आपण तंत्रज्ञानाच्या प्रगतीची, विशेषतः AI तंत्रज्ञानाच्या वेगाने होणाऱ्या प्रगतीची दरी ओलांडत आहोत.
जनरेटिव्ह AI केवळ अस्खलितपणे बोलू शकत नाही तर प्रोग्राम्स देखील लिहू शकते. यामुळे मानवी कामाची कार्यक्षमता आणि सुधारणा तर होतेच, पण जनरेटिव्ह AI च्या स्वतःच्या वाढीसाठी देखील ते फीडबॅक म्हणून काम करते.
हे फक्त जनरेटिव्ह AI च्या मॉडेलची रचना किंवा पूर्व-प्रशिक्षण पद्धती मजबूत करण्यापुरते मर्यादित नाही.
जनरेटिव्ह AI ला अधिक सॉफ्टवेअरमध्ये प्रवेश मिळाल्याने, ते कनेक्ट होऊन त्यांचा वापर करू शकेल, त्यामुळे ते केवळ चॅट करण्यापेक्षाही अधिक काही करू शकेल. शिवाय, जर असे सॉफ्टवेअर विकसित केले गेले की जे जनरेटिव्ह AI ला त्याच्या कार्यांसाठी आवश्यक ज्ञान गोळा करण्यास आणि योग्य वेळी ते ज्ञान पुनर्प्राप्त करण्यास अनुमती देते, तर ते पूर्व-प्रशिक्षणाशिवायही योग्य ज्ञानाचा वापर करून अधिक हुशारीने वागू शकते.
याप्रकारे, AI तंत्रज्ञानाची प्रगती, उपयोजित तंत्रज्ञान आणि प्रणालींसह, AI तंत्रज्ञानाच्या संपूर्ण क्षेत्राला गती देते. ही गती, यामधून, AI तंत्रज्ञानाच्या पुढील वेगास कारणीभूत ठरते. शिवाय, AI तंत्रज्ञान वेगाने वाढत असताना आणि AI अधिक गोष्टी करण्यास सक्षम होत असताना, ते वापरले जाणारे ठिकाणे आणि परिस्थिती नैसर्गिकरित्या वेगाने वाढतील.
यामुळे AI तंत्रज्ञानात स्वारस्य असलेल्या गुंतवणूकदारांची आणि अभियंत्यांची संख्या वाढू शकते. अशा प्रकारे, AI तंत्रज्ञानाची प्रगती सामाजिक-आर्थिक दृष्टिकोनातून देखील मजबूत होते.
दुसरीकडे, अशा तांत्रिक प्रगतीचा आपल्यावर अप्रत्यक्ष आणि प्रत्यक्ष अशा दोन्ही प्रकारे विविध मार्गांनी परिणाम होतो.
सामान्यतः, तांत्रिक प्रगतीला चांगली गोष्ट मानली जाते. नवीन तंत्रज्ञानाच्या धोक्यांबद्दल चिंता व्यक्त केली जात असली तरी, प्रगतीचे सकारात्मक परिणाम सहसा त्यांच्यावर भारी पडतात आणि धोके वेळेनुसार कमी केले जाऊ शकतात, त्यामुळे एकूणच फायदे लक्षणीय मानले जातात.
तथापि, हे फक्त तेव्हाच खरे असते जेव्हा तांत्रिक प्रगतीची गती हळूहळू होते. जेव्हा तांत्रिक प्रगतीची गती वाढते आणि एका विशिष्ट मर्यादेपेक्षा जास्त होते, तेव्हा फायदे धोक्यांवर भारी पडत नाहीत.
प्रथम, नवीन तंत्रज्ञानाची मूळ प्रवृत्ती किंवा त्याच्या उपयोगांची पूर्ण श्रेणी विकासकांनाही पूर्णपणे समजत नाही. विशेषतः उपयोगांच्या व्याप्तीबद्दल, इतरांना असे उपयोग किंवा इतर तंत्रज्ञानासोबतचे संयोजन सापडणे असामान्य नाही, जे विकासकांनाही आश्चर्यचकित करतात.
