हर हफ़्ते की तरह इस बार भी Artificial General Intelligence (AGI) की मंज़िल पा लेने का एक और धमाकेदार ऐलान हुआ है। अगर आपको भी ‘AGI थकान’ (AGI fatigue) महसूस होने लगी है, तो आपको दोष नहीं दिया जा सकता। लेकिन इस बार यह दावा सिलिकॉन वैली की किसी जानी-मानी दिग्गज कंपनी से नहीं, बल्कि Integral AI नाम के एक स्टार्टअप से आया है। टोक्यो और सिलिकॉन वैली में अपनी जड़ें रखने वाले इस स्टार्टअप की कमान Google AI के पूर्व दिग्गज Jad Tarifi के हाथों में है। और वे महज़ एक और बेहतर ‘लार्ज लैंग्वेज मॉडल’ का वादा नहीं कर रहे, बल्कि तकनीक की दुनिया में एक बुनियादी बदलाव (paradigm shift) का दावा कर रहे हैं।
Integral AI ने दुनिया के पहले “AGI-capable model” के निर्माण की घोषणा की है। इससे पहले कि आप संदेह में अपनी आँखें सिकोड़ें, यह जान लें कि उनका यह दावा मौजूदा AI के उस ‘ब्रूट-फोर्स’ तरीके (जहाँ बस बेतहाशा डेटा झोंक दिया जाता है) को दरकिनार करता है। इसके बजाय, वे एक ऐसे सिस्टम का प्रस्ताव रख रहे हैं जो इंसानों की तरह सीखता है—एक ऐसा भविष्य जहाँ रोबोट खुद-ब-खुद चीज़ों को समझ सकें। यह एक साहसी घोषणा है जिसके ‘इंजन’ की बारीकी से जांच करना ज़रूरी है। क्या यह वाकई कोई क्रांतिकारी सफलता है, या हाइप से भरे इस बाज़ार में “AGI-washing” का एक और मामला?
एक नई बुद्धिमत्ता का वास्तुकार
इस पूरे मिशन के पीछे Jad Tarifi (Ph.D.) का दिमाग है, जो किसी आम स्टार्टअप फाउंडर की छवि में फिट नहीं बैठते। उन्होंने Google AI में लगभग एक दशक बिताया, जहाँ उन्होंने इसकी पहली Generative AI टीम की नींव रखी। उनका पूरा ध्यान “इमेजिनेशन मॉडल्स” (कल्पनाशील मॉडल) और सीमित डेटा से सीखने की कला पर था। क्वांटम कंप्यूटिंग में मास्टर्स और AI में डॉक्टरेट के साथ, उनकी साख उनकी महत्वाकांक्षाओं जितनी ही मज़बूत है।
दिलचस्प बात यह है कि Tarifi ने अपने कामकाज का केंद्र टोक्यो को बनाया है। यह कोई संयोग नहीं बल्कि एक रणनीतिक फैसला है, क्योंकि वे जापान को रोबोटिक्स का वैश्विक केंद्र (global heart) मानते हैं। Integral AI का विज़न “एम्बॉडेड इंटेलिजेंस” (embodied intelligence) का है—यानी ऐसी AI जो भौतिक दुनिया में रहकर सीखती है, जहाँ रोबोटिक्स उसकी काबिलियत की असली कसौटी है।
जब तक परिभाषा तय नहीं, तब तक निर्माण मुमकिन नहीं
Integral AI के इस ऐलान में सबसे राहत देने वाली बात इसकी इंजीनियरिंग-आधारित परिभाषा है। जहाँ OpenAI और Google DeepMind जैसे दिग्गज अक्सर AGI के बारे में दार्शनिक और अस्पष्ट बातें करते हैं, वहीं Integral ने किसी भी सिस्टम को AGI कहलाने के लिए तीन सख्त और मापने योग्य मापदंड (pillars) तय किए हैं:
- स्वायत्त कौशल सीखना (Autonomous Skill Learning): मॉडल को बिना किसी पहले से तैयार डेटासेट या मानवीय मदद के, अनजान वातावरण में पूरी तरह से नए कौशल सीखने में सक्षम होना चाहिए। यह सीधे तौर पर ChatGPT जैसे मॉडल्स को चुनौती है, जो बुनियादी तौर पर उसी डेटा तक सीमित हैं जिस पर उन्हें ट्रेन किया गया है।
- सुरक्षित और भरोसेमंद महारत: सीखने की प्रक्रिया बुनियादी रूप से सुरक्षित होनी चाहिए। Tarifi इसके लिए एक बेहतरीन मिसाल देते हैं: खाना बनाना सीख रहा कोई रोबोट ‘ट्रायल एंड एरर’ के चक्कर में पूरी रसोई न जला दे। सुरक्षा कोई बाद में जोड़ा गया पैच (patch) नहीं, बल्कि सिस्टम का मूल हिस्सा होनी चाहिए।
- ऊर्जा दक्षता (Energy Efficiency): यह सबसे बड़ी चुनौती है। नया कौशल सीखने के लिए मॉडल को उतनी ही ऊर्जा खर्च करनी चाहिए जितनी एक इंसान करता है। यह मापदंड ‘बिग टेक’ की उस सबसे बड़ी समस्या (elephant in the room) पर प्रहार करता है, जहाँ बड़े मॉडल्स की ट्रेनिंग में बेतहाशा बिजली की खपत होती है।
