AI का डायल-अप युग

 (wreflection.com)
2 पॉइंट द्वारा GN⁺ 2025-11-04 | 1 टिप्पणियां | WhatsApp पर शेयर करें
  • 1990 के दशक के शुरुआती इंटरनेट की तरह, AI क्रांति भी ऐसे शुरुआती चरण में है जहाँ अव्यवस्था और अतिरंजित उम्मीदें साथ-साथ मौजूद हैं और अत्यधिक आशावाद तथा संशयवाद—दोनों ही केवल आंशिक रूप से सही हैं
  • क्या AI नौकरियाँ खत्म करेगा या नई बनाएगा, इस पर बहस पहले के इंटरनेट विवादों की तरह ध्रुवीकृत है
  • भविष्यवाणियों के विपरीत रेडियोलॉजिस्टों की नौकरियाँ बढ़ीं, लेकिन यह Jevons paradox (दक्षता बढ़ने से कुल खपत भी बढ़ना) के काम करने का उदाहरण है
  • AI निवेश उन्माद dot-com bubble जैसी गरमी दिखा रहा है, लेकिन hyperscalers का infrastructure investment लंबी अवधि में भविष्य की नींव बनाएगा
  • AI नई job categories और industries बना रहा है, और labour structure में बदलाव इतना गहरा है कि “software engineer” का मतलब भी बदल सकता है

शुरुआती इंटरनेट और AI युग की समानताएँ

  • 1995 में इंटरनेट के शुरुआती प्रसार के समय, वेबसाइटें केवल लगभग 2,000 थीं और उनमें से अधिकांश साधारण text-based संरचना वाली थीं
    • images लोड होने में कई मिनट लगते थे, online payment पर भरोसा नहीं किया जाता था, और “इंटरनेट पर अजनबियों पर भरोसा मत करो” जैसी सलाह आम थी
  • उस समय आशावादियों ने e-commerce और virtual reality की तेज़ वृद्धि की भविष्यवाणी की, जबकि निराशावादियों ने इंटरनेट को एक अस्थायी trend माना
  • 25 साल बाद, लोगों ने social media से news consumption, apps के ज़रिये dating, और sharing economy services का उपयोग जैसी उम्मीद से आगे की बदलौतियाँ देखीं
  • यह लेख कहता है कि “आज का AI युग 1995 के इंटरनेट जैसा है” और रेखांकित करता है कि दोनों छोर की भविष्यवाणियाँ केवल आंशिक रूप से सही होती हैं

रोज़गार का विरोधाभास: automation का असर उद्योग के अनुसार अलग क्यों होता है

  • Geoffrey Hinton ने 2016 में चेतावनी दी थी कि AI बड़े पैमाने पर बेरोज़गारी लाएगा और कहा था कि “रेडियोलॉजिस्टों को ट्रेन करना बंद कर देना चाहिए”
    • लेकिन 2025 में अमेरिका में radiology residency की रिकॉर्ड 1,208 सीटें थीं, जो 4% बढ़ोतरी है, और खाली पदों की दर भी रिकॉर्ड स्तर पर थी
    • औसत वार्षिक वेतन 5.2 लाख डॉलर तक पहुँच गया, जो 2015 की तुलना में 48% अधिक है, और यह चिकित्सा की दूसरी सबसे अधिक वेतन वाली specialty बनी रही
  • शोधकर्ता Deena Mousa ने इस भविष्यवाणी की विफलता का कारण Jevons paradox को बताया
    • AI ने रेडियोलॉजिस्टों की productivity बढ़ाई, जिससे diagnosis cost घटी → ज़्यादा लोगों ने scans कराए → रोज़गार बढ़ा
    • वास्तविक दुनिया की जटिलता, image recognition से आगे के काम, और regulation/insurance barriers भी अतिरिक्त कारण थे
  • Satya Nadella, Aaron Levie जैसे tech उद्योग के लोग “AI लागू होने वाले लगभग हर क्षेत्र में demand बढ़ेगी” जैसी आशावादी राय देते हैं

