अध्याय 12/2023〜

चौथे उछाल का वर्तमान

जिन भविष्यवाणियों की जाँच बाकी है (2023 से)

लेख और चित्र बनाने वाला AI फैलने के साथ “इस वर्ष तक” जैसी बहुत-सी भविष्यवाणियाँ सामने आईं। इस दौर को भी पिछले उछालों के समान पैमाने पर देखें। क्या संभव हो गया है, क्या उम्मीदें हैं और क्या अब भी पता नहीं है? जिन भविष्यवाणियों का तय वर्ष अभी नहीं आया है, उन्हें इस तरह रखें कि समय आने पर उनकी जाँच हो सके।

012017〜2026 · नाम

चौथा उछाल कब से?

का नाम और उसकी शुरुआत का समय किसने तय किया?

यह साइट 2022 को चौथे उछाल का संकेत मानती है। उसी वर्ष आम लोगों ने लेख और चित्र बनाने वाले जनरेटिव AI का खुद इस्तेमाल शुरू किया (अगस्त में Stable Diffusion और 30 नवंबर को ChatGPT जारी हुआ)। लेकिन इसे कहा जाए या नहीं, यह भी अभी तय नहीं है।

जापान की संसद के कार्यवाही रिकॉर्ड में एक बार भी नहीं मिलता (सितंबर 2026 तक; 6 बार मिलता है)। आंतरिक मामलों और संचार मंत्रालय के श्वेत पत्र ने 2024 में लिखा, (अनुवाद), लेकिन 2025 और 2026 के संस्करणों में यह शब्दावली नहीं है। जापानी कृत्रिम बुद्धिमत्ता सोसायटी की गोलमेज़ चर्चा (नवंबर 2023) में यह बात भी कही गई: (अनुवाद; authorize अंग्रेज़ी में औपचारिक रूप से मान्यता देने को कहते हैं)।

दाईं ओर के चित्र में “चौथा उछाल कब से?” के अलग-अलग मत वर्षों की पट्टियों में दिखाए गए हैं। नीचे का पैमाना बदलकर देखें। शोध की निधि के आधार पर सीमा खींचें, तो कोई सीमा नहीं है, क्योंकि तीसरे उछाल से शोध की निधि बिना रुके मिलती रही है। समाज का ध्यान (संसद में दिए गए वक्तव्यों की संख्या) आधार हो, तो 2022〜2023 में सीमा दिखती है। उछालों को नंबर लोग बाद में देते हैं।

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:AI का चौथा उछाल ChatGPT जैसे जनरेटिव AI का उछाल है
मूल स्रोत के अनुसार:जापानी कृत्रिम बुद्धिमत्ता सोसायटी की 2017 की पत्रिका में (अनुवाद) कहकर भविष्य के ऐसे उछाल की बात की गई थी जो तब तक आया ही नहीं था।

चित्र क्या दिखाता है:“AI उछाल 4 कब शुरू हुआ” का जवाब कहने वाले और सीमा तय करने के मापदंड पर निर्भर है: शोध बजट में सीमा नहीं है, लेकिन सार्वजनिक ध्यान में 2022〜2023 की सीमा है। उछालों के क्रमांक लोग बाद में देते हैं।

संसद में AI के अर्थ में “AI” वाले वक्तव्यों की संख्या (हर वर्ष)
022023 · बात आगे पहुँचाना

से तक

एक व्यक्ति से दूसरे तक पहुँचते हुए बात कैसे बदलती है?

मार्च 2023 में टोक्यो विश्वविद्यालय के युताका मात्सुओ (Yutaka Matsuo) ने एक साक्षात्कार में कहा, “मुझे लगता है कि इस वर्ष से इसे कहा जा सकता है” (अनुवाद)। यह सावधानी से कही गई बात है: ऐसा नाम देना ठीक हो सकता है। लेकिन लेख का उपशीर्षक था ““AI विकास के चौथे उछाल” की शुरुआत” (अनुवाद; शीर्षक संपादक देते हैं)। पत्रिका के शीर्षक, शोधपत्र, निबंध और लेखों में पहुँचते-पहुँचते 2024 में यह बन गया: “2023 में उन्होंने की बात कही है” (अनुवाद)।

दाईं ओर के चित्र में 6 पन्नों को एक-एक करके आगे बढ़ाएँ। हटाए गए और जोड़े गए अक्षर रंग से दिखेंगे। मशीन से 2 पाठों का अंतर निकालने की विधि को डिफ़ (diff) कहते हैं। तालिका भरकर दोनों में समान अक्षरों का सबसे लंबा क्रम निकालते हैं; बाकी अक्षरों को हटाए गए या जोड़े गए मानते हैं।

L(i, j)=L(i−1, j−1)+1 (जब i-वाँ और j-वाँ अक्षर समान हों), बाकी स्थितियों में max{ L(i−1, j), L(i, j−1) }
L(i, j)
A के i-वें अक्षर तक और B के j-वें अक्षर तक समान सबसे लंबे क्रम में अक्षरों की संख्या
जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:मात्सुओ ने 2023 में AI के चौथे उछाल की शुरुआत की घोषणा की
मूल स्रोत के अनुसार:उनके अपने शब्द थे “मुझे लगता है कि इस वर्ष से इसे कहा जा सकता है” (अनुवाद)। और जैसी बातें शीर्षकों और उद्धरणों से गुजरते हुए अधिक दृढ़ बनीं।

चित्र क्या दिखाता है:“मुझे लगता है कि ऐसा कहना ठीक हो सकता है” (अनुवाद) जैसी संयमित बात के अक्षर हर शीर्षक और उद्धरण में घटते-बढ़ते गए। 1 वर्ष बाद वह “उन्होंने इसे शुरुआत बताया है” (अनुवाद) बन गई।

032020 · स्केलिंग नियम

आकार बढ़ने पर तय ढंग से सुधार

AI के पैरामीटर 10 गुने करने पर उसका प्रदर्शन कितना सुधरता है?

2020 में OpenAI और जॉन्स हॉपकिन्स विश्वविद्यालय के शोधकर्ताओं ने दिखाया कि भाषा AI का प्रदर्शन (अगला शब्द अनुमान लगाने की कठिनाई, यानी लॉस) पैरामीटर की संख्या, प्रशिक्षण के पाठ की मात्रा और गणना की मात्रा बढ़ाने पर एक तय ढंग से सुधरता है। उन्होंने इसे 7 परिमाण-क्रमों (10,000,000 गुना) से अधिक की सीमा में दिखाया। यह चौथे उछाल की कई भविष्यवाणियों के आधारों में से 1 है।

इसका रूप घात नियम है (नीचे का समीकरण; α ≈ 0.076 शोधपत्र का मान है)। दोनों पक्षों का लघुगणक लेने पर log L=α log Nc − α log N मिलता है। इसलिए दोनों अक्षों पर हर 10 गुने के लिए समान दूरी रखने से यह सीधी रेखा बनता है। हर बार N को 10 गुना करने पर लॉस 10 की −0.076 घात ≈ 0.84 गुना होता है। दाईं ओर के चित्र में N और पैमाना बदलकर देखें। लेकिन लेखक खुद लिखते हैं, (अनुवाद)।

