આપણે તકનીકી પ્રગતિના પ્રવેગના ઉંબરે ઊભા છીએ, ખાસ કરીને AI ટેકનોલોજીના ઝડપી વિકાસના.
જનરેટિવ AI હવે માત્ર અસ્ખલિત રીતે બોલી જ શકતું નથી, પરંતુ પ્રોગ્રામ્સ પણ લખી શકે છે. આ માત્ર માનવ કાર્યની કાર્યક્ષમતા અને સુધારણાને પ્રોત્સાહન આપે છે, પરંતુ તે જનરેટિવ AI ના પોતાના સુધારણામાં પણ પાછા ફરે છે.
આ ફક્ત જનરેટિવ AI મોડેલની રચના અથવા પૂર્વ-તાલીમ પદ્ધતિઓને મજબૂત કરવા વિશે નથી.
જેમ જેમ જનરેટિવ AI કનેક્ટ કરી શકે અને ઉપયોગ કરી શકે તેવા સોફ્ટવેર એપ્લિકેશન્સની સંખ્યા વધે છે, તેમ તેમ તે માત્ર ચેટ કરવા કરતાં પણ વધુ કરી શકશે. તદુપરાંત, જો એવું સોફ્ટવેર બનાવવામાં આવે કે જે જનરેટિવ AI ને કાર્ય માટે જરૂરી જ્ઞાન એકત્રિત કરવા અને યોગ્ય સમયે તેને પુનઃપ્રાપ્ત કરવાની મંજૂરી આપે, તો તે પૂર્વ-તાલીમ વિના યોગ્ય જ્ઞાન નો ઉપયોગ કરીને વધુ બુદ્ધિશાળી રીતે વર્તી શકે છે.
આ રીતે, AI ટેકનોલોજી ની પ્રગતિ, લાગુ પડતી ટેકનોલોજી અને લાગુ પડતી સિસ્ટમો સહિત સમગ્ર AI ટેકનોલોજી ક્ષેત્રને વેગ આપે છે. આ પ્રવેગ, બદલામાં, AI ટેકનોલોજી ના વધુ પ્રવેગ તરફ પુનરાવર્તિત રીતે દોરી જાય છે. જેમ જેમ AI ટેકનોલોજી વેગ પકડે છે અને AI વધુ વસ્તુઓ કરવા સક્ષમ બને છે, તેમ તેમ તેનો ઉપયોગ થવાના સ્થળો અને પરિસ્થિતિઓ કુદરતી રીતે ઝડપથી વધશે.
આ અનિવાર્યપણે AI ટેકનોલોજી માં રસ ધરાવતા રોકાણકારો અને ઇજનેરોની સંખ્યામાં વધારો કરશે. આમ, AI ટેકનોલોજી નો પ્રવેગ સામાજિક-આર્થિક દૃષ્ટિકોણથી પણ મજબૂત બને છે.
બીજી બાજુ, આવી તકનીકી પ્રગતિ આપણને પરોક્ષ અને પ્રત્યક્ષ બંને રીતે વિવિધ રીતે અસર કરે છે.
સામાન્ય રીતે, તકનીકી પ્રગતિ ને સકારાત્મક વસ્તુ તરીકે જોવામાં આવે છે. જ્યારે નવી તકનીકોના જોખમો વિશે ચિંતાઓ ઉભી થાય છે, ત્યારે પ્રગતિની સકારાત્મક અસરો સામાન્ય રીતે તેમના કરતાં વધુ હોય છે, અને સમય જતાં જોખમોને ઘટાડી શકાય છે, તેથી એકંદર લાભો નોંધપાત્ર માનવામાં આવે છે.
જોકે, આ ત્યારે જ સાચું છે જ્યારે તકનીકી પ્રગતિ ની ગતિ મધ્યમ હોય. જ્યારે તકનીકી પ્રગતિ નો પ્રવેગ એક ચોક્કસ મર્યાદા ઓળંગે છે, ત્યારે લાભો જોખમો કરતાં વધી જતા નથી.
