डेमिस हसाबिस, Google कृत्रिम बुद्धिमत्ता के जनक

भाग 9: एजीआई का अंतिम प्रवेश द्वार

25 एजीआई क्या है?

किम क्यूंग-रन, किम क्यूंग-जिन

परिभाषा हस्साबिस की परिभाषा और डारियो अमोदेई की परिभाषा की तुलना जनवरी 2026 में, दावोस विश्व आर्थिक मंच के एक मंच पर दो लोग एक साथ बैठे थे। गूगल डीपमाइंड के डेमिस हसाबिस और एंट्रोपिक के डारियो अमोदेई। मॉडरेटर ने पूछा. "आपको क्या लगता है एजीआई क्या है? और यह कब आएगा?"

इस प्रश्न पर दोनों लोगों के उत्तर एक ही दिशा की ओर इशारा करते थे, लेकिन सूक्ष्म रूप से भिन्न थे। उस अंतर के भीतर एआई उद्योग में सबसे जरूरी बहस निहित है। हस्साबिस ने जवाब दिया:

"एजीआई एक ऐसी प्रणाली है जो मनुष्य द्वारा प्रदर्शित की जा सकने वाली सभी संज्ञानात्मक क्षमताओं को लागू करती है।" इस परिभाषा में मुख्य शब्द 'सभी' और 'संज्ञानात्मक' हैं। इसमें तर्क, रचनात्मकता, योजना, समस्या समाधान और भौतिक दुनिया को समझना शामिल है।

हस्साबिस ने 2025 में रेक्स फ्रीडमैन के साथ बातचीत में इस परिभाषा को और अधिक परिष्कृत किया। एजीआई एक ऐसी प्रणाली नहीं है जो किसी एक क्षेत्र में उत्कृष्ट प्रदर्शन करती हो। सभी संज्ञानात्मक डोमेन में लगातार मानव-स्तर या बेहतर प्रदर्शन प्रदर्शित करना चाहिए। उन्होंने कहा, "अगर विशेषज्ञों की एक टीम कुछ महीनों तक इसका परीक्षण करे तो भी कमियां ढूंढना कठिन होगा।"

हसबिस जिस बात पर जोर देते हैं वह 'स्थिरता' है। वर्तमान एआई सिस्टम गणित ओलंपियाड स्वर्ण-पदक-स्तर की समस्याओं को हल करते हैं, फिर भी रोजमर्रा के निर्णयों में विफल रहते हैं जो पांच साल का बच्चा आसानी से कर सकता है। उन्होंने इसे "जंजीर बुद्धि" कहा।

एजीआई के लिए, यह झंझट गायब हो जाना चाहिए। आपको शतरंज खेलने, कविता लिखने, नई भौतिकी परिकल्पनाओं के साथ आने और ऐसी रसोई में खाना पकाने में सक्षम होना चाहिए जिसे आपने पहले कभी नहीं देखा हो। इसके अलावा, हस्साबिस ने एजीआई के लिए एक कसौटी के रूप में एक अद्वितीय विचार प्रयोग का प्रस्ताव रखा।

"यदि आप उस प्रणाली को 1900 में वापस ले लें और उसे केवल उस समय का भौतिकी ज्ञान दें, तो क्या आप स्वयं सापेक्षता के सिद्धांत की खोज कर पाएंगे?" या, "क्या आप बडुक जैसा गहरा और सुरुचिपूर्ण खेल का आविष्कार कर सकते हैं?" यह हस्साबिस की सच्ची सामान्य बुद्धि का मानक है।

डारियो अमोदेई का दृष्टिकोण अलग है। उन्हें AGI शब्द ही पसंद नहीं है. "प्यार की कृपा की मशीनें," अक्टूबर 2024 में प्रकाशित 15,000 शब्दों का निबंध

"मशीन्स ऑफ़ लविंग ग्रेस" में, वह जानबूझकर इसके बजाय "शक्तिशाली एआई" शब्द का उपयोग करता है। अमोर्डे की परिभाषा है: "एआई जो लगभग हर प्रासंगिक क्षेत्र में नोबेल पुरस्कार विजेता से अधिक स्मार्ट है।"

