વિચારવાનું ભાગ્ય: AI અને માનવતા

હું વિચારું છું કે AI ની પ્રગતિ સાથે સમાજ અને આપણી જીવનશૈલી કેવી રીતે બદલાશે.

જેમ જેમ AI બૌદ્ધિક શ્રમ સંભાળે છે, તેમ તેમ એવું લાગી શકે છે કે મનુષ્યોને ઓછું વિચારવું પડશે. જોકે, હું માનું છું કે ભૂતકાળના બૌદ્ધિક શ્રમથી અલગ પ્રકારની વિચારસરણી મનુષ્યો માટે જરૂરી બનશે.

આ એના જેવું જ છે કે કેવી રીતે યાંત્રિકીકરણથી મનુષ્યોને અમુક અંશે શારીરિક શ્રમમાંથી મુક્તિ મળી, પરંતુ તે જ સમયે, અન્ય પ્રકારની શારીરિક પ્રવૃત્તિઓની માંગ થઈ.

આ અન્ય પ્રકારની શારીરિક પ્રવૃત્તિઓમાં હાથ અને આંગળીઓના ટેરવાંનો ઉપયોગ કરીને નાજુક કાર્યોનો સમાવેશ થાય છે, જેમ કે કારીગરોનો કુશળ શ્રમ અથવા કમ્પ્યુટર અને સ્માર્ટફોન ચલાવવા.

તેવી જ રીતે, જો આપણે બૌદ્ધિક શ્રમમાંથી મુક્ત થઈએ, તો પણ આપણે વિચારવાના બૌદ્ધિક કાર્યમાંથી છટકી શકતા નથી.

તો, આપણાથી કયા પ્રકારની બૌદ્ધિક પ્રવૃત્તિની માંગ કરવામાં આવશે?

આ લેખમાં, હું AI ના યુગમાં સોફ્ટવેર ડેવલપમેન્ટના પેરાડાઈમ્સમાં પરિવર્તન વિશે મારા વિચારો રજૂ કરીશ, અને આપણા "વિચારવાના ભાગ્ય" ને અન્વેષણ કરીશ.

પ્રક્રિયા-લક્ષી સોફ્ટવેર

હું ઑબ્જેક્ટ-લક્ષી અભિગમોથી આગળ વધીને, પ્રક્રિયા-લક્ષી ને આગલા પેરાડાઈમ તરીકે પ્રસ્તાવિત કરું છું.

આ ખ્યાલ પ્રોગ્રામિંગના કેન્દ્રીય મોડ્યુલને એક પ્રક્રિયા તરીકે જુએ છે. એક પ્રક્રિયા ઘટનાઓ અથવા શરતો દ્વારા શરૂ થાય છે, તેની પૂર્વ-નિર્ધારિત ક્રમ અનુસાર વિવિધ ભૂમિકાઓ દ્વારા નિયંત્રિત થાય છે અને આખરે સમાપ્ત થાય છે.

શરૂઆતથી સમાપ્તિ સુધીના પગલાંની શ્રેણીને એક એકમ તરીકે ગણવાની આ પદ્ધતિ માનવીય અંતર્જ્ઞાન સાથે સુસંગત છે.

તેથી, સોફ્ટવેર અને સિસ્ટમોને તેમની મૂળમાં પ્રક્રિયાઓ સાથે સમજી શકાય છે, જરૂરિયાત વિશ્લેષણથી લઈને અમલીકરણ સુધી, અને પરીક્ષણ અને સંચાલન સુધી.

સિસ્ટમમાં પ્રાથમિક પ્રક્રિયાઓનો અમલ કર્યા પછી, સહાયક પ્રક્રિયાઓ અથવા નવી કાર્યો ઉમેરવા માટેની પ્રક્રિયાઓ પ્લગ ઇન કરી શકાય છે.

