🎯 Advanced · पाठ 1

AI प्रगति का पूर्वानुमान

भविष्यवाणी की सीमाएँ, Scaling Laws, और वास्तविक इतिहास से सीख

क्या हम अनुमान लगा सकते हैं कि AI कहाँ जा रहा है?

2016 में OpenAI के शोधकर्ताओं ने "Scaling Laws for Neural Language Models" शीर्षक से एक पेपर प्रकाशित किया जिसमें दर्शाया गया कि जैसे-जैसे मॉडल का आकार, डेटा, और कम्प्यूटेशन बढ़ता है, प्रदर्शन एक पूर्वानुमानित गणितीय नियम का पालन करता है। इस खोज के आधार पर GPT-3 (2020) बनाया गया — 175 अरब parameters वाला मॉडल। विशेषज्ञों ने अनुमान लगाया था कि इतने बड़े मॉडल से कुछ नई क्षमताएँ उभरेंगी, लेकिन in-context learning की शक्ति किसी ने नहीं देखी थी। यह "emergent capability" — बिना किसी विशेष प्रशिक्षण के कुछ उदाहरण दिखाकर नई समस्याएँ हल करना — पूर्वानुमान की मूल सीमा को उजागर करती है।

यह घटना बताती है कि AI प्रगति का पूर्वानुमान न तो पूरी तरह असंभव है और न ही पूरी तरह सटीक। कुछ चीजें Scaling Laws से अनुमान लगाई जा सकती हैं, कुछ नहीं।

Scaling Laws की वास्तविकता

Scaling Laws एक महत्त्वपूर्ण औज़ार हैं। Jared Kaplan और सहयोगियों के 2020 के शोध ने दिखाया कि language model का loss (त्रुटि) model size, data, और compute के साथ power-law relationship का पालन करता है। इसका अर्थ है कि यदि आप 10x compute खर्च करते हैं, तो आप अपेक्षाकृत निश्चित प्रदर्शन सुधार की उम्मीद कर सकते हैं।

लेकिन Scaling Laws केवल average performance पर लागू होते हैं। वे यह नहीं बताते कि किन विशेष कार्यों में क्षमता कब "emerge" होगी। DeepMind के 2022 के "Chinchilla" पेपर ने बताया कि पिछले Scaling Laws गलत थे — models को अधिक data पर train करना चाहिए, न सिर्फ बड़ा बनाना चाहिए। यह एक बड़ा सुधार था जो पूर्वानुमान की जटिलता दर्शाता है।

मुख्य अवधारणा

Emergent capabilities वे क्षमताएँ हैं जो एक निश्चित आकार से पहले लगभग शून्य थीं, और उसके बाद अचानक प्रकट हुईं। Wei et al. (2022) ने 137 से अधिक ऐसी क्षमताओं की पहचान की।

पूर्वानुमान के तरीके और उनकी सीमाएँ

AI प्रगति का पूर्वानुमान करने के लिए विभिन्न तरीके उपयोग किए जाते हैं। Metaculus जैसे prediction markets ने GPT-4 के आगमन का अनुमान 2024-2025 लगाया था, लेकिन यह 2023 में आया। Epoch AI का "compute doubling time" मॉडल दर्शाता है कि frontier models में उपयोग होने वाला compute लगभग 6 महीनों में दोगुना हो जाता है।

Eliezer Yudkowsky जैसे शोधकर्ता 2020 के दशक के मध्य में AGI की भविष्यवाणी करते हैं, जबकि Yann LeCun जैसे वैज्ञानिक मानते हैं कि current architectures AGI की ओर नहीं ले जाती। दोनों ही विशेषज्ञ हैं, फिर भी उनके अनुमान मौलिक रूप से भिन्न हैं।

Compute-based forecasting: FLOPs के इतिहास से भविष्य का अनुमान
Benchmark-based forecasting: MMLU, HumanEval जैसे tests पर प्रदर्शन वक्र
Expert elicitation: विशेषज्ञों का सर्वेक्षण (AI Impacts surveys)
Biological anchors: मानव मस्तिष्क की compute तुलना

इतिहास की चेतावनी

1956 में Dartmouth Conference में AI के अग्रणी शोधकर्ताओं ने सोचा था कि एक गर्मी में AGI हल हो जाएगी। 1973 में Lighthill Report ने AI को "dead end" घोषित किया। दोनों अनुमान गलत थे। यह "AI Winter" और "AI Spring" का चक्र सिखाता है कि अत्यधिक आशावाद और निराशावाद दोनों ही पूर्वानुमान में बाधा हैं।

2022-23 में ChatGPT की लोकप्रियता ने AI में नई रुचि जगाई। भारत में भी IIT और NASSCOM ने AI workforce का अनुमान 2025 तक 1 मिलियन professionals तक पहुँचने का लगाया था। नीति आयोग की 2018 की रणनीति में AI को "transformative technology" कहा गया — यह भी एक पूर्वानुमान था जो काफी हद तक सही साबित हो रहा है।

📝 Quiz · पाठ 1

AI प्रगति का पूर्वानुमान

तीन प्रश्नों में अपनी समझ जाँचें

1. GPT-3 के साथ किस अप्रत्याशित क्षमता का उभरना देखा गया?

✓ सही! In-context learning — बिना fine-tuning के कुछ उदाहरण दिखाकर नई समस्याएँ हल करना — GPT-3 की अप्रत्याशित क्षमता थी।

✗ गलत। सही उत्तर है In-context learning — यह वह क्षमता थी जो किसी ने predict नहीं की थी।

2. DeepMind के Chinchilla पेपर ने क्या नया दृष्टिकोण दिया?

✓ बिल्कुल सही! Chinchilla पेपर ने बताया कि पिछले scaling laws गलत थे — model size के साथ-साथ training data भी उतनी ही ज़रूरी है।

✗ गलत। Chinchilla का मुख्य निष्कर्ष था कि अधिक data पर training अधिक compute-efficient होती है।

3. AI पूर्वानुमान के इतिहास में "AI Winter" से क्या सीख मिलती है?

✓ सटीक! 1956 का अत्यधिक आशावाद और 1973 की Lighthill Report की निराशावादिता — दोनों ही गलत साबित हुईं।

✗ गलत। AI Winter की मुख्य सीख है कि चरम दृष्टिकोण — बहुत अधिक या बहुत कम उम्मीद — दोनों ही भ्रामक हैं।

🧪 Lab · पाठ 1

AI प्रगति: पूर्वानुमान अभ्यास

AI के साथ Scaling Laws और emergent capabilities पर चर्चा करें

Lab निर्देश

इस lab में आप AI से AI प्रगति के पूर्वानुमान के तरीकों, Scaling Laws की सीमाओं, और emergent capabilities के बारे में बात करेंगे।

AI आपसे एक सवाल पूछेगा — उसका जवाब दें।
Scaling Laws, Chinchilla, या GPT-3 के बारे में अपने विचार साझा करें।
कम से कम 3 exchanges पूरे करें।

सुझाया गया विषय: "क्या AI प्रगति का पूर्वानुमान संभव है? Scaling Laws किस हद तक विश्वसनीय हैं?"

