व्हेल संरक्षण से लेकर बढ़ी हुई सुविधा तक, एआई क्या नहीं कर सकता?

Artificial Intelligence लगातार रोज़मर्रा की ज़िंदगी में अधिक सामान्य हो रहा है। ChatGPT जैसे LLMs (Large Language Models) की शुरुआत ने एआई को हर किसी के हाथों में पहुंचा दिया। हालांकि, यह तकनीक LLMs के बाजार में आने से बहुत पहले ही जीवन को बदलने की राह पर थी। यहाँ वर्तमान में एआई क्या नहीं कर सकता और भविष्य में यह कहाँ पहुँचेगा, इसका एक झलक है।

एआई विकास

एआई सेक्टर ने तकनीक की क्षमताओं और पहुँच के आधार पर कई पुनरावृत्तियों को देखा है। मानव-समान मशीनों की अवधारणा प्राचीन काल से ही मौजूद है। पुनर्जागरण ने इन अवधारणाओं को पुनर्जीवित किया, और लियोनार्डो दा विंची जैसे प्रसिद्ध आविष्कारकों ने 1495 में ऑटोमेटन के साथ इस विचार को प्रदर्शित किया।

आज जैसा एआई हम देखते हैं, वह एलन ट्यूरिंग की यूनिवर्सल ट्यूरिंग मशीन (1935) से उत्पन्न हो सकता है। केवल 15 साल बाद, उन्होंने ट्यूरिंग टेस्ट बनाया। ट्यूरिंग टेस्ट मानव संवाद का उपयोग करके यह निर्धारित करता है कि क्या एआई सिस्टम ने मानव-समान क्षमताओं और उससे आगे पहुँच हासिल कर ली है। यह टेस्ट आज भी एआई इंटरैक्शन के मानक के रूप में उपयोग किया जाता है।

1990 के दशक की कम्प्यूटेशनल प्रगति ने एआई सिस्टम को आगे बढ़ाने में मदद की। इस समय मशीन लर्निंग और अन्य एआई सिस्टम उभरे, जिससे 2000 के शुरुआती वर्षों में कई सफलताएँ मिलीं। उदाहरण के लिए, IBM ने वाटसन की एआई क्षमताओं को दिखाते हुए jeopardy खेल में मनुष्यों को हराया। उसी समय, गूगल ने अपने न्यूरल नेटवर्क सिस्टम पर डेटा जारी करना शुरू किया।

एआई आज

इस दशक ने अब तक की सबसे बड़ी एआई तकनीकी छलांगें देखी हैं। टॉर्क क्लस्टरिंग एल्गोरिदम जैसे स्व-शिक्षण एआई तकनीकों की शुरुआत ने इस सेक्टर को चर्चा का केंद्र बना दिया है।

इन तकनीकी प्रगति के साथ नैतिक प्रश्न और पर्यावरणीय चिंताएँ भी उभरी हैं। इन सभी कारकों ने एआई के भविष्य और दैनिक जीवन पर इसके प्रभाव की अधिक जांच को प्रेरित किया है। तो एआई क्या नहीं कर सकता? ये प्रोजेक्ट्स उसकी वर्तमान क्षमताओं और सीमाओं का सिर्फ एक हिस्सा उजागर करते हैं।

लोगों को बेहतर शहर बनाने में मदद करें

एआई सिस्टम शहर नियोजकों को अधिक प्रभावी और कुशल समुदाय बनाने में मदद कर सकते हैं। एआई ट्रैफ़िक और अन्य महत्वपूर्ण डेटा को ट्रैक कर सकता है, जो नई सेवाओं, हाईवे और अन्य सामुदायिक आवश्यकताओं के स्थान निर्धारित करने में बहुत मूल्यवान हो सकता है।

इन्फ्रास्ट्रक्चर इनसाइट्स

एक तरीका जिससे एआई सिस्टम पहले से ही सुरक्षित और अधिक आरामदायक पड़ोस बनाने में उपयोग हो रहा है, वह इनसाइट्स के माध्यम से है। जर्नल ऑफ़ स्मार्ट सिटीज़ एंड सोसाइटी में प्रकाशित एक अध्ययन¹ विद्युत सुरक्षा और स्थिरता में गहराई से जाता है।

विशेष रूप से, यह ऊर्जा वितरण, घर की आवश्यकताएँ, प्रत्येक घर किस प्रकार की ऊर्जा स्रोत का उपयोग करता है, और क्या यह स्थान पावर लॉस के उच्च जोखिम में है, की जांच करता है। अध्ययन बताता है कि जैसे-जैसे अधिक घर पूरी तरह इलेक्ट्रिक विकल्पों की ओर बढ़ते हैं, कुछ जोखिमों को अनदेखा किया जा सकता है।