  • Jevons paradox की सीमाएँ

    • Andrej Karpathy का कहना है कि radiology शुरुआती job replacement analysis के लिए उपयुक्त क्षेत्र नहीं है
      • यह बहुआयामी, high-risk और heavily regulated क्षेत्र है
      • jobs में बदलाव पहले उन क्षेत्रों में आएगा जो सरल, दोहराव वाले, स्वतंत्र, छोटे, और जहाँ गलती की लागत कम हो
    • रोज़गार बढ़ेगा या घटेगा, यह unmet demand के आकार और productivity improvement की गति के बीच प्रतिस्पर्धा पर निर्भर करता है
      • इन दोनों के संतुलन के आधार पर उद्योगों में अलग-अलग परिणाम आते हैं

  • 200 वर्षों के industry data का विश्लेषण

    • अर्थशास्त्री James Bessen के अध्ययन ने 1800~2000 के दौरान textile, steel, और automobile industries में employment/productivity/demand का data दिया
      • textile और steel: automation के बाद लगभग 100 साल तक रोजगार बढ़ा, फिर तेज़ी से गिरा
      • automobile manufacturing: रोज़गार स्थिर रहा और वैसी तेज़ गिरावट नहीं आई
    • productivity graphs में सभी industries में exponential productivity growth दिखी (log scale पर)
      • 1900 का textile worker, 1800 के worker की तुलना में 50 गुना अधिक उत्पादन कर सकता था
    • demand graphs में शुरुआती दौर में कीमतों में गिरावट से mass demand पैदा हुई
      • 1800 के शुरुआती दौर में ज़्यादातर लोग केवल एक पैंट या एक शर्ट खरीद सकते थे
      • automation से कीमतें गिरीं → लोग कई कपड़े खरीद सके → रोज़गार और productivity दोनों तेज़ी से बढ़े

  • demand saturation और रोज़गार में गिरावट

    • जब demand saturate हो जाती है, तो रोजगार peak demand पर ठहर जाता है, लेकिन automation जारी रहता है
      • productivity लगातार बढ़ती रहती है → अंततः रोज़गार गिरने लगता है
      • अनंत कपड़ों या अनंत radiology reports की ज़रूरत नहीं होती
    • cars का मामला अलग है: demand अभी भी saturate नहीं हुई है
      • दुनिया के अधिकांश लोगों के पास अब भी कार नहीं है
      • automation ने भी इसे पूरी तरह नहीं जीता है (Tesla का full manufacturing automation से पीछे हटना मौजूदा तकनीकी सीमाओं का प्रमाण है)
      • जब demand और automation potential दोनों ऊँचे हों, तो रोजगार बना रह सकता है या बढ़ भी सकता है

  • software industry की विशेषता

    • software demand कब saturate होगी, यह एक अनिश्चित सवाल है
      • अब तक manual software development ही constraint रही है
      • महंगे engineers और labour cost ने सीमित किया है कि कंपनियाँ क्या बना सकती हैं
    • अगर automation से engineers की productivity बहुत बढ़ जाती है, तो unmet demand में विस्फोट हो सकता है
      • कई कंपनियों के पास ऐसे project ideas हैं जिनकी business value तो है, लेकिन development cost justify नहीं होती या resources की कमी के कारण वे बन नहीं पाते
      • Amazon का उदाहरण: engineering resources की कमी के कारण हज़ारों ideas को funding नहीं मिली
    • अगर AI बहुत कम लागत पर software बना सके, तो विशाल संभावित demand मुक्त हो सकती है
      • असली सवाल यह है कि वह demand कब saturate होगी

  • उद्योगों में रोज़गार परिणाम तय करने वाले कारक

    • हर उद्योग में रोजगार दो ताकतों की प्रतिस्पर्धा पर निर्भर करता है
      1. unmet market demand का आकार और उसकी growth
      2. क्या demand growth, automation से आई productivity growth से तेज़ है
    • इन दोनों के संतुलन के आधार पर अलग-अलग industries अलग नतीजे देखती हैं

bubble: अव्यावहारिक उन्माद भविष्य का निर्माण करता है

  • 1990 के दशक का dot-com boom वह समय था जब कंपनियाँ अपने नाम में ".com" जोड़कर valuation बढ़ा लेती थीं
    • infrastructure कंपनियों ने fiber optic और undersea cables में अरबों डॉलर निवेश किए (ऐसे महंगे projects जो केवल hype की वजह से संभव हुए)
    • 2000-2001 में dot-com crash बहुत नाटकीय ढंग से आया
  • Cisco जैसी infrastructure कंपनियाँ कुछ समय के लिए दुनिया की सबसे मूल्यवान कंपनियों में शामिल हो गईं, फिर गिर गईं
    • Pets.com ने IPO में 8.25 करोड़ डॉलर जुटाए, Super Bowl ads पर लाखों डॉलर खर्च किए, लेकिन सिर्फ 9 महीने में दिवालिया हो गई

