब्राउन : हमने विकरियस की स्थापना की क्योंकि हम एआई को क्रैक करना चाहते थे। हमने सोचा था कि कदम दर कदम, कोई एक वास्तविक एआई बनाना चाहेगा। यह पता चला है कि इन चरणों में से कई अपने आप में महान व्यावसायिक महत्व के हैं। अविभाजित वस्तुओं की कम से कम मान्यता लें। अगर हम इस बिंदु पर पहुंचते हैं, तो यह अपने आप में बहुत मूल्यवान होगा। हम इसे उत्पाद के स्तर पर ला सकते हैं और जारी रख सकते हैं। इसलिए, सवाल यह है: क्या आप समस्या के बारे में अपनी दृष्टि को "बेच" सकते हैं और 15 साल में 50/50 की संभावना के साथ जीत के लिए अग्रणी प्रयोगों को अंजाम देने के लिए एक खाली जांच के लिए पूछने के बजाय, पहले मील के पत्थर को विकसित करने के लिए धन जुटा सकते हैं।

बॉब मैकग्रे : आपको लगातार बने रहना होगा। शायद कम लटकने वाले फल नहीं बचे हैं। यदि एक मजबूत AI एक उच्च लटका हुआ फल है (या यहां तक ​​कि एक बहुत ही उच्च लटका हुआ), तो पलंतिर का संवर्धित खुफिया एक बहुत ही उपलब्ध फल है। और हमें एक विलायक ग्राहक मिलने में तीन साल लग गए।

पीटर थिएल : यहां बॉब और पलांट के लिए एक सवाल है। लोगों द्वारा डिफ़ॉल्ट रूप से प्रमुख प्रतिमान या तो 100% मानव या 100% कंप्यूटर है। लोग उन्हें विरोधी मानते हैं।आप वैज्ञानिकों या Google को कैसे समझाने जा रहे हैं, जो कंप्यूटर क्षमताओं की सीमाओं को आगे बढ़ाने पर ध्यान केंद्रित करते हैं, जो कि पलंतीर द्वारा पेश मानव-कंप्यूटर सहयोग प्रतिमान बेहतर है?

बॉब मैकग्रे : ऐसा करने का एक आसान तरीका एक विशिष्ट मुद्दे के बारे में बात करना है। 1997 में डीप ब्लू ने कास्परोव को हराया। कंप्यूटर आज हम की तुलना में बेहतर शतरंज खेलते हैं। सब ठीक है।लेकिन कौन सी इकाई शतरंज बेहतर खेलती है? यह पता चला है कि यह कंप्यूटर नहीं है। कंप्यूटर के साथ जोड़े गए अच्छे खिलाड़ी वास्तव में अलग-अलग खेल रहे लोगों और कारों को हरा देते हैं। साबित: शतरंज एआई कमजोर है। लेकिन अगर शतरंज में मनुष्य और कंप्यूटर का सहजीवन बेहतर है, तो इसे उसी तरह से अन्य संदर्भों में भी इस्तेमाल किया जा सकता है। डेटा विश्लेषण सिर्फ एक ऐसा संदर्भ है। इसलिए, हम ऐसे प्रोग्राम लिखते हैं जो विश्लेषकों को वह करने में मदद करते हैं जो कंप्यूटर स्वयं नहीं कर सकते, और जो विश्लेषक कंप्यूटर के बिना नहीं कर सकते।

एरिक जोनास : और अमेज़ॅन मैकेनिकल तुर्क पर एक नज़र डालें । एक सीमित ढांचे के भीतर बौद्धिक कार्यों की क्राउडसोर्सिंग - यहां तक ​​कि सरल फ़िल्टरिंग कार्य, जैसे "यह स्पैम है, लेकिन यह नहीं है" - मशीनों और मनुष्यों के बीच तेजी से धुंधला विभाजन रेखा को इंगित करता है।

बॉब मैकग्रे : इस अर्थ में, क्राउडफ्लावर पालंटिर का काला जुड़वा है; वे कंप्यूटर को बेहतर बनाने के लिए लोगों का उपयोग करने पर ध्यान केंद्रित करते हैं।

दर्शकों से प्रश्न : इसका सॉफ्टवेयर बनाते समय पलान्टिर के क्या सिद्धांत हैं?

