Anthropic के सह-संस्थापक जैक क्लार्क ने 17 अक्टूबर 2026 को थाईलैंड के बैंकॉक में आयोजित IMF की बैठक में पेर याकोब्सन व्याख्यान दिया। उन्होंने कहा कि AI गणित, भौतिकी और दवा-विकास जैसे विज्ञान के अग्रणी क्षेत्रों में परिणाम देने लगा है और अर्थशास्त्रियों तथा नीति-निर्माताओं से तेजी से हो रहे बदलावों के लिए तैयार रहने की अपील की। क्लार्क ने कहा कि «सिंगुलैरिटी पहले ही शुरू हो चुकी है» और इसके लाभ साझा करने के लिए जरूरी निवेश के साथ-साथ जानबूझकर आगे न बढ़ने के फैसले पर भी बात की।
लेख लिखने वाले AI से प्रयोगशाला में काम करने वाले AI तक
जनरेटिव AI की बात आते ही कई लोगों के मन में लेख और तस्वीरें बनाने वाले उपकरण आते हैं। लेकिन क्लार्क ने अपने व्याख्यान में इससे आगे की बात की। विषय था वैज्ञानिक शोध। उनका मानना है कि AI उस चरण में प्रवेश कर रहा है जहां वह मानव शोधकर्ताओं के साथ मिलकर अनसुलझे सवालों पर काम करेगा।
क्लार्क ने «तकनीकी सिंगुलैरिटी» की अवधारणा का उल्लेख किया, जिसकी भविष्यवाणी विज्ञान-कथा लेखक वर्नर विंज ने 1993 में की थी। यह उस स्थिति को कहते हैं जिसमें मानव से अधिक बुद्धिमान मशीनें प्रगति को आगे बढ़ाती हैं और प्रगति खुद उनसे भी अधिक बुद्धिमान अस्तित्वों को पहले से कम समय में जन्म देती है। क्लार्क ने कहा कि 2026 में इसकी शुरुआत के ठोस सबूत सामने आए हैं। उन्होंने यह भी माना कि «सिंगुलैरिटी का आगमन» उनका अपना विचार है और इसके ब्योरे पर बहस की गुंजाइश है। फिर भी, अंतरराष्ट्रीय मुद्रा कोष (IMF) के मंच पर इस अवधारणा का जिक्र करना ही इस बात का संकेत है कि AI पर चर्चा तकनीकी उद्योग से बाहर तक पहुंच रही है।
क्या AI शोधकर्ताओं का «हाथ» बनेगा?
व्याख्यान में कई क्षेत्रों के उदाहरण दिए गए। गणित में AI का इस्तेमाल लंबे समय से अनसुलझी समस्याओं के समाधान सुझाने के लिए किया गया है। बताया गया कि कुछ मामलों में अहम अंतर्दृष्टि AI ने दी। जीवविज्ञान में वायरस डिजाइन करने और नई दवाओं के संभावित उम्मीदवारों की पहचान करने के लिए AI का इस्तेमाल हो रहा है। क्लार्क के मुताबिक, AI की अहम भूमिका के साथ डिजाइन की गई दवाएं पहले ही क्लिनिकल परीक्षणों में पहुंच चुकी हैं। रोबोटिक्स में AI प्रयोगशाला के उपकरणों को दूर से, स्वायत्त रूप से संचालित कर रहा है और बैटरी तथा ईंधन सेल के विकास जैसे क्षेत्रों में प्रयोगों को स्वचालित करने में मदद कर रहा है।
क्लार्क ने जोर दिया कि ये अलग-अलग तकनीकें नहीं हैं। कई तरह के कामों में एक ही अत्याधुनिक मॉडल का इस्तेमाल हो रहा है। उनका आकलन है कि Claude, ChatGPT और Gemini जैसे सिस्टम अब विज्ञान के कई क्षेत्रों में अग्रणी स्तर का काम कर सकते हैं।