यह एक ऐसी प्रणाली है जो जीव विज्ञान, प्रोग्रामिंग, गणित, इंजीनियरिंग और लेखन सहित किसी भी क्षेत्र में उच्चतम स्तर के विशेषज्ञों से आगे निकल जाती है। उन्होंने इसकी तुलना "डेटा केंद्रों में रहने वाले प्रतिभाशाली लोगों के देश" से की। दोनों के बीच क्या अंतर है? हस्साबिस मानव मस्तिष्क की वास्तुकला को एक संदर्भ बिंदु के रूप में लेता है, अर्थात, वे सभी कार्य जो यह एक सामान्य प्रयोजन सीखने की मशीन के रूप में कर सकता है।

यह एक सैद्धांतिक और संरचनात्मक परिभाषा है. अमोदेई प्रदर्शन और परिणामों पर आधारित है। मानक व्यावहारिक प्रदर्शन है जो किसी विशिष्ट क्षेत्र में शीर्ष मानव विशेषज्ञों से आगे निकल जाता है।

यदि हस्साबिस की परिभाषा इस प्रश्न का उत्तर देती है कि "क्या किया जाना चाहिए," तो अमोदेई की परिभाषा इसका उत्तर देती है "यह कितनी अच्छी तरह किया जाना चाहिए।" यह अंतर समयसीमा को भी प्रभावित करता है। अमोडी का मानना ​​​​है कि एआई जो अपने मानकों को पूरा करता है वह 2026 या 2027 में उभर सकता है। हसाबिस अधिक सतर्क है।

उनका अनुमान है कि 2030 तक 50 फीसदी संभावना है. यह अंतर परिभाषाओं में अंतर के कारण पैदा होता है. आर्मोडेई का मानदंड विशिष्ट कार्यों में अलौकिक प्रदर्शन पर केंद्रित है, इसलिए यह अकेले वर्तमान स्केलिंग प्रक्षेपवक्र के साथ प्राप्य प्रतीत होता है।

चूंकि हस्साबिस के मानक को सभी संज्ञानात्मक डोमेन में लगातार बहुमुखी प्रतिभा की आवश्यकता होती है, इसलिए नई सफलताओं की आवश्यकता होती है जो वर्तमान प्रौद्योगिकी की मूलभूत सीमाओं से परे हों। दिलचस्प बात यह है कि दोनों में से कोई भी दूसरे के दृष्टिकोण को पूरी तरह से खारिज नहीं करता है। हसाबिस ने दावोस में मंच पर कहा, "ऐसा नहीं है कि हमारी राय बहुत अलग है।"

अमोदेई ने अपने 2026 के निबंध "द एडोलसेंस ऑफ टेक्नोलॉजी" में भी स्वीकार किया कि "मजबूत एआई एक या दो साल के भीतर हो सकता है, लेकिन यह काफी दूर भी हो सकता है।" अंतिम लक्ष्य बिंदु पर सहमति है. बस वहां पहुंचने के रास्ते और गति की अलग-अलग व्याख्याएं हैं।

एक कारण है कि यह बहस महत्वपूर्ण है। आप एजीआई को कैसे परिभाषित करते हैं, यह सुरक्षा अनुसंधान की प्राथमिकताओं को बदल देगा, विनियमन के समय को बदल देगा, और दसियों खरबों डॉलर के निवेश निर्णयों को प्रभावित करेगा। हस्साबिस जितनी ऊंचाई पर बार स्थापित करने से यह संदेश जाता है कि "अभी भी बहुत लंबा रास्ता तय करना है।"

आर्मोडे जैसे प्रदर्शन-संचालित मानक स्थापित करना एक चेतावनी के रूप में कार्य करता है कि "यह जल्द ही आने वाला है।" जो भी सही है, दोनों परिभाषाएँ एक बात मानती हैं: अब हम जो बना रहे हैं वह है

रयु इतिहास में अभूतपूर्व है और इसका अर्थ समझने के लिए सटीक भाषा की आवश्यकता है। कोडिंग, गणित, प्राकृतिक विज्ञान, भौतिक एआई (रोबोटिक्स) मई 2025, Google I/O सम्मेलन में फायर असाइड चैट। हस्साबिस के बगल में Google के सह-संस्थापक सर्गेई ब्रिन बैठे थे। जब मेजबान ने वर्तमान एआई सिस्टम की सीमाओं के बारे में पूछा, तो हस्साबिस ने एक स्पष्ट सीमा रेखा खींची।

