एआईलाई कसरी परिभाषित गर्ने?

काठमाडौंमा दस जनालाई “कृत्रिम बुद्धिमत्ता के हो?” भनेर सोध्नुहोस् — दस फरक उत्तर पाउनुहुनेछ। कसैले च्याटजीपीटी भन्लान्। कसैले चलचित्रका रोबटहरू सम्झलान्। कसैले अस्पष्ट रूपमा भन्लान् कि केही भइरहेको छ, र त्यो आफूमाथि नआउँदै बुझ्न जरुरी छ।

यो पाठ्यक्रम दशौं व्यक्तिका लागि हो — जो सरल भाषामा, बढाइ-चढाइ नगरी, यो वस्तु वास्तवमा के हो भनेर थाहा पाउन चाहन्छ।

कार्यगत परिभाषा

एआई कुनै एउटा प्रविधि होइन। यो प्रविधिहरूको एक खुकुलो परिवार हो — कम्प्युटरलाई ती कामहरू गराउने जुन केही समयअघिसम्म मानव मस्तिष्क मात्र गर्न सक्थ्यो। तस्बिरमा अनुहार चिन्ने। नेपालीलाई अंग्रेजीमा अनुवाद गर्ने। खल्तीको कारोबार ठगी हो कि होइन छुट्याउने। इमेलको मस्यौदा लेख्ने। चेस खेल्ने।

यी सबै प्रविधिलाई जोड्ने तत्त्व जादू होइन। यो ढाँचा हो — विशाल मात्रामा — र त्यो ढाँचा डाटाभित्र खोज्ने गणितीय यन्त्र हो।

“बुद्धिमत्ता” गलत शब्द हो

“कृत्रिम बुद्धिमत्ता” मा बुद्धिमत्ता शब्दले धेरै काम गरिरहेको छ — र त्यसमध्ये धेरैजसो भ्रामक छ। हामीले अध्ययन गर्न लागेका प्रणालीहरूले सोच्दैनन्। बुझ्दैनन्। कुनै इच्छा राख्दैनन्। तिनीहरू गणितीय कार्य हुन्: तपाईंले इनपुट दिनुहुन्छ, तिनीहरूले आउटपुट दिन्छन्, र त्यति नै हो।

जे साँच्चै नयाँ छ त्यो हो — यी कार्यहरू केही निश्चित साँघुरा कार्यमा कति राम्रा भएका छन्। लाखौं नेपाली-अंग्रेजी वाक्य-जोडीमा तालिम पाएको आधुनिक अनुवाद मोडेलले दश वर्षअघि मानवले मात्र गर्न सक्ने अनुवाद उत्पादन गर्न सक्छ। यो विस्मयकारी छ। तर यो तपाईंकी आमाले बुझ्नुहुने अर्थमा “बुद्धिमत्ता” भने होइन।

घर नजिकका तीन उदाहरण

यसलाई ठोस बनाउन, नेपालमा तपाईंले दैनिक प्रयोग गरिरहनुभएका तीन प्रणालीलाई हेरौं:

खल्तीको ठगी पहिचान। तपाईंले कुनै विक्रेतालाई रू. ५,००० पठाउनुहुँदा, एक मोडेलले मिलिसेकेन्डभित्र — लाखौं अघिल्ला कारोबारका ढाँचाहरूको आधारमा — यो कारोबार “तपाईंजस्तो देखिन्छ कि देखिँदैन” भनेर निर्णय गर्छ। नदेखिए, तपाईंलाई OTP जाँच आउँछ। मोडेलले तपाईंलाई कहिल्यै भेटेको छैन। यसले केवल ढाँचा देखेको छ।
पठाओको मार्ग सुझाव। साँझ ६ बजे नक्सालबाट कुनै राइडरले पाटन जान एप खोल्दा, प्रणालीले मार्ग सुझाउँछ। यसले विगतका यात्राबाट सिकेको ट्राफिक ढाँचालाई अरू सवारीको रियल-टाइम स्थानसँग सन्तुलित गर्दैछ। तपाईंको मार्ग कुनै मानवले छानिरहेको छैन। एउटा कार्यले छानिरहेको छ।
तपाईंको फोनको देवनागरी OCR। असनको साइनबोर्डमा फोन क्यामेरा तेर्साउनुहोस् — फोनले नेपाली अक्षर पढ्न सक्छ। बीस वर्ष अगाडि यो अनुसन्धान प्रयोगशालामा मात्र सम्भव थियो। आज यो तपाईंकै फोनमा निःशुल्क सुविधा हो, किनकि अन्तर्निहित ढाँचा — लाखौं हस्तलिखित नमूनामा “क” अक्षर कस्तो देखिन्छ? — सिकाइसकिएको छ।

