AI बनाने वाले लोग हमें कुछ बताने की कोशिश कर रहे हैं

प्रौद्योगिकी में कुछ असामान्य घटित हो रहा है।

दुनिया की कुछ सबसे महत्वपूर्ण AI प्रणालियों का निर्माण करने वाले लोग अब AI को एक और सॉफ्टवेयर अपग्रेड के रूप में वर्णित नहीं कर रहे हैं। वे प्रचुर बुद्धिमत्ता, स्व-सुधार करने वाले उत्पाद, लुप्त होती नौकरियां, सभी के लिए AI सहायक, स्वायत्त एजेंट और पीढ़ियों के बजाय वर्षों में AGI के आगमन के बारे में बात कर रहे हैं।

दिलचस्प बात यह है कि वे इस बात पर पूरी तरह सहमत नहीं हैं कि आगे क्या होगा।

सैम ऑल्टमैन का मानना है कि बुद्धिमत्ता प्रचुर और नाटकीय रूप से सस्ती हो जाएगी। स्पेंसर स्केट्स का मानना है कि बुद्धिमत्ता तेजी से उत्पादों के अंदर ही निवास करेगी, जिससे स्व-सुधार करने वाले उत्पादों की एक पीढ़ी तैयार होगी। डारियो अमोदेई ने प्रवेश स्तर के श्वेत-पेशा रोजगार में गंभीर व्यवधान की चेतावनी दी है। जेन्सेन हुआंग का मानना है कि AI मनुष्यों को प्रवर्धित करेगा और पूरी तरह से नए आर्थिक अवसर पैदा करेगा। सत्य नडेला का कहना है कि दशकों का तकनीकी परिवर्तन कुछ ही वर्षों में संकुचित हो रहा है। डेमिस हसाबिस का मानना है कि हम मानव इतिहास में एक निर्णायक क्षण पर पहुँच गए हैं।

पहली नज़र में, ये अलग-अलग भविष्यवाणियाँ लगती हैं। मुझे लगता है कि ये एक ही कहानी के अलग-अलग अध्याय हैं।

इन्हें एक साथ रखने पर, वे इस बात की एक आश्चर्यजनक रूप से स्पष्ट तस्वीर पेश करते हैं कि क्या आने वाला है—और हमें इसके लिए कैसे तैयारी करनी चाहिए।

सैम ऑल्टमैन: बुद्धिमत्ता प्रचुर होती जा रही है

OpenAI ने तेजी से AI को प्रचुरता के अर्थशास्त्र के लेंस के माध्यम से तैयार किया है। मूल विचार सरल है: जैसे-जैसे उपयोगी बुद्धिमत्ता अधिक सक्षम और नाटकीय रूप से सस्ती होती जाती है, वैसी गतिविधियाँ जिनके लिए कभी महंगी मानवीय विशेषज्ञता की आवश्यकता होती थी, अचानक भारी पैमाने पर आर्थिक रूप से संभव हो जाती हैं।

यह विचार पहली नज़र में दिखने से कहीं बड़ा है।

मानव इतिहास के अधिकांश समय में, उपयोगी बुद्धिमत्ता महंगी रही है क्योंकि वह लोगों के अंदर रहती थी। यदि आप विशेषज्ञता चाहते थे, तो समाज को पहले किसी को वर्षों तक शिक्षित करना पड़ता था और फिर उस व्यक्ति के सीमित समय के लिए प्रतिस्पर्धा करनी पड़ती थी। एक महान वकील केवल इतने ही ग्राहकों की सेवा कर सकता है, एक प्रोग्रामर केवल इतना ही कोड लिख सकता है, और एक वैज्ञानिक केवल इतनी ही परिकल्पनाओं की जांच कर सकता है।

AI उन अर्थशास्त्रों को बदल देता है क्योंकि मशीन की बुद्धिमत्ता को कॉपी, स्केल और लगातार उपलब्ध कराया जा सकता है।

