आगामी केही वर्षमै संसारमा धेरै प्राविधिक परिवर्तन देखिने सम्भावना छ । केहीअघि इलन मस्कले आफ्नो ‘स्पेसएक्स र एक्सएआई’ कम्पनीहरूको मर्जर गरेका थिए । र, आफ्नो बिजुलीको गाडी टेस्लाका केही पुराना मोडेलहरू निकाल्न अन्त्य गर्दै त्यहाँ ‘अप्टमिस रोबोट’हरू बनाउने घोषणा गरेका थिए । रोबोटहरूको निर्माण भने अब दक्षिण कोरिया, चीन लगायतका विभिन्न मुलुकमा पनि तीव्र गतिले हुने देखिन्छ । नयाँ रोबोटहरू मेसिनजस्ता नभई लगभग मान्छेजस्तै राम्रोसँग हात चलाउन सक्ने हुनेछन् । रोबोट र ड्रोनहरूको विकाससँगै एउटै खालका काम गर्नुपर्ने सबै जागिरहरू धरापमा पर्दै जानेछन् । उदाहरणका लागि फास्टफुड रेस्टुराँका धेरैजसो कामहरू, फ्याक्ट्रीका ‘एसेम्बली’ लाइनका काम आदि सबै खतरामा पर्दै जाने सम्भावना छ । 

नयाँ प्रविधिले गर्दा फर्महरूलाई चाहिने श्रमशक्तिको प्रमुख हिस्सा रोबोटले ओगट्नेछ । दुई हप्ताअघि मात्रै चीनको नयाँ वर्ष (छुन्चिए) का बेला त्यहाँको ‘युनिट्री रोबोट’को नृत्य लगायतका प्रदर्शन हेर्नेहरूले उक्त रोबोटले अब संसारमा रोबोट उद्योगको नयाँ सुरुवात गर्ने विश्वास लिएका छन् । कम मूल्यमै उपलब्ध हुन सक्ने ती रोबोटहरूले भविष्यमा उपयुक्त ‘अपरेटिङ सिस्टम’को विकाससँगै घरमा गार्डको काम गर्ने, खाना पकाउने, भाँडा माझ्ने, कपडामा आइरन लगाउने र पट्याउनेदेखि औषधि खुवाउने जस्ता काम गर्न सक्ने हुनेछन् । सस्ता तर दिनैभरि काम गर्न सक्ने ती रोबोटहरूले घरमा काम गर्ने साधारण श्रमिकलाई चाँडै नै प्रतिस्थापित गर्ने सम्भावना बढ्दै गएको छ । अरब देशहरूमा यस्ता रोबोटका माग बढ्दै गएमा त्यहाँ काम गर्ने कम सीप भएका नेपाली कामदारहरूको जागिर जाने तथा त्यस्ता नयाँ जागिरको माग पनि कम हुने स्थिति हुनेछ ।

रोबोटिक्स जस्तै अर्को एक प्रमुख क्षेत्र आर्टिफिसियल इन्टेलिजेन्स पनि हो, जहाँ गएको दशकमा अकल्पनीय प्रगति भएको छ । सन् २०१२ मा भएको ‘इमेजनेट लार्ज स्केल भिजुअल रिकग्निसन’ प्रतिस्पर्धापछि संसार एक अर्थमा अर्कै भयो । ज्योफ्री हिन्टन सम्मिलित सुपरभिजन टिमले जुन द्रुत गतिमा फोटोहरू चिनेर देखायो, त्यसले अब मेसिनहरू पढ्ने र देख्ने दुवै भए भन्ने सिद्ध गर्‍यो । ‘मेसिनहरूले सिक्न सक्छन् कि सक्दैनन् ?’ बाट अब ‘मेसिनहरूले कति छिटो सिक्न सक्छन् ?’ भन्ने प्रश्न सोध्न थालियो । र, संसारका प्रमुख दिमागहरू यही क्षेत्रमा मोडिन थाले । मान्छेले लामो समयदेखि टेलिभिजन–शो तथा चलचित्रहरूमा मेसिनहरूले आफैं सोचेको, संसारमा राज गरेको कल्पना गरेका थिए । केही वैज्ञानिकहरू जुन दिन मानिसहरूले भन्दा मेसिनहरूले धेरै सोच्छन्, त्यो विन्दुलाई ‘सिंगुलारिटी विन्दु’ भन्ने गर्थे । अब बिस्तारै त्यो विन्दु धेरै टाढा नभए जस्तो देखिँदै गयो । 

एआईको उपयोग धेरै क्षेत्रमा हुन्छ भन्ने सिद्ध गर्न धेरै समय पनि लागेन । सन् २०१२ तिरै युनिभर्सिटी कलेज लन्डनका न्युरोसाइन्सका शोधकर्ताहरू डेमिस हासाबिस तथा सेन लेगले दिमागले कसरी काम गर्छ भन्ने अध्ययन गरिरहेका थिए । दिमाग पनि कुनै ‘टुरिङ्ग मेसिन’ जस्तै हो र यसका विभिन्न भागको ‘स्ट्रक्चर’ राम्रोसँग बुझेमा त्यस्तै मेसिन बनाउन सकिन्छ भन्ने उनीहरूको विश्वास थियो । दिमागले कसरी सिक्छ भन्नेमा डेमिसका दुई प्रमुख विचार थिए । एक, दिमागले सम्झनाले मात्रै काम गर्दैन, यसले सँगसँगै कल्पना पनि गर्छ र यसैकारण कतिपय अवस्थामा दिमागले जे कुरालाई सम्झना मानेको हुन्छ, त्यो गलत पनि हुन सक्छ । अर्को, दिमागको काम गर्ने शैली त्यसबेला अरूले सोचेजस्तो गरी ‘डिप लर्निङ’ नभई उनले विकास गरेको ‘रेइन्फोर्समेन्ट लर्निङ’ अनुसार हुन्छ ।