शिवाय, जेव्हा अशा उपयोगांमुळे समाजाला कसा फायदा होईल आणि धोका निर्माण होईल याचा विचार केला जातो, तेव्हा त्याची पूर्ण व्याप्ती कोणालाच माहीत नसते.
जेव्हा प्रगती हळूहळू होते, तेव्हा तंत्रज्ञानातील असे सामाजिक अंधारे कोपरे हळूहळू वेळेनुसार भरले जातात आणि शेवटी, पुरेसे अंधारे कोपरे दूर केले जातात तेव्हा ते तंत्रज्ञान समाजात लागू केले जाते.
तथापि, जेव्हा तांत्रिक प्रगती एका विशिष्ट वेगापेक्षा जास्त होते, तेव्हा सामाजिक अंधारे कोपरे भरण्याची सवलत देखील कमी होते. तांत्रिक प्रगतीचा वेग, सामाजिक अंधारे कोपरे भरण्याच्या दृष्टिकोनातून पाहिल्यास, वेळ सापेक्षपणे संकुचित झाल्यासारखे दिसते.
नवीन तांत्रिक बदल एकामागून एक घडतात आणि हे अनेक तंत्रज्ञानांमध्ये एकाच वेळी घडतात, ज्यामुळे सामाजिक अंधारे कोपरे भरण्याची सामाजिक संज्ञानात्मक प्रक्रिया टिकवून ठेवणे अशक्य होते.
परिणामी, आपण अशा विविध तंत्रज्ञानांनी वेढले जाऊ ज्यामध्ये सामाजिक अंधारे कोपरे राहतील.
अशा तंत्रज्ञानांमध्ये असलेले संभाव्य धोके आपल्या अंधाऱ्या कोपऱ्यातून अचानक उदयास येऊ शकतात आणि समाजाला हानी पोहोचवू शकतात. ज्या धोक्यांसाठी आपण तयार नाही किंवा ज्यांवर आपण उपाययोजना केल्या नाहीत ते अचानक दिसल्यामुळे, नुकसानीचा परिणाम सहसा मोठा असतो.
ही परिस्थिती तांत्रिक प्रगतीचे फायदे आणि धोक्यांचे प्रमाण बदलते. वेळेच्या संकुचन परिणामामुळे, सामाजिक अंधारे कोपरे भरण्यापूर्वी धोके मूर्त स्वरूपात आल्याने, प्रत्येक तंत्रज्ञानाचे धोके वाढतात.
जनरेटिव्ह AI च्या प्रगतीची स्वतः-मजबूत करणारी गती शेवटी असंख्य तंत्रज्ञान निर्माण करू शकते ज्यामध्ये जवळजवळ न भरता येण्यासारखे सामाजिक अंधारे कोपरे असतील, ज्यामुळे धोका आणि लाभांमधील संतुलन लक्षणीयरीत्या बिघडू शकते.
ही अशी परिस्थिती आहे जी आपण कधीही अनुभवली नाही. त्यामुळे, सामाजिक अंधारे कोपरे म्हणून संभाव्यतः किती प्रमाणात धोका असेल, किंवा त्यांचा परिणाम किती महत्त्वपूर्ण असेल याचा कोणीही अचूक अंदाज लावू शकत नाही. एकमेव निश्चित गोष्ट म्हणजे तार्किक रचना की ते जितके वेगाने वाढेल, तितके धोके वाढतील.
क्रोनोस-स्क्रॅम्बल सोसायटी (Chronos-Scramble Society)
दुसरीकडे, आपण तांत्रिक प्रगतीची सध्याची गती अचूकपणे समजू शकत नाही, किंवा ती भविष्यात कशी असेल हे देखील समजू शकत नाही.
जनरेटिव्ह AI संशोधक आणि विकासकांनाही हेच लागू होते. उदाहरणार्थ, AGI, म्हणजे मानवी क्षमतेच्या सर्व पैलूंमध्ये श्रेष्ठ असलेले AI कधी उदयास येईल याबद्दल तज्ञांमध्ये मोठ्या प्रमाणात मतभेद आहेत.