કેટલીક વધારાની પ્રક્રિયાઓ મુખ્ય પ્રક્રિયાથી અલગ ઘટનાઓ અથવા શરતોના આધારે સ્વતંત્ર રીતે શરૂ થઈ શકે છે, જ્યારે અન્ય પ્રક્રિયાઓ મુખ્ય પ્રક્રિયા દ્વારા શરતો પૂરી થાય ત્યારે શરૂ થઈ શકે છે.

જોકે, આવા કિસ્સાઓમાં પણ, મુખ્ય પ્રક્રિયામાં ફેરફાર કરવાની જરૂર નથી. જ્યારે મુખ્ય પ્રક્રિયા તેની પ્રારંભિક શરત પૂરી કરે ત્યારે વધારાની પ્રક્રિયા શરૂ કરવા માટે તેને વ્યાખ્યાયિત કરવી પૂરતી છે.

વધુમાં, કારણ કે પ્રક્રિયાને એક જ મોડ્યુલ તરીકે ગણવામાં આવે છે, તેની વ્યાખ્યામાં તે જે પણ પ્રક્રિયાઓ કરે છે તેનો સમાવેશ થાય છે.

તે ઉપરાંત, એક પ્રક્રિયામાં તેના અમલ દરમિયાન જરૂરી માહિતી સંગ્રહિત કરવા માટે ચલો અને ડેટા વિસ્તારો પણ હોય છે, તેમજ ઉપરોક્ત પ્રારંભિક શરતો પણ હોય છે.

કારણ કે એક પ્રક્રિયા એક યુનિટ મોડ્યુલ છે જેમાં તમામ જરૂરી પ્રક્રિયા અને ડેટા વિસ્તારો શામેલ છે, તેથી ઘણી પ્રક્રિયાઓમાં પ્રક્રિયાના સમાન અમલીકરણ અને સંરચિત ડેટાની નકલ થવાની સંભાવના વધુ હોય છે.

જ્યારે એક અભિગમ સામાન્ય મોડ્યુલોનો ઉપયોગ કરવાનો છે, ત્યારે નકલને સહન કરવાની દિશામાં આગળ વધવું ખોટું નથી.

ખાસ કરીને, AI પ્રોગ્રામિંગમાં મદદ કરવાથી, એવું તારણ કાઢવું વાજબી છે કે બહુવિધ મોડ્યુલોમાં ઘણા સમાન પરંતુ અલગ અમલીકરણો હોવા છતાં કોઈ સમસ્યા નથી.

પ્રક્રિયા અને ડેટા પ્રકારોનું માનકીકરણ મુખ્યત્વે વિકસિત સોફ્ટવેરમાં કોડની માત્રા ઘટાડવા, તેને સંચાલિત કરવા અને સમજવામાં સરળ બનાવવાના હેતુથી કરવામાં આવે છે.

જોકે, જો AI દ્વારા અમલીકરણ કોડના સંચાલનનો ખર્ચ નોંધપાત્ર રીતે ઘટાડવામાં આવે, તો માનકીકરણની જરૂરિયાત ઘટી જાય છે.

તેથી, માનકીકરણને કારણે સોફ્ટવેર માળખાની જટિલતાને ટાળવાની નીતિ, અને તેના બદલે દરેક પ્રક્રિયા માટે વ્યક્તિગત રીતે તમામ પ્રક્રિયા અને ડેટા માળખાને વ્યાખ્યાયિત કરવાની નીતિ, ભલે તેમાં નોંધપાત્ર નકલ હોય, તે સંપૂર્ણપણે વાજબી છે.

આનો અર્થ એ છે કે એકંદર ઑપ્ટિમાઇઝેશનના ખ્યાલથી દૂર જઈને વ્યક્તિગત ઑપ્ટિમાઇઝેશન માટે પ્રયત્ન કરવો. માનકીકરણનો અભાવ સમાન પ્રક્રિયાઓના વ્યક્તિગત ટ્યુનિંગને મંજૂરી આપે છે.