"अगर एआई कुछ ऐसा कर सकता है जो 90 प्रतिशत लोग नहीं कर सकते हैं, तो यह आर्थिक और उत्पाद परिप्रेक्ष्य से एक महत्वपूर्ण मील का पत्थर है। लेकिन आइए इसे एजीआई न कहें। यह 'विशिष्ट मानव बुद्धि' के स्तर पर होना चाहिए।" यह कथन दिखाता है कि एजीआई का दायरा कितना व्यापक है। हस्साबीस जिस एजीआई की कल्पना करता है वह कई संज्ञानात्मक डोमेन में कटौती करता है।

इनमें कोडिंग वह क्षेत्र है जो सबसे तेजी से विकसित हो रहा है। 2025 तक, एआई पहले से ही एंट्रोपिक के अपने उत्पादों के लिए अधिकांश प्रोग्रामिंग कार्य कर रहा है, और Google डीपमाइंड के भीतर, एआई का उपयोग कोड जनरेशन और डिबगिंग के लिए भी बड़े पैमाने पर किया जाता है। हस्साबिस कोडिंग और गणित के क्षेत्रों में काम करने के लिए एआई के "सेल्फ इम्प्रूवमेंट लूप" की क्षमता को स्वीकार करते हैं।

ऐसा इसलिए है क्योंकि एआई द्वारा बेहतर कोड लिखने और उस कोड द्वारा बेहतर एआई बनाने का चक्र पहले ही शुरू हो चुका है। हालाँकि, उनका कहना है कि इसे अकेले एजीआई नहीं कहा जा सकता। गणित दूसरा मोर्चा है.

डीपमाइंड के अल्फाप्रूफ और अल्फाजियोमेट्री ने अंतर्राष्ट्रीय गणित ओलंपियाड (आईएमओ) स्तर की समस्याओं को हल किया। AlphaEvolve एक कदम आगे बढ़ता है और एक ऐसे युग की शुरुआत करता है जहां AI खुद एल्गोरिदम डिजाइन करता है। जबकि हेर साबिस को इस उपलब्धि पर गर्व है, वह इसकी सीमाओं को स्पष्ट रूप से पहचानते हैं।

वर्तमान प्रणालियाँ मौजूदा अनुमानों को सत्यापित करने में उत्कृष्ट हैं, लेकिन उनमें स्वयं नए अनुमान प्रस्तावित करने की क्षमता नहीं है। विश्व चैंपियन स्तर पर बडुक खेलना और खेल का आविष्कार करना बुद्धिमत्ता के दो पूरी तरह से अलग स्तर हैं। हस्साबिस बाद की क्षमता, रचनात्मक रूप से आविष्कार करने की क्षमता को एजीआई के लिए एक प्रमुख बेंचमार्क के रूप में देखता है।

प्राकृतिक विज्ञान तीसरा और हस्साबिस के दिल के सबसे करीब है। 50 वर्षों से अनसुलझी प्रोटीन फोल्डिंग समस्या का अल्फाफोल्ड का समाधान एक ऐसी घटना थी जिसने साबित कर दिया कि एआई वैज्ञानिक खोज के लिए एक उपकरण हो सकता है। अल्फ़ाजीनोम ने आनुवंशिक कोड और फ़ंक्शन के बीच संबंधों को मैप करने के लिए काम किया, और GNoME ने नई सामग्रियों की 2.2 मिलियन से अधिक क्रिस्टल संरचनाओं की खोज की।

