ज्ञान पर व्याख्यान

—

यह भाषण अरविंद श्रीनिवास ने 3 अक्टूबर 2026 को कैम्ब्रिज यूनियन सोसाइटी में दिया था। कैम्ब्रिज यूनियन सोसाइटी, कैम्ब्रिज विश्वविद्यालय की सबसे बड़ी छात्र सोसाइटी है और दुनिया की सबसे पुरानी लगातार चल रही डिबेटिंग सोसाइटी है।

—

नमस्ते, और धन्यवाद। यहाँ आना मेरे लिए सम्मान की बात है।

कंपनी शुरू करने के बारे में जिन बातों की मुझे उम्मीद नहीं थी, उनमें से एक यह है कि मुझे विश्वविद्यालयों में कितना समय बिताने का मौका मिलता है। मुझे इसमें मज़ा आता है। एक CEO के तौर पर, आमतौर पर विश्वविद्यालयों में ही ऐसे श्रोता मिलते हैं जो पलटकर बहस करते हैं। इसलिए हम चर्चा के लिए उससे ज़्यादा समय रखेंगे, जितना मैं बोलने में बिताने वाला हूँ।

चलिए, शुरू करते हैं।

आमतौर पर, जब मुझे कहीं बोलने के लिए बुलाया जाता है, तो मुझसे भविष्य का अनुमान लगाने वाला कोई भाषण देने को कहा जाता है, जिसका शीर्षक कुछ सामान्य-सा होता है, जैसे “AI का भविष्य।” मैं AI के भविष्य के बारे में बात नहीं करने वाला हूँ। इसके बजाय, मैं आपके भविष्य के बारे में बात करूँगा। आपका भविष्य मेरे लिए ज़्यादा दिलचस्प है, और शायद आपके लिए भी।

पहले, अतीत के बारे में थोड़ी-सी बात। कैम्ब्रिज अतीत और आपके भविष्य, दोनों के बारे में एक साथ बात करने के लिए एकदम सही जगह है, क्योंकि यहाँ ये दोनों मौजूद हैं।

कहा जाता है कि जिसे आज हम पीयर रिव्यू सिस्टम कहते हैं, उसका आविष्कार यहीं कैम्ब्रिज में हुआ था। सटीक सच यह है कि यह सिर्फ़ कैम्ब्रिज के एक प्रोफ़ेसर का विचार था, और उन्होंने इसे यहाँ विश्वविद्यालय में नहीं, बल्कि लंदन की रॉयल सोसाइटी में प्रस्तावित किया था। यह 1831 की बात है। आज पीयर रिव्यू सिस्टम के तहत हर साल 35 लाख से ज़्यादा वैज्ञानिक शोध-पत्र प्रकाशित होते हैं।

लगभग 160 साल बाद, स्टैनफ़ोर्ड में दो PhD उम्मीदवार नेटवर्क स्ट्रक्चर और डेटा माइनिंग पर काम कर रहे थे। यह वह समय था जब 1990 के दशक का इंटरनेट बूम बस शुरू ही हो रहा था। हर कोई सिर्फ़ वर्ल्ड वाइड वेब की ही बात करता था। कुछ-कुछ आज के “AI” की तरह।

आज की तरह ही, तब भी इस बूम के बारे में बात करने वाले ज़्यादातर लोग निवेशक और मीडिया थे। तब का “टेक समुदाय” दूरसंचार उद्योग था। चर्चा में बहुत ज़्यादा शिक्षाविद नहीं थे। (कुछ थे, लेकिन ज़्यादा नहीं)। और ये दोनों PhD छात्र इंटरनेट बूम के अंदरूनी लोगों में तो बिल्कुल नहीं गिने जाते थे।

लेकिन वे एक ऐसी बात जानते थे जिसकी विश्वविद्यालय प्रणाली से बाहर के लोगों को ज़्यादा परवाह नहीं थी।

ज़्यादातर शिक्षाविदों की तरह, वे विश्वविद्यालय के उद्देश्य को समझते थे। विश्वविद्यालय का उद्देश्य ज्ञान को आगे बढ़ाना है।