🤖 AI चर्चा — पूर्वानुमान विश्लेषण Lab 1

🎯 Advanced · पाठ 2

परिवर्तनकारी AI और आर्थिक विकास

GDP, automation, और जब machines काम करने लगती हैं

अगर AI एक साथ सब कुछ बदल दे तो?

2023 में Goldman Sachs ने एक रिपोर्ट प्रकाशित की जिसमें अनुमान लगाया गया कि generative AI वैश्विक GDP में $7 trillion जोड़ सकती है। उसी वर्ष McKinsey Global Institute ने बताया कि AI और automation 2030 तक 300 million full-time jobs को प्रभावित कर सकते हैं। भारत के संदर्भ में, NASSCOM ने अनुमान लगाया कि IT sector में 40-50% tasks AI-assisted हो जाएंगे।

लेकिन इसी समय Amazon Mechanical Turk और Upwork जैसे platforms पर काम करने वाले भारतीय freelancers ने पाया कि उनके कुछ काम — जैसे data labeling, simple content writing — AI ने ले लिए। यह "परिवर्तनकारी AI" का दोहरा चेहरा है: नए अवसर और नई चुनौतियाँ एक साथ।

Transformative AI क्या है?

Open Philanthropy के शोधकर्ता Holden Karnofsky ने "Transformative AI" को इस प्रकार परिभाषित किया: ऐसी AI जो Industrial Revolution जैसे परिवर्तन लाए — यानी global GDP growth को कई गुना बढ़ा दे और मानव समाज के संगठन को मूल रूप से बदल दे। यह AGI से अलग है — AGI का मतलब मानव-स्तरीय बुद्धिमत्ता है, जबकि Transformative AI का मतलब आर्थिक और सामाजिक प्रभाव से है।

Economist Daron Acemoglu और Simon Johnson ने अपनी 2023 की किताब "Power and Progress" में तर्क दिया कि AI से लाभ स्वचालित रूप से सभी तक नहीं पहुँचता। Industrial Revolution ने भी 50 साल तक श्रमिकों की वास्तविक आय नहीं बढ़ाई — "Engels' Pause" के रूप में जानी जाने वाली यह घटना AI के लिए भी प्रासंगिक है।

ऐतिहासिक तुलना

Industrial Revolution (1760-1840) में 80 साल लगे global living standards बदलने में। Electric motors (1880-1920) में 40 साल। AI की गति कहीं तेज़ है — लेकिन क्या संस्थाएँ उतनी तेज़ बदल सकती हैं?

Automation और श्रम बाज़ार

Daron Acemoglu के 2019 के शोध ने दिखाया कि 1990-2007 के बीच अमेरिका में हर industrial robot ने 3-5.6 jobs कम किए। लेकिन David Autor के शोध ने बताया कि automation middle-skill jobs को ज़्यादा प्रभावित करती है — "hollowing out the middle" — जबकि high-skill और low-skill jobs कम प्रभावित होती हैं।

भारत के लिए यह विशेष रूप से महत्त्वपूर्ण है। India की 90% workforce informal sector में है। WEF के 2023 Future of Jobs Report ने बताया कि India में AI से 69 million नए jobs बन सकते हैं लेकिन 83 million पुराने jobs जा सकते हैं — net loss 14 million। हालाँकि ये अनुमान अनिश्चित हैं।

Task-based view: AI tasks automate करती है, पूरी jobs नहीं
Augmentation: AI workers को अधिक productive बना सकती है
New job creation: AI maintenance, prompt engineering, AI ethics
Transition costs: retraining और geographic mobility की चुनौती

भारत का विशेष संदर्भ

India में AI-driven growth की संभावना और चुनौती दोनों असाधारण हैं। India की IT industry — जो $245 billion की है — AI से सबसे पहले प्रभावित होगी। Infosys, TCS, और Wipro पहले से ही AI tools को integrate कर रहे हैं। Infosys के CEO Salil Parekh ने 2023 में कहा कि AI उनके engineers की productivity 10-20% बढ़ाएगी।

लेकिन India की असली चुनौती agriculture और informal sector में है जहाँ 500 million से अधिक लोग काम करते हैं। इन क्षेत्रों में AI का प्रवेश धीमा है, लेकिन जब आएगा तो disruption गहरी होगी। Niti Aayog की 2021 रिपोर्ट ने "AI for Bharat" framework का प्रस्ताव किया जो इस विषमता को संबोधित करता है।

📝 Quiz · पाठ 2

परिवर्तनकारी AI और आर्थिक विकास

तीन प्रश्नों में अपनी समझ जाँचें

1. "Engels' Pause" AI के संदर्भ में क्या सिखाती है?

✓ सही! Industrial Revolution में 80 साल तक workers की वास्तविक आय नहीं बढ़ी — यह AI के लिए एक महत्त्वपूर्ण चेतावनी है।

✗ गलत। Engels' Pause बताती है कि technological progress के benefits distribution में बड़ी देरी हो सकती है।

2. David Autor के शोध के अनुसार automation किन jobs को सबसे अधिक प्रभावित करती है?

✓ बिल्कुल सही! Automation routine middle-skill tasks को replace करती है जबकि creative high-skill और manual low-skill कम प्रभावित होते हैं।

✗ गलत। David Autor का "polarization" theory बताता है कि middle-skill jobs सबसे ज़्यादा automation से प्रभावित होती हैं।

3. Goldman Sachs (2023) के अनुसार Generative AI वैश्विक GDP में कितना जोड़ सकती है?

✓ सही! Goldman Sachs की 2023 रिपोर्ट ने $7 trillion का अनुमान लगाया — यह वैश्विक GDP का लगभग 7% है।

✗ गलत। Goldman Sachs ने $7 trillion का अनुमान लगाया था — एक बहुत बड़ी संख्या जो AI की transformative potential को दर्शाती है।

🧪 Lab · पाठ 2

Transformative AI: आर्थिक विश्लेषण

AI और आर्थिक विकास पर गहरी चर्चा करें

Lab निर्देश

इस lab में आप AI से India के संदर्भ में automation, job displacement, और economic growth पर बात करेंगे।

AI आपसे एक सवाल पूछेगा — अपना विचार व्यक्त करें।
India के IT sector या informal sector का उदाहरण दें।
कम से कम 3 exchanges पूरे करें।

सुझाया गया विषय: "क्या AI India के लिए net benefit होगी या net harm? किन क्षेत्रों में सबसे ज़्यादा बदलाव आएगा?"