हालाँकि, इन सभी उपलब्धियों के बावजूद, वर्तमान एआई वैज्ञानिकों की 'मदद' करने का एक उपकरण है, न कि कोई 'वैज्ञानिक' जो स्वयं परिकल्पना बनाता और सत्यापित करता है। यही कारण है कि एजीआई के लिए दो पूर्वापेक्षाओं में से एक, जिसे हसबिस ने दिसंबर 2025 में Google डीपमाइंड पॉडकास्ट में प्रकट किया था, "स्वचालित प्रयोग" है। हमें संपूर्ण वैज्ञानिक अनुसंधान के चक्र को बंद करने की आवश्यकता है, जहां एआई प्रश्न पूछता है, प्रयोगों को डिजाइन करता है, परिणामों की व्याख्या करता है और फिर नई परिकल्पनाएं विकसित करता है। डीपमाइंड की घोषणा कि वह 2026 में यूके में अपनी पहली पूर्ण स्वचालित अनुसंधान प्रयोगशाला खोलेगी, इस दृष्टिकोण का कार्यान्वयन है।

चौथा क्षेत्र सबसे चुनौतीपूर्ण है. भौतिक एआई, या रोबोटिक्स। हसाबिस ने दावोस में मंच पर कहा, "मैं एजीआई की अपनी परिभाषा में भौतिक एआई, रोबोटिक्स, इन सभी चीजों को शामिल करता हूं।" वर्तमान बड़े भाषा मॉडल डिजिटल दुनिया के भीतर काम करते हैं।

पाठ पढ़ें, छवियों का विश्लेषण करें और कोड उत्पन्न करें। लेकिन वास्तविक दुनिया में, एक कप उठाना, ऐसी रसोई में खाना बनाना जहां आप कभी नहीं गए हों, या ऊबड़-खाबड़ इलाके में चलने के लिए पूरी तरह से अलग तरह की बुद्धिमत्ता की आवश्यकता होती है: गुरुत्वाकर्षण, घर्षण, जड़ता और लचीली वस्तुओं की विकृति जैसी भौतिक घटनाओं को वास्तविक समय में समझना और प्रतिक्रिया करना। यही कारण है कि हस्साबिस एजीआई के लिए एक अन्य शर्त के रूप में "विश्व मॉडल" का हवाला देते हैं। डीपमाइंड का जिन्न टेक्स्ट प्रॉम्प्ट से एक इंटरैक्टिव 3D वातावरण बनाता है, और SIMA उस वातावरण के भीतर वस्तुओं को स्थानांतरित करने, बाधाओं से बचने और लक्ष्य खोजने जैसे कार्य करता है।

वीओ वीडियो मॉडल आश्चर्यजनक सटीकता के साथ तरल पदार्थों की गति, प्रकाश के प्रतिबिंब और सामग्रियों की बनावट को पुन: पेश करता है, यह सुझाव देता है कि एआई निष्क्रिय अवलोकन, जैसे यूट्यूब वीडियो के माध्यम से भौतिकी की "सहज समझ" विकसित कर सकता है। यह खोज उस धारणा को चुनौती देती है जो एआई अनुसंधान में लंबे समय से प्रभावी रही है: भौतिक दुनिया को समझने के लिए रोबोट जैसे एक एम्बेडेड एजेंट की आवश्यकता होती है। जैसा कि हस्साबिस कहते हैं, "एजीआई के लिए शर्त होशियार होना नहीं है, बल्कि और अधिक करने में सक्षम होना है।"

कोई चैटबॉट कितना भी धाराप्रवाह क्यों न हो, अगर वह दुनिया को देख, समझ और वास्तव में बदल नहीं सकता है, तो यह सामान्य प्रयोजन वाली बुद्धिमत्ता नहीं है। कोडिंग से लेकर गणित तक, प्राकृतिक विज्ञान से लेकर भौतिक दुनिया तक, लगातार क्षमताएं जो इन सभी क्षेत्रों में व्याप्त हैं। वह हस्साबिस की एजीआई की तस्वीर है। इस पेंटिंग के पूरा होने से पहले अभी भी कुछ रिक्त स्थान भरने हैं।

हस्साबिस: एजीआई के "5 से 10 वर्षों के भीतर" पहुंचने की संभावना, 2030 तक एजीआई तक पहुंचने की 50 प्रतिशत संभावना का अनुमान, हस्साबिस तंत्रिका विज्ञान में डॉक्टरेट के साथ एक शोधकर्ता हैं, और वह संभाव्य भाषा पसंद करते हैं। "पचास प्रतिशत।" रेक्स फ्रीडमैन पॉडकास्ट पर जुलाई 2025 में उपस्थिति में, हस्साबिस ने 50 प्रतिशत संभावना जताई कि एजीआई अगले पांच वर्षों के भीतर, या 2030 के आसपास उभरेगा।