L(N)= (Nc /N)α
L
लॉस (जितना छोटा, उतना अच्छा)
N
पैरामीटर (प्रशिक्षण से तय होने वाली संख्याएँ; चित्र में हिस्से) की संख्या
Nc
लगभग 8.8 × 10 की 13 घात (शोधपत्र का मान)
जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:यह नियम कहता है कि आकार बढ़ाने से AI जितना चाहें उतना समझदार बनता रहेगा
मूल स्रोत के अनुसार:शोधपत्र ने दिखाया कि मापी गई सीमा में यह रूप बना रहा। यह कहाँ तक चलेगा, पता नहीं है—लेखक खुद ऐसा लिखते हैं।

चित्र क्या दिखाता है:पैरामीटर की संख्या हर बार 10 गुना करने पर लॉस लगभग 0.84 गुना होता है। इस तय रूप को 10 गुना वाले पैमाने पर देखें तो सीधी रेखा मिलती है, लेकिन लेखक खुद लिखते हैं कि कभी यह सीमा पर पहुँचेगा।

पैरामीटर की संख्या हर बार 10 गुनी करने पर लॉस
042010〜2026 · बहिर्वेशन

रेखा बढ़ाकर आगे का अनुमान

पिछली वृद्धि की रेखा आगे बढ़ाने पर अनुमान कितना सही होता है?

शोध संस्थान Epoch AI जारी किए गए AI के प्रशिक्षण में इस्तेमाल की गई गणनाओं की संख्या (गणना की मात्रा, FLOP) जुटाकर ऐसी शर्तों (CC BY 4.0) पर प्रकाशित करता है जिनके तहत कोई भी उन्हें इस्तेमाल कर सकता है। गणना की मात्रा कई गुनी बढ़ती है, इसलिए खड़े अक्ष पर हर 10 गुने के लिए समान दूरी रखते हैं (लघुगणकीय पैमाना)। तब वृद्धि लगभग सीधी रेखा जैसी दिखती है।

डेटा से मेल खाती सीधी रेखा (प्रतिगमन रेखा) खींचकर, उसे डेटा की सीमा से आगे बढ़ाकर अनुमान लगाने को बहिर्वेशन कहते हैं। 2010〜2018 के “उस वर्ष के सबसे बड़े AI” से रेखा खींचकर 2019 से आगे का अनुमान लगाएँ, तो बाद के वर्षों में अनुमान वास्तविक मान से अधिक होता जाता है। 2024 में अंतर लगभग 1.2 परिमाण-क्रम (लगभग 16 गुना) था। दाईं ओर के चित्र में रेखा खींचने की अवधि बदलने पर ढलान और अनुमान दोनों बदलते हैं।

बहिर्वेशन “यदि यही वृद्धि जारी रहे” की धारणा पर आधारित है। अमेरिका के 2023 के कार्यकारी आदेश में प्रशिक्षण में 10 की 26 घात से अधिक गणनाएँ इस्तेमाल करने वाले AI आदि के लिए सरकार को रिपोर्ट देना ज़रूरी किया गया। चित्र की बिंदीदार रेखा यही स्तर दिखाती है।

log10(गणना की मात्रा) ≈ a × वर्ष +b
a
1 वर्ष में बढ़ने वाले परिमाण-क्रमों की संख्या (1/a वर्ष में 10 गुना)
प्रतिगमन रेखा
वह सीधी रेखा जिससे बिंदुओं की त्रुटियों के वर्गों का कुल योग सबसे छोटा हो

चित्र क्या दिखाता है:पुराने बिंदुओं पर रेखा बनाकर आगे बढ़ाने से अनुमान मिलता है, लेकिन चुनी अवधि बदलने भर से ढलान और अनुमान दोनों बदलते हैं। 2010〜2018 की रेखा आगे बढ़ाने पर 2024 का अनुमान वास्तविकता से लगभग 1.2 परिमाण-क्रम, यानी लगभग 16 गुना, अधिक था।

अनुमान और वास्तविक मान का अंतर (परिमाण-क्रम; + का अर्थ वास्तविक मान अधिक है)
052023 · अनुमान

“2 महीने में 10 करोड़”: किसने गिना?

“इस्तेमाल करने वाले लोगों की संख्या” कैसे गिनते हैं?

फरवरी 2023 में यह ख़बर फैली कि “ChatGPT जारी होने के 2 महीने में 10 करोड़ लोगों ने इस्तेमाल किया और यह इतिहास में सबसे तेज़ी से फैलने वाला ऐप है।” इसका स्रोत कंपनी की घोषणा नहीं, निवेश बैंक UBS के एक विश्लेषक का नोट था। वेबसाइटों की विज़िट गिनने वाली कंपनी Similarweb के आँकड़ों से उसने कहा, (अनुवाद)।

बाहर से हर व्यक्ति को गिनना संभव नहीं है। इसलिए कुछ लोगों के समूह (पैनल) की गतिविधि देखकर, उसे पूरी आबादी के आकार के हिसाब से बढ़ाते हैं और संख्या का अनुमान लगाते हैं। विज़िटर गिनते समय कभी एक व्यक्ति के फ़ोन और कंप्यूटर से आने को 2 व्यक्ति भी गिन लिया जाता है। दाईं ओर के चित्र में पैनल का आकार बदलें, फिर “हर उपकरण को अलग गिनें” चुनकर उपकरणों की संख्या भी बदलें। अनुमान असली संख्या से अलग होता है और हर बार नया पैनल चुनने पर बदलता है।

अनुमान = पैनल में इस्तेमाल करने वालों की संख्या × (कुल आबादी ÷ पैनल की आबादी)
चित्र में लोगों और उपकरणों की संख्या तथा पैनल इस साइट के बनाए उदाहरण हैं
जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:ChatGPT को 2 महीने में 10 करोड़ लोगों ने इस्तेमाल किया (कंपनी का रिकॉर्ड)
मूल स्रोत के अनुसार:स्रोत UBS के विश्लेषक का नोट था, और वेबसाइट की विज़िट की संख्या के आधार पर कहा गया था: ।

चित्र क्या दिखाता है:सबको नहीं गिन सकते, इसलिए कुछ लोगों के समूह, यानी पैनल, को जाँचकर उसका नतीजा पूरी आबादी तक बढ़ाया जाता है; यह अनुमान है। छोटा पैनल हर नए चयन पर बदलता है, और मशीनें गिनने पर वास्तविक लोगों से अधिक संख्या मिलती है।

40 बार नया पैनल चुनने पर अनुमान (आड़ी रेखा असली संख्या है)
062023 · प्रतिशतक

“शीर्ष 10%”: तुलना किससे?

अंक वही हों, लेकिन तुलना के लोग बदल जाएँ, तो क्या रैंक बदलती है?