कल्पना करें कि बुद्धिमत्ता धीरे-धीरे बिजली के करीब कुछ बन रही है। हम बिजली को रोजगार नहीं देते या उसके साथ मीटिंग शेड्यूल नहीं करते। हम बस जितनी जरूरत होती है, उतनी ही एक्सेस करते हैं, जब भी जरूरत होती है।

पाँच लोगों का एक स्टार्टअप उन विश्लेषणात्मक और तकनीकी क्षमताओं को प्राप्त कर सकता है जिनके लिए कभी एक बहुराष्ट्रीय कंपनी की आवश्यकता होती थी। एक छोटा व्यवसाय अपने स्वयं के शोधकर्ता, प्रोग्रामर, डिज़ाइनर और रणनीतिकार जैसा कुछ प्राप्त कर सकता है। वैज्ञानिक उन प्रश्नों की जांच कर सकते हैं जो पहले उन्हें तलाशने के लिए आवश्यक हजारों मानव-घंटे के लायक नहीं थे।

हमने एक अर्थव्यवस्था का निर्माण बुद्धिमत्ता को दुर्लभ मानकर किया था। AI बुद्धिमत्ता को बुनियादी ढाँचे में बदल सकता है।

और जब कोई चीज़ दुर्लभता से प्रचुरता की ओर बढ़ती है, तो आर्थिक मूल्य आमतौर पर कहीं और चला जाता है।

स्पेंसर स्केट्स: उत्पाद स्वयं में सुधार करना शुरू कर देंगे

फिर Amplitude के सह-संस्थापक और CEO स्पेंसर स्केट्स इस तर्क को एक कदम आगे ले जाते हैं।

क्या होता है जब वह सारी प्रचुर बुद्धिमत्ता हमसे प्रश्न पूछने की प्रतीक्षा करते हुए केवल एक चैटबॉट के अंदर नहीं बैठी रहती? क्या होता है जब हम इसे उत्पाद के अंदर ही रख देते हैं?

स्केट्स स्व-सुधार करने वाले उत्पादों के भविष्य के बारे में बात कर रहे हैं: ऐसे उत्पाद जो लगातार यह समझने में सक्षम हों कि उनका उपयोग कैसे किया जा रहा है, समस्याओं और अवसरों की खोज कर रहे हैं, सुधारों के साथ प्रयोग कर रहे हैं, परिणामों से सीख रहे हैं, और उन पाठों को वापस उसमें डाल रहे हैं जो आगे बनाया जाना है।

उस वाक्यांश पर बहुत अधिक ध्यान देने की आवश्यकता है।

दशकों से, सॉफ्टवेयर विकास अपेक्षाकृत धीमी मानवीय लूप के माध्यम से संचालित होता रहा है। एक कंपनी कुछ बनाती है, ग्राहक इसका उपयोग करते हैं, डेटा जमा होता है, विश्लेषक अध्ययन करते हैं कि क्या हुआ, उत्पाद प्रबंधक तय करते हैं कि क्या बदलना चाहिए, डिज़ाइनर विकल्प बनाते हैं, इंजीनियर उन्हें बनाते हैं, और अंततः दूसरा संस्करण ग्राहकों तक पहुँचता है।

फिर प्रक्रिया फिर से शुरू होती है।

प्रत्येक चरण इस बात पर निर्भर करता है कि मनुष्य अगले की शुरुआत करें। AI उस पूरे लूप को संपीड़ित करना शुरू कर देता है।

पहले, उत्पाद तेजी से बनता है। AI कोडिंग टूल सॉफ्टवेयर बनाने और मौजूदा उत्पादों को संशोधित करने में लगने वाले समय को नाटकीय रूप से कम कर देते हैं।

फिर उत्पाद निरीक्षण करता है। AI एजेंट लगातार देख सकते हैं कि ग्राहक वास्तव में कैसे व्यवहार करते हैं, बजाय इसके कि कोई मैन्युअल रूप से डैशबोर्ड की जांच करने की प्रतीक्षा करे।

फिर यह समझता है। वे एजेंट घर्षण, असामान्य व्यवहार, रूपांतरण समस्याओं और उन अवसरों की पहचान कर सकते हैं जिनकी जांच करने के बारे में मनुष्यों ने कभी सोचा भी नहीं होगा।

