और उपकरण नए उपकरण बना रहे हैं

लगभग 1800 में, हेनरी मॉडस्ले (Henry Maudslay) नाम के एक अंग्रेज़ इंजीनियर ने एक ऐसी खराद मशीन (lathe) बनाई जो बिल्कुल सटीक स्क्रू थ्रेड काट सकती थी, और यह इतिहास की सबसे अहम घटनाओं में से एक साबित हुई...

मॉडस्ले से पहले, थ्रेड हाथ से काटे जाते थे — एक बार में एक — इसलिए कोई भी दो थ्रेड बिल्कुल एक जैसे नहीं होते थे। एक वर्कशॉप का नट दूसरी वर्कशॉप के बोल्ट पर फिट नहीं होता था, इसलिए दुनिया की हर मशीन एक अनोखा नमूना होती थी जिसे किसी कारीगर को ही जोड़ना पड़ता था, और उसकी मरम्मत भी वही कर सकता था।

आप किसी भी चीज़ के हज़ार टुकड़े नहीं बना सकते थे, क्योंकि आप पुर्ज़ों को आपस में मैच नहीं करवा सकते थे। पूरी औद्योगिक दुनिया के लिए यही सबसे बड़ी रुकावट थी, और यह रुकावट एक इंसानी हाथ में पकड़ी हुई रेती (file) में सिमटी हुई थी।

मॉडस्ले की खराद हर बार बिल्कुल एक जैसा थ्रेड काटती थी। इसका मतलब था कि अब एक मशीन दूसरी मशीन के सटीक पुर्ज़े बना सकती थी, और वे पुर्ज़े आपस में फिट हो जाते थे। एक पीढ़ी के भीतर, उसी खराद से विकसित हुई मशीन टूल्स बाकी हर चीज़ के कलपुर्ज़े बनाने लगीं, और औद्योगिक क्रांति (Industrial Revolution) को एक ऐसा गियर मिल गया जिसके बारे में उसे खुद पता नहीं था।

अब आप शायद सोच रहे होंगे, राउल (Raoul), तुम 1800 के दशक के स्क्रू थ्रेड्स के बारे में क्यों लिख रहे हो? ज़रा धीरज रखिए, क्योंकि अगर आप लंबी तस्वीर देखें, तो एक ही पैटर्न बार-बार सामने आता है।

इंसानी इतिहास के ज़्यादातर हिस्से में, औज़ार उन्हीं लोगों की रफ़्तार से बेहतर हुए जिन्होंने उन्हें बनाया, यानी बहुत धीरे-धीरे... हर कुछ सदियों में एक बेहतर हल। फिर औज़ारों ने औज़ार बनाना शुरू किया, और हर चक्र पिछले चक्र से तेज़ चलने लगा।

स्टीम इंजन उन खराद और बोरिंग मशीनों को चलाते थे जो लोकोमोटिव के पुर्ज़े काटती थीं, यानी भाप ने वो रेलवे लाइनें बिछाईं जो और ज़्यादा स्टीम इंजन ढोती थीं।

मशीन टूल्स ने वो असेंबली लाइनें बनाईं जिन्होंने कारें बनाईं। आज कंप्यूटर उन चिप्स को डिज़ाइन करते हैं जो बेहतर कंप्यूटरों में लगते हैं, क्योंकि कोई इंसान हाथ से अरबों ट्रांजिस्टर नहीं बिछा सकता। हर बार जब औज़ारों ने अगले औज़ार बनाने का ज़्यादा काम अपने ऊपर ले लिया, सब कुछ तेज़ हो गया, क्योंकि उस चक्र का धीमा हिस्सा — यानी इंसानी हिस्सा — छोटा होता गया।

तो क्या होगा जब इस चक्र का औज़ार खुद बुद्धिमत्ता (intelligence) बन जाए?