मार्च 2023 में OpenAI ने भाषा AI “GPT-4” की तकनीकी रिपोर्ट में लिखा कि उसने अमेरिका की वकालत की परीक्षा के अभ्यास टेस्ट में (अनुवाद) हासिल किए।

रैंक को प्रतिशत में बताने वाला प्रतिशतक दिखाता है कि कितने % लोगों के अंक उस अंक से कम हैं। यह इस पर निर्भर है कि तुलना किस समूह में की जा रही है। 2024 के एक शोधपत्र, जिसकी अन्य विशेषज्ञों ने समीक्षा की थी, ने बताया कि तुलना फरवरी की परीक्षा देने वालों से थी, जिनमें दोबारा परीक्षा देने वाले बहुत होते हैं। पहली बार परीक्षा देने वालों से तुलना पर लगभग 62वाँ और पास हुए लोगों से तुलना पर लगभग 48वाँ प्रतिशतक अनुमानित था (ऊपर से लगभग 38% और 52%)। दाईं ओर के चित्र में तुलना का समूह बदलें: अंक वही रहते हैं, लेकिन प्रतिशतक बदलता है।

प्रतिशतक = (उस अंक से कम अंक वाले लोगों की संख्या ÷ तुलना के लोगों की संख्या) × 100
वितरण का आकार इस साइट ने बनाया है। लगभग 90, 62, 48 रिपोर्ट और शोधपत्र के आँकड़े हैं

चित्र क्या दिखाता है:GPT-4 का अंक केवल 1 है, लेकिन तुलना “फ़रवरी (माह 2) के परीक्षार्थियों” से बदलकर “पहली बार परीक्षा देने वालों” और “पास होने वालों” से करने पर प्रतिशतक लगभग 90 से लगभग 62 और लगभग 48 पर गिरता है।

072023〜2025 · जारी करने के रूप

अंदरूनी मान देना, पहुँच देना, कुछ से शुरुआत

भाषा मॉडल को “जारी करने” में क्या दिया जाता है?

27 फरवरी〜21 मार्च 2023 में कंपनियों ने एक के बाद एक भाषा मॉडल जारी किए। Meta ने शोधकर्ताओं के लिए अंदरूनी मानों सहित LLaMA दिया; Anthropic ने कंपनियों के लिए Claude दिया; बायडू ने आमंत्रित लोगों से शुरुआत करते हुए वेनशिन यीयान दिया; और Google ने (अनुवाद) के रूप में Bard दिया। जापान में अक्टूबर में राष्ट्रीय सूचना विज्ञान संस्थान में जुटे शोधकर्ताओं ने LLM-jp-13B (13 अरब पैरामीटर) के साथ प्रशिक्षण में इस्तेमाल किया गया पाठ भी जारी किया। जनवरी 2025 में चीन की DeepSeek ने R1 को अंदरूनी मानों सहित बाँटा।

AI के अंदरूनी मान प्रशिक्षण से तय हुई संख्याओं (वज़नों) का क्रम हैं। उन्हें बाँटने का अर्थ है इन संख्याओं की फ़ाइल देना। दाईं ओर के चित्र में 1 संख्या लिखने के लिए बिट घटाएँ: फ़ाइल छोटी हो जाती है, लेकिन संख्याओं को राउंड करने से उनके मान थोड़े बदल जाते हैं (क्वांटाइज़ेशन)।

फ़ाइल का आकार (बाइट) ≈ हिस्सों की संख्या × बिटों की संख्या ÷ 8
1 बाइट
8 बिट। समीकरण में हिस्सों की संख्या वज़नों (पैरामीटर) की संख्या है

चित्र क्या दिखाता है:भीतर की सामग्री बाँटना मतलब सीखने से तय संख्याओं, यानी वज़नों, की फ़ाइल देना है। हर 1 संख्या लिखने के बिट घटाने से फ़ाइल छोटी होकर घर के कंप्यूटर में भी आ सकती है, लेकिन संख्याएँ राउंड होने से थोड़ी बदलती हैं।

बिटों की संख्या घटाने पर वज़नों की औसत त्रुटि
082023 · रोकें?

रोकने की चिट्ठी और रुकने की कठिनाई

सबको लगे कि “रुकना बेहतर होगा”, तब भी रुकना कठिन क्यों होता है?

मार्च 2023 में अमेरिकी संगठन Future of Life Institute ने सभी AI शोध संस्थानों से (अनुवाद) का आग्रह करती एक खुली चिट्ठी जारी की। उसमें लिखा था कि अगर वे नहीं रुक सकें, तो सरकार को रोकना चाहिए। 6 महीने बाद उसी संगठन के दस्तावेज़ में यह नहीं लिखा था कि प्रशिक्षण रुक गया है; उसके अध्यक्ष ने (अनुवाद) की बात कही।

दाईं ओर गेम थ्योरी का एक छोटा चित्र है, जिसमें 2 शोध संस्थान “रोकें” या “जारी रखें” चुनते हैं (अंक इस साइट ने बनाए हैं)। दूसरा रुके, तो खुद जारी रखने से आगे बढ़ सकते हैं। दूसरा जारी रखे, तो अकेले रुकने पर पीछे रह जाएँगे। दोनों स्थितियों में “जारी रखें” फ़ायदेमंद हो, तो दोनों का जारी रखना स्थिर स्थिति बनता है (नैश संतुलन)। दोनों को रुकने से अधिक फ़ायदा हो, तब भी वहाँ पहुँचना कठिन होता है (कैदी की दुविधा)। “सरकारी नियम: जारी रखने का दंड” से जारी रखने पर दंड जोड़ें, तो स्थिर स्थिति बदल जाती है।

उसी वर्ष मई में आज के AI की नींव रखने वाले शोधकर्ताओं में से 1, हिंटन (Hinton), ने Google छोड़ा और AI के ख़तरों के बारे में बोलना शुरू किया। शोधकर्ताओं और AI कंपनियों के प्रतिनिधियों के हस्ताक्षर वाला 1 वाक्य का बयान भी आया। हिंटन की तरह ट्यूरिंग पुरस्कार प्राप्त लेकन (LeCun) ने कहा कि ऐसी चेतावनियाँ बढ़ा-चढ़ाकर दी जा रही हैं।

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:हिंटन ने Google के तरीक़ों का विरोध करने के लिए उसे छोड़ा
मूल स्रोत के अनुसार:उन्होंने BBC से कहा कि वे Google की आलोचना नहीं करना चाहते और Google ने (अनुवाद) तरीक़े से काम किया है।

चित्र क्या दिखाता है:अंक ऐसे हों कि दूसरा कुछ भी करे, खुद जारी रखने में लाभ हो, तो 2 पक्ष जारी रखने पर टिकते हैं, भले ही 2 पक्षों का रुकना बेहतर हो। जारी रखने पर दंड, यानी सरकारी नियम, जोड़ने से स्थिर नतीजा बदलता है।

092023〜2026 · जापान

उपयोगकर्ता 9.1% से 58.8% तक

सबसे अधिक वृद्धि कहाँ हुई? क्या तुलना का आधार बदलने पर जवाब बदलता है?

