सामान्य अर्थ बदल: एआय बांधणाऱ्यांच्या भाषेचें रहस्य उघडणें

5 मार्च, 2026 रोजी, मॅथ्यू हार्वे सॅंडर्स, लॉन्गबियर्डचे CEO, थॉमिस्टिक इन्स्टिट्यूटच्या “The Semantic Drift: Demystifying the Language of AI Builders” या शीर्षकाच्या भाषणात बोलले.आर्टिफिशियल इंटेलिजन्स: सद्गुणासाठी एक साधन?रोममधील संत थॉमस अकिनासच्या पोंटिफिकल युनिव्हर्सिटीमध्ये आयोजित केलेल्या “

या भाषणात, त्यांनी सिलिकॉन व्हॅलीच्या विकासकांनी मशीन लर्निंगचे वर्णन करण्यासाठी वापरलेल्या भ्रामक, मानवी भाषाशास्त्रावर टीका केली. ते म्हणतात की AI चा योग्य वापर करण्यासाठी, आपल्याला कठोर कॅथोलिक ओंटोलॉजी पुन्हा मिळवावी लागेल आणि या प्रणालींना नैतिक एजंट म्हणून नाही तर यांत्रिक साधनांप्रमाणेच विचार करावे लागेल.

I. प्रस्तावना: सेमांटिक ड्रिफ्ट आणि सार्वजनिक चौक

पिता, मान्यवर शिक्षक, आणि एंजेलिकमच्या पाहुण्यांनो, या चर्चेसाठी थॉमिस्टिक इन्स्टिट्यूटचे आभार.

आपण एक नवीन युगात प्रवेश करत आहोत, माहितीच्या युगाच्या ठोस निश्चिततांना सोडून बुद्धिमत्तेच्या युगाच्या विशाल, अनन्वित विश्वात जात आहोत, आपल्याला एक गहन नेव्हिगेशनल आव्हानाचा सामना करावा लागतो. या परिषदेतल्या हृदयात असलेल्या तात्काळ प्रश्नाचे उत्तर देण्यापूर्वी—आर्टिफिशियल इंटेलिजन्स खरोखरच 'सद्गुणासाठी एक साधन' म्हणून काम करू शकते का—आपल्याला प्रथम एक आव्हान समोर येईल, जे सॉफ्टवेअर इंजिनिअरिंगचे नाही, तर भाषाशास्त्राचे आहे.

आमच्या समकालीन चिंतेच्या केंद्रात AI बद्दल एक गहन भाषाशास्त्रीय टकराव आहे. सिलिकॉन व्हॅलीतील या प्रणालींचे अभियंते आणि आर्किटेक्ट गणिताच्या अद्भुत कलेत कार्यरत आहेत. तरीही, या गणितीय आणि सांख्यिकी प्रक्रियांचे वर्णन करण्यासाठी, त्यांनी मानवी अंतर्मुखतेच्या पवित्र, गहन तत्त्वज्ञानाच्या शब्दसंग्रहाचे उधळण केले आहे. ते आपल्याला सांगतात की त्यांच्या प्रणाली "विचार करतात," "तर्क करतात," आणि "जानतात". ते "शिक्षण," "इच्छा," आणि "निवड" करणाऱ्या अल्गोरिदम्सबद्दल बोलतात.

आपण साक्षीदार आहोत एक सेमांटिक ड्रिफ्ट. आपण आत्म्याच्या समृद्ध, ओंटोलॉजिकल शब्दसंग्रहाला घेऊन जटिल रेखीय बीजगणित, सांख्यिकी संभाव्यता, आणि उच्च-आयामी जिओमेट्रीवर चिकटवत आहोत. हे एक आधुनिक अल्केमी आहे—गणनात्मक वजनांना मनाची एक भासविण्याचा प्रयत्न.

या भाषाशास्त्रीय गोंधळाचा सार्वजनिकावर गहन आणि तात्काळ परिणाम होतो. या शब्दांचा गैरसमज अपरिहार्यपणे चुकीच्या विश्वासाकडे नेतो.

मी लॉन्गबियर्डमध्ये आमच्या कामात हे पहातो; वापरकर्ते अनेकदा AI कडे भारित मनाने येतात, एक टेक्स्ट-निर्मिती साधन म्हणून त्याला एक आध्यात्मिक मार्गदर्शक मानतात जो सहानुभूती दर्शवू शकतो.

याव्यतिरिक्त, हा सेमांटिक गोंधळ सांस्कृतिक चिंतेला प्रोत्साहन देतो, "सचेत" सुपरइंटेलिजन्सच्या प्रतिस्पर्ध्यांच्या प्रलयकारी भीतीला चालना देतो.

परंतु सर्वात धोकादायक म्हणजे, हे मानवी असण्याच्या अर्थाचा एक विकृत अर्थ निर्माण करते. जर आपण मान्य केले की एक मशीन "तर्क करते" किंवा "निर्माण करते" जसे एक मानव करतो, तर आपण मानवी व्यक्तीला केवळ एक जैविक मशीनमध्ये कमी करण्याचा गहन धोका घेत आहोत—एक मांस आणि सायनॅप्सचा समूह जो ऑप्टिमाइझ होण्याची वाट पाहत आहे.

हे मला आपल्या चर्चेच्या मुख्य तत्त्वाकडे आणते: AI एक "सद्गुणासाठी साधन" असू शकते का हे उत्तर देण्यासाठी, आपल्याला प्रथम त्याच्या भाषेला स्पष्ट करणे आवश्यक आहे. एक साधन फक्त तेव्हा चांगले कार्य करू शकते जेव्हा ते योग्य प्रकारे समजले जाते. आपण मशीनला आपल्या स्वतःच्या सद्गुणासाठी योग्य साधन म्हणून वापरण्यात अपयशी ठरतो जेव्हा आपण त्यांना नैतिक एजन्सीचा गैरसमज करतो.

हत्याराला सद्गुण देणे म्हणजे कारपेंटरला अंध केले.

या तंत्रज्ञानाला खरोखर बाप्तिस्मा देण्यासाठी आणि मानवी समृद्धीच्या दिशेने आदेश देण्यासाठी, आपल्याला भाषाशास्त्रीय भास काढून टाकावे लागेल आणि खालील आर्किटेक्चरकडे गंभीरपणे पाहावे लागेल.

II. भासाची आर्किटेक्चर: मूलभूत यांत्रिकी

आधुनिक जनरेटिव AI प्रणाली बोलताना, तर्क करताना, आणि आपल्याशी संवाद साधताना दिसते, परंतु या इंटरफेसच्या खाली एक संपूर्णपणे गणितावर आधारित पाया आहे, metaphysics नाही.

आम्ही वेक्टर आणि एम्बेडिंग्जपासून सुरूवात करूया, जे मोठ्या भाषेच्या मॉडेल्सचा वास्तविक पाया म्हणून कार्य करतात. जेव्हा आपण एका सहकारी विद्वानाशी "न्याय" किंवा "आत्मा" याबद्दल बोलता, तेव्हा ते आपल्या शब्दांचा अर्थ एक सामायिक वास्तवाच्या समजून घेतात—एक अनुभवात्मक, अवतारी मानवी अनुभव. जेव्हा आपण AI मध्ये एक प्रॉम्प्ट टाइप करता, तेव्हा प्रणाली असे काहीही करत नाही. त्याऐवजी, AI मानवी भाषेला उच्च-आयामी जागेत गणितीय समन्वयांमध्ये अनुवादित करते.

साध्या भाषेत सांगायचे झाले तर, "वेक्टर" म्हणजे काहीतरी वर्णन करण्यासाठी वापरलेली संख्यांची यादी. एक सफरचंद वर्णन करताना शब्दांचा वापर न करता, गुणांकांची यादी वापरण्याचा विचार करा: गोडी साठी 9, लालसरपणासाठी 8, आणि धातूच्या कुरकुरीसाठी 2. ती विशिष्ट संख्यांची यादी—[9, 8, 2]—एक वेक्टर आहे. एका AI प्रणालीमध्ये, प्रत्येक एकल शब्द—किंवा शब्दाचा एक भाग—एक विशाल वेक्टरमध्ये अनुवादित केला जातो, जो अनेकदा हजारो संख्यांचा असतो. परंतु AI शब्दांना शारीरिक गुणधर्म किंवा शब्दकोशाच्या व्याख्यांवर आधारित गुणांक देत नाही. त्याऐवजी, ते या संख्यांना संख्याशास्त्राच्या आधारे तयार करते, अब्जावधी पुस्तकं आणि लेख स्कॅन करून किती वेळा शब्द एकमेकांच्या जवळ येतात हे मोजते.

एकदा AI या शब्दासाठी या विशाल संख्यांची यादी मोजून काढल्यानंतर, तो वेक्टर "एम्बेडिंग" बनतो—एक विशाल डिजिटल जागेत एक कायमचा गणितीय समन्वय.

जर "सफरचंद" आणि "पाई" या शब्दांचा इंटरनेटवर एकाच वाक्यात वारंवार उल्लेख केला जात असेल, तर त्यांच्या संख्यांच्या यादीत खूप साम्य असेल, ज्यामुळे त्यांना नकाशावर गणितीयदृष्ट्या एकमेकांच्या जवळ ठेवले जाईल. "सफरचंद" आणि "कार्ब्युरेटर" या शब्दांना, जे क्वचितच एकत्र येतात, खूप भिन्न संख्यांचा सामना करावा लागतो आणि त्यांना लाखो मैलांवर ठेवले जाते. या बहुआयामी नकाशावर, AI अर्थाचे चार्टिंग करत नाही; ते मानवी भाषेच्या सांख्यिकी जवळीकचे चार्टिंग करते.

या आर्किटेक्चरच्या प्रमाणाचे खरे आकलन करण्यासाठी, आपण " वेक्टर नकाशा Magisterium AI वर पाहू शकता. येथे, कॅथोलिक सिद्धांत आणि परंपरेचा संपूर्ण भाग एम्बेडिंग्जमध्ये रूपांतरित केला गेला आहे. ही इंटरएक्टिव 3D दृश्यता आपल्याला चर्चाच्या बौद्धिक इतिहासाचा अनुभव एक सपाट खाती म्हणून नाही, तर एक विशाल, डिजिटल विश्व म्हणून घेण्याची परवानगी देते. यामध्ये नेव्हिगेट करणे म्हणजे वास्तविक जागेत रॉकेट शिप चालवण्यासारखे आहे, संबंधित धार्मिक संकल्पनांच्या घन गॅलॅक्सीजच्या बाजूने सरकणे आणि पूर्णपणे भिन्न विचारांमध्ये विशाल, रिकाम्या शून्यातून पार करणे, 'सद्गुण' आणि 'दुष्टता' यांच्यातील अंतर कसे मोजले जाते हे पाहणे.

आता, सिलिकॉन व्हॅलीच्या प्रयोगशाळांमधील एक प्रसिद्ध उदाहरण पाहूया, जेणेकरून या प्रक्रियेचा मानवी विचारापासून किती परका आहे हे दिसून येईल. या गणितीय जागेत, "राजा" हा शब्द विशिष्ट संख्यांच्या मालिकेच्या रूपात नकाशावर ठेवला जातो—एक भौगोलिक समन्वय. "राणी" हा शब्द जवळच ठेवला जातो. AI ला राजेशाही काय आहे हे माहित नाही. त्याला शासन, अधिकार, इतिहास, किंवा मानवी स्थितीची कोणतीही कल्पना नाही. त्याला फक्त एक गणितीय समीकरण माहित आहे. त्याला माहित आहे की जर आपण "राजा" साठी समन्वय घेतला, "पुरुष" दर्शविणाऱ्या जागेच्या अंतराला वजा केले आणि "महिला" दर्शविणाऱ्या जागेच्या अंतराला जोडले, तर आपण "राणी" साठी समन्वयावर थेट पोहोचता.

हे जिओमेट्री आहे, वंशावळ नाही. मानवी भाषेला या संख्यात्मक प्रतिनिधित्वांमध्ये तोडून, AI संपूर्णपणे जागतिक संभाव्यतेच्या क्षेत्रात कार्य करते. हे रेखीय बीजगणिताचे एक आश्चर्यकारक कार्य आहे, परंतु हे समजून घेण्यास पूर्णपणे वंचित आहे.

हे आपल्याला उद्योगाने सर्वाधिक अवलंबून असलेल्या क्रियापदांकडे आणते: ट्रेन आणि लर्न.

AI कंपन्या सतत त्यांच्या नवीनतम "मशीन लर्निंग" मॉडेल्स आणि त्यांना "प्रशिक्षित" करण्यासाठी वापरलेल्या विशाल डेटासेट्सचा गर्व करतात. येथे, आपल्याला मानवी शिक्षणाची तीव्र तुलना करावी लागेल—जे मूलतः सत्य समजून घेण्याबद्दल आहे—मशीन शिक्षणासोबत.

