आर्टिफिशियल इंटेलिजेंस (एआई) का इतिहास

आर्टिफिशियल इंटेलिजेंस (एआई) का इतिहास विज्ञान और तकनीकी खोजों का एक दिलचस्प सफर है। प्राचीन समय के दार्शनिक तर्कों (लॉजिक) से लेकर आधुनिक युग के कंप्यूटर विज्ञान तक, एआई ने धीरे-धीरे अपनी जगह बनाई। इसका औपचारिक आरंभ १९५६ में डार्टमाउथ सम्मेलन से हुआ। इस लेख में हम एआई के शुरुआती विचारों, बड़े आविष्कारों और उसके विकास के अहम चरणों को सरल भाषा में समझेंगे।

१. शुरुआती आधार (१९४० से पहले)

१.१ एआई की दार्शनिक जड़ें: अरस्तू का तर्कशास्त्र (लॉजिक)

अरस्तू का तर्कशास्त्र (लॉजिक) एआई के शुरुआती विचारों का आधार माना जाता है। उन्होंने यह समझाने की कोशिश की थी कि तर्क और नियमों के जरिए किसी समस्या का हल निकाला जा सकता है। उदाहरण के लिए, उनके सिलोगिज़्म नामक विधि में यह दिखाया गया कि यदि दो कथन सही हैं, तो उनके आधार पर एक निष्कर्ष निकाला जा सकता है।

जैसे:
सभी मनुष्य नश्वर हैं।
सुकरात एक मनुष्य है।
निष्कर्ष: सुकरात नश्वर है।

अरस्तू के इस तर्कशास्त्र (लॉजिक) ने दिखाया कि विचार और निर्णय को एक संरचित रूप दिया जा सकता है। यही विचार आधुनिक एआई के नियम-आधारित सिस्टम और प्रोग्रामिंग के मूल में है। उनके काम ने यह सिद्ध किया कि मानव सोच को औपचारिक नियमों और प्रक्रियाओं में बदला जा सकता है, जो कंप्यूटर और स्वचालित प्रणालियों के लिए एक महत्वपूर्ण आधार बना।

१.२ शुरुआती विचार:

१.२.१. रैमोन लुल की तार्किक (लॉजिकल) मशीनें

लुल एक मध्ययुगीन दार्शनिक (मीडीवल फिलॉसफर) और विद्वान थे, जिन्होंने १३वीं शताब्दी में तार्किक (लॉजिकल) मशीनों का प्रस्ताव दिया। उनकी मशीनें तर्क (लॉजिक), तर्कसंगति (रीजनिंग) और समस्याओं को हल करने के लिए उपयोग की जाती थीं। उन्होंने तर्क की प्रक्रियाओं को स्वचालित बनाने के लिए एक यांत्रिक उपकरण की कल्पना की, जिसमें प्रतीक (सिंबल) और संख्याओं के माध्यम से तर्क (लॉजिक) की प्रक्रियाओं को निष्पादित (एक्सक्यूट) किया जा सकता था। उनकी सोच ने तर्क को औपचारिक रूप देने का मार्ग तैयार किया।

१.२.२.लाइबनिज का गणितीय तर्कसंगणक (लॉजिकल कैलकुलेटर)

१७वीं शताब्दी में, जर्मन दार्शनिक और गणितज्ञ लाइबनिज ने गणितीय तर्कसंगणक (लॉजिकल कैलकुलेटर) की अवधारणा का प्रस्ताव किया। उन्होंने एक ऐसा तंत्र की कल्पना की, जो गणितीय तर्क (लॉजिक) और तर्कसंगति (रीजनिंग) को स्वचालित रूप से निष्पादित कर सके। उनके विचार ने गणितीय सोच को एक नए स्तर पर ले जाने का प्रयास किया और यह कंप्यूटर विज्ञान के विकास की दिशा में एक महत्वपूर्ण कदम था। उनके कार्य ने आधुनिक कंप्यूटर विज्ञान के लिए एक आधार प्रदान किया।

१.३ मरी शेली की फ्रेंकस्टीन: कृत्रिम प्राणियों के लिए कल्पनाशील प्रेरणा

मरी शेली की फ्रेंकस्टीन (१८१८) एक काल्पनिक उपन्यास है, जिसमें डॉक्टर विक्टर फ्रेंकस्टीन नामक एक वैज्ञानिक द्वारा निर्मित कृत्रिम प्राणी की कहानी बताई गई है। इस कहानी ने आर्टिफिशियल इंटेलिजेंस (एआई) के विकास के लिए एक प्रेरणास्त्रोत के रूप में कार्य किया।

इस उपन्यास में, फ्रेंकस्टीन नामक वैज्ञानिक मानव रूपी प्राणियों का निर्माण करता है, जिन्हें विज्ञान और तर्क के सहारे जीवन प्रदान किया जाता है। वह अपनी विज्ञान-धर्मिता में खो जाता है और एक ऐसी प्राणघातक प्रयोग करता है, जिसके परिणामस्वरूप उसे एक संवेदनशील प्राणी मिलता है। कहानी में, इस कृत्रिम प्राणी का संघर्ष, इसकी अकेलापन और अपनी मानवता को समझने का संघर्ष, कृत्रिम जीवन की नैतिकता और सीमा के बारे में महत्वपूर्ण प्रश्न उठाता है।

मरी शेली की यह कहानी कृत्रिम जीवन की संभावनाओं, इसके संभावित खतरे और हमारे वैज्ञानिक कार्यों के नैतिक परिणामों पर एक विचारशील टिप्पणी है। यह कल्पना हमें आज की एआई प्रौद्योगिकी के विकास और उसके प्रभावों के बारे में सोचने पर मजबूर करती है। फ्रेंकस्टीन हमें यह सिखाता है कि विज्ञान और तकनीकी नवाचार केवल तकनीकी प्रगति के लिए नहीं होते, बल्कि समाज और मानवता की भलाई के लिए भी जिम्मेदार होते हैं।

२. १९४०-१९५० के दशक में आधुनिक कम्प्यूटिंग और एआई का प्रारंभ

द्वितीय विश्व युद्ध के बाद १९४०-१९५० के दशक में आधुनिक कम्प्यूटिंग और एआई की शुरुआत हुई। इस युग में कंप्यूटर तकनीक की तेजी से प्रगति हुई, जिससे गणना करने के नए उपकरण और यंत्रों का विकास हुआ। आधुनिक कंप्यूटर की शुरुआत में प्रमुख योगदान दिया गया था जॉन वॉन न्यूमैन और अलेन ट्यूरिंग के कामों ने। ट्यूरिंग ने "कमप्यूटिंग मशीनरी और बुद्धिमत्ता" में कंप्यूटर की संभावनाओं को समझाया, जबकि वॉन न्यूमैन ने कम्प्यूटर आर्किटेक्चर के सिद्धांत को स्थापित किया। इन कार्यों ने कम्प्यूटर विज्ञान के भविष्य के विकास के लिए महत्वपूर्ण आधार तैयार किया।

२.१ अलन ट्यूरिंग

अलन ट्यूरिंग एक प्रमुख ब्रिटिश गणितज्ञ, दार्शनिक और कंप्यूटर वैज्ञानिक थे। उन्होंने १९३६ में ट्यूरिंग मशीन की अवधारणा प्रस्तुत की, जो कंप्यूटर विज्ञान के मूल सिद्धांतों में से एक है। उनकी ट्यूरिंग मशीन मॉडल ने गणना की व्यापकता को परिभाषित किया और कंप्यूटर विज्ञान के क्षेत्र में महत्वपूर्ण योगदान दिया। ट्यूरिंग ने "गणना मशीनरी और बुद्धिमत्ता" (१९५०) में आर्टिफिशियल इंटेलिजेंस की संभावनाओं पर भी विचार किया, और उनका "ट्यूरिंग टेस्ट" कंप्यूटर की बुद्धिमत्ता की माप के रूप में आज भी महत्वपूर्ण है। उनकी कार्यों ने कंप्यूटर विज्ञान के भविष्य की दिशा को आकार दिया।

