સમય સંકોચન અને અંધ સ્થળો: નિયમનની જરૂરિયાત

આપણે તકનીકી પ્રગતિના પ્રવેગના શિખર પર ઊભા છીએ, ખાસ કરીને AI ટેકનોલોજીની ઝડપી પ્રગતિ.

જનરેટિવ AI ફક્ત અસ્ખલિત રીતે બોલી શકતું નથી, પરંતુ પ્રોગ્રામ્સ પણ લખી શકે છે. આ ફક્ત માનવ કાર્યની કાર્યક્ષમતા અને સુધારણાને પ્રોત્સાહન આપે છે, પરંતુ તે જનરેટિવ AI ના સુધારણામાં પણ પાછું આવે છે.

આ ફક્ત જનરેટિવ AI ના મોડેલ સ્ટ્રક્ચર અથવા પ્રી-ટ્રેનિંગ પદ્ધતિઓને મજબૂત કરવા વિશે નથી.

જેમ જેમ જનરેટિવ AI વધુ સોફ્ટવેરની ઍક્સેસ મેળવે છે જે તે કનેક્ટ કરી શકે છે અને તેનો ઉપયોગ કરી શકે છે, તેમ તેમ તે ફક્ત ચેટ કરતાં પણ વધુ કરી શકશે. વધુમાં, જો એવું સોફ્ટવેર વિકસાવવામાં આવે કે જે જનરેટિવ AI ને તેના કાર્યો માટે જરૂરી જ્ઞાન એકત્રિત કરવા અને યોગ્ય ક્ષણોએ તે જ્ઞાનને પુનઃપ્રાપ્ત કરવાની મંજૂરી આપે, તો તે પ્રી-ટ્રેનિંગ વિના પણ, યોગ્ય જ્ઞાનનો ઉપયોગ કરીને વધુ બુદ્ધિપૂર્વક વર્તી શકે છે.

આ રીતે, AI ટેકનોલોજીની પ્રગતિ, લાગુ કરાયેલી તકનીકો અને સિસ્ટમ્સ સહિત, AI ટેકનોલોજીના સમગ્ર ક્ષેત્રને વેગ આપે છે. આ પ્રવેગ, બદલામાં, AI ટેકનોલોજીના વધુ પ્રવેગ તરફ પુનરાવર્તિત રીતે દોરી જાય છે. તદુપરાંત, જેમ જેમ AI ટેકનોલોજી વેગ પકડે છે અને AI વધુ વસ્તુઓ કરવા સક્ષમ બને છે, તેમ તેમ તેનો ઉપયોગ થતા સ્થળો અને પરિસ્થિતિઓ કુદરતી રીતે ઝડપી દરે વધશે.

આ ફક્ત AI ટેકનોલોજીમાં રસ ધરાવતા રોકાણકારો અને ઇજનેરોની સંખ્યામાં વધારો કરી શકે છે. આ રીતે, AI ટેકનોલોજીનો પ્રવેગ સામાજિક-આર્થિક પરિપ્રેક્ષ્યથી પણ મજબૂત બને છે.

બીજી બાજુ, આવી તકનીકી પ્રગતિ આપણને વિવિધ રીતે, પરોક્ષ અને સીધા બંને રીતે અસર કરે છે.

સામાન્ય રીતે, તકનીકી પ્રગતિને સારી વસ્તુ તરીકે જોવામાં આવે છે. જ્યારે નવી તકનીકોના જોખમો વિશે ચિંતાઓ ઉભી થાય છે, ત્યારે પ્રગતિની સકારાત્મક અસરો સામાન્ય રીતે તેના પર ભારે પડે છે, અને જોખમો સમય જતાં ઘટાડી શકાય છે, તેથી એકંદરે, ફાયદા નોંધપાત્ર માનવામાં આવે છે.

