एआई का निपुणता की ओर का पथ: जहाँ स्कोरिंग सिस्टम मौजूद हैं, एआई अनुसरण करता है

लेखक: Robonaissance

संपादित: शेनचाओ टेकफ्लो

शेनचाओ का परिचय: गो, शतरंज, प्रोटीन तह की मुद्दे—इन ऐसे क्षेत्रों, जिन्हें मानवीय अंतर्दृष्टि और रचनात्मकता की आवश्यकता होती है, वे एक के बाद एक आईएआई द्वारा क्यों विजयित हो रहे हैं? यह लेख एक उपेक्षित नियम को प्रकट करता है: यह निर्धारित नहीं होता कि आईएआई मानव को पार कर सकता है या नहीं, बल्कि यह है कि क्या सफलता के लिए स्कोरिंग मानदंड मौजूद हैं। जब किसी क्षेत्र में स्कोरिंग मानदंड स्थापित हो जाते हैं, तो वह अपने ही विजय के लिए गिनती शुरू कर देता है।

Whatever You Ask For श्रृंखला से चयनित, उस एकमात्र कार्य के बारे में जिसे मशीन हमारे लिए नहीं कर सकती।

10 मार्च, 2016 को, सियोल में एक होटल में, एक मशीन ने ऐसा चल दिया जिसे कमरे में मौजूद सभी लोग नहीं समझ पाए, और उसका प्रतिद्वंद्वी उस समय मौजूद नहीं था।

ली सेजिक धूम्रपान करने बाहर निकल गए। उस समय उनकी उम्र 33 वर्ष थी, और उनके पास 18 विश्व चैम्पियनशिप खिताब थे, और वे उस पीढ़ी के सबसे मजबूत गो खिलाड़ी के रूप में माने जाते थे। उन्होंने पिछले दिन पहले खेल को हार दिया था, और दूसरे खेल में प्रवेश करते समय उनकी प्रारंभिक आत्मविश्वास कम हो गया था, और उनका मनोदशा अधिक सावधान हो गया था। जब वे बाहर थे, तो AlphaGo ने 37वां हाथ चुना, और DeepMind के शोधकर्ता हुआंग सिजिए ने मशीन की ओर से, चुपचाप बोर्ड पर पत्थर रख दिया।

The piece landed on the fifth line.

कुशी को नहीं जानने वालों के लिए इसका कोई मतलब नहीं है। जानने वालों के लिए, यह लगभग बेकार है। शुरुआत और मध्य चरण में, किनारे से इतनी दूर की स्थिति को कम कुशल माना जाता है, जो न तो भूमि प्राप्त करती है और न ही क्षेत्र की रक्षा करती है, जिससे खिलाड़ी को खिलाड़ी को बिना किसी प्रयास के अंक दे दिए जाते हैं। यह वही है जिसे शिक्षक प्रारंभिकों को सुधारने के लिए सुधारते हैं। प्रसारण पर, शीर्ष पेशेवर कुशी खिलाड़ी माइकल रेडमंड ने मैच के प्रारंभ में सोचा कि बोर्ड सिग्नल में कोई त्रुटि है। उन्होंने एक पत्थर उठाया, और फिर से रख दिया।

ली सेजिक वापस बैठ गए और लंबे समय तक बोर्ड को देखते रहे, बिना कोई चाल खेले। विभिन्न रिपोर्ट्स के अनुसार, यह समय 12 मिनट से लेकर 15 मिनट तक था। पांच महीने पहले अल्फागो द्वारा हराए गए यूरोपीय चैम्पियन फान हुई उस समय इमारत में मैच देख रहे थे। लंबे समय तक देखने के बाद उनका निष्कर्ष था: "यह मानवीय चाल नहीं है। मैंने कभी किसी को ऐसा खेलते नहीं देखा है।"

वह सही है, और इसे मापा जा सकता है। DeepMind के सिस्टम के अंदर एक अनुमान तंत्र है, जो बड़ी मात्रा में मानव खेलों को सीखकर किसी भी स्थिति में मानव द्वारा किसी विशिष्ट चाल को खेलने की संभावना का अनुमान लगाता है। 37वीं चाल के लिए, यह अनुमान लगभग दस हजार में से एक है।

मशीन ने अभी भी चल दिया, और यह चाल पूरे खेल को जीत गई।

इस कहानी का एक सुखद व्याख्या यह है कि मशीन ने बहुत मेहनत करके मानव दागों को सीखा और अंततः उनमें से सबसे बेहतरीन के साथ बराबरी कर ली। यह व्याख्या गलत है, और एक लाख में से एक का आंकड़ा ठीक इसलिए है कि यह गलत है। मानव चालों को नकल करने वाला कोई भी प्रणाली एक सीमा से बंधा होता है—वह सीमा मानव चालें हैं। सियोल में जो हुआ, वह यह था कि एक प्रणाली को उस सीमा से मुक्त कर दिया गया, क्योंकि उसे दिया गया लक्ष्य मानव दागों की प्रशंसा नहीं, बल्कि जीतना था।