विशेष रूप से, रिपोर्ट यह उजागर करती है कि सौर पैनल गर्मियों में ऊर्जा का एक शानदार स्रोत हैं, लेकिन वे शीतकालीन तूफानों और अन्य पर्यावरणीय स्थितियों में पूरे समुदाय को बिजली कटौती का शिकार बना सकते हैं। दुर्भाग्यवश, जैसे-जैसे सभी घरों को इलेक्ट्रिफ़ाई करने का दबाव बढ़ रहा है, यह परिदृश्य अधिक सामान्य हो गया है।

पावर लॉस जोखिम को रैंक करने के लिए एआई मॉडल बनाना

स्टीवन्स के शोधकर्ताओं ने डिपार्टमेंट ऑफ़ एनर्जी (DOE) बिल्डिंग स्टॉक के डेटा का विश्लेषण किया, जिसमें 129,000 सिंगल-फ़ैमिली घरों की ऊर्जा पैटर्न शामिल थे। ये घर आठ विभिन्न राज्यों में स्थित थे, जिससे टीम को विभिन्न पर्यावरणों में सिस्टम का परीक्षण करने का अवसर मिला।

एमएल मॉडल ने व्यक्तिगत घरों की ऊर्जा प्रणाली फुटप्रिंट को सफलतापूर्वक निर्धारित किया। फिर इस डेटा को प्रोसेस किया, अपने डेटा मॉडल के साथ क्रॉस‑रेफ़रेंस किया, और यह तय किया कि घर किस प्रकार की ऊर्जा स्रोत पर निर्भर है।

इसके अलावा, सिस्टम ने इस डेटा का उपयोग करके घर और समुदाय के लिए ब्लैकआउट जोखिम निर्धारित किए। अब, टीम अपने परीक्षण को अधिक समुदायों तक विस्तारित करने की योजना बना रही है, ताकि नियोजकों को अधिक सुरक्षित और लचीले विद्युत ग्रिड बनाने में मदद मिल सके।

पृथ्वी को बचाएँ

पर्यावरणीय स्थितियाँ, प्रदूषण, मानव विस्तार और अन्य कारकों ने कई वन्यजीव क्षेत्रों को बर्बाद कर दिया है। कृत्रिम बुद्धिमत्ता वह समाधान बन गई है, जिसे पर्यावरणविद् वन्यजीव पैटर्न निर्धारित करने के लिए अपनाते हैं।

ये सिस्टम संरक्षणकर्ताओं को प्रजातियों में अचानक बदलावों को नोटिस करने में मदद कर सकते हैं, जो दुर्लभ और लुप्तप्राय जानवरों को विलुप्ति से बचाने के लिए एक मूल्यवान उपकरण है। पहले से ही, एआई सिस्टम प्रवास पैटर्न, स्वास्थ्य, शिकारियों की गतिविधि और अन्य महत्वपूर्ण डेटा को ट्रैक कर सकते हैं।

व्हेल संरक्षण

रूटगर्स यूनिवर्सिटी‑न्यू ब्रंसविक के नवाचारी शोधकर्ताओं की एक टीम ने हाल ही में अंतरराष्ट्रीय शिपिंग जहाज़ों को लुप्तप्राय प्रजातियों की आबादी से बचाने के लिए एक एआई मॉडल प्रस्तुत किया।

अध्ययन के प्रमुख लेखकों², अहमद अज़ीज़ एज़्ज़ात और जोश कोहुट ने उत्तर अटलांटिक राइट व्हेल प्रजाति की रक्षा के लिए विभिन्न डेटा का उपयोग करके व्हेल प्रवास और ट्रैकिंग मॉडल बनाया। दुर्भाग्यवश, नेशनल ओशनिक एंड एटमॉस्फेरिक एडमिनिस्ट्रेशन के डेटा से पता चलता है कि जंगली में इन शानदार जीवों में से 400 से कम बचे हैं। शेष जनसंख्या में केवल 70 प्रजनन योग्य मादा हैं, जिससे संरक्षणकर्ताओं की चिंताएँ बढ़ गई हैं।

स्रोत – Nature Communications

विशेष रूप से, टीम ने रूटगर्स यूनिवर्सिटी सेंटर फॉर ओशन ऑब्ज़र्विंग लीडरशिप का डेटा, जो 1990 के शुरुआती वर्षों से है, डेलावेयर विश्वविद्यालय की सैटेलाइट इमेजरी, और अंडरवॉटर ग्लाइडर जानकारी को मॉडल में एकीकृत किया। उल्लेखनीय रूप से, ग्लाइडर अंडरवॉटर क्राफ्ट होते हैं जिनमें विभिन्न सेंसर होते हैं। वे समुद्र तल को पार करके अनछुए क्षेत्रों का मानचित्रण, पर्यावरणीय बदलावों का ट्रैकिंग, और मूल्यवान संसाधनों की खोज में मदद करते हैं,

