ओपनएआई के जीपीटी-6 एस्ट्रा ने संभाला टोयोटा कोरोला का स्टीयरिंग, ड्राइव-थ्रू से खाना लाने में मिली सफलता

लैब से निकलकर सड़कों पर उतरते भाषा मॉडल

दो टन वजनी तेज दौड़ने वाली कार की कमान किसी सामान्य एआई मॉडल के हाथ में सौंपना जोखिम भरा फैसला था, भले ही दोपहर के इस सफर में कोई अनहोनी नहीं हुई। आज के सबसे उन्नत मॉडल जटिल सवालों के जवाब देने और वर्चुअल दुनिया में कई काम खुद करने में माहिर हैं, लेकिन उनकी यह दक्षता केवल कंप्यूटर और इंटरनेट तक ही सीमित मानी जाती रही है। वास्तविक दुनिया के सामने आते ही ऐसे मॉडल अक्सर भ्रमित हो जाते हैं। एजीआई के कई दावों के बावजूद एआई विकास से जुड़ी कंपनियां भी मानती हैं कि भौतिक दुनिया में तार्किक समझ विकसित करना इस तकनीक के लिए एक नई चुनौती है।

इसी वजह से कुछ शोधकर्ता बड़ी कंपनियों को छोड़कर ऐसे स्टार्टअप शुरू कर रहे हैं, जो भौतिक तर्क पर काम कर रहे हैं। गूगल डीपमाइंड के पूर्व शोधकर्ता और एलोरियन एआई के सीईओ एंड्रयू दाई के अनुसार, बेहतर विजुअल रीजनिंग से नए रास्ते खुलेंगे। यह तकनीक भविष्य में यह समझने में काम आ सकती है कि रेस्तरां में लोग खाने का आनंद ले रहे हैं या नहीं, अथवा घर के काम संभालने वाले रोबोट्स को तैयार करने में भी इसकी अहम भूमिका होगी। एंड्रयू दाई मानते हैं कि रोबोटिक्स के लिए भौतिक समझ एक बेहद बुनियादी और अनिवार्य जरूरत है।

मानवता की छठी इंद्री और ड्राइविंगबेंच टेस्ट

एलोरियन और डेटा प्रदाता कंपनी स्केल एआई ने मिलकर एक नया बेंचमार्क तैयार किया है, जिसे ह्यूमैनिटीज सिक्स्थ सेंस नाम दिया गया है। यह बेंचमार्क भौतिक दृश्यों को समझने की मॉडल्स की क्षमता को मापता है। स्केल एआई के शोध वैज्ञानिक शिनगांग गुओ ने बताया कि विजुअल एआई से जुड़ा अधिकांश काम अब तक केवल विजुअल परसेप्शन पर केंद्रित रहा है, जबकि नया उद्देश्य यह समझना है कि कोई मॉडल किसी दृश्य को इंसानी सहजता से कैसे समझ सकता है।

एग्जियोम कंपनी में काम करने वाले रमाभद्रन, माहन्स और गेस्लर ने अपने दफ्तर के काम से अलग वक्त निकालकर इन-एंड-आउट प्रोजेक्ट पर काम किया था। उनका मुख्य उद्देश्य यह देखना था कि बिना किसी पूर्व तैयारी के ये मॉडल वास्तविक दुनिया की जटिलताओं में कैसा प्रदर्शन करते हैं। एक सप्ताहांत पर साथ बैठे इन इंजीनियरों ने देखा कि एस्ट्रा जैसे मॉडल जटिल थ्रीडी सिमुलेशन बना सकते हैं, जिसके बाद उनके मन में यह विचार आया कि क्या यह क्षमता वास्तविक दुनिया में कार चलाने में तब्दील हो सकती है। बे एरिया में रहते हुए टेस्ला और वेमो जैसी स्वायत्त कारों को देखने के अनुभव ने भी उन्हें इस परीक्षण के लिए प्रेरित किया।

प्रॉम्प्टिंग की मदद से शुरू हुआ सफर

शुरुआत में इंजीनियरों ने स्पेसएक्सएआई के ग्रॉक का परीक्षण किया और उसके बाद ओपनएआई तथा एंथ्रोपिक के मॉडल्स को आजमाया। पहले तो इन मॉडल्स ने गाड़ी का नियंत्रण लेने से पूरी तरह मना कर दिया। सिस्टम ने साफ कहा कि वह सड़क की तस्वीरों का विश्लेषण तो कर सकता है, लेकिन किसी भौतिक कार को चलने के कमांड नहीं दे सकता। सावधानीपूर्वक तैयार किए गए प्रॉम्प्ट्स की मदद से उन्हें आगे बढ़ने के लिए तैयार किया गया, और जब मॉडल्स ने सच में गाड़ी चलाना शुरू किया तो तीनों इंजीनियर दंग रह गए।

इंजीनियरों का मानना है कि बड़ी टेक कंपनियां अपने मॉडल्स में स्थानिक समझ यानी स्पेशियल रीजनिंग सुधारने पर जोर दे रही हैं, लेकिन उनका मकसद मॉडल्स को ड्राइविंग सिखाना नहीं है। यह क्षमता दरअसल थ्रीडी रीजनिंग के प्रशिक्षण का ही एक स्वाभाविक परिणाम है। माहन्स का कहना है कि तस्वीरों, वीडियो और थ्रीडी मॉडल्स के जरिए मल्टीमॉडल ट्रेनिंग को बढ़ाने से यह नई क्षमता अनायास ही विकसित हो गई है।

हालांकि, इन तीनों इंजीनियरों द्वारा तैयार किए गए ड्राइविंगबेंच नामक नए परीक्षण से पता चलता है कि इन मॉडल्स को इंसानी ड्राइविंग टेस्ट पास करने में अभी लंबा सफर तय करना है। पार्किंग स्थल में बने एक साधारण ड्राइविंग ट्रैक पर केवल एस्ट्रा ही पूरा चक्कर लगा पाया, वह भी काफी धीमी गति से। दूसरी तरफ क्लॉड फेबल 5.1 केवल 45 प्रतिशत रास्ता ही तय कर सका, जबकि ग्रॉक महज 11 प्रतिशत दूरी पर ही अटक गया। रमाभद्रन ने बताया कि नवीनतम मॉडल अपनी गलतियों से लगातार सीख रहे हैं और कार के नियंत्रण को रीयल-टाइम में बेहतर तरीके से संभाल रहे हैं।