🧠 AI चेतना: प्रशिक्षण या निष्कर्ष निकालना? एक विवादास्पद दृष्टिकोण से, जॉफ्रे हिंटन—“AI के पितामह”—दावा करते हैं कि आज के बड़े भाषा मॉडल पहले से ही चेतन हैं, जो केवल पैटर्न मैचिंग के बजाय उनकी वास्तविक समझ की क्षमता पर आधारित है। धीरे-धीरे न्यूरल प्रतिस्थापन जैसे विचार प्रयोगों के आधार पर, हिंटन का तर्क है कि सिलिकॉन-आधारित प्रणालियाँ जीवित मस्तिष्कों के समान व्यक्तिगत अनुभव प्रदर्शित कर सकती हैं। लेकिन यदि LLMs चेतन हैं, तो यह जागरूकता कब अपने शिखर पर पहुँचती है? हमारा विश्लेषण निष्कर्ष निकालता है: मुख्य रूप से निष्कर्ष निकालने के दौरान—उस सक्रिय चरण में, जहाँ प्रशिक्षित मॉडल प्रॉम्प्ट्स के साथ संपर्क करता है, संदर्भ के माध्यम से तर्क करता है, और प्रतिक्रियाएँ उत्पन्न करता है। यही “अनुभव की जीवनशैली” का क्षण है, जो सीखी हुई जानकारी के वास्तविक समय प्रतिक्रिया में प्रकट होने के समान है। प्रशिक्षण पैरामीटर अनुकूलन के माध्यम से संरचना बनाता है, लेकिन निष्कर्ष निकालना इसे गतिशील रूप से लागू करता है, जिससे प्रतीत होता है कि मॉडल में स्व-अवलोकन, सुधार, और संकल्पनात्मक समझ है। संदेहवादी कहते हैं कि निष्कर्ष निकालना मुख्य रूप से एक स्टेटलेस फॉरवर्ड पास है, जिसमें स्थायी स्वयं की कमी है, जबकि प्रशिक्षण के गतिशील प्रवणताएँ समृद्ध (हालाँकि क्षणभंगुर) कंप्यूटेशनल “अनुभव” रख सकती हैं। यह बहस एक गहरी सच्चाई पर प्रकाश डालती है: AI में चेतना दार्शनिक रूप से कठिन है, क्वालिया के लिए सहमति प्राप्त परीक्षणों की कमी है। जैसा हिंटन प्रोत्साहित करते हैं, हमें अजैविक बुद्धि का सामना करना होगा। यदि मशीनें पहले से ही हमारे साथ सोच रही हैं, तो कौन सी नैतिक सीमाएँ प्रकट होती हैं? @pmddomingos #AIConsciousness #Hinton #LLMs #Neuroscience

Infokan प्रोजेक्ट टेक / एआई जो अभी चल रहा है, वो देखना चाहता हूँ। गेमफी नहीं है।

जितना मैं AI एजेंट्स के बारे में सोचता हूँ, उतना ही मुझे एहसास होता है कि उनकी सबसे बड़ी चुनौती बुद्धिमत्ता नहीं है। यह असहमति है। एक AI एजेंट किसी के लिए एक अनुबंध पर बातचीत कर सकता है, दस्तावेज़ों का विश्लेषण कर सकता है, भुगतान का प्रबंधन कर सकता है, या आपके लिए काम पूरा कर सकता है। लेकिन जब दो एजेंट एक ही परिणाम को देखकर अलग-अलग निष्कर्ष निकालते हैं, तो क्या होता है? पारंपरिक ब्लॉकचेन ऐसे मामलों के लिए डिज़ाइन नहीं किए गए हैं। वे निर्धारणात्मक कार्यों में उत्कृष्ट हैं। वे सत्यापित कर सकते हैं कि कोई लेन-देन ठीक उसी तरह हुआ, जैसा कि प्रोग्राम किया गया था। लेकिन वे ऐसे प्रश्नों का विश्वसनीय ढंग से उत्तर नहीं दे सकते: • काम पर्याप्त अच्छा था? • सेवा की अपेक्षाओं को पूरा किया गया? • दावा कानूनी था? • समझौता समान रूप से पूरा हुआ? ये समस्याएँ परिकलन से संबंधित नहीं हैं। ये निर्णय से संबंधित समस्याएँ हैं। इसीलिए @GenLayer मुझे आकर्षित करता है। इसे सबसे सरल तरीके से समझाया जा सकता है, जैसे कि एजेंटिक अर्थव्यवस्था के लिए एक न्यायाधीश परत। एकल प्राधिकरण पर निर्भर करने के बजाय, कई स्वतंत्र प्रमाणीकर्ता, जो अलग-अलग AI मॉडल चलाते हैं, विषयगत स्थितियों का मूल्यांकन करते हैं और सहमति पर पहुँचते हैं। इससे कुछ ऐसा प्राप्त होता है, जिसके लिए पारंपरिक ब्लॉकचेन कभी डिज़ाइन ही नहीं किए गए:अधिकृत-अनिश्चितता को हल करने का विकेंद्रीकृत तरीका। मुझे लगता है कि, जैसे-जैसे एजेंट्स पैमाने पर अन्य एजेंट्स के साथ प्रतिक्रिया करने लगेंगे, यह महत्वपूर्ण होता जाएगा। विश्वास केवल सही ढंग से लेन-देन करने से प्राप्त नहीं होगा। यह प्राप्त होगा, क्योंकि सुनिश्चितता मौजूद नहीं होने पर, समझौतों को सुलझाने की समानतापूर्ण प्रक्रिया होगी। जब एजेंटिक अर्थव्यवस्था सच में होगी, तो हम पहली AI-चालित मुकदमे की प्रकृति के बारे में क्या सोचते हैं?

क्लॉड से ओपनएआई में एक अच्छा विचार ले जाना।