आइए हम इस विषय में प्राचीन काल से 2022 तक गोता लगाएँ।
प्राचीन काल
आर्टिफिशियल इंटेलिजेंस (एआई) की शुरुआत मिथकों, किंवदंतियों और कृत्रिम प्राणियों के बारे में कहानियों से हुई, जो मास्टर कारीगरों द्वारा बनाई गई बुद्धि या जागरूकता से संपन्न हैं। प्रारंभिक यूनानी दार्शनिकों ने मानव चिंतन प्रक्रिया को सिद्धांत बनाने के लिए प्रतीकों के मशीनी हेरफेर के रूप में चित्रित करने का प्रयास किया।
बाद में कल्पना
कृत्रिम पुरुषों और सोच मशीनों के बारे में विचार कल्पना में बनाए गए थे, जैसे मैरी शेली के फ्रेंकस्टीन या केरेल कैपेक के आरयूआर (रॉसम के यूनिवर्सल रोबोट), और अटकलें, जैसे कि सैमुअल बटलर की "डार्विन इन द मशीन्स" और वास्तविक दुनिया की घटनाओं में, एडगर सहित एलन पो का "मेल्ज़ेल का शतरंज खिलाड़ी"।
ऑटोमेटा
यान शी, अलेक्जेंड्रिया के हीरो, अल-जज़ारी, पियरे जैक्वेट-ड्रोज़ और वोल्फगैंग वॉन केम्पेलन सहित हर सभ्यता के कारीगरों ने यथार्थवादी ह्यूमनॉइड ऑटोमेटा तैयार किया है। प्राचीन मिस्र और ग्रीक पवित्र मूर्तियाँ पहले ज्ञात ऑटोमेटा थीं। विश्वासियों का मानना था कि कारीगरों ने इन आकृतियों को वास्तविक दिमाग से संपन्न किया था / मध्ययुगीन काल के दौरान, इन दिग्गज ऑटोमेटन को उनके द्वारा पूछे गए प्रश्नों का उत्तर देने के लिए कहा जाता था।
औपचारिक तर्क
आर्टिफिशियल इंटेलिजेंस इस विचार पर आधारित है कि मानव विचार को यंत्रीकृत किया जा सकता है। औपचारिक - या "यांत्रिक" - "तर्क" में बहुत अध्ययन किया गया है। चीनी, भारतीय और यूनानी दार्शनिकों ने पहली सहस्राब्दी ईसा पूर्व की औपचारिक कटौती पद्धतियों का आविष्कार किया। वे अरस्तू (जिन्होंने न्यायशास्त्र का एक कठोर विश्लेषण लिखा था), यूक्लिड (जिनके तत्व औपचारिक तर्क का एक मॉडल था), अल-ख्वारिज्मी (जिन्होंने बीजगणित बनाया और "एल्गोरिदम" को अपना नाम देने का श्रेय दिया जाता है, जैसे दार्शनिकों द्वारा विकसित किया गया था। ), और यूरोपीय विद्वान विचारक जैसे विलियम ऑफ ओखम।
स्पेनिश दार्शनिक रेमन लुल (1232–1315) ने तार्किक प्रक्रियाओं के माध्यम से ज्ञान बनाने के लिए कई तार्किक मशीनें बनाईं; उन्होंने अपने उपकरणों को यांत्रिक प्राणियों के रूप में संदर्भित किया जो सभी संभव ज्ञान के उत्पादन के लिए सरल तार्किक संचालन का उपयोग करके मौलिक और निर्विवाद तथ्यों को जोड़ सकते हैं। गॉटफ्रीड लाइबनिज ने लुल के विचारों को पुनर्जीवित किया।