જોકે, આ ફક્ત ત્યારે જ સાચું છે જ્યારે તકનીકી પ્રગતિની ગતિ ધીમી હોય. જ્યારે તકનીકી પ્રગતિની ગતિ વેગ પકડે છે અને એક ચોક્કસ મર્યાદા વટાવે છે, ત્યારે ફાયદા જોખમો કરતાં વધુ નથી રહેતા.

પ્રથમ, વિકાસકર્તાઓ પોતે પણ નવી તકનીકોની પ્રકૃતિ અથવા એપ્લિકેશનોની સંપૂર્ણ શ્રેણીને સંપૂર્ણપણે સમજી શકતા નથી. ખાસ કરીને એપ્લિકેશનોના અવકાશ અંગે, અન્યો દ્વારા ઉપયોગો અથવા અન્ય તકનીકો સાથેના સંયોજનો શોધી કાઢવામાં આવે છે જે વિકાસકર્તાઓને પણ આશ્ચર્યચકિત કરે છે તે અસામાન્ય નથી.

વધુમાં, જ્યારે આવા એપ્લિકેશનો સમાજને કેવી રીતે ફાયદો કરશે અને જોખમમાં મૂકશે તેનો સમાવેશ કરવા માટે અવકાશને વિસ્તૃત કરવામાં આવે છે, ત્યારે લગભગ કોઈને પણ સંપૂર્ણ હદની જાણ હોતી નથી.

જ્યારે પ્રગતિ ધીમી હોય છે, ત્યારે તકનીકમાં આવા સામાજિક અંધ સ્થળો સમય જતાં ધીમે ધીમે ભરાઈ જાય છે, અને આખરે, પર્યાપ્ત અંધ સ્થળો દૂર કરીને તકનીકનો સમાજમાં ઉપયોગ થાય છે.

જોકે, જ્યારે તકનીકી પ્રગતિ એક ચોક્કસ ગતિ વટાવે છે, ત્યારે સામાજિક અંધ સ્થળો ભરવા માટેનો ગ્રેસ પીરિયડ પણ ટૂંકો થઈ જાય છે. તકનીકી પ્રગતિનો પ્રવેગ, સામાજિક અંધ સ્થળો ભરવાના પરિપ્રેક્ષ્યથી, જાણે સમય પ્રમાણમાં સંકુચિત થઈ ગયો હોય તેમ દેખાય છે.

નવા તકનીકી ફેરફારો એક પછી એક થાય છે, અને આ અસંખ્ય તકનીકોમાં એકસાથે થાય છે, જેનાથી સામાજિક અંધ સ્થળો ભરવાની સામાજિક જ્ઞાનાત્મક પ્રક્રિયા માટે ગતિ જાળવી રાખવી અશક્ય બને છે.

પરિણામે, આપણે વિવિધ તકનીકોથી ઘેરાઈ જઈશું જે સામાજિક અંધ સ્થળોની સ્થિતિમાં રહે છે.

આવી તકનીકો દ્વારા ધરાવવામાં આવતા સંભવિત જોખમો આપણા અંધ સ્થળોમાંથી અચાનક ઉભરી શકે છે અને સમાજને નુકસાન પહોંચાડી શકે છે. કારણ કે જે જોખમો માટે આપણે તૈયાર નથી અથવા જેના માટે આપણે કોઈ પગલાં લીધા નથી તે અચાનક દેખાય છે, નુકસાનની અસર વધુ ગંભીર બનતી હોય છે.

આ પરિસ્થિતિ તકનીકી પ્રગતિના ફાયદા અને જોખમોની માત્રામાં ફેરફાર કરે છે. સમય સંકોચનની અસરને કારણે, સામાજિક અંધ સ્થળો ભરવામાં આવે તે પહેલાં જોખમો મૂર્ત સ્વરૂપ લેતા હોવાથી, દરેક તકનીકના જોખમો વધે છે.

જનરેટિવ AI ની પ્રગતિનું સ્વયં-મજબૂત પ્રવેગ આખરે લગભગ અપૂર્ણ સામાજિક અંધ સ્થળો સાથે અસંખ્ય તકનીકો બનાવી શકે છે, જે જોખમ અને લાભ વચ્ચેના સંતુલનને નોંધપાત્ર રીતે બદલી શકે છે.

