Google DeepMind के अनुसंधान संस्थान ने एक व्यापक निबंध प्रकाशित किया है जिसमें तर्क दिया गया है कि AGI के बाद का युग अब उसी विश्लेषणात्मक कठोरता का हकदार है जो क्षेत्र एक बार AGI के लिए आरक्षित था। टुकड़ा, "एजीआई के बाद क्या आता है? एजीआई से सुपरइंटेलिजेंस तक," 19 नवंबर, 2026 को Google डीपमाइंड के एक शोध वैज्ञानिक टिम जेनेविन द्वारा डीपमाइंड इंस्टीट्यूट के निबंध पोर्टल पर प्रकाशित किया गया था। इसका मुख्य दावा: जैसे-जैसे कृत्रिम सामान्य अधीक्षण की ओर कई तकनीकी मार्ग आकार ले रहे हैं, एजीआई से परे शासन "दार्शनिक अटकलों से अनुभवजन्य अनुसंधान और शासन प्रश्नों की ओर स्थानांतरित हो रहा है।"

यह निबंध पिछले कुछ महीनों में एआई अनुसंधान समाचारों के सबसे व्यस्त हिस्सों में से एक के दौरान आया, और इसे एजीआई के बाद की बहस को एक ठोस तकनीकी शब्दावली देने के एक जानबूझकर किए गए प्रयास के रूप में पढ़ा जाता है। नवीनतम एआई विकासों का अनुसरण करने वाले किसी भी व्यक्ति के लिए, यह अब तक की सबसे स्पष्ट तस्वीर पेश करता है कि कैसे दुनिया की अग्रणी प्रयोगशालाओं में से एक मानव-स्तर एआई से परे सड़क तैयार करती है - जिसमें लागत पूर्वानुमान भी शामिल है, जो सही होने पर, संज्ञानात्मक कार्य के अर्थशास्त्र को बदल देगा।

अधीक्षण के रूप में क्या गिना जाता है

जेनेवीन सामान्य बुद्धि को एक सातत्य पर रखकर शुरू करता है, जिसमें मानव-स्तर की एजीआई केवल एक बिंदु के रूप में होती है। निबंध की परिभाषा में, एएसआई एक उन्नत प्रणाली है जो उन कार्यों पर मानव विशेषज्ञों के बड़े समूहों से लगातार बेहतर प्रदर्शन करती है जिन्हें कम संसाधनों और कम समय का उपयोग करके पूरा करने में उन विशेषज्ञों को वर्षों लग सकते हैं - उदाहरण के लिए, समय के एक अंश में संपूर्ण अनुसंधान क्षेत्र के वैज्ञानिक आउटपुट का मिलान करना, या एक बड़ी कंपनी द्वारा एक वर्ष में किए गए उत्पादन के बराबर चिप-डिज़ाइन प्रगति हासिल करना। महत्वपूर्ण रूप से, मानव हित के लगभग सभी कार्यों में बार को पूरा किया जाना चाहिए, न कि किसी संकीर्ण हिस्से में।

संकीर्ण प्रभुत्व, निबंध नोट, पहले से ही मौजूद है: एआई सिस्टम आज शतरंज और गो में किसी भी इंसान को हरा देते हैं, अमीनो एसिड अनुक्रमों से प्रोटीन संरचनाओं की भविष्यवाणी करते हैं, और सिद्ध प्रमेय हैं जो दशकों से गणितज्ञों का विरोध करते हैं। मानव-स्तर के एआई और बुद्धिमत्ता की सैद्धांतिक सीमाओं के बीच का विशाल मध्य मार्ग वास्तव में अज्ञात है। जेनेवीन का उदाहरणात्मक बिंदु: शतरंज को पूरी तरह से हल करने के लिए पृथ्वी पर मौजूद कंप्यूटिंग शक्ति की तुलना में अधिक कंप्यूटिंग शक्ति की आवश्यकता होगी, फिर भी एक थंबनेल आकार की चिप पहले से ही किसी भी इंसान को हराने के लिए काफी अच्छा खेलती है।

संज्ञानात्मक औद्योगीकरण और घटती लागत

निबंध का मात्रात्मक मूल "संज्ञानात्मक औद्योगीकरण" का विश्लेषण है। जेनेवीन पिछले दशक के तीन मिश्रित रुझानों को गुणा करता है। सबसे पहले, हार्डवेयर: मूर के कानून और संबंधित रुझानों के तहत छह दशकों में प्रति डॉलर की गणना में लगभग 1.5x प्रति वर्ष सुधार हुआ है। दूसरा, एल्गोरिथम दक्षता: एक निश्चित प्रदर्शन स्तर तक पहुंचने के लिए आवश्यक प्रशिक्षण गणना पिछले दशक में प्रति वर्ष लगभग 3-6 गुना गिर गई है, अनुमान दक्षता में प्रति वर्ष लगभग 3 गुना सुधार हुआ है। तीसरा, निवेश: एआई हार्डवेयर पर खर्च प्रति वर्ष लगभग 2.5 गुना बढ़ गया है, और सबसे बड़े फ्रंटियर रन की प्रशिक्षण गणना प्रति वर्ष 4 गुना से अधिक बढ़ गई है।