डेमिस, सान र अर्का एकजना सुलेमान मुस्तफाले मिलेर लन्डनमा एक ‘डिपमाइन्ड’ भन्ने कम्पनी खोलेका थिए, जहाँ उनीहरू आर्टिफिसियल इन्टेलिजेन्ससँग सम्बन्धित ‘रिसर्च’ गर्थे । डेमिस अत्यन्तै तीक्ष्ण थिए । उनले सन् २०१७ मा गरेको एक ‘प्रोटिन स्ट्रक्चर’को अनुमानसम्बन्धी रिसर्चले सन् २०२४ मा रसायनशास्त्रमा उनलाई नोबेल पुरस्कार दिलायो । जबकि उनको प्राथमिक विज्ञता रसायनशास्त्र थिएन । यसैगरी सन् २०२४ मा भौतिकशास्त्रको नोबेल पुरस्कार ज्योफ्री हिन्टनले पाए । जबकि हिन्टनको जीवन भौतिकशास्त्रको अध्ययनमा नभई आर्टिफिसियल इन्टेलिजेन्समा बितेको थियो । अन्य पुरातत्त्वविद्, अर्थशास्त्री, औषधि विज्ञान तथा जीव विज्ञानका शोधकर्ताहरू पनि एआईको प्रयोग गरेर  आ–आफ्नो क्षेत्रमा लामो समयदेखि समाधान गर्न नसकिएका समस्याहरू समाधान गर्न सफल हुन थाले । यसले एआईको प्रयोगको दायरा व्यापक बढायो । एआईको प्रयोग यति धेरै बढ्यो कि हाल संसारका सबैभन्दा मूल्यवान् ६ वटा कम्पनीहरू इन्भिडिया, एमाजोन, एप्पल, मेटा, अल्फाबेट र माइक्रोसफ्ट सबै एआईसँग अभिन्न रूपले सम्बन्धित छन् । 

कोडाकको पतनसँगै डिजिटल पद्धतिको विकास र त्यसले परम्परागत व्यवसायलाई पार्न सक्ने असरका बारेमा मानिसहरूमा उत्सुकता बढेको छ । हाल के मानिन्छ भने यदि तपाईंको व्यवसाय १ र ० मा परिवर्तन गर्न सकिन्छ भने त्यो खतरामा छ । कोडाकले कागज र केमिकल प्रयोग गरेर फोटो बनाउँथ्यो तर जब १ र ० मा फोटो बनाउने पद्धति आयो, कोडाकको व्यवसाय सकियो । त्यस्तै युनिभर्सिटीहरू पनि खतरामा पर्ने सम्भावना छ, किनकि पढाउने शिक्षा अब क्लासरुममै पढाउनुपर्छ भन्ने छैन । युनिभर्सिटी लेक्चरलाई १ र ० मा परिवर्तन गरेर भिडियोमार्फत युट्युब जस्ता माध्यमबाट सिकाउन सकिन्छ । 

खरिद प्रक्रिया पनि सिंगै परिवर्तन हुने स्थिति बन्यो । पहिले तपाईंलाई कसैको घरको खसी किन्नुपर्‍यो भने उसको घर गएर पैसा मोलमोलाई गरेर उसलाई नगद रुपैयाँ दिएर मात्र खसी घर लैजानुहुन्थ्यो । अब खसीको भिडियो हेरेर त्यसको मूल्यमा सहमत भएपछि अनलाइनबाटै पैसा तिरेर कुनै डिजिटल यातायात सेवाको गाडीमार्फत घर ल्याउन सक्नुहुन्छ । त्यो खरिदबिक्रीमा प्रयोग हुने पैसा पनि सरकारीको सट्टा भर्चुअल पैसा प्रयोग गर्न सकिने मुलुकहरूसमेत संसारमा छन् । डिजिटल पद्धतिले परम्परागत पद्धतिलाई विस्थापन गर्न यी सबै खरिद प्रक्रिया सहज बनाउन आवश्यक पर्ने डिजिटल गणना गर्न सजिलो हुनुपर्‍यो । वास्तवमा हाम्रो जीवनमा हामीले खरिद गरेका, पढेका, गीत सुनेका सबै कुरा यथार्थमा १ र ० को हिसाब गरेका रहेछौं । कम्प्युटरमा जति द्रुत गणना हुन्छ, त्यति यी सूचनाहरूको प्रवाह सहज हुन्छ, डिजिटल ‘प्लेस’ले भौतिक संसारलाई विस्थापित गर्न सक्छ । ‘द्रुत गणना’ अर्थात् छिटो हिसाब गर्न सक्नुमा नै सबैजसो डिजिटल प्रविधिको सफलता अडिएको छ । 