यह पहले से हो रहा है

नवंबर 2023 में मैंने पोस्ट किया था कि OpenAI ने शायद यह समझ लिया है कि AI का इस्तेमाल प्रोडक्ट के आइडिया सोचने, डिज़ाइन करने, कोड लिखने और उसे लॉन्च करने में कैसे किया जाए... यानी AI अब AI बना रहा था।

मई 2026 तक, Anthropic का कहना है कि वह अपने कोडबेस में जितना कोड मर्ज करता है, उसका 80% से ज़्यादा हिस्सा Claude लिखता है — फरवरी 2025 में Claude Code लॉन्च होने से पहले यह आंकड़ा सिंगल डिजिट में था। जो कंपनी सबसे अग्रणी मॉडल्स में से एक बना रही है, वह ज़्यादातर उसी मॉडल से वो सॉफ्टवेयर लिखवा रही है जिस पर उसका अगला वर्ज़न चलेगा।

OpenAI ने सितंबर में अपना आंकड़ा जारी किया: उसकी रिसर्च संस्था अब इंसानी श्रम के हर एक दिन के मुकाबले 3.1 एजेंट-वर्कडेज़ की मेहनत लगा रही है, और अगस्त में प्रति रिसर्चर प्रयोगों की संख्या अपने सर्वकालिक उच्च स्तर पर पहुंच गई।

पिछले साल मई में DeepMind ने AlphaEvolve लॉन्च किया, जो Gemini द्वारा संचालित एक एजेंट है और अपने एल्गोरिदम खुद लिखता और टेस्ट करता है। इसने जो चीज़ें खोजीं, उनमें एक शेड्यूलिंग सुधार भी था जो लगातार Google के पूरे वैश्विक कंप्यूट फ्लीट का 0.7% हिस्सा वापस बचाता है, साथ ही Gemini की खुद की ट्रेनिंग के अंदर एक कर्नेल को तेज़ किया जिससे ट्रेनिंग का समय 1% कम हो गया। ये प्रतिशत छोटे लगते हैं, जब तक आप समझ नहीं जाते कि ये असल में क्या हैं: एक AI जो अगले AI को बनाना और चलाना दोनों सस्ता कर रहा है।

यह वही मॉडस्ले की खराद है, जो अगली मशीन के पुर्ज़े काट रही है।

एक अलग तरह की रुकावट

इससे पहले के हर चक्र ने हमारे ऊपर से शारीरिक काम का बोझ हटाया। खराद ने रेती का काम किया, असेंबली लाइन ने भारी सामान उठाने का काम किया, और यही वजह है कि हर चक्र पिछले से तेज़ चला। लेकिन सोचने का काम कभी नहीं छूटा। किसी को बैठकर अगली खराद डिज़ाइन करनी ही पड़ती थी। किसी को यह सोचना ही पड़ता था कि चिप किस काम आएगी। मशीनें चीज़ें बनाने में माहिर हो गईं, लेकिन अगली पीढ़ी के आइडिया अभी भी इंसानी दिमाग से ही निकलते थे, और इंसानी दिमाग की अपनी रफ़्तार थी... जो, सच कहें तो, बहुत तेज़ नहीं है और तेज़ होती भी नहीं।

पूरे इतिहास में यही सीमा रही है और किसी ने इसके बारे में सोचा भी नहीं, क्योंकि आप इसके बारे में कर ही क्या सकते थे? आप ऐसा कोई औज़ार नहीं बना सकते जो सोचे।

सिवाय इसके कि अब आप बना सकते हैं। पहली बार, जिस चीज़ को आउटसोर्स किया जा रहा है वह खुद बुद्धिमत्ता है, और इसलिए तरक्की की रफ़्तार अब इस पर निर्भर नहीं करती कि लोग कितनी तेज़ सोच सकते हैं, बल्कि दो भौतिक चीज़ों पर निर्भर करती है: आप कितनी ऊर्जा को कंप्यूट में बदल सकते हैं, और उसकी हर यूनिट से कितनी बुद्धिमत्ता निकाल सकते हैं। ये दोनों ही चीज़ें एक्सपोनेंशियल ग्रोथ पर हैं।

यह स्क्रीन से बाहर आ रहा है

अभी तक यह कहानी सॉफ्टवेयर की है, लेकिन यह वहीं रुकने वाली नहीं है।

डेविड मैटिन (David Mattin), जो मेरे साथ The Exponentialist लिखते हैं, अगले चरण को 'सेल्फ-ड्राइविंग साइंस' कहते हैं। और नहीं, इसका Tesla से कोई लेना-देना नहीं है, हालांकि आइडिया बिल्कुल वैसा ही है...