क्लार्क ने यह भी कहा कि सॉफ्टवेयर विकास में पहले दिखे बदलाव विज्ञान और रोबोटिक्स तक फैल सकते हैं। उनके मुताबिक, Anthropic के शोधकर्ता अब कंपनी की स्थापना के बाद पहले 4 वर्षों में लिखे गए कोड की मात्रा से करीब 10 गुना कोड लिखते हैं। वहीं, कोडिंग क्षमता में सुधार से साइबर हमले करने की क्षमता भी बढ़ती है और हमलावरों तथा बचाव करने वालों के बीच प्रतिस्पर्धा पैदा होती है। फायदे और जोखिम एक-दूसरे से अलग नहीं, बल्कि साथ-साथ सामने आते हैं। क्लार्क ने इसे «आगे क्या होने वाला है, उसका ट्रेलर» बताया।
अंकों में दिखती तेज बढ़त और भौतिकविदों के अनुभव
क्षमता में बढ़ोतरी दिखाने के लिए क्लार्क ने दो परीक्षणों के आंकड़े पेश किए। कठिन सवालों के संग्रह «Humanity's Last Exam» में जनवरी 2025 में सार्वजनिक रूप से जारी होने के समय सबसे अधिक अंक 8% थे। व्याख्यान वाले सप्ताह तक यह आंकड़ा 67.7% पहुंच गया था। गणितज्ञों द्वारा तैयार सवालों के संग्रह «FrontierMath» में उन्होंने बताया कि नवंबर 2024 में जारी होने के समय के 2% से अंक बढ़कर 94% हो गए। ये वे आंकड़े हैं जो क्लार्क ने व्याख्यान में पेश किए।
सैद्धांतिक भौतिकी के नए मूल्यांकन «TheoPhysEval» से जुड़ा एक किस्सा खासा दिलचस्प है। दुनिया भर के भौतिकविदों द्वारा जुटाए गए 50 अप्रकाशित सवालों को हल करने के लिए AI को दिया गया। AI ने न सिर्फ ऊंचे अंक हासिल किए, बल्कि दावा किया कि विशेषज्ञों के आदर्श उत्तर ही गलत हैं। दोबारा जांच करने पर विशेषज्ञों की गणनाओं में गहराई में कई जगह मामूली गलतियां मिलीं। हर सुधार के साथ AI के अंक बढ़े और अंततः वह 98% (50 में से 49 सवाल) तक पहुंच गया। यह किस्सा शोधपत्र के योगदानकर्ता सुव्रत राजू की टिप्पणी के रूप में पेश किया गया।
क्लार्क ने इस घटनाक्रम की तुलना फिल्मों के उस दृश्य से की जिसमें शिष्य गुरु से अपनी काबिलियत मनवा लेता है। यानी वह पल जब सिखाने वाला खुद सीखने वाले की भूमिका में आ जाता है। क्लार्क ने इस किस्से को अहमियत इसलिए दी क्योंकि अग्रणी विज्ञान «रचनात्मकता» की परीक्षा लेता है। उनका मानना है कि अगर AI विज्ञान में रचनात्मक ढंग से समस्याएं हल कर सकता है, तो यह क्षमता कई क्षेत्रों में, यहां तक कि AI अनुसंधान में भी, फैल सकती है।
जब शोधकर्ताओं की संख्या सौ गुना हो जाए, तो क्या आर्थिक वृद्धि बदल जाएगी?
आर्थिक वृद्धि की बात आते ही क्लार्क का दावा और भी साहसी हो जाता है। पिछली आधी सदी में कई देशों में शोधकर्ताओं की संख्या बढ़ी है, लेकिन शोध की उत्पादकता घटी है। इसे अक्सर इस समस्या के रूप में देखा जाता है कि «अच्छे विचार ढूंढ़ना मुश्किल होता जा रहा है»। अगर AI को «आभासी शोधकर्ता» के रूप में इस्तेमाल किया जा सके, तो शायद स्थिति बदल सकती है। क्लार्क ने अपने अनुभव का उदाहरण देते हुए सवाल उठाया: खुद को इस स्तर तक पहुंचने में करीब 40 साल लगे। अगर उनकी सैकड़ों या हजारों प्रतियां एक साथ काम कर सकें, तो क्या होगा?