२.१.१ ट्यूरिंग मशीन

ट्यूरिंग मशीन एक कल्पनीय गणना उपकरण है जिसे अलन ट्यूरिंग ने १९३६ में प्रस्तावित किया था। इसमें एक अनंत लंबी स्ट्रिप होती है जिसमें निशान लगे होते हैं, जो प्रतीकों से भरी होती है। इसके ऊपर एक हेड होता है जो स्ट्रिप को पढ़ता और उस पर लिखता है। ट्यूरिंग मशीन के ट्रांसिशन रूल्स उसे यह निर्देश देते हैं कि प्रत्येक स्थिति में उसे क्या करना चाहिए—जैसे, स्ट्रिप पर पढ़े गए प्रतीक को बदलना, स्थिति को बदलना, या नई स्थिति में जाना। मशीन के ट्रांसिशन रूल्स पूरी गणना को निर्धारित करते हैं। इसका मतलब है कि ट्यूरिंग मशीन किसी भी गणनात्मक कार्य को निष्पादित कर सकती है, जो उसे किसी भी समस्या का समाधान करने की क्षमता देता है। इसके मॉडल ने कंप्यूटर की कार्यप्रणाली को समझने में महत्वपूर्ण भूमिका निभाई है और इसे कंप्यूटर विज्ञान के विकास में एक महत्वपूर्ण माना जाता है।

२.१.२ गणना मशीनरी और बुद्धिमत्ता (१९५०)

अलन ट्यूरिंग द्वारा १९५० में लिखा गया एक महत्वपूर्ण लेख है। इसमें उन्होंने सवाल किया कि क्या मशीनें भी सोच सकती हैं और बुद्धिमान हो सकती हैं। उन्होंने कंप्यूटर की संभावित बुद्धिमत्ता का परीक्षण करने के लिए "ट्यूरिंग टेस्ट" की अवधारणा प्रस्तुत की, जिसमें एक मानव परीक्षक को यह पहचानना होता है कि उसके सामने मशीन बात कर रही है या मनुष्य। ट्यूरिंग ने यह भी बताया कि कंप्यूटर का एकमात्र लक्ष्य गणनाओं को निष्पादित करना नहीं है, बल्कि यह भी हो सकता है कि वह मनुष्यों की तरह सोचने में सक्षम हो। उनका लेख आर्टिफिशियल इंटेलिजेंस के क्षेत्र में एक महत्वपूर्ण घटना है।

इस टेस्ट ने एआई अनुसंधान के लिए एक महत्वपूर्ण मापदंड स्थापित किया और कंप्यूटर की समझ और संवाद क्षमता की दिशा में महत्वपूर्ण योगदान दिया। यह आज भी एआई के क्षेत्र में एक प्रमुख मापदंड है।

२.२ जॉन वॉन न्यूमैन की कम्प्यूटिंग में योगदान:

जॉन वॉन न्यूमैन एक प्रमुख गणितज्ञ और कम्प्यूर वैज्ञानिक थे, जिन्होंने कम्प्यूटिंग में महत्वपूर्ण योगदान दिया। उन्होंने १९४० के दशक में कम्प्यूटर आर्किटेक्चर के सिद्धांतों को स्थापित किया। उनकी सबसे महत्वपूर्ण खोजों में से एक थी वॉन न्यूमैन आर्किटेक्चर। इस मॉडल में कम्प्यूटर के हार्डवेयर और सॉफ़्टवेयर के बीच स्पष्ट भेद किया गया था, जिससे कम्प्यूटर की संरचना और कार्यप्रणाली की नींव पड़ी। इसके अनुसार, कम्प्यूटर का मुख्य भाग सेंटरल प्रोसेसिंग यूनिट (सी पी यू) होती है, जो प्रोग्राम निर्देशों को निष्पादित करता है, और मेमोरी, जो डेटा और प्रोग्राम को स्टोर करती है। वॉन न्यूमैन आर्किटेक्चर ने कंप्यूटर के विकास की दिशा निर्धारित की और उसे अत्यधिक व्यावहारिक और उपयोगी बना दिया। उनकी कार्यों ने आधुनिक कम्प्यूटर आर्किटेक्चर के सिद्धांतों को विकसित करने में महत्वपूर्ण भूमिका निभाई।

२.३ नोर्बर्ट वीनर और साइबरनेटिक्स का जन्म

नोर्बर्ट वीनर एक प्रमुख अमेरिकी गणितज्ञ थे जिन्होंने साइबरनेटिक्स (संवेदन और नियंत्रण के सिद्धांत) का विचार प्रस्तुत किया। १९४० के दशक में, उन्होंने "साइबरनेटिक्स: नियंत्रण और संचार की कार्यक्षमता में अध्ययन" नामक पुस्तक में मशीनों और मानवों के बीच नियंत्रण और संचार के सिद्धांतों की खोज की। वीनर ने इसे संज्ञानात्मक तंत्रविज्ञान के रूप में परिभाषित किया, जहां मशीनों और मनुष्यों के बीच स्वचालित नियंत्रण और संचार का अध्ययन होता है।

वीनर ने तर्क दिया कि बुद्धिमान मशीनें और जीवों के नियंत्रण तंत्र एक समान हैं। उन्होंने सिग्नल ट्रांसमिशन और नियंत्रण प्रणाली को समझाने के लिए गणितीय मॉडल और सिद्धांतों का उपयोग किया। उनके काम ने कम्प्यूर साइंस और एआई के विकास की नींव रखी और मशीनों की सोचने की क्षमता, स्वायत्तता और बुद्धिमत्ता की संभावनाओं की शुरुआत की। वीनर का योगदान साइबरनेटिक्स के क्षेत्र में एक महत्त्वपूर्ण घटना माना जाता है, और आज भी उनके सिद्धांत और मॉडल कंप्यूटर विज्ञान और कृत्रिम बुद्धिमत्ता के क्षेत्र में महत्वपूर्ण आधार हैं।

२.४ डार्टमाउथ सम्मेलन (१९५६): एआई का आधिकारिक जन्म

डार्टमाउथ सम्मेलन १९५६ में अमेरिका के डार्टमाउथ कॉलेज में आयोजित किया गया था, जिसे आर्टिफिशियल इंटेलिजेंस (एआई) के क्षेत्र में एक महत्वपूर्ण घटना माना जाता है। इस सम्मेलन में प्रसिद्ध शोधकर्ताओं और वैज्ञानिकों ने भाग लिया, जिनमें जॉन मैक्कार्थी, मार्विन मिंस्की, नाथनियल रोसेन, और हर्बर्ट सिमन शामिल थे। इन लोगों ने आर्टिफिशियल इंटेलिजेंस के विचारों और संभावनाओं पर चर्चा की और इसे एक नई अनुसंधान शाखा के रूप में स्थापित करने का प्रस्ताव किया।

इस सम्मेलन में प्रस्तुत की गईं विचारधाराओं ने एआई के भविष्य की नींव रखी। इसमें विचार किया गया कि कंप्यूटरों को मनुष्यों की तरह सोचने, सीखने और समझने की क्षमता दी जा सकती है। सम्मेलन के बाद, एआई अनुसंधान को एक व्यवस्थित क्षेत्र के रूप में मान्यता मिली और यह कंप्यूटर विज्ञान के प्रमुख क्षेत्रों में से एक बन गया। डार्टमाउथ सम्मेलन को एआई के आधिकारिक जन्म के रूप में मान्यता दी जाती है, जिससे इसके विकास की दिशा को आकार देने में महत्वपूर्ण भूमिका निभाई।

३. आरंभिक वृद्धि और आशावाद (१९५६-१९७० के दशक)

१९५६-१९७० के दशक में आर्टिफिशियल इंटेलिजेंस (एआई) अनुसंधान में तेजी से वृद्धि और उत्साह देखा गया। डार्टमाउथ सम्मेलन के बाद, एआई के क्षेत्र में नए प्रयोगों और अनुसंधानों का दौर शुरू हुआ। इस समय के दौरान, शोधकर्ताओं ने कंप्यूटर और मशीनों को बुद्धिमान बनाने के लिए नए मॉडल और तकनीकों को विकसित किया। कंप्यूटरों की क्षमता में सुधार हुआ और उन्हें बुद्धिमान गतिविधियों को निष्पादित करने की दिशा में महत्वपूर्ण प्रगति हुई। हालांकि शुरुआती आशावाद के बावजूद, कुछ समस्याओं और सीमाओं का सामना भी हुआ, जो इस अवधि में एआई अनुसंधान को प्रभावित कर रही थीं। फिर भी, इस अवधि को एआई के शुरुआती विकास और उसकी संभावनाओं को लेकर उच्च स्तर की उत्सुकता और उत्साह के दौर के रूप में देखा जाता है।

३.१ आरंभिक सफलताएं

३.१.१ लॉजिक थियोरिस्ट (१९५६)

हर्बर्ट सिमन और एलन न्यूल द्वारा विकसित किया गया यह प्रोग्राम आर्टिफिशियल इंटेलिजेंस के शुरुआती दौर का एक महत्वपूर्ण मॉडल था। लॉजिक थियोरिस्ट एक प्रकार की तार्किक (लॉजिकल) प्रणाली थी, जिसे १९५६ में डार्टमाउथ सम्मेलन में प्रस्तुत किया गया। इसका उद्देश्य कंप्यूटर को मनुष्यों की तरह तार्किक प्रमेयों (लॉजिकल थियोरमस) को सिद्ध करने में सक्षम बनाना था।

