गेट्स: AI की सीमाएँ अब पीछे रह गईं — और उसे डर खुद तकनीक का नहीं, बल्कि उसके आसपास की खामोशी का है
MIT Technology Review के साक्षात्कार और एक नए निबंध में बिल गेट्स का कहना है कि मानवता मॉडलों की जैविक, साइबर और मनोसामाजिक क्षमताओं तथा श्रम बाज़ार को तोड़ने की उनकी क्षमता से जुड़े महत्वपूर्ण स्तरों को पार कर चुकी है। इसके बदले वे कुछ पेशों को मनुष्यों तक सीमित रखने और रोबोट तथा टोकन पर शुल्क लगाने का सुझाव देते हैं, यह स्वीकार करते हुए कि प्रचुरता तक पहुँचने से पहले हमें गंभीर उथल-पुथल का सामना करना पड़ेगा।

असावधान आशावाद के बजाय चिंता
अगस्त 2026 के अंत में MIT Technology Review ने बिल गेट्स के साथ एक बड़ा साक्षात्कार प्रकाशित किया — जो परोपकारी और Microsoft के पूर्व प्रमुख हैं, और जिनकी उम्र सामग्री में 70 वर्ष बताई गई है। बातचीत मैट होनन ने की। स्थान — वाशिंगटन राज्य के कर्कलैंड में Gates Ventures का कॉन्फ्रेंस हॉल, जिसकी खिड़कियों से Carillon Point मरीना दिखता है। इसका अवसर वह निबंध था जो गेट्स ने उसी दिन जारी किया: एक ही विषय पर नियोजित कई निबंधों में से पहला।
साक्षात्कार का स्वर न उत्साह है और न घबराहट, बल्कि बढ़ती हुई बेचैनी। गेट्स को खुद कृत्रिम बुद्धिमत्ता से उतनी चिंता नहीं है, जितनी उस खाई से: मॉडलों की क्षमताएँ उस गति से बढ़ रही हैं जितनी तेज़ी से अंकुश और नियम आकार नहीं ले पा रहे। और, जो उनके लिए अधिक महत्वपूर्ण है, उद्योग के बाहर इस पर लगभग बहस ही नहीं होती।

वे सीमाएँ, जो उनके अनुसार पहले ही पार हो चुकी हैं
गेट्स अपनी बेचैनी के दो कारण बताते हैं। पहला — उन सीमाओं की सूची, जो उनके मत में पहले ही पीछे छूट चुकी हैं: जीव विज्ञान में क्षमताएँ, साइबर क्षेत्र, मनोसामाजिक प्रभाव, श्रम बाज़ार को तोड़ने की क्षमता और, अंत में, नियंत्रण का खो जाना। यह तथ्य ही कि ये सभी रेखाएँ पार हो चुकी हैं, उनमें सदमे की स्थिति पैदा करता है।
दूसरा कारण — आसपास के लोगों की प्रतिक्रिया। गेट्स कहते हैं कि वे इस बात से हैरान हैं कि उद्योग के भीतर के लोगों के अलावा वे कितनी कम चिंता और चर्चा देखते हैं।
जीव विज्ञान — सूची का सबसे भयावह बिंदु
वे अलग से जैविक जोखिम को रेखांकित करते हैं। उनके तर्क के अनुसार, कोई भी मॉडल जो नए अणु बना सकता है, उसे निगरानी में रहना चाहिए — यह उद्योग की नैतिकता का प्रश्न नहीं, बल्कि बुनियादी शर्त है। वे जो आकलन देते हैं, वह तीखा लगता है: जैव-आतंकवाद के खतरे को वे प्राकृतिक महामारी के जोखिम से लगभग पचास गुना अधिक भयावह और संभावित मानते हैं।
उद्योग के भीतर चुप्पी क्यों