વ્યક્તિગત ઑપ્ટિમાઇઝેશન સમાજ

પ્રક્રિયા-લક્ષી વિચારસરણી લાગુ કરતા સોફ્ટવેરની જેમ જ, એવા સમાજમાં જ્યાં AI-સંચાલિત ઓટોમેશન અને કાર્યક્ષમતા દ્વારા ઉચ્ચ ઉત્પાદકતા પ્રાપ્ત થાય છે, ત્યારે વિચારસરણી સંપૂર્ણ ઑપ્ટિમાઇઝેશનથી વ્યક્તિગત ઑપ્ટિમાઇઝેશન તરફ વળે છે.

આ એક એવી ઘટના છે જેને વ્યક્તિગત ઑપ્ટિમાઇઝેશન સમાજ કહી શકાય.

આપણા સમાજમાં નિયમો, સામાન્ય સમજ, રીતભાત અને સામાન્ય જ્ઞાન જેવા વિવિધ પ્રમાણિત મૂલ્યો અને માપદંડો છે.

જોકે, જો આને બધી પરિસ્થિતિઓમાં સખત રીતે લાગુ કરવામાં આવે, તો ઘણા અપવાદરૂપ કિસ્સાઓમાં અસુવિધાઓ ઊભી થાય છે.

આ કારણોસર, જ્યારે આપણે પ્રમાણિત મૂલ્યો અને માપદંડોને મહત્વ આપીએ છીએ, ત્યારે આપણે વ્યક્તિગત સંજોગો અને પરિસ્થિતિઓના આધારે લવચીક નિર્ણય લેવાની પણ પરવાનગી આપીએ છીએ.

આ નિયમોમાં લખેલા સ્પષ્ટ અપવાદો હોઈ શકે છે, અથવા એવા નિયમો હોઈ શકે છે જે દર્શાવે છે કે નિર્ણય કેસ-દર-કેસના આધારે લેવામાં આવવો જોઈએ. વધુમાં, સ્પષ્ટ કોડીફિકેશન વિના પણ, તે ગર્ભિત રીતે સમજી શકાય છે.

ઉદાહરણ તરીકે, કાયદાઓ પણ સ્પષ્ટપણે વિવિધ અપવાદો દર્શાવે છે. આ ઉપરાંત, જ્યારે કાયદામાં સ્પષ્ટપણે ઉલ્લેખ ન હોય ત્યારે પણ, ન્યાયિક પ્રણાલી દ્વારા વ્યક્તિગત કેસોના આધારે સજાને પ્રભાવિત કરવામાં આવે છે. શમનકારી સંજોગો ચોક્કસપણે વ્યક્તિગત પરિસ્થિતિઓને પ્રતિબિંબિત કરવાનો વિચાર છે.

આ રીતે જોતા, આપણે જોઈ શકીએ છીએ કે વ્યક્તિગત ઑપ્ટિમાઇઝેશનનો ખ્યાલ, જેમાં મૂળ રૂપે બધી પરિસ્થિતિઓની વ્યક્તિગતતાને કાળજીપૂર્વક તપાસવાનો અને તે વ્યક્તિગતતાના આધારે નિર્ણયો લેવાનો સમાવેશ થાય છે, તે સમાજમાં પહેલેથી જ ઊંડાણપૂર્વક જડાયેલો છે.

બીજી બાજુ, દરેક એક બાબતને વ્યક્તિગત રીતે કાળજીપૂર્વક નક્કી કરવી ચોક્કસપણે અકાર્યક્ષમ છે. તેથી, ઉચ્ચ કાર્યક્ષમતા નિર્ણાયક હોય તેવા યુગમાં, સંપૂર્ણ ઑપ્ટિમાઇઝેશન માંગવામાં આવે છે.

જોકે, જેમ જેમ AI ને કારણે સમાજ અત્યંત કાર્યક્ષમ બનશે, તેમ તેમ સંપૂર્ણ ઑપ્ટિમાઇઝેશન પ્રાપ્ત કરવાનું મૂલ્ય ઘટશે. તેના બદલે, એક વ્યક્તિગત ઑપ્ટિમાઇઝેશન સમાજ ચોક્કસપણે સાકાર થશે, જ્યાં દરેક વ્યક્તિગત પરિસ્થિતિ માટે કાળજીપૂર્વક નિર્ણયો લેવામાં આવશે.