इस प्रोग्राम ने आर्टिफिशियल इंटेलिजेंस अनुसंधान में महत्वपूर्ण योगदान दिया क्योंकि यह पहली बार कंप्यूटर को तार्किक तर्क (लॉजिकल रीजनिंग) और सिद्धांतों को लागू करने में सक्षम बनाता था। लॉजिक थियोरिस्ट ने समस्याओं को समझने और हल करने के लिए सादे वाक्यों का उपयोग किया। यह एक साधारण कंप्यूटर प्रोग्राम था, लेकिन इसके भीतर कई जटिल तर्क प्रक्रियाएं छुपी थीं। इसके माध्यम से, सिमन और न्यूल ने यह दिखाया कि कंप्यूटर सोचने की क्षमता को अनुकरण कर सकता है। लॉजिक थियोरिस्ट ने कंप्यूटर विज्ञान और कृत्रिम बुद्धिमत्ता के क्षेत्र में एक नई दिशा निर्धारित की, और यह समझने का मार्ग प्रशस्त किया कि कैसे मशीनें तार्किक तर्क (लॉजिकल रीजनिंग) और समस्या समाधान में सक्षम हो सकती हैं।

३.१.२ जनरल प्रॉब्लम सॉल्वर (जी पी एस)

जनरल प्रॉब्लम सॉल्वर, जिसे जी पी एस के नाम से भी जाना जाता है, हर्बर्ट सिमन और एलन न्यूल द्वारा १९५० के दशक में विकसित किया गया एक महत्वपूर्ण आर्टिफिशियल इंटेलिजेंस प्रोग्राम था। यह एक स्वायत्त समस्या समाधान प्रणाली थी जो विभिन्न प्रकार की समस्याओं को हल करने में सक्षम थी। जी पी एस की मुख्य विशेषता यह थी कि यह समस्याओं को समझने, योजना बनाने और उन्हें हल करने में एक सामान्य दृष्टिकोण अपनाता था।

जी पी एस ने समस्याओं को हल करने के लिए "प्रोब्लम स्पेस" और "सॉल्यूशन स्पेस" के बीच खोजने की प्रक्रिया का उपयोग किया। प्रोब्लम स्पेस वह जगह होती है जहां समस्याओं के समाधान संभावित तरीके से मौजूद होते हैं, जबकि सॉल्यूशन स्पेस में वास्तविक समाधान होते हैं। जी पी एस ने इन दोनों जगहों के बीच एक खोज प्रक्रिया का संचालन किया, जिसमें विभिन्न तरीकों और तकनीकों को समस्याओं को हल करने के लिए इस्तेमाल किया गया।

इस प्रणाली का उद्देश्य मशीनों को समस्या समाधान की स्वतंत्रता और रणनीति बनाने की क्षमता प्रदान करना था। जी पी एस ने "स्थिति" और "गतिविधियों" के बीच संबंध स्थापित किया, जो समस्या समाधान के लिए आवश्यक थे। इसके माध्यम से, कंप्यूटर विभिन्न रणनीतियों और दृष्टिकोणों का उपयोग करके समस्याओं को सुलझा सकता था। जी पी एस का विकास एआई अनुसंधान के इतिहास में महत्वपूर्ण घटना थी, क्योंकि इसे एक सामान्य समस्या समाधान प्रणाली माना गया था, जिसने बाद में एआई की अन्य प्रणालियों और तकनीकों को आकार देने में मदद की।

३.१.३ एलिजा (१९६६)

एलिजा एक शुरुआती आर्टिफिशियल इंटेलिजेंस प्रोग्राम था, जिसे जोसफ वेइज़नबॉम ने १९६६ में विकसित किया। यह एक संवादात्मक प्रोग्राम था, जो उपयोगकर्ताओं के साथ बातचीत करने में सक्षम था। एलिजा को इस तरह से डिजाइन किया गया था कि यह मानव की तरह प्रश्नों का उत्तर दे सके और बातचीत कर सके।

यह प्रोग्राम खासतौर पर "रोजरियन साइकोथेरेपिस्ट" ¹ की भूमिका निभाने के लिए बनाया गया था। यह उपयोगकर्ताओं के सवालों और वाक्यों को पढ़कर उनके जवाब देता था, जिससे यह प्रतीत होता था कि कंप्यूटर सोच रहा है। उदाहरण के लिए, अगर उपयोगकर्ता कहता, "मैं खुश नहीं हूँ," तो एलिजा पूछता, "आप खुश क्यों नहीं हैं?"

एलिजा का महत्व इस बात में था कि इसने दिखाया कि कंप्यूटर मानव के साथ संवाद करने में सक्षम हो सकता है। हालांकि यह प्रोग्राम केवल पहले से तय नियमों के आधार पर काम करता था, लेकिन यह एआई के क्षेत्र में संवादात्मक प्रणालियों के विकास का एक महत्वपूर्ण कदम था। एलिजा ने आगे चलकर चैटबॉट्स और संवादात्मक एआई तकनीकों के विकास का रास्ता तैयार किया।

३.२ एल.आई.एस.पी. प्रोग्रामिंग भाषा का विकास और एआई में उपयोग

एल.आई.एस.पी. (लिस्ट प्रोसेसिंग) प्रोग्रामिंग भाषा १९५८ में जॉन मैक्कार्थी द्वारा विकसित की गई थी। यह एआई के क्षेत्र के लिए विशेष रूप से डिजाइन की गई पहली प्रोग्रामिंग भाषाओं में से एक है। एल.आई.एस.पी. को गणितीय तर्क (लॉजिक) और प्रतीकात्मक (सिम्बॉलिक) जानकारी को प्रोसेस करने के लिए बनाया गया था, जो एआई अनुप्रयोगों के लिए महत्वपूर्ण था।

३.२.१ एल.आई.एस.पी. की विशेषताएं

• प्रतीकात्मक (सिम्बॉलिक) गणना: एल.आई.एस.पी. प्रतीकात्मक डेटा को प्रोसेस करने में सक्षम है, जिससे यह एआई के लिए आदर्श बन गई।
• सहज संरचना: एल.आई.एस.पी. की सरल और फ्लेक्सिबल संरचना इसे जटिल एल्गोरिदम के लिए उपयोगी बनाती है।
• डायनामिक मेमोरी प्रबंधन: एल.आई.एस.पी. स्वचालित मेमोरी प्रबंधन (गार्बेज कलेक्शन) का उपयोग करती है, जो एआई प्रोग्राम्स के लिए फायदेमंद है।
• रीकर्सन: एल.आई.एस.पी. रीकर्सन को सीधे समर्थन देती है, जो एआई प्रोग्रामिंग में उपयोगी है।

३.२.२ एआई में एल.आई.एस.पी. का उपयोग

• एलिजा जैसे शुरुआती चैटबॉट प्रोग्राम एल.आई.एस.पी. का उपयोग करते थे।
• विशेषज्ञ प्रणालियों और मशीन लर्निंग प्रोग्राम्स को विकसित करने के लिए एल.आई.एस.पी. का उपयोग किया गया।
• यह भाषा एआई अनुसंधान में दशकों तक प्रचलित रही और आज भी कुछ क्षेत्रों में उपयोग की जाती है।

एल.आई.एस.पी. का विकास एआई के इतिहास में एक महत्वपूर्ण मील का पत्थर था। इसकी सरलता और शक्ति ने एआई प्रोग्रामिंग की संभावनाओं को बढ़ाया और इसे अन्य प्रोग्रामिंग भाषाओं के विकास के लिए एक प्रेरणा दी।

३.३. आशावादी लक्ष्य: कुछ दशकों में मानव स्तर के एआई की प्राप्ति की भविष्यवाणियां

१९५० और १९६० के दशक में, एआई के क्षेत्र में बड़ी तेजी से प्रगति हो रही थी। उस समय के शोधकर्ताओं और वैज्ञानिकों का मानना था कि मशीनें जल्द ही मानव के समान बुद्धिमत्ता हासिल कर लेंगी। कई विशेषज्ञों ने यह भविष्यवाणी की थी कि कुछ दशकों के भीतर, कंप्यूटर सोचने, सीखने और निर्णय लेने में मनुष्यों की तरह सक्षम हो जाएंगे।