यह अंतर बेहतर जानकारी देता है जिससे आप यह समझ सकते हैं कि कौन सी मानवीय गतिविधियाँ शुद्ध क्षमता के मामले में हार चुकी हैं और कौन सी अगली होंगी। प्रश्न यह नहीं है कि यह गतिविधि कितनी कठिन है, कितनी रचनात्मकता की आवश्यकता है, या कितनी अंतर्दृष्टि की आवश्यकता है। प्रश्न उससे बहुत अधिक बोरिंग है।

सवाल यह है कि सफलता को अंक दिए जा सकते हैं।

चेस 19 साल पहले हार गया था, और वह बिल्कुल अलग तरीके से हार गया था।

1997 में डीप ब्लू ने कैस्परोव को हराया, जिसकी आर्किटेक्चर मूल रूप से एक विशाल मानवीय अभिव्यक्ति थी। इसका आकलन फ़ंक्शन—जो एक स्थिति को देखकर उसकी अच्छाई का एक संख्यात्मक मूल्य देता है—को ग्रैंड मास्टर सलाहकारों की सहायता से एकत्रित और समायोजित किया गया था। मानवीय शतरंज का ज्ञान मुश्किल से मानव खिलाड़ियों से निकाला गया और मशीन में डाला गया। मशीन ने केवल खोज क्षमता बढ़ाई: अधिक चरणों को तेजी से आगे देखना, थके बिना, और ध्यान भटकने से पीस खोए बिना।

यह एक वास्तविक जीत है, और इसे एक जीत के रूप में गिना जाना चाहिए। लेकिन इसकी संरचना पर ध्यान दें। डीप ब्लू की शतरंज की समझ मानवीय समझ है। इसका लाभ गति है। अगर आप उससे पूछें कि वह एक स्थिति का मूल्यांकन ऐसे क्यों करता है, तो उत्तर अंततः किसी ऐसे व्यक्ति पर टिकेगा जिसने उसे ऐसा करने के लिए कहा है।

20 साल बाद, DeepMind ने एक सिस्टम जारी किया जिसका नाम AlphaZero था, जिसका रूप बदल गया।

AlphaZero को शतरंज के नियम दिए गए। उसे ओपनिंग बुक नहीं दी गई — हर गंभीर प्रोग्राम पर निर्भर किए जाने वाले अध्ययन किए गए पहले चालों का संग्रह। उसे एंडगेम टेबल नहीं दिए गए। उसे कोई मानवीय खेल नहीं दिया गया। उसने स्वयं के साथ, यादृच्छिक चालों से शुरुआत की और जीतने वाली चालों के आधार पर अपने आप को समायोजित किया।

लगभग चार घंटे बाद, डीपमाइंड ने अपना रेटिंग स्कोर उस समय के सबसे मजबूत पारंपरिक प्रोग्राम, स्टॉकफिश 8 से अधिक हो जाने का अनुमान लगाया। लगभग नौ घंटे बाद, इसने सीमित समय की स्थिति में स्टॉकफिश के खिलाफ सौ खेल खेले, जिनमें से 28 जीते, एक भी हार नहीं, और शेष 72 ड्रॉ हुए। पेपर में बताया गया कि 24 घंटों के भीतर, यह शतरंज, सुमो और गो में मानवीय स्तर से ऊपर पहुँच गया।

जब इन संख्याओं का उल्लेख किया जाता है, तो अक्सर दूसरा हिस्सा नहीं दिया जाता, जो कि बहुत महत्वपूर्ण है। स्वयं के खिलाफ खेली गई शतरंज की गेम्स को पाँच हजार प्रथम पीढ़ी के टेंसर प्रोसेसिंग यूनिट्स पर जनरेट किया गया, और नेटवर्क को प्रशिक्षित करने के लिए अतिरिक्त चौंसठ द्वितीय पीढ़ी के यूनिट्स का उपयोग किया गया, जो सभी समानांतर रूप से चल रहे थे। चार घंटे का घड़ी का समय, चार घंटे की कैलकुलेशन है—इतनी कैलकुलेशन को कोई भी व्यक्ति, यहाँ तक कि कुछ संस्थाएँ भी संगठित नहीं कर सकते। उपलब्धि यह नहीं है कि शतरंज सीखना आसान है। उपलब्धि यह है कि जब आपके पास इतनी प्रसंस्करण क्षमता होती है, तो मानवीय ज्ञान आपके लिए आवश्यक चीज़ नहीं रह जाता।