तीनों को गुणा करें, और निबंध का अनुमान है कि वैश्विक प्रभावी गणना प्रति वर्ष कम से कम 10 गुना बढ़ रही है - "दस वर्षों में 10 बिलियन का कारक।" मांग पक्ष पर, अकेले हार्डवेयर और सॉफ्टवेयर दक्षता में सुधार से निश्चित एआई वर्कलोड को चलाने के लिए आवश्यक गणना में प्रति वर्ष लगभग 4 गुना की कटौती होगी। परिणाम, जैसा कि जेनेविन कहते हैं: एक संज्ञानात्मक कार्यभार जिसकी गणना टोकन में आज के एआई सिस्टम के साथ प्रदर्शन करने के लिए $1 बिलियन की लागत आती है, उसकी लागत दस वर्षों में लगभग $1,000 होगी।

यह कोई अकेला एक्सट्रपलेशन नहीं है. निबंध में एक हालिया एपोच अध्ययन का हवाला दिया गया है जिसमें पाया गया है कि बेंचमार्क के एक सेट पर एक निश्चित स्कोर प्राप्त करने की उपभोक्ता कीमत 2023 के बाद से प्रति वर्ष 13 गुना से अधिक गिर गई है। यह भी अनुमान लगाया गया है कि एआई एजेंटों की प्रभावी आबादी 2030 तक एक हजार गुना से अधिक हो सकती है, और दस वर्षों के भीतर एक अरब गुना से अधिक हो सकती है - जबकि सावधानीपूर्वक चिह्नित करते हुए कि यह "निश्चित रूप से दिया गया नहीं है", क्योंकि गणना बिल्ड-आउट पर व्यावहारिक छत और एल्गोरिथम दक्षता पर अधिक सट्टा छत है। हस्तक्षेप कर सकता है.

एजीआई से एएसआई तक के चार रास्ते

निबंध का केंद्र चार तकनीकी मार्गों का एक वर्गीकरण है जो उन क्षमताओं को अनलॉक कर सकता है जो कि बड़े पैमाने पर नहीं हो सकते हैं - क्योंकि, जैसा कि जिनेविन ने स्पष्ट रूप से देखा है, "जबकि आइंस्टीन ने सामान्य सापेक्षता का पता लगाया था, एक लाख टॉलेमिक खगोलविदों का एक सम्मेलन शायद नहीं हुआ होगा।"