मानिसले मेसिनबाट हिसाब छिटो गर्न थालेको शताब्दियौं भयो । चिनियाँ सुआनफानदेखि फ्रान्सका पास्कलले बनाएको सत्रौं शताब्दीका क्यालकुलेटर पुराना प्रयासका केही उदाहरण हुन् । तर, अहिले छिटो गणना गर्नुपर्दा इलेक्ट्रोनिक उपकरणहरू नै सबैको रोजाइमा पर्छन् । इलेक्ट्रिकल इन्जिनियरिङको पढाइ सुरुमा ‘लजिक गेट’हरूबाट हुन्छ । यी गेटहरूबाट बिजुली छिर्दा कुनै अपरेसनमा निभ्ने (०) र कुनैमा बल्ने (१) हुन्छ, जुन ‘बुलियन अल्जेब्रा’को नियमले गाइड गर्छ । यी ‘लजिक गेट’हरूलाई ‘ट्रान्जिस्टर’ (अर्थात् विद्युतीय स्विच) हरू मिलाएर राखेर बनाइन्छ । इन्जिनियरहरू यी ‘लजिक गेट’हरू डिजाइन गरेर इलेक्ट्रोनिक उपकरणहरू बनाउँछन् ।

गएको आधाभन्दा बढी शताब्दीको सबैभन्दा ठूलो चमत्कार भनेको सानासाना चिपहरूमा अर्बौं वटा ‘ट्रान्सिस्टर’ अटाउने क्षमता विकास गर्नुपनि हो । यो भनेको हरेक परालको त्यान्द्रोमा असाधारण कलाहरू कुँदेर एक अर्ब वटा त्यस्तो परालको त्यान्द्रो राखेर सानो बच्चा सुत्ने गुन्द्री बनाउनु जस्तै हो । अर्बौं परालको त्यान्द्रोलाई एउटा सानो गुन्द्रीमा मिलाएर हरेकमा अन्तर्निहित कलाको संरक्षण गर्न गाह्रो भएजस्तै यी चिपहरू त्रुटिरहित तथा सानो बनाउन अत्यन्त चुनौतीमय हुन्थ्यो । त्यसैले ‘माइक्रोचिप्स’हरूको निर्माण आफैंमा एक प्रमुख विशिष्टीकृत ज्ञान हो । यसको अर्थ आधुनिक विश्वमा चिप डिजाइन गर्ने र चिप बनाउने कम्पनीहरू सामान्यतया फरकफरक हुन सक्छन् । उदाहरणका लागि अमेरिकी कम्पनी क्वालकम डिजाइन गर्छ भने ताइवानी कम्पनी टीएसएमसी चिप बनाउँछ ।

असाधारण कम्पनीहरूको जग 

लामो समयसम्म इलेक्ट्रोनिक इन्जिनियरहरू कुनै निश्चित क्षेत्रफलको चिपमा अटाउने ‘ट्रान्जिस्टर’को संख्या हरेक दुई वर्षमा दुई गुणा हुन्छ भन्ने मूरको सिद्धान्त तथा चिप्सहरू जति सानो क्षेत्रफलमा जति धेरैवटा (उदाहरणका लागि अर्बौं) राखे पनि बिजुलीको प्रवाहलाई असर पार्दैन भन्ने सिद्धान्त (डेनार्ड स्केलिङ) बाट प्रभावित थिए । तर, ‘ट्रान्जिस्टर’हरू सानो हुँदै गर्दा डेनार्ड स्केलिङ गलत हुन थाल्यो र ‘ट्रान्जिस्टर’हरूबाट पावर लिक हुने समस्या बढ्न थाल्यो । यसले हिसाब गर्ने मेसिनको क्षमता सीमित भएको पो हो कि भन्ने स्थिति आयो । यसको समाधान निकाल्न सक्ने कम्पनीले इन्टेलजस्ता शक्तिशाली कम्पनीलाई चुनौती दिन सक्ने स्थिति थियो ।

एआईको सुरुवाती प्रयास सन् १९७० को दशकदेखि नै भएको थियो । तर, एआईलाई अगाडि बढाउने धेरैवटा प्रयास असफल भएका थिए । कहिले के, कहिले के नाममा भने एआईको सानोतिनो हल्ला भइराख्थ्यो । सन् १९७० मा ‘सिम्बोलिक एआई’को चर्चा थियो भने सन् १९८० मा ‘एक्स्पर्ट सिस्टम्स एआईको’ । एआईको आधुनिक विकासको पछाडि भने दुईवटा प्रविधिको सफल प्रयोगको अहम् भूमिका छः न्युरल नेट र प्यारालेल कम्प्युटिङ । तर, लामो समयसम्म कम्प्युटर विज्ञहरूलाई न्युरल नेटप्रति धेरै विश्वास थिएन । सन् १९८६ तिर आएर ज्योफ्री हिन्टनको समूहले ‘ब्याक प्रोपोगेसन मेथड’ विकास गरेपछि बल्ल यसप्रति अलिकति विश्वास बढ्दै गयो । ‘ब्याक प्रोपोगेसन’मा सबैकुरा मेसिनलाई सिकाउनु पर्दैनथ्यो, नयाँ सूचना आएपछि त्यसलाई मेसिनले आफ्नै तरिकाले स्टोर गर्थ्यो । हिन्टन एआईको भविष्य न्युरल नेटहरूलाई ‘प्यारालेल कम्प्युटिङ्ग प्रोसेसर्स’हरूमा चलाएर तय हुनेछ भन्ने कुरामा विश्वास गर्थे । यो दूरदृष्टि नै पछि सही सावित भयो । 