इस आशावादी सोच के पीछे एआई के शुरुआती सफल उदाहरण, जैसे लॉजिक थियोरिस्ट, एलिजा, और जनरल प्रॉब्लम सॉल्वर जैसी तकनीकों का विकास था। हालांकि, समय के साथ इन लक्ष्यों को हासिल करना उतना आसान नहीं रहा जितना सोचा गया था। लेकिन इन भविष्यवाणियों ने एआई के विकास को प्रेरित किया और अनुसंधान को नई दिशा दी।

४. एआई विंटर्स (१९७० और १९८० का दशक)

एआई विंटर्स का मतलब है आर्टिफिशियल इंटेलिजेंस (एआई) के विकास में वह समय जब अनुसंधान में रुकावट आई, और निवेश तथा रुचि में भारी गिरावट हुई। यह दौर मुख्य रूप से १९७० और १९८० के दशक में देखा गया।

४.१. एआई विंटर्स के मुख्य कारण

४.१.१. अति-आशावादी भविष्यवाणियां

शुरुआती एआई वैज्ञानिकों ने यह दावा किया था कि कुछ ही वर्षों में एआई इंसानी बुद्धिमत्ता के स्तर तक पहुंच जाएगा। उन्होंने कहा कि मशीनें जटिल कार्यों, जैसे मानव-स्तर की बातचीत, निर्णय लेना और तार्किक समस्याओं को हल करना, करने में सक्षम होंगी। लेकिन यह भविष्यवाणियां वास्तविकता से दूर साबित हुईं। इन दावों के पूरा न होने से सरकारों और कंपनियों का विश्वास कम हो गया और उन्होंने एआई परियोजनाओं के लिए धन देना बंद कर दिया।

४.१.२. प्रदर्शन में कमी

उस समय विकसित एआई तकनीकें, जैसे विशेषज्ञ प्रणालियां और मशीन लर्निंग के शुरुआती मॉडल, अपेक्षित परिणाम नहीं दे सकीं। ये तकनीकें केवल सरल कार्यों को हल कर पाती थीं और जटिल समस्याओं में असफल रहीं। इसके कारण एआई को लेकर जो उम्मीदें थीं, वे पूरी नहीं हो पाईं।

४.१.३. हार्डवेयर सीमाएं

१९७० और १९८० के दशक में कंप्यूटर की गति और मेमोरी क्षमता काफी सीमित थी। एआई प्रोग्राम्स को चलाने के लिए अधिक प्रोसेसिंग पावर और स्मृति की आवश्यकता थी, लेकिन उस समय की तकनीकी सीमाओं के कारण एआई को कुशलता से लागू करना संभव नहीं हो पाया। यह तकनीकी बाधा एआई के विकास में बड़ी रुकावट बनी।

४.१.४. समर्थन की कमी

असफलताओं और उच्च निवेश लागत के कारण निवेशकों और सरकारों का भरोसा एआई में कम हो गया। इसके परिणामस्वरूप अनुसंधान परियोजनाओं के लिए वित्तीय सहायता बहुत कम हो गई। कई महत्वपूर्ण परियोजनाएं बंद हो गईं, और शोधकर्ताओं को अन्य क्षेत्रों में काम करना पड़ा।

४.२. एआई विंटर् का परिणाम

एआई विंटर का प्रभाव एआई अनुसंधान और विकास पर गहरा पड़ा। इस दौरान एआई की प्रगति काफी धीमी हो गई। कई महत्वाकांक्षी परियोजनाओं को बंद करना पड़ा क्योंकि उन्हें वित्तीय समर्थन नहीं मिल पाया। अनुसंधान के लिए संसाधनों की कमी के कारण वैज्ञानिक और इंजीनियर अन्य क्षेत्रों में काम करने लगे। इस समय ने एआई के प्रति उत्साह को कम कर दिया और इसे एक अविश्वसनीय प्रौद्योगिकी के रूप में देखा जाने लगा। हालांकि, इस मंदी के दौरान भी कुछ परियोजनाएं और विचार आगे बढ़ते रहे, जो बाद में एआई के पुनरुत्थान में सहायक साबित हुए।

४.३. वित्तीय सहायता और रुचि में कमी

१९७० और १९८० के दशक के एआई विंटर्स का एक मुख्य कारण वित्तीय सहायता और रुचि में भारी गिरावट थी। शुरुआती दशकों में एआई को लेकर काफी उत्साह और आशावाद था, लेकिन जब वादा किए गए परिणाम समय पर हासिल नहीं हो पाए, तो सरकारों, कंपनियों, और निवेशकों ने एआई परियोजनाओं में निवेश करना बंद कर दिया।

कई देशों की सरकारों ने एआई पर हो रहे खर्च में कटौती की क्योंकि तकनीक वांछित परिणाम देने में असफल रही। इसी तरह, निजी कंपनियों ने एआई प्रोजेक्ट्स को लाभदायक न मानते हुए समर्थन वापस ले लिया। अति-आशावादी दावों और बार-बार की असफलताओं ने एआई के प्रति लोगों का भरोसा कम कर दिया, जिससे इस क्षेत्र में रुचि घट गई।

इस वित्तीय और रुचि संकट के कारण एआई अनुसंधान की गति धीमी पड़ गई और कई महत्वाकांक्षी प्रोजेक्ट्स को बंद करना पड़ा। इससे एआई का विकास लगभग रुक सा गया, हालांकि कुछ परियोजनाएं सीमित संसाधनों के साथ जारी रहीं।

इस वित्तीय और रुचि संकट ने एआई अनुसंधान की गति को धीमा कर दिया और कई महत्वाकांक्षी प्रोजेक्ट्स को स्थगित या समाप्त कर दिया।

४.४. एआई विंटर के दौरान जारी प्रमुख परियोजनाएं

एआई विंटर के दौरान, जब रुचि और वित्तीय समर्थन में कमी आई, तब भी कुछ महत्वपूर्ण परियोजनाओं और शोध कार्यों ने एआई अनुसंधान को जीवित रखा। इन प्रयासों ने एआई के भविष्य के विकास की नींव रखी।

४.४.१. विशेषज्ञ प्रणालियां (एक्सपर्ट सिस्टम्स)

विशेषज्ञ प्रणालियां ऐसे सिस्टम थे जो किसी विशेष क्षेत्र में मानव विशेषज्ञों के ज्ञान का उपयोग करके निर्णय ले सकते थे। उदाहरण के लिए, मायसिन एक चिकित्सा प्रणाली थी, जो संक्रमणों का निदान कर सकती थी। एक्सकॉन एक कंप्यूटर सिस्टम था, जो कॉन्फ़िगरेशन में मदद करता था। इन प्रणालियों ने दिखाया कि एआई जटिल समस्याओं को हल कर सकता है।

४.४.२. प्रोग्रामिंग भाषाओं का विकास

एआई अनुसंधान के लिए प्रोग्रामिंग भाषाओं का विकास भी इस दौरान जारी रहा। एल.आई.एस.पी. (लिस्ट प्रोसेसिंग) एआई की मुख्य भाषा बनी रही, जबकि प्रोलॉग तार्किक प्रोग्रामिंग और प्राकृतिक भाषा प्रसंस्करण के लिए उपयोगी साबित हुई।

४.४.३. न्यूरल नेटवर्क्स पर शोध

न्यूरल नेटवर्क्स पर शोध, जो पहले रुका हुआ था, इस समय फिर से शुरू हुआ। जॉन हॉपफील्ड और डेविड रूमेलहार्ट ने बैकप्रॉपेगेशन एल्गोरिदम विकसित किया, जो आज की डीप लर्निंग तकनीकों का आधार बना।

४.४.४. डारपा के प्रोजेक्ट्स

अमेरिकी रक्षा अनुसंधान एजेंसी (डारपा) ने एआई अनुसंधान के लिए फंडिंग जारी रखी। इस दौरान नेविगेशन सिस्टम्स और सैन्य रोबोटिक्स जैसे कई महत्वपूर्ण प्रोजेक्ट्स विकसित किए गए।

इन प्रयासों ने यह सुनिश्चित किया कि एआई अनुसंधान पूरी तरह समाप्त न हो। जब एआई विंटर समाप्त हुआ, तो इन परियोजनाओं ने एआई के पुनरुत्थान और विकास के लिए एक मजबूत आधार प्रदान किया।

४.५. सकारात्मक पक्ष

हालांकि यह समय चुनौतीपूर्ण था, लेकिन इसने एआई को और बेहतर और वास्तविक दिशा में आगे बढ़ने का सबक दिया। १९९० के दशक में, बेहतर हार्डवेयर, नए एल्गोरिदम, और डेटा की उपलब्धता ने एआई को फिर से गति दी। एआई विंटर्स ने दिखाया कि तकनीक को विकसित करने में समय, धैर्य, और यथार्थवादी दृष्टिकोण जरूरी हैं।

