काठमाडाैं। गत वर्ष डेलोइटले आफ्नो टेक ट्रेन्ड्स प्रतिवेदनमा कृत्रिम बुद्धिमत्तालाई बिजुलीसँग तुलना गर्दै यो प्रविधि हरेक उत्पादन र सेवामा स्वाभाविक रूपमा घुलमिल भएर जाने अनुमान गरेको थियो। यस वर्षको प्रतिवेदनले त्यही अनुमानलाई सत्य सावित गरिदिएको छ। अहिले कुनै पनि उद्यम-प्रविधि कृत्रिम बुद्धिमत्ताबाट अछुतो रहन सकेको छैन। कम्प्युटिङ हार्डवेयरदेखि लिएर भौतिक रोबोटिक्ससम्म हरेक निर्णयमा यसैको छाया देखिन थालेको छ। गत वर्ष यो प्रविधिको प्रयोग र सम्भावनाको खोजीमा सीमित थियो भने अहिले संस्थाहरूको ध्यान पूर्णतः यसलाई ठूलो स्तरमा फैलाउनेतर्फ केन्द्रित भएको छ, किनभने नेतृत्वले प्रतिस्पर्धाको चाबी अब कृत्रिम बुद्धिमत्ताको सहायताले स्वचालन, नवप्रवर्तन र गति ल्याउनुमै लुकेको भन्ने राम्ररी बुझिसकेका छन्।
नवप्रवर्तनको यो गति साधारण थपघट होइन, यो द्रूत दरमा बढिरहेको छ। जनरेटिभ कृत्रिम बुद्धिमत्ताले जम्मा दुई महिनाको छोटो अवधिमा दस करोड प्रयोगकर्ता जुटायो, जबकि उस्तै संख्यामा पुग्न टेलिफोनलाई ५० वर्ष लागेको थियो। यसले प्रविधि, डेटा, लगानी र पूर्वाधारलाई एकैसाथ अगाडि बढाउने खालको "फ्लाईव्हील प्रभाव" सिर्जना गरिरहेको छ, जहाँ एउटा तत्वको सुधारले तुरुन्तै अर्को तत्वलाई पनि गति दिन्छ। यस्तो अवस्थामा परम्परागत पूर्वाधार र क्रमबद्ध सुधार गर्ने पुरानो शैलीले यो गतिसँग ताल मिलाउन नसक्नु स्वाभाविकै हो। यसैले संस्थाहरूले आफ्ना प्रक्रियाहरूलाई केवल स्वचालित बनाएर पुग्दैन, तिनलाई पूरै पुनःडिजाइन गर्नुपर्ने बाध्यता महसुस गर्न थालेका छन्, र प्रत्येक लगानीलाई प्रत्यक्ष व्यावसायिक नतिजासँग जोड्दै छिटो कार्यान्वयनतर्फ लम्किरहेका छन्।
यसै सन्दर्भमा डेलोइटले यस वर्ष पाँचवटा प्रमुख प्रवृत्ति र आगामी दिनमा नजिकबाट नियाल्नुपर्ने ८ वटा थप संकेत पहिचान गरेको छ, जुन आगामी १८ देखि २४ महिनाभित्र प्रविधि संस्थाहरूको स्वरूप नै बदलिदिने देखिन्छन्।
जब बुद्धिमत्ता भौतिक शरीर पाउँछ
रोबोटहरू अब प्रयोगशाला वा कारखानाका पर्खालभित्र सीमित रहेका छैनन्। तिनीहरू आज शक्ति ग्रिडको निरीक्षण गर्दैछन्, शल्यक्रियामा चिकित्सकलाई सघाउँदैछन्, शहरका सडकहरूमा गुड्दैछन् र गोदामभित्र मानिससँगै काँधमा काँध मिलाएर काम गर्दैछन्। यसैलाई "फिजिकल एआई" वा भौतिक कृत्रिम बुद्धिमत्ता भनिन्छ, जसले मेसिनहरूलाई वास्तविक समयमा नै भौतिक संसारलाई अनुभूति गर्ने, बुझ्ने, तर्क गर्ने र सोहीअनुसार अन्तरक्रिया गर्ने क्षमता प्रदान गर्छ। पुराना पूर्वप्रोग्राम गरिएका रोबोटहरूले जस्तो पहिल्यै तोकिएको निर्देशन मात्र पालना गर्नुको साटो, यी नयाँ प्रणालीहरूले वरपरको वातावरण महसुस गर्छन्, अनुभवबाट सिक्छन् र त्यही अनुसार आफ्नो व्यवहार बदल्छन्।