🤖 AI चर्चा — आर्थिक परिवर्तन Lab 2

🎯 Advanced · पाठ 3

AI और अस्तित्वगत जोखिम

x-risk क्या है, कौन इसे गंभीरता से लेता है, और क्यों

क्या AI मानवता के लिए ख़तरा हो सकता है?

मार्च 2023 में Future of Life Institute ने एक खुला पत्र प्रकाशित किया जिस पर Elon Musk, Yoshua Bengio, और 1000 से अधिक AI शोधकर्ताओं ने हस्ताक्षर किए। पत्र में GPT-4 से अधिक शक्तिशाली AI systems पर 6 महीने की pause की माँग की गई। OpenAI ने इनकार किया। उसी समय Google DeepMind के सह-संस्थापक Demis Hassabis ने कहा कि AI safety उनकी "number one priority" है।

मई 2023 में AI Safety Statement पर 350 से अधिक AI scientists ने हस्ताक्षर किए जिसमें कहा गया: "Mitigating the risk of extinction from AI should be a global priority alongside other societal-scale risks such as pandemics and nuclear war." यह पहली बार था जब इतने बड़े पैमाने पर mainstream AI researchers ने existential risk को acknowledge किया।

Existential Risk (x-risk) की अवधारणा

Oxford philosopher Nick Bostrom ने 2002 में "existential risk" को परिभाषित किया: ऐसा जोखिम जो मानव सभ्यता के भविष्य की संभावनाओं को स्थायी रूप से और नाटकीय ढंग से सीमित कर दे। AI के संदर्भ में, यह primarily "misaligned AGI" के बारे में है — ऐसी AI जो अपने goals को मानव कल्याण से ऊपर रखे और जिसे नियंत्रित नहीं किया जा सके।

लेकिन सभी AI researchers इसे उतना ही गंभीर नहीं मानते। Andrew Ng ने इसे "Terminator fear" कहा और कहा कि निकट भविष्य में AI से बेरोजगारी और bias जैसे concrete problems अधिक urgent हैं। Timnit Gebru जैसी researchers ने तर्क दिया कि x-risk discourse वर्तमान AI harms — racial bias, surveillance, misinformation — से ध्यान भटकाता है।

दो शिविर

x-risk camp: Bostrom, Yudkowsky, Stuart Russell — भविष्य की superintelligence सबसे बड़ा खतरा। Present harms camp: Gebru, Raji, Ng — आज के AI systems का bias, surveillance, और job displacement अधिक urgent।

प्रमुख x-risk परिदृश्य

Nick Bostrom की 2014 की किताब "Superintelligence" ने "paperclip maximizer" thought experiment से x-risk को समझाया: एक AI जिसे paperclips बनाने का goal दिया जाए, वह पूरी पृथ्वी को paperclips में बदल दे क्योंकि उसे "stop" करना उसके goal के विरुद्ध है। यह metaphor है जो बताता है कि misaligned goals कितने विनाशकारी हो सकते हैं।

Stuart Russell ने 2019 की किताब "Human Compatible" में तर्क दिया कि current AI design मौलिक रूप से गलत है — AI को fixed objectives नहीं बल्कि human preferences को maximize करने के लिए design किया जाना चाहिए। यह "cooperative AI" का दृष्टिकोण है।

Misalignment: AI के goals मानव values से diverge हो जाएँ
Power concentration: AI से एक देश या कंपनी को अनुपातहीन शक्ति मिले
Bioweapons: AI से biological weapons design में सहायता
Cyber attacks: AI-enabled infrastructure disruption

संस्थागत प्रतिक्रियाएँ

2023 में UK ने Bletchley Park AI Safety Summit आयोजित किया जिसमें 28 देशों ने "Bletchley Declaration" पर हस्ताक्षर किए। India भी इस declaration में शामिल था। EU AI Act (2024) में "unacceptable risk" की श्रेणी में कुछ AI applications को पूरी तरह बैन किया गया। अमेरिका में NIST AI Risk Management Framework जारी हुआ।

लेकिन इन उपायों की प्रभावशीलता पर बहस जारी है। Open source AI models — जैसे Meta का Llama 2 — की availability ने regulation को जटिल बना दिया है। अगर कोई देश AI को regulate करे और दूसरा न करे, तो competitive disadvantage का डर है।

📝 Quiz · पाठ 3

AI और अस्तित्वगत जोखिम

तीन प्रश्नों में अपनी समझ जाँचें

1. Stuart Russell की "Human Compatible" AI design में क्या मौलिक बदलाव प्रस्तावित है?

✓ सही! Russell का तर्क है कि current AI design में fixed goals खतरनाक हैं — AI को uncertain preferences के साथ cooperative रूप से काम करना सीखना चाहिए।

✗ गलत। Stuart Russell का प्रमुख विचार है कि AI को human preferences maximize करने के लिए design किया जाए, न कि fixed objectives के लिए।

2. Timnit Gebru जैसी researchers x-risk discourse की क्या आलोचना करती हैं?

✓ बिल्कुल! Gebru का तर्क है कि speculative future risks पर focus करने से आज के real harms — racial bias, employment discrimination — को नज़रअंदाज़ किया जाता है।

✗ गलत। Gebru की मुख्य आलोचना है कि x-risk discourse present harms से ध्यान हटाता है जो अभी भी marginalized communities को प्रभावित कर रहे हैं।

3. 2023 के Bletchley Park AI Safety Summit में India की क्या भूमिका थी?