संभावनाएँ आधी-आधी हैं। और दिसंबर 2025 में एक्सियोस एआई+ शिखर सम्मेलन में, उन्होंने इस भविष्यवाणी की फिर से पुष्टि की। "एजीआई, शायद मानव इतिहास का सबसे परिवर्तनकारी क्षण क्षितिज पर है।"

इस भविष्यवाणी के महत्व को समझने के लिए हमें संदर्भ की आवश्यकता है। एआई उद्योग में, टाइमलाइन भविष्यवाणी एक तरह का रणनीतिक बयान है। यदि आप कहते हैं कि यह बहुत करीब है, तो आप निवेश आकर्षित करते हैं, लेकिन जब आप परिणाम नहीं देते हैं, तो आप विश्वास खो देते हैं।

यह कहना सुरक्षित है कि यह बहुत दूर है, लेकिन बाजार की दिलचस्पी कम हो गई है। हस्साबिस का "50 प्रतिशत, 5 से 10 वर्ष" इस स्पेक्ट्रम के ठीक बीच में आता है। और यह जानबूझकर है.

आइए तुलना करें. एंट्रोपिक के डारियो अमोदेई 2026 या 2027 का सुझाव देते हैं। टेस्ला के एलोन मस्क ने भविष्यवाणी की थी कि एआई जो पहले से ही व्यक्तिगत मनुष्यों से आगे निकल जाएगा, 2025 में उभरेगा, और वह एआई जो सभी मनुष्यों को मिलाकर उससे आगे निकल जाएगा, 2030 के आसपास उभरेगा। ओपनएआई के सैम ऑल्टमैन अस्पष्ट शब्द "यथोचित निकट भविष्य" का उपयोग करते हैं। मेटा के मार्क जुकरबर्ग का कहना है कि 12 से 18 महीनों के भीतर अधिकांश कोड एआई द्वारा लिखे जाएंगे।

दूसरी तरफ Baidu के रॉबिन ली जैसी आवाज़ें हैं, जो "10 साल या उससे अधिक" की भविष्यवाणी करते हैं, जबकि मेटा के यान लेकुन का तर्क है कि नई वैज्ञानिक खोजों की आवश्यकता होगी, "कम से कम 10 साल, शायद बहुत अधिक।" हस्साबिस औसत है। जो चीज़ उन्हें अन्य सीईओ से अलग करती है वह यह है कि वह अपने पूर्वानुमानों पर शर्तें लगाते हैं। 50 प्रतिशत का आंकड़ा मानता है "यदि वर्तमान प्रक्षेपवक्र बनाए रखा जाता है।" साथ ही, यह अनिश्चितता छोड़ता है: "ऐसी बाधाएँ हो सकती हैं जिनके बारे में हम अभी तक नहीं जानते हैं।" यह वैज्ञानिकों की भाषा है.

यह निश्चितता के बजाय संभाव्यता के संदर्भ में बोलने की आदत है। वह क्या आधार है जिसके आधार पर हस्साबीस इस भविष्यवाणी पर पहुंचे? उन्होंने कई विशिष्ट विकासों का उल्लेख किया है: जेमिनी श्रृंखला का तीव्र विकास उनमें से एक है। जुलाई 2025 में रेक्स फ्रीडमैन के साथ बातचीत में, हस्साबिस ने कहा, "जेमिनी 3 एक बिल्कुल अद्भुत मॉडल है, बिल्कुल वही जो मैंने उम्मीद की थी और पिछले कुछ वर्षों में हम जिस प्रक्षेप पथ पर चल रहे हैं।"

तर्क कौशल में सुधार, मल्टीमॉडल समझ का विस्तार, और इलेक्ट्रॉनिक प्रणालियों में प्रगति कुछ विशिष्ट प्रगति हैं जिनका उन्होंने उल्लेख किया।