लीबनिज़, थॉमस हॉब्स और रेने डेसकार्टेस ने 16 वीं शताब्दी में इस संभावना की जांच की कि सभी तर्कसंगत विचार बीजगणित या ज्यामिति में कम हो सकते हैं। हॉब्स के अनुसार, इसका कारण "एक गणना के अलावा कुछ नहीं है।" लाइबनिज ने तर्क की एक वैश्विक भाषा की कल्पना की (उनकी विशेषता सार्वभौमिकता) जो बहस को गणना तक कम कर देगी ताकि "दो दार्शनिकों के बीच दो लेखाकारों के बीच विवाद की कोई आवश्यकता नहीं होगी। क्योंकि यह उनके लिए अपनी पेंसिल लेने के लिए पर्याप्त होगा। ये विचारकों ने पहले भौतिक प्रतीक प्रणाली परिकल्पना को व्यक्त किया, जो अंततः एआई अध्ययन का केंद्रीय विश्वास बन गया।
20वीं शताब्दी में, तार्किक-गणितीय तर्क ने महत्वपूर्ण सफलता विकसित की जिसने कृत्रिम बुद्धिमत्ता को व्यावहारिक बना दिया। इस तरह के कार्यों ने बूले के द लॉज ऑफ थॉट और फ्रेज के बेग्रिफस्क्रिफ्ट के लिए आधार तैयार किया। 1913 में, रसेल और व्हाइटहेड ने प्रिन्सिपिया मैथेमेटिका प्रकाशित किया, जो फ्रेज की प्रणाली पर आधारित गणित की नींव का एक औपचारिक अध्ययन है।
उन्हें जो प्रतिक्रिया मिली वह दो तरह से अप्रत्याशित थी। सबसे पहले, उन्होंने साबित किया कि गणितीय तर्क क्या हासिल कर सकता है, इसकी कुछ सीमाएँ हैं। हालांकि, दूसरा और अधिक महत्वपूर्ण (एआई के लिए), उनके शोध ने संकेत दिया कि इन मापदंडों के भीतर किसी भी गणितीय अनुमान को यंत्रीकृत किया जा सकता है।
ट्यूरिंग टेस्ट
एआई अनुसंधान के लिए ट्यूरिंग परीक्षण एक दीर्घकालिक लक्ष्य है - क्या हम कभी ऐसा कंप्यूटर बनाने में सक्षम होंगे जो एक मानव को पर्याप्त रूप से प्रतिरूपित कर सके कि एक संदिग्ध न्यायाधीश अंतर नहीं बता सके? इसने अपनी स्थापना के बाद से एआई अनुसंधान के लिए एक समान मार्ग का अनुसरण किया है। प्रारंभ में, यह मुश्किल लग रहा था लेकिन फिर भी संभव था (एक बार हार्डवेयर तकनीक पहुंच गई)।
दशकों के अध्ययन और महत्वपूर्ण तकनीकी सुधारों के बावजूद, ट्यूरिंग परीक्षण एआई शोधकर्ताओं के लिए एक लक्ष्य के रूप में काम करना जारी रखता है, साथ ही यह भी बताता है कि हम इसे प्राप्त करने से कितनी दूर हैं।
1950 में, अंग्रेजी गणितज्ञ और कंप्यूटर वैज्ञानिक एलन ट्यूरिंग ने "कंप्यूटिंग मशीनरी एंड इंटेलिजेंस" नामक एक पेपर प्रकाशित किया, जिसने उस क्षेत्र को लात मारी जो कृत्रिम बुद्धिमत्ता के रूप में जाना जाने लगा। यह सालों पहले जॉन मैकार्थी ने आर्टिफिशियल इंटेलिजेंस शब्द गढ़ा था। लेख की शुरुआत एक साधारण सवाल से हुई: "क्या मशीनें सोच सकती हैं?" इसके बाद, ट्यूरिंग ने यह निर्धारित करने के लिए एक विधि प्रस्तावित की कि क्या मशीनें सोच सकती हैं, जिसे ट्यूरिंग परीक्षण के रूप में जाना जाने लगा। "इमिटेशन गेम" को एक साधारण परीक्षण के रूप में विकसित किया गया था जिसका उपयोग यह निर्धारित करने के लिए किया जा सकता है कि मशीनें सोच रही थीं या नहीं। यह मानते हुए कि एक बौद्धिक मानव की तरह दिखने के लिए प्रोग्राम किए गए कंप्यूटर ने वास्तव में यह प्रदर्शित किया है कि कंप्यूटर सोच सकते हैं।