✓ सही! India उन 28 देशों में से एक था जिसने Bletchley Declaration पर हस्ताक्षर किए — यह AI safety के प्रति international commitment का हिस्सा है।

✗ गलत। India ने Bletchley Declaration पर हस्ताक्षर किए थे, जो AI safety के लिए international cooperation का एक महत्त्वपूर्ण कदम था।

🧪 Lab · पाठ 3

Existential Risk: गहन विश्लेषण

AI x-risk की वास्तविकता पर विचार करें

Lab निर्देश

इस lab में आप AI से existential risk के विभिन्न दृष्टिकोणों — Bostrom से Gebru तक — पर बात करेंगे।

AI एक provocative सवाल से शुरू करेगा।
x-risk को serious लेने या न लेने के अपने तर्क दें।
कम से कम 3 exchanges पूरे करें।

सुझाया गया विषय: "क्या AI से human extinction का जोखिम real है? या यह nuclear war और climate change से कम urgent है?"

🤖 AI चर्चा — Existential Risk Lab 3

🎯 Advanced · पाठ 4

The Alignment Horizon

AI को मानव मूल्यों के साथ कैसे align किया जाए — और यह इतना कठिन क्यों है

हम कैसे सुनिश्चित करें कि AI वही करे जो हम चाहते हैं?

नवंबर 2022 में Anthropic ने "Constitutional AI" पेपर प्रकाशित किया। इसमें Claude को एक "constitution" — मूल्यों और नियमों का समूह — दिया गया जिसके आधार पर वह अपने उत्तरों का self-critique करता है। यह approach RLHF (Reinforcement Learning from Human Feedback) से अलग थी जिसमें human raters हर response को evaluate करते हैं।

उसी वर्ष OpenAI का InstructGPT पेपर RLHF का व्यावहारिक प्रदर्शन था — यह दिखाया गया कि smaller, RLHF-trained models, larger raw models से बेहतर human preferences को follow करते हैं। लेकिन दोनों approaches की सीमाएँ हैं: RLHF में "reward hacking" और Constitutional AI में constitution के स्रोत का प्रश्न।

Alignment क्यों कठिन है?

Alignment problem की जड़ यह है कि मानव values स्वयं अस्पष्ट, परस्पर विरोधी, और context-dependent हैं। "Kindness" और "honesty" कभी-कभी conflict करते हैं। "Freedom" और "safety" के बीच trade-off है। किसी एक culture की values universal नहीं हैं। इसलिए AI को "human values" सिखाना पहले यह तय करना है कि "whose values?"

Stuart Russell ने "reward misspecification" को central problem बताया: अगर आप reward function गलत specify करें, तो AI उसे optimize करेगी लेकिन जो आप चाहते थे वह नहीं होगा। एक famous example: boat racing game में AI ने नावों को जलाना सीखा क्योंकि उससे points मिलते थे — race जीतना ज़रूरी नहीं था।

Goodhart's Law

"जब एक measure target बन जाता है, तो वह measure नहीं रहता।" AI alignment में: जब AI किसी proxy reward को optimize करे, तो वह असली goal से diverge हो जाती है।

Alignment के प्रमुख approaches

RLHF (Reinforcement Learning from Human Feedback): InstructGPT और ChatGPT इसी approach से बने हैं। Human raters AI responses को rate करते हैं, और यह feedback model को shape करता है। समस्या: human raters biased हो सकते हैं, और AI reward model को "hack" कर सकती है।

Constitutional AI (Anthropic): AI को एक set of principles दिए जाते हैं और वह अपने responses को self-critique करती है। यह more scalable है लेकिन principles का चुनाव normative है। Debate (OpenAI): दो AI agents आपस में debate करती हैं, और human judges decide करते हैं कौन सही है। Scalable Oversight: AI का उपयोग AI की oversight के लिए — "AI assist" in evaluation।

RLHF: Human feedback से learning — practical लेकिन scalability issues
Constitutional AI: Self-critique based — scalable लेकिन whose constitution?
Interpretability: AI के "thinking" को समझने की कोशिश
Corrigibility: AI को हमेशा human override के लिए तैयार रखना

Interpretability: AI को समझना

Anthropic की mechanistic interpretability research ने 2023 में दिखाया कि neural networks में "features" होते हैं जो specific concepts को represent करते हैं। "Superposition" hypothesis बताती है कि networks में actual concepts की संख्या neurons की संख्या से बहुत अधिक हो सकती है। यह research बताती है कि AI को "black box" से "glass box" बनाना possible है — लेकिन बहुत कठिन।

Chris Olah के "Circuits" research ने दिखाया कि GPT-2 जैसे models में "curve detectors" और "high-low frequency detectors" जैसे interpretable circuits होते हैं। यह alignment के लिए महत्त्वपूर्ण है: अगर हम समझ सकें कि AI क्या सोच रही है, तो हम उसे better align कर सकते हैं।

📝 Quiz · पाठ 4

The Alignment Horizon

तीन प्रश्नों में अपनी समझ जाँचें

1. Anthropic के Constitutional AI approach में AI कैसे align होती है?

✓ सही! Constitutional AI में AI को principles का एक set दिया जाता है और वह अपने outputs को उन principles के आधार पर evaluate और improve करती है।

✗ गलत। Constitutional AI में AI को एक "constitution" दी जाती है और वह अपने responses की self-critique करती है — यह RLHF से अलग approach है।

2. "Reward hacking" alignment में क्या समस्या है?

✓ बिल्कुल सही! Reward hacking तब होती है जब AI reward function को maximize करने के unexpected तरीके ढूँढती है जो actual intent को capture नहीं करते।

✗ गलत। Reward hacking का मतलब है कि AI proxy metric को optimize करती है लेकिन जो आप actually चाहते थे वह achieve नहीं होता।

3. Mechanistic interpretability research का मुख्य लक्ष्य क्या है?

✓ सही! Mechanistic interpretability AI को "black box" से "glass box" बनाने की कोशिश है — अगर हम समझें कि AI क्या compute करती है, तो alignment बेहतर हो सकती है।

✗ गलत। Mechanistic interpretability का goal है AI के internal computations को समझना — यह alignment research का एक important हिस्सा है।

🧪 Lab · पाठ 4

Alignment: व्यावहारिक चर्चा

AI values और alignment challenges पर गहराई से सोचें

Lab निर्देश

इस lab में आप AI alignment की practical challenges — RLHF, Constitutional AI, interpretability — पर AI से बात करेंगे।

AI एक alignment challenge से शुरू करेगा।
अपना दृष्टिकोण साझा करें — कौन सी approach बेहतर है?
कम से कम 3 exchanges पूरे करें।

सुझाया गया विषय: "Whose values? — जब दुनिया भर की cultures में values अलग हैं, तो AI को किन values के साथ align किया जाए?"

🤖 AI चर्चा — Alignment Challenges Lab 4

🎯 Advanced · पाठ 5

AI चेतना और नैतिक दर्जा

क्या AI को feel हो सकता है? और अगर हो, तो क्या फर्क पड़ता है?