उनका मतलब है कि विज्ञान हमेशा से एक ऐसा चक्र रहा है जिसे कोई इंसान चलाता है। आपको कोई अनुमान सूझता है, आप एक प्रयोग डिज़ाइन करते हैं, उसे चलाते हैं, ज़्यादातर बार वह फेल हो जाता है, आप कारण देखते हैं, और फिर आपको एक बेहतर अनुमान सूझता है। ऐसे ही गोल-गोल, एक बार में एक इंसान, हर चक्कर में कई महीने। हमने जो भी दवा, जो भी मटेरियल, भौतिकी का जो भी हिस्सा समझा है, वह इसी चक्र से, इसी रफ़्तार पर निकला है।

सेल्फ-ड्राइविंग साइंस तब मिलता है जब आप यह चक्र मशीन को सौंप देते हैं। हम AI की बात नहीं कर रहे जो वैज्ञानिकों की मदद करे... हम उस AI की बात कर रहे हैं जो खुद खोज करे — नए मटेरियल, नए अणु, वो चीज़ें जो पिछले साल तक इंसानियत को पता ही नहीं थीं — और ये सब एक ऐसी मशीन से निकलें जिसने आइडिया सोचा, टेस्ट चलाया, नतीजा पढ़ा और अगला आइडिया सोचा, बिना किसी इंसान के बीच में आए। दुनिया कैसे काम करती है, इसे समझने का काम आउटसोर्स किया जा रहा है... और यह किसी साइंस-फिक्शन भविष्य में नहीं, बल्कि अभी हो रहा है।

2023 में DeepMind के GNoME मॉडल ने 22 लाख नए क्रिस्टल स्ट्रक्चर की भविष्यवाणी की, जिनमें से लगभग 3,80,000 स्थिर (stable) थे। ये मटेरियल साइंस के पूरे इतिहास में इंसानों द्वारा खोजे गए कुल मटेरियल्स से भी ज़्यादा नए मटेरियल थे, और इन्हें किसी मॉडल ने खोजा था, किसी के लैब में कदम रखने से पहले ही।

फिर दिसंबर 2025 में DeepMind और ब्रिटेन की सरकार ने एक ऑटोमेटेड मटेरियल्स लैब की घोषणा की, जो इस साल खुलेगी, जहां रोबोट हर दिन सैकड़ों संभावित मटेरियल्स को बनाएंगे और टेस्ट करेंगे, और AI अगला बैच चुनेगा। जो चक्र पहले किसी रिसर्च ग्रुप को हर चक्कर में महीनों लगता था, वह अब हर रोज़ चलता है, और इंसान वहां प्रयोग चलाने नहीं, बल्कि नतीजे जांचने के लिए मौजूद हैं।

रोबोट्स के साथ भी यही हो रहा है, और जिस तरह से यह हो रहा है वह हैरान कर देने वाला है। 2025 में DeepMind ने Genie 3 रिलीज़ किया, जिसे सबसे अच्छी तरह एक ऐसे वीडियो गेम के रूप में समझा जा सकता है जो खुद को लिखता है। एक लाइन टाइप करें, मान लीजिए "बिखरा हुआ बेडरूम", और यह स्क्रीन पर एक सिमुलेटेड बेडरूम बना देगा, असली कमरे वाले फिज़िक्स के साथ, ताकि उसके अंदर घूमने वाली हर चीज़ को वैसा ही फीडबैक मिले जैसा असलियत में मिलता।

फिर आप उसके अंदर किसी रोबोट का दिमाग डाल सकते हैं और उसे कमरा साफ करने को कह सकते हैं। वह फेल होता है, तो फिर कोशिश करता है, और फिर, लाखों बार, लाखों सिमुलेटेड कमरों में, कंप्यूटर की रफ़्तार से, बिना असल दुनिया में एक भी चीज़ तोड़े या ज़रा सी भी जगह घेरे। फिर आप उसकी सीखी हुई बातें एक असली रोबोट में डाल सकते हैं, और वह असली बेडरूम में दाखिल होते ही जानता होगा कि क्या करना है। DeepMind अपने रोबोट एजेंट्स के साथ अभी यही कर रहा है, और कोई पाठ्यक्रम नहीं लिख रहा। एजेंट खुद अपने काम तय करता है और खुद अपनी जांच करता है।