આ એક એવી પરિસ્થિતિ છે જેનો આપણે ક્યારેય અનુભવ કર્યો નથી. તેથી, સામાજિક અંધ સ્થળો તરીકે સંભવિતપણે કેટલા જોખમો અસ્તિત્વમાં રહેશે, કે તેમની અસર કેટલી નોંધપાત્ર હશે તે કોઈ પણ ચોક્કસ રીતે અંદાજ લગાવી શકતું નથી. એકમાત્ર નિશ્ચિતતા એ તાર્કિક માળખું છે કે તે જેટલું ઝડપી વેગ આપશે, તેટલા જોખમો વધશે.

ક્રોનોસ-સ્ક્રૅમ્બલ સોસાયટી

બીજી બાજુ, આપણે તકનીકી પ્રગતિની વર્તમાન ગતિને ચોક્કસપણે સમજી શકતા નથી, કે ભવિષ્યમાં તે શું હશે.

આ વાત જનરેટિવ AI સંશોધકો અને વિકાસકર્તાઓ માટે પણ સાચી છે. ઉદાહરણ તરીકે, AGI, એક AI જે માનવીય ક્ષમતાઓને તમામ પાસાઓમાં વટાવી જાય છે, તે ક્યારે ઉભરી આવશે તે અંગે નિષ્ણાતોમાં મંતવ્યોમાં વ્યાપક ભિન્નતા છે.

વધુમાં, જનરેટિવ AI સંશોધકો અને વિકાસકર્તાઓ તેની લાગુ કરાયેલી તકનીકો અને સિસ્ટમ્સના નિષ્ણાતોથી અલગ લોકો છે. તેથી, ભલે તેઓ જનરેટિવ AI ની નવીનતમ સંશોધન સ્થિતિ અને ભવિષ્યની સંભાવનાઓ વિશે જાણકાર હોય, તેઓ જનરેટિવ AI નો ઉપયોગ કરીને કઈ લાગુ કરાયેલી તકનીકો અને સિસ્ટમ્સ પહેલેથી જ અસ્તિત્વમાં છે અથવા ભવિષ્યની કઈ સંભાવનાઓ ખુલી રહી છે તે વિશે બધું જ સમજી શકતા નથી.

વધુમાં, જ્યારે લાગુ કરાયેલી તકનીકો અને સિસ્ટમ્સની વાત આવે છે, ત્યારે વિવિધ હાલની પદ્ધતિઓ સાથે જોડવામાં આવે ત્યારે શક્યતાઓ લગભગ અમર્યાદિત હોય છે. લાગુ કરાયેલી તકનીકો અને સિસ્ટમ્સનું સંશોધન અને વિકાસ કરતા લોકોમાં પણ, વિવિધ શૈલીઓમાં સમાવિષ્ટ તમામ બાબતોને સમજવી મુશ્કેલ હશે.

આવી લાગુ કરાયેલી તકનીકો અને સિસ્ટમ્સ સમાજમાં કેવી રીતે ફેલાશે અને તેમની શું અસર થશે તે અનુમાન લગાવવું અથવા આગાહી કરવી તો વધુ મુશ્કેલ છે. ખાસ કરીને, સંશોધકો અને ઇજનેરો સામાજિક અસર વિશે જાણકાર હોતા નથી અથવા તેમાં ખૂબ રસ ધરાવતા નથી. બીજી બાજુ, આવી સામાજિક અસરમાં ખૂબ રસ ધરાવતા લોકોની તકનીકી સમજમાં અનિવાર્યપણે મર્યાદાઓ હોય છે.

આમ, કોઈ પણ જનરેટિવ AI ની વર્તમાન સ્થિતિ અથવા તેના ભવિષ્યના વિઝનને સંપૂર્ણપણે સમજી શકતું નથી. અને દરેક વ્યક્તિની સમજમાં વિસંગતતાઓ હોય છે.