फिर यह प्रयोग करता है। नए अनुभव बनाए और परखे जा सकते हैं, जो पारंपरिक उत्पाद टीमें यथार्थवादी रूप से हासिल नहीं कर सकतीं।

फिर यह सीखता है। व्यवहार संबंधी डेटा से पता चलता है कि क्या किसी बदलाव ने वास्तव में रूपांतरण, जुड़ाव, प्रतिधारण या किसी अन्य महत्वपूर्ण परिणाम में सुधार किया है।

और अंत में, यह सुधार करता है। सिस्टम जो सीखता है वह सीधे वापस उसमें जाता है जो आगे बनाया जाना चाहिए।

आज, मनुष्य अभी भी उन अधिकांश संक्रमणों को नियंत्रित करते हैं। लेकिन कल्पना करें कि जैसे-जैसे लूप तेजी से स्वायत्त होता जाता है, क्या होता है।

एक उत्पाद देखता है कि ग्राहकों का एक विशेष समूह बार-बार ऑनबोर्डिंग छोड़ देता है। एक AI एजेंट उनके व्यवहार की जांच करता है, घर्षण के संभावित स्रोत की पहचान करता है, और कई विकल्प प्रस्तावित करता है। प्रयोग उन विकल्पों का परीक्षण करते हैं, व्यवहार संबंधी डेटा से पता चलता है कि कौन सा काम करता है, और वह सीख सीधे अगले सुधार में जाती है।

उत्पाद अब केवल सॉफ्टवेयर नहीं है जिसका लोग उपयोग करते हैं। यह सॉफ्टवेयर बन जाता है जो बेहतर सॉफ्टवेयर बनना सीखता है।

यह प्रतिस्पर्धी समीकरण को बदल देता है।

AI कोडिंग सभी के लिए निर्माण करना आसान बना रही है। यदि हर कंपनी तेजी से शिप कर सकती है, तो केवल अधिक सुविधाएँ तैयार करना एक कम लाभ बन जाता है। लाभ आप कितनी तेजी से निर्माण करते हैं से आप कितनी तेजी से सीखते हैं में स्थानांतरित हो जाता है।

यहाँ एक महत्वपूर्ण अंतर है। AI सॉफ्टवेयर उत्पन्न कर सकता है, लेकिन कुछ बनाना और यह जानना कि क्या मनुष्य वास्तव में इसे चाहते हैं, पूरी तरह से अलग समस्याएँ हैं।

पहले के लिए बुद्धिमत्ता की आवश्यकता है। दूसरे के लिए मानव व्यवहार को समझने की आवश्यकता है।

यही कारण हो सकता है कि महान उत्पादों की अगली पीढ़ी में केवल AI नहीं होगा। उनके पास बुद्धिमत्ता को वास्तविक मानव व्यवहार से जोड़ने वाला एक सतत प्रतिक्रिया लूप होगा।

सबसे अच्छा उत्पाद जीत नहीं सकता है।

जो उत्पाद सबसे तेजी से सीखता है वह जीत सकता है।

डारियो अमोदेई: पहली सीढ़ी का क्या होता है?

Anthropic के CEO डारियो अमोदेई तेजी से सक्षम बुद्धिमत्ता का एक और अधिक असुविधाजनक परिणाम देखते हैं।

उन्होंने चेतावनी दी है कि AI कुछ ही वर्षों में प्रवेश स्तर के श्वेत-पेशा रोजगार के एक बड़े हिस्से को बाधित कर सकता है। अंततः सटीक संख्या जो भी हो, उनकी चेतावनी के पीछे संरचनात्मक समस्या गंभीर ध्यान देने योग्य है।

करियर की सीढ़ी की पहली सीढ़ी का क्या होता है?