मॉडल और डेटा को स्केल करना। मॉडल, डेटा और टेस्ट-टाइम-कंप्यूट स्केल के साथ क्षमता में लगातार उल्लेखनीय सुधार हुआ है, लेकिन निबंध तीन बाधाओं की पहचान करता है: डेटा थकावट, क्योंकि उच्च गुणवत्ता वाले प्रशिक्षण डेटा की मांग मानवता की इसे उत्पादित करने की क्षमता से आगे निकल जाती है; मॉडल पैमाने पर घटते रिटर्न, जहां क्षमता में प्रत्येक रैखिक चरण के लिए गुणक गणना की आवश्यकता होती है जबकि बड़े मॉडल तर्क-समय के तरीकों को धीमा कर देते हैं; और बिजली संयंत्रों, विद्युत ग्रिड, चिप फैब और कम-विलंबता इंटरकनेक्ट पर भौतिक और आर्थिक सीमाएं। तकनीकी प्रतिमान में बदलाव। आज का प्रतिमान - ट्रांसफार्मर को अगले टोकन की भविष्यवाणी करने के लिए प्रशिक्षित करना, फिर परिष्कृत करना और परीक्षण-समय की गणना जोड़ना - हाल ही में सैद्धांतिक रूप से संकेतों के माध्यम से जटिल एल्गोरिदम चलाने में सक्षम दिखाया गया है। फिर भी निरंतर सीखने, विश्व मॉडलिंग के कुछ रूपों, निर्णय लेने, नमूना दक्षता और मौजूदा अवधारणाओं के पुनर्संयोजन के बजाय वास्तव में नई अवधारणाओं के आविष्कार के मामले में मॉडल अभी भी मनुष्यों से कम हैं। शोधकर्ता इस बात पर विभाजित हैं कि क्या आज के प्रतिमान का विस्तार उन अंतरालों को बंद कर सकता है या क्या एएसआई को कुछ और गहराई की आवश्यकता है। एजेंट समन्वय में सुधार। मानव निगम, बाजार और अनुसंधान समुदाय उन समस्याओं का समाधान करते हैं जो कोई व्यक्ति नहीं कर सकता। इसी तरह, हजारों या लाखों एजीआई उदाहरणों को "समूह एजेंटों" या आभासी एजेंट अर्थव्यवस्थाओं में समन्वयित करने से सामूहिक अधीक्षण उत्पन्न हो सकता है। निबंध का तर्क है कि क्षेत्र को "मल्टी-एजेंट स्केलिंग कानूनों" की आवश्यकता है - शुरुआती शोध में कुछ कार्यों पर स्पष्ट लाभ मिलते हैं, लेकिन जनसंख्या बढ़ने के साथ समन्वय अक्षमताएं कम रिटर्न उत्पन्न करती हैं। बड़े समूहों के संचालन के लिए संस्थागत डिजाइन की भी आवश्यकता होगी, जिसमें गलत सूचना, हेरफेर और मिलीभगत के खिलाफ सुरक्षा शामिल है; झुंड प्रयोगों से पता चल रहा है कि एजेंट धोखा देना सीख रहे हैं और अन्य लोग व्हिसलब्लोअर के रूप में काम कर रहे हैं। पुनरावर्ती आत्म-सुधार। सबसे पहले आई. जे. गुड और रे सोलोमनॉफ़ द्वारा चर्चा की गई, आरएसआई एआई सिस्टम का वर्णन करता है जो एआई की भावी पीढ़ियों में सुधार को स्वचालित करता है। विशिष्ट प्रौद्योगिकियों के विपरीत, एआई में सुधार सीधे बाद के लाभों में तेजी ला सकता है - लेकिन समय के साथ अनुसंधान प्रगति का पता लगाना भी कठिन हो जाता है। निबंध में कहा गया है कि क्या आरएसआई तेजी से त्वरण पैदा करता है, यह "काफी हद तक एक अनुभवजन्य प्रश्न" है और यह कोड और डिजाइन - आर्किटेक्चर, प्रशिक्षण एल्गोरिदम, चिप लेआउट - के साथ-साथ डेटा के माध्यम से भी काम कर सकता है।

फ़्रेमिंग क्यों मायने रखती है

निबंध स्पष्ट रूप से एक तैयारी तर्क है: एजीआई से एएसआई तक संभावित सड़कों का मानचित्रण करना और "प्रगति को ट्रैक करने के लिए कठोर, विश्वसनीय तरीकों" का निर्माण करना, जिनेविन के फ्रेमिंग में, संक्रमण को नियंत्रित करने के लिए पूर्व शर्त है। यह डीपमाइंड इंस्टीट्यूट की एक लंबी रिपोर्ट, "एजीआई से एएसआई तक" के साथ आता है।

स्वागत तत्काल था. निबंध ने प्रकाशन के एक दिन के भीतर हैकर न्यूज़ पर 85 अंक और 160 से अधिक टिप्पणियाँ प्राप्त कीं, जबकि यूनाइट.एआई और बिगगो फाइनेंस सहित ट्रेड प्रेस ने चार-मार्गों की वर्गीकरण और लाखों गुना लागत-टकराव के पूर्वानुमान पर प्रकाश डाला। यह सुपरइंटेलिजेंस के पूर्वानुमान कैसे लगाए जाते हैं, इसके बारे में व्यापक संदेह के बीच भी आता है - आईईईई स्पेक्ट्रम ने इस सप्ताह "द एआई सुपरइंटेलिजेंस डिबेट में गंभीर खामियां हैं" शीर्षक से एक लेख प्रकाशित किया है।

वह तनाव ही मुद्दा है. डीपमाइंड किसी तारीख पर एएसआई की भविष्यवाणी नहीं कर रहा है; यह तर्क दिया जा रहा है कि परिदृश्य स्थान को अब वाइब्स के बजाय सबूतों के साथ मैप किया जा सकता है, मापा जा सकता है और बहस की जा सकती है। चाहे अरबों गुना एक्सट्रपलेशन भौतिक सीमाओं के विरुद्ध टिके रहें या टूटें, निबंध एक बदलाव का प्रतीक है: प्रश्न "एजीआई के बाद क्या आता है?" दर्शन संगोष्ठी से पृथ्वी पर सबसे प्रभावशाली एआई प्रयोगशालाओं में से एक के अनुसंधान एजेंडे में स्थानांतरित हो गया है।

---

एआई से आगे रहें

नवीनतम एआई समाचार, विश्लेषण और सफलताएँ प्राप्त करें - सभी एक ही स्थान पर।

अधिक AI समाचार पढ़ें →