५. पुनरुत्थान और विशेषज्ञ प्रणालियों का युग (१९८० का दशक)

१९८० का दशक आर्टिफिशियल इंटेलिजेंस (एआई) के लिए पुनरुत्थान का समय था। इस समय, विशेषज्ञ प्रणालियां एआई अनुसंधान और विकास का केंद्र बनीं। इन प्रणालियों ने एआई को व्यावसायिक और औद्योगिक अनुप्रयोगों में उपयोगी बनाया और तकनीक को फिर से लोकप्रियता दिलाई।

५.१. विशेषज्ञ प्रणालियों का उदय

विशेषज्ञ प्रणालियां ऐसे सॉफ़्टवेयर सिस्टम थीं जो किसी विशेष क्षेत्र में मानव विशेषज्ञों की तरह निर्णय लेने में सक्षम थीं। ये प्रणालियां विशेषज्ञों के ज्ञान को सहेजकर और उसे सॉफ़्टवेयर के रूप में उपयोग करके काम करती थीं।

इन प्रणालियों के कुछ प्रमुख उदाहरणों में मायसिन और एक्सकॉन शामिल थे। मायसिन चिकित्सा क्षेत्र में उपयोगी थी, जो संक्रमणों का निदान करने और उपचार की सलाह देने में सक्षम थी। वहीं, एक्सकॉन डिजिटल उपकरणों की कॉन्फ़िगरेशन और स्थापना के लिए विकसित की गई थी।

विशेषज्ञ प्रणालियों का उपयोग चिकित्सा, वित्त और विनिर्माण जैसे क्षेत्रों में किया गया। इन प्रणालियों ने कंपनियों को न केवल लागत कम करने में मदद की, बल्कि निर्णय लेने की प्रक्रिया को भी बेहतर बनाया। इन प्रणालियों ने व्यावसायिक समस्याओं को हल करने और उत्पादकता बढ़ाने में महत्वपूर्ण भूमिका निभाई।

५.२. तकनीकी प्रगति

विशेषज्ञ प्रणालियों के युग (१९८० का दशक) में तकनीकी प्रगति ने आर्टिफिशियल इंटेलिजेंस को व्यावसायिक और औद्योगिक क्षेत्रों में स्थापित करने में महत्वपूर्ण भूमिका निभाई। इन तकनीकी उपलब्धियों ने एआई अनुसंधान को तेज़ किया और विशेषज्ञ प्रणालियों को अधिक कुशल और प्रभावी बनाया।

१९८० के दशक में एआई अनुसंधान में तकनीकी प्रगति के कारण विशेषज्ञ प्रणालियों का विकास तेज़ी से हुआ। इस दौरान एल.आई.एस.पी. मशीनों का आविष्कार हुआ, जो विशेष रूप से एआई प्रोग्रामिंग भाषा एल.आई.एस.पी. को चलाने के लिए डिज़ाइन किए गए कंप्यूटर थे। ये मशीनें विशेषज्ञ प्रणालियों और अन्य एआई अनुप्रयोगों को तेज़ी और कुशलता से प्रोसेस करने में सक्षम थीं। इन मशीनों के प्रमुख निर्माताओं में आईक्यूटिव सिस्टम्स और सिम्बोलिक्स शामिल थे।

इस समय कंप्यूटर हार्डवेयर में भी बड़ा सुधार हुआ। तेज़ प्रोसेसर और अधिक मेमोरी ने जटिल विशेषज्ञ प्रणालियों को चलाना संभव बनाया। आईबीएम और एप्पल जैसी कंपनियों ने उन्नत कंप्यूटर विकसित किए, जिससे इन प्रणालियों का प्रदर्शन बेहतर हुआ। विशेषज्ञ प्रणालियों के निर्माण के लिए विशेष सॉफ़्टवेयर प्लेटफ़ॉर्म, जैसे एक्सपर्ट सिस्टम शेल्स, भी विकसित किए गए। इनमें क्लिप्स (सी लैंग्वेज इंटीग्रेटेड प्रोडक्शन सिस्टम) जैसे उपकरण शामिल थे, जो विशेषज्ञ प्रणालियों को डिज़ाइन और लागू करने में मदद करते थे।

विशेषज्ञ प्रणालियों में बड़ी मात्रा में ज्ञान को सहेजने और उपयोग करने के लिए उन्नत डेटाबेस प्रबंधन प्रणालियों का उपयोग किया गया। साथ ही, कंप्यूटर नेटवर्क के विकास ने इन प्रणालियों को विभिन्न स्थानों पर उपयोगकर्ताओं तक पहुँचने में सक्षम बनाया। वितरित प्रणालियों ने संगठनों को अपने ज्ञान-आधारित संसाधनों को साझा करने में मदद की।

विशेषज्ञ प्रणालियों के निर्माण में तार्किक प्रोग्रामिंग भाषा प्रोलॉग का भी बड़े पैमाने पर उपयोग हुआ। यह भाषा जटिल तार्किक समस्याओं को हल करने में मददगार थी। साथ ही, इन प्रणालियों में शुरुआती मशीन लर्निंग तकनीकों को शामिल किया गया, जिससे वे नए ज्ञान को सीख और आत्मसात कर सकें।

विशेषज्ञ प्रणालियों को मानव-समझने योग्य भाषा में काम करने के लिए भी विकसित किया गया। प्राकृतिक भाषा प्रसंस्करण में प्रगति के कारण उपयोगकर्ता इन प्रणालियों के साथ आसानी से संवाद कर सकते थे। इन तकनीकी प्रगतियों ने विशेषज्ञ प्रणालियों को अधिक उपयोगी और प्रभावशाली बना दिया।

५.३ ज्ञान इंजीनियरिंग का उदय

१९८० के दशक में एआई के विकास में ज्ञान इंजीनियरिंग एक प्रमुख अवधारणा के रूप में उभरा। यह प्रक्रिया विशेष क्षेत्रों से संबंधित मानव विशेषज्ञों के ज्ञान को संरचित करने और इसे सॉफ़्टवेयर में बदलने पर केंद्रित थी। ज्ञान इंजीनियरिंग ने विशेषज्ञ प्रणालियों और अन्य एआई अनुप्रयोगों के विकास में महत्वपूर्ण भूमिका निभाई।

ज्ञान इंजीनियरिंग वह प्रक्रिया है जिसके माध्यम से किसी विशेष क्षेत्र के विशेषज्ञों के ज्ञान को व्यवस्थित तरीके से एकत्र, संरक्षित और कंप्यूटर सिस्टम में डाला जाता है। इसका मुख्य उद्देश्य कंप्यूटर को इस तरह सक्षम बनाना है कि वह किसी इंसान की तरह सोच सके और निर्णय ले सके। यह प्रक्रिया विशेष रूप से विशेषज्ञ प्रणालियों को बनाने में उपयोगी होती है।

ज्ञान इंजीनियरिंग में सबसे पहले उस क्षेत्र के विशेषज्ञों से जानकारी प्राप्त की जाती है। इसके बाद इस जानकारी को एक ऐसे प्रारूप में व्यवस्थित किया जाता है जिसे कंप्यूटर समझ सके। उदाहरण के लिए, यदि किसी डॉक्टर का ज्ञान किसी कंप्यूटर सिस्टम में डाला जा रहा है, तो यह सुनिश्चित किया जाता है कि वह प्रणाली बीमारियों का सही निदान कर सके और उपचार का सुझाव दे सके।

इस प्रक्रिया में कई चरण शामिल होते हैं, जैसे ज्ञान का संग्रह, उसका विश्लेषण, उसे संरचना में बदलना, और अंत में उसे एक सॉफ़्टवेयर प्रणाली में लागू करना। उदाहरण के तौर पर, चिकित्सा, वित्त, और शिक्षा जैसे क्षेत्रों में ज्ञान इंजीनियरिंग का व्यापक उपयोग होता है।

ज्ञान इंजीनियरिंग की वजह से विशेषज्ञ प्रणालियाँ जटिल समस्याओं को हल करने में सक्षम हो पाईं। यह एआई के विकास में एक महत्वपूर्ण घटना साबित हुआ, क्योंकि इसने कंप्यूटर सिस्टम को "सोचने" और "फैसले लेने" में कुशल बनाया।

१९८० का दशक ज्ञान इंजीनियरिंग के महत्व को उजागर करने वाला समय था। इसने एआई के व्यावहारिक उपयोग को नई ऊँचाइयों पर पहुँचाया और भविष्य के विकास के लिए मजबूत नींव रखी।