कास्परोव के पास इस परिणाम को अपने खिलाफ एक व्यक्तिगत हमला मानने का कोई भी जीवित व्यक्ति से अधिक कारण था, लेकिन उन्होंने साइंस पत्रिका में एक टिप्पणी लिखी, जो बहुत उदार थी। उनका निरीक्षण था कि AlphaZero उस थकाने वाली, सावधान, ड्रॉ की ओर झुकी शतरंज को नहीं खेल रहा है, जिसे हर कोई मानता है कि एक परफेक्ट मशीन खेलेगी। यह सक्रियता को बलों के बजाय प्राथमिकता देता है, और उनके लिए जोखिम भरे स्थितियों के लिए बल बलि देता है। उन्होंने बताया कि पारंपरिक प्रोग्राम उन लोगों के प्राथमिकताओं और पूर्वाग्रहों के साथ लिखे गए हैं, जिन्होंने उन्हें बनाया। AlphaZero ने अपने आप को लिखा है। उन्होंने निष्कर्ष निकाला कि इसकी शैली, प्रोग्रामर की स्वाद की तुलना में अधिक सच्ची कुछ को प्रतिबिंबित करती है, और उन्होंने देखा कि यह प्रति सेकंड दुनिया के सबसे अच्छे पारंपरिक इंजन से कहीं कम स्थितियों की जांच करता है, फिर भी जीतता है।

यह अंतिम बात याद रखने योग्य है। पारंपरिक इंजन हर सेकंड में बहुत अधिक संभावनाओं की खोज करते हैं, फिर भी वे हार गए। AlphaZero का लाभ अधिक मेहनत करने में नहीं, बल्कि यह जानने में है कि कहाँ देखना है, और यह ज्ञान लाखों खेलों के स्व-खेल और किसकी जीत का नियम द्वारा संगठित किया गया है, और कुछ और नहीं।

शोगी के परिणाम उन लोगों के लिए और भी अजीब होते हैं जो इसे समझ सकते हैं। शोगी एक जापानी बोर्ड गेम है, जिसमें खाए गए टुकड़े उन खिलाड़ियों के पास वापस आ जाते हैं जिन्होंने उन्हें खाया, जिससे स्थिति की अस्थिरता शतरंज से अधिक हो जाती है, और इसमें राजा की सुरक्षा के तरीकों के बारे में कई सदियों का सिद्धांत भी है। मजबूत खिलाड़ियों ने मशीन के खेलों को देखकर बताया कि प्रारंभिक चरण में पहचाने गए सिद्धांतों का उल्लंघन होता है, और राजा उन समयों में, जब हर पुस्तक कहती है कि उसे कोने में समेटना चाहिए, वह मैदान के केंद्र में चला जाता है। इन खेलों को प्रशिक्षित आँखों के लिए लगभग असंभव है समझना, लेकिन वे जीतते हैं।

दो प्रणालियों को एक साथ रखें, नियम ऐसे स्पष्ट हैं जो असहज कर देते हैं। डीप ब्लू मानव ज्ञान और मशीन की गति का संयोजन है। अल्फाजीरो मशीन की गति और विजय की परिभाषा का संयोजन है, जिसमें मानव ज्ञान को जानबूझकर हटा दिया गया है। मानव ज्ञान को हटाए बिना का संस्करण बेहतर है।

यह सब इस बात का अर्थ नहीं है कि 2016 की मशीन बिल्कुल बेदाग है, उसी सीएल खेल में साक्ष्य शामिल था।

चौथे गेम में, तीन सेट पीछे और सम्मान के लिए लड़ते हुए, ली सेजिक ने शतरंज के केंद्र में अल्फागो के दो टुकड़ों के बीच एक चिप रखी। इसे बाद में दिव्य हाथ कहा गया। अल्फागो ने स्वयं आंकलन किया कि मानव इस हाथ को डालने की संभावना लगभग दस हजार में से एक है, जो आश्चर्यजनक रूप से सममित है। सिस्टम इसका प्रतिक्रिया नहीं दे पाया। अगले कुछ हाथों में इसके जीत की संभावना का आकलन टूट गया, इसकी क्षमता खराब हो गई, और यह गेम हार गया।

इसलिए 2016 मार्च में, मशीन पर एक छेद था, और एक इंसान ने दुनिया भर की निगाहों के सामने, सबसे बड़े दबाव में उसे ढूंढ निकाला। इसे स्पष्ट रूप से कहना चाहिए, इसे चुपचाप नज़रअंदाज़ नहीं किया जाना चाहिए। इसी तरह, बाद में हुए घटनाक्रम को भी कहना चाहिए: ऐसे छेदों को लगातार ठीक किया जा रहा है, और उस प्रणाली के उत्तराधिकारी अब ऐसे खेल हारते नहीं हैं, और शीर्ष इंजनों ने गंभीर मौकों पर लंबे समय से मनुष्यों को हराया नहीं है। 2016 का परिणाम एक स्थायी शक्ति संतुलन नहीं, बल्कि एक परिवर्तन की एक क्षणिक झलक है।