સૌપ્રથમ, વિકાસકર્તાઓ પણ નવી ટેકનોલોજીની તમામ લાક્ષણિકતાઓ કે સંભવિત એપ્લિકેશનોને સંપૂર્ણપણે સમજતા નથી. ખાસ કરીને એપ્લિકેશનોના સંદર્ભમાં, અન્ય લોકો દ્વારા એવી આશ્ચર્યજનક ઉપયોગો કે અન્ય ટેકનોલોજી સાથેના સંયોજનો શોધવામાં આવે તે અસામાન્ય નથી, જેની વિકાસકર્તાઓએ અપેક્ષા ન રાખી હોય.
વધુમાં, જો આપણે આ એપ્લિકેશનોને પણ સમાવી લેવા માટે આપણી દ્રષ્ટિને વિસ્તૃત કરીએ અને ટેકનોલોજી સમાજને કયા ફાયદાઓ અને જોખમો પૂરા પાડે છે તે ધ્યાનમાં લઈએ, તો લગભગ કોઈ પણ તેને સંપૂર્ણપણે સમજી શકતું નથી.
ટેકનોલોજીમાં આવા સામાજિક અંધ સ્થળો, જ્યારે પ્રગતિ ધીમે ધીમે થાય છે, ત્યારે સમય જતાં ધીમે ધીમે ભરાઈ જાય છે. આખરે, આ અંધ સ્થળો ને પૂરતા પ્રમાણમાં સંબોધવામાં આવ્યા હોય તેવી સ્થિતિમાં ટેકનોલોજી સમાજમાં લાગુ પડે છે.
જોકે, જ્યારે તકનીકી પ્રગતિ ચોક્કસ ગતિને વટાવે છે, ત્યારે સામાજિક અંધ સ્થળો ને સંબોધવા માટેનો સમયગાળો પણ ટૂંકો થાય છે. સામાજિક અંધ સ્થળો ને ભરવાના દૃષ્ટિકોણથી, તકનીકી પ્રગતિ નો પ્રવેગ જાણે કે સમય સંકોચન સાપેક્ષ રીતે થયું હોય તેવું લાગે છે.
એક પછી એક નવા ટેકનોલોજીકલ પરિવર્તનો ઉદ્ભવે છે, જે અસંખ્ય ટેકનોલોજીઓમાં એકસાથે થાય છે, જેના કારણે સામાજિક અંધ સ્થળો ને સંબોધવાનું સામાજિક જ્ઞાનાત્મક કાર્ય પાછળ રહી જાય છે.
પરિણામે, આપણે પોતાને વિવિધ તકનીકોથી ઘેરાયેલા શોધીએ છીએ જેમાં સામાજિક અંધ સ્થળો હજી પણ છે.
આવી ટેકનોલોજીઓ દ્વારા ધરાવતા 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 કોઈ પ્રતિકારક પગલાં નથી તે અચાનક દેખાય છે, નુકસાનની અસર વધુ મોટી હોય છે.
આ પરિસ્થિતિ તકનીકી પ્રગતિ ના ફાયદાઓ અને જોખમોના કદને બદલી નાખે છે. સમય સંકોચન ની અસરને કારણે, સામાજિક અંધ સ્થળો ભરાય તે પહેલાં જોખમો વાસ્તવિક બને છે, જેનાથી દરેક ટેકનોલોજી સાથે સંકળાયેલું જોખમ વધે છે.
જનરેટિવ AI ની પ્રગતિનું સ્વ-મજબૂત પ્રવેગ આખરે અસંખ્ય ટેકનોલોજીઓને જન્મ આપી શકે છે જેના સામાજિક અંધ સ્થળો ભરવા લગભગ અશક્ય છે, જેનાથી જોખમો અને ફાયદાઓ વચ્ચેનું સંતુલન નાટકીય રીતે અસંતુલિત થઈ શકે છે.
