नीतिशास्त्र आणि तत्त्वज्ञान यामध्ये नैतिक प्रश्न, जबाबदारी, अलाइनमेंट वाद, मानवी मूल्ये आणि प्रगत AI प्रणालींच्या तत्त्वज्ञानविषयक बाजूंचा समावेश होतो. हे ‘Safe or Sorry?’ अंतर्गत येते आणि या विषयासाठी साइटला अधिक केंद्रित स्थान देते. या श्रेणीचे उद्दिष्ट हा विषय केवळ तज्ञांसाठीच नव्हे तर व्यापक प्रेक्षकांसाठी वाचनीय, उपयुक्त आणि सुसंगत बनवणे आहे. येथील पोस्टमध्ये काय बदलले आहे, ते का महत्त्वाचे आहे, लोकांनी पुढे काय पाहावे आणि त्याचे व्यावहारिक परिणाम प्रथम कोठे दिसून येतील हे स्पष्ट केले पाहिजे. हा विभाग ताज्या बातम्या आणि ‘एव्हरग्रीन’ स्पष्टीकरणे या दोन्हीसाठी चांगल्या प्रकारे कार्य केला पाहिजे, जेणेकरून लेख दैनंदिन प्रकाशनास समर्थन देऊ शकतील आणि कालांतराने शोध मूल्य देखील निर्माण करू शकतील. या श्रेणीतील दर्जेदार लेख साइटवरील इतर संबंधित कथा, मार्गदर्शक, तुलना आणि पार्श्वभूमी लेखांशी नैसर्गिकरित्या जोडलेले असावेत. टोन स्पष्ट, आत्मविश्वासपूर्ण आणि साध्या भाषेत असावा, ज्या वाचकांना तांत्रिक शब्द माहित नसतील त्यांच्यासाठी पुरेसा संदर्भ असावा. चांगल्या प्रकारे वापरल्यास, ही श्रेणी एक विश्वासार्ह संग्रहण, रहदारीचा स्रोत आणि एक मजबूत अंतर्गत-लिंकिंग हब बनू शकते जी वाचकांना एका उपयुक्त विषयाकडून दुसऱ्या विषयाकडे जाण्यास मदत करते.
ब्लॅक बॉक्स युगाचा अंत२०२६ पर्यंत, कृत्रिम बुद्धिमत्तेबद्दलची (AI) चर्चा सायन्स फिक्शनच्या दुस्वप्नांपासून दूर गेली आहे. आता आपण मशीन विचार करू शकते का, यावर वाद घालत नाही. त्याऐवजी, जेव्हा एखादे मॉडेल वैद्यकीय सल्ला देते आणि त्यामुळे खटला भरला जातो, तेव्हा जबाबदार कोण, हे आपण पाहत आहोत. सध्याच्या युगात जबाबदार AI म्हणजे पारदर्शकता आणि ब्लॅक बॉक्स
सूचनांचे पालन करणाऱ्या सॉफ्टवेअरकडून उदाहरणांवरून शिकणाऱ्या सॉफ्टवेअरकडे होणारे संक्रमण हे कॉम्प्युटिंगच्या इतिहासातील सर्वात महत्त्वाचे स्थित्यंतर आहे. अनेक दशकांपासून, इंजिनिअर्स प्रत्येक संभाव्य निकालाची व्याख्या करण्यासाठी कोडच्या कडक ओळी लिहित असत. हा दृष्टिकोन स्प्रेडशीट्ससाठी काम करत होता, परंतु मानवी भाषण आणि व्हिज्युअल रेकग्निशनसाठी तो अपयशी ठरला. हे स्थित्यंतर २०१२ च्या ImageNet स्पर्धेदरम्यान खऱ्या अर्थाने सुरू झाले,
पायाभूत सुविधांचे चक्र पुन्हा फिरतेसिलिकॉन व्हॅली अनेकदा दावा करते की त्यांची नवीन क्रांती अभूतपूर्व आहे, पण तसे नाही. सध्याची आर्टिफिशियल इंटेलिजन्स (AI) लाट ही १८०० च्या दशकातील रेल्वे विस्तार आणि १९९० च्या दशकाच्या उत्तरार्धातील डॉट-कॉम बूमसारखीच आहे. आपण भांडवलाचा ओघ आणि कॉम्प्युटिंग पॉवरच्या केंद्रीकरणातील मोठा बदल पाहत आहोत. हे भविष्यातील पायाभूत सुविधांच्या मालकीबद्दल आहे.
