क्या हम कृत्रिम बुद्धिमत्ता को आवश्यकता से अधिक महत्व दे रहे हैं?

लेख: Nicola Costantino, Politecnico di Bari के कुलपति, जहाँ वे आर्थिक एवं प्रबंधकीय अभियांत्रिकी के पूर्ण प्राध्यापक के पद पर रहे हैं।

कृत्रिम बुद्धिमत्ता (AI) के रोज़गार पर प्रभाव को लेकर बहस लगातार तेज़ होती जा रही है, क्योंकि इस विषय से जुड़े आँकड़े अभी भी अधूरे हैं और अक्सर परस्पर विरोधी दिखाई देते हैं। ISTAT के अनुसार, 2025 में इटली की 15.7% लघु एवं मध्यम कंपनियों और 53.1% बड़ी कंपनियों ने बताया कि उन्होंने AI को अपनी उत्पादन प्रक्रियाओं में एकीकृत कर लिया है। ये आँकड़े 2024 की तुलना में तेज़ वृद्धि दर्शाते हैं, क्रमशः 8% और 20.6% की। फिर भी इसका समग्र स्तर पर अभी तक कोई महत्वपूर्ण प्रभाव दिखाई नहीं देता, न तो राष्ट्रीय सकल घरेलू उत्पाद पर, जो पिछले वर्ष की तुलना में केवल 0.5% बढ़ा, और न ही बेरोज़गारी पर, जो उलटे कम हुई है। एक बार फिर “तर्कसंगत” पूर्वानुमानों और वास्तविक परिणामों के बीच विरोधाभास सामने आता दिखाई देता है।

AI के रोज़गार संबंधी प्रभाव को लेकर शीर्ष विशेषज्ञों की राय भी पूरी तरह एक जैसी नहीं है। एक ओर Mark Zuckerberg कहते हैं: “हम पहले से ऐसे प्रकल्प देख रहे हैं जिन्हें कभी पूरा करने के लिए पूरी टीम की आवश्यकता होती थी, लेकिन अब एक प्रतिभाशाली व्यक्ति AI एजेंटों की सहायता से उन्हें पूरा कर सकता है।” दूसरी ओर Google Brain के सह-संस्थापक Andrew Ng कहते हैं: “AI के कारण होने वाली नौकरी की हानि को अब तक बढ़ा-चढ़ाकर आँका गया है।”

रोज़गार संबंधी पूर्वानुमान जो वास्तविकता में सिद्ध नहीं हुए

2013 में University of Oxford के C.B. Frey और M.A. Osborne के एक अध्ययन ने काफी ध्यान आकर्षित किया। इसके अनुसार, स्वचालन प्रक्रियाओं के कारण अगले 10 वर्षों में संयुक्त राज्य अमेरिका की 47% नौकरियाँ प्रतिस्थापन के जोखिम में होतीं। 2016 के World Bank Development Report के अनुसार, यह प्रतिशत OECD देशों में 57% और चीन में तो 77% तक पहुँचता, क्योंकि इन देशों में प्रारंभिक स्वचालन का स्तर अपेक्षाकृत कम था। स्वाभाविक रूप से यह तर्क भी दिया गया कि नई प्रौद्योगिकियों के प्रसार से नई पेशेवर भूमिकाएँ भी जन्म लेती हैं। Forrester Research के अनुसार, 2015 के बाद के 10 वर्षों में संयुक्त राज्य अमेरिका में 1.36 करोड़ नई नौकरियाँ पैदा होनी थीं, लेकिन साथ ही 2.27 करोड़ अधिक पारंपरिक नौकरियाँ समाप्त होने की आशंका थी, जिससे कुल मिलाकर 91 लाख नौकरियों का नकारात्मक अंतर बनता। फिर ये सभी पूर्वानुमान वास्तविकता में, कम से कम अनुमानित समयावधि के भीतर, क्यों नहीं दिखाई दिए?

1987 में Robert Solow, जिन्हें उसी वर्ष अर्थशास्त्र का नोबेल पुरस्कार भी मिला था, आंशिक रूप से तकनीकी विकास के उत्पादकता प्रभावों पर उनके अध्ययन के कारण, ने कहा था: “कंप्यूटर युग हमें हर जगह दिखाई देता है, केवल उत्पादकता के आँकड़ों में नहीं।” इसका कारण संभवतः इसमें शामिल चर कारकों की अत्यधिक जटिलता थी, जो केवल तकनीकी नहीं बल्कि संगठनात्मक और सामाजिक भी थे। वास्तव में, तीसरी और चौथी औद्योगिक क्रांतियों का इतिहास अप्रत्याशित और विस्फोटक सफलताओं, जैसे इंटरनेट, के साथ-साथ छोटे-बड़े विफल प्रयोगों से भी भरा पड़ा है। वर्ष 2000 के आसपास तथाकथित net economy की उन्मादी स्थिति को याद किया जा सकता है, जब अनेक dot.com कंपनियाँ अपने कथित बाज़ार का परीक्षण तक करने से पहले ही आकाश छूती मूल्यांकन प्राप्त कर रही थीं; या Second Life पर आभासी रियल एस्टेट बाज़ार की अल्पकालिक लेकिन महँगी प्रवृत्ति; या हाल के वर्षों में metaverse से जुड़ी विशाल अपेक्षाएँ, जिन्हें Mark Zuckerberg ने काफी बढ़ावा दिया, लेकिन जो अभी तक पूरी नहीं हुई हैं। निश्चित रूप से, इन उदाहरणों की तुलना में AI कहीं अधिक संरचित और स्थापित वास्तविकता है, जिसमें अब भी वास्तव में विशाल निवेश किए जा रहे हैं।