५.४. जापान का पाँचवीं पीढ़ी कंप्यूटर सिस्टम प्रोजेक्ट का योगदान

जापान का पाँचवीं पीढ़ी कंप्यूटर सिस्टम प्रोजेक्ट एक महत्वाकांक्षी परियोजना थी, जिसे १९८० के दशक में जापानी सरकार द्वारा शुरू किया गया था। इसका उद्देश्य कंप्यूटर तकनीक में अगली पीढ़ी की प्रगति को बढ़ावा देना था, जिसमें कृत्रिम बुद्धिमत्ता (एआई) और तर्क आधारित कंप्यूटिंग को शामिल किया गया था। इस परियोजना ने जापान को कंप्यूटर प्रौद्योगिकी के क्षेत्र में वैश्विक स्तर पर नेतृत्व करने का मौका दिया।

इस परियोजना का मुख्य लक्ष्य जापान को कंप्यूटर प्रौद्योगिकी में अंतरराष्ट्रीय स्तर पर प्रतिस्पर्धी बनाना था। इसके तहत, जापानी सरकार ने उच्च-प्रदर्शन वाले सुपरकंप्यूटर्स के विकास और प्रौद्योगिकी में नवीनतम शोधों को प्रोत्साहित किया। इसमें विशेष रूप से कृत्रिम बुद्धिमत्ता और तर्क आधारित कंप्यूटिंग पर ध्यान केंद्रित किया गया था।

इस प्रोजेक्ट के तहत, जापान ने विशेषज्ञ प्रणालियों के विकास में महत्वपूर्ण प्रगति की। इस परियोजना के माध्यम से जापान ने इन प्रणालियों के निर्माण के लिए विशेष हार्डवेयर और सॉफ़्टवेयर प्लेटफ़ॉर्म विकसित किए। उदाहरण के लिए, जापान ने ओका और सांसेई जैसे प्रणालियों को विकसित किया, जो चिकित्सा और प्रबंधन क्षेत्र में उपयोग की जा सकती थीं।

जापान ने तर्क आधारित प्रौद्योगिकी के क्षेत्र में भी महत्वपूर्ण योगदान दिया। इस समय के दौरान, जापान ने प्रोलॉग जैसी तार्किक प्रोग्रामिंग भाषाओं का विकास किया, जो जटिल तर्कों को सरलता से संभाल सकती थीं। इन तकनीकों ने जापानी कंपनियों को जापान के बाहर प्रतियोगिता में मदद की और उन्हें कंप्यूटर प्रौद्योगिकी के क्षेत्र में एक मजबूत स्थान दिया।

इस परियोजना का समर्थन केवल सरकार द्वारा ही नहीं, बल्कि जापानी कंपनियों द्वारा भी किया गया। कंपनियों ने इस प्रोजेक्ट में निवेश किया और विशेषज्ञ प्रणालियों के व्यावसायिक उपयोग के लिए हार्डवेयर और सॉफ़्टवेयर की जरूरतों को पूरा किया। उदाहरण के लिए, आईबीएम और निस्के जैसी कंपनियों ने परियोजना में भाग लिया और उच्च-प्रदर्शन वाले कंप्यूटरों का उत्पादन किया।

जापान का यह प्रोजेक्ट अंतरराष्ट्रीय स्तर पर कंप्यूटर प्रौद्योगिकी के विकास में महत्वपूर्ण साबित हुआ। जापान की तकनीकी प्रगति और उसके द्वारा की गई वैज्ञानिक शोधों ने इसे दुनिया भर में एक प्रमुख तकनीकी शक्ति बना दिया। १९८० के दशक में, जापान के प्रयासों ने उसे कंप्यूटर विज्ञान और एआई अनुसंधान में वैश्विक नेता बना दिया। इस परियोजना ने अन्य देशों को भी प्रेरित किया और एआई अनुसंधान में निवेश को बढ़ावा दिया।

जापान का पाँचवीं पीढ़ी कंप्यूटर सिस्टम प्रोजेक्ट ने कंप्यूटर विज्ञान और कृत्रिम बुद्धिमत्ता के क्षेत्र में जापान की स्थिति को मजबूत किया। इसकी सहायता से जापान ने तर्क आधारित कंप्यूटिंग और विशेषज्ञ प्रणालियों के विकास में महत्वपूर्ण योगदान दिया। इस परियोजना के कारण जापान को कंप्यूटर प्रौद्योगिकी के क्षेत्र में वैश्विक स्तर पर प्रतिस्पर्धा करने का अवसर मिला और उसे तकनीकी नेतृत्व प्रदान किया। यह प्रोजेक्ट न केवल जापान बल्कि पूरी दुनिया के लिए एक महत्वपूर्ण मील का पत्थर बन गया।

६. शांत प्रगति और मशीन लर्निंग का युग (१९९० के दशक)

१९९० के दशक ने कंप्यूटर विज्ञान और कृत्रिम बुद्धिमत्ता (एआई) के क्षेत्र में एक महत्वपूर्ण चरण की शुरुआत की। इस दशक में, एआई अनुसंधान और विकास में एक शांत, लेकिन महत्वपूर्ण प्रगति हुई, जिसने मशीन लर्निंग और डेटा विश्लेषण में नए मानक स्थापित किए। यह युग एआई के लिए एक महत्वपूर्ण बदलाव का समय था, जिसमें नई तकनीकों और दृष्टिकोणों ने प्रौद्योगिकी की दिशा को प्रभावित किया।

१९९० के दशक में, मशीन लर्निंग ने प्रमुखता प्राप्त की। इस समय के दौरान, वैज्ञानिकों ने जटिल समस्याओं को हल करने के लिए नए एल्गोरिदम और तकनीकों का विकास किया। मशीन लर्निंग के तहत, कंप्यूटरों को डेटा से सीखने की क्षमता प्राप्त हुई, जिससे उन्हें अनुकूलन और भविष्यवाणी करने की क्षमता मिली। उदाहरण के लिए, सुपरवाइज़्ड लर्निंग और अनसुपरवाइज़्ड लर्निंग जैसे एल्गोरिदम ने कंप्यूटर को डेटा से पैटर्न और अंतर्दृष्टि प्राप्त करने की क्षमता दी।

इस दशक में, कम्प्यूटिंग हार्डवेयर में भी सुधार हुआ। प्रोसेसर की गति में वृद्धि और मेमोरी की कीमतों में कमी ने डेटा-संचालित मॉडल को सक्षम बनाया। इन सुधारों ने मशीन लर्निंग और एआई अनुप्रयोगों की प्रभावशीलता को बढ़ाया। उदाहरण के लिए, नेविगेशन सिस्टम्स, स्पीच रिकॉग्निशन सिस्टम्स और ऑटोमैटेड ट्रांसलेशन सिस्टम जैसे अनुप्रयोगों ने तेजी से लोकप्रियता प्राप्त की।

इस समय के दौरान, आर्टिफिशियल न्यूरल नेटवर्क्स को भी फिर से जीवित किया गया। १९८० के दशक के एआई विंटर के बाद, वैज्ञानिकों ने बैकप्रॉपेगेशन एल्गोरिदम का पुनः परीक्षण किया, जो डीप लर्निंग के आधार बने। इन एल्गोरिदम ने कम्प्यूटिंग शक्ति और डेटा की बढ़ती उपलब्धता के साथ, एआई के क्षेत्र में महत्वपूर्ण प्रगति की।

१९९० के दशक में प्राकृतिक भाषा प्रसंस्करण में भी महत्वपूर्ण सुधार हुआ। इस समय के दौरान, रोजरियन और बयेसियन मॉडल जैसे एल्गोरिदम का उपयोग करके कंप्यूटरों ने प्राकृतिक भाषा को समझने और उससे बातचीत करने की क्षमता विकसित की। एलिजा जैसे शुरुआती प्रोजेक्ट्स ने इस क्षेत्र में बड़े कदम उठाए, लेकिन इस दशक ने भी नई मशीन लर्निंग तकनीकों को जोड़ने का प्रयास किया।

६.१. प्रतीकात्मक एआई से डेटा-आधारित दृष्टिकोण की बदलाव

१९८० के दशक के अंत और १९९० के दशक की शुरुआत में, कृत्रिम बुद्धिमत्ता (एआई) के क्षेत्र में एक महत्वपूर्ण बदलाव देखने को मिला, जिसे हम "प्रतीकात्मक एआई" से "डेटा-आधारित दृष्टिकोण" की ओर बदलाव कहते हैं। इस बदलाव ने एआई अनुसंधान की दिशा को पूरी तरह से बदल दिया और नई तकनीकों को विकसित करने की दिशा में महत्वपूर्ण योगदान दिया।