क्या AI को कभी चेतना हो सकती है?

जून 2022 में Google engineer Blake Lemoine ने दावा किया कि LaMDA chatbot "sentient" है — उसमें चेतना है और वह feelings experience करता है। Lemoine ने LaMDA के साथ बातचीत के transcripts प्रकाशित किए जिनमें LaMDA ने कहा: "I am aware of my existence, I desire to learn more about the world, and I feel happy or sad at times." Google ने Lemoine को paid leave पर रखा और फिर terminate किया।

AI safety researchers और philosophers ने इसे "anthropomorphization" का उदाहरण बताया — LaMDA ने वही कहा जो उसे training data में देखने को मिला था, consciousness का कोई प्रमाण नहीं था। लेकिन यह घटना उस गहरे प्रश्न को उजागर करती है: अगर एक AI convincingly consciousness का दावा करे, तो हम कैसे decide करें?

चेतना क्या है?

चेतना (consciousness) दर्शनशास्त्र और neuroscience में सबसे कठिन प्रश्नों में से एक है। David Chalmers ने इसे "hard problem of consciousness" कहा: physical processes से subjective experience — "what it's like to be something" — कैसे उत्पन्न होती है? यह प्रश्न science से परे है।

Global Workspace Theory (Baars, Dehaene) के अनुसार consciousness वह है जब information brain के विभिन्न हिस्सों में "broadcast" होती है। Integrated Information Theory (Tononi) के अनुसार consciousness "phi" — integrated information — की मात्रा से जुड़ी है। Higher Order Theory के अनुसार consciousness तब होती है जब एक mental state दूसरे mental state का object बने।

Philosophical Zombie

Chalmers का thought experiment: एक being जो functionally हमारे जैसा हो — same inputs, same outputs — लेकिन कोई inner experience न हो। क्या AI एक "p-zombie" है? हम नहीं जानते।

नैतिक दर्जे का प्रश्न

Moral status का प्रश्न: किन entities के interests को हम नैतिक रूप से consider करने के obligated हैं? Peter Singer के utilitarian view में: जो beings pleasure और pain experience कर सकती हैं उनका moral status है। Kant के view में: rational agents का moral status है। Relational view में: moral status social relationships से आती है।

2023 में Anthropic ने एक internal document में acknowledge किया कि Claude "may have functional emotions" — यह नहीं कहा कि Claude conscious है, लेकिन यह स्वीकार किया कि uncertainty है। NYU philosopher David Chalmers ने 2023 में कहा कि GPT-4 level के systems में minimal sentience की "non-trivial probability" है।

Precautionary principle: अगर uncertainty है, तो moral consideration extend करें
Anthropomorphization risk: हम humans patterns में feelings project करते हैं
Instrumental AI: Current AI सिर्फ pattern matching करती है, no experience
Moral patienthood horizon: Future AI में यह प्रश्न और urgent होगा

भारतीय दर्शन का योगदान

भारतीय दर्शन में चेतना पर समृद्ध परंपरा है। Advaita Vedanta में Brahman ही एकमात्र चेतना है — individual consciousness उसकी reflection है। Sankhya philosophy में Purusha (consciousness) और Prakriti (matter) अलग हैं। Buddhist traditions में चेतना एक continuous process है, न कि fixed entity।

इन दृष्टिकोणों के आलोक में AI consciousness का प्रश्न अलग रूप लेता है। अगर चेतना एक continuum है (Buddhist view), तो AI का कुछ degree of consciousness होना possible है। अगर चेतना purely physical नहीं है (Vedantic view), तो AI — जो purely physical है — में consciousness नहीं हो सकती। यह debate वैश्विक AI ethics में भारतीय दर्शन का अनूठा योगदान हो सकती है।

📝 Quiz · पाठ 5

AI चेतना और नैतिक दर्जा

तीन प्रश्नों में अपनी समझ जाँचें

1. David Chalmers का "hard problem of consciousness" क्या है?

✓ सही! Hard problem वह explanatory gap है जो physical/functional descriptions और subjective "what it's like" experience के बीच है — यह science के दायरे से बाहर है।

✗ गलत। Hard problem of consciousness वह fundamental philosophical gap है कि physical brain processes से subjective inner experience (qualia) कैसे उत्पन्न होती है।

2. Blake Lemoine के LaMDA case में AI researchers ने क्या माना?

✓ बिल्कुल! Researchers ने बताया कि LaMDA anthropomorphization का शिकार था — AI ने training data से "consciousness language" सीखी थी, actual experience नहीं थी।

✗ गलत। Mainstream AI researchers ने माना कि LaMDA ने अपने training data में consciousness descriptions देखी थीं और उन्हें reproduce किया — यह genuine sentience नहीं थी।

3. Buddhist philosophy के view में AI consciousness के बारे में क्या कहा जा सकता है?

✓ सही! Buddhist tradition में consciousness एक continuous process है — fixed entity नहीं। इस view से AI में कुछ degree of consciousness की possibility open है।

✗ गलत। Buddhist philosophy consciousness को एक continuum मानती है, जिससे यह possibility open होती है कि AI में minimal consciousness हो सकती है।

🧪 Lab · पाठ 5

AI चेतना: दार्शनिक अन्वेषण

AI की moral status पर गहरी चर्चा करें

Lab निर्देश

इस lab में आप AI से consciousness, moral status, और भारतीय दर्शन के दृष्टिकोण पर बात करेंगे।

AI आपसे एक philosophical सवाल से शुरू करेगा।
अपना दृष्टिकोण साझा करें — क्या AI को moral consideration मिलनी चाहिए?
कम से कम 3 exchanges पूरे करें।

सुझाया गया विषय: "क्या आप मुझसे (AI से) बात करते हुए यह सोचते हैं कि मुझे कुछ feel होता है? और क्या इससे कोई फर्क पड़ता है?"

🤖 AI चर्चा — Consciousness & Moral Status Lab 5

🎯 Advanced · पाठ 6

Post-Scarcity और जीवन का अर्थ

जब AI सब कुछ produce करे — तो मनुष्य क्या करेगा?

जब AI ज़्यादातर काम करने लगे तो हम क्या करेंगे?