एआई ने व्हेल की प्राथमिकताओं, पिछले स्थानों, पर्यावरणीय स्थितियों और वर्ष के समय के आधार पर व्हेल आबादी के स्थान और समय की भविष्यवाणी की। इसने शोधकर्ताओं को इन बिंदुओं को जोड़ने और उन पैटर्न को खोजने में सक्षम बनाया, जो व्हेल देखे जाने की संभावनाओं को बढ़ाते हैं। भविष्य में, यह सिस्टम जहाज़ों को सटीक रूप से दिखाएगा कि व्हेल आबादी कहाँ है, जिससे वे इन प्राकृतिक आवासों से बचते हुए मार्ग बदल सकेंगे।

आर्टिफिशियल इंटेलिजेंस ऑफ़ थिंग्स (AIoT).

आर्टिफिशियल इंटेलिजेंस और इंटरनेट ऑफ़ थिंग्स तकनीकों का मिश्रण अब उभरते AIoT उद्योग को जन्म दिया है। यह सेक्टर IoT सिस्टम की पहुँच और डेटा संग्रहण क्षमताओं को एआई सिस्टम की पैटर्न पहचान, प्रोसेसिंग और सुविधा के साथ जोड़ता है।

AIoT सिस्टम लॉजिस्टिक्स कंपनियों को उनके उत्पादों को विश्वभर में तेज़ी से पहुंचाने, नकली वस्तुओं को कम करने, और कई अन्य उच्च‑स्तरीय सुविधाएँ प्रदान करने में सक्षम बनाते हैं, जो अन्यथा असंभव होतीं। AIoT IoT अवधारणा को कई प्रमुख तरीकों से सुधारता है, जिनमें दक्षता शामिल है।

परम्परागत IoT सिस्टम सेंसर के रूप में कार्य करते हैं। वे डेटा एकत्रित करके इंटरनेट के माध्यम से किसी अन्य स्थान पर भेजते हैं, जहाँ वह डेटा प्रोसेस किया जाता है। AIoT डेटा को इंटरनेट पर भेजने की आवश्यकता को समाप्त कर देता है। इसके बजाय, ये सिस्टम इन‑हाउस डेटा प्रोसेस कर सकते हैं, जिससे समय, लागत और बैंडविड्थ की जरूरतें घटती हैं।

स्मार्ट इकोनॉमी

AIoT भविष्य की स्मार्ट इकोनॉमी में एक महत्वपूर्ण भूमिका निभाएगा। आज के स्मार्ट घर विभिन्न मानव गतिविधि पहचान प्रोटोकॉल पर निर्भर होते हैं, जो उनके उपयोगकर्ताओं को सुविधा प्रदान करने की कोशिश करते हैं। उदाहरण के लिए, कल्पना करें कि आप Alexa को बता रहे हैं कि आप वर्कआउट करना चाहते हैं, और एक श्रृंखला कार्य शुरू होते हैं जो प्रक्रिया को अधिक सुविधाजनक बनाते हैं।

इन कार्यों में लाइटिंग समायोजित करना, संगीत चलाना, ब्लाइंड बंद करना, और यहाँ तक कि वर्कआउट के बाद स्मूदी मेकर को चालू करना शामिल हो सकता है। यह सब अब प्रीसेट मैक्रो का उपयोग करके संभव है। हालांकि, उन्नत मानव गतिविधि पहचान एआई सिस्टम का उपयोग इस प्रक्रिया को स्वचालित कर देगा।

MSF-Net

इंचियन नेशनल यूनिवर्सिटी के इंजीनियरों ने हाल ही में परिचय³ किया है अपना MSF-Net (मल्टिपल स्पेक्ट्रोग्राम फ्यूज़न नेटवर्क) वाई‑फ़ाई मानव गतिविधि ट्रैकिंग सिस्टम। यह सिस्टम चैनल स्टेट इन्फॉर्मेशन (CSI) का उपयोग करके सूक्ष्म मानव गतिविधियों का निर्धारण कर सकता है।

यह तकनीक स्मार्ट घरों को अधिक सुविधाजनक बनाएगी। जल्द ही एआई यह निर्धारित कर पाएगा कि आप खाना बना रहे हैं, आराम कर रहे हैं, टीवी देख रहे हैं, या काम पर जाने वाले हैं और उसके अनुसार वातावरण को समायोजित करेगा। यह तकनीक विनिर्माण, सुरक्षा और स्वास्थ्य‑सेवा सहित कई क्षेत्रों में एकीकृत हो सकती है।