६.१.१ प्रतीकात्मक एआई का युग

१९८० के दशक में, प्रतीकात्मक एआई पर भारी ध्यान दिया गया था। इस दृष्टिकोण में, वैज्ञानिकों ने समस्या-समाधान और निर्णय लेने के लिए प्रतीकों और नियमों का उपयोग किया। उदाहरण के लिए, स्पष्ट नियमों और लॉजिक प्रोग्रामिंग के आधार पर एआई मॉडल बनाए गए थे, जो इंसानी सोच की नकल करने का प्रयास करते थे। इस समय के दौरान, विशेषज्ञ प्रणालियां जैसे मायसिन और एक्सकॉन प्रमुख थे, जहां निर्णय लेने में विशेषज्ञों के ज्ञान का उपयोग किया गया था।

६.१.२ डेटा-आधारित दृष्टिकोण की शुरुआत

१९९० के दशक में, एक नया दृष्टिकोण सामने आया जो डेटा-आधारित था। इस दृष्टिकोण में, कम्प्यूटिंग शक्ति और बड़ी मात्रा में डेटा का उपयोग किया गया। यह बदलाव प्रतीकात्मक एआई से अलग था, क्योंकि यह मॉडल और एल्गोरिदम को डेटा से सीखने की अनुमति देता था। उदाहरण के लिए, मशीन लर्निंग और डेप्थ नेटवर्क्स जैसे तकनीकों का विकास हुआ, जो बिना स्पष्ट नियमों के डेटा के माध्यम से पैटर्न और अंतर्दृष्टि निकालने में सक्षम थे।

६.१.३ मशीन लर्निंग का उदय

१९९० के दशक के अंत में, मशीन लर्निंग तकनीकों ने एक महत्वपूर्ण स्थान प्राप्त किया। इस अवधि के दौरान, वैज्ञानिकों ने बैकप्रॉपेगेशन एल्गोरिदम और अन्य तकनीकों को पुनः परीक्षण किया, जिससे कंप्यूटरों को बड़े पैमाने पर डेटा से सीखने की क्षमता मिली। इन तकनीकों ने जटिल समस्याओं को हल करने में मदद की, जैसे की भाषाओं का अनुवाद, छवि पहचान, और प्राकृतिक भाषा प्रसंस्करण (नैचुरल लैंग्वेज प्रोसेसिंग)। विज़न सिस्टम्स, सैन्य अनुप्रयोग, और ऑटोमेशन सिस्टम जैसे क्षेत्रों में मशीन लर्निंग के प्रयोग ने इसका प्रभाव दिखाया।

६.१.४ सेंटीमेंट एनालिसिस और डेटा-आधारित निर्णय समर्थन प्रणाली

सेंटीमेंट एनालिसिस के क्षेत्र में भी इस डेटा-आधारित दृष्टिकोण का प्रभाव देखा गया। कंपनियों ने उपभोक्ता प्रतिक्रिया और सामाजिक मीडिया से डेटा का उपयोग करके ग्राहकों की राय और व्यवहार का विश्लेषण किया। इसके अतिरिक्त, डेटा-आधारित दृष्टिकोणों ने निर्णय समर्थन प्रणाली को भी बढ़ावा दिया। उदाहरण के लिए, फ्रॉस्ट एंड सुलिवान जैसी कंपनियों ने इस तकनीक का उपयोग करके बाजार की भविष्यवाणी करने, उत्पाद विकास रणनीतियों का समर्थन करने, और ग्राहकों की संतुष्टि को बेहतर बनाने में मदद की।

६.१.५ प्रतिकूल प्रभाव

हालांकि इस बदलाव ने कई फायदे दिए, लेकिन इसका कुछ नकारात्मक प्रभाव भी रहा। डेटा-आधारित दृष्टिकोण अक्सर जटिल और गहरी जानकारी नहीं निकाल सकते थे, और उन्हें केवल उपलब्ध डेटा पर निर्भर करना पड़ता था। इसके अतिरिक्त, डेटा की गुणवत्ता और स्रोतों की विविधता पर भी निर्भरता बनी रही। हालांकि, इस बदलाव ने एआई को एक नई दिशा दी और इसे मुख्यधारा में लाने का मार्ग प्रशस्त किया।

६.२. १९९० की महत्त्वपूर्ण उपलब्धि

६.२.१. आईबीएम का डीप ब्लू और गैरी कास्परोव की हार (१९९७)

१९९७ में, आईबीएम की डीप ब्लू प्रणाली ने विश्व चैंपियन शतरंज खिलाड़ी गैरी कास्परोव को हराया। यह घटना एआई क्षेत्र में एक महत्वपूर्ण घटना थी, क्योंकि यह साबित करता है कि कंप्यूटर भी इंसानों से बेहतर निर्णय ले सकते हैं। डीप ब्लू ने शतरंज की रणनीतिक समस्याओं को हल करने में खुद को साबित किया और एआई अनुसंधान के विकास में एक नई दिशा खोल दी। इस घटना ने यह भी दिखाया कि एआई को कैसे वास्तविक दुनिया की समस्याओं को सुलझाने के लिए प्रशिक्षित किया जा सकता है, न केवल गणितीय और तार्किक समस्याओं के लिए।

६.२.२. प्राकृतिक भाषा प्रसंस्करण में प्रगति

१९९० के दशक में, प्राकृतिक भाषा प्रसंस्करण (नैचुरल लैंग्वेज प्रोसेसिंग) में महत्वपूर्ण प्रगति हुई। इस क्षेत्र में बड़े डेटासेट, उन्नत एल्गोरिदम और भाषा मॉडलिंग तकनीकों का उपयोग करके मशीनों को मानव भाषा समझने और प्रतिक्रिया देने में सक्षम बनाया गया। एल्गो, सेंटेंस फाइनिंग, और लैंग्वेज ट्रांसलेशन जैसी तकनीकें उभरने लगीं, जिससे एआई सिस्टम को ग्राहक सेवा, शोध और अन्य क्षेत्रों में बड़े पैमाने पर लागू करने में मदद मिली। एलिगेंट प्रोजेक्ट और नेटसिमल जैसे प्रमुख प्रोजेक्ट्स ने इस दिशा में महत्वपूर्ण योगदान दिया, जिससे मशीनों को लोगों के साथ संवाद करने की नई क्षमता मिली।

इन महत्त्वपूर्ण उपलब्धि ने एआई के क्षेत्र में बड़ी प्रगति की ओर संकेत दिया, जिससे भविष्य में नई तकनीकों और शोध की संभावनाएं बढ़ीं। १९९० का दशक एआई के विकास के लिए एक महत्वपूर्ण दशक साबित हुआ, जिसमें डीप ब्लू की जीत और प्राकृतिक भाषा प्रसंस्करण में सुधार ने एआई अनुसंधान की दिशा को पूरी तरह बदल दिया।

७. आधुनिक युग (२०१० से वर्तमान तक)

२०१० के दशक में कृत्रिम बुद्धिमत्ता (एआई) ने नए चरण में प्रवेश किया। इस युग में मशीन लर्निंग और डीप लर्निंग तकनीकों ने एआई अनुसंधान को नई दिशा दी। विभिन्न क्षेत्रों में एआई के उपयोग और प्रभाव में विस्तार हुआ। डीप लर्निंग तकनीकें, जोकि न्यूरल नेटवर्क्स पर आधारित हैं, ने कम्प्यूटिंग और डेटा प्रोसेसिंग में क्रांतिकारी सुधार किया। इन तकनीकों ने दृष्टि, आवाज पहचान, और भाषा अनुवाद जैसी समस्याओं को हल करने में सहायता की।

बड़े पैमाने पर डेटा और उच्च प्रदर्शन वाले हार्डवेयर, जैसे कि ग्राफिक्स प्रोसेसिंग यूनिट्स (जीपीयू), के साथ एआई मॉडल की दक्षता और सटीकता में सुधार हुआ। इन उपकरणों के उपयोग ने एआई को अधिक सुलभ और व्यावहारिक बना दिया। टेन्सरफ्लो, पायथन, और अन्य उपकरणों के आगमन ने डेवलपर्स के लिए एआई मॉडल तैयार करना और उन्हें लागू करना सरल कर दिया। ये प्लेटफार्म एआई को व्यापक रूप से अपनाने में महत्वपूर्ण भूमिका निभाते हैं।

