जानवरों के मस्तिष्क पर कृत्रिम तंत्रिका नेटवर्क (एएनएन) की मॉडलिंग

कोल्ड स्प्रिंग हार्बर लेबोरेटरी (सीएसएचएल) के न्यूरोसाइंटिस्ट एंथनी ज़ेडोर ने दिखाया है कि विकास और जानवरों के दिमाग को मशीन लर्निंग के लिए प्रेरणा के रूप में इस्तेमाल किया जा सकता है। यह एआई को कई अलग-अलग समस्याओं को हल करने में मदद करने में फायदेमंद हो सकता है। 

सीएसएचएल के न्यूरोसाइंटिस्ट एंथनी ज़ेडोर के अनुसार, जानवरों के दिमाग को देखकर आर्टिफिशियल इंटेलिजेंस (एआई) में काफी सुधार किया जा सकता है। इस दृष्टिकोण के साथ, न्यूरोवैज्ञानिकों और एआई क्षेत्र में काम करने वालों के पास एआई की कुछ सबसे गंभीर समस्याओं को हल करने का एक नया तरीका है। 

एंथोनी ज़ेडोर, एमडी, पीएच.डी., ने अपने करियर का अधिकांश समय जीवित मस्तिष्क के भीतर जटिल तंत्रिका नेटवर्क को समझाने के लिए समर्पित किया है। वह व्यक्तिगत न्यूरॉन तक पूरी तरह नीचे चला जाता है। अपने करियर की शुरुआत में उन्होंने कुछ अलग चीज़ पर ध्यान केंद्रित किया। उन्होंने कृत्रिम तंत्रिका नेटवर्क (एएनएन) का अध्ययन किया। एएनएन कंप्यूटिंग सिस्टम हैं जो एआई क्षेत्र में हमारे अधिकांश विकास का आधार रहे हैं। इन्हें जानवरों और मानव मस्तिष्क दोनों के नेटवर्क के आधार पर तैयार किया गया है। अब तक, यह अवधारणा यहीं रुक गई थी। 

ज़ेडोर द्वारा लिखित एक हालिया परिप्रेक्ष्य लेख प्रकाशित हुआ था प्रकृति संचार। उस टुकड़े में, ज़ेडोर ने विस्तार से बताया कि कैसे नए और बेहतर शिक्षण एल्गोरिदम एआई सिस्टम को उस स्तर तक विकसित करने में मदद कर रहे हैं जहां वे मनुष्यों से बेहतर प्रदर्शन करते हैं। यह विभिन्न प्रकार के कार्यों, समस्याओं और शतरंज और पोकर जैसे खेलों में होता है। हालाँकि इनमें से कुछ कंप्यूटर विभिन्न प्रकार की जटिल समस्याओं में इतना अच्छा प्रदर्शन करने में सक्षम हैं, फिर भी वे अक्सर उन चीज़ों से भ्रमित हो जाते हैं जिन्हें हम मनुष्य सरल मानते हैं। 

यदि इस क्षेत्र में काम करने वाले लोग इस समस्या को हल करने में सक्षम होते, तो रोबोट विकास के उस बिंदु तक पहुंच सकते थे जहां वे शिकार का पीछा करना या घोंसला बनाना जैसी बेहद प्राकृतिक और जैविक चीजें करना सीख सकते थे। वे बर्तन धोने जैसा कुछ भी कर सकते हैं, जो रोबोटों के लिए बेहद मुश्किल साबित हुआ है। 

“जो चीज़ें हमें कठिन लगती हैं, जैसे अमूर्त विचार या शतरंज खेलना, वे वास्तव में मशीनों के लिए कठिन चीज़ नहीं हैं। जो चीजें हमें आसान लगती हैं, जैसे भौतिक दुनिया के साथ बातचीत करना, वही कठिन है," ज़ेडोर ने समझाया। "हमें लगता है कि यह आसान है इसका कारण यह है कि हमारे पास आधे अरब वर्षों का विकास है जिसने हमारे सर्किट को तार-तार कर दिया है ताकि हम इसे आसानी से कर सकें।"

ज़ेडोर का मानना ​​है कि यदि हम चाहते हैं कि रोबोट त्वरित शिक्षा प्राप्त करें, कुछ ऐसा जो इस क्षेत्र में सब कुछ बदल देगा, तो हम केवल एक पूर्ण सामान्य शिक्षण एल्गोरिदम को नहीं देखना चाहेंगे। वैज्ञानिकों और अन्य लोगों को जैविक तंत्रिका नेटवर्क की ओर ध्यान देना चाहिए जो प्रकृति और विकास के माध्यम से हमें दिया गया है। इनका उपयोग विशिष्ट प्रकार के कार्यों को त्वरित और आसान तरीके से सीखने के लिए आधार के रूप में किया जा सकता है, ऐसे कार्य जो अस्तित्व के लिए महत्वपूर्ण हैं। 

ज़ेडोर इस बारे में बात करते हैं कि अगर हम आनुवंशिकी, तंत्रिका नेटवर्क और आनुवंशिक प्रवृत्ति पर ध्यान दें तो हम अपने पिछवाड़े में रहने वाली गिलहरियों से क्या सीख सकते हैं।

“आपके पास ऐसी गिलहरियाँ हैं जो जन्म के कुछ ही हफ्तों के भीतर एक पेड़ से दूसरे पेड़ पर छलाँग लगा सकती हैं, लेकिन हमारे पास चूहे नहीं हैं जो एक ही चीज़ सीख रहे हों। क्यों नहीं?" ज़ेडोर ने कहा। "ऐसा इसलिए है क्योंकि किसी व्यक्ति का पेड़ पर रहने वाला प्राणी बनना आनुवंशिक रूप से पूर्व निर्धारित है।"

ज़ेडोर का मानना ​​है कि एक चीज़ जो आनुवंशिक प्रवृत्ति से आ सकती है वह है जन्मजात सर्किटरी जो एक जानवर के भीतर होती है। यह उस जानवर की मदद करता है और उसकी प्रारंभिक शिक्षा का मार्गदर्शन करता है। इसे एआई दुनिया से जोड़ने में एक समस्या यह है कि मशीन लर्निंग में उपयोग किए जाने वाले नेटवर्क, जो एआई विशेषज्ञों द्वारा अपनाए जाते हैं, वे प्रकृति की तुलना में कहीं अधिक सामान्यीकृत हैं। 

यदि हम उस बिंदु तक पहुंचने में सक्षम हैं जहां एएनएन विकास में एक बिंदु तक पहुंचते हैं जहां उन्हें प्रकृति में दिखाई देने वाली चीजों के आधार पर तैयार किया जा सकता है, तो रोबोट ऐसे कार्य करना शुरू कर सकते हैं जो एक समय में बेहद कठिन थे।