आजच्या टेक जगात वेग हेच चलन आहे. कंपन्या मोठ्या लँग्वेज मॉडेल्सना तैनात करण्यासाठी धावपळ करत आहेत कारण त्यांना स्पर्धेत मागे पडण्याची भीती वाटते. पण नैतिकतेचा विचार न करता वेगाने पुढे जाणे म्हणजे तांत्रिक कर्ज (technical debt) निर्माण करणे, जे शेवटी उत्पादनच मोडीत काढते. AI मधील एथिक्स म्हणजे केवळ फिलॉसॉफीच्या वर्गासाठीचे अमूर्त विचार नाहीत, तर
व्यावहारिक निवडबहुतेक लोक आर्टिफिशियल इंटेलिजन्सच्या (AI) तत्त्वज्ञानाकडे रोबोट्सना आत्मा आहे की नाही, या वादाच्या नजरेतून पाहतात. ही एक मोठी चूक आहे, जी केवळ वेळ वाया घालवते आणि खऱ्या धोक्यांकडे दुर्लक्ष करते. व्यावसायिक जगात, या तंत्रज्ञानाचे तत्त्वज्ञान म्हणजे जबाबदारी, अचूकता आणि मानवी श्रमाची किंमत याबद्दलची चर्चा आहे. जेव्हा एखादे मॉडेल अशी चूक करते ज्यामुळे कंपनीचे
न्यूट्रल कोडचे मिथकआर्टिफिशियल इंटेलिजन्स (AI) बद्दलची चर्चा अनेकदा तांत्रिक बेंचमार्क आणि प्रोसेसिंग पॉवरभोवती फिरते. आपण पॅरामीटर्स आणि पेटाबाइट्सबद्दल अशा प्रकारे बोलतो जणू तेच महत्त्वाचे निकष आहेत. हे लक्ष एका अधिक महत्त्वाच्या वास्तवाकडे दुर्लक्ष करते. प्रत्येक लार्ज लँग्वेज मॉडेल हे त्याला आकार देणाऱ्या मानवी पसंतींचे प्रतिबिंब असते. ‘न्यूट्रल अल्गोरिदम’ नावाची कोणतीही गोष्ट नसते. जेव्हा एखादी
आर्टिफिशियल इंटेलिजन्सची सध्याची लाट एखाद्या अचानक आलेल्या वादळासारखी वाटते. पण खरं तर, हा काही वर्षांपूर्वी घेतलेल्या एका शांत निर्णयाचा परिणाम आहे. २०१७ मध्ये, Google च्या संशोधकांनी ‘Attention Is All You Need’ नावाचा एक शोधनिबंध प्रकाशित केला. या पेपरने Transformer architecture ची ओळख करून दिली. या विशिष्ट डिझाइनमुळे मशीनला वाक्यातील सर्व शब्द एकमेकांच्या संदर्भात एकाच
आर्टिफिशियल इंटेलिजन्सची सध्याची लाट २०२२ च्या अखेरीस एका व्हायरल चॅटबॉटने सुरू झाली नाही. तिची सुरुवात २०१७ मध्ये गुगलच्या इंजिनिअर्सनी प्रसिद्ध केलेल्या ‘अटेंशन इज ऑल यू नीड’ (Attention Is All You Need) या शोधनिबंधाने झाली. या दस्तऐवजाने ‘ट्रान्सफॉर्मर’ (Transformer) आर्किटेक्चरची ओळख करून दिली, ज्याने मशीन मानवी भाषा कशी समजून घेतात हे पूर्णपणे बदलून टाकले. याआधी,