इसीलिए हम पीयर रिव्यू का इस्तेमाल करते हैं। इसीलिए अकादमिक लेखन में इतने सारे उद्धरण होते हैं। और ये दोनों छात्र जानते थे कि दुनिया में ज्ञान की मात्रा (जिसका अनुमान पीयर-रिव्यू स्तर के शोध-पत्रों की संख्या से लगाया जाता है) सिर्फ़ बढ़ती है। इसलिए उनके लिए यह समझना आसान था कि वेब भी मानव ज्ञान के साथ बस बढ़ता ही जाएगा।

उन्हें एक पुरानी समस्या का अनुभव भी था, जो वेब के लिए “नई” थी: अगर ज्ञान लगातार बढ़ रहा हो, तो सही ज्ञान या सबसे अच्छा ज्ञान कैसे ढूँढा जाए। पुराने मॉडल में, शिक्षाविद यह तय करते हैं कि किसी का शोध उपयोगी या विश्वसनीय है या नहीं, इस आधार पर कि उसे कितनी बार उद्धृत किया गया है।

तो उन्हें एक ऐसा एल्गोरिदम बनाने का विचार आया जो इंटरनेट की हर वेबसाइट का आकलन इस आधार पर करे कि कितनी दूसरी वेबसाइटों ने उसे उद्धृत किया, या उससे लिंक किया, और यह उन साइटों के कंटेंट के संदर्भ में हो।

उन्होंने इस सिस्टम को “पेज रैंक” नाम दिया, क्योंकि वे वेब के हर पेज को रैंक कर रहे थे और क्योंकि इन PhD उम्मीदवारों में से एक का नाम लैरी पेज था।

लैरी और उनके पार्टनर (सर्गेई ब्रिन) ने इस छोटे-से अकादमिक सिद्धांत को लेकर उसे आम लोगों तक पहुँचाया। Google इतिहास के सबसे उपयोगी टूल्स में से एक, और सबसे सफल व्यवसायों में से एक बन गया, क्योंकि लैरी पेज ने बस उस तरीके को अपनाया जो विश्वविद्यालय सौ साल से अपनाते आ रहे थे।

जैसा कि मैंने कहा, विश्वविद्यालय का उद्देश्य ज्ञान को आगे बढ़ाना है। इस भाषण में मैं आपको ज्ञान के बारे में तीन बातें बताने जा रहा हूँ। मेरी आशा है कि अपनी खुद की बुद्धिमत्ता के बारे में सोचकर हम कृत्रिम बुद्धिमत्ता की एक बेहतर व्यावहारिक समझ विकसित कर पाएँगे।

1.

पहली बात, ज्ञान का एक जीवन होता है। यह जन्म लेता है, इसका क्षय होता है, और यह मर जाता है।

इसका एक जीवनचक्र होता है। और क्योंकि इसका जीवनचक्र होता है, इसलिए ज्ञान का क्रमिक विकास होता है।

जैसे-जैसे हमारा ज्ञान विकसित होता है, हम सब ज़्यादा समझदार होते जा रहे हैं। इसे फ़्लिन इफ़ेक्ट कहा जाता है। फ़्लिन इफ़ेक्ट यह अवलोकन है कि मानवता हर दशक में लगभग 3 IQ पॉइंट ज़्यादा समझदार होती जा रही है।

IQ टेस्ट को लगातार फिर से मानकीकृत किया जाता है ताकि औसत 100 पर बना रहे, इसलिए फ़्लिन इफ़ेक्ट को समझने का एक आसान तरीका पर्सेंटाइल है। 1950 में बुद्धिमत्ता के 92वें पर्सेंटाइल में आने वाला व्यक्ति आज सिर्फ़ 50वें पर्सेंटाइल में होगा। हम सब ज़्यादा समझदार हो गए।