  • dot-com bubble की सकारात्मक विरासत

    • dot-com bubble कई मायनों में सही भी थी
      • इसने physical infrastructure तैयार किया जिसने YouTube, Netflix, और Facebook को संभव बनाया
      • Worldcom, NorthPoint, Global Crossing जैसी कंपनियाँ भले दिवालिया हो गईं, लेकिन उन्होंने भविष्य की नींव रखी
    • crash ने अल्पावधि में skeptics को सही साबित किया, लेकिन लंबी अवधि में optimists दिशात्मक रूप से सही थे

  • आज के AI boom में वैसी ही सनक

    • OpenAI की पूर्व executive Mira Murati द्वारा स्थापित AI startup ने 10 अरब डॉलर valuation पर 2 अरब डॉलर का seed round जुटाया (इतिहास का सबसे बड़ा)
      • न कोई product है, न यह सार्वजनिक किया गया कि क्या बनाया जाएगा या revenue कैसे आएगा
    • कई AI wrappers लगभग बिना moat के seed funding में लाखों डॉलर जुटा रहे हैं

  • hyperscalers का infrastructure investment

    • ChatGPT के लॉन्च के बाद hyperscalers का annual capital expenditure दोगुने से ज़्यादा हो गया
      • Microsoft, Google, Meta, Amazon ने data centers, chips, और computing infrastructure में करीब 500 अरब डॉलर का सामूहिक निवेश किया
    • कौन-सी कंपनियाँ बचेंगी, इससे अलग, आज बनाया जा रहा infrastructure AI के भविष्य की नींव रख रहा है
      • inference capacity से लेकर उसे support करने के लिए ज़रूरी power generation तक

  • AI bubble है या नहीं, इसका आकलन

    • Azeem Azhar ने 5 indicators के आधार पर AI boom को benchmark करने का practical framework दिया
      • आर्थिक बोझ (GDP के मुकाबले investment ratio)
      • industry burden (revenue के मुकाबले capital expenditure ratio)
      • revenue growth trajectory (doubling time)
      • valuation overheating (price-to-earnings ratio)
      • funding quality (capital sources की resilience)
    • विश्लेषण के अनुसार, AI bubble नहीं बल्कि demand-driven boom की स्थिति में है
      • हालांकि, अगर 5 में से 2 indicators red zone में चले जाएँ तो bubble zone में प्रवेश माना जाएगा

  • demand वास्तविक है, लेकिन इससे bubble रुकता नहीं

    • OpenAI इतिहास की सबसे तेज़ी से बढ़ने वाली कंपनियों में से एक है
      • लेकिन सिर्फ इससे bubble रुक नहीं जाता
    • कई AI कंपनियाँ वही unit economics की समस्याएँ झेल रही हैं, जिन्होंने 1990 के दशक की dot-com कंपनियों को भी परेशान किया था
      • Pets.com के भी लाखों users थे, लेकिन “अगर आप 85 cents में 1 dollar बेचते हैं, तो आप अनंत customers पा सकते हैं” वाली कहावत की तरह वह भी दिवालिया हो गई
    • demand होने के बावजूद 1990 के दशक जैसा pattern दोहर सकता है
      • overbuilding होगा, शानदार विफलताएँ होंगी
      • लेकिन infrastructure hype cycle से आगे जाकर ऐसी चीज़ें संभव करेगा जिन्हें आज हम कल्पना भी नहीं कर सकते

अनुमानित रूप से अनिश्चित भविष्य

  • AI क्रांति का शुरुआती चरण

    • हम AI क्रांति के शुरुआती चरण में हैं (इंटरनेट युग के रूपक वाले चरमराते modem चरण की तरह)
      • जैसे infrastructure कंपनियों ने fiber optics में अरबों डॉलर झोंक दिए थे, वैसे ही hyperscalers computing में अरबों डॉलर निवेश कर रहे हैं
      • जैसे startups पहले ".com" जोड़ते थे, वैसे ही अब वे नाम में ".ai" जोड़कर ऊँची valuation चाहते हैं
    • hype उत्साह और निराशा के बीच घूमती रहेगी
      • कुछ भविष्यवाणियाँ हास्यास्पद रूप से ग़लत साबित होंगी
      • कुछ बातें जो आज पागलपन लगती हैं, बाद में सावधानीपूर्ण साबित हो सकती हैं