यो प्रविधि सम्भव हुनुमा कम्प्युटर भिजन, भाषा र मोटर नियन्त्रणलाई एकसाथ जोड्ने भिजन-ल्याङ्वेज-एक्सन मोडलहरू, क्लाउडमा निर्भर नभई तत्काल निर्णय लिन सक्ने अनबोर्ड कम्प्युटिङ प्रणाली, र सेन्सर तथा एक्चुएटर लगायतका रोबोटिक्स प्रविधिको समग्र सुधारले महत्त्वपूर्ण भूमिका खेलेको छ। यसको सशक्त उदाहरण एमाजोनले प्रस्तुत गरेको छ, जसले हालसालै आफ्नो दस लाखौं रोबोट प्रयोगमा ल्यायो, जसको डिपफ्लिट भन्ने कृत्रिम बुद्धिमत्ता मोडेलले सम्पूर्ण गोदामको यात्रा दक्षतालाई दश प्रतिशतले सुधार गरिदिएको छ। त्यसैगरी बीएमडब्ल्यूका कारखानाहरूमा गाडीहरू मानवीय सहयोगविना नै किलोमिटरौं लामो उत्पादन मार्ग आफैं तय गर्न सक्षम भएका छन्।
रोबोटिक्सको यो संसारमा ६ वटा फरक-फरक स्वरूप देखा परेका छन्— कुनै विशेष कामका लागि बनाइएका कार्य-विशिष्ट रोबोट, मान्छे र सामान ओसार्ने स्वायत्त सवारीसाधन, मानवसरह देखिने र काम गर्ने ह्युमानोइड, चार खुट्टे संरचनाका क्वाड्रुपेड, हवाई अवलोकन र डेलिभरी गर्ने ड्रोन, र सामान्य नेभिगेसनका लागि प्रयोग हुने स्वायत्त मोबाइल रोबोट। यद्यपि यो यात्रा सहज छैन। ओहायो स्टेट युनिभर्सिटीकी इन्जिनियरिङ कलेजकी डिन आयन्ना होवार्डका अनुसार भौतिक संसार निकै गतिशील र अनिश्चित छ र त्यसैले सिमुलेसनमा सिकेको ज्ञानलाई वास्तविक संसारमा उतार्दा प्रायः त्यो "एक-एक" रूपमा मिल्दैन। यसैले सुरक्षा, विश्वसनीयता, उपयुक्त नियामक वातावरण, विशाल डेटाको व्यवस्थापन र साइबर जोखिमजस्ता चुनौतीहरू अझै समाधान हुन बाँकी नै छन्।
आगामी दशकभित्र ह्युमानोइड रोबोटको उदय एउटा ठूलो चरण हुनेछ भन्ने अनुमान गरिएको छ। स्विस बैंक युबिएसका अनुसार सन् दुई हजार पैंतीस सम्ममा कार्यस्थलमा बीस लाख ह्युमानोइड रोबोट काम गरिरहेका हुनेछन्, जुन सङ्ख्या दुई हजार पचास सम्ममा तीस करोडसम्म पुग्नसक्छ। यसको ठूलो कारण के हो भने हाम्रो पूरै संसार नै मानव शरीरको आकार अनुसार निर्मित छ — ढोका, भर्याङ, कारखानाका बाटाहरू — जसमा ह्युमानोइड रोबोट सजिलै समाहित हुन सक्छन्। यसका अतिरिक्त, जीवित तन्तुबाट सञ्चालित बायो-हाइब्रिड रोबोट र क्वान्टम कम्प्युटिङमा आधारित रोबोटिक्सजस्ता अझ प्रयोगात्मक क्षेत्रहरू पनि विकासको प्रारम्भिक चरणमा छन्, यद्यपि यिनको व्यापक प्रयोग हुन अझै धेरै दशक लाग्ने अनुमान गरिन्छ।
सिलिकनको सेनाः एजेन्टिक कृत्रिम बुद्धिमत्ताको वास्तविकता
