अग्रणी वैज्ञानिक, प्रौद्योगिकीविद् और दार्शनिक अक्सर नवाचार की दिशा के बारे में बेहद भयानक अनुमान लगाते रहे हैं और आइंस्टीन भी इससे अछूते नहीं थे। एनरिको फर्मी द्वारा शिकागो में पहले विखंडन रिएक्टर का निर्माण पूरा करने से ठीक दस साल पहले, उन्होंने दावा किया था, ‘ऐसा कोई संकेत नहीं है कि परमाणु ऊर्जा कभी भी प्राप्त की जा सकेगी।’ इसके तुरंत बाद, ज्यादातर विद्वान आसन्न परमाणु विनाश की आशंकाओं पर बात करने लगे। इसी तरह, आज के विशेषज्ञ चेतावनी देते हैं कि कृत्रिम सामान्य बुद्धिमत्ता (एजीआई) का विनाश निकट है। अन्य लोग जवाब देते हैं कि बड़े भाषा मॉडल (एलएलएम) पहले ही अपनी शक्तियों के चरम पर पहुंच चुके हैं। डेविड कॉंिलग्रिज की प्रभावशाली थीसिस के साथ बहस करना मुश्किल है कि नई प्रौद्योगिकियों द्वारा उत्पन्न जोखिमों की भविष्यवाणी करने का प्रयास एक मूर्खतापूर्ण काम है। यह देखते हुए कि हमारे प्रमुख वैज्ञानिक और प्रौद्योगिकीविद् आमतौर पर तकनीकी विकास के बारे में इतने गलत हैं, हमारे नीति निर्माताओं के पास कृत्रिम बुद्धिमत्ता (एआई) से उभरते तकनीकी जोखिमों को प्रभावी ढ़ंग से विनियमित करने का क्या मौका है ?
हमें कॉंिलग्रिज की चेतावनी पर ध्यान देना चाहिए कि प्रौद्योगिकी अनिश्चित तरीकों से विकसित होती है। हालांकि, एआई जोखिम का एक वर्ग है जिसके बारे में आमतौर पर पहले से पता चल जाता है। यह एक विशेष तरीके से अपने स्वामित्व वाले एआई मॉडल से लाभ के लिए कंपनी के आर्थिक प्रोत्साहन और एआई मॉडल का मुद्रीकरण और तैनाती कैसे की जानी चाहिए, इसमें समाज के हितों के बीच गलत संरेखण से उत्पन्न होने वाले जोखिम हैं।
इस तरह के गलत संरेखण को नजरअंदाज करने का सबसे सुरक्षित तरीका एआई मॉडल क्षमताओं के बारे में तकनीकी प्रश्नों पर विशेष रूप से ध्यान केंद्रित करना है, जो उस सामाजिक-आर्थिक माहौल से अलग है जिसमें ये मॉडल संचालित होंगे और लाभ के लिए डिजाइन किए जाएंगे। एआई से होने वाले आर्थिक जोखिमों पर ध्यान केंद्रित करना केवल ‘एकाधिकार’ ‘आत्म-वरीयता’ या ‘बिग टेक प्रभुत्व’ को रोकने के बारे में नहीं है। यह सुनिश्चित करने के बारे में है कि नवाचार को सुविधाजनक बनाने वाला आर्थिक वातावरण कठिनता से अनुमान लगाए जा सकने वाले तकनीकी जोखिमों को प्रोत्साहित नहीं कर रहा है क्योंकि कंपनियां लाभ या बाजार प्रभुत्व की दौड़ में ‘तेजी से आगे बढ़ती हैं और चीजों को तोड़ देती हैं’।