डीपमाइंड का डीपथिंक कई अनुमान प्रक्रियाओं को समानांतर में चलाकर और फिर उन्हें क्रॉस-वैलिडेट करके काम करता है। हस्साबिस ने इसे "स्टेरॉयड पर तर्क" कहा। टेस्ट-टाइम कंप्यूटिंग, या उस बिंदु पर अतिरिक्त गणनाओं को इंजेक्ट करने का दृष्टिकोण जब एआई एक उत्तर उत्पन्न करता है, एक ऐसी पद्धति है जिसे डीपमाइंड अल्फा पागो के दिनों से अग्रणी बना रहा है।

वही सिद्धांत जो गो में कदम रखने से पहले हजारों परिदृश्यों का अनुकरण करते थे, अब भाषा मॉडल पर लागू होते हैं। हसबिस की 50 प्रतिशत भविष्यवाणी में महत्वपूर्ण आपत्तियां हैं। बाकी 50 फीसदी यानी 2030 तक एजीआई नहीं आने की संभावना उतनी ही है.

इसका कारण साफ है। ऐसा इसलिए है क्योंकि हमारी वर्तमान प्रणालियों में तर्क, स्मृति, भौतिक दुनिया को समझने और रचनात्मक आविष्कार की मौलिक क्षमताओं का अभाव है। जनवरी 2025 में एलेक्स कांट्रोविट्ज़ के साथ एक साक्षात्कार में, हस्साबिस ने प्रौद्योगिकी का प्रचार करने वालों की आलोचना करते हुए कहा कि "इस साल कोई भी प्रयोगशाला एजीआई तक नहीं पहुंचेगी।" नोबेल पुरस्कार विजेता और प्रमुख शोधकर्ता की ये टिप्पणियाँ गर्म एजीआई बहस में संयम की एक दुर्लभ आवाज हैं।

दिसंबर 2025 तक, हासबिस का पूर्वानुमान एक संबंध में अद्यतन किया गया है। जब अमोदेई ने दावोस में मंच पर "2026-2027" का सुझाव दिया, तो हसाबिस ने जवाब दिया, "हमारे बीच बहुत अधिक मतभेद नहीं है।" उन्होंने आगे कहा, "मेरी टाइमलाइन थोड़ी लंबी है।"

यह सूक्ष्म दृष्टिकोण प्रतिस्पर्धी दबाव और वैज्ञानिक विवेक को संतुलित करने का एक प्रयास है। बाज़ार तेज़ समय-सीमा चाहते हैं, निवेशक निश्चितता चाहते हैं, लेकिन शोध की वास्तविकताएँ भविष्यवाणियों को धोखा दे सकती हैं। अंततः, हसाबिस की 50 प्रतिशत भविष्यवाणी यही कहती है।

एजीआई आएगा. सवाल "अगर" नहीं है, बल्कि "कब" है। वह 'कब' अब से 5 साल बाद, 10 साल बाद, या उससे भी अधिक समय लग सकता है।

"हमें एक या दो और ट्रांसफॉर्मर-स्तर या अल्फ़ागो-स्तर की सफलताओं की आवश्यकता है," हासबिस ने मई 2025 में Google I/O में एक वाक्य में एजीआई की दूरी को संक्षेप में बताया। "एजीआई जैसी किसी चीज़ तक पहुंचने के लिए एक या दो और नई सफलताओं की आवश्यकता हो सकती है।" मैंने इस विचार को जुलाई में रेक्स फ्रीडमैन पॉडकास्ट पर दोहराया।

"सभी क्षेत्रों में एकरूपता प्राप्त करने के लिए जिसकी सामान्य बुद्धि से अपेक्षा की जाती है, हमें तर्क, स्मृति और शायद विश्व मॉडल जैसे विचारों में एक या दो और चीजों की आवश्यकता है।" यह कथन विनम्र लग सकता है, लेकिन इसके निहितार्थ बहुत बड़े हैं। दो ऐतिहासिक मिसालें हैं जिनका हस्साबीस संदर्भ देते हैं।

एक 2017 में Google ब्रेन टीम द्वारा घोषित ट्रांसफार्मर आर्किटेक्चर है। एक पेपर, "अटेंशन इज़ ऑल यू नीड" ने प्राकृतिक भाषा प्रसंस्करण को पूरी तरह से बदल दिया और जीपीटी श्रृंखला और जेमिनी सहित आधुनिक एआई मॉडल की नींव बन गया। दूसरा 2016 का अल्फ़ागो है।