यद्यपि लोग इस बारे में बहस करना जारी रखते हैं कि क्या मशीनें साइबरस्पेस के बारे में सोच और परीक्षण कर सकती हैं, यह स्पष्ट है कि एलन ट्यूरिंग और उनके प्रस्तावित मानदंड ने एआई के क्षेत्र के लिए एक शक्तिशाली और शिक्षाप्रद दृष्टि प्रदान की। एलन ट्यूरिंग द्वारा स्वयं लिखे गए इस पत्र ने एआई अनुसंधान में उनके मौलिक योगदान प्रदान किए और आधुनिक कंप्यूटर विज्ञान के लिए मार्ग प्रशस्त किया। ट्यूरिंग टेस्ट को व्यापक रूप से कृत्रिम बुद्धिमत्ता के क्षेत्र में एक मील का पत्थर माना जाता है और इसे आने वाले कई वर्षों के लिए एक लक्ष्य के रूप में माना जा सकता है, जबकि पूरे एआई क्षेत्र की प्रगति पर नज़र रखने में एक मील का पत्थर भी है।
साइबरनेटिक्स और प्रारंभिक तंत्रिका नेटवर्क
कंप्यूटर के आविष्कार ने बुद्धिमान मशीनों में शुरुआती जांच को प्रेरित किया। 1930 के दशक के अंत, 1940 के दशक और 1950 के दशक की शुरुआत में विचारों का एक संगम उभरा, जिसने तंत्रिका विज्ञान में पहले के काम को प्रेरित किया। नॉर्बर्ट वीनर और क्लाउड शैनन के कार्यों ने विद्युत नेटवर्क के नियंत्रण और स्थिरता पर ध्यान केंद्रित किया। क्लाउड शैनन द्वारा सूचना सिद्धांत ने डिजिटल सिग्नल (ऑल-ऑर-नथिंग सिग्नल) का वर्णन किया। एलन ट्यूरिंग की कंप्यूटिंग की सैद्धांतिक धारणा ने साबित कर दिया कि किसी भी प्रकार की गणना को डिजिटल रूप से दर्शाया जा सकता है। इन विचारों के बीच घनिष्ठ संबंध ने सुझाव दिया कि एक इलेक्ट्रॉनिक मस्तिष्क का निर्माण किया जा सकता है।
डब्ल्यू. ग्रे वाल्टर के कछुए और साथ ही जॉन्स हॉपकिन्स बीस्ट जैसे रोबोट इस क्षेत्र में काम के उदाहरण हैं। ये मशीनें कंप्यूटर, डिजिटल इलेक्ट्रॉनिक्स, या प्रतीकात्मक तर्क के बजाय एनालॉग इलेक्ट्रॉनिक्स और वृत्ति द्वारा संचालित थीं; वे पूरी तरह से एनालॉग सर्किटरी द्वारा नियंत्रित थे।
1943 में, वाल्टर पिट्स और वॉरेन मैककुलोच ने आदर्श कृत्रिम न्यूरॉन्स के नेटवर्क की जांच की और प्रदर्शित किया कि वे बुनियादी तार्किक संचालन कैसे कर सकते हैं। वे सबसे पहले यह वर्णन करने वाले थे कि बाद में शोधकर्ता तंत्रिका नेटवर्क को क्या कहेंगे। एक युवा मार्विन मिन्स्की, जो उस समय 24 वर्षीय स्नातक छात्र था, पिट्स और मैककुलोच से प्रेरित था। 1951 में (डीन एडमंड्स के साथ), उन्होंने पहली तंत्रिका नेटवर्क मशीन, SNARC बनाई। अगले 50 वर्षों के लिए, मिंस्की एआई के सबसे महत्वपूर्ण नेताओं और नवप्रवर्तकों में से एक होगा।