સમસ્યા ફક્ત વિસંગતતાઓ છે એટલું જ નથી, પરંતુ પ્રગતિની ગતિ અજાણી છે. આપણે ચોક્કસપણે એક એવા યુગના ઉંબરે છીએ જ્યાં તકનીકી પ્રગતિ વેગ પકડી રહી છે અને સમય સંકુચિત થઈ રહ્યો છે, પરંતુ તે ગતિ કેટલી ઝડપી છે તેની આપણી પાસે સામાન્ય સમજ નથી.

વધુ ખરાબ કરવા માટે, તકનીકી પ્રગતિની ગતિ સ્થિર છે કે પ્રવેગક છે તે અંગે લોકોમાં ધારણામાં તફાવતો છે. વધુમાં, જેઓ પ્રવેગક પર સંમત છે તેમની વચ્ચે પણ, ધારણાઓ ખૂબ જ અલગ પડે છે કે શું પ્રવેગક ફક્ત જનરેટિવ AI ની મૂળભૂત તકનીકની પ્રગતિને કારણે થાય છે, અથવા જો તેઓ લાગુ કરાયેલી તકનીકો અને સિસ્ટમ્સને કારણે પ્રવેગક, તેમજ સામાજિક-આર્થિક પરિબળોથી લોકો અને મૂડીના પ્રવાહને કારણે પ્રવેગકને પણ ધ્યાનમાં લે છે.

આ રીતે, વર્તમાન સ્થિતિ અને ભવિષ્યના વિઝનની ધારણામાં પરિવર્તનશીલતા, અને પ્રગતિની ગતિની ધારણામાં વિસંગતતા, આપણી વ્યક્તિગત સમજણમાં આશ્ચર્યજનક રીતે મોટા તફાવતો બનાવે છે.

ઑગસ્ટ 2025 માં તકનીકી સ્તર અને સામાજિક અસર શું છે? અને 2027 (બે વર્ષ પછી) અથવા 2030 (પાંચ વર્ષ પછી) માં તે કેવું હશે? આ વ્યક્તિ-વ્યક્તિએ વ્યાપકપણે બદલાય છે. વધુમાં, 2023 માં જનરેટિવ AI બૂમ આવ્યાના બે વર્ષ પછી, 2025 માં તે ધારણામાં તફાવત કદાચ વધુ મોટો છે.

હું એક એવા સમાજને "ક્રોનોસ-સ્ક્રૅમ્બલ સોસાયટી" કહું છું જ્યાં યુગની વ્યક્તિગત ધારણાઓ આટલી હદે અલગ પડે છે. ક્રોનોસ એ સમય માટેનો ગ્રીક શબ્દ છે.

અને આ ક્રોનોસ-સ્ક્રૅમ્બલ સોસાયટીની વાસ્તવિકતામાં, આપણે સમય સંકોચન અને તકનીકી સામાજિક અંધ સ્થળોની સમસ્યાઓનો સામનો કરવો પડશે, જેને આપણે સામાન્ય રીતે અને યોગ્ય રીતે સમજી શકતા નથી.

દ્રષ્ટિ અને વ્યૂહરચના

એવી પરિસ્થિતિમાં જ્યાં સમયની પોતાની સમજ વાસ્તવિક સમય સંકોચન સાથે સંરેખિત ન થઈ શકે, અને જુદા જુદા દૃષ્ટિકોણ ધરાવતા અન્ય લોકો સાથે તકનીકી સામાજિક અંધ સ્થળોની સમસ્યાને સંબોધવાની જરૂર હોય, ત્યારે દ્રષ્ટિ અને વ્યૂહરચના અનિવાર્ય બની જાય છે.

અહીં, દ્રષ્ટિ એટલે સમયની પોતાની સમજને ધ્યાનમાં લીધા વિના, અપરિવર્તનીય મૂલ્યો અને દિશાઓ દર્શાવવી.