अगर ऐसी चीज़ें आपको रोमांचित करती हैं, तो डेविड और मैं हर हफ्ते The Exponentialist में इन्हीं पर लिखते हैं। इसकी शुरुआत Real Vision के अंदर हुई थी और अब यह Substack पर अपना अलग पब्लिकेशन है, और अगर आप इसे फॉलो करना चाहते हैं तो इसका एक फ्री टियर भी है।

और फिर यह खुद को ही खुराक देने लगता है

तो मशीनें अपना कोड खुद लिख रही हैं, अपने मॉडल खुद सुधार रही हैं और हमारा विज्ञान हमारी जगह करने लगी हैं। ठीक है, आप कहेंगे, लेकिन एक पेंच है जिसके बारे में सबने सुना है.... यह सब बिजली पर चलता है, और बहुत सारी बिजली पर। डेटा सेंटर पहले से ही पावर ग्रिड पर दबाव डाल रहे हैं, चिप्स पहले से ही धरती की सबसे दुर्लभ चीज़ों में से हैं, और निश्चित रूप से किसी न किसी मोड़ पर पूरी व्यवस्था में बिजली खत्म हो ही जाएगी।

लेकिन अगर कोई मशीन वो समस्याएं हल कर सकती है जो इंसान नहीं हल कर पाए, तो सबसे पहले जिन समस्याओं की तरफ उसे मोड़ा जाएगा, वे उसकी अपनी समस्याएं होंगी। जिन मटेरियल लैब्स का मैंने अभी ज़िक्र किया, वे कोई बेतरतीब खोज नहीं कर रहीं। वे ऐसी बैटरी केमिस्ट्री खोज रही हैं जो ज़्यादा ऊर्जा स्टोर करे, ऐसा सोलर सेल जो ज़्यादा बिजली बनाए, ऐसी चिप जिसमें ट्रांजिस्टर और कसकर समाएं... बिल्कुल वही चीज़ें जो ऊर्जा और कंप्यूट को सस्ता बनाती हैं।

और इनमें से हर चीज़ सीधे उसी मशीन में वापस जाती है जिसने उसे खोजा है।

बेहतर पैनल और बैटरियां ऊर्जा को सस्ता बनाती हैं, सस्ती ऊर्जा कंप्यूट को सस्ता बनाती है, सस्ता कंप्यूट बेहतर मॉडल ट्रेन करता है, और बेहतर मॉडल अगला मटेरियल खोजते हैं। जिस रुकावट की चिंता सबको सता रही है, यह चक्र दरअसल उसे ही खाकर बड़ा होने के लिए बना है।

इसके पीछे एक नियम काम कर रहा है, राइट्स लॉ (Wright's Law): जब भी किसी चीज़ का कुल उत्पादन दोगुना होता है, उसकी लागत एक निश्चित प्रतिशत से गिर जाती है। सोलर ऊर्जा दशकों से इसी नियम पर चल रही है। नई बात यह है कि अब डिज़ाइन करने वाला कोई इंसान नहीं है, इसलिए दोगुना होने की रफ़्तार तेज़ है और लागत और तेज़ी से गिर रही है — चिप्स, बैटरियों और पैनल्स पर एक साथ।

पहिए का हर चक्कर अगले चक्कर को तेज़ बनाता है, और यह किसी बाहरी इनपुट पर निर्भर नहीं है। इस चक्र के पुराने वर्ज़न को एक बार पूरा होने में दशकों लगते थे। यह वर्ज़न महीनों में पूरा हो रहा है, और जो चीज़ इसे चला रही है, अब वही सुधारी भी जा रही है।

सस्ता होने का मतलब है ज़्यादा, कम नहीं

ठीक है, तो इस बिंदु पर सबसे स्वाभाविक आपत्ति आर्थिक होगी। अगर बुद्धिमत्ता इतनी तेज़ी से इतनी सस्ती हो रही है, तो ज़ाहिर है हमें उसे पैदा करने वाली चीज़ों की कम ज़रूरत पड़ेगी... कम चिप्स, कम डेटा सेंटर, कम बिजली।

हो इसके उल्टा रहा है, और इसकी वजह कोयले के ज़माने से ही समझी जा रही है। जेवन्स (Jevons) ने देखा था कि जब कोई संसाधन ज़्यादा कुशल बनता है, तो कुल खपत बढ़ जाती है, क्योंकि सस्ता होने से वो इस्तेमाल भी संभव हो जाते हैं जो पहले कभी व्यावहारिक नहीं थे। स्टीम इंजन को ज़्यादा कुशल बना दीजिए, तो देश कम नहीं बल्कि ज़्यादा कोयला जलाएगा।

