मूल रूप से PwC द्वारा 20 मई 2026 को प्रकाशित
कृत्रिम बुद्धिमत्ता के भविष्य पर बहस में सामान्य कृत्रिम बुद्धिमत्ता (AGI), तकनीकी सिंगुलैरिटी और सुपरइंटेलिजेंस जैसी अवधारणाओं की भूमिका लगातार बढ़ रही है। गहरे बदलाव के परिदृश्यों को समझाने के लिए इनका अक्सर ज़िक्र होता है, लेकिन इन्हें हमेशा स्पष्ट रूप से समझा नहीं जाता।
इस लेख में PwC Portugal के AI Tech Lead Ricardo Pacheco Almeida इन विचारों की उत्पत्ति पर लौटते हैं और मानव से श्रेष्ठ बुद्धिमत्ता तक पहुँचने के रास्ते की पड़ताल करते हैं।
क्या आप जानते हैं कि AGI, तकनीकी सिंगुलैरिटी और सुपरइंटेलिजेंस AI के संभावित भविष्य के अलग-अलग दृष्टिकोण हैं?
- AGI ऐसी प्रणालियों को कहते हैं जो अनेक प्रकार के संज्ञानात्मक कार्य मानव-स्तर की दक्षता से कर सकें;
- तकनीकी सिंगुलैरिटी वह बिंदु है जहाँ यह क्षमता स्वायत्त रूप से और तेज़ी से विकसित होने लगे; और
- सुपरइंटेलिजेंस वह चरण है जहाँ मशीनें लगभग सभी बौद्धिक गतिविधियों में लगातार मनुष्यों से बेहतर प्रदर्शन करें।
नेताओं और संगठनों के लिए इन भेदों को समझना केवल अकादमिक अभ्यास नहीं है। AGI की परिभाषा इस बात को प्रभावित करती है कि वे उसकी भावी संभावनाओं और विनियमन, निवेश, जोखिम प्रबंधन तथा रणनीतिक योजना जैसे क्षेत्रों में उससे जुड़े प्रभावों को कैसे समझते हैं।
इसलिए इस लेख का उद्देश्य इन घटनाओं के उभरने से समाज, पर्यावरण, अर्थव्यवस्था और राजनीति पर पड़ने वाले संभावित प्रभावों का पूर्वानुमान लगाना नहीं है। इसका ध्यान अवधारणाओं को स्पष्ट करने पर है—क्योंकि यही आगे की किसी भी चर्चा का आधार है।
सांख्यिकीय AI की शुरुआत से GenAI तक
AGI, तकनीकी सिंगुलैरिटी और सुपरइंटेलिजेंस को समझने के लिए उस समय में लौटना उपयोगी है जब AI अभी सार्वजनिक बहस पर छाया नहीं था। जब मैं नवाचार के अर्थशास्त्र की पढ़ाई कर रहा था, ChatGPT जैसे व्यावसायिक मॉडलों के आने से कई साल पहले, इस अध्ययन क्षेत्र में कृत्रिम बुद्धिमत्ता का उतनी बार ज़िक्र नहीं होता था जितना आज होता है।
कृत्रिम बुद्धिमत्ता (AI) की अवधारणा कई दशक पुरानी है। इन वर्षों में उत्साह की कई लहरें आईं—मसलन, 1997 में विश्व शतरंज चैंपियन Garry Kasparov पर Deep Blue की जीत के समय। फिर भी, AI को मुख्यतः पूर्वानुमान, वर्गीकरण और पैटर्न पहचानने की बुनियादी तौर पर सांख्यिकीय तकनीकों के समूह के रूप में देखा जाता था, यानी “पारंपरिक” मशीन लर्निंग के सामान्य उपयोग।
यह अटकलें पहले से थीं कि तकनीक मनुष्य से श्रेष्ठ बुद्धिमत्ता को कैसे जन्म दे सकती है। बिल्कुल अलग दृष्टिकोण वाले दो विचार-समूह उभरे: एक यूरोप में, दूसरा संयुक्त राज्य अमेरिका में।
सॉफ़्ट सिंगुलैरिटी: वैश्विक मस्तिष्क