यह इस बात को सुनिश्चित करने के बारे में भी है कि समयपूर्व समेकन को रोककर एआई से मूल्य व्यापक रूप से साझा किया जाता है। यदि उभरते हुए एआई उपकरण सभी के लिए सुलभ हों, तो हम और अधिक नवाचार देखेंगे, जैसे कि नई फर्मो, स्टार्ट-अप और एआई उपकरणों का एक फैला हुआ पारिस्थितिकी तंत्र उत्पन्न हो सकता है। ओपनएआई पहले से ही 2 अरब अमेरिकी डॉलर की वाषिर्क बिक्री और लाखों उपयोगकर्ताओं के साथ एक प्रमुख खिलाड़ी बन रहा है। इसके जीपीटी स्टोर और डेवलपर टूल को इसे बनाने वालों को मूल्य लौटाने की जरूरत है ताकि यह सुनिश्चित किया जा सके कि नवाचार का पारिस्थितिकी तंत्र व्यवहार्य और व्यापक रहे।
नवाचारों में अंतर्निहित आर्थिक प्रोत्साहनों की पण्राली और व्यवहार में प्रौद्योगिकियों का मुद्रीकरण कैसे किया जाता है, इसकी सावधानीपूर्वक जांच करके, हम बाजार की संरचना द्वारा पोषित आर्थिक और तकनीकी दोनों तरह के जोखिमों की बेहतर समझ पैदा कर सकते हैं। बाजार संरचना केवल फर्मो की संख्या नहीं है, बल्कि बाजार में लागत संरचना और आर्थिक प्रोत्साहन है जो संस्थानों, आसन्न सरकारी नियमों और उपलब्ध वित्तपोषण से आती है। अधिक लाभ के लिए गुणवत्ता में गिरावट यह विचार उपयोगी है कि कैसे एल्गोरिथम प्रौद्योगिकियां जो पुराने एग्रीगेटर प्लेटफार्मों (जैसे कि अमेज्ॉन, गूगल और फेसबुक सहित अन्य) को शुरू में उपयोगकर्ताओं को लाभ पहुंचाने के लिए तैनात किया गया था, को अंतत: प्लेटफॉर्म के लिए लाभ बढ़ाने के लिए पुन: प्रोग्राम किया गया था। सोशल मीडिया, सर्च और अनुशंसा एल्गोरिदम द्वारा उत्पन्न समस्याएं कभी भी एक इंजीनियंिरग मुद्दा नहीं थीं, बल्कि एल्गोरिदम की सुरक्षित, प्रभावी और न्यायसंगत तैनाती के साथ संरेखित नहीं होने वाले वित्तीय प्रोत्साहन (लाभ वृद्धि) में से एक थी। जैसा कि कहा जाता है : इतिहास खुद को दोहराता नहीं है, लेकिन वह दोहराता है। यह समझने के लिए कि प्लेटफॉर्म स्वयं को मूल्य कैसे आवंटित करते हैं और हम इसके बारे में क्या कर सकते हैं, प्लेटफॉर्म पर उपयोगकर्ताओं और उत्पादकों से तथाकथित आर्थिक किराया निकालने में एल्गोरिदम की भूमिका और डिजिटल बाजारों की अनूठी सूचनात्मक व्यवस्था की जांच की गई। आर्थिक सिद्धांत में, किराया ‘सुपर-सामान्य मुनाफा’ है (ऐसा मुनाफा जो प्रतिस्पर्धी बाजार में प्राप्त होने वाली राशि से अधिक हो) और कुछ दुर्लभ संसाधनों पर नियंतण्रको दर्शाता है। महत्वपूर्ण बात यह है कि, प्रतिस्पर्धी बाजार में कुछ उत्पादन करने (जैसे कि कई निर्माता कार बनाते और बेचते हैं) से अर्जित रिटर्न के बजाय, किराया स्वामित्व या कुछ हद तक एकाधिकार शक्ति का शुद्ध रिटर्न है। डिजिटल प्लेटफॉर्म के लिए, डिजिटल रेंट निकालने में आम तौर पर उपयोगकर्ता को दिखाई गई जानकारी की गुणवत्ता को कम करना शामिल होता है। उदाहरण के लिए, अमेज्ॉन के लाखों उपयोगकर्ता बिक्री के लिए उपलब्ध सवरेत्तम उत्पाद दिखाने के लिए उसके उत्पाद खोज एल्गोरिदम पर भरोसा करते हैं, क्योंकि वे प्रत्येक उत्पाद का व्यक्तिगत रूप से निरीक्षण करने में असमर्थ हैं।