बुद्धिमत्ता के साथ बिल्कुल यही हो रहा है। a16z के 2024 के अंत के आंकड़ों के मुताबिक, समान क्षमता के लिए इसकी एक यूनिट की लागत हर साल लगभग दस गुना गिर रही है, और खपत आसमान छू रही है। अक्टूबर 2025 तक Google हर महीने लगभग 1.3 क्वाड्रिलियन टोकन प्रोसेस कर रहा था, जो पिछले साल से बीस गुना ज़्यादा था, और इस साल मई तक यह आंकड़ा 3.2 क्वाड्रिलियन हो गया। सोचने की लागत में आई हर गिरावट किसी ऐसी समस्या को सुलझाने लायक बना देती है जिसके बारे में सोचना पहले बहुत महंगा था, और इस मांग की कोई सीमा नहीं है क्योंकि अनसुलझी समस्याओं की कोई कमी नहीं है।

यही वजह है कि कैपेक्स (capex) रुक नहीं सकता।

"यह सब हवा-हवाई है। यह अब ठहर रहा है।"

मैं यह बात हर कुछ महीनों में सुनता हूं, आमतौर पर किसी ऐसे रिलीज़ के ठीक बाद जो पिछले वाले जितनी चौंकाने वाली नहीं होती। उत्साह एक हफ्ते रहता है, फिर सब सामान्य हो जाता है, और इसी 'सामान्य' दौर में लोग तय कर लेते हैं कि सब कुछ धीमा पड़ रहा है।

मैं जिस मानसिक मॉडल का इस्तेमाल करता हूं वह बच्चों के विकास जैसा है। किसी छोटे बच्चे को चलने में नाकाम होते देखकर आप यह नतीजा निकाल सकते हैं कि उसके पैर काम नहीं करते और वह इस काम के लिए बहुत नासमझ है, या किसी बच्चे के पहले शब्दों का इंतज़ार करके तय कर लें कि उसका मुंह बोलने के लिए नहीं बना है। जब तक कि वह अचानक कर न दिखाए। ये मॉडल अभी शिशु हैं, कुछ क्षेत्रों में सुपरपावर के साथ और कुछ में इंसानी बच्चों से बहुत पीछे... लेकिन शिशु तेज़ी से सीखते हैं। इस तिमाही में वे क्या नहीं कर सकते, उसके आधार पर तीन साल बाद वे कहां होंगे यह तय करना हर बार की गलती है। तीन साल में हम एक खराब चैटबॉट से उस मुकाम पर आ गए हैं जो हमारे पढ़ाए जाने वाले हर विषय में ज़्यादातर इंसानों से बेहतर स्कोर करता है। जैसा कि मीम कहता है, सिर्फ अपनी किसी पूर्वाग्रह के कारण इसे 'मिडकर्व' (midcurve) मत मान लीजिए।

इसका आपके लिए क्या मतलब है

इन सबके पीछे का डर व्यक्तिगत है, तो मुझे भी इस बारे में व्यक्तिगत तौर पर ही बात करने दीजिए।

मैं कोई तकनीकी इंसान नहीं हूं। जनवरी में मैंने cowork को एक PDF दिया और छह मिनट में मुझे एक काम करने वाली वेबसाइट मिल गई, फिर मैंने उससे Real Vision के सभी प्लेटफॉर्म्स पर एंगेजमेंट का एक डैशबोर्ड मांगा और पंद्रह मिनट में वह भी तैयार था। मैंने उस वक्त पोस्ट किया था कि मुझे खुद को लेकर कुछ बायोनिक सा महसूस हो रहा है।

आज, एजेंट्स के एक सेट के साथ एक अकेला इंसान वह काम कर सकता है जिसमें पहले पूरी कंपनी लगती थी। मेरी किताब, The Everything Code (3 नवंबर को आ रही है और अभी प्रीऑर्डर पर उपलब्ध है) में मैंने एक सॉफ्टवेयर इंजीनियर की कहानी बताई है जिसने एक दशक से ज़्यादा समय पारंपरिक तरीके से कंपनी बनाने में लगाया, फिर पीछे हट गया, और फिर एक ही सर्दी में एक पर्सनल AI प्रोजेक्ट बनाया जिसने GitHub पर छह अंकों में स्टार्स बटोरे और उसे OpenAI में नौकरी दिला दी। वही दिमाग था, वही मेहनत थी, बस जिस नींव पर वह काम कर रहा था वह बदल गई थी।