  • उद्योगों में अलग-अलग परिणाम

    • Jevons वाले आशावादियों के विपरीत, कई चीज़ों की demand मानवीय ज़रूरत पूरी होते ही ठहर जाती है
    • हर industry में रोजगार का परिणाम unmet market demand के आकार और growth, और इस बात पर निर्भर करता है कि क्या demand growth automation से आई productivity growth से आगे निकलती है

  • लागत में कमी नए market segments खोलती है

    • Aswath Damodaran ने यह मानकर Uber को कम आँका कि वह केवल मौजूदा taxi market का हिस्सा लेगी
      • वे यह नहीं देख पाए कि अगर rides बहुत सस्ती हो जाएँ, तो market खुद फैलती है
      • लोगों ने Uber से उन जगहों तक जाना शुरू किया जहाँ वे taxi के किराए पर कभी नहीं जाते
    • इसी तरह AI भी ऐसे products और services संभव बनाएगा जिन्हें मानव intelligence के साथ बनाना अभी बहुत महंगा है
      • एक restaurant owner AI से अपने लिए customized supply-chain software बनाता है (जो human developer से 1 लाख डॉलर में भी कभी नहीं बनता)
      • एक nonprofit उन legal fights के लिए AI deploy करता है, जिन्हें वह पहले वहन नहीं कर सकता था

  • बदलाव अनुमानित है, लेकिन विवरण नहीं

    • 1995 में किसी ने यह भविष्यवाणी नहीं की थी कि लोग इंटरनेट पर अजनबियों के साथ dating करेंगे, उनकी cars (Uber) में बैठेंगे, और उनके homes (Airbnb) में रुकेंगे
      • किसी ने यह भी नहीं कहा था कि influencer युवाओं के बीच सबसे पसंदीदा profession बन जाएगा
    • मानव रचनात्मकता ऐसे परिणाम पैदा करती है जिन्हें मौजूदा mental models से नहीं भाँपा जा सकता
      • नए क्षेत्रों और industries के उभरने की उम्मीद है
    • AI ने पहले ही पिछले 50 वर्षों की तुलना में पिछले 5 वर्षों में animal communication decoding में ज़्यादा मदद की है
      • अगर तकनीक animals के साथ पूर्ण संवाद संभव कर दे, तो वह कौन-सी नौकरियाँ खोलेगी—क्या इसका अनुमान लगाया जा सकता है?
    • 2050 की सबसे वांछनीय नौकरियाँ संभव है कि आज मौजूद ही न हों
      • उनका नाम भी नहीं रखा जा सकता, क्योंकि वे अभी आविष्कृत नहीं हुई हैं

  • job categories का रूपांतरण

    • इंटरनेट ने कुछ jobs को बेकार बनाया, लेकिन दूसरी jobs को बदल दिया और नई categories पैदा कीं
      • AI में भी यही pattern दिखने की उम्मीद है
    • Karpathy का सवाल: “6 महीने पहले मुझसे पूछा गया था कि 5 साल बाद software engineers ज़्यादा होंगे या कम, इस पर वोट करूँ”
      • इसे पाठकों के लिए एक अभ्यास के रूप में छोड़ा गया है

  • पत्रकारों के उदाहरण से सीख

    • अगर 1995 में लौटकर journalists के बारे में वही सवाल पूछा जाता, तो:
      • शायद यह अनुमान लगाया जाता कि इंटरनेट global reach देकर demand बढ़ाएगा, इसलिए ज़्यादा journalists होंगे
      • शुरुआती लगभग 10 वर्षों तक यह अनुमान सही भी रहता (2000 के शुरुआती दशक तक journalism employment बढ़ा)
    • लेकिन 30 साल बाद: अख़बारों की संख्या भी घटी और journalists की संख्या भी
      • फिर भी पहले से कहीं अधिक “journalism” हो रहा है
      • बस यह केवल उन लोगों द्वारा नहीं हो रहा जिन्हें हम journalist कहते हैं
    • bloggers, influencers, YouTubers, newsletter writers वही काम कर रहे हैं जो पारंपरिक journalists किया करते थे