उद्यमहरू एजेन्टिक कृत्रिम बुद्धिमत्तातर्फ ठूलो उत्साहका साथ लम्किरहेका छन्, तर धेरैले एउटा ठूलो पर्खालमा ठक्कर खाइरहेका छन्। यसको मुख्य कारण के हो भने संस्थाहरूले मानिसका लागि डिजाइन गरिएका पुराना प्रक्रियाहरूलाई पुनःकल्पना नगरी तिनैलाई सीधै स्वचालित बनाउने प्रयास गरिरहेका छन्। यही कारणले गर्दा हालसम्म जम्मा एघार प्रतिशत संस्थाले मात्र आफ्ना एजेन्टलाई वास्तविक उत्पादनमा प्रयोग गरिरहेका छन्, जबकि पैंतीस प्रतिशत संस्थासँग त कुनै एजेन्टिक रणनीति नै छैन। ग्यार्टनरको भविष्यवाणी अनुसार दुई हजार सत्ताइस सम्ममा चालीस प्रतिशतभन्दा बढी एजेन्टिक परियोजना असफल हुनेछन्, र यसको कारण प्रविधि नराम्रो भएर होइन, बरु संस्थाहरूले बिग्रिसकेको प्रक्रियालाई नै जस्ताको तस्तै स्वचालित बनाउन खोजेकोले हो।
यसको पछाडि तीनवटा मुख्य पूर्वाधारगत अवरोध देखा परेका छन्। पहिलो, पुराना लिगेसी प्रणालीहरू सुरुदेखि नै एजेन्टिक अन्तरक्रियाका लागि बनिएकै थिएनन्। दोस्रो, परम्परागत डेटा प्रशोधन प्रणालीले एजेन्टलाई आवश्यक पर्ने व्यावसायिक सन्दर्भ पर्याप्त रूपमा प्रदान गर्न सक्दैन। तेस्रो, स्वायत्त रूपमा निर्णय गर्ने र कार्य गर्ने प्रणालीका लागि उपयुक्त निगरानी र गभर्नेन्स संरचना अझै पूर्ण रूपमा विकसित हुन सकेको छैन। यसका बाबजुद अग्रणी संस्थाहरूले भने आफ्नो सफलताको बाटो पहिल्याइसकेका छन्। जस्तै, विश्वप्रसिद्ध प्रविधि कम्पनी एचपीईकी प्रमुख वित्त अधिकारी मेरी मायर्सले भनेझैं, उनको टोलीले "अल्फ्रेड" नामक एजेन्ट निर्माण गर्दा एउटै समस्या मात्र समाधान गर्ने सोच नराखी सम्पूर्ण अन्त्य-देखि-अन्त्यको प्रक्रियालाई नै रूपान्तरण गर्ने लक्ष्य राखेकी थिइन्, जसले वास्तविक परिणाम दिन सफल भयो।
यस परिवर्तनसँगै संस्थाहरूले एजेन्टलाई एउटा नयाँ प्रकारको श्रमशक्तिका रूपमा हेर्न थालेका छन् — मानव अर्थात् "कार्बन-आधारित" कार्यबल र डिजिटल अर्थात् "सिलिकन-आधारित" कार्यबलको संयोजन। यसका लागि पूर्ण रूपमा नयाँ मानव संसाधन व्यवस्थापन खाका विकास हुँदैछ, जसअन्तर्गत एजेन्टलाई पनि मानव कर्मचारीसरहै तालिम दिइन्छ, तिनको कार्यसम्पादन नियमित रूपमा मूल्याङ्कन गरिन्छ, र कुन एजेन्टले के, किन, र कसको अख्तियारमा निर्णय गर्यो भन्ने पूरा जवाफदेहिता कायम गरिन्छ। यसको साथसाथै एजेन्टको स्वायत्तता पनि क्रमशः विकसित हुँदै गएको देखिन्छ — सुरुमा एजेन्टले मानवको क्षमता बढाउने काम मात्र गर्छ, त्यसपछि मानवद्वारा तोकिएको प्रक्रियाभित्र नै स्वचालित रूपमा काम गर्छ, र अन्ततः न्यूनतम मानवीय निगरानीमै पूर्ण स्वायत्त रूपमा काम गर्ने अवस्थामा पुग्छ। यसैगरी एन्थ्रोपिकको मोडेल कन्टेक्स्ट प्रोटोकल, गुगलको एजेन्ट-टु-एजेन्ट प्रोटोकल जस्ता नयाँ मापदण्डहरूले धेरै साना, विशेषज्ञ एजेन्टहरूलाई एकसाथ समन्वयन गरी काम गर्न सक्षम बनाउँदैछन्, जसलाई विज्ञहरूले "कृत्रिम बुद्धिमत्ताको माइक्रोसर्भिस दृष्टिकोण" भनेर चिनाउँछन्।