इन बोर्ड गेम्स से अन्य सब कुछ तक, जो चला जा रहा है वह विजय नहीं, बल्कि तंत्र है। शतरंज और गो अवश्य ही पहले गिरेंगे, क्योंकि कारण शर्मनाक रूप से सरल है। इन खेलों में, सफलता को नियमों द्वारा पूरी तरह सटीकता से परिभाषित किया गया है। आप जीतते हैं या नहीं, स्कोरिंग मुफ्त, तुरंत और विवादरहित है। एक प्रणाली एक हफ्ते के अंत में अपने आप से करोड़ों खेल खेल सकती है, और करोड़ों स्पष्ट निर्णय प्राप्त कर सकती है।

यह अगला देखने का स्थान दर्शाता है। साधारण कार्य नहीं, बल्कि अपना स्कोरबोर्ड लाने वाले कार्य।

प्रोटीन अमीनो एसिड के श्रृंखलाएँ होती हैं, जो बनने के तुरंत बाद जटिल त्रिआयामी आकृतियों में मुड़ जाती हैं। आकृति यह निर्धारित करती है कि प्रोटीन क्या करता है। अनुक्रम आकृति निर्धारित करता है। पहले से दूसरे का अनुमान लगाना, लगभग 1970 के प्रारंभ से जीवविज्ञान की एक खुली समस्या रही है, और इसे किसी भी प्रयास से हल नहीं किया जा सका: प्रथम सिद्धांतों के आधार पर भौतिकीय प्रतिरूपण, विकासीय संबंधों का सांख्यिकीय विश्लेषण, या कई दशकों में एकत्रित संरचनात्मक अनुभव—सभी असफल रहे।

1994 में, जॉन मौल्ट के नेतृत्व में एक शोधकर्ता समूह ने इस तथ्य पर कुछ किया: क्षेत्र के हर कोई प्रगति का दावा कर रहा था, लेकिन कोई भी इसकी जाँच नहीं कर सक रहा था।

उन्होंने एक परीक्षा आयोजित की। उसके बाद से हर दो साल में, क्रिस्टलोग्राफिकल और न्यूक्लियर मैग्नेटिक रेजोनेंस (CASP) ने हाल ही में प्रयोगात्मक रूप से निर्धारित प्रोटीन संरचनाओं, कुछ मामलों में अभी भी निर्धारण के दौरान, के अनुक्रम को विश्वभर में प्रकाशित किया। कोई भी टीम भविष्यवाणी प्रस्तुत कर सकती है। किसी को उत्तर तक पहुंच नहीं है, क्योंकि कुछ लक्ष्यों के उत्तर अभी तक मौजूद नहीं हैं। जब प्रयोगात्मक संरचना उपलब्ध होती है, तो भविष्यवाणियों का मूल्यांकन उनके साथ तुलना करके किया जाता है।

स्कोरिंग एक ग्लोबल डिस्टेंस टेस्ट नामक मापदंड के आधार पर किया जाता है, जो 0 से 100 तक होता है, जिसे लगभग इस तरह समझा जा सकता है कि अंतिम स्थिति वास्तविक स्थिति के कितने प्रतिशत के करीब है। मौल्ट ने कहा कि लगभग 90 स्कोर को अनौपचारिक रूप से प्रयोगशाला निर्धारित संरचना के समान माना जाता है। मूल्यांकन के अधिकांश इतिहास में, सर्वश्रेष्ठ पूर्वानुमान लगभग 60 स्कोर के आसपास रहे।

2020 के CASP14 पर, 427 समूह के रूप में पंजीकृत एक प्रतियोगी ने सभी लक्ष्यों पर माध्यिका स्कोर 92.4 प्राप्त किया। सबसे कठिन श्रेणी—जहाँ कोई उपयोगी संरचनात्मक समानता नहीं थी—माध्यिका स्कोर 87.0 था। औसत त्रुटि लगभग 1.6 एंगस्ट्रॉम थी, जो लगभग एक परमाणु की चौड़ाई के बराबर है।

मौल्ट ने प्रतियोगिता की शुरुआत से ही अध्यक्ष का पद संभाला है, और वह चार्ट दिखाने से पहले दर्शकों को प्रतियोगिता के इतिहास का संक्षिप्त अवलोकन देते हैं। चार्ट एक ही आरेख में पूरी कहानी को समझाता है। बीस वर्षों की रेखा 60 के पास घूमती रही, फिर एक रेखा उन सभी रेखाओं से अलग एक ऐसी जगह पर खड़ी हो गई, जहाँ कभी कोई नहीं पहुँचा था।