  • software engineer का भविष्य

    • software engineers के साथ भी यही pattern उभरेगा
      • ज़्यादा लोग software engineering का काम करेंगे
      • लगभग 10 साल बाद “software engineer” का अर्थ बदल चुका होगा
    • ऊपर बताए गए restaurant owner की तरह, लोग AI से अपने लिए customized inventory software बनाएँगे
      • वे ख़ुद को software engineer नहीं कहेंगे

  • AI का अप्रत्याशित भविष्य

    • 1995 की तरह, अगर आज AI optimists कहें कि “25 साल में लोग social media influencers की तुलना में AI से news लेना पसंद करेंगे, human actors की जगह AI-generated characters देखेंगे, dating apps की जगह AI matchmakers से साथी ढूँढेंगे (या खुद AI romantic partners का उपयोग करेंगे), ‘AI पर भरोसा मत करो’ को पूरी तरह पलटते हुए जीवन-मरण के फैसलों में AI पर निर्भर होंगे, और बच्चों को पालने तक के लिए AI पर भरोसा करेंगे,”
      • तो अधिकांश लोगों को यह बात अविश्वसनीय लगेगी
    • चाहे natural intelligence हो या artificial, कोई भी निश्चित रूप से नहीं बता सकता कि AI का भविष्य कैसा दिखेगा
      • न tech CEOs, न AI researchers, न इंटरनेट पर लंबी-लंबी बातें करने वाले random लोग
    • चाहे हम विवरण सही पकड़ें या नहीं, AI का भविष्य अभी लोड हो रहा है

संबंधित पढ़ाई

1 टिप्पणियां

 
GN⁺ 2025-11-04
Hacker News राय

  • dot-com bubble के साथ समानता की एक सीमा है
    क्योंकि तब और अब का सामाजिक, राजनीतिक और आर्थिक संदर्भ पूरी तरह अलग है
    भविष्य का अनुमान लगाते समय हम अतीत के पैटर्न का सहारा लेते हैं, लेकिन अक्सर संदर्भ में आए बदलावों को ध्यान में नहीं रख पाते
    इसे सिर्फ मांग या automation से समझाना पर्याप्त नहीं है; राजनीतिक, सामाजिक और आर्थिक systems की परस्पर क्रिया को भी साथ में देखना होगा

  • मेरा मानना है कि अभी AI का mainframe युग चल रहा है
    विशाल centralized models को केवल कुछ बड़ी कंपनियां ही चला सकती हैं, और हम मानो उनके computing resources किराये पर लेकर इस्तेमाल कर रहे हैं
    उम्मीद है कि कभी personal computing का युग आएगा, जब छोटे models हर जगह distributed होंगे

    • personal computing का युग शायद थोड़ी देर का भ्रम भी रहा हो
      आज ज्यादातर लोग cloud-आधारित centralized services से जुड़ने वाले ‘मूर्ख terminals’ की तरह कंप्यूटर इस्तेमाल कर रहे हैं
    • अगर कंपनियां हर दिन ‘सोने के अंडे’ बेच सकती हैं, तो वे भला सोने का अंडा देने वाली हंस क्यों बेचेंगी
    • आजकल software इंटरनेट के बिना काम ही नहीं करता
      email, maps, Git जैसी चीजें भी centralized servers पर बहुत निर्भर हैं, इसलिए लगता है जैसे हम mainframe युग में लौट आए हैं
    • अच्छे छोटे models पहले से मौजूद हैं, लेकिन ज्यादातर लोगों के पास उन्हें चलाने के लिए न hardware है, न तकनीकी माहौल
      LM Studio जैसे tools से खुद आज़माकर देखा जाए, तो महसूस किया जा सकता है कि model पूरी तरह local पर चल सकता है
    • personal computing के दौर में organizations .doc files मांगती थीं, इसलिए Linux को main OS की तरह इस्तेमाल नहीं कर पाते थे
      मैं उस दौर में वापस नहीं जाना चाहता

  • लगा कि कुछ लोग AI को लेकर जरूरत से ज्यादा अतिआत्मविश्वास भरा रवैया दिखाते हैं
    मुझमें इतनी निश्चितता के साथ कुछ कहने का भरोसा नहीं है