1950 वही साल भी है जब ट्यूरिंग टेस्ट का आविष्कार हुआ था। यह यह तय करने वाला पहला टेस्ट था कि कोई मशीन इंसानों से ज़्यादा समझदार है या नहीं, या कब होगी। इसका मतलब है कि 1950 में किसी मशीन के लिए ट्यूरिंग टेस्ट पास करना कहीं ज़्यादा आसान था। क्योंकि तब “मानवीय” बुद्धिमत्ता का पैमाना नीचा था।

और यही क्रमिक विकास की शक्ति है। ज्ञान से हमेशा और ज्ञान पैदा होता है।

इसका नुकसान यह है कि दुनिया ज़्यादा समझदार हो सकती है, लेकिन एक व्यक्ति के रूप में आप कम समझदार हो सकते हैं। ज्ञान का क्षय होता है। इसे अर्ध-आयु की तरह समझें। किसी रेडियोधर्मी तत्व की अर्ध-आयु वह समय है जिसमें उसका आधा हिस्सा क्षय हो जाता है। ज्ञान की अर्ध-आयु वह समय है जिसमें उसका आधा हिस्सा अप्रचलित हो जाता है।

यहाँ कुछ उदाहरण हैं, यहीं कैम्ब्रिज से।

1978 में, सर रॉय काल्न ने प्रत्यारोपण में साइक्लोस्पोरिन को शामिल करने में मदद की। यह अंग अस्वीकृति को रोकने के लिए महत्वपूर्ण था। इसके पहले क्लिनिकल ट्रायल कैम्ब्रिज में हुए थे। 2001 तक, एक और दवा, टैक्रोलिमस, अमेरिका में किडनी प्रत्यारोपण में अपनी श्रेणी का प्रमुख उपचार बन चुकी थी। तो आप कह सकते हैं कि साइक्लोस्पोरिन उपचार से जुड़े चिकित्सा ज्ञान की अर्ध-आयु 23 साल थी।

यह एक अपूर्ण माप है, लेकिन तेज़ी से बदलते क्षेत्रों में इंजीनियरों का आकलन करने के लिए यह एक उपयोगी मॉडल है। हम टेक में ऐसा करते हैं। इसका निहितार्थ यह है, “इस इंजीनियर के करियर में किस मोड़ पर उसका आधा ज्ञान पूरी तरह अप्रचलित हो जाता है?”

आपके करियर में किस मोड़ पर आपके साथ ऐसा होगा? इसका जवाब इस बात पर निर्भर करता है कि आप नई चीज़ें सीखने में कितना समय बिताते हैं।

दुख की बात है कि कुछ दुर्लभ मामलों में ज्ञान भी मर जाता है। ऐसी भाषाएँ हैं जिन्हें बोलने वाला अब कोई नहीं बचा। ऐसी समझ भी होती है जो किसी बुज़ुर्ग के साथ ही ख़त्म हो जाती है।

यही कारण है कि 4,000 से भी ज़्यादा वर्षों से इंसान पुस्तकालय बनाते आए हैं। और जब वेब आया, तो हमने अपने ज्ञान का अनंत गुना ज़्यादा हिस्सा उस पर डाल दिया। तो ज्ञान मरता है, लेकिन ज़रूरी नहीं कि ऐसा हो। शायद मानव स्वभाव के किसी जन्मजात पहलू के कारण, लोगों ने हमेशा ज्ञान को सहेजने की ज़रूरत महसूस की है। हम लगातार उसे सहेजते रहते हैं और दुनिया के कुल ज्ञान को बढ़ाते रहते हैं। यह अच्छी बात है।

मुझे यह स्पष्ट कर देना चाहिए: ज्ञान एक जीवित चीज़ की तरह है, लेकिन यह जीवित नहीं है। सिर्फ़ आप जीवित हैं। मुझे बस लगता है कि जब आप कुछ नया सीख रहे होते हैं, तब आप ज़्यादा जीवंत होते हैं।

वैसे, Perplexity इसीलिए मौजूद है। लेकिन मैं यहाँ Perplexity के बारे में बात करने नहीं आया हूँ। मैं यहाँ आपके बारे में और ज्ञान की अर्थव्यवस्था के बारे में बात करने आया हूँ। और यहीं से मैं अपनी दूसरी बात पर आता हूँ।

2.