गेट्स के अनुसार, चुप्पी का तर्क समझ में आता है और इसीलिए अप्रिय भी है: कंपनियाँ और शोधकर्ता खुद की और साथियों की आलोचना करना पसंद नहीं करते। इसलिए उन्होंने जानबूझकर ऊँची आवाज़ वाले स्वर की भूमिका निभाई — वे खुद इसे यही कहते हैं। सार्वजनिक रूप से यह निबंध और पत्रकारों से बातचीत है, निजी तौर पर उद्योग, सरकारों और नागरिक समाज के लोगों से बातचीत।
वे याद दिलाते हैं कि वर्षों तक तसल्ली देने के लिए कौन-सा तर्क दिया जाता रहा: जब हम खतरनाक सीमाओं के बेहद करीब पहुँच जाएँगे, तब हम यह तय कर लेंगे कि मॉडल तक केवल सभ्य उपयोगकर्ताओं को ही पहुँच दी जाए, उसे अनुचित काम करने से रोका जाए और, संभवतः, वज़नों की नकल करना ही प्रतिबंधित कर दिया जाए। समस्या यह है कि उनके अनुसार सीमाएँ पहले ही पार हो चुकी हैं, और इन सवालों का कोई स्पष्ट उत्तर अब तक नहीं आया।

श्रम बाज़ार: «मामूली संकेत», जिसे वे शुरुआत के रूप में पढ़ते हैं
कुछ कंपनियों ने प्रारंभिक स्तर के कर्मचारियों की भर्ती कम कर दी है — गेट्स इसे काफी मामूली संकेत कहते हैं, लेकिन इसे खारिज नहीं करते। उन्हें विश्वास है कि यह प्रक्रिया दूर नहीं है: जैसे ही मॉडलों की क्षमता और विश्वसनीयता की सीमाएँ हटेंगी, «श्वेतपोश» श्रम बाज़ार का एक बड़ा हिस्सा बहुत सस्ता विकल्प पा लेगा।
रोबोटिक्स, उनके आकलन के अनुसार, अभी उस स्तर तक नहीं पहुँची है, लेकिन प्रगति चौंकाने वाली है — चीन में अमेरिका से थोड़ी तेज़, हालाँकि गति दोनों देशों में है।
दो विचार: आरक्षित पेशे और कर
गेट्स अपनी चेतावनियों के साथ सुझाव भी देते हैं। पहला — «मनुष्यों के लिए आरक्षित पेशों» की अवधारणा: सामाजिक रूप से स्वीकृत कुछ काम मनुष्य के पास ही रहते हैं, और यह सूची देश-देश में अलग हो सकती है। दूसरा — रोबोटों और टोकनों पर कर। रोबोट कर एक पुराना विचार है, लेकिन टोकन पर शुल्क नया लगता है: जहाँ AI मानव श्रम की जगह लेता है, वहाँ कमाई गई धनराशि को सामान्य बजट में सिर्फ़ ज़ब्त करने के बजाय अलग रखने का प्रस्ताव है।
«इस बार मामला अलग है» — और अतीत भ्रामक क्यों है
साक्षात्कार का सबसे असहज तर्क ऐतिहासिक समानताओं से जुड़ा है। यह दावा कि पहले की कोई भी तकनीक शुद्ध रूप से रोज़गार में कमी नहीं लाई, गेट्स सही मानते हैं — और स्वीकार करते हैं कि उन्होंने खुद भी इस भावना के भाषण दिए हैं। लेकिन अब, जहाँ तक वे आँक सकते हैं, स्थिति अलग है।
उनका तर्क कई शर्तों के एक साथ मेल खाने पर टिका है। मानवीय संज्ञान को एक साथ सभी क्षेत्रों में पेशों के अत्यंत बड़े हिस्से के लिए बदला जा सकता है, एक ही समय-सीमा में और जीवित श्रम की मज़दूरी की तुलना में मामूली लागत पर, और सिस्टम की त्रुटि दर संभवतः मानवीय से कम होगी। जब यह सब एक साथ जुड़ जाता है, तो पिछले तकनीकी बदलावों का अनुभव और मौजूदा आर्थिक आँकड़े दोनों ही भरोसेमंद दिशानिर्देश नहीं रह जाते — वे, उनके शब्दों में, भ्रमित करते हैं।