शिवाय, जनरेटिव्ह AI संशोधक आणि विकासक हे त्याच्या उपयोजित तंत्रज्ञान आणि प्रणालींमधील तज्ञांपेक्षा भिन्न लोक आहेत. त्यामुळे, त्यांना जनरेटिव्ह AI च्या नवीनतम संशोधनाची स्थिती आणि भविष्यातील शक्यतांबद्दल माहिती असली तरी, जनरेटिव्ह AI वापरून कोणती उपयोजित तंत्रज्ञान आणि प्रणाली आधीच अस्तित्वात आहेत किंवा भविष्यात कोणत्या शक्यता उघडत आहेत याबद्दल त्यांना सर्व काही समजू शकत नाही.
शिवाय, उपयोजित तंत्रज्ञान आणि प्रणालींच्या बाबतीत, विविध विद्यमान यंत्रणांसह एकत्र केल्यास शक्यता अक्षरशः अमर्याद असतात. उपयोजित तंत्रज्ञान आणि प्रणालींचे संशोधन आणि विकास करणाऱ्या लोकांमध्येही, वेगवेगळ्या प्रकारांतील गोष्टींसह सर्वकाही समजून घेणे कठीण होईल.
अशा उपयोजित तंत्रज्ञान आणि प्रणाली समाजात कशा पसरतील आणि त्यांचा काय परिणाम होईल याचा अंदाज लावणे किंवा भाकीत करणे त्याहूनही कठीण आहे. विशेषतः, संशोधक आणि अभियंत्यांना सामाजिक परिणामांबद्दल आवश्यक ज्ञान नसते किंवा त्यात त्यांना जास्त रस नसतो. दुसरीकडे, अशा सामाजिक परिणामांमध्ये ज्यांना जास्त रस आहे अशा लोकांच्या तांत्रिक अंतर्दृष्टीला अपरिहार्यपणे मर्यादा असतात.
अशा प्रकारे, जनरेटिव्ह AI ची सध्याची स्थिती किंवा त्याची भविष्यातील दृष्टी कोणीही पूर्णपणे समजू शकत नाही. आणि प्रत्येक व्यक्तीच्या समजामध्ये विसंगती आहे.
केवळ विसंगती आहेत ही समस्या नाही, तर प्रगतीची गती अज्ञात आहे ही समस्या आहे. आपण निश्चितपणे अशा युगाच्या उंबरठ्यावर आहोत जिथे तांत्रिक प्रगती वेगाने वाढत आहे आणि वेळ संकुचित होत आहे, परंतु त्या वेगाबद्दल आपली समान समज नाही.
याहूनही वाईट म्हणजे, तांत्रिक प्रगतीची गती स्थिर आहे की वेगाने वाढत आहे याबद्दल लोकांच्या विचारांमध्ये फरक आहेत. याव्यतिरिक्त, प्रवेग मान्य करणाऱ्यांमध्येही, प्रवेग केवळ जनरेटिव्ह AI च्या मूलभूत तंत्रज्ञानाच्या प्रगतीमुळे होत आहे असे त्यांना वाटते की ते उपयोजित तंत्रज्ञान आणि प्रणालींमुळे होणाऱ्या प्रवेगाचा तसेच सामाजिक-आर्थिक घटकांमुळे लोक आणि भांडवलाच्या वाढीमुळे होणाऱ्या प्रवेगाचा देखील विचार करतात यावर आधारित विचारांमध्ये खूप फरक आहेत.
अशा प्रकारे, सध्याची स्थिती आणि भविष्यातील दृष्टीकोन यांच्या समजातील भिन्नता आणि प्रगतीची गती समजण्यातील विसंगती, आपल्या वैयक्तिक समजांमध्ये आश्चर्यकारकपणे मोठे फरक निर्माण करतात.
ऑगस्ट २०२५ मध्ये तांत्रिक पातळी आणि सामाजिक परिणाम काय असेल? आणि २०२७ (दोन वर्षांनंतर) किंवा २०३० (पाच वर्षांनंतर) मध्ये ते कसे असेल? हे व्यक्तीनुसार मोठ्या प्रमाणात बदलते. शिवाय, २०३२ मध्ये जनरेटिव्ह AI चा बूम आल्यानंतर दोन वर्षांनी, म्हणजे २०२५ मध्ये ही समजातील भिन्नता कदाचित जास्त असेल.