"क्या यह मेरी जगह ले लेगा?" यह सवाल आपका अहंकार पूछता है, और यह गलत सवाल है। आपके नीचे काम की जो परत है, वह चाहे आप चाहें या न चाहें, सिकुड़ रही है, ठीक वैसे ही जैसे मॉडस्ले ने उन हर कारीगरों के काम को सिकोड़ दिया था जो हाथ से स्क्रू पर रेती चलाते थे। बेहतर सवाल यह है कि आप उस मशीन के साथ क्या करते हैं जो यह काम आपके लिए उठा सकती है, और जिन लोगों को आखिरकार सुपरपावर मिलते हैं वे वे होते हैं जो एक स्तर ऊपर चले जाते हैं — यानी इस फैसले तक कि आखिर बनाना किस चीज़ को है।

उन मशीनों के मालिक बनें जो मशीनें बनाती हैं

यह चक्र आपको बताता है कि वैल्यू कहां जमा हो रही है। जब बुद्धिमत्ता बुद्धिमत्ता बनाती है, तो मुनाफा उसी को मिलता है जिसके पास इस चक्र की मालिकाना हक है: जिस कंप्यूट पर यह चलता है, जो ऊर्जा इस कंप्यूट को चलाती है, और वो रेल (rails) जिन पर एजेंट मशीन की रफ़्तार से एक-दूसरे से लेनदेन करने लगते हैं। ये वो चीज़ें हैं जिनसे यह चक्र बचकर नहीं निकल सकता, और इतिहास में पहली बार इनमें से हर एक ऐसी चीज़ है जिसका एक हिस्सा कोई आम इंसान भी अपना बना सकता है।

यह एक्सपोनेंशियल युग (Exponential Age) है जो सिद्धांत से निकलकर हकीकत बन रहा है, और यह सीधे उस खिड़की से टकराता है जिसके बारे में मैंने अपने Economic Singularity फ्रेमवर्क में लिखा है, यानी 2030 और 2032 के बीच का कोई समय। यह वो मोड़ है जहां मशीन इकोनॉमी उन इंसानी पैमानों से तेज़ चलने लगती है जो इसे मापने के लिए बनाए गए थे — GDP, कमाई, वेतन — और पुराने आंकड़े अब यह बताने में नाकाम रहते हैं कि असल में क्या हो रहा है। आज से उस मोड़ तक के साल ही असली खेल हैं।

इस पर मेरी पूरी सोच The Everything Code में है। यह बताती है कि वित्तीय व्यवस्था इतनी खराब क्यों हो गई और हम दशकों से कर्ज़ के चक्र में कैसे फंसे रहे, और फिर यह कि एक्सपोनेंशियल युग का ठीक इसी वक्त आना उसी कहानी का दूसरा पहलू क्यों है।

इस लेख की हर बात तय है, बस आपको तंत्र (mechanism) को समझना होगा, और अजीब बात यह है कि यही रास्ता भी है: मशीनें ही वो ज़रिया हैं जो आखिरकार दुनिया को कर्ज़ से बाहर निकलने का रास्ता दिखाएंगी। दशकों तक फंसे रहने के बाद, यह वाकई उम्मीद की बात है, और इसी किताब में मैंने अपनी पूरी बात रखी है।

The Everything Code 3 नवंबर को आ रही है और मेरी एक बात मानिए, अगर आप इसे खरीदने का प्लान बना रहे हैं तो मुझे बहुत खुशी होगी अगर आप इसे अभी प्रीऑर्डर करने पर विचार करें। इससे रैंकिंग में सच में बहुत मदद मिलती है और मेरे लिए इसके बहुत मायने होंगे। शुक्रिया।

और अगर आप इनमें से किसी भी विषय पर और गहराई से जानना चाहते हैं, तो मुझसे बातें करते रहिए! मैंने raoulpal.ai पर 30 साल की अपनी सोच पर ट्रेन किया गया एक AI बनाया है और यह बिल्कुल फ्री है। वहां आकर मेरे साथ यह चर्चा आगे बढ़ाइए।