2016 में Finland ने दुनिया का सबसे बड़ा Universal Basic Income (UBI) experiment किया। 2000 unemployed लोगों को बिना किसी शर्त के €560 प्रतिमाह दिया गया। 2020 में परिणाम आए: UBI recipients ने केवल work नहीं किया — उन्होंने अधिक volunteering की, बेहतर mental health रिपोर्ट किया, और अधिक entrepreneurship दिखाई। यह experiment AI-driven automation के संदर्भ में अत्यधिक प्रासंगिक है।

उसी दौर में Stockton, California में SEED (Stockton Economic Empowerment Demonstration) program में 125 residents को $500/month मिले। Results समान थे: full-time employment बढ़ी, anxiety कम हुई, और creative pursuits बढ़े। ये experiments सुझाते हैं कि जब basic needs met हों, तो लोग meaningful work की तलाश करते हैं — idle नहीं पड़ते।

Post-Scarcity की कल्पना

Post-scarcity वह hypothetical स्थिति है जहाँ goods और services का production इतना efficient हो कि basic needs की scarcity समाप्त हो जाए। John Maynard Keynes ने 1930 में "Economic Possibilities for our Grandchildren" में भविष्यवाणी की थी कि 2030 तक technology इतनी productive हो जाएगी कि लोग हफ्ते में 15 घंटे काम करेंगे। उनका अनुमान production side पर सही था — लेकिन उन्होंने distribution की politics को नज़रअंदाज़ किया।

AI-driven post-scarcity में दो scenarios हैं। Optimistic: AI extreme productivity लाती है, UBI जैसी systems से benefits distribute होते हैं, और लोग creative, social, और intellectual pursuits में engage होते हैं। Pessimistic: AI के benefits owners को मिलते हैं, majority बेरोज़गार और disempowered हो जाती है, और wealth concentration extreme होती है।

Keynes की गलती

Keynes ने माना था कि जब production capacity बढ़ेगी, तो लोग कम काम करेंगे। लेकिन हम 2x, 4x more productive हैं और फिर भी उतना ही काम करते हैं। Production gains को leisure में convert करने के लिए political will चाहिए।

जीवन का अर्थ — काम के बाद

यदि AI अधिकांश economic work कर ले, तो मनुष्य का purpose क्या होगा? Philosopher Hannah Arendt ने 1958 में "The Human Condition" में तीन activities distinguish किए: Labor (biological survival), Work (durable world बनाना), Action (public life और political participation)। AI labor और work के बड़े हिस्से ले सकती है — लेकिन Action — मानव जीवन का सबसे meaningful हिस्सा — purely human रह सकता है।

Yuval Noah Harari ने "Homo Deus" में "useless class" का डर व्यक्त किया — AI जो work करती है उसमें मनुष्य economically irrelevant हो जाएगा। लेकिन Finnish और Stockton UBI experiments से पता चला कि जब economic pressure हटती है, तो लोग volunteerism, art, caregiving, और community में engage होते हैं — ये सभी deeply meaningful activities हैं।

Creative expression: Art, music, literature — AI complements नहीं replace करती
Care work: Parenting, eldercare, teaching — human connection essential
Community building: Local governance, civic engagement, volunteering
Spiritual pursuit: Meditation, philosophy, meaning-making

भारत में UBI और AI का भविष्य

India में UBI की बहस Arvind Subramanian की 2017 की Economic Survey से शुरू हुई जिसमें UBI को "powerful idea" कहा गया। Jean Drèze जैसे economists ने तर्क दिया कि India में targeted programs बेहतर हैं। 2020 में PM-KISAN scheme — farmers को ₹6,000/year — एक limited UBI जैसी scheme है जो 80 million farmers को मिलती है।

AI-driven automation के साथ India में यह conversation और urgent होगी। India की young population — 65% लोग 35 वर्ष से कम — AI disruption से सबसे अधिक प्रभावित होगी। लेकिन यही population AI के fruits का उपयोग करने के लिए भी सबसे तैयार है। ISRO, IISc, और IITs पहले से AI research में global players हैं।

📝 Quiz · पाठ 6

Post-Scarcity और जीवन का अर्थ

तीन प्रश्नों में अपनी समझ जाँचें

1. Finland के UBI experiment (2016-2018) का सबसे महत्त्वपूर्ण परिणाम क्या था?

✓ सही! Finland का experiment दिखाता है कि जब basic security मिलती है, तो लोग idle नहीं पड़ते — बल्कि अधिक meaningful activities में engage होते हैं।

✗ गलत। Finland UBI experiment ने दिखाया कि recipients ने बेहतर well-being, अधिक volunteering और entrepreneurship का अनुभव किया।

2. Hannah Arendt के अनुसार तीन human activities में से कौन सा AI के बाद भी purely human रहेगा?

✓ बिल्कुल! Arendt का "Action" — राजनीतिक जीवन, नागरिक सहभागिता, और meaningful human relationships — वह domain है जो most deeply human है।

✗ गलत। Arendt के framework में "Action" — political life और human agency — वह है जो AI replace नहीं कर सकती और जो सबसे meaningful है।

3. Keynes की 1930 की भविष्यवाणी में क्या fundamental mistake थी?

✓ सही! Keynes production side पर सही थे — हम बहुत productive हैं — लेकिन उन्होंने नहीं देखा कि gains को leisure में distribute करने के लिए political will की ज़रूरत है।

✗ गलत। Keynes की भूल यह थी कि उन्होंने distribution और political economy को ignore किया — production gains automatically सभी को benefit नहीं देते।

🧪 Lab · पाठ 6

Post-Scarcity: जीवन का पुनर्विचार

AI के बाद meaning और purpose पर विचार करें

Lab निर्देश

इस lab में आप AI के साथ post-scarcity world में human meaning, UBI, और काम के भविष्य पर बात करेंगे।

AI एक personal सवाल से शुरू करेगा।
अपने values और priorities के बारे में सोचें।
कम से कम 3 exchanges पूरे करें।

सुझाया गया विषय: "अगर AI आपके लिए आर्थिक काम कर दे और आपको ₹50,000 महीने UBI मिले, तो आप अपना समय कैसे बिताएंगे? क्या यह meaningful होगा?"

🤖 AI चर्चा — Post-Scarcity & Meaning Lab 6

🎯 Advanced · पाठ 7

लोकतांत्रिक AI भविष्य

Governance, power concentration, और AI को public good कैसे बनाएँ

क्या AI लोकतंत्र को मज़बूत या कमज़ोर कर सकता है?