लाभप्रदता से मिलने वाले प्रतिफल

दुनिया की पाँच सर्वाधिक बाज़ार पूँजीकरण वाली कंपनियाँ Wall Street पर सूचीबद्ध हैं: Nvidia, Apple, Alphabet (Google), Microsoft और Amazon। ये सभी किसी न किसी स्तर पर AI के क्षेत्र में सक्रिय हैं और इनका संयुक्त शेयर बाज़ार मूल्य 18 ट्रिलियन डॉलर से अधिक है। यह मूल्य आगे भी बढ़ने की उम्मीद है, क्योंकि ये कंपनियाँ लगातार पूँजी जुटाकर और भी विशाल संगणकीय अवसंरचनाओं में निवेश कर रही हैं। यदि कभी हम ICT के पर्यावरणीय प्रभावों को अपेक्षाकृत सीमित मानने के आदी थे, विशेष रूप से ऊर्जा खपत की दृष्टि से, तो आज के विशाल data centers, और भविष्य के इससे भी बड़े केंद्र, उन क्षेत्रों की बिजली खपत और ठंडा रखने के लिए आवश्यक जल उपयोग को महत्वपूर्ण रूप से प्रभावित करने लगे हैं। स्थिति यहाँ तक पहुँच गई है कि अब उन विचारों की तकनीकी और आर्थिक व्यवहार्यता पर भी चर्चा होने लगी है जिन्हें कभी विज्ञान-कथा समझा जाता था, जैसे data centers को अंतरिक्ष में स्थापित करना, ताकि सौर ऊर्जा ग्रहण और ऊष्मा विसर्जन को अधिक अनुकूल बनाया जा सके।

इन विशाल निवेशों का आधार उतने ही विशाल लाभप्रदता प्रतिफलों की अपेक्षा है, चाहे वे कितने उचित हों, जिन्हें Artificial General Intelligence (AGI) उपकरणों के विकास से उत्पन्न होना है। ऐसे उपकरण मानव ज्ञान को समझने और लागू करने में हमारी संज्ञानात्मक क्षमताओं की कम से कम बराबरी कर सकें, यदि उन्हें पार न कर जाएँ, और वह भी किसी भी क्षेत्र में। क्या ऐसे प्रतिफल वास्तव में प्राप्त होंगे?

इनके साकार होने की संभावना कुछ मान्यताओं पर आधारित है, जो कम या अधिक स्पष्ट रूप से व्यक्त की जाती हैं और जिनका पूर्ण रूप से सच होना आवश्यक नहीं है। पहली मान्यता यह है कि OpenAI जैसे उद्योग दिग्गज AGI विकसित करने के लिए जो मार्ग अपना रहे हैं, वही सबसे अधिक दक्ष हैं और इसलिए अत्यधिक संतोषजनक लाभप्रद परिणाम देंगे। दूसरी यह है कि AI की क्षमताओं की वृद्धि, विशेष रूप से Large Language Models (LLM) के मामले में, असीमित है, क्योंकि हर दिन उनमें नई सामग्री, अर्थात नई डिजिटल जानकारी, जुड़ती जाती है और उन्हें लगातार अधिक शक्तिशाली बनाती है, ऐसी घातीय वृद्धि में जिसे कोई सीमा दिखाई नहीं देती। तीसरी मान्यता, जिसे कुछ लोग मानते हैं, यह है कि इसी असीमित वृद्धि के कारण AGI अंततः Artificial Super Intelligence (ASI) में विकसित होगी, ऐसी महाबुद्धिमत्ता जो रचनात्मकता, विवेक और संबंधपरक क्षमताओं में भी मानव बुद्धिमत्ता से आगे निकल जाएगी।