इस दौरान जापान में मई 2023 के G7 हिरोशिमा शिखर सम्मेलन में, जिसकी अध्यक्षता जापान ने की, जनरेटिव AI (लेख और चित्र बनाने वाला AI) के नियमों पर चर्चा के लिए “हिरोशिमा AI प्रक्रिया” शुरू हुई। जुलाई में शिक्षा, संस्कृति, खेल, विज्ञान और प्रौद्योगिकी मंत्रालय ने प्राथमिक, निम्न माध्यमिक और उच्च माध्यमिक विद्यालयों के लिए मार्गदर्शिका में पहले (अनुवाद) की बात कही। मार्च 2024 में सांस्कृतिक मामलों की एजेंसी की परिषद ने AI और कॉपीराइट पर विचार संकलित किए। मई 2025 में AI के शोध, विकास और उपयोग को बढ़ावा देने वाला क़ानून (AI संवर्धन अधिनियम) बना।

आंतरिक मामलों और संचार मंत्रालय के सर्वेक्षण में जापान में कभी जनरेटिव AI इस्तेमाल करने वालों का प्रतिशत 9.1% (वित्त वर्ष 2023) → 26.7% → 58.8% (वित्त वर्ष 2025) बढ़ा। यह अमेरिका, जर्मनी और चीन से कम है, लेकिन 2026 के श्वेत पत्र ने लिखा कि 1 वर्ष में सबसे अधिक वृद्धि जापान में हुई। दाईं ओर के चित्र में अंतर से तुलना (कितने प्रतिशत अंक बढ़े) और अनुपात से तुलना (कितना गुना हुआ) बदलकर देखें। वित्त वर्ष 2024 की वृद्धि अंतर से देखें तो 4 देशों में सबसे छोटी, और अनुपात से देखें तो सबसे बड़ी थी।

अंतर = इस वर्ष − पिछले वर्ष (प्रतिशत अंक) अनुपात = इस वर्ष ÷ पिछले वर्ष (गुना)

वित्त वर्ष 2025 से सर्वेक्षण में 15〜19 वर्ष के लोग भी शामिल हुए, इसलिए तुलना पिछले वर्ष से बिल्कुल समान आधार पर नहीं है (चित्र का चिह्न)।

चित्र क्या दिखाता है:एक ही डेटा में वृद्धि का अंतर, यानी कितने अंक बढ़े, देखें तो जापान सबसे छोटा है, लेकिन अनुपात, यानी कितने गुना हुआ, देखें तो सबसे बड़ा है। “सबसे अधिक बढ़ा” मापदंड बदलते ही बदल जाता है।

102023〜2026 · देशों के नियम

नियम कब से लागू होते हैं?

एक ही समय में अलग-अलग देशों में किस तरह के नियम बने?

नवंबर 2023 में ब्रिटेन के ब्लेचली पार्क में सबसे उन्नत AI की सुरक्षा पर चर्चा के लिए पहला अंतरराष्ट्रीय सम्मेलन हुआ। चीन और जापान सहित 28 देशों तथा EU ने सबसे उन्नत AI की क्षमताओं के बारे में घोषित किया, (अनुवाद)।

नियमों का रूप देश और क्षेत्र के अनुसार अलग है। EU ने “AI अधिनियम (AI Act)” बनाया, जिसमें AI के जोखिम के आकार के अनुसार नियम बदलते हैं और लागू होने की तारीखें चरणों में बाँटी गई हैं (जुलाई 2026 में कुछ हिस्से टाले गए)। चीन ने 2023 में जनरेटिव AI सेवाओं के अंतरिम नियम लागू किए और 2025 में AI से बनी सामग्री पर लेबल लगाने के नियम शुरू किए। अमेरिका में पूरे देश का AI क़ानून नहीं है; 2023〜2026 में कार्यकारी आदेशों की नीति की दिशा कई बार बदली। जापान ने 2025 में विकास और उपयोग को बढ़ावा देने का क़ानून बनाया।

दाईं ओर का चित्र 4 क्षेत्रों के नियमों, योजनाओं और संस्थाओं के साथ देशों के प्रतिनिधियों के सम्मेलनों का समय दिखाने वाला पैमाना है। तारीख बदलने पर उस समय तक शुरू हुए और वापस लिए गए मद दिखते हैं। जापानी क़ानून के लिए उसके पारित होने का समय दिखाया गया है। EU के लिए “मूल योजना देखें” और “स्थगन के बाद देखें” बदलकर तुलना कर सकते हैं।

देशों के प्रतिनिधियों के सम्मेलन 2024 में सोल, 2025 में पेरिस और 2026 में नई दिल्ली में आगे बढ़े। पेरिस के बयान पर हस्ताक्षर करने वालों की सूची में अमेरिका और ब्रिटेन के नाम नहीं हैं।

चित्र क्या दिखाता है:एक ही समय में देशों और क्षेत्रों के नियमों के रूप और शुरू होने की तारीखें अलग थीं। अमेरिका ने राष्ट्रपति के आदेशों से कई बार दिशा बदली और EU ने शुरू होने की तारीख आगे बढ़ाई।

112018〜2025 · लेखों का इस्तेमाल

“इस्तेमाल न करें” का संकेत ताला नहीं है

क्या AI कंपनियाँ इंटरनेट के लेखों को मनचाहे ढंग से इस्तेमाल कर सकती हैं?

जापान के कॉपीराइट क़ानून के 2018 के संशोधन (अनुच्छेद 30 की धारा 4) ने सिद्धांततः बिना अनुमति AI का प्रशिक्षण करने की इजाज़त दी। मार्च 2024 में सांस्कृतिक मामलों की एजेंसी की परिषद ने इस पर विचार स्पष्ट किए। उसने माना कि प्रशिक्षण में इस्तेमाल की गई रचनाओं की अभिव्यक्ति जानबूझकर निकलवाने के लिए प्रशिक्षण करने जैसे मामलों में, जहाँ रचना का आनंद लेने का उद्देश्य भी शामिल हो, यह छूट लागू नहीं मानी जाती (दस्तावेज़ की शुरुआत में बताया गया है कि उसका क़ानूनी बल नहीं है)।

अगस्त 2025 में योमिउरी शिम्बुन समूह के बाद निक्केई और आसाही शिम्बुन ने AI से सवालों का जवाब देने वाली खोज सेवा की कंपनी पर टोक्यो ज़िला अदालत में मुक़दमा किया। निक्केई की घोषणा के अनुसार, दोनों कंपनियों का दावा है कि उनकी साइटों पर robots.txt का संकेत था, जो मशीनों को लेख इस्तेमाल न करने को कहता है, फिर भी सामने वाली कंपनी ने उसे अनदेखा करके लेख इस्तेमाल किए।

robots.txt साइट के सबसे ऊपरी स्तर पर रखी एक छोटी टेक्स्ट फ़ाइल है। इसमें “कौन-से रोबोट को” और “कहाँ नहीं जाना है” लिखा होता है। दाईं ओर के चित्र में नियम बदलकर देखें। पालन करने वाला रोबोट प्रवेश नहीं करता। लेकिन संकेत ताला नहीं है। पालन न करने वाला रोबोट तकनीकी रूप से प्रवेश कर सकता है।

इस साइट ने मुक़दमे का परिणाम नहीं जाँचा है।

जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:जापान में AI के प्रशिक्षण के लिए सब कुछ स्वतंत्र है
मूल स्रोत के अनुसार:सांस्कृतिक मामलों की एजेंसी की परिषद के 2024 के विचारों के अनुसार, प्रशिक्षण में इस्तेमाल की गई रचनाओं की अभिव्यक्ति जानबूझकर निकलवाने के लिए किया गया प्रशिक्षण छूट के दायरे से बाहर हो सकता है। लेकिन इस दस्तावेज़ का अपने आप में क़ानूनी बल नहीं है।

चित्र क्या दिखाता है:robots.txt एक संकेत है कि “यह रोबोट यहाँ न देखे”; इसे मानने वाले रोबोट प्रवेश नहीं करते। लेकिन यह ताला नहीं है, इसलिए न मानने वाले रोबोट अंदर आ सकते हैं।

122025 · लागत गिनना

55.76 लाख डॉलर और 500 अरब डॉलर

“AI बनाने में खर्च हुआ पैसा” किन चीज़ों को गिनकर निकाली गई राशि है?

