जेनरेटिव AI बनाम AI की दूसरी किस्में।

किसी मशीन के ज़रिए इंसानी अक्लमंदी की नकल किया जाना आर्टिफ़िशियल इंटेलिजेंस कहलाता है। इंसानों जैसी हरकतें करने वाली मशीनों का पुरानी कहानियों में काफ़ी पहले से ज़िक्र मिलता है और सचमुच में भी ऐसा हासिल करने के लिए सदियों से कोशिशें होती आई हैं, लेकिन मशीन लर्निंग के सिलसिले में पहली सच्ची कामयाबी 1951 में हासिल हुई जब यूनिवर्सिटी ऑफ़ मैनचेस्टर में एक चेकर्स प्रोग्राम ने इंसानी खिलाड़ियों को हराने के लिए ज़रूरी हुनर सीख लिया। यह गेम AI का सबसे शुरुआती रूप था।

आज AI हर जगह छाया हुआ है, खासकर हमारे फ़ोन्स और मोबाइल ऐप्स में जहाँ यह चेहरे व बोली की पहचान करने, स्पैम फ़िल्टर करने, ग्रामर के सुझाव देने, और किसी भाषा का अनुवाद करने जैसे सामान्य कामों को पूरा करता है।

AI की ऐसी कोई एक किस्म नहीं है जो अकेले सारा काम कर लेती हो। जैसे वर्ड प्रॉसेसिंग, अकाउंटिंग, और डिजिटल कंपोज़िटिंग वाले कामों के लिए अलग-अलग कंप्यूटर प्रोग्राम्स की ज़रूरत होती है, उसी तरह अलग-अलग तरह के कामों के लिए अलग-अलग किस्म वाले AI की ज़रूरत होती है। आपका आए दिन जिन किस्मों वाली AI से सामना होता है, उनमें से ज़्यादातर तीन सबसे बुनियादी कैटेगरीज़ में से किसी न किसी में शामिल होती हैं।

इस किस्म वाली AI कुछ खास तरह के काम ही करती है और उससे आगे की कोई चीज़ नहीं सीखती। इमेज की पहचान करना, नैचुरल लैंग्वेज प्रॉसेसर्स, और इमेज जेनरेटर्स को नैरो आर्टिफ़िशियल इंटेलिजेंस की कैटेगरी में रखा जाता है। Siri, Google Assistant, और Alexa नैरो AI के रूप हैं। वे वॉइस कमांड्स को समझ सकते हैं और उनका जवाब दे सकते हैं, लेकिन वे आपकी बीमारी की सही-सही पहचान नहीं कर सकते।

जैसा कि नाम से पता चलता है, ये मशीनें सिर्फ़ स्टिम्यूलाइ (जैसे कि वर्चुअल शतरंज पर किसी भी टुकड़े से चली गई चाल) का ही जवाब दे सकती हैं। ये मशीनें लिमिटेड मेमरी AI मशीनों की तरह यादें इकट्ठा नहीं करतीं जिन्हें आगे चलकर इस्तेमाल किया जा सके, मगर ये डिजिटल ज़िंदगी का एक अहम हिस्सा होती हैं। स्पैम फ़िल्टर्स व रिकमेंडर सिस्टम्स जो आपका चीज़ों को इस्तेमाल करने का तौर-तरीका देखते हैं और उसके आधार पर आपको सुझाव देते हैं कि आपको अगली कौन सी फ़िल्म देखनी चाहिए या क्या खरीदना चाहिए, उन्हें रिएक्टिव मशीनों की कैटेगरी में रखा जाता है।

रिएक्टिव मशीनों के बाद AI डेवलपमेंट की फ़ील्ड में लिमिटेड मेमरी AI को अगला स्टेप माना जाता है। यह जानकारी स्टोर कर सकती है, इससे सीख सकती है, और सीखी गई चीज़ों का इस्तेमाल करके नए काम कर सकती है। इस किस्म की AI अनुमान लगाने में काम आती है व इसे फ़ाइनेंस से लेकर मौसम की जानकारी देने से जुड़े कामों में आने वाले दिनों के ट्रेंड्स का अनुमान लगाने के लिए इस्तेमाल किया जाता है। यह आजकल सबसे ज़्यादा इस्तेमाल होने वाली AI की किस्म है। यह चैटबॉट्स व खुद से चलने वाली कारों में पाई जाती है।

जैसे AI के अलग-अलग सबसेट्स को अलग-अलग कामों के लिए बनाया गया है, ठीक उसी तरह जेनरेटिव AI में भी अलग-अलग तरह के कॉन्टेंट बनाने के लिए अलग-अलग तरह के मॉडल्स शामिल होते हैं।

टेक्स्ट जेनरेशन शायद AI का सबसे जाना-पहचाना रूप है, और चैटबॉट AI मॉडल्स काफ़ी मशहूर हो गए हैं व आए दिन खबरों में दिखते रहते हैं। लोग इन टेक्स्ट जेनरेटर्स का इस्तेमाल प्रूफ़रीडिंग से लेकर सर्वे तैयार करने और कोड बनाने तक हर चीज़ के लिए करते हैं।

Adobe Firefly जैसे AI जेनरेटर्स टेक्स्ट प्रॉम्प्ट को इमेज में बदल सकते हैं। इन्हें आर्टिस्ट्स, कॉन्टेंट क्रिएटर्स, और मार्केटर्स कई तरह से इस्तेमाल कर सकते हैं। AI जेनरेटर्स को लाखों-करोड़ों इमेजेज़ और कैप्शन्स का इस्तेमाल करके ट्रेन किया जाता है। इन जेनरेटर्स की मदद से हर कोई टाइप करके बता सकता है कि उन्हें क्या आउटपुट चाहिए और तेज़ी से नई इमेजेज़ जेनरेट कर सकता है।

आर्टिस्ट्स व डिज़ाइनर्स इस टेक्नोलॉजी का इस्तेमाल, एक-एक इटीरेशन पर घंटों गँवाएँ बिना, नए-नए आइडियाज़ पर गौर करने व अपने काम को नए-नए अंदाज़ में आज़माकर देखने के लिए कर सकते हैं। मार्केटर्स और इंडिपेंडेंट कॉन्टेंट क्रिएटर्स जल्दी से खूबसूरत इमेजेज़ बना सकते हैं, भले ही उन्हें इस काम में पहले से महारत न हासिल हो।

जिस तरह इमेज जेनरेटर्स को इमेजेज़ के बड़े-बड़े डेटासेट्स पर ट्रेन किया जाता है, ठीक उसी तरह म्यूज़िक जेनरेटर्स को म्यूज़िक और मेटाडेटा पर ट्रेन किया जाता है। वे म्यूज़िक स्टाइल्स में व अलग-अलग आर्टिस्ट्स के कामों में मौजूद पैटर्न्स की पहचान कर सकते हैं और उनसे हासिल की गई सीख के आधार पर नया म्यूज़िक जेनरेट कर सकते हैं।

इस तरह के जेनरेटिव AI में वीडियो, साउंड, और इमेज, तीनों तरह के जेनरेशन्स शामिल होते हैं। इन मॉडल्स को ऑडियो, वीडियो, और टेक्स्ट वाले डेटा पर ट्रेन किया जाता है। ये टेक्स्ट प्रॉम्प्ट्स के आधार पर एडिट करने, कैप्शन डालने, अलग-अलग आउटपुट्स के हिसाब से साइज़ में बदलाव करने, और यहाँ तक कि नया वीडियो जेनरेट करने में भी वीडियो प्रोड्यूसर्स के लिए समय की बचत करने में उनकी मदद कर सकते हैं।