गहरे तंत्रिका नेटवर्क, सुदृढीकरण सीखने और मोंटे कार्लो पेड़ खोज के अभूतपूर्व संयोजन ने गो के अजेय खेल पर विजय प्राप्त की। दोनों ही मामलों में, यह कोई क्रमिक सुधार नहीं था, बल्कि मौजूदा प्रतिमान से परे एक गुणात्मक छलांग थी। जब हसबिस कहते हैं, "हमें एक या दो और चाहिए," उस सफलता के लिए उम्मीदवार कहां हैं? ऐसे तीन क्षेत्र हैं जिनका वह बार-बार उल्लेख करते हैं:

पहला है तर्क करना। वर्तमान बड़े भाषा मॉडल पैटर्न पहचान के आधार पर प्रतिक्रियाएँ उत्पन्न करते हैं। हालाँकि वे गणित की समस्याओं को हल करते हुए और तार्किक तर्क करते हुए दिखाई देते हैं, लेकिन यह स्पष्ट नहीं है कि यह प्रक्रिया मानव तार्किक सोच की तरह ही काम करती है या नहीं।

डीपमाइंड का डीपथिंक इस समस्या का एक दृष्टिकोण है। समानांतर में कई अनुमान पथों की खोज और पारस्परिक रूप से सत्यापन करने की विधि अल्फ़ागो द्वारा गो चालों का पता लगाने के लिए उपयोग की जाने वाली विधि का विस्तार है। हस्साबिस ने इसे "सफलता का हिस्सा" कहा।

पूर्ण का अर्थ है नहीं. तर्क का अंतिम चरण, स्वयं नई परिकल्पनाएँ उत्पन्न करने और परीक्षण करने की क्षमता, एक ऐसा क्षेत्र है जहाँ हम अभी तक नहीं पहुँचे हैं। दूसरी है स्मृति. वर्तमान एआई मॉडल बातचीत समाप्त होने के बाद उसकी सामग्री को भूल जाते हैं।

सभी इंटरैक्शन एक खाली स्लेट से शुरू होते हैं। मानव बुद्धि निरंतर सीखने, अनुभव संचय करने और पिछली सीख को नई स्थितियों में लागू करने पर बनी है। इस अंतर को पाटने के लिए नए आर्किटेक्चर की आवश्यकता हो सकती है जो एपिसोडिक मेमोरी, सिमेंटिक मेमोरी और प्रक्रियात्मक मेमोरी को एकीकृत करते हैं।

यहीं पर हस्साबिस की तंत्रिका विज्ञान पृष्ठभूमि चमकती है। हिप्पोकैम्पस और एपिसोडिक मेमोरी, जो उनके डॉक्टरेट थीसिस का विषय थे, मस्तिष्क के मुख्य कार्य हैं जिन्हें एआई अभी तक पुन: उत्पन्न करने में सक्षम नहीं हुआ है। तीसरा विश्व मॉडल है. दिसंबर 2025 के Google डीपमाइंड पॉडकास्ट में, हस्साबिस ने एजीआई के लिए दो पूर्वापेक्षाएँ निर्दिष्ट कीं: पहला विश्व मॉडल है, या भौतिकी और अंतरिक्ष को सही मायने में समझने के लिए एआई की क्षमता है। भाषा मॉडल कहानी बताता है

यदि आप इसे सुन सकते हैं, तो विश्व मॉडल पर्यावरण का निर्माण कर सकता है। लेकिन एआई को वास्तविकता से जोड़ने में महत्वपूर्ण कदम प्रयोग है। एक चक्र जिसमें जिन्न स्थिति के अनुसार वास्तविक समय में एक परिदृश्य बनाता है, SIMA उसके भीतर कार्य करता है, और परिणाम, चाहे सफलता हो या विफलता, AI के लिए स्वयं सीखने की सामग्री बन जाती है। यह संज्ञानात्मक बंद लूप है जिसकी कल्पना हस्साबिस करते हैं।