આ એક એવી પરિસ્થિતિ છે જેનો આપણે પહેલાં ક્યારેય અનુભવ કર્યો નથી. તેથી, કોઈ પણ વ્યક્તિ સામાજિક અંધ સ્થળો તરીકેના સંભવિત જોખમોની હદ અથવા તેમની અસર કેટલી નોંધપાત્ર હોઈ શકે છે તેનો ચોક્કસ અંદાજ લગાવી શકતું નથી. એકમાત્ર નિશ્ચિતતા એ તાર્કિક માળખું છે કે પ્રવેગ જેટલો ઝડપી હશે, તેટલા જોખમો વધશે.
ક્રોનોસ્ક્રેમ્બલ સોસાયટી
વધુમાં, આપણે તકનીકી પ્રગતિ ની વર્તમાન ગતિને ચોક્કસ રીતે સમજી શકતા નથી, ભવિષ્યમાં તે કેટલી હશે તે તો દૂરની વાત છે.
આ વાત જનરેટિવ AI સંશોધકો અને વિકાસકર્તાઓ માટે પણ સાચી છે. ઉદાહરણ તરીકે, AGI, એક AI જે માનવીય ક્ષમતાઓના તમામ પાસાઓમાં શ્રેષ્ઠ છે, ક્યારે ઉભરી આવશે તે અંગે નિષ્ણાતોમાં મંતવ્યોમાં નોંધપાત્ર તફાવતો છે.
વધુમાં, જનરેટિવ AI સંશોધકો અને વિકાસકર્તાઓ લાગુ પડતી ટેકનોલોજી અને લાગુ પડતી સિસ્ટમો ના નિષ્ણાતોથી અલગ છે. તેથી, તેઓ જનરેટિવ AI ની નવીનતમ સંશોધન સ્થિતિ અને ભવિષ્યની સંભાવનાઓ વિશે જાણકાર હોઈ શકે છે, પરંતુ તેઓ જનરેટિવ AI નો ઉપયોગ કરીને કઈ લાગુ પડતી ટેકનોલોજી અને લાગુ પડતી સિસ્ટમો અસ્તિત્વમાં છે, અથવા ભવિષ્યમાં કઈ શક્યતાઓ ખુલી શકે છે તે સંપૂર્ણપણે સમજી શકતા નથી.
અને જ્યારે લાગુ પડતી ટેકનોલોજી અને લાગુ પડતી સિસ્ટમો ની વાત આવે છે, ત્યારે વિવિધ હાલની પદ્ધતિઓ સાથેના સંયોજનોને કારણે શક્યતાઓ વર્ચ્યુઅલી અનંત છે. લાગુ પડતી ટેકનોલોજી અને લાગુ પડતી સિસ્ટમો પર સંશોધન અને વિકાસ કરનારાઓ વચ્ચે પણ, વિવિધ શૈલીઓની વસ્તુઓ સહિત બધું જ સમજવું મુશ્કેલ હશે.
આવી લાગુ પડતી ટેકનોલોજી અને લાગુ પડતી સિસ્ટમો સમાજમાં કેવી રીતે ફેલાશે અને તેમની શું અસરો થશે તે અનુમાન લગાવવું અથવા આગાહી કરવી તે વધુ પડકારજનક છે. ખાસ કરીને, સંશોધકો અને ઇજનેરો સામાજિક અસરો વિશે જાણકાર નથી અથવા તેમને તેમાં વધુ રસ નથી. તેનાથી વિપરીત, સામાજિક અસરોમાં અત્યંત રસ ધરાવતા લોકોની તકનીકી જ્ઞાનમાં સહજ મર્યાદાઓ હોય છે.
આમ, જનરેટિવ AI ની વર્તમાન સ્થિતિ કે ભવિષ્યના દ્રષ્ટિકોણને કોઈ પણ સંપૂર્ણપણે સમજી શકતું નથી. અને દરેક વ્યક્તિની સમજણમાં વિસંગતતાઓ હોય છે.