हाल मेसिन लर्निङका लागि पहिले ट्रेनिङ र त्यसपछि ‘इन्फेरेन्स’ गराउनुपर्छ भन्ने मान्यता लगभग स्थापित भएको छ तर त्यो कुरा स्थापित गर्न पनि केही समय लागेको थियो । सन् १९९० को दशक पीसीको दशक थियो, इन्टरनेटको दशक थियो । तर, त्योभन्दा बढी सन् १९९७ मा जब आईबीएमले बनाएको डिपब्लु मेसिनले विश्व चेस च्याम्पियन गेरी कास्परोभलाई हरायो, संसारमा फेरि मेसिन लर्निङप्रति मानिसहरू उत्सुक हुन थाले । डिपब्लु बनेताका नै आईबीएमकै अर्का सोधकर्ता जेराल्ड टेसाउरोले अप्ठेरो मानिने ब्याकग्यामन खेल खेल्न ‘रिइन्फोर्समेन्ट लर्निङ’ पद्धतिको प्रथम सफल प्रयोग गरेका थिए । 

सन् १९९० को दशकमा टेसाउरो र फेडरिक डालले सुरुमा कम्प्युटरलाई ट्रेनिङ गर्ने र धेरै ज्ञानहरू सिकाउने, अनि खेल खेल्दा आफूले सिकेको त्यो ज्ञानबाट आवश्यक ‘इन्फेरेन्स’ गर्ने पद्धति सुरु गरे । पहिलो स्टेजमा धेरै ऊर्जा खर्च हुन्थ्यो भने दोस्रोमा कम । 

लगभग यो विन्दुसम्म आइपुग्दा पश्चिम अर्थतन्त्रको संरचनाले एआईको विकासमा खासै योगदान गरेको पाइँदैन । तर, जब पीसीको विकास भयो, सिलिकन भ्यालीमा गेम खेल्न आवश्यक चिप तथा कार्डहरू बनाउने कम्पनीलाई गणना गर्ने गतिमा कमी भएको महसुस भयो । यही क्रममा सन् २००० को दशकमा इन्भिडियाको कुडा प्रोजेक्टले प्यारालेल कम्प्युटिङ्गको सफल प्रयोगको सुरुवात गर्‍यो र तत्कालका लागि यो समस्या समाधान गर्‍यो । यही कुरा किन इन्टेल जस्तो सुपरपावरले क्यालिफोर्नियामा गरेन वा ‘निन्टेन्डो’ जस्तो गेमहरू बनाउने सुपरपावर फर्म भएको जापानमा कसैले गरेनन् र किन इन्भिडियाले नै गर्‍यो भन्ने कुरा स्पष्ट छैन । 

नाफा कमाउन बनेको इन्भिडियाले रिसर्चको दृष्टिले नयाँ तथा ‘डेड एन्ड’ मानिने प्यारालेल कम्प्युटिङ्ग प्रयोग गरी कुडा पद्धति विकास गर्नु एउटा जोखिमको कुरा थियो । विश्वविद्यालयका शोधकर्ताहरूसँग सामान्यतया धेरै पैसा हुँदैन भने अर्कोतिर इन्भिडियाका चिप प्रयोग गरेर गेम खेल्ने धेरै प्रयोगकर्ताहरूलाई सन् २०१० को दशकको कम्प्युटेसन क्षमता र पीसी नै यथेष्ट थियो । त्यसैले धेरै द्रुतगतिमा इमेज रिकग्निसन गर्दा कसरी कम्पनीको धेरै आम्दानीमा परिणत हुन्छ भन्ने स्पष्ट थिएन । इन्भिडियाका कतिपय लगानीकर्ता कम्पनीले यसरी अनावश्यक कुरामा लगानी गरेकोमा खुसी पनि थिएनन् । 

संयोगवश सन् २०१२ मा स्ट्यानफोर्ड विश्वविद्यालयले आयोजना गर्ने इमेजनेट प्रतियोगितामा युनिभर्सिटी अफ टोरन्टोको सुपरभिजन टिमले न्युरल नेटवर्कमा आधारित भएर इन्भिडियाको चिप प्रयोग गरेर बनाएको प्रोग्रामले अत्यन्त धेरै फरकले अनुहार चिन्ने प्रतियोगिता जितेसँगै यी सबै कुरा परिवर्तन भयो । र, सूचना प्रविधि उद्योगमा एउटा अभूतपूर्व हाइप सिर्जना गर्‍यो । अमेरिकामा क्लाउड सर्भिस प्रदायकहरूले सैयौं–हजारौं इन्भिडिया निर्मित जीपीयू उपयोग गर्ने ‘हाइपरस्केल डेटा सेन्टर’हरू बनाएर कर्पोरेसनहरूलाई भाडामा दिन थाले । सन् २०१५ तिर फेसबुकले फोटोहरू चिनेर ‘ट्याग’ गर्न एआईको प्रयोग गर्न थाल्यो । व्यक्तिलाई जे सुन्न र हेर्न मन छ, त्यो बुझेर त्यस्तै खालका भिडियो सुझाव दिने अल्गोरिदम प्रविधि सुरु भयो । 