दूसरी बात, ज्ञान पैसा नहीं है। लेकिन उसका व्यवहार पैसे जैसा ही होता है।

पैसे का एक समय मूल्य होता है। ब्याज उसे बढ़ाता है, और मुद्रास्फीति उसे घटाती है। पर्याप्त समय के साथ, ब्याज और मुद्रास्फीति दोनों चक्रवृद्धि रूप से बढ़ते हैं।

जब एक लाख पाउंड की क्रय शक्ति चालीस हज़ार पाउंड के बराबर रह जाएगी (शायद लगभग 23 साल में), तब बराबरी पर आने के लिए आपको £2,50,000 की ज़रूरत होगी। उसके 23 साल और बाद, आपको £6,25,000 चाहिए होंगे।

जब चीज़ें चक्रवृद्धि रूप से बढ़ती हैं, तो लाभ या हानि समय के साथ घातांकीय रूप से बढ़ते हैं।

इसीलिए सबसे बुनियादी वित्तीय सिद्धांत यह है कि आपको हमेशा मुद्रास्फीति से ज़्यादा दर पर चक्रवृद्धि ब्याज कमाते रहना चाहिए। क्योंकि अगर आप बढ़ नहीं रहे हैं, तो आप घट रहे हैं। ज्ञान के साथ भी ऐसा ही है।

ठीक पाउंड के मूल्य की तरह, आज आप जो जानते हैं, उसका मूल्य भी समय के साथ घटता जाएगा। और सामान्य मूल्यह्रास की तरह, यह हर दिन बस थोड़ा-थोड़ा घटेगा। यह इतना कम होगा कि आपको शायद ही इसका पता चले। जब तक कि एक दिन आप जागें और पाएँ कि आपके पास कुछ नहीं बचा। आपके ज्ञान का बाज़ार मूल्य पहले जैसा नहीं रहेगा। यह अनिवार्य है। याद रखिए, पाइथागोरस प्रमेय कभी ऐसी चीज़ थी जिसे जानने की अनुमति सिर्फ़ अभिजात वर्ग को थी। लेकिन यहाँ मौजूद हर किसी ने इसे सातवीं कक्षा में सीखा।

हम सब हमेशा के लिए ज़्यादा समझदार होते जाते हैं। जैसा कि मैंने बताया, विश्वविद्यालय का पूरा उद्देश्य यही है। किस्मत ने साथ दिया, तो दूर भविष्य में किसी दिन, आपने यहाँ कैम्ब्रिज में जो पढ़ा है, वह सातवीं कक्षा के बच्चों का पाठ्यक्रम बन सकता है।

अगर ऐसा होता है, तो यह अच्छी बात है। इसका मतलब है प्रगति। लेकिन इसका यह भी मतलब है कि अपने आर्थिक लक्ष्यों के लिए आपको सीखना कभी बंद नहीं करना होगा। आपको ज्ञान की मुद्रास्फीति दर से ज़्यादा ब्याज दर पर सीखना होगा।

दूसरे शब्दों में, आप जो जानते हैं, उसे आपको अपने ज्ञान की अर्ध-आयु से भी तेज़ दर पर दोगुना करना होगा। इसमें समय लगता है। लेकिन जब आप दुनिया को चक्रवृद्धि के नज़रिए से देखते हैं, तो आपको उसे एक लंबे भविष्य को ध्यान में रखकर देखना होता है।

इसीलिए अपनी संपत्ति को चक्रवृद्धि रूप से बढ़ाने की सबसे अच्छी तरकीब है कम उम्र में शुरुआत करना, और दूसरा सबसे अच्छा तरीका है लंबी उम्र तक जीना। वॉरेन बफे ने 11 साल की उम्र में निवेश शुरू किया था, लेकिन उनकी 99% संपत्ति 65 की उम्र के बाद जमा हुई।

यह ज्ञान और पैसे की अंतिम समानता की ओर इशारा करता है। आपको इसे खर्च करना होगा।

जब आपके पास पूँजी होती है, तो आप उसे काम पर लगाते हैं। जब आपके पास ज्ञान होता है, खासकर असाधारण ज्ञान, तो आपको उसे काम में लाना चाहिए। उससे कुछ करें। यही आविष्कार और नवाचार के बीच का अंतर है। आविष्कार पूछता है, “क्या आपने कुछ बनाया?” नवाचार पूछता है, “क्या उससे कोई फ़र्क पड़ा?”

