लेबल उपयोगी हैं, लेकिन वे प्राकृतिक नियम नहीं हैं
कृत्रिम नैरो बुद्धिमत्ता, कृत्रिम सामान्य बुद्धिमत्ता, और कृत्रिम सुपरइंटेलिजेंस को सबसे अच्छी तरह कई क्षमता-आयामों पर फैले क्षेत्रों के रूप में समझा जा सकता है — न कि तीन सटीक रूप से चिह्नित खानों के रूप में। शोधकर्ता और संस्थाएं अलग-अलग परिभाषाओं का इस्तेमाल करती हैं, और ऐसी कोई वैज्ञानिक प्राधिकरण संस्था नहीं है जो प्रमाणित कर सके कि कोई सिस्टम “AGI बन चुका है।” इसलिए एक सतर्क पाठक को यह पूछना चाहिए कि बोलने वाला इस शब्द से क्या अर्थ निकाल रहा है और उस वर्गीकरण के पीछे कौन-सा साक्ष्य है।
कृत्रिम नैरो बुद्धिमत्ता (ANI) का पारंपरिक अर्थ है एक ऐसा सिस्टम जो किसी सीमित कार्य या क्षेत्र के लिए अनुकूलित हो: कोई शतरंज इंजन, धोखाधड़ी पहचानने वाला सिस्टम, आवाज़ पहचानने वाला सिस्टम, या प्रोटीन-संरचना का अनुमान लगाने वाला सिस्टम। ऐसा सिस्टम अपने लक्षित कार्य में हर मनुष्य से आगे निकल सकता है जबकि बाकी हर जगह बेकार रहता है। लेकिन हर तैनात मॉडल को “नैरो” कहना अब तेज़ी से भ्रामक होता जा रहा है। सामान्य-प्रयोजन भाषा और मल्टीमॉडल मॉडल लिख सकते हैं, कोड लिख सकते हैं, तस्वीरों का विश्लेषण कर सकते हैं, उपकरणों का उपयोग कर सकते हैं, और निर्देशों के आधार पर कई कार्यों के अनुकूल हो सकते हैं। ये एक अर्थ में व्यापक हैं, फिर भी अविश्वसनीय, बाहरी सहारे (scaffolding) पर निर्भर, और अलग-अलग क्षेत्रों में असमान बने रहते हैं। इन सिस्टम को पुराने नैरो/सामान्य द्विआधारी वर्गीकरण में जबरन फिट करने के बजाय अक्सर “सामान्य-प्रयोजन AI” या “व्यापक रूप से सक्षम मॉडल” कहना ज़्यादा जानकारीपूर्ण विवरण होता है।
कृत्रिम सामान्य बुद्धिमत्ता (AGI) आमतौर पर एक ऐसी मशीन को दर्शाती है जिसमें व्यापक दक्षता हो और जो अपरिचित कार्यों में स्थानांतरित हो सके। इस मूल भावना से आगे, परिभाषाएं अलग-अलग हो जाती हैं। कुछ को अधिकांश संज्ञानात्मक कार्यों में एक सामान्य मनुष्य के बराबर प्रदर्शन चाहिए; कुछ को कुशलता से सीखने की क्षमता चाहिए; कुछ आर्थिक रूप से मूल्यवान श्रम पर ज़ोर देती हैं; और कुछ भौतिक या डिजिटल दुनिया में स्वायत्तता भी जोड़ती हैं। Google DeepMind के शोधकर्ताओं ने AGI का वर्णन व्यापकता — यह कितने कार्य कर सकता है — और गहराई — यह कितनी अच्छी तरह करता है — दोनों के आधार पर करने का प्रस्ताव रखा, जबकि स्वायत्तता को एक अलग तैनाती-गुण माना (DeepMind, Levels of AGI)। यह ढांचा इस दिखावे से बचता है कि कोई एक बेंचमार्क कोई जादुई सीमा-रेखा बना देता है।
कृत्रिम सुपरइंटेलिजेंस (ASI) एक काल्पनिक सिस्टम है जो लगभग सभी संज्ञानात्मक रूप से मूल्यवान क्षेत्रों में सर्वश्रेष्ठ मनुष्यों से काफी आगे निकल जाता है। यह कोई देखी गई तकनीकी श्रेणी नहीं है। यह एक ऐसा परिदृश्य है जिसका उपयोग उन सिस्टम के बारे में सोचने के लिए किया जाता है जो विज्ञान, रणनीति, इंजीनियरिंग, अनुनय, और शायद स्वयं AI शोध में मानवीय संस्थाओं से बेहतर प्रदर्शन कर सकें। क्या ऐसा सिस्टम संभव है, यह AGI के कितनी जल्दी बाद आ सकता है, और क्या हर क्षेत्र में बुद्धिमत्ता को एक ही सिस्टम में जोड़ा जा सकता है — ये सवाल अब भी विवादित हैं।
क्षमता के एक से अधिक अक्ष होते हैं