बेल्जियम में 1990 के दशक से साइबरनेटिक्स के विशेषज्ञ Francis Heylighen ने उद्भव और वैश्विक मस्तिष्क (या सॉफ़्ट सिंगुलैरिटी) की अवधारणा विकसित की। यह एक निष्क्रिय प्रकृति की घटना होती, जिसमें अरबों मनुष्यों और मशीनों के बीच साझा किए जा रहे विशाल डेटा और संपर्कों से चेतना उभरती। यह घटना मानव न्यूरॉनों के काम करने जैसी होती: अलग-अलग उनमें कोई बुद्धिमान क्षमता नहीं होती, लेकिन साथ मिलकर वे मस्तिष्क बनाते हैं। संपूर्णता अपने हिस्सों के योग से आगे निकल जाती है।
दूसरे शब्दों में, उम्मीद यह थी कि इंटरनेट में मौजूद जानकारी की मात्रा के आधार पर वह अपने-आप चेतना के साथ “जाग उठेगा”। यह एक सामूहिक और वितरित मेटा-बुद्धिमत्ता होती, जिसका हिस्सा उससे जुड़े मनुष्य भी होते, और जिसका उद्भव केवल मौजूदा संपर्कों की संख्या पर निर्भर करता।
हार्ड सिंगुलैरिटी: तकनीकी सिंगुलैरिटी
जहाँ यूरोपीय दृष्टिकोण निष्क्रिय उद्भव पर भरोसा करता था—कि मनुष्यों और मशीनों के बीच संपर्कों से बुद्धिमत्ता स्वाभाविक रूप से उभरेगी—वहीं अमेरिकी दृष्टिकोण कुछ अधिक जानबूझकर किया गया और संभावित रूप से अधिक उथल-पुथल लाने वाला प्रस्ताव रखता था। सिलिकॉन वैली में तकनीकी सिंगुलैरिटी (या हार्ड सिंगुलैरिटी) की अवधारणा उभरी, जिसे Ray Kurzweil जैसे भविष्य-चिंतकों ने लोकप्रिय बनाया, उदाहरण के लिए अपनी किताबों The Singularity is Near (2005) और The Singularity is Nearer (2024) में।
“सिंगुलैरिटी” शब्द भौतिकी और गणित से लिया गया एक रूपक है। सटीक अर्थ में यह उस बिंदु को दर्शाता है जहाँ कोई चर—जैसे ब्लैक होल में घनत्व—अनंत की ओर बढ़ता है और भौतिकी के ज्ञात नियम अर्थ खोने लगते हैं। यह इतिहास में एक निर्णायक मोड़ होगा, जहाँ तकनीकी विकास इतना तीव्र हो जाएगा कि मानव पूर्वानुमान मॉडल ढह जाएँगे और भविष्य का अनुमान लगाना असंभव हो जाएगा।
यहाँ केंद्रीय अवधारणा “बुद्धिमत्ता विस्फोट” है, जिसे मूल रूप से गणितज्ञ और सांख्यिकीविद् I.J. Good ने बताया था: वह क्षण जब हम ऐसी AGI बनाएँ जो अपने ही बेहतर संस्करण को डिज़ाइन कर सके। इससे बार-बार दोहरने वाला आत्म-सुधार का चक्र शुरू होगा: संस्करण 1.0, 2.0 बनाएगा; अधिक बुद्धिमान 2.0, 3.0 को और तेज़ी से बनाएगा; और यह क्रम चलता रहेगा। यह चक्र इलेक्ट्रॉनिक गति से हज़ारों बार दोहराया जाएगा, जिससे ऐसी सुपरइंटेलिजेंस (ASI) उत्पन्न होगी जो कुछ दिनों, या घंटों में ही, मानव समझ से आगे निकल जाएगी।
I.J. Good और Ray Kurzweil के दशकों बाद भी यह विचार न केवल जीवित है, बल्कि अधिक तात्कालिक हो गया है। यही “AI 2027” रिपोर्ट के पीछे का प्रमुख विचार है। Daniel Kokotajlo, Scott Alexander, Thomas Larsen, Eli Lifland और Romeo Dean द्वारा 2025 में प्रकाशित यह रिपोर्ट, ख़ुद को बेहतर बनाने वाली AGI के विकास की धारणा पर, 2027 कैसा होगा इसका पूर्वानुमान लगाने का प्रयास करती है।
AGI क्या है?
तकनीकी सिंगुलैरिटी और सुपरइंटेलिजेंस से जुड़े सभी परिदृश्य एक धारणा से शुरू होते हैं: AGI का उदय। लेकिन वास्तव में AGI क्या है? और हम उस रास्ते में कहाँ तक पहुँचे हैं?