खेल एआई
1951 में, क्रिस्टोफर स्ट्रैची और डिट्रिच प्रिंज़ ने मैनचेस्टर विश्वविद्यालय में फेरांती मार्क 1 मशीन के लिए चेकर्स प्रोग्राम बनाए। आर्थर सैमुअल का चेकर कार्यक्रम, जो 50 के दशक के मध्य और 60 के दशक की शुरुआत में बनाया गया था, अंततः शौकिया स्तर के कौशल तक पहुँच गया। खेलों में एआई का उपयोग एआई में उन्नति के लिए एक मीट्रिक के रूप में पूरे इतिहास में बना रहेगा।
डार्टमाउथ वर्कशॉप 1956: द बर्थ ऑफ एआई
1956 में, डार्टमाउथ सम्मेलन की मेजबानी मार्विन मिन्स्की, जॉन मैकार्थी और आईबीएम के दो वरिष्ठ वैज्ञानिकों: क्लाउड शैनन और नाथन रोचेस्टर ने की थी। "मानव बुद्धि के किसी भी पहलू की नकल करने के लिए एक मशीन का निर्माण किया जा सकता है," प्रस्ताव पढ़ा। प्रतिभागियों में रे सोलोमोनॉफ, ओलिवर सेल्फ्रिज, ट्रेंचर्ड मोर, आर्थर सैमुअल, एलन नेवेल और हर्बर्ट ए साइमन शामिल थे - ये सभी अध्ययन के शुरुआती दशकों के दौरान महत्वपूर्ण एआई प्रोजेक्ट बनाने के लिए आगे बढ़ेंगे। सम्मेलन में, नेवेल और साइमन ने "लॉजिक थ्योरिस्ट" का अनावरण किया, जबकि मैकार्थी ने उपस्थित लोगों से "आर्टिफिशियल इंटेलिजेंस" को अपने क्षेत्र के नाम के रूप में स्वीकार करने का आग्रह किया। 1956 डार्टमाउथ सम्मेलन वह घटना थी जिसने एआई को उसका नाम, उद्देश्य और पहली सफलता, साथ ही साथ इसके प्रमुख खिलाड़ी और परिभाषित क्षण दिए।
प्रतीकात्मक एआई 1956-1974
अधिकांश लोगों के लिए, डार्टमाउथ कार्यशाला के बाद के वर्ष केवल "आश्चर्यजनक" थे: कंप्यूटर बीजगणित शब्द समस्याओं को हल कर रहे थे, ज्यामितीय प्रमेयों को साबित कर रहे थे, और अंग्रेजी बोलना सीख रहे थे। 1960 के दशक के उत्तरार्ध में, कुछ लोगों ने सोचा होगा कि मशीनों द्वारा ऐसा "बुद्धिमान" व्यवहार बोधगम्य था। निजी और प्रिंट में, शिक्षाविदों ने बहुत आशावाद व्यक्त किया कि 20 साल से कम समय में पूरी तरह से सक्षम मशीन विकसित की जाएगी। नए क्षेत्र ने DARPA जैसी सरकारी एजेंसियों से महत्वपूर्ण वित्त पोषण आकर्षित किया।
पहली एआई सर्दी 1974-1980
1970 के दशक में, AI को आलोचना और वित्तीय असफलताओं का सामना करना पड़ा। एआई शोधकर्ताओं को जिन कठिनाइयों का सामना करना पड़ रहा था, उन्हें उन्होंने पहचाना नहीं। उनकी बड़ी उम्मीदें जो उचित था उससे कहीं अधिक उठाई गई थीं, और जब वादा किए गए लाभ प्रकट होने में विफल रहे, तो एआई के लिए सरकारी धन गायब हो गया। उसी समय, मार्विन मिन्स्की की परसेप्ट्रोन की विनाशकारी आलोचना के दस वर्षों के बाद, कनेक्शनवाद (या तंत्रिका नेटवर्क) का क्षेत्र निष्क्रिय पड़ा रहा। 1970 के दशक के अंत में एआई के बारे में जनता के नकारात्मक दृष्टिकोण के बावजूद, तर्क प्रोग्रामिंग, कॉमनसेंस रीजनिंग और कई अन्य क्षेत्रों में नए विचारों का पता लगाया गया।