सन् २०१५ मा फेरि इन्भिडियाले एकदमै शक्तिशाली, फिन्फेट प्रविधिमा आधारित डिजिएक्स–१ सुपरकम्प्युटर बनायो । यसले अत्यन्त धेरै गणना एकैछिनमा गर्न सक्थ्यो भने तुलनात्मक रूपले सानो र सस्तो पनि थियो । पहिले सुपरकम्प्युटरले मात्र गर्न सक्ने अप्ठेरो हिसाबहरू ‘एस्ट्रोफिजिक्स, क्लाइमेट’ परिवर्तनका गाह्रा–गाह्रा मोडलहरू अब यस्ता शक्तिशाली, तर सहज रूपमा उपलब्ध कम्प्युटर प्रयोग गरेर शोधकर्ताहरूले सहज रूपमै चलाउन सके । जसले यस्ता मेसिन आफैं किन्न सक्दैनथे, तिनीहरूका लागि पनि राम्रो ‘क्लाउड’ सर्भिसको अर्को बजार सुरु भयो । उदाहरणका लागि एमाजोनको वेब सर्भिस, माइक्रोसफ्टको याजर तथा इन्भिडियाको जिई फोर्स नाउँ । 

सन् २०१७ मा इन्भिडियाले ‘क्लाउड सर्भिस लिजिङ्ग’को अलावा रोबोटिक्ससँग सम्बन्धित ‘सिमुलेसन प्लाटफर्म आइज्याक’ ल्यायो । यसबाट विकसित ‘ओम्निभर्स’ ठ्याक्कै पृथ्वीको कपी गरेर बनाउन खोजिएको थियो । ‘ओम्निभर्स’ डिजाइन गर्दा इन्भिडियाको लक्ष्य यस्तो वैकल्पिक डिजिटल संसार बनाउनु थियो, जहाँ पृथ्वीमा जस्तै हावा चल्दा त्यसभित्र पात हल्लिन्थे, बलले छुँदा बिस्तारै हल्का रूपले टाँसिएका वस्तु झर्थे, कडा रूपले टाँसिएका झर्दैनथे । यो प्लाटफर्म धेरै उद्योगहरूलाई आफ्ना उत्पादनहरू ‘सिमुलेसन’ परीक्षण गर्न अत्यन्त उपयोगी हुन्थ्यो । यी महत्त्वपूर्ण उत्पादनहरूको बलमा इन्भिडिया संसारको सबैभन्दा मूल्यवान् कम्पनी बन्ने बाटो तय भयो । 

एआईको लोकतान्त्रीकरण, सामाजिकीकरण र असामाजिकीकरण

एआईलाई शोधकर्ता र उद्योगपतिहरूबाट साधारण प्रयोगकर्तासम्म पुर्‍याउन भने सन् २०१६ को एउटा प्रमुख विकासले काम गर्‍यो । उक्त वर्ष गुगलमा कार्यरत आशिष भास्वानी, ज्याकोब उस्कोराइट लगायतका केही वैज्ञानिकहरूले ट्रान्सफर्मरको विकास गरे । उक्त ट्रान्सफर्मर ‘सेल्फ अटेन्सन’ प्रविधि प्रयोग गरेर बनाइएको थियो र यसले आफैं कुनै शब्दपछि अर्को कुन शब्द राख्दा उपयुक्त हुन्छ, कुनै संगीतको धुनपछि अर्को कुन धुन राख्दा उपयुक्त हुन्छ जस्ता मिहिन कुराहरू करोडौं डेटाहरूको ‘इनपुट’ लिएपछि राम्रोसँग अनुमान गर्न सक्थ्यो । उनीहरूले लेखेको ‘अटेन्सन इज अल यु निड’ भन्ने लेखले एक अर्थमा भूकम्प नै ल्यायो र अत्यधिक व्यक्तिहरूले पढे । 

सन् २०१५ मा आइपुग्दा सिलिकन भ्यालीमा दुई वटा कुरामा मानिस विश्वस्त थिए ः एक, एआईले अर्थतन्त्रमा महत्त्वपूर्ण फरक पार्नेछ । दुई, यसले मानवता नै सिध्याउन सक्ने सम्भावना अत्यन्त धेरै पनि छ । दोस्रो कुराले चिन्तित भएर एआईलाई त्यत्तिकै बिना नियमन छोडिनु हुन्न भनेर मस्क, लिङ्कट इनका संस्थापक होम्यान, साम अल्टम्यान आदि मिलेर सन् २०१५ मा गैरनाफामूलक ओपेनएआई संस्था खोले । 

ट्रान्सफर्मर पद्धति र इन्भिडियाको प्रोसेसर प्रयोग गरेर ओपेनएआईबाट नोभेम्बर २०२२ मा च्याट जीपीटीको बेटा संस्करण सार्वजनिक भयो । यसले सानो निर्देशनमै कथा, कविता, कम्प्युटर कोड लेख्न सक्थ्यो, आर्ट कोर्न सक्थ्यो । यो असाधारण कल्पवृक्षले लगभग सबै काम गर्न सक्थ्यो । यसमा आधारित भएर बनाइएका कतिपय एपहरूले ठाउँको ठाउँ भिडियो बनाउन सक्थे । ट्रान्सफर्मर प्रविधिलाई इन्भिडियाको ‘हाइपरस्केल प्यारालेल कम्प्युटिङ्ग’ माथि चलाएर यी एपहरूले आर्टिफिसियल इन्टेलिजेन्सलाई जनजनमा पुर्‍याए । यसरी एआईले असीमित सम्पत्ति सिर्जना गर्ने बाटो खोल्यो । 