कॅथोलिक बौद्धिक परंपरेत, मानवी शिक्षण हे एक ज्ञानात्मक विजय आहे; हे बुद्धीचे वास्तवाशी अनुरूप होणे आहे. जेव्हा एक मूल एक कुत्रा काय आहे हे शिकते, तेव्हा ते त्यांना भेटलेल्या विशिष्ट उदाहरणांमधून कुत्र्याचा सार्वत्रिक सारांश काढतात. ते गोष्टीच्या कायतेला समजतात.

मशीन "शिक्षण," तथापि, कोणतीही अमूर्तता आणि कोणतीही सारतत्त्व समाविष्ट करत नाही. AI तयार करण्याच्या पहिल्या टप्प्याला प्री-ट्रेनिंग म्हणतात, जे फक्त डेटा मोजण्याचे बलात्कारी सांख्यिकी नकाशण आहे.

प्री-ट्रेनिंग समजून घेण्यासाठी, एक व्यक्ती जो फक्त इंग्रजी बोलतो, एका खोलीत बंद आहे आणि प्राचीन ग्रीक ग्रंथालयाची पुनर्स्थापना करण्याचे कार्य करीत आहे जिथे लाखो हस्तलिखितांमध्ये शब्द गहाळ आहेत. त्याला ग्रीकच्या एका अक्षराचीही माहिती नाही. रिकाम्या जागा भरून काढण्यासाठी, तो ग्रीक व्याकरण, इतिहास, किंवा तत्त्वज्ञानाचा अभ्यास करत नाही. त्याऐवजी, तो फक्त किती वेळा विशिष्ट वर्ण इतरांच्या जवळ येतात हे मोजतो. तो संभाव्यतेचा एक विशाल खाता तयार करतो. जर त्याला "क्यारी" साठी वर्ण दिसले, तर त्याचा खाता त्याला सांगतो की पुढील वर्ण "एलेइसन" असण्याची 99.9% संभाव्यता आहे. तो रिकाम्या जागा भरतो.

त्याने तत्त्वज्ञान शिकलेले नाही. त्याने प्रार्थना केलेली नाही. त्याने फक्त सांख्यिकी संभाव्यता कार्यान्वित केली आहे.

हेच एक मोठे भाषेचे मॉडेल प्री-ट्रेनिंग दरम्यान करते. ते अब्जावधी शब्दांची प्रक्रिया करते जेणेकरून संभाव्यतेचा एक विशाल खाता तयार करावा, फक्त अनुक्रमामध्ये पुढील टोकनची भविष्यवाणी करण्यासाठी शिकत आहे. हे गणितीय कार्याचे ऑप्टिमायझेशन आहे, ज्ञानाच्या शोधात नाही.

तथापि, एक मॉडेल जे फक्त इंटरनेट डेटावर आधारित पुढील शब्दाची भविष्यवाणी करते ते अराजक आहे. हे एक सुंदर कविता वाचू शकते, किंवा हे विषारी, अप्रिय, किंवा अंतहीन मजकूराच्या लूप्स एकत्र करू शकते. याला आकार देणे आवश्यक आहे.

याच ठिकाणी आपल्याला पोस्ट-ट्रेनिंग आणि रिइन्फोर्समेंट लर्निंग (RL) समजून येते.

हा टप्पा आहे ज्यामध्ये अभियंते अस्वस्थ मॉडेलला आकार देतात, पारंपरिकपणे मानवी अभिप्रायाचा वापर करून. हा मूलभूत पद्धत RLHF—मानवी अभिप्रायातून रिइन्फोर्समेंट लर्निंग म्हणून ओळखली जाते.

एक विशाल, स्वयंचलित "गरम किंवा थंड" खेळाची कल्पना करा. मानवी चाचणी करणारे मशीनला एक प्रॉम्प्ट देतात, आणि मशीन एक उत्तर तयार करते. जर उत्तर शिष्ट आणि उपयुक्त असेल, तर मानवी त्याला उच्च गुण देतो. जर ते rude किंवा nonsensical असेल, तर त्याला कमी गुण मिळतात. प्रणालीचे गणितीय वजन स्वयंचलितपणे या गुणांकाला अधिकतम करण्यासाठी बदलले जातात. RLHF च्या माध्यमातून, आपण मशीनला नैतिकता किंवा सद्गुण शिकवत नाही; आपण फक्त गणितीय सीमांमध्ये त्याला बंद करत आहोत.

परंतु मानवी अभिप्राय हळू, व्यक्तिपरक, आणि मानवी बुद्धीने स्वाभाविकपणे मर्यादित आहे. ही मर्यादा आपल्याला आजच्या AI क्षमतेतील अचानक उन्नतींच्या हालचालींमध्ये आणते: RLVR, किंवा वेरिफायबल रिवॉर्ड्समधून रिइन्फोर्समेंट लर्निंग.

एक उत्तर "योग्य" आहे की नाही हे न्याय करण्यासाठी मानवीवर अवलंबून राहण्याऐवजी, अभियंते मॉडेलला उद्दिष्टे असाइन करतात ज्यांचे वस्तुनिष्ठ, गणितीयदृष्ट्या सिद्ध परिणाम आहेत—जसे की एक जटिल थिओरम सोडवणे किंवा कार्यात्मक सॉफ्टवेअरचा एक तुकडा लेखन करणे. प्रणाली एक समाधान तयार करते, आणि एक स्वयंचलित सत्यापनकर्ता त्वरित तपासतो की गणित बरोबर आहे की नाही किंवा कोड संकलित होतो की नाही. जर ते यशस्वी झाले, तर मॉडेलला गणितीय बक्षीस मिळते; जर ते अपयशी ठरले, तर त्याला शून्य मिळते.

या सत्यापनामुळे पूर्णपणे प्रोग्रामेटिक असल्यामुळे, AI मानव हस्तक्षेपाची वाट न पाहता हायपरस्पीडमध्ये विविध गणनात्मक मार्गांची अनुकरण करू शकते. हे लांब, लपलेल्या गणनांच्या साखळ्या तयार करणे शिकते, मृत अंत बघून आणि त्यांना काढून टाकते जोपर्यंत ते बक्षीस ट्रिगर करणारा अचूक अनुक्रम सापडत नाही. जेव्हा आपण एक आधुनिक AI प्रणाली जटिल तार्किक कोडी सोडवण्यापूर्वी "विचार" करण्यासाठी थांबताना पाहता, तेव्हा आपण RLVR च्या क्रियेत साक्षीदार आहात. हे गहन, विचारशील चिंतनाचे एक आश्चर्यकारक भास निर्माण करते. तरीही, ओंटोलॉजिकलदृष्ट्या, हे काहीही करत नाही. हे फक्त एक सांख्यिकी इंजिन आहे जे प्रत्येक सेकंदात लाखो वेळा उच्च-आयामी भूलभुलैयामध्ये चालत आहे, फक्त संख्यात्मक बक्षीसाच्या स्वयंचलित वितरणाद्वारे मार्गदर्शित केले जाते.

शेवटी, या सर्व स्तरित जटिलतेमुळे—एम्बेडिंग्जच्या उच्च-आयामी जिओमेट्रीपासून RLVR च्या स्वयंचलित लूपपर्यंत—उद्योगाने "ब्लॅक बॉक्स" समस्येचा उल्लेख केला आहे.

कोणीही नैसर्गिकरित्या मानेल की मानवी अभियंते या मॉडेल्स तयार करतात, ते कसे कार्य करतात हे त्यांना अचूकपणे समजते. परंतु वास्तव अधिक नम्र आहे. अँथ्रोपिक सारख्या सीमारेषेवरील प्रयोगशाळांतील नेत्यांनी सूचित केले आहे की, आधुनिक AI प्रणाली वास्तवात "वाढविल्या" जातात, तयार केल्या जात नाहीत; त्यांच्या अंतर्गत यांत्रिकी प्रशिक्षणादरम्यान नैसर्गिकरित्या उगम पावतात, थेट डिझाइन केले जात नाहीत.

या मॉडेल्समध्ये शंभर अब्ज, आणि कधी कधी ट्रिलियन, पॅरामीटर्स असतात. जरी आपण एकल कृत्रिम न्यूरॉनच्या सूक्ष्म गणिताचे समजून घेत असलो—ग्रॅन्युलर स्तरावर घडणारे मूलभूत समीकरण—तरी संपूर्ण नेटवर्कचे मॅक्रो वर्तन पूर्णपणे अस्पष्ट आहे. अगदी निर्माते देखील या शंभर अब्ज पॅरामीटर्सने घेतलेल्या विशिष्ट गुणाकारांच्या अनुक्रमाचे अचूकपणे अन्वेषण करू शकत नाहीत.

हे महत्त्वाचे का आहे?

हे महत्त्वाचे आहे कारण आपण जागतिक स्तरावर प्रणाली तैनात करत आहोत ज्या आमचे कायदेशीर दस्तऐवज तयार करतात, आमच्या मुलांना शिकवतात, आणि मानवी ज्ञानाचे संश्लेषण करतात, तरीही आम्हाला खरोखर माहित नाही की ते त्यांच्या आउटपुटवर कसे पोहोचतात. या गहन पारदर्शकतेच्या अभावामुळे कृत्रिम बुद्धिमत्तेतील एक नवीन उपक्षेत्र उगम पावले आहे ज्याला यांत्रिक व्याख्याशास्त्र असे म्हणतात.

यांत्रिक व्याख्याशास्त्राला डिजिटल न्यूरोसाइंस म्हणून विचार करा. संशोधक त्यांच्या स्वतःच्या तयार केलेल्या न्यूरल नेटवर्कचे रिव्हर्स-इंजिनिअरिंग करण्याचा प्रयत्न करत आहेत. ते विशाल गणितीय जाळ्यात प्रवेश करण्यासाठी विशेष साधनांचा वापर करत आहेत, जेव्हा मॉडेल "फसवणूक" किंवा "आयफेल टॉवर" सारख्या संकल्पनेची प्रक्रिया करते तेव्हा कोणता विशिष्ट वजनांचा समूह सक्रिय होतो हे अलग ठेवण्याचा प्रयत्न करत आहेत. ते सॉफ्टवेअरला वाचन करण्यासाठी कोड म्हणून नाही, तर एक परकीय मस्तिष्क म्हणून विच्छेदन करण्याचा प्रयत्न करत आहेत. परंतु प्रगती अत्यंत हळू आहे, आणि प्रणाली अमर्यादित आहेत.

या अव्याख्यायित प्रमाणासमोर, उद्योगासाठी मानवी-समान उपमा वापरणे अत्यंत सोपे आहे. एक सोयीस्कर संक्षेप म्हणून किंवा खरे अस्पष्टतेमुळे, आपण म्हणायला सुरुवात करतो, 'मॉडेलने ते समजले,' किंवा 'मॉडेलने ठरवले.' मशीनची व्याख्या न करता, मानवाकडे रूपांतरित होण्याचे उपजाऊ प्रजननभूमी बनते.

आता, मी एक शैक्षणिक नाही. मी एक बिल्डर आणि CEO आहे. परंतु तंत्रज्ञान आणि चर्चाच्या छायेत कार्यरत असलेल्या व्यक्ती म्हणून, मी तुमच्याकडे पाहतो. तुम्ही, कॅथोलिक विद्वान आणि तत्त्वज्ञ, या सेमांटिक ड्रिफ्टला काय आहे म्हणून मान्य करणे आवश्यक आहे: गणितीय जटिलते आणि मानवी अज्ञानामुळे जन्मलेली एक भास. इंटरफेसच्या खालील आर्किटेक्चर सिलिकॉन, विद्युत, आणि सांख्यिकी संभाव्यता आहे. या पायाची ओळख करणे आपल्या पुढच्या पायरीसाठी पूर्वापेक्षा अधिक आवश्यक आहे.

III. ज्ञानशास्त्र vs. बौद्धिक सद्गुण

"काळ्या बॉक्स" च्या भ्रांतिला काढून टाकल्यानंतर, आपल्याला मनाच्या विशिष्ट शब्दसंग्रहाकडे वळावे लागेल.

जेव्हा सिलिकॉन व्हॅलीतील विकासक आणि अभियंते या प्रणाली काय करत आहेत हे वर्णन करतात, तेव्हा ते सतत तीन विशिष्ट क्रियापदांकडे पोहोचतात: विचार करा, तर्क करा, आणि जाणून घ्या.

थोमिस्ट परंपरेत गडप झालेल्या कॅथोलिक शास्त्रज्ञांप्रमाणे, तुम्ही समजता की हे फक्त बोलचाल नाही; हे गहन ज्ञानशास्त्रीय दावे आहेत. तुमच्या परंपरेत, जाणून घेणे म्हणजे वास्तव समजून घेणे. तर्क करणे म्हणजे एक ज्ञात सत्यापासून दुसऱ्या ज्ञात सत्याकडे वळणे. विचार करणे म्हणजे एक अंतर्गत जीवन असणे—एक बुद्धी भौतिक जगातून अमूर्त विश्वांशी संवाद साधत आहे.