बूम 1980-1987
एआई के शुरुआती दिनों से ही ज्ञान एक प्रमुख चिंता का विषय था। विशेषज्ञ प्रणाली, एआई कार्यक्रम का एक रूप, 1980 के दशक में दुनिया भर के व्यवसायों द्वारा अपनाया गया था और ज्ञान मुख्य एआई अनुसंधान का केंद्र बन गया। 1990 के दशक में, जापानी सरकार ने अपनी पांचवीं पीढ़ी की कंप्यूटर पहल के साथ AI में भारी निवेश किया। 1980 के दशक की शुरुआत में जॉन होपफील्ड और डेविड रुमेलहार्ट के कार्यों में कनेक्शनवाद का पुनरुत्थान एक और उत्साहजनक क्षण था। एक बार फिर एआई सफल हुआ था।
दूसरी एआई सर्दी 1987-1993
1980 के दशक में, एआई पर व्यापारिक दुनिया का ध्यान एक आर्थिक बुलबुले के क्लासिक पैटर्न का पालन करता था। दुर्घटना वाणिज्यिक आपूर्तिकर्ताओं द्वारा विभिन्न प्रकार के व्यावहारिक समाधानों का उत्पादन करने में असमर्थ होने के कारण हुई थी। सैकड़ों कंपनियां विफल रहीं और कई निवेशकों ने उनमें निवेश करने से इनकार कर दिया। कई लोगों का मानना था कि तकनीक व्यवहार्य नहीं थी, फिर भी अनुसंधान आगे बढ़ता रहा। रॉडनी ब्रूक्स और हैंस मोरवेक जैसे कई विशेषज्ञों ने मौलिक रूप से नए प्रकार के एआई की वकालत की।
एआई 1993-2011
आर्टिफिशियल इंटेलिजेंस का क्षेत्र, जो आधी सदी से भी अधिक पुराना है, अपने कुछ सबसे बुनियादी उद्देश्यों तक पहुँच गया है। यह वर्तमान में पूरे प्रौद्योगिकी क्षेत्र में प्रभावी ढंग से उपयोग किया जा रहा है, भले ही कुछ हद तक चुपचाप। इसमें से कुछ बेहतर कंप्यूटिंग क्षमता का परिणाम था, जबकि कुछ विशिष्ट पृथक मुद्दों पर ध्यान केंद्रित करने और वैज्ञानिक जवाबदेही के उच्चतम स्तर को प्राप्त करने के प्रयास के माध्यम से आया था। और फिर भी, व्यापार जगत में AI की प्रतिष्ठा तारकीय से कम थी। क्षेत्र के भीतर, इस बात पर सीमित सहमति थी कि एआई 1960 के दशक में मानव-स्तर की बुद्धिमत्ता के अपने वादे को पूरा करने में असमर्थ क्यों था। एआई को कई अलग-अलग विषयों में विभाजित किया गया था, प्रत्येक एक अलग मुद्दे या पद्धति पर ध्यान केंद्रित कर रहा था, जबकि फिर भी यह भ्रम दे रहा था कि वे एक ही लक्ष्य की ओर काम कर रहे थे।
"नीट की जीत"