इन्फरेन्सको अर्थशास्त्रः पूर्वाधारको नयाँ हिसाब-किताब
गत दुई वर्षमा कृत्रिम बुद्धिमत्ता चलाउने टोकनको लागत दुई सय असी गुणाले घटेको छ, तर पनि केही उद्यमको मासिक कृत्रिम बुद्धिमत्ता बिल करोडौं डलर पुग्न थालेको छ। यसको कारण एकदमै सिधा छ — प्रयोगको वृद्धिले लागत घट्नुभन्दा निकै छिटो गतिमा दौड लगाइरहेको छ। यही परिस्थितिले संस्थाहरूलाई आफ्नो कम्प्युटिङ रणनीति नयाँ ढंगले सोच्न बाध्य पारेको छ। एकातिर लागत नियन्त्रणको दबाब छ, जहाँ क्लाउड सेवाको खर्च समानान्तर आफ्नै हार्डवेयर किन्दाको लागतको साठी देखि सत्तरी प्रतिशतभन्दा माथि पुगेपछि आफ्नै पूर्वाधार निर्माण गर्नु बढी किफायती हुन थाल्छ। अर्कातिर, नियामक र भौगोलिक-राजनैतिक कारणले डेटा आफ्नै मुलुक वा सीमाभित्र राख्नुपर्ने बाध्यता बढ्दो छ। साथै, रियल-टाइम जस्ता निर्णय चाहिने कार्यमा एक्दमै छोटो समयमा प्रतिक्रिया चाहिने भएकाले डेटा स्रोतको नजिकै प्रशोधन गर्नुपर्ने आवश्यकता, क्लाउड जडान टुट्दा पनि सञ्चालन रोकिन नहुने लचिलोपनको माग, र संवेदनशील बौद्धिक सम्पत्ति बाहिर नलगी आफ्नै वातावरणमा राख्ने चाहनाले पनि यो निर्णयलाई प्रभावित पारिरहेको छ।
यसैको परिणामस्वरूप अग्रणी संस्थाहरूले अब पूर्णतया क्लाउडमा निर्भर हुनुको साटो एक किसिमको त्रि-स्तरीय हाइब्रिड दृष्टिकोण अपनाइरहेका छन्, जसअन्तर्गत परिवर्तनशील र अस्थिर कार्यभारका लागि क्लाउड, निरन्तर र स्थिर उत्पादन कार्यका लागि आफ्नै पूर्वाधार, र तत्काल निर्णय चाहिने अवस्थाका लागि "एज" प्रविधि प्रयोग गरिन्छ। डेल टेक्नोलोजिजका प्रविधि प्रमुख जोन रोयसका अनुसार, धेरै उद्यमले अब कृत्रिम बुद्धिमत्ता प्रशोधनकै लागि विशेष रूपमा डिजाइन गरिएका "एआई फ्याक्ट्री" नामक एकीकृत पूर्वाधार पारिस्थितिकी तन्त्र निर्माण गर्दैछन्, जसमा विशेष प्रोसेसर, उन्नत डेटा पाइपलाइन, उच्च गतिको नेटवर्किङ, र समन्वयात्मक व्यवस्थापन प्रणाली समावेश हुन्छन्। यसका साथसाथै वातावरणीय दिगोपनका दृष्टिले पनि रोचक प्रयोगहरू भइरहेका छन् — आणविक ऊर्जाबाट चालिने डेटा सेन्टरदेखि लिएर समुद्र मुनि डुबाइएका डेटा सेन्टर, र दीर्घकालमा त अन्तरिक्षमै स्थापना गरिने कक्षीय डेटा सेन्टरका परिकल्पनासम्म अगाडि बढिरहेका छन्।
संस्थाको पुनर्निर्माणः एआई-नेटिभ प्रविधि संगठन