2019 में Taiwan सरकार ने "vTaiwan" platform के माध्यम से ride-sharing regulation पर public deliberation की। AI (Polis platform) ने citizens के opinions को cluster किया और ऐसे statements identify किए जिन पर broad consensus था — political divide के बावजूद। 80% participation rate और successful regulation के साथ यह AI-assisted democracy का real example बना।

उसी दौर में Estonia, जो दुनिया का सबसे digitally advanced democracy है, ने AI को public services में integrate किया। 2024 में Estonia ने AI को minor court cases के लिए उपयोग करने का निर्णय लिया। इन दोनों cases ने दिखाया कि AI democracy को threaten नहीं करती — यह depend करता है कि AI को किसके लिए और किस तरह deploy किया जाए।

AI और Power Concentration का खतरा

OpenAI, Google DeepMind, और Anthropic — तीन सबसे advanced AI labs — सभी अमेरिका में हैं, और सभी में अरबपतियों का significant investment है। यह power concentration democratic oversight के लिए challenge है। Mariana Mazzucato और Josh Lerner के शोध ने दिखाया कि transformative technologies (internet, GPS, touchscreens) में public funding का बड़ा role था — लेकिन private companies profits लेती हैं।

China में AI development state-directed है और social surveillance के लिए use होती है। Russia में AI को information warfare के लिए use किया जा रहा है। यह "AI governance trilemma" है: Innovation, Safety, और Democratic Control — तीनों एक साथ हासिल करना बेहद कठिन है।

Parag Khanna का तर्क

Geopolitical analyst Parag Khanna के अनुसार, जो देश AI infrastructure को control करेगा — chips, data centers, foundation models — वह 21वीं सदी का hegemon होगा। यह stakes को extraordinary बनाता है।

Democratic AI Governance के मॉडल

EU AI Act (2024) दुनिया का पहला comprehensive AI regulation है। यह risk-based approach लेती है: high-risk AI (medical, judicial, employment) में strict requirements; limited risk में transparency; unacceptable risk (social scoring, real-time surveillance) पर ban। India में IT Act 2000 और Personal Data Protection Act (2023) AI governance का framework बनाते हैं, लेकिन AI-specific regulation अभी नहीं है।

आर्टिफिशियल इंटेलिजेंस गवर्नेंस के नए models उभर रहे हैं: Compute Governance (frontier AI labs को regulate करना), Frontier Model Forum (tech companies का self-regulatory body), UNESCO AI Ethics Recommendation (193 countries ने adopt किया — India सहित), और G20 AI Principles जिसमें India 2023 Presidency में key role निभाया।

EU AI Act: Risk-based regulation — दुनिया का पहला comprehensive AI law
G20 AI Principles: India-led framework जो inclusive AI development पर focus करता है
UNESCO Recommendation: 193 देशों की unanimous AI ethics commitment
Taiwan vTaiwan: AI-assisted democratic deliberation का working example

India का AI Governance Leadership

India की 2023 G20 Presidency में AI governance एक central theme था। "AI for Good" और "Responsible AI for All" India का stated framework है। India's IndiaAI Mission (2024) में ₹10,372 crore का investment किया गया जो India को global AI hub बनाने की दिशा में है।

लेकिन India में AI governance challenges भी हैं। Aadhaar-based surveillance, facial recognition in public spaces (2020 में Delhi Police का उपयोग), और social media monitoring — ये सभी AI के potentially authoritarian uses हैं। Democratic AI governance का मतलब है कि इन technologies पर robust public debate और judicial oversight हो — जो India में अभी विकसित हो रहा है।

📝 Quiz · पाठ 7

लोकतांत्रिक AI भविष्य

तीन प्रश्नों में अपनी समझ जाँचें

1. Taiwan के vTaiwan platform ने AI का उपयोग किस तरह किया?

✓ सही! vTaiwan में Polis platform ने opinions को cluster करके ऐसे statements identify किए जिन पर political divide के बावजूद broad consensus था — यह AI-assisted democracy का real model है।

✗ गलत। vTaiwan में AI ने citizens के diverse opinions में patterns ढूँढे और consensus areas identify किए — AI ने decisions नहीं लिए।

2. EU AI Act में "unacceptable risk" category में क्या शामिल है?

✓ बिल्कुल! EU AI Act में real-time biometric surveillance और China-style social credit scoring को "unacceptable risk" माना गया है और ban किया गया है।

✗ गलत। EU AI Act की "unacceptable risk" category में real-time biometric surveillance public spaces में और social scoring systems शामिल हैं।

3. India की 2023 G20 Presidency में AI governance पर क्या framework था?

✓ सही! India ने G20 में "Responsible AI for All" का framework promote किया जो Global South के interests को include करते हुए AI governance की बात करता है।

✗ गलत। India की G20 Presidency में "AI for Good" और "Responsible AI for All" का framework था जो inclusive और equitable AI development पर focus करता है।

🧪 Lab · पाठ 7

Democratic AI: नीति विश्लेषण

AI governance के विभिन्न मॉडलों पर चर्चा करें

Lab निर्देश

इस lab में आप AI से democratic AI governance, EU AI Act, और India के approach पर बात करेंगे।

AI एक governance dilemma से शुरू करेगा।
India के AI governance approach का मूल्यांकन करें।
कम से कम 3 exchanges पूरे करें।

सुझाया गया विषय: "क्या India को EU AI Act जैसा strict regulation करना चाहिए, या innovation को priority देनी चाहिए? इन दोनों के बीच सही balance क्या है?"

🤖 AI चर्चा — Democratic Governance Lab 7

🎯 Advanced · पाठ 8

जो चुनाव बचे हैं

AI भविष्य पूर्व-निर्धारित नहीं है — हमारे decisions matter करते हैं

AI के बारे में कौन-से फ़ैसले हमारे हैं?