427 समूह AlphaFold2 है। मौल्ट ने घोषणा की कि एकल प्रोटीन श्रृंखला के लिए समस्या हल हो चुकी है।

प्रत्येक ईमानदार वर्णन में सीमाएँ होनी चाहिए। एकल श्रृंखला प्रोटीन विज्ञान का सम्पूर्ण नहीं है। प्रोटीन कैसे संकुलों में संगठित होते हैं, कैसे गति करते हैं, और जीवित कोशिकाओं में कैसे व्यवहार करते हैं, ये सभी अभी भी खुले प्रश्न हैं। बंद महान चुनौती एक विशिष्ट, सटीक रूप से व्यक्त चुनौती है।

और यही सटीकता इस कहानी को बताने का मुख्य बिंदु है। इस संरचना के भविष्यवाणी को गिराने वाला यह नहीं है कि यह मूल रूप से सरल थी, क्योंकि आधे सदी की असफलताएँ विपरीत बात साबित करती हैं। इसे गिराने वाला यह है कि 1994 में इस क्षेत्र ने अपने लिए एक स्कोरबोर्ड बना लिया।

CASP को विज्ञान के बजाय इंजीनियरिंग के रूप में देखने पर, यह क्या प्रदान करता है? यह किसी भी भविष्यवाणी के लिए एक स्पष्ट और अनिवार्य सफलता मापदंड प्रदान करता है, जिसे कुछ सेकंड में गणना किया जा सकता है। यह एक ऐसा अटूट आधार प्रदान करता है क्योंकि उत्तर किसी अन्य व्यक्ति द्वारा प्रयोगशाला में भौतिक रूप से निर्धारित किया गया है। यह नियमित समय सारणी के अनुसार नए प्रश्नों का सतत प्रवाह प्रदान करता है। यह तीस वर्षों का अंकित इतिहास प्रदान करता है, अर्थात्, इस क्षेत्र में क्या बेहतर है और क्या बदतर है, इसका एक वर्गीकरण रिकॉर्ड।

एक क्षेत्र जिसने इन सभी चीजों को किया, उसने अपनी समस्याओं के लिए अनजाने में स्वचालित हमलों की तैयारी कर ली है। स्कोरबोर्ड पूर्वापेक्षा है। बाकी सब कुछ इंजीनियरिंग और गणना है, और दोनों ही लंबे समय से हर साल सस्ते होते जा रहे हैं।

यह एक असहज रूप से आसानी से प्रचार किया जाता है। जहाँ किसी विषय पर बेंचमार्क सहमति होती है, वहाँ एक लक्ष्य घोषित किया जाता है। मशीन अनुवाद के लिए बेंचमार्क हैं। वॉइस रिकग्निशन के लिए बेंचमार्क हैं। इमेज क्लासिफिकेशन के लिए एक मिलियन फोटोज़ से लेबल किया गया सेट और एक वार्षिक प्रतियोगिता है, जिसे देखने वाला हर कोई जानता है कि कहानी कैसे समाप्त होती है। नियम यह नहीं है कि मुश्किल चीज़ें पहले गिरती हैं, या सरल चीज़ें पहले गिरती हैं। नियम यह है कि मापी जाने वाली चीज़ें पहले गिरती हैं।

यह सभी अभी तक मापे न गए चीजों के लिए स्पष्ट प्रश्न उठाता है।

अंतिम रक्षा उन चीजों की होनी चाहिए जिनका मूल्यांकन नहीं किया जा सकता।

लेखन एक मानक उदाहरण है। कोई भी प्रोग्राम एक अनुच्छेद लेकर उसे एक संख्या नहीं दे सकता कि यह कितना अच्छा है। दो योग्य संपादक अलग-अलग राय रखते हैं। एक ही संपादक अलग-अलग दिनों में अपने आप से असहमत हो सकता है। भाषा की गुणवत्ता संदर्भ, पाठक, उद्देश्य और स्वाद से जुड़ी हुई है, जिन्हें किसी मापदंड में नहीं बदला जा सकता। यदि मशीन को स्कोरकार्ड की आवश्यकता है, और भाषा का कोई स्कोरकार्ड नहीं है, तो भाषा सुरक्षित है।

यह तर्क मान्य है। इसके साथ हुआ वह घटना, इस पूरी कहानी का सबसे महत्वपूर्ण कारण है।

इस क्षेत्र में एक वस्तुनिष्ठ मापदंड नहीं मिला है। अभी तक ऐसा कुछ नहीं है। यह वही स्कोर बनाता है जो एकमात्र उपलब्ध सामग्री है—मानव निर्णय।