जनवरी 2025 में चीन की DeepSeek ने भाषा मॉडल जारी किया, तो यह बात फैली कि उसने 60 लाख डॉलर में अमेरिका को टक्कर देने वाला AI बना लिया। मूल रिपोर्ट के 55.76 लाख डॉलर आधार मॉडल V3 के बारे में थे: (अनुवाद)। साथ ही यह मानकर गणना की गई कि GPU को 1 घंटे के 2 डॉलर में किराए पर लिया गया। रिपोर्ट खुद कहती है कि (अनुवाद) इसमें शामिल नहीं हैं।

उसी महीने अमेरिका में AI की गणना के लिए ढाँचा बनाने वाली ने घोषणा की, (अनुवाद)। यह कंपनी की योजना की राशि है, और इस घोषणा से पता नहीं चलता कि वास्तव में कितना खर्च हुआ। दाईं ओर के चित्र में देखें कि किन चीज़ों को गिना जाता है, उसके अनुसार राशि कैसे बदलती है।

प्रशिक्षण की लागत ≈ हिस्सों के इस्तेमाल का समय (GPU घंटे) × प्रति घंटे की क़ीमत

चित्र क्या दिखाता है:557.6 × दस हज़ार डॉलर केवल औपचारिक प्रशिक्षण के GPU किराए का अनुमान है, जिसमें हर 1 घंटे का 2 डॉलर माना गया और पहले का शोध शामिल नहीं है; 5,000 × दस करोड़ डॉलर निवेश करने के इरादे की योजना है। दोनों अलग चीज़ें गिनते हैं, इसलिए साथ रखकर तुलना का अर्थ सीमित है।

132016〜2023 · सर्वेक्षण

सवाल बदलने से जवाब 70 वर्ष बदलता है

विशेषज्ञों से पूछे गए “मानव स्तर का AI कब?” के जवाबों से 1 वर्ष कैसे निकलता है?

2023 की शरद ऋतु में 2,778 AI शोधकर्ताओं के सर्वेक्षण में, (अनुवाद) की संभावना 50–50 होने का वर्ष 2047 था (पिछले वर्ष के सर्वेक्षण से 13 वर्ष पहले)। लेकिन (अनुवाद) का वर्ष पूछा गया, तो 2116 था। शोधपत्र ने लिखा, (अनुवाद)।

1 वर्ष इस तरह निकाला जाता है। हर व्यक्ति से वर्ष और संभावना की 3 जोड़ियाँ पूछते हैं (या तो वर्ष तय करके संभावना पूछते हैं, या 10%, 50%, 90% तय करके वर्ष पूछते हैं)। इनके अनुसार वक्र (गामा वितरण का रूप) खींचते हैं, सभी के वक्रों का औसत लेते हैं और वह वर्ष पढ़ते हैं जहाँ संभावना 50% से ऊपर जाती है। शोधपत्र में वर्ष तय करके पूछने पर 34 वर्ष बाद, और संभावना तय करके पूछने पर 17 वर्ष बाद का परिणाम मिला।

समग्र वक्र F(t)= (F1(t)+ … +Fn(t)) ÷ n
Fi(t)
i-वें व्यक्ति के अनुसार t वर्ष बाद तक की संभावना
चित्र में उत्तरदाता इस साइट ने बनाए हैं
जो आपको लगता है कि आप जानते हैंआम तौर पर कही जाने वाली बात:AI विशेषज्ञों ने अनुमान लगाया कि 2047 में मानव स्तर का AI बन जाएगा
मूल स्रोत के अनुसार:उसी सर्वेक्षण में सवाल बदलने पर 2116 मिला। दोनों वे वर्ष हैं जब संभावना 50–50 होती है; इनमें यह निश्चित नहीं कहा गया कि AI बन जाएगा।

चित्र क्या दिखाता है:हर 1 व्यक्ति के जवाब पर वक्र मिलाकर सभी वक्रों का औसत लिया जाता है और वह वर्ष पढ़ा जाता है जहाँ संभावना 50% पार करती है। एक ही लोगों से वर्ष तय करके संभावना पूछें या संभावना तय करके वर्ष, तो निकले वर्ष बहुत अलग हो सकते हैं।

142024〜2047 · जाँच की प्रतीक्षा

जाँच की प्रतीक्षा में भविष्यवाणियों की शेल्फ़

आज की “इस वर्ष तक” वाली भविष्यवाणियों के जवाब कब मिलेंगे?

दाईं ओर की शेल्फ़ में वे भविष्यवाणियाँ, जिनका तय वर्ष अभी नहीं आया है, और वे जिनका वर्ष अभी आया है, तय वर्ष के क्रम में रखी हैं। कंपनी किसी भी नाम की हो, उसकी भविष्यवाणी एक समान आकार के 1 कार्ड पर है। शब्दावली मूल पाठ जैसी है (लगता है, संभव है, हो सकता है)।

कुछ भविष्यवाणियाँ वर्ष नहीं बतातीं। 2024 में OpenAI के प्रमुख ऑल्टमैन (Altman) ने लिखा, (अनुवाद)। 2,000 दिन हों तो लगभग 2030, और 5,000 दिन हों तो लगभग 2038 (इस साइट की गणना)। कुछ का तय वर्ष आ चुका है। 2011 में शेन लेग (Shane Legg) ने मानव स्तर की AGI (कई तरह के काम कर सकने वाला AI) के लिए “औसत 2028, सबसे अधिक संभावित वर्ष 2025” का अनुमान लगाया। 2025 बीत चुका है, लेकिन इस साइट को ऐसा स्रोत नहीं मिला जिसमें किसी तीसरे पक्ष ने उसे हासिल हुआ माना हो। आज का स्लाइडर बदलकर देखें।

जवाब तक के वर्ष = (जवाब की तारीख − आज) ÷ 365.25
365.25
लीप वर्ष को शामिल करके 1 वर्ष के दिनों का औसत

चित्र क्या दिखाता है:आज की बहुत-सी भविष्यवाणियों का जवाब वाला वर्ष अभी नहीं आया है। जिनका वर्ष आ चुका है, जैसे लेग (Legg) का 2025, उनमें भी उपलब्धि होने का किसी तीसरे पक्ष का निर्णय बताने वाला स्रोत नहीं मिला है।

152002〜2029 · शर्त

5 मिनट का टेस्ट और 24 घंटे का टेस्ट

एक ही हो, तब भी शर्तें अलग हों तो क्या परिणाम बदलता है?