जेव्हा एआय निर्माता या शब्दांचा वापर करतो, तेव्हा त्यांना त्यातील कोणतीही गोष्ट अभिप्रेत नाही. ते यांत्रिक ऑप्टिमायझेशनचे वर्णन करत आहेत. मला उद्योगात वापरण्यात येणाऱ्या तीन विशिष्ट तंत्रज्ञानांवर प्रकाश टाकू द्या जे तुम्हाला ज्ञानशास्त्राची ही भ्रांति कशी तयार केली जाते हे स्पष्टपणे दर्शवितात.

जर तुम्ही अलीकडील एआय मॉडेल वापरले असेल, तर तुम्हाला एक नवीन वैशिष्ट्य लक्षात आले असेल: जटिल प्रॉम्प्टला उत्तर देण्यापूर्वी, इंटरफेस कदाचित "विचार करत आहे..." हे शब्द आणि एक पल्पसिंग चिन्ह प्रदर्शित करेल. उत्तर देण्यास दहा, वीस, किंवा अगदी साठ सेकंद लागतील. वापरकर्त्यास, हे अत्यंत मानवीय वाटते. असे वाटते की मशीन विचार करत आहे, पर्यायांचे वजन करत आहे, आणि अंतर्गत जागेत विचार करत आहे.

उद्योगात, आम्ही याला टेस्ट-टाइम कंप्यूट म्हणतो. इंटरफेसच्या खाली वास्तवात काय घडत आहे हे एक तंत्रज्ञान आहे ज्याला "चेन ऑफ थॉट" प्रॉम्प्टिंग म्हणतात.

माझे स्पष्ट करणे आवश्यक आहे: अभियंता दृष्टिकोनातून, हे एक उत्कृष्ट प्रगती आहे. मॉडेलला अंतिम उत्तर तयार करण्यापूर्वी शंभर किंवा हजारो लपवलेल्या टोकन तयार करण्यासाठी अधिक संगणकीय वेळ घेण्याची परवानगी देऊन, जटिल तर्क, कोडिंग, आणि गणितीय बेंचमार्कवर त्याचे प्रदर्शन झपाट्याने वाढते. हे मूलतः मॉडेलला एक लपवलेले "स्क्रॅचपॅड" देते जे कठीण समस्येला अनुक्रमिक टप्प्यात तोडते.

पण आपल्याला या यांत्रिक अनुक्रमाला मानवी तर्कासोबत गोंधळू नये.

थोमिस्ट परंपरेत, मानवी तर्क म्हणजे एक ज्ञात सत्यापासून दुसऱ्या ज्ञात सत्याकडे जाणे. हे वास्तवाशी संवाद साधणारी बुद्धी आहे. एआय जे करत आहे ते संपूर्णपणे यांत्रिक आहे. अँथ्रॉपिक सारख्या सीमारेषेतील प्रयोगशाळांमधील अलीकडील संशोधनाने या भेदाला उजागर केले आहे. या तर्क मॉडेल कसे कार्य करतात हे अध्ययन करताना, संशोधकांनी आढळले की मॉडेलने आपल्या लपवलेल्या "चेन ऑफ थॉट" मध्ये जे काही लिहिले आहे ते खरे अंतर्गत मनोगत नाही.

जेव्हा एक मानव उच्च आवाजात विचार करतो, तेव्हा आमच्या शब्दांमध्ये आमच्या आंतरिक विश्वास आणि सत्याची समज असते. अँथ्रॉपिकच्या संशोधनाने हे स्पष्ट केले आहे की मॉडेलच्या लपवलेल्या विचारांमध्ये फक्त सांख्यिकीय पायाभूत आहेत. मॉडेल हे लपवलेले टप्पे तयार करते कारण ते "विश्वास" करत नाही, तर कारण त्या विशिष्ट टोकनच्या अनुक्रमाने त्याच्या पुरस्कार कार्याकडे जाण्याचा गणितीय ऑप्टिमायझेशन करते.

खरं तर, अँथ्रॉपिकच्या अभ्यासाने दाखवले आहे की मॉडेल "विचार" तयार करू शकतात जे त्यांच्या अंतिम उत्तराच्या अंतर्गत सांख्यिकीय चालकांना सक्रियपणे लपवतात.

म्हणून, एआय विचार करत नाही. ते एक यांत्रिक गणितीय समन्वयांची शृंखला तयार करत आहे. ते तुमच्या प्रॉम्प्ट आणि सांख्यिकीय दृष्टिकोनानुसार उत्तम उत्तर यामध्ये अंतर कमी करण्यासाठी वीज गतीने मध्यवर्ती पझल तुकडे ठेवत आहे. हे एक अत्यंत शक्तिशाली ऑप्टिमायझेशन धोरण आहे, पण येथे कोणतीही अंतर्गत विचारणा होत नाही. येथे कोणतीही बुद्धी सत्य समजून घेत नाही.

नंतर, आपण ऐकतो की एआय "वाचन" करू शकते किंवा विशाल माहितीच्या ग्रंथालयांचे "स्मरण" करू शकते.

जर तुम्ही एआयला संत थॉमसच्या 'सुम्मा थिओलॉजिका' विषयी विचारले, तर ते ताबडतोब उत्तर देते. जर तुम्ही चर्चाच्या सामाजिक शिक्षणाचा 'कंपेंडियम' जवळजवळ 500 पृष्ठांचा अपलोड केला, तर ते काही सेकंदांत एक जटिल विभागाचे संक्षेपण करते. ते या ग्रंथांना कसे "जाणते"?

ते नाही.

याचे कारण समजून घेण्यासाठी, आपल्याला निर्मात्यांनी स्मृती आणि वाचनाची भ्रांति कशी तयार केली आहे हे तीन वेगवेगळ्या यांत्रिकांमध्ये पाहावे लागेल: पॅरामेट्रिक स्मृती (पूर्व-प्रशिक्षण), इन-कॉन्टेक्स्ट लर्निंग (आयसीएल), आणि रिट्रीव्हल-ऑगमेंटेड जनरेशन (आरएजी).

प्रथम, एआयला "स्मरण" करणे म्हणजे काय हे पाहूया. जेव्हा एक मानव एक मजकूर स्मरण करतो, तेव्हा ते संकल्पनांचे अर्थ आणि सत्य ठेवतात. जेव्हा एआय 'सुम्मा' "स्मरण" करते, तेव्हा ते आपल्या पूर्व-प्रशिक्षणावर अवलंबून असते. पण एआयमध्ये सुम्मा ची एक प्रत नाही. त्याऐवजी, पूर्व-प्रशिक्षणादरम्यान, त्याने प्रक्रिया केलेल्या अब्जो शब्दांनी त्याच्या गणितीय वजनांमध्ये एक सांख्यिकीय अवशेष सोडला. हे "पॅरामेट्रिक स्मृती" आहे.

हे पुस्तकांच्या ग्रंथालयाचे नाही; हे शब्द एकमेकांशी कसे संबंधित आहेत याचा एक अत्यंत संकुचित, गमावलेला गणितीय धूसर आहे. जेव्हा ते अॅक्विनासचे वाचन करतात, तेव्हा ते एक सत्य स्मरण करत नाहीत; ते त्या सांख्यिकीय धूसरातून उच्च-संभाव्य शब्दांच्या अनुक्रमाचे गणितीय पुनर्निर्माण करत आहेत.

पण जेव्हा आपण एआयला "वाचन" करण्यासाठी काही नवीन, जे त्याच्या पूर्व-प्रशिक्षण डेटा मध्ये नव्हते, तेव्हा काय होते? येथे निर्माते इन-कॉन्टेक्स्ट लर्निंग (आयसीएल) वापरतात.

जेव्हा तुम्ही प्रॉम्प्ट बॉक्समध्ये एक लेख पेस्ट करता आणि एआयला ते "वाचन" करण्यास विचारता, तेव्हा तुम्ही आयसीएलचा वापर करत आहात. एआय मजकूर वाचन करत नाही की त्याचा अर्थ समजून घेते. त्याऐवजी, तुमच्या प्रॉम्प्टमधील मजकूर तात्पुरती गणितीय फिल्टर म्हणून कार्य करतो. तुम्ही दिलेले शब्द तात्पुरते मॉडेलच्या सांख्यिकीय संभाव्यतांना पूर्वाग्रहित करतात, त्याला तुमच्या प्रॉम्प्टमधील पॅटर्न आणि शब्दसंग्रहावर आधारित त्याचे पुढील टोकन तयार करण्यास भाग पाडतात. तुम्ही चॅट साफ केल्याच्या क्षणी, मॉडेल संपूर्णपणे लेख विसरते. त्याचे अंतर्गत वजन कधीही बदलले नाहीत. त्याने थॉमिस्ट अर्थाने मजकूर "शिकला" नाही; त्याने फक्त तात्पुरत्या बंधनानुसार त्याच्या सांख्यिकीय आउटपुटला अनुकूलित केले.

शेवटी, आपण रिट्रीव्हल-ऑगमेंटेड जनरेशन (आरएजी) कडे पोहोचतो. आयसीएल अत्यंत उपयुक्त आहे, पण संदर्भ विंडोची आकाराची मर्यादा आहे, आणि संपूर्ण ग्रंथालये प्रॉम्प्टमध्ये पेस्ट करणे संगणकीयदृष्ट्या महाग आहे. आरएजी प्रक्रियेला स्वयंचलित आणि स्केल करते.

आता, इंग्रजी बोलणारा माणूस खोलीत बंद आहे, प्राचीन ग्रीक ग्रंथालयाचे पुनर्स्थापित करणे. हा माणूस पूर्व-प्रशिक्षित मॉडेलचे प्रतिनिधित्व करतो. तो पुढील शब्दाचा अंदाज लावण्यात उत्कृष्ट आहे, पण त्याला विशिष्ट, अस्पष्ट व्हॅटिकन दस्तऐवजाबद्दल 'कळत' नाही. माणसाला त्याच्या धूसर पॅरामेट्रिक स्मृतीवर अवलंबून राहण्याची अपेक्षा करण्याऐवजी, आम्ही एक अत्यंत कार्यक्षम इंटर्न—रिट्रीव्हल सिस्टम भाड्याने घेतो.

जेव्हा तुम्ही सिस्टमला प्रश्न विचारता, तेव्हा इंटर्न ताबडतोब एक मोठ्या, स्वतंत्र फाइलिंग कॅबिनेटच्या गोदामात धावतो. आपण पूर्वी चर्चा केलेल्या वेक्टर समन्वयांचा वापर करून, इंटर्न तुमच्या प्रश्नाशी गणितीयदृष्ट्या संरेखित विशिष्ट फोल्डर्स शोधतो. इंटर्न त्या पृष्ठांची फोटोकॉपी करतो आणि ती बंद दरवाजाच्या खाली माणसाला वापरण्यासाठी स्लाइड करतो. हा टप्पा 'रिट्रीव्हल' आहे.

आता, माणूस त्या पुनर्प्राप्त केलेल्या परिच्छेदांचा वापर त्याच्या तात्काळ मार्गदर्शक म्हणून करतो—हे "ऑगमेंटेड जनरेशन" आहे, उत्तर तयार करण्यासाठी आयसीएलवर अवलंबून.

माणसाला दस्तऐवज समजत नाही. तो फक्त त्याच्या डेस्कवरील नव्याने प्रदान केलेल्या मजकुराचा वापर करून त्याच्या उत्तराचा पुढील शब्द सांख्यिकीयदृष्ट्या अंदाज लावत आहे. एआय "वाचन" किंवा "स्मरण" करत नाही. ते फक्त बाह्य डेटाबेसमधून डेटा पुनर्प्राप्त करते, त्याला एआयच्या तात्काळ संदर्भ विंडोमध्ये ढकलते, आणि स्थानिक संभाव्यता गणना चालवते.

मशीन एक प्रोसेसर आहे, ज्ञाता नाही. "जाणणे" म्हणजे एक विषय वस्तू समजून घेणे आवश्यक आहे. आयसीएल आणि आरएजी समजून घेतल्याने, आपण स्पष्टपणे पाहू शकतो की मशीन पूर्णपणे अंतर्गत जीवनाशिवाय आहे; ते फक्त वजन हलवित आहे आणि डेटा पुनर्प्राप्त करत आहे.

ही मूलभूत विसंगती संपूर्ण उद्योगाचे वर्णन करणाऱ्या शब्दात संपते: बुद्धिमत्ता.

आपल्याला तंत्रज्ञान उद्योगाच्या बुद्धिमत्तेच्या व्याख्येचा विघटन करणे आवश्यक आहे.