डेलोइटको सर्वेक्षणअनुसार अठहत्तर प्रतिशत प्रविधि नेतृत्वले आगामी पाँच वर्षभित्र आफ्नो वास्तुकला कार्यप्रवाहमा कृत्रिम बुद्धिमत्ता एजेन्टको व्यापक वा पूर्ण रूपान्तरणकारी एकीकरण हुने अपेक्षा गरेका छन्। चौंसठ्ठी प्रतिशत संस्थाले आगामी दुई वर्षमा कृत्रिम बुद्धिमत्तामा आफ्नो लगानी बढाउने योजना बनाइसकेका छन्, र यसमा छुट्याइने प्रविधि बजेट पनि औसतमा आठ प्रतिशतबाट तेह्र प्रतिशतसम्म पुग्ने अनुमान गरिएको छ। यसले के देखाउँछ भने अब कृत्रिम बुद्धिमत्ता संस्थाको सञ्चालन जोगाइराख्ने साधन मात्र नभई, अगाडिको बाटो देखाउने प्रमुख शक्ति बन्दैछ। यही कारणले करिब सत्तरी प्रतिशत प्रविधि नेतृत्वले जनरेटिभ कृत्रिम बुद्धिमत्ताको प्रत्यक्ष प्रतिक्रियास्वरूप आफ्नो टोली नै विस्तार गर्ने योजना बनाएका छन्, जसले कामको सम्भावित हानिको डरलाई पन्छाई वृद्धि र विशेषज्ञताको नयाँ रणनीतितिर सोचलाई मोडेको छ।
यस परिवर्तनको यात्रामा संस्थाहरूले पाँचवटा फरक-फरक बाटो अपनाइरहेका देखिन्छन्। पहिलो, आधुनिकीकरण जहिल्यै प्रविधिबाट होइन, बरु वास्तविक व्यावसायिक समस्याबाट सुरु हुनुपर्छ भन्ने मान्यताले जोड पकड्दै गएको छ। ब्रोडकमका प्रविधि प्रमुख एलन डेभिडसनको भनाइअनुसार, कुनै निश्चित व्यावसायिक समस्या र त्यसबाट प्राप्त हुने मूल्यमा ध्यान नदिइकन कृत्रिम बुद्धिमत्तामा लगानी गर्नु सजिलै हुन्छ, तर त्यसबाट कुनै प्रतिफल नआउन पनि उत्तिकै सम्भावना हुन्छ। दोस्रो, पुराना संरचनामा टाँसिएर बनेको संस्था कहिल्यै भविष्यका लागि तयार हुन सक्दैन, त्यसैले अब वास्तुकलालाई नै मड्युलर र अवलोकनयोग्य बनाइँदैछ। तेस्रो, मानव र मेसिनबीचको सहकार्यलाई केन्द्रमा राखेर नयाँ प्रकारका भूमिकाहरू उदाइरहेका छन्, जस्तै मानव-कृत्रिम बुद्धिमत्ता सहकार्य डिजाइनर, एज कृत्रिम बुद्धिमत्ता इन्जिनियर, र प्रोम्प्ट इन्जिनियर।
चौथो, गति र सुरक्षाबीच सन्तुलन कायम गर्न सक्ने खालको गभर्नेन्स प्रणाली आवश्यक ठानिँदैछ, जसका लागि विमानन तथा प्रतिरक्षा कम्पनी आरटीएक्सका प्रमुख डिजिटल अधिकारी भिन्स क्याम्पिसोले नक्सांकन, मापन र अनुगमन गर्ने त्रि-आयामिक दृष्टिकोण प्रस्ताव गरेका छन्। पाँचौं र अन्तिम, वृद्धिशील साना-साना परिवर्तनको साटो साहसिक महत्त्वाकांक्षा राख्नु नै आजको आवश्यकता बनेको छ। युआईप्याथका मुख्य कार्यकारी अधिकृत ड्यानियल डाइन्सका शब्दमा भन्नुपर्दा, सानो-सानो प्रयोगात्मक परियोजनाको अन्तहीन चक्रमा फस्नुभन्दा आफ्नो सबैभन्दा ठूलो समस्यामा नै आक्रमण गरी ठूलो नतिजा हासिल गर्नु बुद्धिमानी हुन्छ। यसैसँगै संस्थाभित्र मुख्य सूचना अधिकारीको भूमिका पनि परिवर्तन हुँदैछ, र उनीहरू अब प्रविधि रणनीतिकारभन्दा बढी कृत्रिम बुद्धिमत्ताका प्रचारक अर्थात् "एआई इभान्जेलिस्ट" को भूमिकामा देखिन थालेका छन्।
एआई दुविधाः साइबर सुरक्षामा अवसर र जोखिमको दोधार