સમસ્યા માત્ર એટલી જ નથી કે વિસંગતતાઓ અસ્તિત્વમાં છે, પરંતુ પ્રગતિની ગતિ અજાણ છે. આપણે ચોક્કસપણે એવા યુગના ઉંબરે છીએ જ્યાં તકનીકી પ્રગતિ ઝડપી સમય સંકોચન માંથી પસાર થઈ રહી છે, પરંતુ તેની ગતિ વિશે આપણી પાસે સામાન્ય સમજ નથી.
વધુ ખરાબ, વ્યક્તિઓ વચ્ચે તકનીકી પ્રગતિ સ્થિર છે કે વેગવંતી છે તે અંગેની ધારણાઓમાં તફાવત છે. વધુમાં, જેઓ પ્રવેગ પર સહમત છે, તેમનામાં પણ, પ્રવેગ ફક્ત જનરેટિવ AI ની મુખ્ય ટેકનોલોજીમાં પ્રગતિ દ્વારા ચલાવાય છે, અથવા જો તેઓ લાગુ પડતી ટેકનોલોજી અને લાગુ પડતી સિસ્ટમો ને કારણે થતા પ્રવેગને, તેમજ સામાજિક-આર્થિક દૃષ્ટિકોણથી લોકો અને મૂડીના પ્રવાહને પણ ધ્યાનમાં લે છે તેના આધારે ધારણાઓ મોટા પ્રમાણમાં અલગ પડે છે.
આ રીતે, વર્તમાન પરિસ્થિતિ અને ભવિષ્યના દ્રષ્ટિકોણને સમજવામાં ભિન્નતા, પ્રગતિની ગતિને સમજવામાં વિસંગતતાઓ સાથે મળીને, આપણી વ્યક્તિગત ધારણાઓમાં આશ્ચર્યજનક રીતે મોટા તફાવતો પેદા કરી રહી છે.
ઓગસ્ટ 2025 માં કયું તકનીકી સ્તર અને સામાજિક અસર હશે? અને 2027 (આજથી બે વર્ષ પછી) અને 2030 (આજથી પાંચ વર્ષ પછી) શું લાવશે? આ વ્યક્તિએ વ્યક્તિએ મોટા પ્રમાણમાં બદલાય છે. તદુપરાંત, 2023 માં જનરેટિવ AI બૂમ આવ્યાના બે વર્ષ પછી, 2025 માં, આ ધારણામાં અંતર ત્યારે કરતાં વધુ હોવાની શક્યતા છે.
હું એવા સમાજને ક્રોનોસ્ક્રેમ્બલ સોસાયટી કહું છું જ્યાં વ્યક્તિઓની સમયની ધારણાઓ ખૂબ જ અલગ હોય છે. "ક્રોનો" ગ્રીક ભાષામાં સમય માટે વપરાય છે.
અને આ ક્રોનોસ્ક્રેમ્બલ સોસાયટી ની વાસ્તવિકતામાં, આપણે સમય સંકોચન અને તકનીકી સામાજિક અંધ સ્થળો ની સમસ્યાઓનો સામનો કરવો પડશે, જેને આપણે સામાન્ય અને ચોક્કસ રીતે સમજી શકતા નથી.
દ્રષ્ટિ અને વ્યૂહરચના
તકનીકી સામાજિક અંધ સ્થળો ની સમસ્યાને કેવી રીતે હલ કરવી તે વિચારવા માટે — આપણી પોતાની સમયની સમજ વાસ્તવિક સમય સંકોચન સાથે સુસંગત ન હોવાની શક્યતામાં, અને વધુમાં, અન્ય લોકો સાથે સહયોગમાં, જેમની ધારણાઓ આપણાથી અલગ છે — એક દ્રષ્ટિ અને વ્યૂહરચના અનિવાર્ય છે.
અહીં દ્રષ્ટિનો અર્થ પ્રવર્તમાન સમયની સમજને ધ્યાનમાં લીધા વિના, અપરિવર્તનશીલ મૂલ્યો અને દિશાઓ સૂચવવાનો છે.