आर्टिफिशियल इंटेलिजेंस शोधकर्ताओं ने परिष्कृत गणितीय दृष्टिकोणों को पहले की तुलना में अधिक दर से बनाना और उनका उपयोग करना शुरू कर दिया। गणित, इलेक्ट्रिकल इंजीनियरिंग, अर्थशास्त्र और संचालन अनुसंधान जैसे क्षेत्रों में शिक्षाविदों द्वारा एआई से निपटने के लिए आवश्यक कई मुद्दों को पहले से ही संबोधित किया जा रहा था। साझा गणितीय भाषा ने विविध क्षेत्रों के बीच अधिक सहयोग और मापने योग्य और सत्यापन योग्य परिणामों की उपलब्धि की अनुमति दी; रसेल और नॉरविग (2003) के अनुसार एआई अब एक अधिक गंभीर "वैज्ञानिक" अनुशासन बन गया था।
संभावना और निर्णय सिद्धांत को एआई में शामिल किया गया है क्योंकि जूडिया पर्ल के प्रभावशाली 1988 के काम ने क्षेत्र में संभाव्यता और निर्णय सिद्धांत पेश किया था। बायेसियन नेटवर्क, छिपे हुए मार्कोव मॉडल, सूचना सिद्धांत, स्टोकेस्टिक मॉडलिंग और शास्त्रीय अनुकूलन, नियोजित कई नई तकनीकों में से कुछ हैं। तंत्रिका नेटवर्क और विकासवादी एल्गोरिदम जैसे "कम्प्यूटेशनल इंटेलिजेंस" प्रतिमानों के लिए गणितीय अभ्यावेदन भी विकसित किए गए थे।
भविष्यवाणियां (या "HAL 9000 कहाँ है?")
1968 में, आर्थर सी. क्लार्क और स्टेनली कुब्रिक ने भविष्यवाणी की थी कि 2001 तक, एक मशीन में मानव के बराबर या उससे बेहतर बुद्धि होगी। एचएएल 9000, उनके द्वारा डिजाइन किया गया एआई चरित्र, कई शीर्ष एआई विशेषज्ञों द्वारा आयोजित इस धारणा पर आधारित था कि ऐसा उपकरण 2001 तक विकसित किया जाएगा।
2016 तक, एआई से संबंधित सामान, हार्डवेयर और सॉफ्टवेयर का बाजार 8 बिलियन डॉलर से अधिक तक पहुंच गया था, जिसमें एआई में रुचि "उन्माद" तक पहुंच गई थी। बिग डेटा के अनुप्रयोग सांख्यिकी के क्षेत्र से आगे बढ़ने लगे हैं। उदाहरण के लिए, पारिस्थितिकी में मॉडल को प्रशिक्षित करने और विभिन्न आर्थिक अनुप्रयोगों के लिए बड़े डेटा का उपयोग किया गया था। गहन शिक्षण में प्रगति (विशेष रूप से गहरे दृढ़ तंत्रिका नेटवर्क और आवर्तक तंत्रिका नेटवर्क) ने छवि और वीडियो प्रसंस्करण, पाठ विश्लेषण और यहां तक कि भाषण मान्यता में प्रगति और अनुसंधान को बढ़ावा दिया है।
बड़ा डेटा
बिग डेटा एक ऐसा शब्द है जिसका उपयोग संख्यात्मक डेटा की जबरदस्त मात्रा का वर्णन करने के लिए किया जाता है जो कि विशिष्ट एप्लिकेशन सॉफ़्टवेयर की क्षमताओं से परे हैं। निर्णय लेने, अंतर्दृष्टि और प्रक्रिया अनुकूलन के इस स्तर को संभालने के लिए प्रसंस्करण मॉडल के एक पूरी तरह से नए सेट की आवश्यकता है। बिग डेटा युग में, विक्टर मेयर शॉनबर्ग और केनेथ कुक बड़े डेटा को परिभाषित करते हैं "सभी डेटा का उपयोग यादृच्छिक मूल्यांकन (नमूना सर्वेक्षण) के बजाय विश्लेषण के लिए किया जाता है।