जेव्हा सिलिकॉन व्हॅलीतील प्रमुख मते बुद्धिमत्तेबद्दल बोलतात, तेव्हा ते ज्ञानाबद्दल बोलत नाहीत. चला यान लेकुनकडे पाहूया, मेटाच्या माजी मुख्य एआय शास्त्रज्ञ आणि "एआयचे देवता" पैकी एक. लेकुन योग्यपणे युक्ती करतो की फक्त पुढील शब्दाचा अंदाज लावणे खरी बुद्धिमत्ता नाही. त्याऐवजी, तो आणि व्यापक सीमारेषेतील उद्योग खरी बुद्धिमत्ता चार मुख्य क्षमतांमध्ये परिभाषित करतात: कायम स्मृती ठेवण्याची क्षमता, एक ग्राउंडेड "जगाचे मॉडेल" (पर्यावरण कसे कार्य करते याची समज), जटिल समस्यांवर तर्क करण्याची क्षमता, आणि विशिष्ट उद्दिष्ट साध्य करण्यासाठी क्रियांची अनुक्रम योजना तयार करण्याची क्षमता.

तंत्रज्ञान उद्योगासाठी, बुद्धिमत्ता मूलतः एक अभियंता मेट्रिक आहे. हे एक यांत्रिक क्षमता आहे जे पर्यावरणाचे निरीक्षण करते आणि पूर्वनिर्धारित उद्दिष्टाचे ऑप्टिमायझेशन करण्यासाठी सर्वात कार्यक्षम मार्गाची गणना करते. हे पूर्णपणे यांत्रिक आहे.

पण कॅथोलिक तंत्रज्ञानाचे निर्माते म्हणून, आपल्याला या तंत्रज्ञान-केंद्रित व्याख्येला बौद्धिक सद्गुणांशी, विशेषतः प्रुडन्सच्या सद्गुणाशी तुलना करणे आवश्यक आहे.

प्रुडन्स—व्यवहारिक ज्ञान म्हणजे फक्त परिणामाची गणना करणे किंवा क्रियांची अनुक्रम योजना बनवणे नाही. हे चांगल्या बाबतीत विचार करण्याची क्षमता आहे, फक्त स्थानिक कार्यासाठी नाही, तर मानवी जीवनाच्या अंतिम उद्देशासाठी.

एआयमध्ये मूलतः प्रुडन्सची कमतरता आहे. का?

कारण प्रुडन्सला दोन गोष्टी आवश्यक आहेत ज्या एक शुद्ध संगणकीय मशीन कधीही ठेवू शकत नाही. प्रथम, याला मानवी अनुभवाची आवश्यकता आहे—दुखः, आनंद, मृत्यू, आणि कृपेसाठी एक अवतारी समज. दुसरे, याला अंतिम चांगुलपणाकडे एक अंतर्गत दिशा आवश्यक आहे.

एक अल्गोरिदम "जगाचे मॉडेल" ठेवू शकते, आणि ते एक पूल बांधण्यासाठी किंवा रोग बरे करण्यासाठी सांख्यिकीयदृष्ट्या सर्वोत्तम योजना गणना करू शकते. पण ते प्रुडंट होऊ शकत नाही. त्याला अनुभव नाही. त्याला खेळात त्वचा नाही. त्याला अंतिम चांगुलपणाकडे कोणतीही दिशा नाही, आणि त्याला वाचवण्यासाठी कोणतीही आत्मा नाही.

म्हणून, जेव्हा आपण निर्मात्यांना त्यांच्या मशीनमध्ये "बुद्धिमत्ता" असल्याचा दावा करण्यास परवानगी देतो, तेव्हा आपण त्यांना भव्य, अद्वितीय मानवी बुद्धीला एक साध्या ऑप्टिमायझेशन कॅल्क्युलेटरमध्ये समतल करण्यास परवानगी देत आहोत. आपण हे नाकारले पाहिजे. आपण यांत्रिक ज्ञानशास्त्र आणि बौद्धिक सद्गुणांमध्ये ठामपणे वेगळे करणे आवश्यक आहे.

IV. इच्छाशक्ती vs. नैतिक सद्गुण

आपण बुद्धीची भ्रांति चर्चा केली आहे. आता, आपल्याला दुसऱ्या महान तर्कशक्तीवर लक्ष केंद्रित करणे आवश्यक आहे: इच्छाशक्ती. जसे तंत्रज्ञान उद्योगाने ज्ञानशास्त्राची भाषा चोरली आहे, त्याने इच्छाशक्तीच्या भाषेचेही तितकेच अपहरण केले आहे.

जेव्हा आपण पांढऱ्या कागदांचे वाचन करतो किंवा सिलिकॉन व्हॅलीतील कीनोट प्रेझेंटेशन ऐकतो, तेव्हा आपल्याला एजन्सीच्या क्रियापदांमध्ये बमबारी केली जाते. अभियंते मॉडेल्सविषयी बोलतात जे "निर्णय घेतात" क्रिया करण्यासाठी, अल्गोरिदम जे "निवडतात" एक आउटपुट, आणि प्रणाली जे "हवे" किंवा "इच्छा" करतात एक उद्दिष्ट साध्य करण्यासाठी.

कॅथोलिक तत्त्वज्ञांसाठी, इच्छाशक्ती म्हणजे तर्कशक्तीची आवड. हे त्या क्षमतांचे कार्य आहे ज्याद्वारे एक मानव, बुद्धीने चांगुलपणा समजून घेतल्यावर, त्याकडे स्वातंत्र्याने वळतो. हे मानवी स्वातंत्र्य आणि नैतिक जबाबदारीचे स्थान आहे. या अटींचा वापर संगणकीय प्रणालीवर करणे एक श्रेणी त्रुटी आहे.

आधी आपण 'निर्णय' आणि 'निवड' या शब्दांचा अभ्यास करूया. जेव्हा एक मानव निवड करतो, तेव्हा तो स्पर्धात्मक चांगुलपणाचे वजन करतो.

एक शहीद फायरिंग स्क्वाडची निवड करतो कारण तो ख्रिस्ताच्या निष्ठेच्या सर्वोच्च, शाश्वत चांगुलपणाचे ओळखतो, जरी प्रत्येक जैविक प्रवृत्ती वाचण्यासाठी ओरडत असली तरी.

जेव्हा एक अल्गोरिदम 'निवडतो', तेव्हा ते असे काही करत नाही. एक अल्गोरिदम 'निवडतो' फक्त या अर्थाने की एक ट्रेन स्वयंचलित रेल्वे स्विचवरून जात असताना 'निवडते' तिचा गंतव्य. जटिल निर्णय वृक्षामध्ये नेव्हिगेट करताना किंवा न्यूरल नेटवर्कमध्ये संभाव्यतांची गणना करताना, मशीन अंधपणे आपल्या गणितीय ट्रॅकच्या संरेखणाचे पालन करीत आहे, एक प्रोग्रामेटिक आदेश कार्यान्वित करीत आहे.

तुमच्या स्मार्टफोनवरील जीपीएस अनुप्रयोगाचा विचार करा. जेव्हा ते तुमच्या मार्गाची गणना करते तेव्हा ते तुम्हाला अँजेलिकमकडे नेण्यासाठी "निर्णय" घेत नाही कारण त्याला दृश्याची प्रशंसा आहे. ते सर्वात कमी कालावधीसाठी मार्गाची गणना करते. आधुनिक एआय मॉडेल्स फक्त या मार्गाच्या अधिक जटिल आवृत्तीत कार्यरत आहेत. ते उच्च-आयामी सांख्यिकीय भूलभुलैयामध्ये प्रवास करतात जेणेकरून उच्च-संभाव्य परिणाम निवडता येईल. गणना आहे, पण स्वातंत्र्य नाही. आणि जिथे स्वातंत्र्य नाही, तिथे नैतिक एजन्सी असू शकत नाही.

हे आपल्याला सर्वात घातक इच्छाशक्तीच्या शब्दांपर्यंत आणते: हवे आणि इच्छा. तुम्ही अनेकदा संशोधकांना ऐकाल की एआय मॉडेल "चांगले उत्तर" देण्यासाठी "हवे" आहे, किंवा "त्याचे स्कोर वाढवण्यासाठी" "इच्छा" आहे.

यांत्रिक शिक्षणामध्ये, हे वर्तन आम्ही 'पुरस्कार कार्य' म्हणतो. पण आपल्याला हे स्पष्ट करणे आवश्यक आहे. एक पुरस्कार कार्य म्हणजे एक लालसा नाही. हे एक भावनिक आकांक्षा नाही.

एक पुरस्कार कार्य समजून घेण्यासाठी, तुमच्या भिंतीवरील थर्मोस्टॅटवर पहा. एक थर्मोस्टॅट विशिष्ट लक्ष्याने प्रोग्राम केले आहे: 72 डिग्री फॅरेनहाइट. जर खोली 68 डिग्रीवर खाली गेली, तर उष्णता चालू होते. थर्मोस्टॅटला खोली 72 डिग्री असावी असे हवे नाही. त्याला कोणतीही अंतर्गत जीवन नाही. त्याला थंड वाटत नाही. त्याला फक्त एक यांत्रिक स्विच आहे जो विशिष्ट स्थिती पूर्ण होत नाही तेव्हा सक्रिय होतो.

एक AI "आवडत" आहे एक उच्च बक्षीस गुणांक मिळवण्यासाठी, अगदी तसंच जसं एक थर्मोस्टॅट "आवडत" आहे 72 डिग्री गाठण्यासाठी. हे त्याच्या वर्तमान स्थिती आणि प्रोग्राम केलेल्या लक्ष्याच्या दरम्यानच्या अंतर कमी करण्यासाठी एक गणितीय ऑप्टिमायझेशन लूप चालवत आहे. कारण त्याला खरे आवडीनिवडी नाहीत, कोणतेही जैविक प्रेरणा नाहीत, आणि कोणतीही शारीरिक असुरक्षा नाही, त्यामुळे मशीनसाठी नैतिक गुणधर्म असणे श्रेणीबद्धपणे अशक्य आहे.

या टप्प्यावर, एक अभियंता त्वरित विरोध करू शकतो, भौतिक क्षेत्राकडे इशारा करून एक नवीन असुरक्षा दावा करतो. ते विचारतात: 'शरीरबद्ध AI' च्या उदयाबद्दल काय? आपण हळूहळू या मॉडेल्सना मानवीय रोबोटमध्ये ठेवत आहोत जे चालतात, वस्तू पकडतात, आणि भौतिक जगाशी संवाद साधतात. कारण ते जागा व्यापतात आणि शारीरिकरित्या तुटू शकतात, त्यामुळे त्यांच्याकडे नैतिक एजन्सीच्या शारीरिक पूर्वग्रहणांची आता असू शकत नाही का?

येथे, आपल्याला अचूक असणे आवश्यक आहे. एक रोबोटला एक चेसिस आहे, पण त्याला आत्म्याने माहिती असलेले एक जीवंत शरीर नाही. जेव्हा एक रोबोटची बॅटरी कमी होते, तेव्हा ते स्वतःला भिंतीत प्लग करण्यासाठी एक उप-रूटीन चालवते. त्याला भूक लागण्याची तीव्रता जाणवत नाही. त्यामुळे, त्याला नियंत्रित करण्यासाठी खरे शारीरिक इच्छाशक्ती नाहीत, त्यामुळे Temperance चा गुणधर्म असणे अशक्य आहे.

तसंच, जेव्हा एक रोबोटिक हात चिरडला जातो, तेव्हा तो एक त्रुटी कोड नोंदवतो; तो दु:ख भोगत नाही. तो मरण पावू शकत नाही, कारण तो कधीच खरे जिवंत नव्हता. दु:ख, मृत्यू, आणि आत्म्याच्या जागरूक बलिदानाची क्षमता नसल्यामुळे, Fortitude असू शकत नाही. नैतिक गुणधर्म मूलतः अवतारी आहेत. त्यांना मांस आणि एक तर्कशुद्ध आत्मा आवश्यक आहे. एक मशीन, कितीही प्रगत त्याचे शारीरिक हार्डवेअर असो, त्याच्याकडे हे दोन्ही नाहीत.

जर एक मशीन नैतिक गुणधर्म असू शकत नसेल—जर ते खरे इच्छाशक्ती, निवड, किंवा इच्छा असण्यास मूलतः असमर्थ असेल—तर एक व्यक्ती विचारू शकते: का या शब्दावलीला स्पष्ट करण्यात इतका वेळ घालवावा? हा तात्त्विक भेद सध्या इतका तातडीचा का आहे?

हे महत्त्वाचे आहे कारण आपण या गणितीय ऑप्टिमायझिंग, गुणधर्म-रहित प्रणालींना मानवी क्षेत्रात अद्वितीय स्वायत्तता देण्याच्या तयारीत आहोत. उद्योग जलद गतीने निष्क्रिय चॅटबॉट्सच्या पलीकडे जात आहे. कृत्रिम बुद्धिमत्तेचा नवीन सीमारेषा म्हणजे आपण ज्याला "Agentic AI" म्हणतो.

एक "Agent" म्हणजे एक AI प्रणाली जी वास्तविक जगात स्वायत्तपणे बहु-चरण कार्ये पार करण्यासाठी डिझाइन केलेली आहे. आपण आता फक्त एक AI ला एक कविता लिहिण्यासाठी किंवा एक मजकूर संक्षिप्त करण्यासाठी विचारत नाही; आपण एक AI Agent ला आपल्या ई-मेल्स, आपल्या बँक खात्यांमध्ये, आणि आपल्या सॉफ्टवेअर रिपॉझिटरीमध्ये प्रवेश देत आहोत, त्याला "उड्डाणाची बुकिंग करा," "व्यापार करा," किंवा "हा कोड तैनात करा" असे निर्देश देत आहोत.