अंत में प्रचुरता, रास्ते में उथल-पुथल
इसके बावजूद गेट्स निराशावादी नहीं बनते। उन्हें उम्मीद है कि AI कृषि, स्वास्थ्य सेवा और शिक्षा को उल्लेखनीय रूप से बदल देगा, और साथ ही लोगों को नौकरशाही से मुक्त करने में मदद करेगा। उनके अनुसार अंतिम बिंदु — प्रचुरता है। लेकिन उस तक का रास्ता उथल-पुथल से होकर जाएगा, और वह भी कम नहीं।
उनके बयान का अर्थ सरल है: चर्चा इस पर नहीं होनी चाहिए कि कृत्रिम बुद्धिमत्ता अच्छी है या बुरी, बल्कि इस पर कि कौन-सी सीमाएँ पहले ही पार हो चुकी हैं और आगे जो हो रहा है उसके लिए ज़िम्मेदार कौन है। और यह चर्चा केवल उस उद्योग के भीतर ही नहीं होनी चाहिए, जो उनके अवलोकन के अनुसार अपने जोखिमों पर चुप रहना पसंद करता है।
अक्सर पूछे जाने वाले प्रश्न
समान सामग्री
सभी सामग्री
बिना फ़ाइन-ट्यूनिंग के स्रोतों के SQL व्यू के ज़रिए LLM के भ्रमों की जाँच
यह काम जाँचता है कि क्या LLM मतिभ्रम का पता लगाने के लिए बिना पर्यवेक्षण के स्रोत से जोड़ने हेतु एक बुनियादी प्रतीकात्मक कौशल—स्रोत दस्तावेज़ों के आधार पर SQL डेटाबेस बनाना—का उपयोग कर सकता है। RAGTruth और DiaHalu पर यह न्यूरो-सिम्बॉलिक पाइपलाइन सीधे भविष्यवाणी करने से अधिक सटीक साबित होती है और अत्याधुनिक तरीकों के बराबर प्रदर्शन करती है, जबकि इसके लिए डोमेन-विशिष्ट फ़ाइन-ट्यूनिंग की आवश्यकता नहीं होती।
9 नवम्बर 2026
MathAdv: मशीन-निर्मित प्रमाणों की अंतिम सटीकता के पीछे क्या छिपा है?
गणित के 13 स्नातक और स्नातकोत्तर विषयों के कार्यों का यह नैदानिक समूह Lean 4 में स्वचालित प्रमेय-प्रमाणन प्रणालियों का मूल्यांकन केवल अंतिम परिणाम के आधार पर नहीं, बल्कि विषय पर उनकी पकड़, अनौपचारिक तर्क की गुणवत्ता और शर्तों को नए शब्दों में प्रस्तुत किए जाने पर उनकी मजबूती के आधार पर भी करता है। घटक-वार विश्लेषण से पता चलता है कि किसी समस्या को औपचारिक रूप में बदलना अब भी सबसे बड़ी बाधा है, और सफलता गणित के क्षेत्र तथा समस्या को प्रस्तुत करने के तरीके पर बहुत अधिक निर्भर करती है।
9 नवम्बर 2026
प्रेज़ेंटेशन संपादन को नियंत्रित संचालन के रूप में: EditPPT फ़्रेमवर्क और DeckEdit-Bench बेंचमार्क
लेखक स्लाइड संपादन को विशिष्ट ऑब्जेक्ट, अनुमत कार्रवाइयों और इस जाँच में बाँटते हैं कि असंबंधित सामग्री अछूती रही है, न कि कोड के मुक्त रूप से निर्माण में। गुणवत्ता मापने के लिए DeckEdit-Bench बनाया गया (28 मानव-निर्मित प्रस्तुतियों पर 183 कार्य), और पाँच आधारभूत मॉडलों पर बहु-एजेंट प्रणाली EditPPT, 97% से अधिक सामग्री सुरक्षित रखते हुए 66.7–74.9% कार्यों में सफल होती है।
8 नवम्बर 2026