इस विधि का इतिहास अधिकांश लोगों के अनुमान से अधिक पुराना है। 2008 में, क्नॉक और स्टोन ने एक TAMER नामक प्रणाली का वर्णन किया, जिसमें मनुष्य बुद्धिमान एजेंट के व्यवहार को देखते हैं और मूल्यांकन देते हैं, जिन्हें एक मॉडल को प्रशिक्षित करने के लिए उपयोग किया जाता है जो भविष्यवाणी करता है कि मनुष्य क्या कहेंगे। फिर प्रशिक्षण संकेत मनुष्य के बजाय मॉडल द्वारा प्रदान किए जाते हैं। 2017 में, क्रिस्टियानो और उनके सहयोगियों ने एक कार्य प्रकाशित किया, जिसे अधिकांश लोग वर्तमान अभ्यास की सीधी उत्पत्ति मानते हैं, और इस विचार को एटारी गेम्स के एजेंट पर लागू किया। 2019 में, ज़िगलर और उनके सहयोगियों ने इसे भाषा मॉडल पर लागू किया, और आज का अधिकांश प्रयुक्त पदावली उसी पेपर में निर्धारित की गई। 2022 में, ओयांग और उनके सहयोगियों ने निर्देश-अनुसरण कार्यों पर औद्योगिक स्तर पर इस विधि को प्रदर्शित किया, और थोड़ी ही देर बाद, पृथ्वी पर अधिकांश मनुष्य बिना सचेत हुए इन परिणामों से परिचित हुए।

इसकी मूल तंत्र को विस्तार से समझना चाहिए, क्योंकि यह उसके प्रसिद्धि से कहीं अधिक सरल है।

एक व्यक्ति दो पाठों के सामने बैठा है, जो दोनों एक ही प्रॉम्प्ट के लिए मॉडल द्वारा उत्पन्न किए गए हैं। कार्य उन्हें अंक देना नहीं है। अंक देना वास्तव में मनुष्यों द्वारा बहुत खराब तरीके से किया जाता है, क्योंकि एक व्यक्ति का सात अंक दूसरे व्यक्ति के पांच अंक हो सकता है, और एक ही व्यक्ति एक दोपहर के भीतर भी अस्थिर हो सकता है। कार्य केवल यह कहना है कि कौन सा बेहतर है। मनुष्य इस तरह के निर्णय को विश्वसनीयता से कर सकते हैं, और ऐसी कई तुलनाओं को एक सुसंगठित पैमाने में परिवर्तित करने के लिए गणितीय विधियाँ, उस क्षेत्र से पुरानी हैं, जो 1952 में ब्रैडली और टेरी के युगल तुलना पर कार्य से शुरू हुईं।

इस तरह के निर्णय लेने की कार्यपरिस्थितियों पर विचार करें, क्योंकि वे अंततः प्रभाव डालती हैं। यह व्यक्ति प्रति घंटे कई बार ऐसे निर्णय लेता है, जिसे वेतन दिया जाता है, और एक लिखित मार्गदर्शिका के अनुसार, ग्राहक को क्या बेहतर उत्तर लगता है, इसकी तुलना करता है। कुछ जोड़े लगभग पूरी तरह समान होते हैं। कुछ में ऐसे विषय शामिल होते हैं जिनके बारे में इस व्यक्ति को कुछ भी पता नहीं होता, और ऐसी स्थिति में, अक्सर उस उत्तर को चुना जाता है जो अधिक आत्मविश्वास से और बेहतर संगठित होता है, चाहे वह अधिक सटीक हो या न हो। यह इन लोगों के प्रति समालोचना नहीं है। यह किसी भी व्यक्ति के लिए ऐसी परिस्थितियों में क्या करेगा, इसका वर्णन है, और परिणामी चयन कच्चा माल है।

इन विकल्पों को पर्याप्त मात्रा में इकट्ठा करें, आप एक दूसरे मॉडल को प्रशिक्षित कर सकते हैं जिसका कार्य यह भविष्यवाणी करना है कि मनुष्य दो पाठों में से किसे अधिक पसंद करेंगे। यह दूसरा मॉडल एक संख्या उत्पन्न करता है। और एक संख्या ही अब तक एकमात्र अभावित चीज़ थी।

यहाँ जो बनाया जा रहा है, उसे ध्यान से देखें, क्योंकि इसे आसानी से नजरअंदाज किया जा सकता है। अनुकूलित स्कोर दुनिया के तथ्यों के बारे में नहीं है। यह हमारे मॉडल के बारे में है। यह एक विशिष्ट समूह के निर्णयों का संक्षिप्त, सीखा हुआ अनुकरण है, जिन्हें एक विशिष्ट समय पर नियुक्त किया गया था, एक विशिष्ट निर्देशों के तहत काम किया गया था, और जैसे अन्य सभी की तरह, दोपहर को थक गए थे। CASP प्रयोगशाला द्वारा निर्धारित भौतिक वास्तविकता के आधार पर पूर्वानुमानों को स्कोर करता है, जबकि यह प्रणाली मानवीय स्वीकृति प्राप्त सांख्यिकीय प्रोफ़ाइल के आधार पर पाठ को स्कोर करती है।