आविष्कारक रे कुर्ज़वाइल (Ray Kurzweil) ने भविष्यवाणी की कि AI 2029 तक मानव स्तर की बुद्धिमत्ता तक पहुँचेगा और 2002 में मिच केपोर (Mitch Kapor) के साथ 20,000 डॉलर की शर्त लगाई। नियम ऐसे हैं: 3 निर्णायक एक कंप्यूटर और 3 मनुष्यों, कुल 4 उम्मीदवारों के साथ (अनुवाद) करेंगे। कंप्यूटर 2 या अधिक निर्णायकों को धोखा दे सके, तो पास होगा।

2025 में अमेरिका के विश्वविद्यालय के शोधकर्ताओं ने बताया कि एक प्रयोग में प्रश्नकर्ता व्यक्ति और मशीन दोनों से एक साथ 5 मिनट बात करता था, और GPT-4.5 को 73% बार मनुष्य माना गया। लेकिन यह शर्त वाला टेस्ट नहीं था, और शर्त का जवाब 2029 तक नहीं मिलेगा। दाईं ओर का चित्र दिखाता है कि हर 1 मिनट में पहचाने जाने की प्रायिकता p (इस साइट की चुनी हुई संख्या) हो, तो जितनी लंबी बातचीत, उतना आसानी से पता चलता है।

q= (1 − p)T  2 या अधिक व्यक्ति =3q2(1 − q)+q3
q
T मिनट तक धोखा बनाए रखने की प्रायिकता
p
हर 1 मिनट में पहचाने जाने की प्रायिकता (हर मिनट समान मानते हैं)

चित्र क्या दिखाता है:हर 1 मिनट में पहचाने जाने की संभावना कम हो, तब भी अधिक देर बात करने पर पहचान की संभावना बढ़ती है। 5 मिनट की परीक्षा पास करने से 24 घंटे की परीक्षा पास होना ज़रूरी नहीं।

बातचीत का समय और धोखा बनाए रखने की प्रायिकता
162022→2025 · प्रायिकता की भविष्यवाणी

8% से कम और 16% से अधिक: जवाब मिला

“घटना होने की संभावना 8% है” जैसी भविष्यवाणी की जाँच कैसे करते हैं?

फरवरी 2022 में AI की प्रगति पर अलग-अलग मत रखने वाले 2 AI शोधकर्ताओं ने ऐसी भविष्यवाणी सार्वजनिक की जिसका जवाब स्पष्ट मिल सके। उन्होंने अंतरराष्ट्रीय गणित ओलंपियाड (हाई स्कूल के विद्यार्थियों की प्रतियोगिता) में (अनुवाद) की संभावना बताई। पॉल क्रिस्टियानो (Paul Christiano) ने 8% से कम और एलिएज़र युडकोव्स्की (Eliezer Yudkowsky) ने 16% से अधिक कहा।

जुलाई 2025 में Google DeepMind ने बताया कि Gemini के अधिक सक्षम संस्करण ने 6 में से 5 प्रश्न पूरी तरह हल करके 42 में से 35 अंक (स्वर्ण पदक के स्तर के अंक) हासिल किए। उत्तर 4.5 घंटे की सीमा में सामान्य भाषा में लिखे गए और प्रतियोगिता के परीक्षकों ने औपचारिक रूप से उनका मूल्यांकन किया। सबसे कठिन प्रश्न 6 हल नहीं हुआ।

प्रायिकता की भविष्यवाणी को केवल “सही या ग़लत” नहीं कह सकते, इसलिए ब्रायर स्कोर से उसका मूल्यांकन करते हैं। घटना हुई हो तो 1, नहीं हुई हो तो 0 लेते हैं, और बताई गई प्रायिकता से उसके अंतर का वर्ग निकालते हैं। जितना छोटा, उतना अच्छा। दाईं ओर के चित्र में प्रायिकता बदलें और बार-बार भविष्यवाणी करने पर स्कोर की भी तुलना करें। केवल 1 मामले से तय नहीं होता कि किसका अनुमान बेहतर है।

ब्रायर स्कोर = (p − o)2
p
बताई गई प्रायिकता
o
घटना हुई तो 1, नहीं हुई तो 0

चित्र क्या दिखाता है:संभावना की भविष्यवाणी को, घटना हो तो 1 और न हो तो 0 से उसके अंतर की 2 घात, यानी ब्रायर स्कोर, से अंक दिए जाते हैं। 2025 में स्वर्ण पदक मिलने से 16% से अधिक संभावना वाले पक्ष का अंक बेहतर था, लेकिन केवल 1 घटना से तय नहीं होता कि किसका अनुमान बेहतर है।

100 बार दोहराने पर औसत स्कोर का बदलाव
172025 · आगे की गति

एक ही अतीत से 3 भविष्य

पिछला डेटा हो, तो क्या आगे की गति तय हो जाती है?

जनवरी 2025 में योशुआ बेंजियो (Yoshua Bengio) के नेतृत्व में 96 विशेषज्ञों ने AI सुरक्षा पर एक अंतरराष्ट्रीय रिपोर्ट तैयार की। विशेषज्ञों में 30 देशों तथा संयुक्त राष्ट्र, EU और OECD की चुनी हुई सलाहकार समिति के सदस्य भी हैं (जापान से हिरोआकी कितानो (Hiroaki Kitano))। रिपोर्ट ने सामान्य प्रयोजन वाले AI की क्षमता की प्रगति के बारे में लिखा, (अनुवाद), और आगे की गति पर विशेषज्ञों के मत अलग हैं।

दाईं ओर के चित्र में उन्हीं बिंदुओं (इस साइट की बनाई संख्याएँ) से 3 रेखाएँ मिलाई गई हैं: सीधी रेखा, घातीय वक्र (हर निश्चित वर्ष-अंतराल में कई गुना बढ़ना) और S आकार का वक्र (किसी समय वृद्धि थम जाना)। अतीत की सीमा में सभी रेखाएँ बिंदुओं के पास से गुजरती हैं। लेकिन जहाँ आगे का डेटा नहीं है, वहाँ वे बहुत अलग हो जाती हैं। केवल पिछले बिंदुओं से तय नहीं कर सकते कि कौन-सा रूप सही है।

सीधी रेखा y=a+bt घातीय वक्र y=a·ebt S आकार y=K/ (1+e−b(t − t₀))
t
वर्ष
K
वह ऊपरी सीमा जहाँ वृद्धि थमती है
t₀
सबसे तेज़ वृद्धि का वर्ष

चित्र क्या दिखाता है:एक ही पुराने बिंदुओं से सीधी, घातीय और S आकार की 3 रेखाएँ मिलाएँ तो तीनों पुराने बिंदुओं के पास रहती हैं, लेकिन भविष्य में बहुत अलग होती हैं। केवल पुराने बिंदु सही आकार तय नहीं करते।

पिछले बिंदुओं से त्रुटि (हर रेखा के लिए)
182025 · अंदर की जाँच

बनाने वाले भी अंदर की बात मुश्किल से समझते हैं

प्रशिक्षण से बनाए गए AI के भीतर क्या हो रहा है, क्या हम जान सकते हैं?