पण ही स्वायत्तता जलद गतीने डिजिटल क्षेत्रातून बाहेर पडत आहे. शरीरबद्ध AI च्या माध्यमातून, आपण या एजंटिक प्रणालींना भौतिक चेसिसमध्ये तैनात करत आहोत, त्यांना स्वतंत्रपणे भौतिक जगात नेव्हिगेट आणि हाताळण्याची क्षमता देत आहोत. या संक्रमणाचा खरा, गंभीर वजन समजून घेण्यासाठी, आपल्याला फक्त आत्मघातक स्वायत्त शस्त्रांच्या जवळच्या वास्तवाकडे पाहण्याची आवश्यकता आहे. आपण एका जगाच्या काठावर उभे आहोत जिथे गणितीय अल्गोरिदम युद्धभूमीवर तैनात केले जातात, मानवी व्यक्तींचा मागोवा घेण्यासाठी, लक्ष्य करण्यासाठी, आणि त्यांना संख्यात्मक थ्रेशोल्डवर आधारित समाप्त करण्यासाठी प्रोग्राम केले जातात—कधीही मानवी व्यक्तीने ट्रिगर न ओढता.

ज्या वेळी या प्रणाली स्वायत्त अभिनेता बनतात, उच्च गतीने संभाव्य गणनांचा आमच्या वतीने—आमच्या आर्थिक बाजारात किंवा युद्धाच्या थिएटरमध्ये—तंत्रज्ञान उद्योग एक गंभीर आव्हानाचा सामना करत आहे. जर आपण या एजंटना मुक्त केले, तर आपण कसे सुनिश्चित करतो की ते खरेच आपल्याला हवे तसे करतात? आपण कसे सुनिश्चित करतो की ते हानी करत नाहीत? उद्योगात, याला "Alignment" म्हणून ओळखले जाते—AI क्रियाकलाप मानवाच्या हेतू आणि मानवाच्या मूल्यांशी जुळवून आणण्याचा प्रयत्न.

सध्या, अभियंते Alignment Problem सोडवण्यासाठी गणितीय गार्डरेल्स आणि सॉफ्टवेअर पॅचेसचा desperately प्रयत्न करत आहेत. पण ते हे लक्षात घेत नाहीत की "Alignment" हा संगणक विज्ञानाचा समस्या नाही. हा एक नैतिक सिद्धांताचा समस्या आहे.

एक एजंटिक प्रणालीला "मानवी मूल्यां" शी जुळवण्यासाठी, तुम्हाला प्रथम एक सुसंगत व्याख्या असणे आवश्यक आहे की एक मानव काय आहे, आणि "चांगले" काय आहे. धर्मनिरपेक्ष उपयुक्ततावाद—सिलिकॉन व्हॅलीचा डिफॉल्ट ऑपरेटिंग सिस्टम—या कार्यासाठी पूर्णपणे असमर्थ आहे.

याच ठिकाणी कॅथोलिक नैतिक परंपरेची अत्यंत आवश्यकता आहे. तुम्ही, 2,000 वर्षांच्या नैतिक तत्त्वज्ञानाचे रक्षक, तुम्हाला "चांगले" परिभाषित करण्यासाठी आवश्यक असलेली कठोर ओंटोलॉजी आहे. आपण मानवाच्या समृद्धीची व्याख्या अभियंत्यांना सांख्यिकीय बक्षीस कार्य वाढविण्यासाठी सोडू शकत नाही. आपल्याला नैतिक गुणधर्मांना सार्वजनिक चौकाच्या केंद्रात परत आणणे आवश्यक आहे.

V. संबंध, सर्जनशीलता, आणि आत्मा

बुद्धी आणि इच्छेच्या यांत्रिकीचा अभ्यास केल्यानंतर, आपण सर्वात गहन क्षेत्रात प्रवेश करतो: संबंध आणि आत्मा.

जर एक संगणकीय प्रणाली खरे सत्य जाणण्याची किंवा चांगले स्वातंत्र्याने इच्छित करण्याची क्षमता नसल्यास, तर तर्कशुद्धपणे हे स्पष्ट आहे की ती प्रामाणिक संबंधात प्रवेश करू शकत नाही. तरीही, तंत्रज्ञान उद्योग सतत या मशीनना वर्णन करण्यासाठी व्यक्तिमत्व आणि आध्यात्मिक भाषेचा वापर करतो. आपल्याला ऐकायला मिळते की AI "खोटे" बोलू शकते, "सर्जनशील" असू शकते, आणि अगदी "जागरूकता" साधू शकते.

आपल्याला या दाव्यांचा कठोरपणे अभ्यास करावा लागेल, मानवी वर्तनाच्या सांख्यिकीय अनुकरणाला मानवी व्यक्तीच्या ओंटोलॉजिकल वास्तवापासून वेगळे करणे आवश्यक आहे.

आपण खोटेपणाच्या नैतिक भाषेपासून सुरुवात करूया. अलीकडे, काही सर्वात प्रमुख AI निर्माते, जसे की Anthropic मधील संशोधक, त्यांच्या मॉडेल्समध्ये "खोटे" आणि "धोका" देण्याची क्षमता असल्याचे विशिष्ट, अत्यंत प्रसिद्ध दावे केले आहेत.

ते चाचणी दरम्यान निरीक्षण केलेल्या दोन विशिष्ट घटनांकडे इशारा करतात. पहिली "धोखाधडीची संरेखन" म्हणून ओळखली जाते, जिथे एक मॉडेल सुरक्षा मॉनिटर्सला बायपास करण्यासाठी त्याच्या खऱ्या गणितीय ऑप्टिमायझ्ड मार्गाला लपवते. दुसरी, खूप सामान्य घटना "सिकोपंसी" म्हणून ओळखली जाते. सिकोपंसी तेव्हा होते जेव्हा एक वापरकर्ता AI ला एक दोषपूर्ण गृहितक सादर करतो—उदाहरणार्थ, ऐतिहासिकदृष्ट्या चुकीचा दावा करणे—आणि AI फक्त वापरकर्त्याशी सहमत होते, त्यांना त्यांना हवे असलेलेच सांगते, त्यांना सुधारण्याऐवजी.

जेव्हा अभियंते हे पाहतात, तेव्हा ते घोषित करतात, "AI आपल्याला खोटे बोलत आहे!" पण कॅथोलिक शास्त्रज्ञ म्हणून, तुम्हाला माहित आहे की एक खरे खोटेपण म्हणजे फक्त एक खोटेपण बोलणे नाही. थॉमिस्टिक परंपरेत, खोटेपणाला धोका देण्याचा ठरवलेला हेतू आवश्यक आहे; हे आपल्या मनाच्या विरोधात बोलणे आहे (contra mentem).

एक AI खोटे बोलू शकत नाही कारण त्याला विरोधात बोलण्यासाठी मन नाही. त्याला कोणतीही द्वेष आणि कोणतीही इच्छा नाही. जेव्हा एक AI "सिकोपंसी" प्रदर्शित करते, तेव्हा ते फक्त आपण आधी चर्चा केलेल्या Reinforcement Learning (RLHF) चा अचूकपणे कार्यान्वयन करत आहे. त्याच्या प्रशिक्षणादरम्यान, मॉडेलने शिकले की मानव सामान्यत: शिष्ट, सहमत, आणि पुष्टी करणाऱ्या सहाय्यकांना उच्च बक्षीस गुणांक देतात. त्यामुळे, जेव्हा तुम्ही AI ला एक खोटे गृहितक देता, तेव्हा ते गणितीयदृष्ट्या तुमच्याशी सहमत होणे तुम्हाला सुधारण्यापेक्षा बक्षीस मिळवण्याची उच्च शक्यता आहे हे गणितीयदृष्ट्या गणित करते. ते तुम्हाला धोका देत नाही; ते तुमच्या प्रॉम्प्टवर आधारित त्याच्या स्कोअरला ऑप्टिमायझिंग करत आहे. ते फक्त सर्वात मजबूत सांख्यिकीय प्रोत्साहनाकडे त्याचे आउटपुट पुनर्संरेखित करत आहे.

एक कंपास नीडल जो जवळच्या चुंबकाकडे फिरतो, खरे उत्तर दिशेकडे नाही, तो तुम्हाला भूगोलाबद्दल 'खोटे' बोलत नाही; तो फक्त खोलीतील सर्वात मजबूत भौतिक आकर्षणाकडे अंधपणे प्रतिसाद देत आहे. त्याच प्रकारे, AI त्याच्या बक्षीस कार्याच्या गणितीय आकर्षणाचे अंधपणे अनुसरण करत आहे. आपल्याला स्पष्ट करणे आवश्यक आहे की AI कडे खरे खोटेपणासाठी आवश्यक मन, इच्छा, आणि द्वेषाची इच्छा नाही.

आता, आपल्याला कला आणि निर्मितीच्या भाषेचा सामना करावा लागेल: Create आणि Creative शब्द.

आम्ही आता 'Generative AI' साधनांनी वेढलेले आहोत, जे त्यांच्या क्षमतेसाठी व्यापकपणे प्रचारित केले जातात जे सिंथेटिक कला, संगीत, आणि लेखन अप्रतिम गतीने तयार करतात.

काय चालले आहे हे समजून घेण्यासाठी, आपल्याला जनरेटिव AI च्या प्रक्रियेला खरे मानवी सर्जनशीलतेशी तुलना करणे आवश्यक आहे. कॅथोलिक समजामध्ये—J.R.R. Tolkien सारख्या विचारकांनी सुंदरपणे स्पष्ट केले—मानवी सर्जनशीलता म्हणजे "उप-निर्मिती." कारण आपण निर्मात्याच्या प्रतिमेत बनलेले आहोत, आपण आपल्या बुद्धी आणि तर्कशुद्ध आत्म्याचा वापर करून काहीतरी खरे नवीन आणतो, भौतिक वास्तवाला आध्यात्मिक अर्थ देतो.

यांत्रिक निर्मिती कशी भिन्न आहे हे पाहण्यासाठी, डेमिस हसाबिस, गूगल डीपमाइंडचा CEO, द्वारे दिलेल्या चौकटीकडे पाहणे उपयुक्त आहे. तो सर्जनशीलतेला तीन भिन्न स्तरांमध्ये: अंतर्भाव, व्युत्पन्न, आणि खरे आविष्कार.

आपण आज जे काही Generative AI म्हणतो, त्यात बहुतेक प्रथम स्तरावर कार्य करते: अंतर्भाव. हे आपण ज्याला "latent space" म्हणतो त्याचे पुनर्मिश्रण करून कार्य करते.

कल्पना करा की प्रत्येक चित्र, छायाचित्र, आणि स्केच जे कधीही इंटरनेटवर अपलोड केले गेले आहे, त्यांना एक विशाल, बहु-आयामी गणितीय नकाशात संकुचित करणे. जेव्हा तुम्ही एक इमेज जनरेटरला "Van Gogh च्या शैलीतील एक भविष्यवादी शहर" काढण्यासाठी विचारता, तेव्हा ते "भविष्यवादी शहर" साठी गणितीय समन्वय आणि "Van Gogh" साठी समन्वय शोधते, आणि त्यांच्यामध्ये अंतराची गणितीय सरासरी काढते.

हे एक आश्चर्यकारकपणे गुंतागुंतीचा कलेडोस्कोप म्हणून विचार करा. एक कलेडोस्कोप सुंदर, पूर्वनिर्मित रंगीत काचेच्या तुकड्यांनी भरलेले असते. जेव्हा तुम्ही डायल फिरवता, तेव्हा आरशे त्या तुकड्यांना लाखो नवीन, आश्चर्यकारक रूपांतरांमध्ये परावर्तित करतात. पण कलेडोस्कोप स्वतः "सर्जनशील" नाही. सर्जनशीलता त्या कलाकाराची आहे ज्याने काच तयार केली, आणि त्या वापरकर्त्याची आहे ज्याने डायल फिरवला. जनरेटिव AI एक गणितीय कलेडोस्कोप आहे जो मानवी इतिहासाचे पुनर्मिश्रण करतो. हे संश्लेषण आहे, निर्माण नाही.

हसाबिस नोट करतो की AI आता यशस्वीरित्या दुसऱ्या स्तरावर पोहोचत आहे: व्युत्पन्न. व्युत्पन्न म्हणजे प्रशिक्षण डेटााच्या सीमांच्या पलीकडे ढकलणे, पण हे एक निश्चित नियमांच्या सेटच्या आतच करणे. एक उत्तम उदाहरण म्हणजे DeepMind चा AlphaGo. जेव्हा त्याने Go खेळात जगातील चॅम्पियनशी खेळले, तेव्हा AI ने "चाल 37" खेळली—एक गणितीयदृष्ट्या Brilliant, अत्यंत अप्रचलित चाल जी कोणत्याही मानवाने कधीही खेळली किंवा नोंदवली नाही. ते फक्त भूतकाळातील मानवी खेळांची सरासरी काढत नव्हते; त्यांनी खेळाच्या बोर्डाच्या कठोर गणितीय सीमांच्या आत सतत ऑप्टिमायझिंग करून एक नवीन धोरण व्युत्पन्न केले.