कंपनियाँ आंशिक रूप से जूनियर विश्लेषकों को नियुक्त करती हैं क्योंकि किसी को प्रतिस्पर्धियों पर शोध करने, स्प्रेडशीट में हेरफेर करने और प्रस्तुतियाँ तैयार करने की आवश्यकता होती है। लॉ फर्म युवा वकीलों को भारी मात्रा में सामग्री की समीक्षा करने के लिए नियुक्त करती हैं। सॉफ्टवेयर कंपनियाँ जूनियर डेवलपर्स को अपेक्षाकृत सीधे कोडिंग कार्य देती हैं।

लेकिन वे नौकरियाँ दो कार्य करती हैं। वे कंपनी के लिए काम करती हैं, साथ ही साथ अनुभवी मनुष्यों का उत्पादन भी करती हैं।

विश्लेषक अंततः निर्णय विकसित करता है और निदेशक बन जाता है। दस्तावेजों की समीक्षा करने वाला युवा वकील अंततः जटिल बातचीत को संभालता है। उबाऊ बग्स को ठीक करने वाला प्रोग्रामर धीरे-धीरे सीखता है कि जब चीजें गलत होती हैं तो वास्तविक सिस्टम कैसे व्यवहार करते हैं।

यदि AI शुरुआती स्तर के काम में असाधारण रूप से अच्छा हो जाता है, तो कंपनियों के पास कम शुरुआती लोगों को नियुक्त करने का स्पष्ट आर्थिक प्रोत्साहन होता है।

यह एक विरोधाभास पैदा करता है जिसे हमने हल नहीं किया है: AI उस काम को हटा सकता है जो लोग पारंपरिक रूप से यह सीखते हुए करते थे कि वह काम कैसे किया जाए जो AI अभी तक नहीं कर सकता।

हम सीढ़ी के निचले हिस्से को स्वचालित कर सकते हैं, बिना यह पता लगाए कि अगली पीढ़ी शीर्ष तक कैसे पहुँचती है।

जेन्सेन हुआंग: सभी को महाशक्तियाँ मिलती हैं

NVIDIA के CEO जेन्सेन हुआंग समीकरण का दूसरा पक्ष देखते हैं।

उनकी भविष्यवाणी अद्भुत रूप से सरल है: "सभी के पास एक AI सहायक होगा।"

हुआंग का व्यापक तर्क यह है कि AI केवल मानव श्रम का विकल्प नहीं होगा। यह व्यक्तियों की क्षमताओं को प्रवर्धित करेगा, संभावित रूप से पूरी तरह से नई मांग पैदा करेगा क्योंकि बुद्धिमत्ता और उत्पादन की लागत गिरती है।

इतिहास उस तर्क को कुछ विश्वसनीयता देता है।

स्प्रेडशीट ने एकाउंटेंट को समाप्त नहीं किया। कंप्यूटर ने कार्यालय कर्मचारियों को समाप्त नहीं किया। इंटरनेट ने कुछ व्यवसायों को नष्ट कर दिया, जबकि ऐसे उद्योग बनाए जो पहले अस्तित्व में नहीं हो सकते थे।

इसलिए AI भारी मात्रा में काम को समाप्त कर सकता है, बिना उतनी ही संख्या में नौकरियों को समाप्त किए।

यदि सॉफ्टवेयर बनाना दस गुना सस्ता हो जाता है, तो शायद समाज को दसवें हिस्से के डेवलपर्स की आवश्यकता नहीं है। शायद मानवता पचास गुना अधिक सॉफ्टवेयर बनाने का फैसला करती है। यदि वैज्ञानिक जांच नाटकीय रूप से सस्ती हो जाती है, तो शायद हमें कम वैज्ञानिकों की आवश्यकता नहीं है; शायद वैज्ञानिक लाखों प्रयोग करने का प्रयास करते हैं जो पहले आर्थिक रूप से संभव नहीं थे।

इसका मतलब है कि हुआंग और अमोदेई दोनों सही हो सकते हैं। कुछ पेशे नाटकीय रूप से सिकुड़ सकते हैं, जबकि आर्थिक गतिविधि की पूरी तरह से नई श्रेणियां फट सकती हैं।

तकनीकी क्रांतियाँ शायद ही कभी विनाश और सृजन के बीच चुनाव करती हैं। वे आमतौर पर दोनों प्रदान करती हैं, लेकिन जरूरी नहीं कि एक ही समय में एक ही लोगों को।

सत्य नडेला: असली समस्या गति हो सकती है

Microsoft के CEO सत्य नडेला ने वर्तमान प्लेटफॉर्म बदलाव को एक वाक्य में वर्णित किया है जिसे मैं विशेष रूप से महत्वपूर्ण मानता हूँ:

"तीस साल का बदलाव तीन साल में संकुचित हो रहा है!"