और अगर आप कोई फ़र्क लाना चाहते हैं, तो आपको ज्ञान के आधार पर कदम उठाना होगा। सिर्फ़ कर्म से ही नए सवाल, खोजबीन और नया ज्ञान पैदा होते हैं। आपको हमेशा सीखते रहना होगा, और हमेशा करते रहना होगा।

यहीं पर कृत्रिम बुद्धिमत्ता की भूमिका शुरू होती है, और यही मुझे मेरी तीसरी और अंतिम बात पर लाती है।

3.

AI का उद्देश्य मानव ज्ञान और समृद्धि को गति देना है।

आज शाम मैंने जो पहली दो बातें कही हैं, उन पर गौर कीजिए। मैंने कहा कि ज्ञान का जीवन जैसा स्वभाव होता है, और हमें इसे पोषित करना चाहिए और आगे बढ़ाना चाहिए, क्योंकि मोटे तौर पर इससे लोगों को फ़ायदा होता है। फिर मैंने कहा कि ज्ञान का एक आर्थिक स्वभाव होता है। कि हमें इसे विकसित करना चाहिए, क्योंकि मोटे तौर पर, सभी लोगों को इसका फ़ायदा होता है।

अगर आप इन दो बातों को मानते हैं, तो आपको AI के बारे में भी थोड़ा अलग ढंग से सोचना होगा।

AGI हासिल करने के जुनून में डूबे रहने या सिर्फ़ तकनीक की खातिर तकनीक को स्मार्ट बनाने के बजाय, आप इस नतीजे पर पहुँचेंगे कि बेहतर, ज़्यादा सटीक AI बनाने का कारण लोगों की सेवा करना है।

आप इस नतीजे पर पहुँचेंगे कि AI का सबसे ऊँचा और सबसे महत्वपूर्ण उद्देश्य लोगों को ज़्यादा समझदार और समृद्ध बनाना है।

अगर यह काफ़ी हद तक विश्वविद्यालय के उद्देश्य जैसा लगता है, तो देखिए, हम यहीं तो हैं।

पीयर रिव्यू के बारे में फिर से सोचिए। इसका आविष्कार 1831 में हुआ था। इस साल Perplexity ने Model Council नाम का एक बहुत सरल प्रोडक्ट लॉन्च किया, जो OpenAI के संस्थापक शोधकर्ताओं में से एक के सुझाए गए विचार पर आधारित है। आप तीन AI मॉडल से एक ही सवाल पूछते हैं। हर मॉडल अपना शोध करके जवाब देता है, और फिर एक “अध्यक्ष” मॉडल यह आकलन करता है कि उनमें कहाँ मतभेद हैं और कहाँ सहमति है, और तर्क के आधार पर अंतिम जवाब तैयार करता है।

Model Council पीयर रिव्यू की जगह नहीं लेता। इसके बजाय, इसका उद्देश्य अकादमिक खोज की भावना को ज़्यादा लोगों तक पहुँचाना है। हम विश्वविद्यालय के मूल्यों को इन दीवारों से बाहर, पूरी दुनिया में फैला सकते हैं।

हम ज़्यादा लोगों की मदद कर सकते हैं कि वे सिर्फ़ सही महसूस करने या सही लगने के बजाय वाकई सही हों। वैज्ञानिक तरीके से सत्य और ज्ञान की खोज करना। ब्रह्मांड की दिशा यही है कि हर किसी को ज़्यादा ज्ञान तक ज़्यादा पहुँच मिले। लोगों के पास ज्ञान होना अच्छा है। और इसका फ़ायदा लोगों को ही होता है।