बॉब मैकग्रे : कोई महत्वपूर्ण विचार नहीं है। हमारे पास कई अलग-अलग वर्टिकल हैं। उनमें से प्रत्येक के लिए, हम यह देखते हैं कि विश्लेषकों को क्या करने की आवश्यकता है। विश्लेषक की जगह लेने के बजाय, हम पूछते हैं कि वास्तव में क्या वे इतने अच्छे नहीं हैं। सॉफ्टवेयर उनके काम का समर्थन कैसे कर सकता है? एक नियम के रूप में, यह सॉफ्टवेयर के निर्माण का तात्पर्य करता है जो बड़ी मात्रा में डेटा, पहचान और स्टोर टेम्पलेट्स आदि की प्रक्रिया करता है।

श्रोताओं से सवाल: आप अपने सिस्टम को प्रशिक्षित करने और उन्हें कार्यक्षमता के साथ भरने के बीच कैसे संतुलन बनाते हैं? शिशु चेहरे के भावों को अच्छी तरह से समझते हैं, लेकिन एक शिशु अंकगणित को नहीं समझता है।

स्कॉट ब्राउन : यह ठीक यही अंतर है कि हम यह तय करने के लिए उपयोग करते हैं कि कौन सा ज्ञान हमारे एल्गोरिदम में सिलना चाहिए और जिसे उनके द्वारा अधिग्रहित किया जाना चाहिए। यदि हम यह नहीं कह सकते कि एक विशेष पूरक औसत व्यक्ति के लिए विश्वसनीय है, तो हम इसे नहीं जोड़ते हैं।

पीटर थिएल: जब युद्ध के मैदान पर केवल छोटे फायदे जीतने वाली गतिविधियों का एक समृद्ध इतिहास होता है, तो एक भावना होती है कि सब कुछ लोगों के सोचने से थोड़ा अधिक जटिल हो सकता है। एक साधारण उदाहरण कैंसर युद्ध है; हम जीत के करीब 40 साल हैं, और जीत शायद पहले से कहीं अधिक है। 80 के दशक में लोगों को लगता था कि एआई कोने के आसपास सही है। लगता है अबूझ उम्मीदों की लंबी कहानी है। हम यह कैसे सुनिश्चित कर सकते हैं कि एआई मामला नहीं है?

एरिक जोनास : एक ओर, यह किया जा सकता है। इसका सरल प्रमाण है: मानव-स्तर की बुद्धिमत्ता बनाने के लिए जो कुछ भी आवश्यक है वह है बियर की एक जोड़ी और जन्म नियंत्रण के लिए एक असावधान रवैया। दूसरी ओर, हम वास्तव में नहीं जानते हैं कि क्या मजबूत AI की समस्या हल हो जाएगी, और यदि हां, तो कब। हमें लगता है कि हम सबसे अच्छा दांव लगा रहे हैं।

पीटर थिएल : तो यह अनिवार्य रूप से एक सांख्यिकीय तर्क है? यह हवाई अड्डे पर सामान की प्रतीक्षा करने जैसा है: आपके बैग के टेप पर दिखाई देने की संभावना हर मिनट बढ़ जाती है। कुछ बिंदु तक सामान निकल जाता है, और संभावना तुरंत गिर जाती है।

एरिक जोनास: हर कोई सोचता है कि AI में बहुत सारा सामान है। कैपिटलिस्ट को उद्यम करने के लिए एआई बेचना बहुत मुश्किल है। ये ठीक वही हैं जिन्होंने सोचा था कि एआई वास्तव में जितना आसान था, उससे कहीं ज्यादा आसान होगा। 1972 में, एमआईटी में, मुट्ठी भर लोगों ने सोचा कि वे बस एक साथ मिलेंगे और एक गर्मियों में एआई के साथ व्यवहार करेंगे। बेशक, ऐसा नहीं हुआ। लेकिन यह आश्चर्यजनक है कि वे कितने आश्वस्त थे कि वे ऐसा कर सकते थे - और उन्होंने पीडीपी -10 मेनफ्रेम पर काम किया! अब हम जानते हैं कि सब कुछ कितना अविश्वसनीय रूप से जटिल है। इसलिए, हम छोटे क्षेत्रों को रेक करते हैं। वे दिन गए जब लोगों ने सोचा कि वे बस दोस्तों के साथ मिल सकते हैं और गर्मियों में एआई बना सकते हैं।

स्कॉट ब्राउन: यदि हम 1900 के दशक में हवाई जहाज के लिए सामान तर्क को लागू करते हैं, तो हम कहेंगे: "लोगों ने सैकड़ों वर्षों से एक विमान बनाने की कोशिश की है, और नहीं कर पाए हैं।" वास्तव में ऐसा होने के बाद भी, इस क्षेत्र के कई होशियार लोग जारी रहे। यह तर्क देना कि वायु से अधिक भारी विमान शारीरिक रूप से असंभव है।

एरिक जोनास : प्रकाश की गति से यात्रा करने या जीवन प्रत्याशा में उल्लेखनीय वृद्धि जैसी चीजों के विपरीत, हमारे पास कम से कम संभावना है।

श्रोताओं से प्रश्न : क्या आप सामान्य रूप से या रास्ते में मील के पत्थर पर लक्ष्यों पर अधिक ध्यान केंद्रित करते हैं?