हस्साबिस के निदान के बारे में कुछ संदेह है। इफेक्टिव अल्ट्रूइज्म फोरम का दिसंबर 2025 का विश्लेषण स्पष्ट प्रश्न पूछता है। "हसाबिस ने जिन खुली शोध चुनौतियों को सूचीबद्ध किया है, जैसे कि पदानुक्रमित सुदृढीकरण सीखने, विश्व मॉडल, निरंतर सीखने और रचनात्मक विचार निर्माण, वास्तव में दशकों पुराने हैं। यदि आप अकादमिक डेटाबेस खोजते हैं, तो आप 1990 के दशक की शुरुआत से पदानुक्रमित सुदृढीकरण सीखने के पेपर पा सकते हैं।

"इस विश्वास का आधार क्या है कि ये पुरानी समस्याएं वास्तव में तीन से पांच वर्षों में हल हो जाएंगी?" यह आलोचना एक महत्वपूर्ण बिंदु बनाती है: एआई उद्योग के अधिकांश मौजूदा निवेश बड़े भाषा मॉडल को स्केल करने पर केंद्रित हैं, और हर्साविस का कहना है कि नए विज्ञान की खोज के लिए अपेक्षाकृत कम संसाधन समर्पित किए जा रहे हैं।

हसबिस इस तनाव को "दोनों काम एक साथ करने" के सिद्धांत के साथ हल करते हैं। विचार यह है कि हमारे पास अभी जो तकनीक है उसे जितना संभव हो उतना विकसित किया जाए, साथ ही उन नवाचारों की तैयारी भी की जाए जो 6 महीने से 1 साल में आएंगे। यह एक शतरंज खिलाड़ी की मानसिकता की तरह है। यह आपके सामने एक चाल के लिए तुरंत सर्वश्रेष्ठ कदम उठाने के बारे में है, लेकिन साथ ही अगली दस चालों के लिए आगे की स्थिति का चित्रण करने के बारे में भी है।

अल्फ़ागो में भी यही रणनीति काम करती थी। जिन संख्याओं को आप पहले से जानते हैं, उनमें गहराई से जाने के दौरान, आप साहसपूर्वक उन नई संख्याओं को भी आज़माते हैं जिनके बारे में किसी ने नहीं सोचा होता है। सर्गेई ब्रिन यहां एक दिलचस्प ऐतिहासिक सादृश्य प्रस्तुत करते हैं।

"यदि आप एन-बॉडी समस्या सिमुलेशन के इतिहास को देखें, तो स्मार्ट एल्गोरिदम ने कंप्यूटर प्रदर्शन में सुधार की तुलना में बड़ा अंतर लाया होगा। लेकिन अब, दोनों एक ही समय में सुधार कर रहे हैं।" हसबिस का कहना है कि जिस सफलता की सख्त जरूरत है वह इस एल्गोरिदम में है। यह बड़े डेटा सेंटर बनाने या अधिक जीपीयू जोड़ने के बारे में नहीं है, बल्कि इंटेलिजेंस कैसे काम करता है इसकी एक मौलिक नई समझ है।

कोई नहीं जानता कि यह "एक या दो सफलताएँ" कब, कहाँ या कैसी दिखेंगी। 2015 में किसी को नहीं पता था कि ट्रांसफॉर्मर्स पेपर 2017 में आएगा। अल्फ़ागो के 37वें कदम के बारे में किसी ने पहले से नहीं सोचा था। हसबिस इस अप्रत्याशितता को स्वीकार करते हैं।

फिर भी, उनका कहना है कि उनकी टीम के पास "कई आशाजनक विचार हैं, और हम उन्हें जेमिनी की मुख्यधारा में लाना चाहेंगे।" यदि आप विज्ञान के इतिहास पर नजर डालें तो सफलता हमेशा उन्हीं को मिलती है जो तैयार रहते हैं। हस्साबिस 40 साल से इसकी तैयारी कर रहे हैं।

शतरंज की बिसात पर मेरे सामने सवाल था, "क्या मैं इस बुद्धि का उपयोग किसी बेहतर चीज़ के लिए नहीं कर सकता?" अब हम अंतिम बाधा पर हैं। एजीआई के लिए रोडमैप