मैं अपनी कंपनी के बारे में एक छोटी-सी कहानी के साथ अपनी बात खत्म करूँगा।

जब हमने शुरुआत की थी, तब हम सिर्फ़ तीन AI शोधकर्ता थे, जिनके पास विज़न से ज़्यादा सवाल थे। फिर, चौथे व्यक्ति को जोड़ते समय, हमने तय किया कि अब हेल्थ इंश्योरेंस लेने का समय आ गया है। अमेरिका में हेल्थ इंश्योरेंस अमेरिकियों के लिए भी जटिल है। मैं अमेरिका से नहीं हूँ, इसलिए मेरे लिए यह और भी उलझन भरा था।

Google के नतीजों से कोई मदद नहीं मिली। और ऐसी स्थिति में कोई फ़ाउंडर आमतौर पर यही करता है कि वह किसी ऐसे व्यक्ति को फ़ोन करता है जो यह पहले कर चुका हो। जैसे कोई निवेशक, या कोई दूसरा फ़ाउंडर। लेकिन रात बहुत हो चुकी थी। मैं इसे निपटाना चाहता था, इसलिए मुझे ज़रूरी ज्ञान खुद ही ढूँढना पड़ा।

इसमें समस्या यह है कि खुद शोध करने का मतलब है Google पर SEO-ऑप्टिमाइज़्ड इंश्योरेंस साइटों को खंगालना, जो सब की सब बुरी सलाह देती हैं और सबसे विश्वसनीय दिखने की होड़ में लगी रहती हैं।

तभी मैंने Perplexity का पहला वर्ज़न बनाया।

इसने मेरे लिए शोध किया। और मैंने इससे जवाबों के लिए स्रोतों का हवाला दिलवाया। ताकि मैं उनकी पुष्टि कर सकूँ, और आगे भी सवाल पूछता रहूँ। और फिर मैंने हमारी हेल्थकेयर की व्यवस्था कर ली। समस्या हल हो गई। फिर अगली समस्या की ओर। और फिर अगली, और फिर अगली। और आज हम यहाँ हैं।

उस कहानी की सीख यह है कि अब आपको “किसी जान-पहचान वाले” की ज़रूरत नहीं है। आप बस चीज़ें सीखकर उन्हें कर सकते हैं। मैं आपको पहले ही बता चुका हूँ कि AI का वादा यह है कि आप कोई भी ज्ञान हासिल कर सकते हैं। इस कहानी की सीख यह है कि कोई भी व्यक्ति कोई भी ज्ञान हासिल कर सकता है।

यही AI का सबसे बड़ा वादा है। अब कोई भी जिज्ञासु हो सकता है। कोई भी कुछ भी बना सकता है। अब कोई भी ज्ञान के मंदिर में प्रवेश कर सकता है। इससे सबको लाभ होता है।

और यह आपके लिए अच्छी खबर है। इसका मतलब है कि अपने बाकी जीवन में आप जो सबसे ज़रूरी काम कर सकते हैं, वह है जिज्ञासु बने रहना। आप सबमें सबसे सफल वही होगा जिसके पास सबसे ज़्यादा सवाल होंगे। और सबसे अच्छे सवाल।

इसलिए मेरी आपको सलाह है कि जितना हो सके, उतने जिज्ञासु बनें। अपने फ़ोन पर सोशल मीडिया स्क्रॉल करने भर से संतुष्ट न हों। ऐसे AI एजेंट से संतुष्ट न हों जो बस डिनर के लिए रिज़र्वेशन करता है–उसके साथ कुछ असली काम करें। और ऐसे चैटबॉट पर कभी भरोसा न करें जो आपसे कहे कि आप पहले से ही सही हैं।

खोज की भावना पर विश्वास रखें। इस पर विश्वास रखें कि आप AI के साथ क्या सीख सकते हैं। इस पर विश्वास रखें कि ऐसा करके आप क्या बनाएँगे। और हम सबके लिए, उसे अच्छा बनाएँ।

धन्यवाद।