एआई मॉडल और प्लेटफ़ॉर्म

कृत्रिम बुद्धिमत्ता को स्वतंत्र रूप से वैज्ञानिक भविष्यवाणियां करने के लिए प्रशिक्षित किया जा सकता है जो पिछले ज्ञान पर आधारित हैं

Ljubinko Zivkovic
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुअनसुपरवाइज़्ड एआई मानवीय इनपुट के बिना पाठ से वैज्ञानिक अर्थ निकाल सकता है।
और देखें
  • अनसुपरवाइज़्ड एआई मानवीय इनपुट के बिना पाठ से वैज्ञानिक अर्थ निकाल सकता है।
  • सिस्टम ने यौगिकों को गुणों से जोड़ा और खोज से वर्षों पहले सामग्रियों का पूर्वानुमान लगाया।
  • स्वचालित भाषा प्रसंस्करण वैज्ञानिक खोज को मानवीय गति से कहीं अधिक तेज़ कर सकता है।

कृत्रिम बुद्धिमत्ता अनुसंधानकर्ताओं के बीच एक चल रही बहस है कि क्या कृत्रिम बुद्धिमत्ता, जैसा कि द नेक्स्ट वेब (TNW) नोट्स, “जल्द ही मानव जैसी सामान्य बुद्धिमत्ता विकसित कर पाएगी जो मानवों के पास है,” इसके लिए गर्म तर्क हैं।

लेकिन ज्ञान का एक और क्षेत्र है जहां कृत्रिम बुद्धिमत्ता आगे बढ़ रही है, और वह है प्राकृतिक भाषा प्रसंस्करण (एनएलपी), जो मशीन लर्निंग के एक बड़े छतरी का हिस्सा है, जिसका उद्देश्य “पाठ्य सामग्री से जानकारी का मूल्यांकन, निष्कर्षण और मूल्यांकन करना” है। इस संबंध में, TNW एक पेपर को इंगित करता है हाल ही में नेचर में प्रकाशित जो बताता है कि एक कृत्रिम बुद्धिमत्ता ने “केवल अनुसंधान प्रकाशनों से अर्थपूर्ण डेटा निकालकर भविष्य की वैज्ञानिक खोजों की भविष्यवाणी की है।”

एक विशिष्ट वैज्ञानिक प्रश्न की जांच और समझने के लिए, पुस्तकों, विशेष प्रकाशनों, वेब पेजों और अन्य प्रासंगिक स्रोतों की जांच करना आवश्यक है। यह एक अत्यधिक समय लेने वाला अभ्यास हो सकता है, विशेष रूप से यदि हमारे पास एक जटिल समस्या या प्रश्न है। यहीं पर एनएलपी आता है। जटिल विधियों और तकनीकों का उपयोग करके, कंप्यूटर प्रोग्राम बड़े पाठ्य डेटासेट से अवधारणाओं, परस्पर संबंधों, सामान्य विषयों और विशिष्ट गुणों की पहचान कर सकते हैं।

जैसा कि ऊपर उल्लिखित अध्ययन में चर्चा की गई है, “अब तक, अधिकांश मौजूदा स्वचालित एनएलपी-आधारित विधियां पर्यवेक्षित हैं, जिन्हें मानव इनपुट की आवश्यकता होती है। मानव द्वारा की जाने वाली पूरी तरह से मैनुअल दृष्टिकोण की तुलना में यह एक सुधार है, लेकिन यह अभी भी एक श्रमसाध्य काम है।” लेकिन इस पेपर को तैयार करने वाले शोधकर्ता एक ऐसी कृत्रिम बुद्धिमत्ता प्रणाली बनाने में सक्षम थे जो “सटीक रूप से जानकारी की पहचान और निष्कर्षण कर सकती थी, स्वतंत्र रूप से। यह डेटा के सांख्यिकीय और ज्यामितीय गुणों पर आधारित जटिल तकनीकों का उपयोग करके रासायनिक नाम, अवधारणाओं और संरचनाओं की पहचान करने में सक्षम था। यह लगभग 1.5 मिलियन वैज्ञानिक पत्रों के सारांशों पर आधारित था।”

फिर, यह मशीन लर्निंग प्रोग्राम “विशिष्ट विशेषताओं जैसे कि ‘तत्व’, ‘ऊर्जावान’ और ‘बाइंडर’ के आधार पर डेटा में शब्दों को वर्गीकृत किया। उदाहरण के लिए, ‘ताप’ को ‘ऊर्जावान’ के रूप में वर्गीकृत किया गया, और ‘गैस’ को ‘तत्व’ के रूप में वर्गीकृत किया गया। यह कुछ यौगिकों को चुंबकत्व के प्रकार और अन्य सामग्रियों के साथ समानता के साथ जोड़ने में मदद करता है, जिसमें मानव हस्तक्षेप की आवश्यकता नहीं होती है।”

इस विधि ने कृत्रिम बुद्धिमत्ता को “जटिल संबंधों को पकड़ने और विभिन्न स्तरों की जानकारी की पहचान करने में सक्षम बनाया, जो मानवों द्वारा लगभग असंभव होगा।” यह वैज्ञानिकों द्वारा की जा रही खोजों से बहुत आगे की जानकारी प्रदान करने में सक्षम बनाया। कृत्रिम बुद्धिमत्ता ने वास्तविक खोज से कई वर्षों पहले कार्यात्मक अनुप्रयोगों के लिए सामग्री की सिफारिश की। ऐसी पांच भविष्यवाणियां थीं, सभी 2009 से पहले प्रकाशित पत्रों पर आधारित थीं। उदाहरण के लिए, कृत्रिम बुद्धिमत्ता ने एक पदार्थ की पहचान की जिसे CsAgGa2Se4as के रूप में जाना जाता है, जो एक थर्मोइलेक्ट्रिक सामग्री है, जिसे वैज्ञानिकों ने 2012 में खोजा था। इसलिए, यदि कृत्रिम बुद्धिमत्ता 2009 में मौजूद थी, तो यह खोज को तेज कर सकती थी।”

Ljubinko Zivkovic

पूर्व राजनयिक और संयुक्त राष्ट्र के लिए अनुवादक, वर्तमान में स्वतंत्र पत्रकार/लेखक/अनुसंधानकर्ता, आधुनिक प्रौद्योगिकी, कृत्रिम बुद्धिमत्ता और आधुनिक संस्कृति पर ध्यान केंद्रित कर रहे हैं।