आज सबैभन्दा सम्पन्न व्यक्तिहरूको सूचीमा एआई जानेका व्यक्तिहरूको राम्रो प्रतिनिधित्व छ । यी व्यक्तिहरू आविष्कारक, भेन्चर क्यापिटलिस्ट तथा अन्य जोखिम लिने व्यक्तिहरूको समूह हो । नेपालमा मानिसहरूले खासै आविष्कार गरेर सम्पति कमाएका छैनन् । व्यापार–व्यवसाय नै सम्पत्तिको प्रमुख स्रोत भएको छ । आयात गरेर ल्याइएका सामानहरू नेपालमा व्यवसायका प्रमुख वस्तु हुन्, तर आयात व्यापार धेरैजसो पहुँचवालाहरूको हातमा छ । यसले मुलुकको सम्पत्तिको वितरण अन्यायपूर्ण बनेको छ । जमिनमा अधिकार पनि अन्यायपूर्ण तरिकाले निर्धारित भएको छ र अधिकांश दलितहरू भूमिहीन छन् । पुँजीको न्यायपूर्ण परिचालन यसैले एक महत्त्वपूर्ण प्रश्न पनि बनेको छ । 

अर्धसामन्तवादी संरचनाबाट भविष्यमुखी अर्थतन्त्रतिर

तर, नेपालको जग्गा, घर लगायतका देखिने सम्पत्तिमा आधारित, परिवार नियन्त्रित कम्पनीहरूमा अन्तरनिहित अर्धसामन्तवादी आर्थिक संरचनामा पनि बिस्तारै केही परिवर्तन देखिँदै छ । पुँजी तथा पुँजीपतिको परिचय पनि फेरिँदै गएको छ । नयाँ नेपालका केही पुँजीपतिहरू स्पष्ट रूपमा चिनिने पनि छैनन् । हिमालयन बैंकमा काम गर्ने कर्मचारीहरूले उनीहरूको बैंकका धेरै लगानीकर्तालाई सम्भवतः चिन्दैनन् । पाकिस्तानको हबिब बैंक केही अघिसम्म उक्त बैंकको एउटा लगानीकर्ता थियो, 

तर त्यो बैंकका मालिकहरू पनि धेरै छन्, जसलाई हिमालयन बैंकका उच्चपदस्थ अधिकारीले समेत चिन्दैनन् । चिलिमे र बीपीसीएलका प्रमुख सेयर होल्डरलाई धेरै नेपाली र अन्य सेयरधनीले पनि चिन्दैनन् । प्रमुख होटलहरू र्‍याडिसन, सोल्टी वा अन्य सिमेन्ट कम्पनीहरू पनि विभिन्न व्यक्ति, कर्मचारी सञ्चय कोष आदिले किनेका छन् । ती व्यक्ति वा संस्थाहरू कहाँ छन् भन्ने कुरा धेरै नेपालीलाई वा तिनै संस्थाका कर्मचारी वा अन्य साधारण सेयरहोल्डरलाई पनि थाहा नहुन सक्छ । यसैले वर्तमान नेपालमा साहु र ऋणी, जमिनदार र मोही, उद्योगपति र कामदारजस्तामा स्पष्ट पुँजीगत सम्बन्ध पनि छैनन् । 

एआईको विकासको प्रमुख स्टेजहरूमा कस्ता श्रम र पुँजी प्रयोग भएका थिए र नेपालले भविष्यमा यस्ता प्रविधिको विकास गर्न सक्छ कि सक्दैन भन्ने महत्त्वपूर्ण प्रश्न हेरौं । युनिभर्सिटी अफ टोरन्टोमा हुँदा ‘न्युरल नेट’को रिसर्च गरिरहँदा हिन्टन, अलेक्स, इल्या जस्ता उनका सहयोगीहरूसँग खासै ‘फन्डिङ’ थिएन । उनीहरूले अरूले धेरै महत्त्व नदिएको क्षेत्रमा आफ्नो लगावको भरमा काम गरिरहेका थिए । यो एक अर्थमा ‘पियोर जिनियस’ क्षण थियो, जहाँ तपाईं संसारको मतलब नगरी 