વ્યક્તિલક્ષી દર્શન

દ્રશ્ય અને પરિસ્થિતિ અનુસાર વ્યક્તિગત રીતે ઑપ્ટિમાઇઝ્ડ નિર્ણયો લેવાનો અર્થ એ છે કે, સામાન્ય નિર્ણયને તરત જ લાગુ કરવાને બદલે, વ્યક્તિએ ઊંડાણપૂર્વક વિચારણા કરવી જોઈએ.

હું આ નૈતિક દૃષ્ટિકોણને, જ્યાં ઊંડાણપૂર્વકની વિચારણાનું કાર્ય પોતે મૂલ્ય ધરાવે છે, તેને વ્યક્તિલક્ષી દર્શન કહું છું.

દરેક ઘટના, "અહીં અને અત્યારે," સહજ રીતે અન્ય તમામ ઘટનાઓથી અલગ વ્યક્તિગતતા ધરાવે છે. આ વ્યક્તિગતતાને ધ્યાનમાં લઈને નિર્ણય લેનાર "સ્વ" ને યોગ્ય જવાબદારી સોંપવામાં આવે છે.

વ્યક્તિગતતાને અવગણીને પ્રમાણિત, સૂત્રબદ્ધ નિર્ણયો લેવા, અથવા વિચારણાને છોડીને મનસ્વી નિર્ણયો લેવા, પરિણામની ગુણવત્તાને ધ્યાનમાં લીધા વિના, અનૈતિક છે.

તેનાથી વિપરીત, જો કોઈ નિર્ણય અનિચ્છનીય નકારાત્મક પરિણામો તરફ દોરી જાય તો પણ, જો તે નિર્ણયને બહુવિધ દૃષ્ટિકોણથી પર્યાપ્ત રીતે વિચારવામાં આવ્યો હોય અને જવાબદારી પૂરી કરવામાં આવી હોય, તો તે નિર્ણય પોતે નૈતિક છે.

આમ, જેમ જેમ આપણે કાર્યક્ષમતા અને માનકીકરણના ખ્યાલોથી આગળ વધવામાં સક્ષમ બનીશું, તેમ તેમ આપણે એવા યુગમાં પ્રવેશ કરીશું જ્યાં માંગ-આધારિત વ્યક્તિગત ઑપ્ટિમાઇઝેશનના સ્વરૂપ તરીકે વ્યક્તિલક્ષી દર્શન જરૂરી બનશે.

ફ્રેમવર્ક ડિઝાઇન

ફિલસૂફી હોય, સમાજ હોય કે સોફ્ટવેર હોય, ઑપ્ટિમાઇઝેશન માટે એક ફ્રેમવર્ક – વિચારવા માટેની એક વૈચારિક રચના – નિર્ણાયક છે.

આ એટલા માટે છે કારણ કે ઑપ્ટિમાઇઝેશનની દિશા દરેક વિષયને કયા દૃષ્ટિકોણથી જોવામાં આવે છે અને તેનું મૂલ્યાંકન કેવી રીતે થાય છે તેના પર આધાર રાખે છે.

સંપૂર્ણ ઑપ્ટિમાઇઝેશનના દૃષ્ટિકોણથી, ફ્રેમવર્કને શક્ય તેટલું સરળ બનાવવા માટે વિવિધ વસ્તુઓને ઉચ્ચ સ્તરે અમૂર્ત કરવાની જરૂર છે. અમૂર્તતાની આ પ્રક્રિયામાં, વ્યક્તિગતતા ખોવાઈ જાય છે.

બીજી બાજુ, વ્યક્તિગત ઑપ્ટિમાઇઝેશનના કિસ્સામાં, ઘટનાઓ અથવા વિષયોને તેમની વિશિષ્ટ પ્રકૃતિને અનુરૂપ, બહુવિધ દૃષ્ટિકોણથી સમજવા અને મૂલ્યાંકન કરવું ઇચ્છનીય છે.