एक उपयोगी आकलन कम से कम पांच गुणों को अलग-अलग करके देखता है:
- व्यापकता: वे कार्य और परिस्थितियां जिनकी विविधता में सिस्टम दक्ष है।
- प्रदर्शन: क्या यह किसी नौसिखिए, सामान्य कर्मी, विशेषज्ञ, या सर्वश्रेष्ठ मनुष्य के बराबर है।
- विश्वसनीयता: यह कितनी बार सफल होता है, असामान्य या प्रतिकूल परिस्थितियों में भी।
- सीखना और स्थानांतरण: बिना कार्य-विशिष्ट पुनर्प्रशिक्षण के यह वास्तव में किसी नए कार्य को कितनी आसानी से संभाल लेता है।
- स्वायत्तता: सीमित निगरानी के साथ यह कितनी देर तक और कितनी सुरक्षित तरीके से योजना बना सकता है, कार्य कर सकता है, उपकरणों का उपयोग कर सकता है, गलतियों से उबर सकता है, और किसी लक्ष्य का पीछा कर सकता है।
ये अक्ष नाटकीय रूप से अलग हो सकते हैं। कोई मॉडल सैकड़ों विषयों पर सवालों के जवाब दे सकता है जबकि साधारण-सी गलतियां भी करता रहे। कोई दूसरा मॉडल किसी एक वैज्ञानिक वर्कफ़्लो में असाधारण रूप से विश्वसनीय हो सकता है लेकिन सामान्यीकरण करने में असमर्थ हो। कोई संवादी मॉडल व्यापक रूप से जानकार दिख सकता है जबकि उसी मॉडल पर बना एक एजेंट इसलिए विफल हो जाता है क्योंकि वह संदर्भ खो देता है, किसी उपकरण का गलत इस्तेमाल करता है, या यह पहचान नहीं पाता कि उसकी योजना गड़बड़ा रही है। OECD की AI सिस्टम की परिभाषा भी इसी तरह उत्पन्न आउटपुट और परिस्थितियों पर प्रभाव को स्वायत्तता के अलग-अलग स्तरों और तैनाती के बाद के अनुकूलन से अलग करके देखती है (OECD AI सिद्धांत)।
यह इसलिए मायने रखता है क्योंकि परिष्कृत भाषा, मज़बूत कर्तृत्व-क्षमता के बराबर नहीं है। मानव-जैसी बातचीत मानवीकरण को बढ़ावा देती है, जबकि बेंचमार्क स्कोर सावधानी से बनाए गए प्रॉम्प्ट, साफ़-सुथरे डेटा, और स्वचालित ग्रेडिंग पर निर्भरता को छुपा सकते हैं। इसके विपरीत, किसी सिस्टम में महत्वपूर्ण क्षमताएं होने के लिए उसे किसी व्यक्ति की तरह बातचीत करने की ज़रूरत नहीं है। कोई वैज्ञानिक मॉडल, ट्रेडिंग एजेंट, या साइबर उपकरण इसलिए मायने रख सकता है कि वह क्या कर सकता है, न कि इसलिए कि वह किसी मानव मस्तिष्क जैसा दिखता है।
कोई एक बेंचमार्क AGI को क्यों साबित नहीं करता
बेंचमार्क तय की गई परिस्थितियों में व्यवहार का नमूना लेते हैं। वे सीधे तौर पर समझ, चेतना, इरादे, या हर अनजांची परिस्थिति में प्रदर्शन को उजागर नहीं करते। स्कोर वास्तविक सामान्यीकरण, समान प्रशिक्षण उदाहरणों के संपर्क, बेहतर प्रॉम्प्टिंग, उपकरण उपलब्धता, या मॉडल के इर्द-गिर्द की गई इंजीनियरिंग की वजह से बढ़ सकते हैं। कोई बेंचमार्क संतृप्त भी हो सकता है: एक बार जब अग्रणी सिस्टम उसकी सीमा के करीब पहुंच जाते हैं, तो छोटे अंतरों की व्याख्या करना मुश्किल हो जाता है।
यही चेतावनी आर्थिक परिभाषाओं पर भी लागू होती है। “अधिकांश नौकरियों को स्वचालित कर सकता है” सुनने में ठोस लगता है, लेकिन नौकरियां तकनीकी कार्यों, सामाजिक बातचीत, जवाबदेही, शारीरिक गतिविधि, स्थानीय ज्ञान, और गलतियों की ज़िम्मेदारी का एक पुलिंदा होती हैं। स्व-निहित कार्यों में सफलता यह साबित नहीं करती कि कोई सिस्टम किसी अस्त-व्यस्त संगठन में किसी कर्मचारी की जगह ले सकता है। METR स्पष्ट रूप से कहता है कि उसका कार्य-पूर्णता समय-क्षितिज सॉफ्टवेयर, मशीन लर्निंग, और साइबर सुरक्षा पर केंद्रित है और इसे रोज़गार स्वचालन के सामान्य माप के रूप में नहीं पढ़ा जाना चाहिए (METR कार्यप्रणाली)।