आफ्नो मनको कुरा सुनेर कुनै काममा लागि पर्नुहुन्छ । यी व्यक्तिहरूले आफ्नो ‘इमेज रिकग्निसन’ सम्बन्धी कामलाई स्ट्यानफोर्ड प्रोफेसर फेइ फेइ लीको लामो इमेजहरूको डेटाबेसमा परीक्षण गरेका थिए । लीको त्यो इमेज जम्मा गर्ने काम पनि त्यसबेला पैसा भन्दा लगावका लागि थियो । इन्भिडियाको कुडा आर्किटेक्चरको विकासमा ‘गेम कार्ड’ उत्पादन गर्ने इन्भिडियाको खुद आम्दानी तथा त्यसको सही उपयोग गर्नेसम्बन्धी जेन्सन हुआङको निर्णय महत्त्वपूर्ण थियो । डेमिस हासाबिसको बेलायती कम्पनी डिपमाइन्डको विकासमा एन्जेल लगानीकर्ताहरूको भूमिका थियो भने साम अल्टम्यानको च्याटजीपीटीको विकास गर्ने ओपनएआईका सुरुवाती लगानीकर्ता इलान मस्क लगायतका धनी व्यक्तिहरू थिए । के देखिन्छ भने सुरुवाती चरणमा एआईको विकास गर्न पैसाभन्दा पनि महत्त्वपूर्ण कुरा समस्या पहिचान गर्ने र त्यसका लागि उपयुक्त समाधान के हुन सक्छ भनेर एक कदम अगाडि बढेर काम गर्ने ‘जिनियस’हरूको भूमिका महत्त्वपूर्ण थियो । ती आइडियालाई आम्दानी सिर्जना गर्ने र समाज परिवर्तन गर्ने गरी ‘स्केलअप’ गर्न आविष्कारमैत्री पुँजीमाथिको पहुँच महत्त्वपूर्ण थियो । 

नेपालमा एआईजस्ता प्रविधि विकास गरेर विश्वमा त्यसको उत्पादन लैजाने कम्पनी बनाउन त्यसैले श्रम र पुँजीको पहुँचको संरचना आविष्कारमैत्री हुनुपर्छ । नेपालको भविष्य यदि डिजिटलाइजेसनमा छ भने अब नयाँ पुँजीपतिको निर्माणमा हामी त्यसैगरी लाग्नुपर्छ । अब साधारण प्रकृतिका श्रम (रिपेटिटिभ) को उत्पादनमा भूमिका गौण हुँदै जान्छ । पुँजी र उत्पादनमा प्रयोग गरिने मेसिन दुवै लिजमा लिएर आम्दानी निकाल्ने कम्पनीहरूको सुरुवात हुन्छ । यी कम्पनीहरू ‘स्पेसलाइज्ड’ हुनेछन् । उदाहरणका लागि भेन्चर क्यापिटल कम्पनीहरूले बैंकसँग ऋण लिएर लगानी गर्नेछन् । आफ्नो ज्ञान राम्रो भएसँगै यी कम्पनीहरूले जोखिमयुक्त, तर नयाँ सोच भएको परियोजनाहरूमा लगानीको हिस्सा बढाउँदै जानेछन् ।

भविष्यका उद्यमी पनि ‘स्पेसियलाइज्ड’ हुँदै जाने बनाउनुपर्नेछ । अहिले आफूलाई उद्यमी भन्नेले नेपालमा पहिले जग्गा जोड्ने चलन छ । अबको अर्थतन्त्रमा उद्यमीले विशुद्ध उत्पादनको काम गर्नेछ, उसलाई चाहिएको जमिन उसले अर्कै कुनै जमिनको मालिकसँग लिजमा लिनेछ, जसरी उसले मेसिन तथा पुँजी लिजमा लिन्छ । पुँजी लगानी गर्नेले या त भाडामा लगानी गर्छ या सेयरहोल्डरका रूपमा । विशिष्ट ज्ञान भएको ‘श्रमिक’ यसरी सिधै उत्पादक वा उद्योगपति बन्न सक्छ, उत्पादनको साधनका रूपमा ज्यालादारी श्रमिक नरहेर । 

हाल हाम्रा बैंकहरूको एक प्रमुख कमजोरी ‘ब्रान्च म्यानेजर’हरूले सही खालका व्यवसायहरू कुन हुन् भनेर छुट्याएर हेर्न सक्ने क्षमता कमजोर हुनु तथा ऋण दिएपछि तिनीहरूको सदुपयोग भएको छ कि छैन भनेर ‘पोस्ट डिस्बर्समेन्ट’ अनुगमन नहुनु हो । यसले गर्दा राम्रो गर्ने र नराम्रो गर्ने व्यवसायबीच धेरै फरक छुट्टिन नसक्ने, गलत व्यवसाय र व्यक्तिहरूलाई ऋण जाने भएको छ । यो विश्वव्यापी समस्या हो, तर यसका केही समाधान छन् । सिलिकन भ्यालीमा निस्केका अहिलेका ठूलाठूला कम्पनीहरू पहिले कुनै स्टार्टअपहरूको परीक्षा गर्ने संस्थामा जान्छन् । उदाहरणका लागि ‘वाई–कम्बिनेटर’लाई लिन सकिन्छ, जहाँबाट अहिलेका कोरा, एयरबीएनबी, स्ट्राइप, स्क्रिब्डजस्ता धेरै प्रमुख कम्पनी निस्केका छन् । 

यी कम्बिनेटरहरूबाट निस्केका कम्पनीलाई भेन्चर क्यापिटल तथा हेज फन्डहरूले लगानी गर्छन् । यस्ता फन्ड मिलाउने ‘फन्ड म्यानेजर’हरूको अमेरिकी व्यवसायहरूको विकासमा ठूलो भूमिका छ । उदाहरणका लागि एमाजन, गुगल, ट्विटर, जेनेनटेकजस्ता कम्पनीको लगानीकर्ता म्यानेजर क्लाइनर पर्किङ्स र एप्पल तथा सिस्को जस्ता कम्पनीको सुरुवाती लगानीकर्ता सेकोया क्यापिटललाई लिन सकिन्छ । यसरी सुरु भएका कम्पनीहरू आईपीओमा गएर सुरुमा केही ‘फन्ड’ उठाउँछन् । तर, कम्पनीहरू सेयर मार्केटमा जानुको प्रमुख उद्देश्य हाल पैसा उठाउनभन्दा सुरुवाती लगानीकर्तालाई उक्त कम्पनीमा गरेको लगानी उठाएर निस्कन सहज बनाउन पनि हो । यसरी नयाँ युगका कम्पनीहरूको वृद्धि हुनुमा बैंकभन्दा गैरबैंकिङ संरचनाको बढी योगदान हुन्छ । 