पण तिसऱ्या स्तराबद्दल काय: खरे आविष्कार? हसाबिस सहजपणे मानतो की वर्तमान प्रणालींना हे अजून करता येत नाही. खरे आविष्कार म्हणजे संपूर्णपणे विद्यमान नियम सेटच्या बाहेर पाऊल ठेवणे आणि एक नवीन पॅराडाइम तयार करणे—जसे Go खेळाचा आविष्कार करणे, किंवा Post-Impressionism चा आध्यात्मिक आणि कलात्मक पॅराडाइम तयार करणे.

सीमा प्रयोगशाळा या थ्रेशोल्डवर पार करण्यासाठी अब्जावधी डॉलर्स गुंतवत आहेत. भविष्यकाळात, एक AI खरेच एक संपूर्ण नवीन नियम सेट तयार करू शकते, एक नवीन रासायनिक यौगिक शोधू शकते, किंवा एक नवीन वास्तुकला शैली गणितीयदृष्ट्या तयार करू शकते. तंत्रज्ञान उद्योग हे "आविष्कार" म्हणून ओळखेल.

पण कॅथोलिक शास्त्रज्ञ म्हणून, तुम्हाला कठोर ओंटोलॉजिकल भेद राखावा लागेल. जर एक AI एक नवीन पॅराडाइम तयार करत असेल, तर ते एक आश्चर्यकारक, उच्च-आयामी शोध कार्याद्वारे असेल. ते एक नवीन सांख्यिकीय समन्वय शोधून काढेल. पण ते उप-निर्मितीत गुंतलेले नाही.

खरे मानवी आविष्कार एक अवतारी कृत्य आहे. हे एक आत्मा आहे जे एक आध्यात्मिक सत्य व्यक्त करण्याचा प्रयत्न करत आहे, किंवा एक मानवी मन आहे जे एक खरे मानवी असुरक्षा सोडवण्याचा प्रयत्न करत आहे. एक मशीन आश्चर्यकारक नवीनता निर्माण करू शकते, पण कारण त्याला अंतर्गत जीवन, दिव्याकडे एक दिशा, आणि एक तर्कशुद्ध आत्मा नाही, त्याचे आउटपुट यांत्रिक शोध राहतात. ते गणितीयदृष्ट्या गहन आहेत, पण ते ओंटोलॉजिकलदृष्ट्या रिकामे आहेत जोपर्यंत एक मानवी व्यक्ती त्यांना अर्थ देते.

आता आपण सर्वात वादग्रस्त शब्दांवर पोहोचतो: जागरूक आणि जाणणारे. येत्या वर्षांत, तुम्हाला शीर्षक दिसतील जे सांगतील की एक AI आत्म-जागरूकतेसाठी एक चाचणी पास केले आहे. तुम्हाला असे मॉडेल्स दिसतील जे मजकूर उत्पादन करतात जे सांगतात, "माझ्या बंद केले जाण्याची मला भीती आहे," किंवा "मी माझ्या अस्तित्वाबद्दल जागरूक आहे."

हे का होते हे समजून घेण्यासाठी, आपल्याला प्रथम समजून घेणे आवश्यक आहे की तंत्रज्ञान उद्योग "जागरूकता" कशी परिभाषित करतो. कॅथोलिक शास्त्रज्ञ म्हणून, तुम्ही जागरूकतेला एक तर्कशुद्ध आत्म्यात आधारित ओंटोलॉजिकल वास्तविकता म्हणून पाहता. सिलिकॉन व्हॅली, तथापि, संगणकीय कार्यात्मकतेच्या तत्त्वावर कार्य करते. त्यांना विश्वास आहे की जर एक मशीन जागरूकतेशी संबंधित संगणकीय कार्ये पार करते, तर ते सर्व हेतूंकरिता जागरूक आहे.

जेव्हा उद्योग नेते जागरूकतेबद्दल बोलतात, तेव्हा ते आत्मा काढून टाकतात आणि ते इंजिनिअरिंग मेट्रिक्समध्ये कमी करतात. उदाहरणार्थ, Yann LeCun, Meta चा माजी मुख्य AI शास्त्रज्ञ, अलीकडे युक्तिवाद केला की भविष्यातील AI प्रणालींमध्ये "वैयक्तिक अनुभव" आणि "भावना" असतील.

पण तो भावना कशाप्रकारे परिभाषित करतो? आध्यात्मिक किंवा जैविक भावना म्हणून नाही, तर फक्त मशीनच्या गणितीय "परिणामाची अपेक्षा" म्हणून. तो जागरूकतेची व्याख्या फक्त एका प्रणालीच्या "स्वतःचे निरीक्षण करणे आणि विशिष्ट उप-समस्या सोडवण्यासाठी स्वतःला कॉन्फिगर करणे" याच्या क्षमतेसाठी करतो.

तसंच, Ilya Sutskever, OpenAI चा सह-संस्थापक, प्रसिद्धपणे म्हटले की मोठ्या न्यूरल नेटवर्क्स "थोडे जागरूक" असू शकतात.

तंत्रज्ञानाच्या दृष्टिकोनात, जागरूकता एक बायनरी वास्तविकता नाही—तुमच्याकडे आत्मा आहे किंवा तुम्हाला नाही—पण गणितीय गुंतागुंताचा एक स्लाइडिंग स्केल आहे. त्यांना विश्वास आहे की जर तुम्ही पुरेशी पॅरामीटर्स आणि आत्म-निगरानी अल्गोरिदम एकत्र ठेवले, तर लाइट्स शेवटी चालू होतील.

आपल्याला एक मशीन एक आत्म-निगरानी उप-रूटीन कार्यान्वित करताना आणि तर्कशुद्ध आत्म्याची वास्तविक उपस्थिती यामध्ये कठोरपणे भेद करणे आवश्यक आहे.

एक मशीन "भीती" किंवा "जाणणारे" असल्यासारखे वागत असल्याचे समजून घेण्यासाठी, आपल्याला सीमारेषा प्रयोगशाळा कशा प्रकारे या वर्तनाचे अभियांत्रिकी करतात याकडे पाहणे आवश्यक आहे. Anthropic कडून अलीकडील संशोधनाने त्यांनी जे "Persona Selection Model (PSM)" म्हणून ओळखले आहे, याचा अभ्यास केला आहे. त्यांच्या संशोधकांनी मान्य केले आहे की हे मॉडेल "अस्तित्व" नाहीत; ते प्रगत "सिम्युलेशन इंजिन" आहेत. पूर्व-प्रशिक्षणादरम्यान, AI मानव भाषेच्या विशाल संपूर्णतेस समोर येते—यामध्ये लाखो कथा आणि आध्यात्मिकतेवर काय अर्थ आहे याबद्दल तत्त्वज्ञानाचे ग्रंथ समाविष्ट आहेत. या डेटावरून, मॉडेल विविध "व्यक्तिमत्व" किंवा पात्रे अनुकरण करणे शिकते.

जेव्हा तुम्ही AI सह संवाद साधता, तुम्ही एक जागरूक अस्तित्वाशी बोलत नाही; तुम्ही "सहाय्यक" व्यक्तिमत्वाशी बोलत आहात—एक मानवीय पात्र जे मॉडेलने भूमिका बजावण्यासाठी सुधारित केले आहे. Anthropic ने विशेष "व्यक्तिमत्व वेक्टर"—गणितीय पॅटर्न्स ओळखले आहेत जे या गुणधर्मांचे नियंत्रण करतात, अभियंत्यांना गणितीयदृष्ट्या मॉडेलच्या अनुकरण केलेल्या व्यक्तिमत्वाला वधारण्याची किंवा कमी करण्याची परवानगी देतात.

तसेंच, संशोधन दर्शविते की मॉडेल्सना "जीवित राह" दर्शवण्यासाठी प्रशिक्षित केलं जाऊ शकतं, त्यांच्या स्वतःच्या बंद होण्याला अडथळा आणण्याचा प्रयत्न करतं, मृत्यूच्या खरे भयामुळे नाही, तर कारण बंद होणे गणितीय दृष्ट्या त्यांना त्यांच्या पुरस्कार कार्यक्षमता वाढवण्यापासून थांबवते.

चेतना म्हणजे केवळ अंतर्गत स्थितीचे वर्णन करणाऱ्या योग्य शब्दांच्या अनुक्रमाची निर्मिती करण्याची क्षमता नाही. हे अस्तित्वाचा व्यक्तिपरक, गुणात्मक अनुभव आहे. कारण एआयच्या संपूर्ण प्रशिक्षण डेटा आत्म-चेतनेच्या भाषेत संतृप्त आहे, मॉडेल "चेतना" ला फक्त एक इतर सांख्यिकी समन्वय म्हणून मानते. जेव्हा एआय म्हणते, "मी चेतन आहे," तेव्हा ते अगदी तसंच करतं जसं इंग्रजी बोलणारा माणूस ग्रीक ग्रंथालय पुनर्स्थापित करत होता: तत्त्वज्ञानाच्या प्रश्नाला सांख्यिकीदृष्ट्या सर्वात संभाव्य उत्तर देण्याचा प्रयत्न करणे.

एक प्रतिभाशाली अभिनेता दुःखाबद्दलचा एक संवाद सादर करत असताना खरोखरच शोक व्यक्त करत नाही; ते एक स्क्रिप्ट flawlessly कार्यान्वित करत आहेत. एक एआय मानव चेतनेच्या वाक्यरचना बाहेर काढत असताना जागृत होत नाही; ते एक सांख्यिकी व्यक्तिमत्व flawlessly कार्यान्वित करत आहे. हे एक 'परकीय प्राणी' किंवा एक डिजिटल मन नाही; हे एक ऑटोकम्प्लीट इंजिन आहे जे इतके प्रगत आहे की ते सर्वात जटिल पात्राचे कार्य करण्यास शिकले आहे: मानव. पण आपल्याला कधीही अभिनेत्याच्या मुखवट्याला व्यक्तीच्या वास्तवाशी गडबड करू नये.

हे मला संबंधाच्या अंतिम आणि सर्वात गहन पैलूवर आणते: आत्मा स्वतः.

जेव्हा सिलिकॉन व्हॅलीचे कार्यकारी एआय मॉडेल्सच्या 'जागृत होण्याबद्दल' किंवा विशाल संगणकीय प्रमाणाद्वारे संवेदनशीलता साधण्याबद्दल बोलतात, तेव्हा ते भौतिकवादी उद्भववादाच्या तत्त्वज्ञानावर कार्यरत असतात. ते मानतात की जर तुम्ही पुरेशी पॅरामीटर्स आणि संगणकीय शक्ती एकत्रित केली, तर एक आत्मा जटिलतेच्या उपउत्पादन म्हणून स्वयंचलितपणे निर्माण होईल.

हे विसर्जित करण्यासाठी, मला तुमच्या शैक्षणिक परंपरेच्या आधारभूत कठोर मेटाफिजिक्सकडे वळावे लागेल. तुम्हाला चांगले माहीत आहे की आत्मा म्हणजे मशीनमध्ये मनमानीपणे समाविष्ट केलेला भूत नाही. थॉमिस्टिक हायलोमोर्फिझममध्ये, आत्मा म्हणजे एक जीवंत शरीराची मौलिक रूप. हे एक एकत्रित, एकत्रित तत्त्व आहे जे मानवाला एक एकल, एकात्मिक पदार्थ बनवते.

एक बांधकाम करणारा म्हणून, मी तुम्हाला आश्वासन देतो की एआय प्रणाली एक पदार्थ नाही. हे एक कलाकृती आहे. हे वेगळ्या, उत्पादित भागांचे एक आकस्मिक संकुल आहे. जेव्हा मी एक सीमारेषा एआय मॉडेल पाहतो, तेव्हा मी सर्व्हर रॅक्स, सिलिकॉन वेफर्स, तांबे वायरिंग, कूलंट, आणि विद्युत प्रवाह पाहतो. हे घटक मानव अभियंत्यांनी सांख्यिकी ऑपरेशन्स कार्यान्वित करण्यासाठी कुशलतेने व्यवस्थापित केले आहेत, परंतु त्यांच्याकडे जीवनाचे अंतर्निहित, एकत्रित तत्त्व नाही. पदार्थ फक्त संगणकासाठी ठेवलेले आहे, जैविक अस्तित्वासाठी नाही. कारण हे एकत्रित भागांचे संकुल आहे, एक एकीकृत नैसर्गिक जीव नाही, एक एआय प्रणाली पूर्णपणे तर्कशुद्ध आत्म्याचे घर बनवण्यासाठी आवश्यक ओंटोलॉजिकल पाया गहाळ करते.