संकुचित शब्द इस बहस में लगभग किसी भी अन्य चीज़ से अधिक मायने रख सकता है।

मानवता पहले भी विशाल तकनीकी परिवर्तनों से बची है। बिजली ने कारखानों और घरों को बदल दिया। कारों ने शहरों को फिर से डिज़ाइन किया। कंप्यूटर ने कार्यालयों को बदल दिया। इंटरनेट ने संचार, वाणिज्य और मीडिया को पुनर्व्यवस्थित किया।

लेकिन समाजों के पास अनुकूलन के लिए समय था। लोग सेवानिवृत्त हुए, जबकि युवा पीढ़ियों ने अलग-अलग कौशल सीखे। विश्वविद्यालयों ने पाठ्यक्रम बदले, सरकारों ने नियम बनाए, कंपनियाँ बनीं और विफल हुईं, और पूरे पेशे धीरे-धीरे विकसित हुए।

AI एक अलग समस्या पैदा कर सकता है क्योंकि तकनीकी अनुकूलन मानव अनुकूलन की तुलना में तेजी से हो सकता है।

एक ऐसे व्यक्ति की कल्पना करें जो आज एक ऐसे पेशे के लिए चार साल की विश्वविद्यालय की डिग्री शुरू कर रहा है जिसका अर्थशास्त्र स्नातक होने तक मौलिक रूप से भिन्न दिख सकता है। या एक 45 वर्षीय पेशेवर पर विचार करें जिसने एक ऐसे कार्य में असाधारण बनने में बीस साल बिताए हैं जो अचानक लगभग तुरंत और लगभग बिना किसी लागत के उपलब्ध हो जाता है।

सबसे बड़ा खतरा स्वयं तकनीकी परिवर्तन नहीं हो सकता है। यह उस गति के बीच बढ़ती खाई हो सकती है जिस पर मशीनें सुधरती हैं और जिस गति पर मनुष्य, कंपनियाँ और संस्थान स्वयं को पुनः आविष्कार कर सकते हैं।

डेमिस हसाबिस: यह सॉफ्टवेयर से बड़ा हो सकता है

फिर हम Google DeepMind के CEO डेमिस हसाबिस पर आते हैं।

अगस्त 2026 में, हसाबिस ने वर्तमान अवधि को "मानव इतिहास में एक निर्णायक क्षण" बताया और कहा कि अपने पूरे करियर में AGI की दिशा में काम करने के बाद, उनका मानना है कि यह अब "निकट है।"

यह बातचीत को कार्यस्थल उत्पादकता से कहीं आगे ले जाता है।

एक बार जब AI गणित, जीव विज्ञान, रसायन विज्ञान, सामग्री विज्ञान, इंजीनियरिंग और चिकित्सा को आगे बढ़ाने में मनुष्यों की भौतिक रूप से मदद करने में सक्षम हो जाता है, तो AI केवल एक और तकनीकी उद्योग नहीं रह जाता है। यह एक ऐसी तकनीक बन जाता है जो अन्य तकनीकों को गति देती है।

AI रोबोटिक्स में सुधार कर सकता है, दवाओं की खोज में मदद कर सकता है, नई सामग्री डिज़ाइन कर सकता है, सॉफ्टवेयर लिख सकता है, वैज्ञानिक अनुसंधान में सहायता कर सकता है और इंजीनियरों को बेहतर कंप्यूटर डिज़ाइन करने में मदद कर सकता है, जो बदले में बेहतर AI चला सकते हैं।