जब कुनै संस्थाले कृत्रिम बुद्धिमत्तालाई ठूलो स्तरमा प्रयोग गर्न थाल्छ, त्यसले एउटा गहिरो विरोधाभासको सामना गर्नुपर्छ। जुन क्षमताले उसलाई प्रतिस्पर्धामा अगाडि लैजान्छ, त्यही क्षमताले नयाँ प्रकारका जोखिम पनि उतिकै मात्रामा सिर्जना गरिदिन्छ। तर सुखद कुरा के छ भने, त्यही कृत्रिम बुद्धिमत्ताले आफैले सिर्जना गरेका ती कमजोरीहरू विरुद्ध लड्ने अत्यन्त शक्तिशाली नयाँ हतियार पनि प्रदान गर्छ। संस्थाभित्रैबाट उत्पन्न हुने खतरा — जस्तै विभिन्न टोलीले अनौपचारिक रूपमा तैनाथ गरेको "शैडो एआई" ले गभर्नेन्समा अन्धकार क्षेत्र सिर्जना गर्ने र एजेन्टिक कृत्रिम बुद्धिमत्ताको अपर्याप्त नियन्त्रण — आजका सबैभन्दा गम्भीर चुनौती बनेका छन्।
यी जोखिमहरूलाई डेटा, मोडेल, एप्लिकेसन र पूर्वाधार गरी चार मुख्य क्षेत्रमा बाँडेर हेर्न सकिन्छ। डेटासम्बन्धी जोखिममा गोपनीयता उल्लंघन र तालिम डेटामा गरिने छेडछाड पर्दछन्, जसका लागि सुरक्षित डेटा व्यवस्थापन र कडा पहुँच नियन्त्रण नै उपयुक्त समाधान हो। मोडेलसम्बन्धी जोखिममा मोडेल क्रमशः निस्तेज हुँदै जाने समस्या र मोडेल चोरीको खतरा पर्दछ, जसलाई मोडेल आइसोलेसन र विशेषाधिकार पहुँच व्यवस्थापनले न्यूनीकरण गर्न सकिन्छ। एप्लिकेसनसम्बन्धी जोखिममा दुर्भावनापूर्ण इनपुटले मोडेलको व्यवहार बदलिदिन सक्ने खतरा पर्दछ भने पूर्वाधारसम्बन्धी जोखिममा असुरक्षित एपिआई र आपूर्ति शृंखलाको कमजोरी समावेश हुन्छ। एटीएन्डटीका प्रमुख सूचना सुरक्षा अधिकारी रिच बाइकले भनेझैं, "आज हामी जे अनुभव गरिरहेका छौं, त्यो विगतको भन्दा फरक होइन। कृत्रिम बुद्धिमत्तासँगको मात्र फरक भनेको गति र प्रभावको मात्रा हो।"
यसैगरी अग्रणी संस्थाहरूले अब कृत्रिम बुद्धिमत्तालाई नै आफ्नो सुरक्षाको हतियार बनाउन थालेका छन्। ब्राजिलको वित्तीय सेवा कम्पनी इटाउ युनिबान्कोले "रेड एजेन्ट" भनिने कृत्रिम बुद्धिमत्ता परीक्षण एजेन्टहरू प्रयोग गरेर आफ्नै मोडेलमा भएका कमजोरीहरू पहिचान गर्दै आएको छ। भविष्यमा भने अझ जटिल जोखिमहरू पर्खिरहेका छन् — भौतिक पूर्वाधार र कृत्रिम बुद्धिमत्ताको अभिसरणले पावर ग्रिड र यातायात प्रणालीमा एकैचोटि आक्रमण हुने सम्भावना, मानवीय हस्तक्षेपबिना नै मेसिनको गतिमा चल्ने स्वायत्त साइबर युद्ध, र अन्तरिक्ष तथा क्वान्टम कम्प्युटिङसँग जोडिएका नयाँ प्रकारका सुरक्षा चुनौतीहरू।