ઉદાહરણ તરીકે, ચર્ચાને સરળ બનાવવા માટે, "ખાતરી કરવી કે ટેકનોલોજીના જોખમો તેના ફાયદાઓ કરતાં વધી ન જાય" એ એક મહત્વપૂર્ણ દ્રષ્ટિ છે. આ એક એવી દ્રષ્ટિ છે જેના પર "ટેકનોલોજીને આગળ વધારવી" અથવા "તકનીકી જોખમો ઘટાડવા" જેવી દ્રષ્ટિઓ કરતાં વધુ લોકો સહમત થઈ શકે છે.

અને તે દ્રષ્ટિની અનુભૂતિ તરફ શક્ય તેટલા વધુ લોકોને સહકાર આપવા સક્ષમ બનાવવું નિર્ણાયક છે. જો દ્રષ્ટિ પર સહમત થાય તો પણ, તે કાર્યવાહી વિના પ્રાપ્ત કરી શકાતી નથી.

અહીં પણ, એવી સમજણ સાથે વ્યૂહરચના ઘડવી જોઈએ કે આપણે સમયની જુદી જુદી ઇન્દ્રિયો સાથે ક્રોનોસ-સ્ક્રૅમ્બલ સોસાયટીમાં છીએ. ઉદાહરણ તરીકે, દરેક વ્યક્તિની સમયની સમજને વાસ્તવિક સમય સંકોચન સાથે સંરેખિત કરવાની વ્યૂહરચના કામ કરશે નહીં. તે વ્યક્તિઓ પર એક મોટો શીખવાનો બોજ લાદશે, તેમને તેના માટે જરૂરી ઉર્જાથી જ થકવી દેશે. તદુપરાંત, જેમ જેમ આ અંતર વર્ષ-દર-વર્ષે વધતું જાય છે, તેમ તેમ જરૂરી ઉર્જા પણ વધશે.

હું બધી સંપૂર્ણ વ્યૂહરચનાઓ રજૂ કરી શકતો નથી, પરંતુ વ્યૂહરચનાનું એક ઉદાહરણ એ છે કે સમય જતાં આપમેળે મજબૂત થતી કોઈ વસ્તુનો ઉપયોગ કરીને દ્રષ્ટિ પ્રાપ્ત કરવી.

આ જનરેટિવ AI ના ઉપયોગનો સંદર્ભ આપે છે. જોકે કોઈ જે વસ્તુને સંબોધવાનો પ્રયાસ કરી રહ્યું છે તેનો ઉપયોગ કરવો થોડો જટિલ છે, તે સ્પષ્ટ છે કે સમય સંકોચનની સમસ્યાનો સામનો કરતી વખતે, પરંપરાગત પદ્ધતિઓ સમય જતાં સંભાળવામાં વધુને વધુ મુશ્કેલ બનશે. આનો સામનો કરવા માટે, સમયસર સંકુચિત થઈ રહેલી ક્ષમતાઓનો ઉપયોગ કરીને પ્રતિસાદોને ધ્યાનમાં લેવા સિવાય કોઈ વિકલ્પ નથી.

અને આશા છે કે, જો આપણે આખરે જનરેટિવ AI દ્વારા થતા ટેકનોલોજીના વિકાસને નિયંત્રિત કરવા અને તેને તેની મર્યાદાઓથી આગળ વધતા અટકાવવા માટે જનરેટિવ AI ની ક્ષમતાઓનો લાભ લઈ શકીશું, તો આપણે સમસ્યાને હલ કરવાની નોંધપાત્ર રીતે નજીક હોઈશું.