    • लेकिन मैं यह पलटकर पूछना चाहूंगा कि क्या उनमें “गलत साबित होने का साहस” है
    • bubble की बात करने वालों में कल्पनाशक्ति की कमी होती है, इसलिए थोड़ी-सी कल्पनाशक्ति भी दूरदर्शी दिखने का भ्रम पैदा कर देती है
      उनकी सोच Dunning-Kruger effect का एक典型 उदाहरण लगती है
    • किसी चीज़ को bubble कहकर पक्का मान लेना भी एक तरह का अहंकार है

  • “AI ज्यादा नौकरियां पैदा करेगा” ऐसा दावा मैंने खुद कभी नहीं सुना
    चाहे physical labor हो या knowledge work, अंततः सबका automation होना तय लगता है; ऐसे में सवाल है कि कौन-सी नौकरियां पैदा होंगी

    • मैं भी यही सोचता हूं
      लगता है लेखक ने अपनी बात को दो ध्रुवों के बीच के मध्य बिंदु जैसा दिखाने के लिए कृत्रिम रूप से दो खेमे बना दिए

  • dot-com दौर की fiber-optic infrastructure की तुलना आज के data centers से करना ठीक नहीं
    fiber-optic cable 10 साल बाद भी उपयोगी रह सकती थी, लेकिन data center की तकनीक कुछ ही सालों में ताजा खाद्य पदार्थ की तरह जल्दी पुरानी हो जाती है
    10 साल बाद आज के equipment में किसी की दिलचस्पी नहीं होगी

  • आजकल AI थकान महसूस होती है
    छोटी email ठीक करने के लिए तो ठीक है, लेकिन गहरे content के लिए खास काम का नहीं
    मुझे नहीं लगता कि इसके लिए पैसे देकर इस्तेमाल करना चाहिए

    • इसके उलट, मेरे लिए AI कठिन समस्याओं का हल निकालने वाला है
      मैं ChatGPT Plus और GitHub Copilot के paid versions इस्तेमाल करता हूं, और ये ऐसे समाधान सुझाते हैं जो मैं खुद नहीं ढूंढ पाया था

  • “महंगे engineer labor cost ने development को सीमित किया” यह दावा गलत है
    बड़ी कंपनियों के पास पूंजी की कमी नहीं होती; असली समस्या software की जटिलता और इंसानी समझ की सीमा है
    अगर इस बिंदु को उठाया जाता, तो बात ज्यादा प्रभावशाली होती
    पूरा लेख दिखावे से भरा हुआ लगता है

  • विश्लेषण अच्छा है, लेकिन इसमें यह बात छूट गई है कि AI अगले 5~10 साल में smartphones या desktops पर सीधे चल सकता है
    अगर ऐसा हुआ, तो मौजूदा data center investment और Nvidia-केंद्रित ढांचा बेअसर हो सकता है

    • अगर ऐसा हुआ, तो हो सकता है हर कंप्यूटर में Nvidia GPU आ जाए

  • 1990 के दशक के लोगों में तकनीकी आशावाद बहुत मजबूत था
    TV पर भी लोग मानते थे कि smartphone जैसे devices जल्द इस्तेमाल में आएंगे, और उल्टा ऐसा लगा कि हकीकत बहुत देर से पहुंची

    • वास्तव में 1993 का AT&T का "You Will" विज्ञापन भविष्य की काफी सटीक भविष्यवाणी करता था
    • मैं अब भी उड़ने वाली कारों का इंतजार कर रहा हूं
    • 1999 में Iceland के national broadcaster की news में भी mobile payment और इंटरनेट को लेकर भविष्यवाणी आई थी
      संबंधित वीडियो देखें

  • लेख अच्छी तरह researched है और रोचक भी, लेकिन मौजूदा LLM reality से कटा हुआ है
    आज के software architecture के साथ SF-स्तर के AI तक पहुंचना मुश्किल है, और सिर्फ बहुत पैसा झोंक देने से यह हल नहीं होगा
    AI investment boom तकनीक से ज्यादा धन के पुनर्वितरण का साधन लगता है, और अतीत के dot-com, real estate, crypto bubbles से अलग नहीं
    AGI इस दौर में नहीं आने वाला, hallucination की समस्या तक हल नहीं हुई है
    सच में जरूरत लोगों में एक-दूसरे के नजरिए को सुनने की क्षमता की है, लेकिन AI उल्टा हर व्यक्ति के bubble को और मजबूत कर रहा है

    • अभी लगता है कि AI भी nuclear fusion, VR, और faster-than-light travel की तरह अतिरंजित उम्मीदों के दौर में प्रवेश कर चुका है