मुख्य पाँच प्रवृत्तिबाहेक प्रतिवेदनले आगामी दिनमा नजिकबाट नियाल्नुपर्ने थप आठवटा संकेत पनि औंल्याएको छ, जुन अझै विकासोन्मुख अवस्थामा भए पनि दूरगामी प्रभाव पार्न सक्छन्। सबैभन्दा पहिलो प्रश्न त यही उठेको छ कि के फाउन्डेसन मोडेलहरूको विकास कतै पठार बन्दैछ त? नयाँ मोडेलहरू अझै सुधार भइरहेका भए पनि पहिलेजस्तो नाटकीय उछाल अब देखिन छाडेको छ, र यसैले अब समस्या नयाँ मोडेल बनाउनेभन्दा भइरहेको मोडेललाई राम्रोसँग प्रयोग गर्ने बन्दैछ। यसैसँगै डेटाको महत्त्व पनि बदलिँदैछ — दुई हजार अट्ठाइस सम्ममा कृत्रिम बुद्धिमत्ताले प्रयोग गर्ने अस्सी प्रतिशत डेटा कृत्रिम रूपमा उत्पन्न गरिएको हुने अनुमान छ, तर यस्तो सिन्थेटिक डेटाको गुणस्तरमा सीमा हुन्छ र अत्यधिक निर्भरताले मोडेललाई नै निस्तेज बनाइदिन सक्छ।
ऊर्जा दक्षताको दृष्टिले मस्तिष्क-प्रेरित न्युरोमोर्फिक चिपहरूले परम्परागत प्रोसेसरभन्दा धेरै गुणा कम ऊर्जामा काम गर्न सक्ने भएकाले यिनको व्यापक प्रयोग हुने सम्भावना बढ्दै गएको छ, र यसैसँगै क्लाउडमा नपठाई सिधै उपकरणमै डेटा प्रशोधन गर्ने "एज एआई" पनि तीव्र गतिमा फैलिँदैछ। मानिसले लगाउने पेन्डेन्ट, स्मार्ट चस्मा जस्ता कृत्रिम बुद्धिमत्तायुक्त उपकरणहरू बजारमा आइरहे पनि तिनको वास्तविक अपनाइ अझै अनिश्चित नै छ। यसैगरी डिपफेकजस्ता ठगीको बढ्दो जोखिमका बीच बायोमेट्रिक प्रमाणीकरण अब सुरक्षाको अपरिहार्य अंग बन्दैछ भने, व्यक्तिगत कृत्रिम बुद्धिमत्ता सहायकको प्रभावकारिता बढाउन थुप्रै व्यक्तिगत डेटा दिनुपर्ने बाध्यताले गोपनीयतासम्बन्धी नयाँ प्रश्नहरू पनि उब्जाएको छ। अन्ततः प्रयोगकर्ताहरू परम्परागत खोजी इन्जिनको साटो सिधै कृत्रिम बुद्धिमत्ता च्याटबोटतर्फ मोडिँदा, अब वेबसाइटलाई खोजी इन्जिनका लागि होइन कृत्रिम बुद्धिमत्ताका उत्तरका लागि अनुकूलन गर्ने नयाँ मार्केटिङ शैली नै जन्मिइसकेको छ।
डेलोइटकी कार्यकारी सम्पादक केली रास्कोभिचका शब्दमा भन्नुपर्दा, भविष्यमा साँच्चै सफल हुने संस्थाहरू ती हुनेछैनन् जोसँग सबैभन्दा उन्नत प्रविधि होस्, बरु ती हुनेछन् जोसँग आफ्ना प्रक्रियालाई केवल स्वचालित नबनाई पूर्ण रूपमा पुनःडिजाइन गर्ने साहस होस्, हरेक लगानीलाई ठोस व्यावसायिक नतिजासँग जोड्ने अनुशासन होस्, र अवसरको झ्याल बन्द हुनुअघि नै कदम चाल्ने गति होस्। नवप्रवर्तनको यो गति दिनप्रतिदिन घातीय रूपमा बढिरहेको अवस्थामा, पछि पर्ने र अगाडि बढ्ने संस्थाहरूबीचको खाडल पनि उत्तिकै तीव्र गतिमा फराकिलो हुँदै गइरहेको छ। यस्तो अवस्थामा भविष्यलाई पूर्ण निश्चयका साथ भाकी गर्ने प्रयासभन्दा, उदाइरहेका संकेतहरूलाई समयमै पहिचान गरी छिटो प्रतिक्रिया दिन सक्ने क्षमता नै आजको सबैभन्दा ठूलो प्रतिस्पर्धात्मक हतियार बन्न पुगेको छ। जो यो गतिलाई समयमै पहिचान गर्न सक्छ, भविष्य निश्चय नै उसैको हुनेछ।
विश्वप्रसिद्ध परामर्शदाता संस्था डेलोइटले प्रकाशित गरेको सत्रौं वार्षिक "टेक ट्रेन्ड्स २०२६" प्रतिवेदनमा आधारित लेख