मानव शोधकर्ताओं को तैयार करने में 10 से 15 साल और कई मिलियन डॉलर खर्च होते हैं। AI के मामले में, कंप्यूटिंग संसाधन उपलब्ध हों तो तुरंत मनचाही संख्या में शोधकर्ता तैयार किए जा सकते हैं। क्लार्क ने कहा कि इससे हर मानव वैज्ञानिक का महत्व बढ़ेगा और वे सैकड़ों से हजारों आभासी विशेषज्ञों की निगरानी करने की भूमिका में होंगे।
Anthropic के अपने सिमुलेशन के मुताबिक, यदि यह मान लिया जाए कि मॉडल कई तरह के काम स्वायत्त रूप से करने लगेंगे और अर्थव्यवस्था में तेज़ी से फैलेंगे, तो 2030 तक अमेरिका की GDP 44 ट्रिलियन डॉलर तक पहुंच सकती है। क्लार्क ने खुद माना कि यह बात «अविश्वसनीय» लग सकती है, लेकिन तकनीक लगातार आगे बढ़ती रही तो यह उसका स्वाभाविक नतीजा होगा। यह कुछ मान्यताओं पर आधारित अनुमान है, कोई निश्चित भविष्यवाणी नहीं।
खोजें बढ़ें, लेकिन उन्हें आगे बढ़ाने की व्यवस्था न हो तो नतीजे नहीं मिलेंगे
क्लार्क ने कहा कि कंप्यूटिंग संसाधनों के बाद जिन बुनियादी सुविधाओं का निर्माण करना चाहिए, उनमें प्रयोगशालाएं और रोबोट शामिल हैं। उनका कहना है कि पिछले 10 वर्षों से वे दुनिया भर की सरकारों से बिजली और डेटा केंद्रों की व्यवस्था करने का आग्रह करते रहे, लेकिन बहुत कम नीति-निर्माताओं ने उनकी बात सुनी। अब अमेरिका, चीन और मध्य पूर्व में डेटा केंद्रों की क्षमता बढ़ती जा रही है और आपूर्ति श्रृंखला पर दबाव के कारण कीमतें बढ़ रही हैं।
अगला चरण भौतिक दुनिया तक विस्तार का है। यूनेस्को के अनुमान के मुताबिक, दुनिया में करीब 1 करोड़ वैज्ञानिक हैं। क्लार्क ने कहा कि इतनी बड़ी संख्या के बावजूद शोध की निगरानी करने वाले विशेषज्ञों, पदार्थ विज्ञान के विश्लेषण केंद्रों, नई दवाओं के परीक्षण के लिए जीवविज्ञान प्रयोगशालाओं और अंतरिक्ष तथा पृथ्वी पर बड़े प्रयोगात्मक उपकरणों की कमी है। जब आभासी वैज्ञानिकों की संख्या 1 अरब या 10 अरब हो जाएगी, तो क्या होगा? उनका सवाल बहुत ठोस है।
यहां «खोजों के जाम» की चेतावनी पर ध्यान देना चाहिए। नई दवाओं के उम्मीदवारों की बाढ़ आ जाए, लेकिन उनमें से केवल मुट्ठी भर का परीक्षण हो सके, तो इसका खास अर्थ नहीं रह जाता। क्लार्क ने नीति-निर्माताओं से कहा कि ऐसी व्यवस्था चाहिए जो प्रयोगशाला से क्लिनिकल परीक्षणों, कारखानों और वास्तविक कामकाज की जगहों तक नतीजे पहुंचाने की रफ्तार बढ़ाए। AI «नए विचारों» को तेज़ी दे भी दे, लेकिन अगर सत्यापन और अमल की गति मानव समाज जितनी ही रही, तो अड़चन बस आगे खिसक जाएगी।
क्लार्क ने इस स्थिति को अलग-अलग देशों की भूमिका से जोड़कर देखा। उनके मुताबिक, मजबूत वैज्ञानिक आधार वाले विकसित देश शोधकर्ताओं की उत्पादकता बढ़ा सकते हैं। वहीं, कच्चा माल आदि मुहैया कराने वाले विकासशील देशों के पास परीक्षण केंद्र स्थापित करने और वैज्ञानिक समुदाय विकसित करने का अवसर है, जिससे वे आपूर्ति श्रृंखला में अपनी अहमियत बढ़ाने के लिए आगे की छलांग लगा सकते हैं।
क्या सौंपें और क्या समझें