AGI को परिभाषित करना जटिल साबित हुआ है और वैज्ञानिक सहमति अलग-अलग कंपनियों की परिभाषाओं में बँट गई है। इस लेख के समय, OpenAI इसे आर्थिक प्रभाव—मानव श्रम के स्थानापन्न—के आधार पर परिभाषित करता है; Anthropic जोखिम और सुरक्षा के स्तरों (ASL) पर ध्यान देता है; और Meta, Yann LeCun के माध्यम से, इस शब्द को ही अस्वीकार करता है, यह तर्क देते हुए कि मौजूदा मॉडलों में “विश्व मॉडल” और “भौतिक” समझ नहीं है।
मैं आम तौर पर Google DeepMind की शोध प्रयोगशाला का प्रस्तावित दृष्टिकोण अपनाता हूँ, जिसका मूल सिद्धांत है “प्रक्रियाओं पर नहीं, क्षमताओं पर ध्यान”। इसका अर्थ है कि किसी प्रणाली को AGI माने जाने के लिए उसका समान दक्षता से कार्य करना पर्याप्त है; उसमें “अनुभूति” होना या मानव विचार-प्रक्रिया की नकल करना ज़रूरी नहीं। मूल बात यह है कि कार्य चाहे जो भी हो, AGI उसे कर सके—यूनानी पौराणिक कथाओं पर सही प्रस्तुति बनाने से लेकर शहर के सबसे उपयुक्त रेस्तराँ में बुकिंग के लिए फ़ोन करने तक।
“AGI, सिंगुलैरिटी और सुपरइंटेलिजेंस के अलग-अलग दृष्टिकोण, जनरेटिव कृत्रिम बुद्धिमत्ता के भविष्य को देखने के अलग कोणों के रूप में प्रासंगिक बने हुए हैं। ये सभी दीर्घकालीन रणनीतियाँ तय करने के लिए उपयोगी साधन और प्रेरणा के स्रोत हैं, विशेषकर उन क्षेत्रों में जहाँ जनरेटिव AI का प्रभाव सबसे अधिक है।”
Ricardo Pacheco Almeida, PwC Portugal के AI Tech Lead
AGI के पाँच स्तर
समय के साथ AGI कैसे विकसित हो सकती है, यह स्पष्ट करने के लिए Google DeepMind उसे हाँ-या-नहीं वाले निर्णायक मोड़ के बजाय विकास के एक पैमाने के रूप में वर्णित करने वाला मॉडल प्रस्तावित करता है। यह दो आयामों पर आधारित है, जिनसे वर्गीकरण के पाँच स्तर निकलते हैं:
- प्रदर्शन: दक्षता की गहराई; और
- सामान्यता: किए जा सकने वाले कार्यों का विस्तार।
AGI के विकास का वर्गीकरण मैट्रिक्स
स्तर 1: उभरती AGI
ऐसी प्रणालियाँ जिनमें सामान्यता तो है, लेकिन समग्र प्रदर्शन केवल एक अप्रशिक्षित मनुष्य के बराबर है। DeepMind आज के अग्रणी मॉडलों को इसी स्तर पर रखता है, जैसे OpenAI, Anthropic और Google के नवीनतम मॉडल।
स्तर 2: सक्षम AGI
वह सीमा जहाँ प्रणाली अनेक प्रकार के कार्यों में कुशल वयस्कों के 50वें प्रतिशतक के बराबर प्रदर्शन करने लगती है।
स्तर 3 और 4: विशेषज्ञ और अत्यंत प्रवीण
जहाँ क्षमता क्रमशः कुशल वयस्कों के 90वें और 99वें प्रतिशतक तक पहुँचती है।
स्तर 5: मानव से श्रेष्ठ AGI
ऐसी प्रणालियाँ जो सभी कार्यों में 100% मनुष्यों से बेहतर प्रदर्शन करें।
हम मान सकते हैं कि स्तर 5 पर पहुँचने के बाद हमारे सामने सुपरइंटेलिजेंस होगी: एक आभासी इकाई जिसका समग्र प्रदर्शन सभी कार्यों में सभी मनुष्यों से बेहतर होगा। इतनी क्षमता वाली तकनीक तक पहुँच का हमारी जानी-पहचानी हर चीज़ पर बहुत गहरा प्रभाव पड़ेगा।
क्या भविष्य की AGI मल्टी-एजेंट होगी?
AGI का विकास शायद एक ही मॉडल के लगातार अधिक शक्तिशाली होते जाने से नहीं, बल्कि समन्वय के साथ काम करने वाले कई विशेषज्ञ एजेंटों से बनी प्रणालियों से हो। अब सवाल है: हम वहाँ कैसे पहुँचेंगे? एक लगातार अधिक शक्तिशाली होते मॉडल से, या किसी दूसरे रास्ते से?
हाल ही में GenAI एजेंट सामने आए हैं। इन्हें ऐसे सॉफ़्टवेयर प्रोग्राम के रूप में परिभाषित किया जा सकता है जो निर्णय लेने और टूल इस्तेमाल करने के लिए GenAI का उपयोग करते हैं। इनके उभरने के साथ DeepMind ने सुझाव दिया है कि AGI किसी अत्यंत उन्नत, एकल मस्तिष्क के बजाय विभिन्न विशेषज्ञताओं और टूलों वाले एजेंटों की प्रणालियों से स्वाभाविक रूप से उभर सकती है। इस बढ़ते लोकप्रिय दृष्टिकोण को “मल्टी-एजेंट AGI या सामूहिक बुद्धिमत्ता” कहा जा रहा है।
दिलचस्प है कि कई विशेषज्ञ एजेंटों के सहयोग से उभरती बुद्धिमत्ता की यह धारणा Heylighen के वैश्विक मस्तिष्क की याद दिलाती है। लेकिन एक मूलभूत अंतर है: यह इंटरनेट से निष्क्रिय उद्भव पर नहीं, बल्कि उद्देश्यपूर्वक डिज़ाइन की गई प्रणालियों पर निर्भर करती है।
उत्साह और आशंका के बीच झूलती इस बहस में इन अवधारणाओं को स्पष्ट करना ज़रूरी है, ताकि नेता, संगठन और निर्णयकर्ता AI के विकास को जानकारी और ज़िम्मेदारी के साथ समझ सकें। इस पूरे शतक में AI के प्रति रणनीतिक, विवेकपूर्ण और दूरदर्शी दृष्टिकोण का मार्गदर्शन इसी समझ से होना चाहिए।