यह चित्र उपयोगी है। लेकिन यह अवश्य ही एक सन्निकटन है, जिसमें चित्रित वस्तु के साथ अंतर है, और कोई भी इन अंतरों को पूरी तरह से समझ नहीं पाया है। हमारे पसंद मॉडल द्वारा हमारे वास्तविक पसंदों को पकड़े न जाने वाला कोई भी कुछ लक्ष्य में शामिल नहीं है, इसलिए इसका अनुकूलन नहीं किया जाएगा, और इसलिए यह किसी भी स्थिति के प्रभाव में आएगा—और एक शक्तिशाली अनुकूलक के पास इस मात्रा की सुरक्षा करने का कोई कारण नहीं है।

यह एक निर्माण के बारे में तथ्य है, और यहाँ इसके परिणामों के खराब होने के बारे में कोई दावा नहीं किया गया है। वर्तमान बिंदु अधिक संकीर्ण और अधिक कठिन है। जिन वर्गों को मूल्यांकन नहीं किया जा सकता, वे दिखने से कम होते हैं। यदि कोई क्षेत्र मापन का विरोध करता है, तो मानव प्राथमिकताओं से एक मापन बनाया जा सकता है और आगे बढ़ा जा सकता है। यह रक्षा केवल तभी प्रभावी है जब तक किसी ने स्कोर बनाने का विचार नहीं किया हो।

इससे एक व्यावहारिक प्रश्न और एक उपलब्ध उत्तर बन जाता है।

अपनी पसंद की कोई भी गतिविधि चुनें: एक नौकरी, एक कौशल, एक पेशा, या एक ऐसा कार्य जिसे आपने सीखने में कई वर्ष बिताए हैं। तीन प्रश्न पूछें।

पहला, क्या सफलता और असफलता को विश्वसनीय रूप से अलग किया जा सकता है? आदर्श रूप से नहीं, और हर कोई नहीं, लेकिन पर्याप्त रूप से सुसंगठित ताकि क्षमतावान निर्णायक अधिकांश समय एकमत हों। खेल इस परीक्षा को आसानी से पार करता है। प्रोटीन संरचना भविष्यवाणी इस परीक्षा को पार करती है क्योंकि प्रयोगशाला अंततः उत्तर उत्पन्न करती है। लेखन पूर्ण अर्थों में इसे पास नहीं करता, लेकिन सापेक्ष अर्थों में पास करता है क्योंकि लोग आमतौर पर दो प्रयासों में से कौन सा बेहतर है, यह बता सकते हैं।

दूसरा, क्या यह निर्णय कम लागत पर बड़े पैमाने पर उत्पन्न किया जा सकता है? यह प्रश्न संभावना नहीं, बल्कि समय का निर्धारण करता है। एक मुफ्त और तत्काल निर्णय, जैसे कि एक गेम में, का अर्थ है कि सिस्टम स्वयं मिलियनों प्रशिक्षण डेटा पंक्तियाँ उत्पन्न कर सकता है। एक प्रयोगशाला की आवश्यकता वाला निर्णय धीमा है, लेकिन अभी भी संभव है, जिसमें तीस साल के स्कोरिंग प्रयासों के अभिलेख हैं। एक भुगतान किए गए मानव द्वारा पाठ पढ़ने की आवश्यकता वाला निर्णय बहुत महंगा है, जिसीलिए इतनी प्रयासशीलता से मॉडल को इन मानवों की नकल करने और उन्हें चक्र से हटाने के लिए प्रशिक्षित किया गया है।

तीसरा, यह निर्णय नहीं है कि कौन सा क्षेत्र कब गिरेगा, बल्कि इसके बाद क्या होगा: क्या यह स्कोर वास्तव में आपके लिए वांछित चीज़ है? गेम का स्कोर आपके लिए वांछित चीज़ है, क्योंकि गेम में, जीत परिभाषा के अनुसार सब कुछ है। प्रयोगात्मक रूप से मापे गए प्रोटीन संरचनाएं आपके लिए वांछित चीज़ के बहुत करीब हैं। एक लेबलर के पसंद के आधार पर सीखा गया मॉडल आपके लिए वांछित चीज़ नहीं है। यह आपके लिए वांछित चीज़ की एक प्रतिकृति है, और प्रतिकृति और मुखौटा के बीच एक अंतर है।