Large Language Models का संकट

ये अपेक्षाएँ निश्चित रूप से तर्कसंगत हैं, कम से कम पहली दो, लेकिन इनके साथ उतनी ही महत्वपूर्ण अनिश्चितताएँ भी जुड़ी हुई हैं। क्या हम निश्चित हैं कि AGI का विकास कुल मिलाकर बहुत कम लागत वाले तरीकों से संभव नहीं हो सकता? DeepSeek का अनुभव इस संबंध में संदेह उत्पन्न करता है। यह चीनी AI पश्चिमी प्रतिस्पर्धियों की तुलना में बहुत कम निवेश से विकसित की गई, फिर भी ChatGPT के तुलनीय प्रदर्शन प्रदान करती है। औद्योगिक क्रांतियों का इतिहास ऐसे बड़े दक्षता छलांगों से भरा पड़ा है, जहाँ बाद में आने वालों ने शुरुआती नवप्रवर्तकों को पीछे छोड़ दिया। यदि AI में भी ऐसा ही होता है, तो आज के उन औद्योगिक दिग्गजों का क्या होगा जिन्होंने मानव इतिहास में अभूतपूर्व पैमाने पर निवेश केंद्रित किया है?

क्या हम निश्चित हैं कि डिजिटल ज्ञान का विस्तार वर्तमान गति से जारी रहेगा? अनुमान है कि 2030 तक लगभग संपूर्ण मानव ज्ञान LLM के लिए उपलब्ध हो जाएगा। उसके बाद आगे की डिजिटल सामग्री केवल मानव द्वारा वास्तव में उत्पन्न की जाने वाली नई जानकारी की गति से बढ़ेगी, साथ ही आत्म-भक्षण जैसी प्रक्रिया से, जो पहले से चल रही है, अर्थात LLM को उन्हीं LLM द्वारा तैयार दस्तावेज़ों से प्रशिक्षित करना, वह भी मनुष्यों की तुलना में अत्यधिक तेज़ी से। लेकिन यदि हम ध्यान दें कि LLM दस्तावेज़ “सोचकर” नहीं बनाते, बल्कि पहले से उपलब्ध दस्तावेज़ों से शब्द-दर-शब्द सबसे संभावित अर्थ-संबंधी क्रम “चुनते” हैं, तो यह मानना तर्कसंगत है कि वे वास्तव में “नया” ज्ञान उत्पन्न करने में सक्षम न हों, बल्कि केवल पहले से अर्जित ज्ञान के नए संयोजन तैयार करें।

इतना ही नहीं। अब तक के अनुभव यह भी संकेत देते हैं कि बार-बार आत्म-भक्षण की प्रक्रिया से तथाकथित Model Autophagy Disorder (MADness) उत्पन्न हो सकती है, जो संगणकीय उत्पाद के “पतन” का कारण बनती है, अर्थात अर्थ का क्रमिक क्षय। यदि यह सत्य है, तो आने वाले कुछ वर्षों में LLM की क्षमताओं की वृद्धि बहुत अधिक धीमी हो सकती है, क्योंकि उन्हें उपलब्ध होने वाला “नया” ज्ञान अब आज की तरह अतीत में पहले से उत्पन्न बड़े आँकड़ा भंडारों से नहीं आएगा, जैसे किसी 10 वर्ष पुराने लिखित पाठ को मॉडल में डालना, बल्कि केवल मनुष्यों द्वारा पैदा की जाने वाली नई और “मौलिक” जानकारी से आएगा।

क्या महाबुद्धिमत्ता विकसित की जा सकेगी? 1905 में Albert Einstein ने चार शोधपत्र प्रकाशित किए जिन्होंने विश्व के भौतिक ज्ञान को पूरी तरह बदल दिया। वे इन निष्कर्षों तक नए प्रयोग करके नहीं पहुँचे, बल्कि “सिर्फ”, यदि ऐसा कहना उचित हो, दूसरों द्वारा किए गए प्रयोगों के परिणामों और विकसित सैद्धांतिक कार्यों पर विचार करके पहुँचे। उदाहरण के लिए समय की सापेक्षता की अवधारणा पहले मौजूद ही नहीं थी, और यह अत्यंत असंभावित, यदि असंभव नहीं, है कि Einstein को उपलब्ध समान ज्ञान से प्रशिक्षित कोई LLM इसे उत्पन्न कर पाता, चाहे उसके पास कितनी ही संगणकीय शक्ति क्यों न होती।

अंततः एक तर्कसंगत परिकल्पना प्रस्तुत की जा सकती है, इससे अधिक कुछ नहीं और निश्चित रूप से कोई सुनिश्चित निष्कर्ष नहीं: संभवतः हम एक नए उपकरण को आवश्यकता से अधिक महत्व दे रहे हैं, जो निस्संदेह अत्यंत शक्तिशाली और व्यापक है, लेकिन शायद मानव को उन गतिविधियों में कभी प्रतिस्थापित न कर सके जो सबसे अधिक रचनात्मक हैं। क्या ऐसा ही है? 1922 के भौतिकी नोबेल पुरस्कार विजेता Niels Bohr ने लिखा था: “पूर्वानुमान लगाना बहुत कठिन है, विशेष रूप से तब जब वह भविष्य के बारे में हो।”