નિષ્કર્ષ

ક્રોનોસ-સ્ક્રૅમ્બલ સોસાયટીમાં, આપણા દરેકને બહુવિધ જુદા જુદા અંધ સ્થળો હશે. આ એટલા માટે છે કારણ કે કોઈ પણ વ્યક્તિ દરેક પાસામાં અંધ સ્થળો વિના તમામ ફ્રન્ટલાઈન માહિતીને ગ્રહણ કરી શકતું નથી અને તેને વર્તમાન અનુમાનો અને ભવિષ્યની આગાહીઓ સાથે યોગ્ય રીતે જોડી શકતું નથી.

અને કોઈક સમયે, અચાનક એવી તક ઊભી થશે કે ત્યાં એક અંધ સ્થળ અસ્તિત્વમાં હતું તેની અનુભૂતિ થશે. આ વારંવાર બનશે, દરેક વખતે એક અંધ સ્થળ બને છે અને તે અંતર ભરાય છે.

દરેક વખતે, આપણી વર્તમાન સ્થિતિ અને ભવિષ્યના દ્રષ્ટિકોણની સમયરેખાની આપણી ધારણા નોંધપાત્ર રીતે સંકોચાઈ જશે. એવું લાગે છે કે આપણે અચાનક સમયમાંથી કૂદી પડ્યા છીએ. તે ભવિષ્ય તરફની જ્ઞાનાત્મક સમય-છલાંગ છે.

કેટલાક કિસ્સાઓમાં, એક જ દિવસમાં બહુવિધ અંધ સ્થળો પ્રગટ થઈ શકે છે. આવા કિસ્સાઓમાં, વ્યક્તિ ખૂબ જ ટૂંકા ગાળામાં બહુવિધ સમય-છલાંગનો અનુભવ કરે છે.

તે અર્થમાં, જ્યાં સુધી આપણે આપણા પોતાના અંધ સ્થળોના અસ્તિત્વને સ્વીકારતા નથી અને બહુ-તબક્કાના સમય-છલાંગોનો સામનો કરવા સક્ષમ મજબૂત દ્રષ્ટિ ધરાવતા નથી, ત્યાં સુધી ભવિષ્ય સંબંધિત સચોટ નિર્ણાયક નિર્ણયો લેવાનું મુશ્કેલ બનશે.

બીજા શબ્દોમાં કહીએ તો, સમયની આપણી સમજને વાસ્તવિકતાની નજીક લાવવાનો પ્રયાસ કરતી વખતે, યુગોને પાર કરતા સિદ્ધાંતો અને ઉપદેશોના આધારે વિચારવાની આવશ્યકતા વધતી જશે.

અને સમય સંકોચનની વચ્ચે, આપણે એ વાસ્તવિકતાને પણ સ્વીકારવી જોઈએ કે જોખમ નિવારક પગલાં પહેલાની જેમ જ ગતિએ લાગુ કરી શકાતા નથી.

વધુમાં, જો આ સમય સંકોચનની ગતિ પોતે ધીમી ન કરવામાં આવે, તો તે આપણી ધારણા અને નિયંત્રણની મર્યાદાઓ વટાવી જશે.

આ પ્રાપ્ત કરવા માટે, આપણે AI ની ગતિ અને પ્રભાવનો ઉપયોગ કરવા વિશે ગંભીરતાથી વિચારવું જોઈએ, જે સમય સંકોચનને કારણે વેગ પકડી રહ્યું છે.

આ પ્રગતિશીલ કરવેરા અથવા સામાજિક સુરક્ષા પ્રણાલીઓ જેવી પદ્ધતિઓ જેવી જ છે જે વધુ ગરમ અર્થતંત્રને અંકુશમાં રાખે છે, જેને "બિલ્ટ-ઇન સ્ટેબિલાઇઝર્સ" તરીકે ઓળખવામાં આવે છે.

બીજા શબ્દોમાં કહીએ તો, આપણે એવી પદ્ધતિઓ વિશે વિચારવાની જરૂર છે જે AI ને ફક્ત તકનીકી પ્રવેગક તરીકે જ નહીં પરંતુ સામાજિક બિલ્ટ-ઇન સ્ટેબિલાઇઝર તરીકે પણ કાર્ય કરવા દે.