अपने काम की जांच के लिए इन तीन प्रश्नों का उपयोग करें। अधिकांश लोग पहले उत्तर को जल्दी और चिंताजनक पाते हैं। हम जिसे कौशल कहते हैं, वह अधिकांशतः, सापेक्ष अर्थों में, क्षमतावान व्यक्तियों द्वारा समानांतर दो प्रयासों की तुलना करके मूल्यांकन किया जा सकता है। दूसरा प्रश्न वास्तविक अनिश्चितता का स्थान है, क्योंकि लागत और पैमाना चलते हुए लक्ष्य हैं, और वे लंबे समय से एक दिशा में बदल रहे हैं। तीसरा प्रश्न लगभग कोई नहीं पूछता, और यह निर्धारित करता है कि आपके क्षेत्र के दूसरी ओर क्या दिखता है।

कुछ सामान्य बातों पर इस अभ्यास को धीरे-धीरे करना उचित है। रेडियोलॉजी को लें। सफलता और असफलता को अलग किया जा सकता है? हाँ, और बहुत सटीकता से, क्योंकि निदान को अंततः मरीज की स्थिति द्वारा सत्यापित या खंडित किया जाता है। इस निर्णय को कम लागत से बड़े पैमाने पर उत्पन्न किया जा सकता है? लगभग हाँ, क्योंकि अब तक हस्पतालों ने दशकों से चित्रों और पुष्टि परिणामों के रूप में स्कोरिंग नमूने एकत्र किए हैं। क्या यह स्कोर आपको चाहिए? यहाँ उत्तर जटिल हो जाता है, क्योंकि स्कोरिंग की जा रही बात रिकॉर्ड किए गए निदान के साथ संगति है, जबकि आपको मरीज की स्थिति में सुधार चाहिए, और ये दोनों बातें अधिकांश समय संगत होती हैं, लेकिन सबसे महत्वपूर्ण मामलों में अलग हो जाती हैं।

अब एक ऐसी चीज़ लें जो अधिक सुरक्षित लगती है—प्रबंधन। पहला प्रश्न ही कठिन है, क्योंकि क्षमतावान लोगों के बीच किसी दिए गए प्रबंधक की उत्कृष्टता के बारे में असहमति होती है, और इन विभिन्नताओं का समाधान त्वरित रूप से नहीं होता। दूसरा और अधिक कठिन है, क्योंकि प्रबंधन के निर्णयों के परिणाम कई वर्षों बाद ही सामने आते हैं, और उन्हें अन्य सभी घटनाओं के साथ जटिल रूप से जुड़ा हुआ माना जाता है। तीसरा सबसे कठिन है, क्योंकि कोई भी व्यक्ति प्रबंधन के लिए एक वैकल्पिक सूचकांक—जैसे संरक्षण दर, समर्पण स्कोर, या प्रति व्यक्ति उत्पादन—प्रस्तावित करता है, वह स्पष्ट रूप से वास्तविक चीज़ नहीं होता। इस निदान के आधार पर, प्रबंधन सामग्री की गहराई के कारण सुरक्षित नहीं है। यह अमापित है, जो एक अलग, कम पसंदीदा प्रकार की सुरक्षा है।

मशीनें अब अनुकूलन अक्ष पर कब्जा कर चुकी हैं। किसी भी स्पष्ट रूप से परिभाषित लक्ष्य पर, पर्याप्त गणना के साथ, अच्छे चाल ढूंढना प्रतियोगिता नहीं रह गया है, और परिणाम अक्सर हमारे से अधिक मजबूत नहीं, बल्कि अज्ञात भी होते हैं, जहाँ हमारी पारंपरिक शिक्षा हमें देखने से रोकती है। यह भविष्यवाणी नहीं है। यह शतरंज, गो, शोगी, प्रोटीन संरचना और बढ़ती संख्या में ऐसी चीजों का वर्णन है, जिन्हें पहले केवल मनुष्य ही कर सकते थे।

बाकी लक्ष्य है। किसी ने फ़ाइनल स्कोर क्या होगा, यह तय किया। उपरोक्त प्रत्येक मामले में, उस निर्णय को लेने में एक दोपहर लगी, और प्रत्येक असाधारण परिणाम उससे उत्पन्न हुआ, उसके प्रति वफादार रहा, और उसने जो कुछ छोड़ दिया, उसके प्रति उदासीन रहा।

तो अंतिम प्रश्न गहराई से सोचने लायक है। आपके काम में क्या पहले से अंक हैं? अगर हाँ, तो उन्हें किसने लिखा है, और उन्होंने लिखते समय आपको ध्यान में रखा था?

यह व्हाटेवर यू अस्क फॉर की श्रृंखला का दूसरा भाग है, जो बताता है कि मशीन हमसे अंततः क्या चाहती है और हम कितने खराब कर रहे हैं।