एआई डेवलपर्स के बीच मल्टीमॉडल लर्निंग प्रमुख होती जा रही है

वेंचर मारो (वीबी) ने अपनी साप्ताहिक रिपोर्ट में से एक को कृत्रिम बुद्धिमत्ता के विकास में मल्टीमॉडल लर्निंग के फायदों के लिए समर्पित किया। उनका संकेत एक था रिपोर्ट by एबीआई रिसर्च बात पर।

मुख्य अवधारणा इस तथ्य में निहित है कि "डेटा सेट एआई सिस्टम के मूलभूत निर्माण खंड हैं," और डेटा सेट के बिना, "मॉडल उन रिश्तों को नहीं सीख सकते हैं जो उनकी भविष्यवाणियों को सूचित करते हैं।" एबीआई रिपोर्ट का अनुमान है कि "हालांकि एआई उपकरणों का कुल स्थापित आधार 2.69 में 2019 बिलियन से बढ़कर 4.47 में 2024 बिलियन हो जाएगा, तुलनात्मक रूप से कुछ ही अल्पावधि में इंटरऑपरेबल होंगे।"

यह समय, ऊर्जा और संसाधनों की काफी बर्बादी का प्रतिनिधित्व कर सकता है, "उनके माध्यम से बहने वाले डेटा के गीगाबाइट से पेटाबाइट को एक एआई मॉडल या ढांचे में संयोजित करने के बजाय, वे अपने द्वारा खिलाए गए डेटा को समझने के लिए स्वतंत्र रूप से और विषम रूप से काम करेंगे।

इस पर काबू पाने के लिए, एबीआई का प्रस्ताव है मल्टीमॉडल लर्निंग, एक ऐसी पद्धति जो समेकित हो सकती है डेटा “विभिन्न सेंसर और इनपुट से एक ही सिस्टम में। मल्टीमॉडल लर्निंग पूरक जानकारी या रुझान ले सकती है, जो अक्सर तभी स्पष्ट होते हैं जब वे सभी सीखने की प्रक्रिया में शामिल होते हैं।

वीबी एक व्यवहार्य उदाहरण प्रस्तुत करता है जो छवियों और टेक्स्ट कैप्शन पर विचार करता है। “ यदि अलग-अलग शब्दों को समान छवियों के साथ जोड़ा जाता है, तो इन शब्दों का उपयोग संभवतः समान चीजों या वस्तुओं का वर्णन करने के लिए किया जाता है। इसके विपरीत, यदि कुछ शब्द अलग-अलग छवियों के बगल में दिखाई देते हैं, तो इसका मतलब है कि ये छवियां एक ही वस्तु का प्रतिनिधित्व करती हैं। इसे देखते हुए, एआई मॉडल के लिए पाठ विवरण से छवि वस्तुओं की भविष्यवाणी करना संभव होना चाहिए, और वास्तव में, अकादमिक साहित्य के एक निकाय ने इस मामले को साबित कर दिया है।

संभावित फायदों के बावजूद, एबीआई का मानना ​​है कि तकनीकी दिग्गज भी इसे पसंद करते हैं  आईबीएम, माइक्रोसॉफ्ट, अमेज़ॅन और गूगल मुख्य रूप से यूनिमॉडल सिस्टम पर ध्यान केंद्रित कर रहे हैं। इसका एक कारण यह है कि इस तरह का स्विच चुनौतियाँ प्रस्तुत करेगा।

फिर भी, एबीआई शोधकर्ताओं का अनुमान है कि "रोबोटिक्स, उपभोक्ता, स्वास्थ्य देखभाल और मीडिया और मनोरंजन क्षेत्रों में अपनाए जाने से शिप किए गए उपकरणों की कुल संख्या 3.94 में 2017 मिलियन से बढ़कर 514.12 में 2023 मिलियन हो जाएगी। वे उन कंपनियों के उदाहरणों का हवाला देते हैं जो पहले से ही मल्टीमॉडल लर्निंग लागू कर रही हैं Waymo जो "हाइपर-अवेयर सेल्फ-ड्राइविंग वाहन" बनाने के लिए ऐसे तरीकों का उपयोग कर रहा है इंटेल लैब्स, जहां कंपनी की इंजीनियरिंग टीम "वास्तविक दुनिया के वातावरण में सेंसर डेटा संकलन के लिए तकनीकों की जांच कर रही है।"

इंटेल लैब्स के प्रमुख इंजीनियर ओमेश टिक्कू ने वीबी को यह समझाया “हमने जो किया वह यह है कि, दिन के समय जैसे संदर्भ का पता लगाने के लिए तकनीकों का उपयोग करते हुए, हमने एक प्रणाली बनाई जो आपको बताती है कि सेंसर का डेटा उच्चतम गुणवत्ता का नहीं है। उस आत्मविश्वास मूल्य को देखते हुए, यह अलग-अलग अंतराल पर प्रत्येक के मुकाबले अलग-अलग सेंसर का वजन करता है और हमें वह उत्तर देने के लिए सही मिश्रण चुनता है जिसे हम ढूंढ रहे हैं।

वीबी इसे नोट करता है छवि पहचान और प्राकृतिक भाषा प्रसंस्करण जैसे अनुप्रयोगों में जहां यह अत्यधिक प्रभावी है, वहां यूनिमॉडल लर्निंग प्रमुख रहेगी। साथ ही यह भविष्यवाणी करता है कि "जैसे-जैसे इलेक्ट्रॉनिक्स सस्ता हो जाएगा और गणना अधिक स्केलेबल हो जाएगी, मल्टीमॉडल लर्निंग की प्रमुखता बढ़ने की संभावना है।"