बड़े डेटा की पाँच महत्वपूर्ण विशेषताएँ निम्नलिखित हैं: आयतन, वेग, विविधता, मूल्य और सत्यता (IBM द्वारा प्रस्तावित)। बड़ी डेटा तकनीक का महत्व विशाल डेटा जानकारी में महारत हासिल करना नहीं है, बल्कि महत्वपूर्ण बिट्स पर ध्यान केंद्रित करना है। इसे दूसरे तरीके से कहें तो, अगर बड़े डेटा की तुलना अर्थव्यवस्था से की जाती है, तो इस क्षेत्र में लाभप्रदता की कुंजी डेटा की "प्रक्रिया क्षमता" में सुधार करना और इसे "मूल्य वर्धित" में बदलना है।
कृत्रिम सामान्य बुद्धि
किसी भी मुद्दे को हल करने की क्षमता, न कि केवल एक विशिष्ट को, सामान्य बुद्धि के रूप में जाना जाता है। आर्टिफिशियल जनरल इंटेलिजेंस (या "एजीआई") सॉफ्टवेयर को संदर्भित करता है जो बुद्धि को विभिन्न प्रकार की समस्याओं के लिए उसी तरह लागू कर सकता है जैसे मनुष्य कर सकते हैं।
एआई शोधकर्ताओं ने 2000 के दशक की शुरुआत में तर्क दिया कि एआई विकास ने कृत्रिम सामान्य बुद्धि बनाने के क्षेत्र के मूल उद्देश्य को काफी हद तक छोड़ दिया था। एजीआई अध्ययन को एक अलग उप-अनुशासन के रूप में स्थापित किया गया था और 2010 तक एजीआई अनुसंधान के साथ-साथ निजी संघ और नई फर्मों को समर्पित अकादमिक सम्मेलन, प्रयोगशालाएं और विश्वविद्यालय पाठ्यक्रम थे।
आर्टिफिशियल जनरल इंटेलिजेंस को "मजबूत एआई," "पूर्ण एआई," या "कमजोर एआई" या "संकीर्ण एआई" के बजाय एक सिंथेटिक प्रकार की बुद्धि के रूप में भी जाना जाता है।
2022 में एआई
आर्टिफिशियल इंटेलिजेंस (एआई) कई क्षेत्रों के लिए एक व्यावसायिक और संगठनात्मक वास्तविकता बन गया है। भले ही एआई के लाभ हमेशा स्पष्ट रूप से स्पष्ट न हों, इसने खुद को प्रक्रिया दक्षता में सुधार, त्रुटियों और श्रम को कम करने और बड़े डेटा से अंतर्दृष्टि निकालने में सक्षम दिखाया है।
लोग इस बारे में बात कर रहे हैं कि एआई-पावर्ड ट्रेंड की बात करें तो दुनिया में अगली बड़ी चीज क्या होगी। 2022 में प्रत्याशित करने के लिए सबसे दिलचस्प एआई रुझानों का एक संग्रह यहां प्रस्तुत किया गया है:
- आरओआई संचालित एआई कार्यान्वयन;
- वीडियो विश्लेषण;
- 'एक सेवा के रूप में' व्यवसाय मॉडल;
- बेहतर साइबर सुरक्षा;
- मेटावर्स में एआई;
- एक डेटा कपड़ा;
- इंटरनेट ऑफ थिंग्स (IoT) के साथ AI और ML;
- एआई अग्रणी हाइपर-ऑटोमेशन।
निष्कर्ष
आर्टिफिशियल इंटेलिजेंस का विज्ञान, अर्थव्यवस्था, उत्पादन और हर व्यक्ति के हर क्षेत्र के भविष्य पर बहुत बड़ा प्रभाव है। आर्टिफिशियल इंटेलिजेंस ने शुरू से ही बिग डेटा, रोबोटिक्स और इंटरनेट ऑफ थिंग्स जैसी नवीन तकनीकों के विकास में योगदान दिया है और यह विकसित होता रहेगा।