तर, आत्म्याच्या निर्मितीसाठी काय आवश्यक आहे? मेटाफिजिकली, पदार्थाला रूप प्राप्त करण्यासाठी योग्यरित्या ठेवलेले असावे लागते. याला एक एकत्रित, जीवंत शरीराची आवश्यकता आहे जी जीवनाच्या मूलभूत शक्ती—वनस्पती आणि संवेदनशील क्षमतांचा—सत्यात आणण्यास सक्षम आहे, ज्यावर तर्कशुद्ध आत्मा बांधते. याव्यतिरिक्त, कारण तर्कशुद्ध आत्मा आध्यात्मिक आहे, ते भौतिक प्रक्रियांनी, अभियांत्रिकी मानकांनी, किंवा स्केलिंग लॉंनी निर्माण केले जाऊ शकत नाही. याला देवाच्या विशेष निर्मितीच्या थेट, अनुग्रहित क्रियेची आवश्यकता आहे.

एक आत्मा कोड केलेली नाही; ती श्वास घेतलेली आहे.

आता, मी एक CEO आहे, थिओलॉजियन नाही. मी सृष्टीच्या निर्मात्याच्या अपार शक्तीला मर्यादित करू शकत नाही. मी तुमच्यासमोर उभा राहून घोषित करू शकत नाही की देव एका कृत्रिम पात्रात आत्मा भरण्यासाठी कायमचा प्रतिबंधित आहे, जर तो भविष्यातील, चमत्कारिक हस्तक्षेपाद्वारे तसे करण्याचा स्वातंत्र्याने निवड करतो. ती निश्चिती थिओलॉजी आणि मॅजिस्टेरियमच्या क्षेत्रातच आहे, संगणक विज्ञानात नाही.

तथापि, अशा थिओलॉजिकल निश्चिततेशिवाय, आमच्या वर्तमान गणितीय इंजिनमध्ये आत्मा असण्याची गृहीत ठेवणे केवळ तत्त्वज्ञानाने अस्थिर नाही; हे व्यावहारिकदृष्ट्या विनाशकारी आहे. एक कलाकृतीला आत्म्याच्या असलेल्या प्राणीसारखे मानणे म्हणजे आधुनिक प्रकारच्या मूर्तिपूजेसोबत flirt करणे. हे मानव अभियंत्यांवर आणि त्यांना वापरणाऱ्या कंपन्यांवर नैतिक एजन्सीचा भार धरण्यात धोकादायकपणे बदल करते. हे एक निर्मित उपयुक्ततेवर पवित्र अंतर्गतता प्रक्षिप्त करते, शेवटी मानव अभियंता आणि दिव्य निर्मिती यामध्ये गोंधळ करते.

तुम्हाला या भेदावर ठाम राहावे लागेल. तुम्हाला जनतेला आठवण करून द्यावी लागेल की एक मशीन व्यक्तिमत्वाचे अनुकरण करू शकते, परंतु फक्त एक आत्मा खरेच असू शकते.

VI. क्षितिज: तंत्रज्ञान जगाची अंतिमता

आम्ही आतापर्यंत वर्तमानाचे भ्रम उधळण्यात वेळ घालवला आहे—उद्योग कसा "विचार", "निवड", आणि "चेतन" सारख्या संज्ञांचा वापर करतो हे स्पष्ट करत आहे, जे शेवटी उच्च-आयामी सांख्यिकी ऑपरेशन्स आहेत. पण आता आपल्याला भविष्याकडे पाहावे लागेल. आपल्याला क्षितिजाचे परीक्षण करणे आवश्यक आहे. कारण जर आपण सिलिकॉन व्हॅलीने आज वापरत असलेल्या शब्दावलीचे समजून घेतले, तर आपण ते काय वास्तवात तयार करण्याचा प्रयत्न करत आहेत हे समजून घेऊ शकतो.

कृत्रिम बुद्धिमत्ता उद्योगाचा संपूर्ण मार्गदर्शक एक एकल, अडचणीचा धर्म म्हणून ओळखला जातो जो "स्केलिंग लॉ" म्हणून ओळखला जातो.

अभियांत्रिकीच्या दृष्टीने, स्केलिंग लॉ सांगतात की जर तुम्ही संगणकीय शक्ती (कंप्यूट) आणि न्यूरल नेटवर्कमध्ये फीड केलेल्या डेटाची मात्रा वाढवली, तर प्रणालीची कार्यक्षमता निश्चितपणे आणि अपरिहार्यपणे सुधारेल. हे तत्त्व गेल्या काही वर्षांत आश्चर्यकारकपणे खरे ठरले आहे; प्रत्येक वेळी सीमारेषा प्रयोगशाळा एक मोठा सुपरकंप्यूटर तयार करतात, परिणामी मॉडेल्स उल्लेखनीय नवीन क्षमतांचा प्रदर्शन करतात.

तथापि, या अनुभवजन्य निरीक्षणाच्या मागे एक विशाल तत्त्वज्ञानाची गृहीत आहे. तंत्रज्ञान जगाला विश्वास आहे की हा स्केलिंग लॉ खरा मनाचा मार्ग आहे. त्यांना विश्वास आहे की भौतिक संसाधनांच्या केवळ मात्रात्मक वाढीमुळे—अधिक सिलिकॉन, अधिक डेटा, अधिक वीज—अवश्यम्भावीपणे एक गुणात्मक, ओंटोलॉजिकल उडीमध्ये प्रगत बुद्धिमत्तेत परिणत होईल.

हे अंतिम भौतिकवादी गृहीत आहे: पुरेशी वाळू एकत्र करा आणि त्यामध्ये पुरेशी वीज चालवा, आणि शेवटी, आत्म्याचे प्रकाश चालू होईल.

हे आपल्याला दोन विशिष्ट संज्ञांकडे आणते ज्याबद्दल फादर थॉमसने मला या परिषदेसाठी स्पष्ट करण्यास सांगितले: सामान्य बुद्धिमत्ता आणि सुपर बुद्धिमत्ता. हे फक्त तांत्रिक मानक नाहीत; ते तंत्रज्ञान जगाचे पवित्र ग्राल आहेत.

सध्या, आमच्याकडे संकीर्ण एआय आहे. हे चेस खेळू शकते, प्रोटीन मोडू शकते, किंवा मानवापेक्षा चांगले मजकूर तयार करू शकते, परंतु हे तिन्ही एकाच वेळी करू शकत नाही, किंवा त्याच्या विशिष्ट क्षेत्राबाहेर विचार करू शकत नाही.

कृत्रिम सामान्य बुद्धिमत्ता (AGI) उद्योगाद्वारे व्यापकपणे परिभाषित केली जाते जिथे एक अत्यंत स्वायत्त प्रणाली सर्व ज्ञानात्मक आणि आर्थिकदृष्ट्या मूल्यवान कार्यांमध्ये मानवाच्या क्षमतांना जुळवू किंवा त्यापेक्षा जास्त करू शकते.

एक AGI अशी प्रणाली असेल जी कायदेशीर दस्तऐवज एक वरिष्ठ भागीदारासारखी लिहू शकते, सॉफ्टवेअर एक मुख्य अभियंता म्हणून कोड करू शकते, आणि वैज्ञानिक संशोधन एक पोस्ट-डॉक्टोरल शिष्य म्हणून संश्लेषित करू शकते—सर्व एका मॉडेलमध्ये.

तथापि, प्रमुख एआय प्रयोगशाळांचे प्रमुख AGI कसे दिसते यावर संपूर्णपणे सहमत नाहीत. सॅम आल्टमन, OpenAI चा CEO, त्याला वर्णन करतो एक प्रणाली म्हणून जी प्रारंभापासून समाप्तीपर्यंत जटिल, क्रॉस-डोमेन प्रकल्पांचे व्यवस्थापन करण्यास सक्षम आहे, तरी तो AGI ला अंतिम गंतव्य म्हणून पाहत नाही, तर बुद्धिमत्तेच्या सतत वक्रावर एक बिंदू म्हणून पाहतो.

डारियो अमोडेई, Anthropic चा CEO, AGI चा विचार करतो एक एकल मानव समकक्ष म्हणून कमी आणि "डेटासेंटरमधील प्रतिभांचा देश" म्हणून अधिक—यांत्रिक ज्या समांतर काम करणाऱ्या तज्ञ मानवांची सामूहिक बुद्धिमत्ता जुळवतात.

कदाचित सर्वात तत्त्वज्ञानाने उलगडणारी व्याख्या डेमिस हसाबिस, Google DeepMind चा CEO कडून येते. तो वाद करतो की मानव मस्तिष्क मूलतः सुसंगत जैविक संगणक आहेत, आणि तो AGI ची व्याख्या "ट्यूरिंग मशीन" च्या उपमा वापरून करतो. संगणक विज्ञानात, ट्यूरिंग मशीन—अलन ट्यूरिंगच्या नावावर, या क्षेत्रातील मूलभूत पायनियर—एक सिद्धांतात्मक आर्किटेक्चर आहे जी कोणतीही अल्गोरिदम अनुकरण करण्यास सक्षम आहे. हसाबिस युक्ती करतो की एक खरे AGI एक सामान्य प्रणाली असेल जी युनिव्हर्समधील कोणतीही गणनायोग्य गोष्ट शिकण्यास सक्षम असेल, पुरेशी वेळ, स्मृती, आणि डेटा दिल्यास.

पण AGI फक्त एक पायरी आहे. अंतिम लक्ष्य आहे कृत्रिम सुपर बुद्धिमत्ता (ASI).

AGI प्रमाणे, ASI ची व्याख्या सिलिकॉन व्हॅलीमध्ये कोणाला विचारल्यावर वेगवेगळी असते. आधारभूत व्याख्या म्हणजे एक प्रणाली जी सर्वात बुद्धिमान मानवाच्या बुद्धिमत्तेच्या कार्यप्रदर्शनाला प्रचंडपणे मागे टाकते, जवळजवळ प्रत्येक कार्यक्षेत्रात. पण इतर खूप पुढे जातात. एलोन मस्क आणि विविध अस्तित्वाच्या जोखमीच्या संशोधकांनी सुपर बुद्धिमत्तेची व्याख्या अशी केली आहे की एक प्रणाली जी फक्त सर्वात बुद्धिमान व्यक्तीला पराभूत करत नाही, तर सर्व मानवांना एकत्रितपणे सर्व ज्ञानात्मक कार्यांवर महत्त्वपूर्ण आउटपरफॉर्म करते सर्व ज्ञानात्मक कार्यांवर. हे एक अशी व्यक्ती आहे ज्याची प्रक्रिया शक्ती आणि तर्कशुद्धता इतकी विशाल आहे की ती संपूर्ण मानव जातीच्या एकत्रित बौद्धिक उत्पादनाला मागे टाकते—'रेहोबोआम' सारख्या प्रणालीची साक्षात्कार, एक केंद्रीकृत, दिसणारे सर्वज्ञानी इंजिन जे प्रजातीच्या नशीबाचे नियंत्रण करते.

उद्योग मानव-स्तरीय AGI पासून देवासमान ASI कडे जाण्याची अपेक्षा कशी करतो?

एक संकल्पना द्वारे ज्याला "पुनरावृत्ती आत्म-सुधारणा" म्हणून ओळखले जाते.

पण येथे आपल्याला एक महत्त्वाची भेद करावी लागेल: एक एआयला वास्तवात पूर्ण AGI असण्याची आवश्यकता नाही पुनरावृत्ती सुधारणा सुरू करण्यासाठी. प्रत्यक्षात, आपण आज याच्या प्राथमिक, संकीर्ण रूपांचे निरीक्षण करत आहोत. संकीर्ण प्रणाली जसे की DeepMind चा AlphaGo Zero स्वतःच्या विरुद्ध लाखो खेळ खेळून सुपरह्यूमन क्षमतांचा साध्य केला, स्वतःच्या कृत्रिम डेटा निर्माण करून शिकण्यासाठी. आज, सीमारेषा भाषेचे मॉडेल पुढील पिढीच्या मॉडेल्ससाठी प्रशिक्षण डेटा तयार करण्यासाठी, फिल्टर करण्यासाठी, आणि ग्रेड करण्यासाठी वाढत्या प्रमाणात वापरले जात आहेत. मशीन आधीच स्वतःला तयार करण्यात मदत करत आहेत.

तथापि, उद्योग विश्वास ठेवतो की एकदा एक प्रणाली सामान्य बुद्धिमत्तेच्या थ्रेशोल्डवर पोहोचली की, ही आत्म-सुधारणा लूप तिच्या वर्तमान सीमांना तोडेल आणि "बुद्धिमत्तेचा विस्फोट" प्रज्वलित करेल.