यह एक प्रतिक्रिया लूप बनाता है: बेहतर AI मनुष्यों को बेहतर तकनीक बनाने में मदद करता है, बेहतर तकनीक मनुष्यों को बेहतर AI बनाने में मदद करती है, और चक्र तेज होता है।

यही कारण है कि AI की तुलना स्मार्टफोन से करना नाटकीय रूप से कम आंक सकता है कि क्या हो रहा है। स्मार्टफोन ने बदल दिया कि मनुष्य जानकारी तक कैसे पहुँचते हैं।

उन्नत AI बदल सकता है मानवता कितनी जल्दी नई चीजों की खोज करती है।

वे सभी सही हो सकते हैं

पहली नज़र में, ये नेता हमें अलग-अलग कहानियाँ सुना रहे हैं। हालाँकि, उनके तर्कों को क्रम में रखें, और वे आश्चर्यजनक रूप से संगत दिखने लगते हैं।

ऑल्टमैन कहते हैं कि बुद्धिमत्ता प्रचुर हो जाती है। जो क्षमताएँ कभी महंगी थीं, वे लगभग सभी के लिए उपलब्ध हो जाती हैं।

स्केट्स कहते हैं कि उत्पाद स्वयं सीखने और सुधारने लगते हैं। प्रचुर बुद्धिमत्ता उत्पाद-विकास लूप में एम्बेडेड हो जाती है, जो निर्माण, मानव व्यवहार का अवलोकन, प्रयोग, सीखने और सुधार को जोड़ती है।

अमोदेई कहते हैं कि प्रचुर बुद्धिमत्ता ज्ञान कार्य को बाधित करती है। विशेष रूप से कमजोर वे जूनियर कार्य हो सकते हैं जिन पर पारंपरिक करियर बनाए गए थे।

हुआंग कहते हैं कि AI व्यक्तिगत मनुष्यों को नाटकीय रूप से प्रवर्धित करता है। कम लागत नई मांग, नई कंपनियाँ और पूरी तरह से नई प्रकार की नौकरियाँ पैदा करती है।

नडेला कहते हैं कि यह सब असाधारण रूप से जल्दी होता है। पिछली तकनीकी क्रांतियों की तुलना में समाज को समायोजित करने के लिए बहुत कम समय मिलता है।

हसाबिस कहते हैं कि AI अंततः खोज को गति देता है। बुद्धिमत्ता मानवता को प्रौद्योगिकी की अगली पीढ़ी का आविष्कार करने में मदद करने लगती है।

ये जरूरी नहीं कि छह प्रतिस्पर्धी भविष्यवाणियाँ हों। ये एक ही परिवर्तन की छह परतें हो सकती हैं।

दुर्लभता का अनुसरण करें

यदि ये लोग आंशिक रूप से भी सही हैं, तो अपने करियर, कंपनी या निवेश के बारे में सोचने वाले किसी भी व्यक्ति के लिए एक आश्चर्यजनक रूप से व्यावहारिक सबक है:

अपने मूल्य को किसी ऐसी चीज़ के आसपास न बनाएं जिसे AI प्रचुर बना रहा है। इसे उस चीज़ के आसपास बनाएं जो दुर्लभ हो जाती है क्योंकि AI प्रचुर है।

ध्यान दुर्लभ हो जाता है। जब सामग्री प्रभावी रूप से असीमित हो जाती है, तो वास्तविक मानवीय ध्यान आकर्षित करना अधिक कठिन और इसलिए अधिक मूल्यवान हो जाता है।

निर्णय दुर्लभ हो जाता है। जब विश्लेषण तुरंत तैयार किया जा सकता है, तो कठिन प्रश्न यह नहीं रह जाता है कि क्या आप विश्लेषण प्राप्त कर सकते हैं। यह है कि क्या आप जानते हैं कि किस विश्लेषण पर भरोसा किया जाना चाहिए।