સંપૂર્ણ ઑપ્ટિમાઇઝેશન માટે, વિવિધ વસ્તુઓને સમજવા માટે કયા પ્રકારના ફ્રેમવર્કનો ઉપયોગ કરવો જોઈએ તે વિચારવા માટે ફક્ત મુઠ્ઠીભર લોકો પૂરતા હતા.

મોટાભાગના લોકોને ફક્ત તે થોડાક વ્યક્તિઓ દ્વારા ઘડવામાં આવેલા ફ્રેમવર્ક અનુસાર બાબતોને સમજવાની, મૂલ્યાંકન કરવાની અને નિર્ણય લેવાની જરૂર હતી.

જોકે, વ્યક્તિગત ઑપ્ટિમાઇઝેશનના કિસ્સામાં, ઘણા લોકોને દરેક ચોક્કસ બાબત માટે ફ્રેમવર્ક બનાવવાની જરૂર પડશે, જેથી તેની વ્યક્તિગતતાને યોગ્ય રીતે સમજી શકાય.

આ કારણોસર, ઘણા લોકોને ફ્રેમવર્ક ડિઝાઇન કરવાની ક્ષમતા અને કૌશલ્યની જરૂર પડશે.

વિચારવાનું ભાગ્ય

આ રીતે આપણા વિચારોને ગોઠવતા, એક ભવિષ્ય ઉભરે છે જ્યાં, કૃત્રિમ બુદ્ધિમત્તા અગાઉ મનુષ્યો દ્વારા સંભાળવામાં આવતા બૌદ્ધિક શ્રમનું સ્થાન લે તેમ છતાં, આપણે વિચારવાનું બંધ કરી શકતા નથી.

આપણને ઉત્પાદકતા અને ભૌતિક સંપત્તિના હેતુવાળા બૌદ્ધિક શ્રમમાંથી મુક્તિ મળશે. જોકે, વ્યક્તિગત ઑપ્ટિમાઇઝેશન સમાજ અને વ્યક્તિલક્ષી દર્શન, બીજી બાજુ, માંગ કરશે કે આપણે દરેક બાબત માટે વ્યક્તિગત ફ્રેમવર્ક ડિઝાઇન કરીએ અને ઊંડાણપૂર્વક વિચારણા કરીએ.

આ આપણને એવી પરિસ્થિતિમાં મૂકે છે જ્યાં આપણે વર્તમાન સમાજ કરતાં પણ વધુ વિચારતા રહેવું પડશે.

AI બૌદ્ધિક શ્રમ કરી શકે છે અને એવા નિર્ણયો લઈ શકે છે જે કોઈપણ લઈ શકે છે. જોકે, જે બાબતો માટે "હું" જવાબદાર છું, તે માટે AI ફક્ત માહિતી પ્રદાન કરી શકે છે, નિર્ણયના માપદંડ રજૂ કરી શકે છે અથવા સલાહ આપી શકે છે.

અંતિમ નિર્ણય "મારે" જ લેવો પડશે. આ એના જેવું જ છે કે, અત્યારે પણ, વ્યક્તિઓ વિવિધ નિર્ણયો પર અધિકારીઓ, માતાપિતા અથવા મિત્રોની સલાહ લઈ શકે છે, પરંતુ નિર્ણયને પોતે સોંપી શકતા નથી.

અને અદ્યતન કાર્યક્ષમતાના યુગમાં, ઊંડા, વ્યક્તિગત નિર્ણયમાં સામેલ ન થવું હવે સ્વીકાર્ય રહેશે નહીં. આ એટલા માટે છે કારણ કે "વિચારવા માટે ખૂબ વ્યસ્ત" હોવાનો બહાનું હવે સાચું રહેશે નહીં.

આવી અદ્યતન કાર્યક્ષમતાના યુગમાં, આપણે વિચારવાના ભાગ્ય માંથી છટકી શકીશું નહીં.