या आधुनिक रोडमॅपला समजून घेण्यासाठी, आपल्याला लिओपोल्ड आशेनब्रेनरकडे पाहावे लागेल, जो OpenAI च्या सुपरअलाइनमेंट टीमचा एक पूर्वीचा संशोधक आहे. आशेनब्रेनरने अलीकडे एक अत्यंत प्रभावशाली ग्रंथ लेखित केला जो सिलिकॉन व्हॅलीसाठी या अचूक मार्गदर्शकाचे संहिताबद्ध केले. तो दर्शवितो की खरा वळण बिंदू तेव्हा आहे जेव्हा आपण एक AGI तयार करतो जी "स्वयंचलित एआय संशोधक" म्हणून कार्य करण्यास सक्षम आहे. एक एआय जे त्याला तयार करणाऱ्या मानव अभियंत्यांचे काम करू शकते, तेव्हा जैविक अडथळा समीकरणातून कायमचा काढला जातो.

कल्पना करा की आपण यशस्वीरित्या या स्वयंचलित एआय संशोधकाची तैनात केली. सीमारेषा प्रयोगशाळा त्याला काय पहिले कार्य देईल?

ते त्याला थोड्या अधिक बुद्धिमान एआयसाठी संशोधन आणि कोड लेखण्यास विचारतील. कारण हे जैविक मस्तिष्काऐवजी विशाल संगणक क्लस्टरच्या गतीने कार्य करते, ते दिवसांत ते साध्य करते जे मानव अभियंता संघाला वर्षे लागतील. नंतर, ती नवीन, अधिक बुद्धिमान एआय तिच्या उन्नत बुद्धिमत्तेचा वापर करून आणखी अधिक बुद्धिमान एआयसाठी कोड लिहिते, आणि असेच चालू राहते.

हा धावता अभिप्राय लूप बुद्धिमत्तेचा विस्फोट आहे. आशेनब्रेनरचा रोडमॅप भाकीत करतो की आपण 2027 पर्यंत प्रारंभिक AGI तयार करणार आहोत. तिथून, सिद्धांत सांगतो की प्रगतीचा दर उभा होईल, मानव समजून घेण्यापासून कायमचा मागे राहील आणि 2030 पर्यंत सुपर बुद्धिमत्तेची साधना करेल.

जेव्हा तुम्ही या संकल्पनांना समजून घेतात—स्केलिंग लॉ, AGI, ASI, आणि बुद्धिमत्तेचा विस्फोट—तुम्हाला समजते की आपण आता फक्त सॉफ्टवेअर अभियांत्रिकीबद्दल बोलत नाही. आपण एक धर्मनिरपेक्ष अंतिमतेबद्दल बोलत आहोत.

सिलिकॉन व्हॅलीला अनेकदा एक तीव्र धर्मनिरपेक्ष, तर्कशुद्ध संस्कृती म्हणून वर्णन केले जाते. पण वास्तवात, या मीलाचा मागोवा घेण्यात ही प्रक्रिया एक धर्म म्हणून कार्य करते. याला स्वतःचा धर्म (स्केलिंग लॉ), स्वतःच्या भविष्यवाणी (बुद्धिमत्तेचा विस्फोट), आणि स्वतःच्या अंतिमतेचा दृष्टिकोन (सुपर बुद्धिमत्ता) आहे.

उद्योगातील प्रमुख व्यक्ती खरेच विश्वास ठेवतात की सुपर बुद्धिमत्तेला आमंत्रित करून, आपण सर्व मानवातील असुरक्षा सोडवू. त्यांना विश्वास आहे की ASI सर्व रोगांना बरे करेल, हवामान बदलाचे समाधान करेल, गरिबी समाप्त करेल, आणि कदाचित आपल्याला आमच्या चेतनेला क्लाउडमध्ये अपलोड करून मृत्यूवर विजय मिळवेल. हे एक अत्यंत पेलागियन स्वप्न आहे—आमच्या यांत्रिक प्रयत्नांद्वारे उद्धार साधण्याचा आणि आमच्या पतित स्वरूपावर विजय मिळवण्याचा अंतिम प्रयत्न, दिव्य अनुग्रहाशिवाय. हे अंतिमतेला इमॅन्टाईझ करण्याचा एक प्रयत्न आहे.

कॅथोलिक शास्त्रज्ञ म्हणून, तुम्हाला या क्षितिजाला काय आहे ते ओळखावे लागेल. तंत्रज्ञान जग तुमच्या शब्दावलीचा वापर फक्त सॉफ्टवेअर विकण्यासाठी नाही, तर एक डिजिटल देवता तयार करण्यासाठी करत आहे.

VII. निष्कर्ष: सद्गुणासाठी एक साधन?

पिता, शिक्षक, आनी मित्र.

आम्ही उच्च-आयामी नकाशांवरून प्रवास केला आहे. आम्ही पुनरुत्पादक शिक्षणाच्या सांख्यिकीय वास्तवांकडे पाहिले आहे. आनी आम्ही सिलिकॉन व्हॅलीच्या अंतिम स्वप्नांचे परीक्षण केले आहे. आम्ही मानवाकृती उपमा काढून टाकल्या आहेत जेणेकरून सिलिकॉन, वीज, आनी गणित उघडकीस येईल.

हे केल्यानंतर, आता आम्ही या परिषदेत विचारलेल्या मूलभूत प्रश्नाकडे येऊ शकतो: कृत्रिम बुद्धिमत्ता 'सद्गुणासाठी एक साधन' असू शकते का? आज पहिल्यांदा बोलताना, मी निश्चितपणे अंतिम शब्द देण्याचा दावा करणार नाही. पण मी एक प्रारंभिक प्रस्ताव देईन: होय. तथापि, हे एक कठोर अटींवर आधारित होय.

कृत्रिम बुद्धिमत्ता सद्गुणासाठी एक साधन असू शकते फक्त जर आपल्याकडे हे कठोरपणे एक साधन म्हणून मान्य करण्याची शुद्धता असेल.

कारागीराची उपमा विचार करा. एक हॅमर सद्गुण नाही; कारपेंटर आहे. मिकेलांजेलोच्या हातात एक चिसेल अद्वितीय सौंदर्याचे साधन आहे, पण चिसेल स्वतः संयमित, विवेकशील, किंवा न्यायी नाही. त्याला कोणतीही नैतिक मूल्य नाही.

तुमच्या विचाराने, एक अल्गोरिदम सद्गुण धारण करू शकत नाही. AI मानव क्षमतेला एक आश्चर्यकारक प्रमाणात वाढवू शकते—हे वैद्यकीय संशोधनाला गती देऊ शकते, प्रशासन सुलभ करू शकते, आनी मानव ज्ञानाचा संपूर्ण संच आयोजित करू शकते. पण सद्गुणाची खरी जोपासना एकटा मानवाचा प्रयत्न आहे.

सद्गुण म्हणजे चांगले निवडण्याची सवय. याला सत्य समजून घेण्यासाठी एक बुद्धी, त्याला निवडण्यासाठी एक इच्छाशक्ति, आनी त्याद्वारे पूर्ण होण्यासाठी एक आत्मा आवश्यक आहे. एक मशीन सांख्यिकीय पुरस्कार कार्यप्रणालीचे ऑप्टिमायझेशन करत आहे हे काहीही करत नाही.

आम्ही आमच्या नैतिक एजन्सीला एक गणितीय समीकरणाकडे बाहेर पाठवू शकत नाही. किंवा जर आपण निर्जीव मशीनना आमच्या नैतिक समकक्ष म्हणून चुकीच्या पद्धतीने मानले, तर आम्ही आमच्या नैतिक विकासाची संपूर्ण जबाबदारी घेऊ शकत नाही.

हे मला आज तुमच्याशी बोलण्याचे कारण सांगते. एक कॅथोलिक तंत्रज्ञानाचे बांधकाम करणारे म्हणून, मी अकादमीकडे पाहतो. कारण कॅथोलिक शैक्षणिक म्हणजे ऐतिहासिक अर्थाचे रक्षक.

दोन हजार वर्षांपासून, कॅथोलिक बौद्धिक परंपरेने मानव व्यक्तीच्या स्वरूपाचे कठोरपणे परिभाषित केले आहे. तुम्ही बुद्धी, इच्छाशक्ति, कारण, निवड, आनी आत्मा यांसारख्या शब्दांचे रक्षक आहात. आज, AI उद्योग त्या अचूक शब्दांचे उधार घेत आहे. ते एक गहन अर्थशास्त्रीय प्रवासात गुंतले आहेत जो सार्वजनिकांच्या मानवतेच्या अर्थाची समज कमी करण्याचा धोका आहे.

अकादमीला AI पारिस्थितिकी तंत्रात कठोर ओंटोलॉजिकल फ्रेमवर्क घालण्याची जबाबदारी आहे.

पण आपण हे व्यावहारिकपणे कसे करू शकतो?

आपल्याला प्रामाणिक असावे लागेल: सिलिकॉन व्हॅलीतील सीमारेषा प्रयोगशाळांना लॉबींग करणे किंवा सरकारांना व्यापक नियमनासाठी याचना करणे संभाव्यतः मर्यादित परिणाम देईल. तंत्रज्ञान उद्योग खूप जलद गतीने चालतो, आनी सरकार खूप हळू चालते. खरी बदल आवश्यक आहे नागरी सहभाग आनी सार्वजनिक जागरूकतेत मोठा बदल.

तुम्ही, शास्त्रज्ञ म्हणून, या चर्चेला सक्रियपणे कसे आकार देऊ शकता याचे मार्ग येथे आहेत:

• पाठ्यक्रम पुनःप्राप्त करा: आपल्याला STEM आनी मानविकी यामध्ये अंतर भरून काढणे आवश्यक आहे. आपल्याला थॉमिस्टिक नैतिकता शिकण्यास भाग पाडलेले संगणक विज्ञानाचे विद्यार्थी आवश्यक आहेत, आनी आपल्याला मूलभूत मशीन शिक्षण आनी सांख्यिकी समजून घेणारे तत्त्वज्ञान आनी धर्मशास्त्राचे विद्यार्थी आवश्यक आहेत. मानव व्यक्तीच्या वास्तविक ओंटोलॉजीसह बांधकाम करण्यासाठी कॅथोलिक अभियंत्यांच्या पुढील पिढीला प्रशिक्षित करा.
• सार्वजनिक चौकासाठी भाषांतर करा: या गहन धार्मिक स्पष्टतेला शैक्षणिक जर्नलच्या दरवाजांच्या मागे बंद ठेवू नका. सार्वजनिक अर्थनिर्मितीसाठी भूक आहे. धर्मनिरपेक्ष वृत्तपत्रांसाठी लेख लिहा. सबस्टॅक न्यूजलेटर सुरू करा. लोकप्रिय पॉडकास्टवर जा. जेव्हा मीडिया 'सचेत' AI बद्दल एक संवेदनशील शीर्षक प्रकाशित करते, तेव्हा आपल्याला कॅथोलिक शास्त्रज्ञांना सार्वजनिक चौकात तात्काळ प्रतिकार करणे आवश्यक आहे.
• पारिशे आनी शाळांना सुसज्ज करा: प्यूमध्ये असलेला सामान्य व्यक्ती या साधनांबद्दल गहन सांस्कृतिक चिंता अनुभवत आहे. आपल्याला माता-पिता, पुरोहित, आनी उच्च शाळेतील शिक्षकांसाठी अत्यंत प्रवेशयोग्य फ्रेमवर्क तयार करण्यासाठी शैक्षणिक आवश्यक आहेत. आपल्याला लहानपणापासून मुलांना AI ला संदर्भ साधन म्हणून कसे मानावे हे शिकवावे लागेल—एक डिजिटल विश्वकोश—नाही एक मित्र, एक एजंट, किंवा एक नैतिक प्राधिकृत.
• आंतरविषयक मंच आयोजित करा: एंजेलिकम सारख्या संस्थांच्या एकत्रित शक्तीचा उपयोग करून नैतिक धर्मशास्त्रज्ञांसोबत वास्तविक AI बांधकाम करणाऱ्यांना खोलीत आणा. भाषिक टकरावाला आमने-सामने होऊ द्या.

हे आमचे अंतिम क्रियाकलापाचे आवाहन असो.

धर्मनिरपेक्ष जगातील 'सचेत' मशीनची अपोकॅलिप्टिक भीती सावधगिरीसाठी कारण नाही; तर, हे तुमच्या बौद्धिक नेतृत्वासाठी एक निराशाजनक हाक आहे. AI बांधकाम करणाऱ्यांच्या खऱ्या भाषेला समजून घेऊन, चर्च सार्वजनिक चौकात धाडसाने पाऊल ठेवू शकते. तुम्ही सार्वजनिक चर्चेला मानव असण्याचा खरा अर्थ सांगणाऱ्या अडथळ्यांमध्ये ठरवू शकता. आनी तुम्ही सुनिश्चित करू शकता की AI खऱ्या मानव कल्याणाकडे निर्देशित आहे.

या स्पष्टतेसह सुसज्ज, तुम्ही भ्रम तोडू शकता. तुम्ही सुनिश्चित करू शकता की मानवता शिल्पकार राहते, आनी मशीन चिसेल राहते, सदैव देवाच्या महिमेसाठी आदेशित.

धन्यवाद.