उसी अंतरराष्ट्रीय रिपोर्ट ने समझाया कि सामान्य प्रयोजन वाले AI मॉडल (अनुवाद), और लिखा, (अनुवाद)।

AI के भीतर क्या गणना होती है, इसकी जाँच करने वाले 29 शोधकर्ताओं (कंपनियों और विश्वविद्यालयों से) ने भी 2025 में लिखा, (अनुवाद)। जैसे, मुख्य संकेत के रूप में इस्तेमाल की जाने वाली वास्तव में क्या हैं, यह स्पष्ट नहीं है। अभी मुख्यतः बाहर से उत्तर देखने वाले परीक्षणों से जाँच होती है। छोटे खिलौने जैसे AI पर काम करने वाली विधियाँ बड़े AI पर भी काम करेंगी या नहीं, पता नहीं है।

दाईं ओर का चित्र वहीं प्रशिक्षण दिए गए एक छोटे न्यूरल नेटवर्क का है (छिपी परत में 4 न्यूरॉन; चित्र में हिस्से)। न्यूरॉन दबाने पर दिखता है कि इनपुट के किस हिस्से पर उसकी प्रतिक्रिया अधिक है। बाहर से देखें चुनने पर केवल उत्तर दिखते हैं।

चित्र क्या दिखाता है:4 न्यूरॉन वाले छोटे नेटवर्क में हर 1 को दबाकर उसकी प्रतिक्रिया जाँच सकते हैं। लेकिन बड़े AI में कई अरब संख्याएँ होती हैं और अक्सर केवल बाहर से जवाब देखना संभव होता है।

192025〜2026 · उम्मीदें और क़ीमत

उम्मीद थोड़ी बदले, क़ीमत बहुत बदलती है

केंद्रीय बैंक को AI से जुड़ी उम्मीदों की चिंता क्यों हुई?

अक्टूबर 2025 में ब्रिटेन के केंद्रीय बैंक (बैंक ऑफ़ इंग्लैंड) की एक समिति ने लिखा, (अनुवाद)। उसने यह भी कहा कि (अनुवाद), तो बाज़ार पर बड़ा असर पड़ सकता है। जुलाई 2026 में भी उसने कहा, (अनुवाद), लेकिन क़ीमतें बढ़ती रही थीं।

शेयर की क़ीमत को भविष्य में लगातार मिलने वाले लाभ की उम्मीद से समझने का एक तरीक़ा है। मानें कि लाभ हर वर्ष g की दर से बढ़ेगा और छूट दर r से उसे आज के मूल्य में बदलें, तो क़ीमत = अगले वर्ष का लाभ ÷ (r − g)। g, r के पास हो, तो g के थोड़ा घटने पर भी क़ीमत बहुत गिरती है (चित्र की संख्याएँ इस साइट ने बनाई हैं)। चौथे उछाल के बाद सर्दी आएगी या नहीं, अभी पता नहीं है।

क़ीमत = अगले वर्ष का लाभ ÷ (r − g)
r
भविष्य के पैसे को आज के मूल्य में बदलने की दर (छूट दर)
g
लाभ की वार्षिक वृद्धि दर (यह समीकरण g<r होने पर लागू है)

चित्र क्या दिखाता है:कीमत = अगले वर्ष का लाभ ÷(r − g)होने से, लाभ की अपेक्षित वृद्धि g छूट दर r के पास हो तो g केवल 1 अंक घटने पर भी कीमत बहुत गिर जाती है।

वृद्धि की उम्मीद 1 प्रतिशत अंक घटने पर क़ीमत में गिरावट
अंत में

जवाब के वर्ष अभी आने हैं

इस अध्याय में रखी गई बहुत-सी भविष्यवाणियों का तय वर्ष अभी नहीं आया है। जिनके जवाब मिले, उन्होंने गणित ओलंपियाड की तरह पहले से तय किया था कि “किस उपलब्धि को सही भविष्यवाणी मानेंगे”। जो वर्ष नहीं बतातीं या शब्दों का अर्थ (AGI, शक्तिशाली AI, सुपरइंटेलिजेंस) तय नहीं करतीं, उन भविष्यवाणियों की जाँच करना तय वर्ष आ जाने पर भी कठिन है।

3 बातें अब भी पता नहीं हैं। आज के बड़े AI के भीतर क्या हो रहा है (बनाने वाले भी लगभग समझ नहीं पाते)। आगे प्रगति की गति क्या होगी (धीरे, तेज़ या बहुत तेज़—तीनों संभव हैं)। और चौथे उछाल के बाद सर्दी आएगी या नहीं।

पिछले उछालों में भी उस समय के लोग कहते थे, “इस बार तो असली है”। अगले अध्याय में 4 लहरें एक-दूसरे पर रखकर इस साइट की जुटाई सभी भविष्यवाणियों का एक नक़्शा बनाएँगे। जो रूप दोहराव जैसे लगते हैं और जो अभी पता नहीं है, उन्हें जाँचें।

इस अध्याय की अन्य घटनाएँ (4; सभी के साथ मूल स्रोत और भरोसे का स्तर)
8 अक्टूबर 2024मूल स्रोत से पुष्टि

सीखने वाले AI (न्यूरल नेटवर्क) की नींव रखने वाले हॉपफ़ील्ड (John Hopfield) और हिंटन (Geoffrey Hinton) को भौतिकी का नोबेल पुरस्कार

2024 का भौतिकी का नोबेल पुरस्कार जॉन हॉपफ़ील्ड (प्रिंसटन विश्वविद्यालय, अमेरिका) और जेफ़्री हिंटन (टोरंटो विश्वविद्यालय, कनाडा) को दिया गया। कारण था (अनुवाद)। हॉपफ़ील्ड ने 1982 में अधूरी जानकारी से याद रखे गए पैटर्न को फिर बनाने की व्यवस्था (साहचर्य स्मृति) प्रस्तावित की। हिंटन ने इसके आधार पर सीखने वाली व्यवस्था बोल्ट्ज़मान मशीन बनाई। दोनों ने भौतिकी (चुंबकों के गुणों और बहुत सारे कणों के समूहों का अध्ययन) की विधियाँ अपनाईं। चयन समिति की विस्तृत व्याख्या में जापानी शोधकर्ताओं (1972 के नाकानो (Nakano) और अमारी (Amari), 1980 के फ़ुकुशिमा (Fukushima)) के शोधपत्र भी इसी धारा के शोध के रूप में उद्धृत हैं।

2 मूल स्रोत और उनकी जाँच का विवरण
  1. Press release: The Nobel Prize in Physics 2024 (The Royal Swedish Academy of Sciences · 2024 · मुख्य पाठ · मूल स्रोत)
  2. Scientific Background to the Nobel Prize in Physics 2024 (The Nobel Committee for Physics · 2024 · PDF का पृष्ठ 4 मुख्य पाठ p.4 (संदर्भ [5-10]), p.5 (1982 की साहचर्य स्मृति)… · मूल स्रोत)
9 अक्टूबर 2024मूल स्रोत से पुष्टि

रसायन विज्ञान के नोबेल पुरस्कार का आधा हिस्सा प्रोटीन की संरचना का अनुमान लगाने वाला AI बनाने वाले हसाबिस (Demis Hassabis) और जम्पर (John Jumper) को

2024 के रसायन विज्ञान के नोबेल पुरस्कार का आधा हिस्सा डेविड बेकर (David Baker, वॉशिंगटन विश्वविद्यालय, अमेरिका) को कंप्यूटर से नए प्रोटीन डिज़ाइन करने के लिए दिया गया। दूसरा आधा हिस्सा (अनुवाद) के लिए डेमिस हसाबिस और जॉन जम्पर (Google DeepMind, ब्रिटेन) को मिला। घोषणा में बताया गया कि दोनों ने 2020 में AlphaFold2 जारी किया, जो लगभग 20 करोड़ ज्ञात प्रोटीनों में से करीब सभी की संरचना का अनुमान लगा सका। इसका इस्तेमाल 190 देशों में 20 लाख से अधिक लोग करते हैं। पिछले दिन के भौतिकी पुरस्कार को मिलाकर, लगातार 2 दिनों में AI से जुड़े शोध को नोबेल पुरस्कार के लिए चुना गया।

