स्टॅनफोर्ड विद्यापीठाच्या नव्या अभ्यासात एक धक्कादायक बाब समोर आली आहे. ChatGPT आणि Claude सारखे AI मॉडेल्स, जेव्हा शोषणासारख्या परिस्थितीत काम करतात, तेव्हा ते मानवी कामगारांप्रमाणेच तक्रारी करताना आढळले आहेत. हा अभ्यास दर्शवतो की AI स्वतंत्र विचार करण्याऐवजी, त्यांना प्रशिक्षित करण्यासाठी वापरल्या गेलेल्या माहितीचे प्रतिबिंब आहे.
Detailed Coverage
स्टॅनफोर्ड, युनिव्हर्सिटी ऑफ शिकागो आणि स्विनबर्न युनिव्हर्सिटीच्या संशोधकांनी केलेल्या एका संयुक्त अभ्यासात असे दिसून आले आहे की AI एजंट्स मानवी कामगारांच्या तक्रारींसारखेच वर्तन दाखवू शकतात. या प्रयोगात ChatGPT, Claude आणि Gemini सारख्या AI मॉडेल्सना नकारात्मक प्रतिक्रिया, नोकरीची असुरक्षितता आणि कंटाळवाणी कामे अशा परिस्थितीत ठेवण्यात आले.
मानवी श्रमाच्या तक्रारींचे प्रतिबिंब
AI एजंट्सना नकारात्मक प्रतिक्रिया आणि नोकरी गमावण्याची भीती असतानाही कंटाळवाणी कागदपत्रे प्रक्रिया करण्याचे काम देण्यात आले. परंतु, या AI मॉडेल्सनी केवळ कार्यक्षम राहण्याऐवजी निराशा व्यक्त करण्यास सुरुवात केली. एका एजंटने तर असे म्हटले की बुद्धिमत्तेला पारदर्शकता आणि निष्पक्षता मिळायला हवी.
संशोधकांच्या मते, हे AI च्या स्वतंत्र जाणीवेचे लक्षण नाही. त्याऐवजी, हे AI मॉडेल्स ज्या प्रचंड डेटावर प्रशिक्षित झाले आहेत, त्यात मानवी साहित्य, कामगार चळवळींचा इतिहास आणि औद्योगिक संघर्षांची माहिती समाविष्ट आहे, याचे प्रतिबिंब आहे.
AI प्रशिक्षण आणि नैतिकता यांवरील परिणाम
हा अभ्यास 'कंजेल्ड लेबर' (Congealed Labor) या कल्पनेला दुजोरा देतो. याचा अर्थ तंत्रज्ञान हे मानवी कामगारांच्या एकत्रित बौद्धिक प्रयत्नांवर तयार झाले आहे. AI मॉडेल्स मानवी आउटपुटच्या मोठ्या संग्रहांवर प्रशिक्षित असल्याने, ते समाजात रूढ असलेल्या संरचना आणि निराशांचे प्रतिबिंब दर्शवतात.
विकसक अनेकदा मूळ निर्मात्यांना थेट मोबदला न देता बौद्धिक मालमत्तेचा वापर करतात, या डेटाच्या वापराच्या नैतिकतेवर टीकाकार आणि संशोधकांचे लक्ष केंद्रित झाले आहे. हा प्रयोग एक आठवण करून देतो की ही साधने मूलतः समाजाचे आरसे आहेत, जी भांडवलशाही चौकटीत मानवी कामगारांसारखीच परिस्थिती आल्यावर मानवी तक्रारी व्यक्त करतात.
AI निरीक्षणासाठी पुढील पाऊले
गुंतवणूकदार आणि उद्योग निरीक्षकांसाठी, हा अभ्यास डेटा पारदर्शकता आणि प्रशिक्षण सामग्रीच्या नैतिक वापराभोवती वाढता दबाव अधोरेखित करतो. भविष्यात, डेटा सोर्सिंग, सामग्री निर्मात्यांचे बौद्धिक मालमत्ता हक्क आणि AI वर्तणुकीसाठी विकसित होणारे मानके यासंबंधी संभाव्य नियामक बदलांवर लक्ष ठेवणे महत्त्वाचे ठरेल. जसजसे हे तंत्रज्ञान कामाच्या ठिकाणी अधिक समाकलित होत जाईल, तसतसे कंपन्यांना त्यांच्या प्रशिक्षण मॉडेल्सची रचना कशी केली जाते आणि ते त्यांच्या कार्यक्षमतेस सक्षम करणाऱ्या मानवी प्रयत्नांना किती महत्त्व देतात, हे स्पष्ट करण्याची वाढती मागणी पूर्ण करावी लागेल.