ઉદાહરણ તરીકે, ચર્ચાને સરળ શબ્દોમાં કહીએ તો, "ટેકનોલોજીના જોખમો તેના ફાયદાઓ કરતાં વધી ન જાય તેની ખાતરી કરવી" એ એક મહત્વપૂર્ણ દ્રષ્ટિ છે. આ એક એવી દ્રષ્ટિ છે જેના પર "ટેકનોલોજીને આગળ વધારવી" અથવા "ટેકનોલોજીના જોખમોને ઘટાડવા" જેવી દ્રષ્ટિ કરતાં વધુ લોકો સહમત થઈ શકે છે.
અને એ દ્રષ્ટિને પ્રાપ્ત કરવા માટે શક્ય તેટલા લોકોને સહયોગ કરવા સક્ષમ બનાવવું મહત્વપૂર્ણ છે. દ્રષ્ટિ પર સહમતિ હોવા છતાં, કાર્ય વિના દ્રષ્ટિ પ્રાપ્ત કરી શકાતી નથી.
અહીં ફરીથી, આપણે ક્રોનોસ્ક્રેમ્બલ સોસાયટી માં છીએ જ્યાં સમયની ભાવનામાં તફાવત છે તે સમજતા વ્યૂહરચના ઘડવી જરૂરી છે. ઉદાહરણ તરીકે, દરેક વ્યક્તિની સમયની ભાવનાને વાસ્તવિક સમય સંકોચન સાથે સંરેખિત કરવાની વ્યૂહરચના કદાચ સફળ થશે નહીં. તે વ્યક્તિઓ પર નોંધપાત્ર શીખવાનો બોજ લાદશે, અને તેના માટે જરૂરી ઊર્જા એકલા થાક તરફ દોરી જશે. તદુપરાંત, જેમ જેમ આ અંતર દર વર્ષે વધતું જાય છે, તેમ તેમ જરૂરી ઊર્જા પણ વધતી જશે.
હું દરેક સંપૂર્ણ વ્યૂહરચના રજૂ કરી શકતો નથી, પરંતુ વ્યૂહરચનાનું એક ઉદાહરણ એ છે કે સમય જતાં દ્રષ્ટિ પ્રાપ્ત કરવા માટે આપમેળે મજબૂત બને તેવી કોઈ વસ્તુનો ઉપયોગ કરવો.
એટલે કે જનરેટિવ AI નો ઉપયોગ પોતે. તે થોડું જટિલ છે કારણ કે તેમાં આપણે જે વસ્તુને સંબોધવાનો પ્રયાસ કરી રહ્યા છીએ તેનો જ ઉપયોગ કરવાનો સમાવેશ થાય છે, પરંતુ તે સ્વયંસ્પષ્ટ છે કે સમય સંકોચન ની સમસ્યાનો સામનો કરતી વખતે, પરંપરાગત અભિગમ સમય જતાં વધુ ને વધુ મુશ્કેલ બનશે. આનો સામનો કરવા માટે, સમય સંકોચન માંથી પસાર થઈ રહેલી ક્ષમતાઓનો લાભ ઉઠાવીને પ્રતિકારક પગલાં ઘડવા સિવાય કોઈ વિકલ્પ નથી.
અને, જો આપણે નસીબદાર હોઈએ, જો આપણે અંતે જનરેટિવ AI દ્વારા સંચાલિત ટેકનોલોજીના વિકાસની ઝડપ નિયમન કરવા માટે જનરેટિવ AI ની ક્ષમતાઓનો ઉપયોગ કરી શકીએ, અને તેને મર્યાદાઓથી આગળ વેગ ન આપવા માટે નિયંત્રિત કરી શકીએ, તો આપણે સમસ્યાના ઉકેલની નોંધપાત્ર રીતે નજીક પહોંચી જઈશું.