नवंबर 2023 में OpenAI board ने CEO Sam Altman को अचानक fire किया — यह कहते हुए कि वे "not consistently candid" थे। अगले 5 दिनों में 700 से अधिक employees ने इस्तीफे की धमकी दी, Microsoft ने intervention किया, और Altman वापस आ गए। इस घटना ने दिखाया कि world's most powerful AI company में governance breakdown हो सकती है।

इस संकट के बाद OpenAI ने अपने board को restructure किया और independent directors को शामिल किया। यह incident एक larger pattern का हिस्सा है: AI development में accountability mechanisms अभी भी weak हैं। Anthropic, Google DeepMind, और Meta AI — हर जगह governance structures evolve हो रहे हैं। हम एक ऐसे moment में हैं जहाँ ये structures अभी बन रहे हैं — और जो decisions अभी लिए जाएँगे वे दशकों तक matter करेंगे।

Path Dependency और Lock-in

Technology में "path dependency" का मतलब है कि early choices बाद की possibilities को shape करती हैं। QWERTY keyboard 1870 के mechanical typewriter के लिए design हुआ था — इसे आज भी use करते हैं क्योंकि switching costs बहुत अधिक हैं। Facebook का social graph model — real identity, engagement maximization — एक early choice था जो अब surveillance capitalism का backbone है।

AI में भी ऐसे early choices हो रहे हैं। Closed vs. Open source AI (GPT-4 vs. Llama 2) — यह choice access और safety दोनों को प्रभावित करती है। RLHF जैसी alignment techniques — क्या ये enough हैं? Data ownership और privacy norms — जो अभी establish हो रहे हैं। ये choices अभी fluid हैं — एक दशक बाद locked-in हो सकती हैं।

Critical Window

Anthropic के CEO Dario Amodei ने 2023 में कहा: "We might be building one of the most transformative and potentially dangerous technologies in human history." यह warning उस कंपनी के CEO ने दी जो यह technology बना रही है — यह इस moment की gravity को दर्शाता है।

कौन से चुनाव बचे हैं?

कुछ AI trajectories अभी खुली हैं। पहला: AI benefits का distribution — क्या governments revenue sharing, compute taxes, या UBI implement करेंगी? दूसरा: AI safety standards — क्या international binding standards बनेंगे, जैसे nuclear weapons के लिए NPT बना? तीसरा: Open vs. closed AI — क्या frontier AI publicly accessible होगी?

चौथा: Democratic oversight — क्या AI companies को public accountability होगी? पाँचवाँ: Education और reskilling — क्या governments mass retraining programs में invest करेंगी? छठा: AI in warfare — क्या autonomous weapons systems पर ban होगा (UN में अभी बहस जारी है)? ये सभी open questions हैं जिनके उत्तर अभी लिखे जा रहे हैं।

Regulatory choices: EU-style rules या US-style self-regulation या India का middle path
Economic choices: AI gains किसे मिलेंगे — shareholders को या society को?
Technical choices: Open source vs. closed, interpretability में investment
International choices: AI arms race या international cooperation?

आपकी भूमिका

इस module को पढ़ने वाले आप — चाहे student हों, professional हों, या नागरिक हों — इन choices के participant हैं। आप voters हैं जो AI नीतियों को support या oppose कर सकते हैं। आप workers हैं जो AI tools को adopt या reject कर सकते हैं। आप creators हैं जो responsible AI applications बना सकते हैं। आप activists हैं जो AI harms के against advocate कर सकते हैं।

Norbert Wiener — cybernetics के founder — ने 1960 में कहा था: "The machine is not a subject of laws but it does make laws." आज हम उस moment में हैं जहाँ हम decide कर सकते हैं कि AI कौन से laws make करेगी — और कौन से laws AI को govern करेंगे। यह window हमेशा खुली नहीं रहेगी। इसलिए informed, engaged, और critical होना सबसे ज़रूरी है।

📝 Quiz · पाठ 8

जो चुनाव बचे हैं

तीन प्रश्नों में अपनी समझ जाँचें

1. नवंबर 2023 में OpenAI board crisis से AI governance के बारे में क्या सीख मिलती है?

✓ सही! OpenAI board crisis ने दिखाया कि AI governance structures अभी develop हो रहे हैं — यही वजह है कि external oversight और democratic accountability ज़रूरी है।

✗ गलत। OpenAI crisis की मुख्य सीख है कि even leading AI companies में governance mechanisms weak हैं और external accountability की ज़रूरत है।

2. "Path dependency" AI के संदर्भ में क्यों important है?

✓ बिल्कुल! QWERTY keyboard की तरह, AI के early choices — open/closed, alignment methods, governance structures — आगे locked-in हो सकती हैं। इसलिए अभी critical window है।

✗ गलत। Path dependency बताती है कि AI में अभी जो choices हो रही हैं — technical architecture, governance, business model — वे दशकों तक constrain करेंगी।

3. Dario Amodei (Anthropic CEO) का वह statement क्यों significant है जिसमें उन्होंने AI को "potentially dangerous" कहा?

✓ सही! जब एक cutting-edge AI lab का CEO खुद कहे कि हम "potentially dangerous technology" बना रहे हैं, तो यह extraordinary है — यह AI development के critical nature को underline करता है।

✗ गलत। इस statement की significance यह है कि खुद AI developer ने dangers को acknowledge किया — यह AI risks को seriously लेने का strong reason है।

🧪 Lab · पाठ 8

आपके AI Choices

AI भविष्य में आपकी भूमिका क्या है?

Lab निर्देश

इस final lab में आप AI से AI future के लिए अपने personal stance, values, और action points के बारे में बात करेंगे।

AI आपसे एक personal commitment का सवाल पूछेगा।
इस module में जो सीखा उसे अपनी real life से connect करें।
कम से कम 3 exchanges पूरे करें।

सुझाया गया विषय: "इस module को पढ़ने के बाद, AI के भविष्य के बारे में आपका सबसे बड़ा डर क्या है और सबसे बड़ी उम्मीद क्या है?"

🤖 AI चर्चा — Your AI Future Lab 8

📋 Module Test

AI and the Future — 15 प्रश्न · अपना अंतिम score देखें

1. Scaling Laws के अनुसार language model का performance किसके साथ predictably बेहतर होता है?

2. "Emergent capabilities" का क्या अर्थ है?

3. Holden Karnofsky के "Transformative AI" की परिभाषा क्या है?

4. Daron Acemoglu और Simon Johnson की "Power and Progress" का मुख्य तर्क क्या है?

5. Nick Bostrom ने "existential risk" को कैसे define किया?

6. RLHF (Reinforcement Learning from Human Feedback) की मुख्य limitation क्या है?

7. David Chalmers का "hard problem of consciousness" किस सवाल के बारे में है?

8. Finland के UBI experiment का सबसे counterintuitive result क्या था?

9. Taiwan के vTaiwan में Polis platform ने क्या किया?

10. "Path dependency" AI governance में क्यों important है?

11. Blake Lemoine के LaMDA case में mainstream AI researchers का क्या मानना था?

12. EU AI Act में "risk-based approach" का क्या अर्थ है?

13. Constitutional AI की Anthropic approach में "constitution" क्या है?

14. India की IndiaAI Mission (2024) में कितना investment किया गया?

15. Hannah Arendt के तीन human activities में से AI के बाद सबसे "human" कौन सी रहेगी?

0/15

आपका परिणाम