दिशा दुर्लभ हो जाती है। जब AI सैकड़ों विचार और रणनीतियाँ उत्पन्न कर सकता है, तो एक और विचार जरूरी नहीं कि उपयोगी हो। यह जानना कि किस समस्या को हल किया जाना चाहिए, लाभ बन जाता है।

मौलिक विचार दुर्लभ हो जाता है। जब सक्षम लेखन, चित्र, सॉफ्टवेयर और प्रस्तुतियाँ लगभग किसी के द्वारा भी तैयार की जा सकती हैं, तो कुछ वास्तव में अलग कहना अधिक मूल्यवान हो जाता है।

विश्वास दुर्लभ हो जाता है। मशीनें तेजी से सम्मोहक ढंग से संवाद करेंगी, जबकि सिंथेटिक सामग्री का निर्माण करना आसान हो जाएगा। इसलिए मानवीय विश्वसनीयता अधिक मूल्यवान हो जाती है, कम नहीं।

स्वाद दुर्लभ हो जाता है। AI अनंत संभावनाएँ बना सकता है। किसी को अभी भी यह तय करना है कि कौन सा वास्तव में अच्छा है।

और स्व-सुधार करने वाले उत्पाद एक और दुर्लभता पैदा करते हैं जो बहुत मायने रख सकती है: यह जानना कि सिस्टम को किसके लिए अनुकूलित करना चाहिए।

एक मशीन किसी उद्देश्य को प्राप्त करने में असाधारण रूप से अच्छी हो सकती है। एक उत्पाद किसी मीट्रिक को बेहतर बनाने में असाधारण रूप से अच्छा हो सकता है। लेकिन क्या यह सही उद्देश्य था? क्या यह सही मीट्रिक था?

यह अब प्राथमिक रूप से एक तकनीकी प्रश्न नहीं है।

यह एक मानवीय निर्णय प्रश्न है।

मशीन से आगे निकलने की कोशिश न करें

दशकों तक, प्रबंधकों ने मनुष्यों को बताया कि कौन से कार्य करने हैं। कल, नेता तेजी से मनुष्यों, एजेंटों और स्व-सुधार प्रणालियों के संयोजन के लिए उद्देश्यों को परिभाषित कर सकते हैं।

नेतृत्व तब निष्पादन की निगरानी करने से कम और दिशा, बाधाओं, प्रोत्साहनों और अर्थ को परिभाषित करने के बारे में अधिक हो जाता है।

मैं अगले दशक को उन चीजों में थोड़ा बेहतर बनने की कोशिश में नहीं बिताऊंगा जिनमें मशीनें तेजी से सुधार कर रही हैं। मैं उन्हें निर्देशित करना सीखूंगा, साथ ही जानबूझकर उन क्षमताओं को मजबूत करूंगा जो ठीक इसलिए अधिक मूल्यवान हो जाती हैं क्योंकि बुद्धिमत्ता स्वयं प्रचुर होती जा रही है: निर्णय, जिज्ञासा, साहस, रिश्ते, नेतृत्व, जिम्मेदारी और स्वाद।

AI युग के विजेता वे लोग नहीं हो सकते हैं जो AI के बारे में सबसे अधिक जानते हैं। वे वे लोग हो सकते हैं जो समझते हैं कि बुद्धिमत्ता के साथ क्या करना है जब बुद्धिमत्ता स्वयं दुर्लभ नहीं रह जाती है।

हजारों वर्षों तक, बुद्धिमत्ता ने मनुष्यों को असाधारण शक्ति दी। अब हम ऐसी मशीनें बना रहे हैं जो बुद्धिमत्ता को हर जगह, हर समय उपलब्ध करा सकती हैं, जबकि हमारे आस-पास के उत्पाद निरीक्षण, सीखना और सुधार करना शुरू कर देते हैं।

शायद AI युग का परिभाषित प्रश्न यह नहीं है कि क्या मशीनें अंततः हमारी तरह सोचेंगी।

यह कुछ और अधिक असुविधाजनक है:

मनुष्यों को क्या बनना चाहिए जब बुद्धिमान होना हमें विशेष बनाने के लिए पर्याप्त नहीं रह जाता है?