નિષ્કર્ષ
એક ક્રોનોસ્ક્રેમ્બલ સોસાયટી માં, આપણામાંના દરેકને બહુવિધ, ભિન્ન અંધ સ્થળો હશે. આ એટલા માટે છે કારણ કે કોઈ પણ વ્યક્તિ અંધ સ્થળો વિના તમામ અદ્યતન માહિતીને સમજી શકતું નથી અને તેને વર્તમાનનું અનુમાન લગાવવા અને ભવિષ્યની આગાહી કરવા સાથે યોગ્ય રીતે જોડી શકતું નથી.
પછી, કોઈક ટ્રિગર પર, અચાનક એક અંધ સ્થળના અસ્તિત્વને સમજવાની તક ઊભી થાય છે. આવું વારંવાર બને છે, દર વખતે એક અંધ સ્થળ ઉભરે છે અને તેની ખામી ભરાઈ જાય છે.
દરેક વખતે, આપણી વર્તમાન સ્થિતિ અને ભવિષ્યના દ્રષ્ટિકોણ માટે સમય અક્ષની આપણી ધારણા મોટા પ્રમાણમાં સંકુચિત થાય છે. જાણે કે આપણે અચાનક સમયમાંથી કૂદકો માર્યો હોય – ભવિષ્ય તરફ એક સમજાયેલ સમયનો કૂદકો.
કેટલાક કિસ્સાઓમાં, એક જ દિવસમાં બહુવિધ અંધ સ્થળો સ્પષ્ટ થઈ શકે છે. આવા કિસ્સાઓમાં, વ્યક્તિ ખૂબ જ ટૂંકા ગાળામાં વારંવાર સમયના કૂદકાનો અનુભવ કરશે.
તે અર્થમાં, જ્યાં સુધી આપણે આપણા પોતાના અંધ સ્થળોના અસ્તિત્વને સ્વીકારીશું નહીં અને બહુ-તબક્કાના સમયના કૂદકાનો સામનો કરવા સક્ષમ એક મજબૂત દ્રષ્ટિ નહીં ધરાવીએ, ત્યાં સુધી ભવિષ્ય સંબંધિત સચોટ નિર્ણાયક નિર્ણયો લેવાનું મુશ્કેલ બનશે.
બીજા શબ્દોમાં કહીએ તો, આપણા સમયની ભાવનાને વાસ્તવિકતાની નજીક લાવવાનો પ્રયાસ કરતી વખતે, યુગોને પાર કરતી સિદ્ધાંતો અને નિયમો પર આધારિત વસ્તુઓ વિશે વિચારવાની આવશ્યકતા સતત વધતી જશે.
વધુમાં, આપણે એ વાસ્તવિકતાનો પણ સામનો કરવો પડશે કે, સમય સંકોચન ની વચ્ચે, આપણે જોખમ નિવારણના પગલાં પહેલાની જેમ સમાન ગતિએ અમલમાં મૂકી શકતા નથી.
તદુપરાંત, જો આપણે આ સમય સંકોચન ની ગતિને ધીમી નહીં કરીએ, તો તે આપણી ધારણા અને નિયંત્રણની મર્યાદાઓથી વધી જશે.
આ પ્રાપ્ત કરવા માટે, આપણે AI ની ગતિ અને પ્રભાવનો ગંભીરતાથી વિચાર કરવો જોઈએ, જે સમય સંકોચન ને કારણે વેગ આપે છે.
આ અર્થશાસ્ત્રમાં બિલ્ટ-ઇન સ્ટેબિલાઇઝર્સ તરીકે ઓળખાતી વસ્તુ જેવું જ છે, જેમ કે પ્રગતિશીલ કરવેરા અને સામાજિક સુરક્ષા પ્રણાલીઓ જે અતિશય ગરમ અર્થતંત્રને નિયંત્રિત કરે છે.
ટૂંકમાં, આપણે AI ને માત્ર તકનીકી પ્રવેગક તરીકે જ નહીં, પરંતુ સામાજિક બિલ્ટ-ઇન સ્ટેબિલાઇઝર તરીકે પણ કાર્ય કરવા માટેની પદ્ધતિઓ ઘડવાની જરૂર છે.