इसलिए AGI को एक ऐसे दावे के रूप में देखा जाना चाहिए जिसे साक्ष्यों की एक पूरी रूपरेखा चाहिए। कौन-से क्षेत्र जांचे गए? कार्य कितने नए थे? किन उपकरणों और मानवीय मदद की अनुमति थी? क्या प्रदर्शन को स्वतंत्र रूप से दोहराया गया? सफलता दर क्या थी? जब लक्ष्य अस्पष्ट थे या परिस्थिति बदल गई, तब भी क्या सिस्टम भरोसेमंद बना रहा? इन विवरणों के बिना, कोई AGI घोषणा ब्रांडिंग, पूर्वानुमान, या व्यक्तिगत राय है — कोई माप-परिणाम नहीं।
यह अंतर नीति को क्यों बदल देता है
अलग-अलग क्षमता-प्रोफ़ाइल अलग-अलग जोखिम पैदा करती हैं। मौजूदा सिस्टम पहले से ही धोखाधड़ी, भेदभाव, गोपनीयता के उल्लंघन, असुरक्षित सलाह, श्रम में व्यवधान, और सिंथेटिक मीडिया के ज़रिए दस्तावेज़ीकृत नुकसान पहुंचा रहे हैं। इन समस्याओं के लिए AGI की ज़रूरत नहीं है, और इन्हें किसी भविष्य की सीमा तक टाला नहीं जाना चाहिए। व्यापक रूप से स्वायत्त सिस्टम साइबर अभियान चलाकर, ख़तरनाक शोध को तेज़ करके, या महत्वपूर्ण प्रक्रियाओं को इतने बड़े पैमाने पर नियंत्रित करके जो मानवीय समीक्षा से आगे निकल जाए, अन्य जोखिम जोड़ सकते हैं। काल्पनिक सुपरइंटेलिजेंस इस बारे में और भी अनिश्चित सवाल खड़े करती है कि क्या मानवीय संस्थाएं किसी ऐसे सिस्टम की निगरानी कर पाएंगी जो रणनीतिक रूप से उनसे बेहतर है।
ये श्रेणियां आनुपातिक सुरक्षा उपायों को भी आकार देती हैं। किसी नैरो मेडिकल क्लासिफ़ायर को नैदानिक सत्यापन, निगरानी, और अपील प्रक्रिया की ज़रूरत हो सकती है। किसी सामान्य-प्रयोजन मॉडल को क्षमता मूल्यांकन, दुरुपयोग पहचान, घटना-रिपोर्टिंग, और ख़तरनाक उपकरणों से जुड़े नियंत्रणों की ज़रूरत हो सकती है। महत्वपूर्ण बुनियादी ढांचे को संचालित करने वाला एक अत्यधिक स्वायत्त सिस्टम मज़बूत आश्वासन, नियंत्रण, और मानवीय-प्राधिकरण की शर्तों को उचित ठहराएगा। “AI” को एक अविभेदित श्रेणी के रूप में इस्तेमाल करना इन अंतरों को छुपा देता है।
AGI संबंधी दावों को पढ़ने का एक बेहतर तरीका
जब कोई कहता है कि AGI आ चुकी है — या यह असंभव है — तो उस दावे को कुछ अवलोकन-योग्य सवालों में बदल दें। क्या सिस्टम व्यापक रूप से दक्ष है या सिर्फ़ इंटरफ़ेस में व्यापक दिखता है? क्या यह नए काम में स्थानांतरित होता है? यह कितना विश्वसनीय है? क्या यह लंबी, वास्तविक-दुनिया की परियोजनाएं पूरी कर सकता है? क्या इसे निरंतर मानवीय सुधार की ज़रूरत पड़ती है? क्या यह तैनाती के बाद सीखता है? क्या साक्ष्य सार्वजनिक है और स्वतंत्र रूप से पुनरुत्पादनीय है?
2026 का ईमानदार निष्कर्ष यह नहीं है कि तैनात हर AI केवल नैरो है, न ही यह कि व्यापक भाषा मॉडलों ने किसी सार्वभौमिक रूप से स्वीकृत AGI रेखा को पार कर लिया है। मौजूदा सिस्टम चौंका देने वाली व्यापकता को गंभीर भंगुरता के साथ जोड़ते हैं। AGI अब भी एक विवादित अवधारणा है, और ASI अब भी काल्पनिक है। इसलिए सबसे उपयोगी “क्षमता की सीढ़ी” तारीख़ लगे साक्ष्य वाला एक बहु-आयामी नक्शा है — न कि तीन पायदान की एक सीढ़ी, जिस पर कोई कंपनी खुद को विजेता घोषित कर सके।