साधारणतया कमर्सियल बैंकहरूले ‘इक्विटी’मा लगानी गर्दैनन् । बैंकहरूले आफूले राखेको पैसालाई जुनसुकै हालतमा पनि सुरक्षित राख्नुपर्ने भएकाले बरु आफ्नो ऋणलाई ‘सिक्योरिटाइजेसन’ गर्छन् । अप्ठेरो मानिएका तल्लो ग्रेडका ऋणलाई ‘क्रेडिट डिफल्ट स्वाप’को प्रयोग गरेर बच्न खोज्छन् । हाम्रा बैंकहरू भने सुरुवाती चरणमै यी सबै खतराहरू मोल्न पुग्छन् । केहीले ‘इक्विटी इन्भेस्टमेन्ट’ समेत गर्छन् भने अन्यले सम्बन्धित उद्योगको राम्रो जानकारीबिना र ‘पोस्ट डिस्बर्समेन्ट’ अनुगमन गर्ने क्षमताबिना सिधै ऋण बाँड्छन् । अब यसमा बिस्तारै परिवर्तन ल्याएर हाम्रो आफ्नै ‘पीईभीसी’को क्षेत्र– जसले हालसम्म कुल करिब चालिस अर्ब रुपैयाँको मात्र लगानी गरेको छ र बल्ल क्षमता विस्तार गर्दै छ– को विस्तार गर्नुपर्नेछ । सेयर मार्केट पनि समयक्रमसँगै ‘प्रोमोटर’ मैत्री हुनुपर्नेछ । जोखिम उठाउन चाहने पुँजीपतिहरूलाई एकै ठाउँमा बाँधिराख्नु समाजका लागि पनि उपयोगी हुँदैन । 

आविष्कारबाट दिगो समृद्धितर्फ

अबको संसार यसरी रोबोट, आर्टिफिसियल इन्टेलिजेन्स हुँदै अगाडि बढेको छ । पहिले पनि हलो जोत्ने कामलाई ट्र्याक्टरले, तान बुन्ने कामलाई टेक्सटायल मेसिनले विस्थापित गरेका थिए । अब भने हामीले वरिपरि देखेका धेरै कामलाई मेसिनले विस्थापन गर्नेछन् । गाडी चलाउन ड्राइभर चाहिने छैन, घरको काम गर्न, रेस्टुराँ चलाउन, खेतीपाती गर्न मानिस चाहिने छैन वा अत्यन्त कम चाहिने छन् । 

तर, समग्रमा समाज समृद्ध हुँदै जानेछ । इलन मस्कले भन्दै गरेको ‘सस्टेनेबल अबनड्यान्स’ (दिगो समृद्धि) को मान्यता यही हो । गाउँघरमा गोरुहरूको अहिले काम नभए जस्तै धेरै मानिसको ‘भ्यालु अफ मार्जिनल लेबर’ शून्य हुनेछ, तर संसार विपन्न हुनेछैन । संसारमा खान, लाउन, ओखतीमूलोको समस्या न्यून हुनेछ । अहिलेसम्म मानिसलाई आर्थिक वृद्धिको सीमा छ भन्ने थियो र दिगो विकासका धारणाहरूलाई लोकप्रिय बनाइएका थिए । तर, अब दिगो समृद्धिको युग सुरु भएको छ र नेपाल त्यो युगबाट पर रहन सक्दैन । 

अहिलेसम्म विद्यार्थीहरूले पढ्ने अर्थशास्त्रमा उत्पादनका दुई साधनहरू श्रम र पुँजी हुन् भनेर मोडेलहरू बनाइने गरिन्छ । यो ‘प्रोडक्सन फङसन’को सुरुवात अर्थशास्त्री फिलिप विकस्टिडले सन् १८९४ मा गरेका थिए । बिस्तारै यसमा विभिन्न सुधार भयो तर पनि सबैजसो शोधहरूमा श्रम र पुँजीलाई दुई महत्त्वपूर्ण ‘इनपुट’को रूपमा लिने चलन फेरिएको छैन । तर, अब बिस्तारै नयाँ अर्थशास्त्रमा उत्पादनको साधनका रूपमा पुँजी मात्रै देखापर्ने र मानव श्रमको भूमिका न्यून हुनेछ । फुर्सदमा भएका मान्छे रोबोटहरूले बनाइदिएको खानेकुरा खाएर चराजस्तै यताउता डुल्दै, उड्दै, सोच्दै दिन बिताउने छन् । ती देशहरू जहाँ धेरै लिथियम छ, जहाँ ब्याट्री बनाउने क्षमता छ, जहाँ मेसिन बनाउन चाहिने मेटल र प्रविधि छन्, जहाँ गणित जानेका चिन्तन गर्न सक्ने धेरै नागरिक छन्, त्यो देश नै धनी हुनेछ ।