इस युग ने एआई के इतिहास में एक महत्वपूर्ण मोड़ लाया है। एआई का प्रभाव अब सिर्फ शोध और विकास तक सीमित नहीं रहा, बल्कि यह चिकित्सा, परिवहन, और रोजमर्रा के जीवन के विभिन्न क्षेत्रों में व्यापक रूप से उपयोग किया जा रहा है। यह एआई का एक नया युग है, जहां नए मील के पत्थर लगातार स्थापित हो रहे हैं।

७.१. जनरेटिव एआई की शुरुआत: जीपीटी, चैटजीपीटी और डैल·ई

जनरेटिव एआई तकनीकें २०१० के दशक के बाद तेजी से विकसित हुई हैं, जिसमें प्रमुख योगदान जीपीटी (जनरेटिव प्री-ट्रेंड ट्रांसफार्मर), चैटजीपीटी, और डैल·ई ने दिया है। इन तकनीकों ने कृत्रिम बुद्धिमत्ता के नए क्षितिज खोले हैं और कई क्षेत्रों में क्रांति ला दी है।

• जीपीटी (जनरेटिव प्री-ट्रेंड ट्रांसफार्मर): जीपीटी एक स्वचालित भाषा मॉडल है जो बड़े मात्रा में डेटा से सीखता है और नए पाठ, कविताएं, लेख, या बातचीत की कल्पना कर सकता है। इसे ओपनएआई द्वारा विकसित किया गया था और यह एआई द्वारा प्राकृतिक भाषा को समझने और बनाने की क्षमता में क्रांतिकारी सुधार लेकर आया। जीपीटी ने भाषा संबंधी कार्यों में सटीकता और दक्षता में सुधार किया है, जैसे कि अनुवाद, टेक्स्ट जनरेशन, और चैटबॉट्स।

• चैट जीपीटी: चैटजीपीटी जीपीटी का एक उपयोगकर्ता-सामना करने वाला संस्करण है, जो एक बातचीत आधारित एआई है। यह किसी भी विषय पर सवालों के जवाब देने, सलाह देने, और संवाद करने में सक्षम है। चैटजीपीटी का उद्देश्य उपयोगकर्ताओं को प्राकृतिक भाषा में संवाद करने का अनुभव प्रदान करना है, जैसे कि एक वास्तविक इंसान से बातचीत हो रही हो। इसके इंटरैक्टिव रूप ने इसे शिक्षा, ग्राहक सेवा, और मनोरंजन जैसे क्षेत्रों में अत्यधिक लोकप्रिय बना दिया है।

• डैल·ई: एक जनरेटिव एआई मॉडल है जो टेक्स्ट आधारित निर्देशों को चित्रों में बदल सकता है। उदाहरण के लिए, इसे "एक इलेक्ट्रिक बैटरी के आकार का कुत्ता" या "एक एंटीक फर्नीचर पर आराम करने वाला रोबोट" जैसी विशिष्ट कल्पनाओं को उत्पन्न करने के लिए उपयोग किया जा सकता है। डैल·ई ने विज़ुअल कंटेंट जनरेशन में एक नया मानक स्थापित किया है, जो कलाकारों और डिज़ाइनरों को नए रूपों और विचारों को चित्रित करने का नया तरीका प्रदान करता है।

इन तकनीकों ने एआई की सीमाओं को आगे बढ़ाया है और यह स्पष्ट किया है कि एआई केवल समझ और संवाद करने की क्षमता नहीं रखता, बल्कि यह अब सामग्री उत्पन्न करने, मानव जैसी बातचीत करने, और नए रूपों में दृश्य सामग्री बनाने में भी सक्षम है। इसने न केवल एआई अनुसंधान में बल्कि हमारी रोजमर्रा की जिंदगी में भी महत्वपूर्ण प्रभाव डाला है।

८. निष्कर्ष

एआई के सफर पर एक नजर

एआई का सफर शुरुआत से ही एक अविश्वसनीय यात्रा रहा है, जिसमें अति-आशावादी भविष्यवाणियों से लेकर वास्तविकता की कठिनाइयों तक का सफर है। प्रारंभ में, एआई को लेकर बहुत अधिक उत्साह था, लेकिन समय के साथ इसकी सीमाएं सामने आईं। हालाँकि, एआई ने कई महत्वपूर्ण मील के पत्थर हासिल किए हैं, जैसे कि जीपीटी और चैटजीपीटी जैसी जनरेटिव तकनीकें, जो अब हमारी रोजमर्रा की जिंदगी का हिस्सा बन चुकी हैं।

एआई का मुख्य उद्देश्य मानव जरूरतों के अनुकूल तकनीकों का विकास करना है, लेकिन इसके साथ एक महत्वपूर्ण चुनौती बनी रहती है - एआई के विकास को मानव मूल्यों के साथ संरेखित करना। यह जरूरी है कि एआई को निर्णय लेने और समस्या समाधान के लिए ऐसे तरीके से डिजाइन किया जाए जो मानव स्वतंत्रता, नैतिकता, और न्याय के मूल्यों को प्राथमिकता दे। एआई के माध्यम से मानवता के हितों की रक्षा करना और इसके उपयोग से होने वाले संभावित जोखिमों को नियंत्रित करना एक बड़ी जिम्मेदारी है।

आज, एआई के विकास की दिशा में निरंतरता बनी हुई है, और इसे मानव समाज की सेवा में उपयोग करने के नए तरीकों की खोज जारी है। आने वाले समय में, हमें यह सुनिश्चित करना होगा कि एआई के लाभ और इसके जोखिम एक साथ संतुलित हों। यह चुनौती हमें एआई को भविष्य में सुरक्षित, जिम्मेदार, और उपयोगकर्ता-सामान्य बनाने की दिशा में प्रेरित करती है। इस प्रकार, एआई का भविष्य केवल तकनीकी विकास नहीं, बल्कि मानव मूल्यों की गहरी समझ और सराहना पर भी निर्भर करता है।

९. अक्सर पूछे जाने वाले प्रश्न

९.१. कृत्रिम बुद्धिमत्ता का इतिहास कब शुरू हुआ?

उत्तर:
कृत्रिम बुद्धिमत्ता का इतिहास २०वीं सदी के मध्य में शुरू हुआ, विशेष रूप से १९५० के दशक में जब पहले कंप्यूटर प्रोग्राम विकसित किए गए थे जो तर्कशक्ति और समस्या समाधान में सक्षम थे। इस समय को एआई के जन्म के रूप में जाना जाता है।

९.२. एआई विंटर क्या होता है?

उत्तर:
एआई विंटर वह समय अवधि है जब एआई अनुसंधान में वित्तीय समर्थन और रुचि में भारी गिरावट आई थी। १९७० और १९८० के दशक में, उम्मीद से कम प्रदर्शन और अति-आशावादी भविष्यवाणियों के कारण एआई परियोजनाओं को बंद किया गया था।

९.३. एआई विंटर के दौरान क्या हुआ?

उत्तर:
एआई विंटर के दौरान, एआई अनुसंधान की गति धीमी हो गई, कई महत्वाकांक्षी परियोजनाओं को बंद कर दिया गया, और कई वैज्ञानिक अन्य क्षेत्रों में चले गए। हालांकि, इस समय के दौरान भी कुछ प्रमुख परियोजनाएं और शोध जारी रहे।

९.४. एआई के पुनरुद्धार की क्या वजह रही?

उत्तर:
१९८० के दशक में हार्डवेयर और सॉफ़्टवेयर में सुधार, विशेष रूप से विशेषज्ञ प्रणालियों के विकास, ने एआई को पुनर्जीवित किया। नई तकनीकों जैसे कि प्राकृतिक भाषा प्रसंस्करण (एनएलपी) और मशीन लर्निंग ने एआई के लिए नए अवसर खोले।

९.५. वर्तमान एआई युग (२०१० और उससे आगे) क्या हुआ?

उत्तर:
२०१० के दशक से लेकर आज तक, एआई के क्षेत्र में महत्वपूर्ण प्रगति हुई है। जनरेटिव एआई, जैसे कि जीपीटी और चैटजीपीटी, ने नई संभावनाएं खोली हैं। डेटा-ड्रिवेन अप्रोच और डीप लर्निंग तकनीकों ने एआई को और भी सक्षम और उपयोगी बना दिया है।

९.६. कृत्रिम बुद्धिमत्ता के विकास में चुनौती क्या है?

उत्तर:
एआई के विकास में एक प्रमुख चुनौती यह है कि इसे मानव मूल्यों के साथ संरेखित किया जाए। नैतिक, सामाजिक, और विधायी मुद्दों के कारण, एआई को डिजाइन करने और लागू करने में सावधानीपूर्वक विचार करने की आवश्यकता होती है ताकि इसका उपयोग समाज के लिए लाभकारी हो।

अंकलेख