यीमध्ये कुनै पनि बुद्धिमान् होइनन्। प्रत्येक आफ्नो साँघुरो क्षेत्रमा अत्यन्तै उपयोगी छ।

यो किन नेपालका लागि महत्त्वपूर्ण छ

यस्तो पाठ्यक्रम पढ्दा एउटा प्रलोभन हुन्छ — एआई नेपालमाथि हुने केही हो भनी मान्ने: क्यालिफोर्नियामा बनाइएको, काठमाडौंमा लागू भएको, हामी निष्क्रिय प्रयोगकर्ता मात्र। यो दुई कारणले गलत छ।

पहिलो, यी प्रविधिहरू गोप्य छैनन्। न्यूरल नेटवर्कको गणित पाठ्यपुस्तकमा छ। कोड गिटहबमा छ। बाधा ज्ञानको होइन; डाटाको, गणनाको, र तिनलाई स्थानीय समस्यामा लगाउने कल्पनाशक्तिको हो। यी प्रविधि बुझ्ने र नेपाली जीवनका ढाँचा — धानको उत्पादन, मनसुनको समय, बसाइँसराइ, हाम्रो भाषाका विशिष्ट मोडहरू — गहिरो रूपमा बुझ्ने नेपाली विकासकर्तासँग कुनै विदेशी टोलीले मिलाउन नसक्ने सुविधा छ।

दोस्रो, अन्यत्र तालिम पाएका एआई प्रणाली यहाँ यस्तो ढंगले बिग्रन्छन् जुन तिनका निर्माताले कहिल्यै देख्दैनन्। मुख्यतया युरोपेली अनुहारमा तालिम पाएको अनुहार पहिचान प्रणालीले नेपाली अनुहारलाई गलत पहिचान गर्छ। अंग्रेजीमा तालिम पाएको भाषा मोडेलले नेपाली इतिहासबारे सोध्दा भ्रम सिर्जना गर्छ। नेपालमा एआई साक्षरता निर्माण भनेको अरूले बनाएको कुरा प्रयोग गर्ने मात्र होइन। यो कहाँ बिग्रिन्छ थाहा पाएर त्यसलाई मर्मत वा प्रतिस्थापन गर्न सक्ने क्षमता हो।

आफ्नो बुझाइ जाँच्नुहोस्

Quick check

—

आधुनिक एआई प्रणालीहरूले के गर्छन् भन्ने सबैभन्दा सटीक विवरण कुन हो?

तिनीहरू मानवजस्तै तर्क गर्छन्, सोच्छन् — केवल छिटो।
तिनीहरूले ठूलो मात्राको डाटामा तथ्याङ्कीय ढाँचा खोज्छन् र त्यही ढाँचाबाट उत्पादन दिन्छन्।
तिनीहरूले प्रोग्रामरले लेखेका लामो सूचीका स्पष्ट नियम पालना गर्छन्।
तिनीहरू सचेत हुन्छन्, तर तिनको चेतना जैविक होइन, कृत्रिम हो।

Quick check

—

मुख्यतया युरोपेली अनुहारमा तालिम पाएको अनुहार-पहिचान प्रणाली काठमाडौंमा लागू गरिँदा पटक-पटक गलत पहिचान गर्छ। सबैभन्दा सम्भावित कारण के हो?

प्रणालीको कोडमा बग छ।
प्रणाली पर्याप्त छिटो हार्डवेयरमा चलिरहेको छैन।
तालिम डाटाले प्रणाली प्रयोग गरिने जनसंख्यालाई प्रतिनिधित्व गर्दैनथ्यो।
नेपाली अनुहारहरू स्वभावैले छुट्याउन गाह्रो हुन्छन्।

अब के?

अर्को खण्डमा हामी छिमेकी क्षेत्रहरू — मेसिन लर्निङ, डाटा साइन्स, रोबोटिक्स — हेर्नेछौं र तिनका बीचको साँचो सीमा कहाँ पर्छ भनेर बुझ्नेछौं। शब्दहरू महत्त्वपूर्ण छन्: यिनलाई मिसाउँदा बजेट गलत ठाउँमा खर्च हुन्छ।

अहिलेका लागि एउटा प्रश्नमा बस्नुहोस्: आज तपाईंको आफ्नै जीवनमा कहाँ-कहाँ नचाहिँदा एआई प्रयोग गरिसक्नुभयो?