ज्या समाजात युगाची वैयक्तिक धारणा इतकी भिन्न असते त्याला मी "क्रोनोस-स्क्रॅम्बल सोसायटी" (Chronos-Scramble Society) म्हणतो. क्रोनोस हा ग्रीक शब्द 'वेळे'साठी आहे.
आणि या क्रोनोस-स्क्रॅम्बल सोसायटीच्या वास्तवात, आपल्याला वेळ संकुचन आणि तांत्रिक सामाजिक अंधारे कोपरे या समस्यांना सामोरे जावे लागेल, ज्या आपण सामान्यतः आणि योग्यरित्या समजू शकत नाही.
दूरदृष्टी आणि रणनीती
ज्या परिस्थितीत वेळेची आपली स्वतःची समज वास्तविक वेळ संकुचनाशी जुळत नाही आणि भिन्न दृष्टिकोन असलेल्या इतरांसोबत तांत्रिक सामाजिक अंधाऱ्या कोपऱ्यांची समस्या सोडवण्याची गरज असते, तेव्हा दूरदृष्टी आणि रणनीती अत्यंत आवश्यक ठरतात.
येथे, दूरदृष्टी म्हणजे वेळेच्या आपल्या समजेची पर्वा न करता, अपरिवर्तनीय मूल्ये आणि दिशा दर्शवणे.
उदाहरणार्थ, चर्चेला सोपे करण्यासाठी, "तंत्रज्ञानाचे धोके त्याच्या फायद्यांपेक्षा जास्त नाहीत याची खात्री करणे" ही एक महत्त्वाची दूरदृष्टी आहे. "तंत्रज्ञान पुढे नेणे" किंवा "तांत्रिक धोके कमी करणे" यांसारख्या दूरदृष्टींपेक्षा जास्त लोक या दूरदृष्टीवर सहमत होऊ शकतात.
आणि त्या दूरदृष्टीच्या पूर्ततेसाठी शक्य तितक्या लोकांना सहकार्य करण्यास सक्षम करणे महत्त्वाचे आहे. दूरदृष्टीवर सहमती असली तरी, कृतीशिवाय ती साध्य होऊ शकत नाही.
येथेही, आपण वेळेच्या भिन्न समजांसह क्रोनोस-स्क्रॅम्बल सोसायटीमध्ये आहोत हे समजून रणनीती तयार केली पाहिजे. उदाहरणार्थ, प्रत्येकाची वेळेची समज वास्तविक वेळ संकुचनाशी जुळवून घेण्याची रणनीती काम करणार नाही. यामुळे व्यक्तींवर मोठा शिकण्याचा भार पडेल, ज्यामुळे त्यांना त्यासाठी आवश्यक असलेल्या उर्जेने थकवून टाकेल. शिवाय, ही दरी वर्षानुवर्षे वाढत असल्याने, आवश्यक ऊर्जा देखील वाढेल.
मी सर्व परिपूर्ण रणनीती सादर करू शकत नाही, परंतु एका रणनीतीचे उदाहरण म्हणजे, दूरदृष्टी साध्य करण्यासाठी कालांतराने आपोआप मजबूत होणाऱ्या गोष्टीचा उपयोग करणे.
यामध्ये जनरेटिव्ह AI च्या स्वतःच्या वापराचा संदर्भ आहे. ज्या गोष्टीला आपण संबोधित करण्याचा प्रयत्न करत आहोत तिचाच वापर करणे थोडे क्लिष्ट असले तरी, वेळ संकुचनाच्या समस्येशी व्यवहार करताना, पारंपारिक पद्धती कालांतराने हाताळणे अधिकाधिक कठीण होईल हे स्पष्ट आहे. याचा प्रतिकार करण्यासाठी, वेळेत संकुचित होत असलेल्या क्षमतांचा उपयोग करून उपाययोजनांचा विचार करण्याशिवाय पर्याय नाही.