व्याख्यान का उत्तरार्ध उम्मीदों से हटकर चुनावों पर केंद्रित हो गया। AI विज्ञान का काम कर सकता है, इसका मतलब यह नहीं कि हर काम उसे सौंप देना चाहिए। क्लार्क ने जीवविज्ञान अनुसंधान का उदाहरण देते हुए कहा कि इसमें सबसे कड़ी मानवीय निगरानी और पारदर्शिता की जरूरत है। AI पर होने वाले अनुसंधान के मामले में भी यही बात लागू होती है। AI के नेतृत्व में होने वाले शोध पर कितनी निगरानी रखी जाए, यह Anthropic जैसे शोध संस्थानों के सामने फैसला लेने का सवाल है। इससे प्रगति तेज़ हो सकती है, लेकिन नियंत्रण खोने का खतरा भी है, इसलिए सावधानी से आगे बढ़ना चाहिए। उन्होंने कहा कि नियम बनाना भी जरूरी होगा।
क्लार्क ने टोक्यो में विश्वविद्यालय के भौतिकी विभाग के एक छात्र से मुलाकात का किस्सा भी सुनाया। जब AI प्रयोगों का बड़ा हिस्सा करने लगा है, तो कौन-से प्रयोग खुद किए जाएं और कौन-से AI को सौंपे जाएं—यह तय कैसे हो? क्लार्क ने कहा कि उनके पास इसका जवाब नहीं है, लेकिन हर क्षेत्र को खुद इसका उत्तर तलाशना होगा।
दूसरा चुनाव यह है कि AI के नतीजों को हम किस हद तक समझना चाहते हैं। गणित के क्षेत्र में AI के नतीजे पहले ही इतने मौलिक हो चुके हैं कि उन्हें समझने के लिए मानवीय व्याख्या की जरूरत पड़ती है। इसके अलावा, कुछ ही वर्षों में AI द्वारा ऐसे नए प्रयोगात्मक उपकरणों का आविष्कार करने की संभावना दिख रही है, जो उसके काम करने के तरीके के अनुकूल हों। क्या मनुष्यों को उन उपकरणों को समझना चाहिए? क्लार्क ने कहा कि यह भी एक ऐसा चुनाव है जिसे हमें करना होगा।
«क्या किया जा सकता है» और «क्या किया जाना चाहिए» में फर्क
क्लार्क ने याद किया कि किशोरावस्था में उन्हें डर था कि बढ़ती आबादी, जलवायु परिवर्तन और संसाधनों की बर्बादी मिलकर मानवता को पतन की ओर ले जाएंगे। बाद में उन्होंने देखा कि सौर पैनल उम्मीद से कहीं तेज़ी से सस्ते हुए, मानव शरीर की समझ बढ़ने से बीमारियों के इलाज सामने आए, जानवरों की आवाज़ों को समझने के लिए AI का इस्तेमाल शुरू हुआ और रॉकेट उतरकर दोबारा इस्तेमाल किए जाने लगे। इन अनुभवों से उन्हें लगा कि तकनीक भविष्य की तस्वीर बदल सकती है। उन्होंने कहा कि AI पर काम करने की वजह भी यही है।
दूसरी ओर, AI में खतरे भी शामिल हैं। क्लार्क ने इस तकनीक और इसे विकसित करने वाली कंपनियों के लिए अभूतपूर्व और गंभीर नियम बनाने की जरूरत पर जोर दिया। साथ ही, उन्होंने «संयम» को मनुष्य के सबसे कठिन गुणों में से एक बताया। उनका कहना है कि बुनियादी ढांचा तैयार किया जाना चाहिए, लेकिन तकनीक के विकास की रफ्तार तय करते हुए सावधानी से आगे बढ़ना चाहिए।
समापन में क्लार्क ने कार्ल सागन की किताब «पेल ब्लू डॉट» की एक पंक्ति का हवाला दिया। उसका आशय था कि एक दिन दूसरे तारों तक पहुंचने वाले मनुष्य «हमसे बहुत मिलते-जुलते होंगे, लेकिन उनमें खूबियां अधिक और कमियां कम होंगी»। सागन ने जिस विकास की कल्पना कई लाख वर्षों में की थी, क्लार्क ने कहा कि «हमें इसे कुछ ही वर्षों में करना होगा»। शोध को तेज़ करने की क्षमता और रुककर सोचने का विवेक—सवाल यह है कि क्या हम दोनों को एक साथ विकसित कर सकते हैं।
コメント