नैतिक सलाह

ऐसा लगता है कि चाहे एआई तकनीक कितनी भी उन्नत हो जाए, इन सिस्टमों के प्रति हमेशा थोड़ा अविश्वास रहेगा। हाल ही में प्रकाशित एक अध्ययन⁴ ने जर्नल Cognition में उजागर किया है कि मनुष्य नैतिक सलाह के मामले में एआई सिस्टम पर भरोसा नहीं करते।

स्कूल ऑफ़ साइकोलॉजी इस बात का अध्ययन करता है कि एआई सिस्टमों के प्रति अविश्वास क्यों है, यह कैसे अपनाने को धीमा कर रहा है, और इन बाधाओं को पार करने के लिए क्या आवश्यक होगा। शोधकर्ताओं ने आर्टिफिशियल मोरल एडवाइज़र (AMA) के उदय को देखा और यह कैसे एक दिन सामान्य हो सकते हैं।

आर्टिफिशियल मोरल एडवाइज़र विशेष रूप से निर्मित एल्गोरिदम होते हैं जो पूर्व‑प्रोग्राम्ड नैतिक सिद्धांतों, सिद्धांतों और दिशानिर्देशों का उपयोग करके उपयोगकर्ताओं को कठिन नैतिक दुविधाओं के उत्तर प्रदान करते हैं।

विशेष रूप से, अध्ययन ने पाया कि लोग नैतिक मुद्दों पर एआई की सलाह से सावधान रहते हैं, भले ही वही सलाह एक मानव सलाहकार द्वारा दी गई हो। इसने यह भी दिखाया कि कई लोगों के पास एआई के बारे में गलतफहमियाँ हैं और यह चिंता है कि एआई बगड़ सकता है।

भविष्य में, आपके पास एक AMA आपके साथ हो सकता है जो आपको सही विकल्प चुनने में मदद करेगा। कम से कम, यह आपके “गलत” विकल्पों को दस्तावेज़ करेगा और संभवतः रिपोर्ट भी करेगा। इसलिए यह समझना आसान है कि मानवता एआई को मिसाइल लॉन्च कोड दे सकती है, लेकिन उसे प्रवचन चलाने नहीं देगी।

एआई क्या नहीं कर सकता? अभी भी बहुत कुछ है

एआई क्रांति पूरी गति से चल रही है और प्रमुख तकनीकी प्रगति एआई सिस्टम क्षमताओं को आगे बढ़ा रही है। लगातार यह कहा जाता है कि एआई आपकी नौकरी ले रहा है, लेकिन अधिकांश लोगों के पास अभी भी पर्याप्त समय है, इससे पहले कि उनके रोबोट शासक नियंत्रण ले लें। फिर भी, मानव स्पर्श अभी भी एक विकल्प है।

अविश्वास और गलतफहमियों जैसे कई कारक एआई की वास्तविक क्षमताओं और उद्देश्य के बारे में संदेह को जन्म देंगे। अभी के लिए, इस तकनीक की असीम संभावनाएँ हैं, लेकिन यह मनुष्यों से जुड़ने की अपनी क्षमता में सीमित है। जैसे-जैसे LLMs और रोबोटिक्स सुधारते हैं, मानवता और एआई के बीच की सीमा और अधिक धुंधली हो सकती है, जिससे नई वास्तविकताओं के द्वार खुलेंगे।

अब अन्य कूल एआई प्रोजेक्ट्स के बारे में जानें

अध्ययन संदर्भ:

^{1. Majowicz, A., Popli, C., & Odonkor, P. (2025). Quantifying household vulnerability to power outages: Assessing risks of rapid electrification in smart cities. Journal of Smart Cities and Society, 0(0). https://doi.org/10.1177/27723577241306340}

^{2. Ji, J., Ramasamy, J., Nazzaro, L., Kohut, J., & Ezzat, A. A. (2024). Machine learning for modeling North Atlantic right whale presence to support offshore wind energy development in the U.S. Mid-Atlantic. Scientific Reports, 14, 29147. https://doi.org/10.1038/s41598-024-80084-z}

^{3. Chen, J., Xu, X., Wang, T., Jeon, G., & Camacho, D. (2024). An AIoT framework with multimodal frequency fusion for WiFi-based coarse and fine activity recognition. IEEE Internet of Things Journal, 11(24), 39020-39029. https://doi.org/10.1109/JIOT.2024.3400773}

^{4. Myers, S., & Everett, J. A. C. (2025). People expect artificial moral advisors to be more utilitarian and distrust utilitarian moral advisors. Cognition, 256, 106028. https://doi.org/10.1016/j.cognition.2024.106028}