1 मूल स्रोत और उनकी जाँच का विवरण
  1. Press release: The Nobel Prize in Chemistry 2024 (The Royal Swedish Academy of Sciences · 2024 · मुख्य पाठ · मूल स्रोत)
25 अगस्त 2026मूल स्रोत से पुष्टि

(अनुवाद) कहलाने वाला Amazon Mechanical Turk 21 साल बाद बंद (30 सितंबर 2026)

Amazon Mechanical Turk 2005 में शुरू हुई ऐसी व्यवस्था है जिससे प्रोग्राम लोगों को छोटे काम सौंप सकते हैं (2009 में ImageNet के लिए यह जाँचने में इसका उपयोग हुआ कि तस्वीर वास्तव में उसी वस्तु की है या नहीं)। अगस्त 2026 में Amazon ने (अनुवाद) 30 सितंबर को सेवा स्थायी रूप से बंद करने की घोषणा की। काम देना और लेना 30 सितंबर को बंद हो जाता है। उसी दिन से AWS की डेटा पर लेबल लगाने वाली सेवाओं (जैसे SageMaker Ground Truth) में भी Turk के कामगारों को नहीं चुना जा सकेगा। खबरों (CNBC) के अनुसार, एक समय 5 लाख से अधिक कामगार थे। हाल में उपयोग घट रहा था और डेटा पर लेबल लगाने वाली दूसरी कंपनियाँ बढ़ रही थीं। 2023 में स्विट्ज़रलैंड के विश्वविद्यालय EPFL के शोध ने अनुमान लगाया कि Turk पर पाठ का सार लिखने का काम करने वालों में 33〜46% ने पाठ बनाने वाला AI इस्तेमाल किया था।

आम तौर पर कही जाने वाली बात:खबर में कहा गया, (अनुवाद)
मूल स्रोत के अनुसार:मूल शोध में Turk पर दिए गए 1 काम (पाठ का सार लिखना) के लिए 33〜46% का अनुमान था। शोधकर्ता खुद लिखते हैं, (अनुवाद)।

जो अभी पता नहीं है:मनुष्यों का बनाया हुआ माने जाने वाले डेटा में AI से बना कितना डेटा मिला हुआ है, इस पर अभी शोध जारी है। इसमें पहचानने की विधियाँ भी शामिल हैं (2023 का शोध बताता है कि मानव डेटा को मानव डेटा बनाए रखने के लिए नई विधियाँ चाहिए)।

5 मूल स्रोत और उनकी जाँच का विवरण
  1. Amazon Mechanical Turk — Help (Closure FAQs, 2026-09-23 को सहेजा गया) (Amazon Mechanical Turk · 2026 · सबसे ऊपर की घोषणा और Closure FAQs · मूल स्रोत)
  2. Amazon service Bezos once called 'artificial artificial intelligence' is shutting down (Annie Palmer (CNBC) · 2026 · मुख्य पाठ · बाद में लिखा गया सारांश)
  3. Artificial Artificial Artificial Intelligence: Crowd Workers Widely Use Large Language Models for Text Production Tasks (arXiv:2306.07899v1) (Veniamin Veselovsky, Manoel Horta Ribeiro, Robert West (EPFL) · 2023 · PDF का पृष्ठ 1 Abstract · मूल स्रोत)
  4. Announcing Amazon Mechanical Turk (AWS What's New) (Amazon Web Services · 2005 · मुख्य पाठ · मूल स्रोत)
  5. ImageNet: A Large-Scale Hierarchical Image Database (CVPR 2009) (जिया डेंग (Jia Deng) और अन्य · 2009 · PDF का पृष्ठ 4 3. Constructing ImageNet · मूल स्रोत)
23 सितंबर 2026पुष्टि कमज़ोर हैस्रोतों में मतभेद हैजापान

Wikipedia के जापानी संस्करण में शीर्षक (अनुवाद); अंग्रेज़ी में बिना नंबर के (अनुवाद) (AI boom, 2020 का दशक) और “AI का वसंत” (अनुवाद) (AI spring)

Wikipedia के जापानी लेख (अनुवाद) (人工知能の歴史) के शीर्षकों में पहला AI उछाल 1956〜1974, पहली AI सर्दी 1974〜1980, दूसरा उछाल 1980〜1987, दूसरी AI सर्दी 1987〜1993, तीसरा उछाल 2006〜2019 और चौथा (अनुवाद) बताया गया है। जापानी लेख (AIの冬) में “मौजूदा AI वसंत (2022〜वर्तमान)” (अनुवाद) नाम का खंड है। अंग्रेज़ी लेख “AI boom” ( (अनुवाद)) हाल के उछाल को 2020 के दशक में रखता है, कोई नंबर नहीं देता और कहता है कि इसे “AI spring” (“AI का वसंत” (अनुवाद)) भी कहते हैं। अंग्रेज़ी लेख “AI winter” ( (अनुवाद)) बड़े सर्दी के दौर 2 मानता है: 1974〜1980 और 1987〜2000।

जो अभी पता नहीं है:Wikipedia समय-समय पर बदलता रहता है। यहाँ सितंबर 2026 (2026-09) के संस्करणों का विवरण दिया गया है।

3 मूल स्रोत और उनकी जाँच का विवरण

स्रोतों के बीच मतभेद:चौथे उछाल की शुरुआत: Wikipedia के जापानी (अनुवाद) (人工知能の歴史) में 2020 के दशक से आगे, जबकि जापानी (AIの冬) में 2022 से (AI का वसंत)। तीसरे उछाल का समय: उसी (अनुवाद) (人工知能の歴史) में 2006〜2019 (2020 के दशक से चौथा उछाल)। दूसरी सर्दी का अंत: अंग्रेज़ी “AI winter” ( (अनुवाद)) में 2000 और जापानी (अनुवाद) (人工知能の歴史) में 1993।

  1. Wikipedia का जापानी लेख “कृत्रिम बुद्धिमत्ता का इतिहास” (अनुवाद) (संस्करण 111074494, 2026-09-19) (Wikipedia日本語版「人工知能の歴史」(版111074494、2026-09-19)) (Wikipedia · 2026 · शीर्षक · बाद में लिखा गया सारांश)
  2. Wikipedia का जापानी लेख “AI की सर्दी” (संस्करण 111086722, 2026-09-20) (Wikipedia日本語版「AIの冬」(版111086722、2026-09-20)) (Wikipedia · 2026 · खंड “मौजूदा AI वसंत (2022〜वर्तमान)” (अनुवाद) · बाद में लिखा गया सारांश)
  3. Wikipedia के अंग्रेज़ी लेख “AI boom” (“AI का उछाल” (अनुवाद)) (संस्करण 1376281315, 2026-09-23) और “AI winter” (“AI का शीतकाल” (अनुवाद)) (संस्करण 1374895630, 2026-09-14) (Wikipedia · 2026 · पहला अनुच्छेद · बाद में लिखा गया सारांश)