आणि आशा आहे की, जर आपण शेवटी जनरेटिव्ह AI मुळे होणाऱ्या तंत्रज्ञान विकासाला नियंत्रित करण्यासाठी जनरेटिव्ह AI च्या स्वतःच्या क्षमतांचा उपयोग करू शकलो आणि त्याला त्याच्या मर्यादांच्या पलीकडे वेगाने जाण्यापासून नियंत्रित करू शकलो, तर आपण समस्या सोडवण्याच्या बरेच जवळ असू.
निष्कर्ष
क्रोनोस-स्क्रॅम्बल सोसायटीमध्ये, आपल्यापैकी प्रत्येकाकडे अनेक वेगवेगळे अंधारे कोपरे असतील. कारण, कोणताही व्यक्ती प्रत्येक पैलूतील आघाडीची माहिती अंधाऱ्या कोपऱ्यांशिवाय आत्मसात करू शकत नाही आणि सध्याच्या अंदाजांशी व भविष्यातील अंदाजांशी योग्यरित्या जोडू शकत नाही.
आणि काही क्षणी, तिथे एक अंधारा कोपरा अस्तित्वात होता हे लक्षात येण्याची संधी अचानक उद्भवेल. असे वारंवार घडेल, प्रत्येक वेळी एक अंधारा कोपरा तयार होईल आणि ती पोकळी भरली जाईल.
प्रत्येक वेळी, आपली सध्याची स्थिती आणि भविष्यातील दृष्टीकोन या वेळेच्या ओळीची आपली धारणा लक्षणीयरीत्या संकुचित होईल. आपल्याला असे वाटेल की आपण अचानक वेळेतून उडी मारली आहे. ही भविष्याकडे एक संज्ञानात्मक वेळेची उडी आहे.
काही प्रकरणांमध्ये, एकाच दिवसात अनेक अंधारे कोपरे उघड होऊ शकतात. अशा परिस्थितीत, अगदी कमी कालावधीत अनेक वेळेच्या उड्यांचा अनुभव येतो.
त्या अर्थाने, जोपर्यंत आपण आपल्या स्वतःच्या अंधाऱ्या कोपऱ्यांचे अस्तित्व स्वीकारत नाही आणि बहु-स्तरीय वेळेच्या उड्या सहन करू शकणारी मजबूत दूरदृष्टी ठेवत नाही, तोपर्यंत भविष्याशी संबंधित अचूक महत्त्वपूर्ण निर्णय घेणे कठीण होईल.
दुसऱ्या शब्दांत, आपल्या वेळेच्या समजेला वास्तवाच्या जवळ आणण्याचा प्रयत्न करत असताना, युगांच्या पलीकडे जाणाऱ्या तत्त्वांवर आणि नियमांवर आधारित विचार करण्याची गरज अधिकाधिक वाढेल.
आणि वेळेच्या संकुचनाच्या दरम्यान, धोक्यांवरील उपाययोजना पूर्वीच्या गतीने राबवता येणार नाहीत हे वास्तवही आपण मान्य केले पाहिजे.
शिवाय, जर या वेळेच्या संकुचनाचा वेगच कमी केला नाही, तर तो आपल्या धारणा आणि नियंत्रणाच्या मर्यादेपलीकडे जाईल.
हे साध्य करण्यासाठी, वेळेच्या संकुचनामुळे वेगाने वाढणाऱ्या AI च्या स्वतःच्या वेगाचा आणि प्रभावाचा उपयोग करण्याचा आपण गांभीर्याने विचार केला पाहिजे.
हे प्रगतीशील कर आकारणी किंवा सामाजिक सुरक्षा प्रणालींसारख्या यंत्रणांसारखे आहे जे जास्त गरम झालेल्या अर्थव्यवस्थेला आळा घालतात, ज्यांना "बिल्ट-इन स्टेबिलायझर्स" असे म्हणतात.
दुसऱ्या शब्दांत, AI ला केवळ तांत्रिक वेगवर्धक म्हणूनच नव्हे, तर सामाजिक बिल्ट-इन स्टेबिलायझर म्हणून कार्य करण्यास अनुमती देणाऱ्या यंत्रणांचा विचार करणे आवश्यक आहे.