एआई मॉडल और प्लेटफ़ॉर्म
जटिल सीखने के कार्यों को अत्यधिक ऊर्जा दक्षता के साथ हल करने वाला एल्गोरिदम
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
एक अंतरविषयक अनुसंधान टीम ने एक मशीन विकसित करने में महत्वपूर्ण प्रगति की है जो जानकारी को मानव मस्तिष्क की तरह ही कुशलता से संसाधित कर सकती है, जो कि कृत्रिम बुद्धिमत्ता के क्षेत्र में लंबे समय से सought की जा रही है। जर्मनी में हाइडेलबर्ग विश्वविद्यालय और स्विट्जरलैंड में बर्न विश्वविद्यालय में डॉ। मिहाई पेट्रोविकी के नेतृत्व में टीम ने यह अनुसंधान किया है।
अनुसंधान के परिणाम नेचर मशीन इंटेलिजेंस पत्रिका में प्रकाशित हुए हैं।
जैविक रूप से प्रेरित कृत्रिम तंत्रिका नेटवर्क
टीम ने इस चुनौती का सामना करने के लिए जैविक रूप से प्रेरित कृत्रिम तंत्रिका नेटवर्क की ओर देखा। स्पाइकिंग न्यूरल नेटवर्क प्राकृतिक तंत्रिका तंत्र की संरचना और कार्य की नकल करते हैं, और वे शक्तिशाली, तेज़ और ऊर्जा-कुशल होने के कारण एक आशाजनक उम्मीदवार माने जाते हैं। एक प्रमुख चुनौती ऐसे जटिल प्रणालियों को प्रशिक्षित करने की रही है, और टीम अब इस नए एल्गोरिदम के साथ ऐसा करने के करीब पहुंच रही है।
मस्तिष्क में न्यूरॉन्स छोटे विद्युत पल्स का उपयोग करके जानकारी प्रसारित करते हैं, जिन्हें स्पाइक्स कहा जाता है। वे तब ट्रिगर होते हैं जब एक निश्चित उत्तेजना सीमा से अधिक हो जाती है। जानकारी का आदान-प्रदान एकल न्यूरॉन द्वारा स्पाइक्स की आवृत्ति और व्यक्तिगत स्पाइक्स के समय क्रम से बहुत प्रभावित होता है।
जूलियन गोल्ट्ज अनुसंधान समूह में एक पीएचडी उम्मीदवार हैं।
“जैविक स्पाइकिंग नेटवर्क और कृत्रिम तंत्रिका नेटवर्क के बीच मुख्य अंतर यह है कि वे स्पाइक-आधारित जानकारी प्रसंस्करण का उपयोग करके छवि पहचान और वर्गीकरण जैसे जटिल कार्यों को अत्यधिक ऊर्जा दक्षता के साथ हल कर सकते हैं,” गोल्ट्ज कहते हैं।
पूर्ण क्षमता तक पहुंचना
मानव मस्तिष्क और कृत्रिम स्पाइकिंग न्यूरल नेटवर्क दोनों को अपनी पूर्ण क्षमता तक पहुंचने के लिए व्यक्तिगत न्यूरॉन्स को एक दूसरे के साथ ठीक से जोड़ने की आवश्यकता होती है। यही कारण है कि शोधकर्ताओं को यह पता लगाने की आवश्यकता थी कि मस्तिष्क-प्रेरित, या न्यूरोमॉर्फिक प्रणालियों को स्पाइकिंग इनपुट को सही ढंग से संसाधित करने के लिए कैसे समायोजित किया जा सकता है।
लॉरा क्रीनर अनुसंधान टीम की एक और सदस्य हैं।
“यह प्रश्न जैविक मॉडल पर आधारित शक्तिशाली कृत्रिम नेटवर्क के विकास के लिए मौलिक है,” क्रीनर कहती हैं।
स्पाइकिंग न्यूरल नेटवर्क में न्यूरॉन्स को सही समय पर फायर करने की गारंटी देने के लिए विशेष एल्गोरिदम का उपयोग किया जाना चाहिए, और ये एल्गोरिदम न्यूरॉन्स के बीच कनेक्शन को समायोजित करते हैं ताकि नेटवर्क आवश्यक कार्य कर सके। यह कार्य छवियों को उच्च सटीकता के साथ वर्गीकृत करने जैसा कुछ हो सकता है।
यह वह एल्गोरिदम है जिसे टीम ने विकसित किया है।
“इस दृष्टिकोण का उपयोग करके, हम स्पाइकिंग न्यूरल नेटवर्क को एकल स्पाइक्स में कोड और प्रसारित करने के लिए प्रशिक्षित कर सकते हैं। वे विशेष रूप से तेजी से और कुशलता से वांछित परिणाम उत्पन्न करते हैं,” गोल्ट्ज बताते हैं।
शोधकर्ताओं ने इस एल्गोरिदम के साथ प्रशिक्षित एक न्यूरल नेटवर्क को एक भौतिक प्लेटफॉर्म पर लागू करने में भी सफलता प्राप्त की। प्लेटफॉर्म हाइडेलबर्ग विश्वविद्यालय में विकसित ब्रेनस्केलएस-2 न्यूरोमॉर्फिक हार्डवेयर प्लेटफॉर्म था।
शोधकर्ताओं का कहना है कि ब्रेनस्केलएस सिस्टम मानव मस्तिष्क की तुलना में जानकारी को एक हजार गुना तेजी से संसाधित करता है, और साथ ही साथ पारंपरिक कंप्यूटर सिस्टम की तुलना में बहुत कम ऊर्जा की आवश्यकता होती है।
सिस्टम यूरोपीय ह्यूमन ब्रेन प्रोजेक्ट का हिस्सा है। परियोजना न्यूरोमॉर्फिक कंप्यूटिंग जैसी प्रौद्योगिकियों को एक खुले प्लेटफॉर्म में एकीकृत करती है जिसे ईब्रेन्स कहा जाता है।
“हालांकि, हमारा काम न केवल न्यूरोमॉर्फिक कंप्यूटिंग और जैविक रूप से प्रेरित हार्डवेयर के लिए दिलचस्प है, बल्कि यह वैज्ञानिक समुदाय की मांग को भी स्वीकार करता है कि गहरे शिक्षण दृष्टिकोण को तंत्रिका विज्ञान में स्थानांतरित किया जाए और इस प्रकार मानव मस्तिष्क के रहस्यों को और अधिक उजागर किया जाए,” डॉ। पेट्रोविकी कहते हैं।