दिसंबर 2025 के अपने ऐलान के मुताबिक, Integral AI का मॉडल एक बंद परीक्षण वातावरण (closed test environment) में इन तीनों पैमानों पर खरा उतरा है। अगर यह सच है, तो यह किसी क्रांति से कम नहीं है।
शब्दों के नहीं, ‘संसार’ के मॉडल
तो आखिर इसका ‘सीक्रेट सॉस’ क्या है? Integral AI कोई ‘लार्ज लैंग्वेज मॉडल’ (LLM) नहीं बना रहा, बल्कि “फाउंडेशन वर्ल्ड मॉडल्स” (Foundation World Models) तैयार कर रहा है। ‘वर्ल्ड मॉडल्स’ का कॉन्सेप्ट दशकों पुराना है, जिसकी वकालत Jürgen Schmidhuber और Yann LeCun जैसे दिग्गजों ने मज़बूत AI की दिशा में एक अहम कदम के रूप में की है। इसका मूल विचार यह है कि AI अपने पर्यावरण का एक आंतरिक और भविष्य बताने वाला सिमुलेशन (predictive simulation) तैयार करे, जिससे वह कोई भी कदम उठाने से पहले उसके परिणामों की “कल्पना” कर सके।
Integral का आर्किटेक्चर इंसानी नियोकोर्टेक्स (neocortex) से प्रेरित है। इसे सिर्फ अगले शब्द का अनुमान लगाने के बजाय, योजना बनाने और एक इकाई के रूप में कार्य करने के लिए डिज़ाइन किया गया है। यह सिस्टम “यूनिवर्सल ऑपरेटर्स” का उपयोग करता है जो वैज्ञानिक पद्धति की तरह काम करते हैं: एक परिकल्पना (hypothesis) बनाना, एक प्रयोग करना (जैसे रोबोट का हाथ हिलाना), और उसके नतीजे से सीखना। यही ‘एक्टिव लर्निंग’ प्रोसेस इसे बिना किसी विशाल डेटासेट के काम करने की आज़ादी देता है।
पहेलियों से लेकर असली दुनिया तक का सफर
बेशक, दावे करना आसान है, लेकिन सबूत क्या है? फिलहाल, इसके प्रमाण कुछ प्रमुख प्रदर्शनों (demos) पर टिके हैं। पहली चुनौती थी AI का क्लासिक गेम: Sokoban। वेयरहाउस की यह पहेली AI के लिए बेहद कठिन मानी जाती है क्योंकि इसमें लंबी अवधि की प्लानिंग की ज़रूरत होती है—एक गलत कदम आगे चलकर गेम को नामुमकिन बना सकता है। मौजूदा जनरेटिव AI अक्सर ऐसे लॉजिकल तालमेल में लड़खड़ा जाते हैं। Tarifi का दावा है कि उनके मॉडल ने इसे ‘कोरी स्लेट’ (tabula rasa) से सीखा और सिमुलेशन के साथ बातचीत करके पेशेवर स्तर की रणनीति विकसित की।
यह साबित करने के लिए कि यह सिर्फ गेम तक सीमित नहीं है, Integral ने Honda R&D के साथ एक प्रोजेक्ट भी दिखाया। इसमें जटिल, वास्तविक दुनिया की लॉजिस्टिक्स और प्लानिंग सिस्टम को समन्वित करना शामिल था—यानी असली सप्लाई चेन और API के साथ Sokoban खेलना। इसकी प्लानिंग क्षमताओं की तुलना Google DeepMind के मशहूर AlphaGo से की गई, लेकिन इसे एक सीमित गेम बोर्ड के बजाय पेचीदा भौतिक दुनिया पर लागू किया गया।
तो क्या इस बार AGI की हाइप सच है?
थोड़ा संभलकर बात करते हैं। Integral AI ने एक बहुत ही आकर्षक विज़न और दावों का एक सेट पेश किया है। हालांकि, ये नतीजे एक नियंत्रित ‘सैंडबॉक्स’ से आए हैं और वैज्ञानिक समुदाय ने अभी तक स्वतंत्र रूप से इनकी पुष्टि नहीं की है। एक तरह से कंपनी ने खुद ही अपना पैमाना बनाया और फिर खुद को ही विजेता घोषित कर दिया।
अगर—और यह एक बड़ा ‘अगर’ है—ये दावे जांच में खरे उतरते हैं, तो इसके परिणाम चौंकाने वाले होंगे। यह डेटा जमा करने की होड़ से हटकर एक नए युग की शुरुआत होगी, AI के पर्यावरणीय प्रभाव को कम करेगी और ऐसे रोबोट्स का रास्ता साफ़ करेगी जो सिर्फ कारखानों में ही नहीं, बल्कि हमारे घरों की बदलती स्थितियों में भी ढल सकें।
Integral AI ने पूरी इंडस्ट्री के सामने एक चुनौती पेश की है। कंपनी इसे एक ऐसी “सुपरइंटेलिजेंस की ओर पहला कदम मानती है जो मानवीय स्वतंत्रता और सामूहिक क्षमता का विस्तार करे।” फिलहाल, पूरी दुनिया की नज़रें उन पर हैं। दावे असाधारण हैं, अब इंतज़ार है उस ‘असाधारण प्रमाण’ का, जो इस ‘दिमाग’ को लैब से निकालकर हमारी दुनिया में सुरक्षित तरीके से उतार सके।