एरिक जोनास: यह हमेशा दोनों होना चाहिए। जैसे "हम अविश्वसनीय तकनीक बनाते हैं" और फिर "यही वह अनुमति देता है।" नियंत्रण बिंदु प्रमुख हैं। अपने आप से पूछें कि आप जानते हैं कि कोई भी नहीं जानता है, और इसे कैसे प्राप्त किया जाए, इस पर योजना बनाएं। जैसा कि बॉक्स आरोन लेवी कहते हैं, आपको हमेशा यह समझाने में सक्षम होना चाहिए कि जो आप अभी कर रहे हैं उसे करने का समय क्यों आ गया है। अच्छी टाइमिंग के बिना टेक्नोलॉजी कुछ भी खर्च नहीं करती है, हालांकि विपरीत सच है।

स्कॉट ब्राउन: मजबूत बयानों के लिए भी मजबूत सबूत चाहिए। यदि आप एक टाइम मशीन बेच रहे हैं, तो आपको किसी को विश्वास करने से पहले लगातार प्रगति दिखाने में सक्षम होना चाहिए। हो सकता है कि निवेशक के लिए आपका डेमो अतीत को एक बूट भेजने में सक्षम हो। यह बहुत अच्छा होगा। आप इस प्रोटोटाइप को दिखा सकते हैं और फिर निवेशकों को समझा सकते हैं कि क्या किया जाना चाहिए ताकि मशीन अधिक महत्वपूर्ण समस्याओं को हल कर सके।

यह ध्यान देने योग्य है कि अगर आप क्रांतिकारी तकनीक को वृद्धिशील के विपरीत बेचते हैं, तो उन निवेशकों को खोजना बेहतर होगा जो स्वयं प्रौद्योगिकी में पारंगत हैं। जब ट्रिलॉजी ने निवेश के अपने पहले दौर को बढ़ाने की कोशिश की, तो निवेशक विन्यासक समस्या के अपने दृष्टिकोण का मूल्यांकन करने के लिए एक प्रोफेसर को लाए। त्रयी की रणनीति यथास्थिति से दूर थी, और प्रोफेसरों ने निवेशकों को बताया कि यह कभी काम नहीं करेगा। यह गलती निवेशकों को महंगी पड़ गई। जब ज्ञान का विरोध करना शामिल है, तो यह आपके लिए बेहतर होगा यदि निवेशक खुद चीजों के बारे में एक राय बना सकता है।

पीटर थिएल: सिलिकॉन वैली में सबसे लंबे और जले हुए स्टार्टअप संभवत: Xanadu के थे, जिन्होंने 1963 से 1992 तक दुनिया के सभी कंप्यूटरों को जोड़ने की कोशिश की। वह पैसे लेकर भाग गया और उसकी मौत हो गई। और फिर अगले साल राइट्स नेटस्केप दिखाई दिया और इंटरनेट पर कब्जा कर लिया।

और फिर भी, शायद, कोलंबस और नई दुनिया की उसकी यात्रा के बारे में एक एपोक्रिफ़ल कहानी है। सभी का मानना ​​था कि यह वास्तव में दुनिया की तुलना में बहुत छोटा था, और यह कि वे चीन जाएंगे। जब वे बहुत लंबे समय तक नौकायन कर रहे थे, और चीन पीछे रहने वाला था, तो टीम पीछे मुड़ना चाहती थी। कोलंबस ने उन्हें तीन दिनों के लिए विद्रोह को स्थगित करने के लिए राजी किया, और अंत में वे महाद्वीप के तट पर आ गए।

एरिक जोनास : और वह उत्तरी अमेरिका को इतिहास का सबसे बड़ा संदर्भ बिंदु बनाता है।

नोट :
मैं पीएम में अनुवाद त्रुटियों और वर्तनी के लिए पूछता हूं।अनूदित Barfuss , संपादक एस्ट्रोपिलोट , उन्हें करने के लिए सभी धन्यवाद।