चार्ल्स साइमन, ब्रेन सिम्युलेटर II के लेखक – साक्षात्कार श्रृंखला

चार्ल्स साइमन ब्रेन सिम्युलेटर II के लेखक हैं, एक मुफ्त, ओपन-सोर्स सॉफ्टवेयर परियोजना जिसका उद्देश्य एक एंड-टू-एंड आर्टिफिशियल जनरल इंटेलिजेंस (एजीआई) सिस्टम बनाना है

मूल ब्रेन सिम्युलेटर सॉफ्टवेयर 1988 में जारी किया गया था, सॉफ्टवेयर दुनिया में एक बड़ा समय। ब्रेन सिम्युलेटर II अपने पूर्ववर्ती की तुलना में कितना आगे है?

आज की प्रणाली अपने पूर्ववर्ती की तुलना में एक मिलियन गुना तेज है। मूल सॉफ्टवेयर फोरट्रान में लिखा गया था, एक आईबीएम एटी क्लोन पर चलता था, 1,200 न्यूरॉन्स की एक निश्चित सरणी का समर्थन करता था, और प्रति सेकंड लगभग दो चक्रों की गणना करता था। आज का कार्यक्रम एक नेटवर्क पर चल सकता है और एक शक्तिशाली डेस्कटॉप सीपीयू पर प्रति सेकंड 2.5 अरब सिनैप्स को संसाधित कर सकता है।

यह पुस्तक ब्रेन सिम्युलेटर II के बारे में है, एक ओपन-सोर्स सॉफ्टवेयर परियोजना जिसका उद्देश्य एंड-टू-एंड आर्टिफिशियल इंटेलिजेंस बनाना है, इस सॉफ्टवेयर को चलाने के लिए किस प्रकार का कोडिंग अनुभव आवश्यक है?

कोई अनुभव आवश्यक नहीं है। यदि आप एक प्रोग्रामर नहीं हैं, तो आप ब्रेन सिम्युलेटर के साथ समय बिता सकते हैं और न्यूरॉन्स की क्षमताओं और सीमाओं, ज्ञान प्रतिनिधित्व के बारे में थोड़ा जान सकते हैं, और अपने स्वयं के सीमित नेटवर्क भी बना सकते हैं। यदि आप एक प्रोग्रामर हैं, तो आप अधिक गहन तकनीकी विवरणों का पालन करेंगे और अपने स्वयं के मॉड्यूल बनाएंगे ताकि प्रणाली को अधिक उन्नत एजीआई रणनीतियों तक विस्तारित किया जा सके।

एजीआई प्राप्त करने के लिए जैविक रूप से प्रेरित मूल की ओर लौटना क्यों महत्वपूर्ण है?

1980 के दशक में, यह सोचा गया था कि यदि हम एक बड़ा न्यूरल नेटवर्क बना सकते हैं, तो यह स्वतः ही बुद्धिमान हो जाएगा। चालीस वर्षों के बाद, यह परिदृश्य बढ़ते हुए असंभव हो गया है। इसलिए, यदि क्लासिक एआई दृष्टिकोण एजीआई के लिए काम नहीं करते हैं, तो आइए कुछ अलग दृष्टिकोणों पर विचार करें, और हमारे पास केवल एक कार्यशील एजीआई मॉडल है जो मानव मस्तिष्क है।

एक ही समय में, जैविक संभावना के प्रति अंधाधुंध अनुसरण की कोई आवश्यकता नहीं है। उदाहरण के लिए, हम जानते हैं कि हमारे मस्तिष्क दो आंखों द्वारा प्राप्त छवियों में छोटे अंतरों के आधार पर वस्तुओं की दूरी का अनुमान लगा सकते हैं, जो 3डी फिल्मों के लिए आधार है। हमें यह नहीं पता कि मस्तिष्क में यह कैसे काम करता है, इसलिए मैंने इस कार्यक्षमता को एक मॉड्यूल में प्रोग्राम किया है जो त्रिकोणमिति की कुछ पंक्तियों का उपयोग करके दूरी का अनुमान लगाता है। हमें यह यकीन हो सकता है कि आपका मस्तिष्क इस तरह से काम नहीं करता है, लेकिन त्रिकोणमिति दृष्टिकोण संभवतः तेज और अधिक सटीक है।

आप पुस्तक में कहते हैं कि एक एजीआई के लिए रोबोटिक्स की आवश्यकता है, यह इतना महत्वपूर्ण क्यों है?

एक अंधे व्यक्ति को रंग की व्याख्या करने या एक बहरे व्यक्ति को संगीत की व्याख्या करने की कोशिश करें। यदि एक संभावित एजीआई केवल एक कंप्यूटर पर एक कार्यक्रम है, तो यह कैसे किसी तीन साल के बच्चे की तरह बुनियादी चीजों को समझ सकता है? बच्चे का एक दृष्टिकोण है और वह वास्तविकता से घिरा हुआ है। बच्चे को पता है कि वस्तुएं उस वास्तविकता में मौजूद हैं और उनमें से अधिकांश को हेरफेर किया जा सकता है। ब्लॉक के साथ खेलकर एक बच्चा आकार, आकार, ठोसता, गुरुत्वाकर्षण, दृश्य अवरोध, दूरी, और आगे के बारे में जान सकता है। स्वायत्त गति, दृष्टि, और हेरफेर के साथ, एक एजीआई वास्तविकता के बारे में एक कार्यक्रम की तुलना में अधिक मूलभूत स्तर पर जान सकता है जो केवल पाठ और छवि डेटा पर निर्भर करता है।

ब्रेन सिम्युलेटर II का एक महत्वपूर्ण पहलू यह है कि यह बैकप्रोपेगेशन का उपयोग नहीं करता है, इस पद्धति को अपनाने से इनकार करने का तर्क क्या है?

आपका मस्तिष्क बैकप्रोपेगेशन के बिना काम करता है, इसलिए एजीआई को भी इसके बिना संभव होना चाहिए। वास्तव में, बैकप्रोपेगेशन जैविक मॉडल के साथ मौलिक रूप से असंगत है क्योंकि यह सिनैप्स वजन को सटीकता के साथ महसूस करने और संशोधित करने पर निर्भर करता है। ब्रेन सिम्युलेटर के साथ कुछ समय बिताने के बाद, आप निष्कर्ष निकालेंगे कि सिनैप्स वजन को किसी भी डिग्री की सटीकता के साथ सेट करना बहुत मुश्किल है और सिनैप्स वजन को सटीक रूप से महसूस करना असंभव है। मूल समस्या यह है कि आग लगने वाले न्यूरॉन्स सिनैप्स वजन को संशोधित करते हैं लेकिन सिनैप्स वजन को महसूस करने का कोई तरीका नहीं है जो आग लगने वाले न्यूरॉन्स के बिना होता है, इसलिए सिनैप्स वजन को महसूस किए बिना संशोधित नहीं किया जा सकता है।

जब मस्तिष्क की जांच की जाती है, तो यह विकार और यादृच्छिकता की तरह लगता है, क्या यह कुछ ऐसा है जिसे हमें एक सॉफ्टवेयर प्रणाली में पेश करने की आवश्यकता है ताकि वास्तविक एजीआई उभर सके?

मुझे नहीं लगता है। जब आप व्यक्तिगत न्यूरॉन्स और सिनैप्स को देखते हैं, तो उनका कार्य बहुत निर्धारित है, जैसे कि ट्रांजिस्टर। मस्तिष्क में, चीजें यादृच्छिक लगती हैं क्योंकि शोर का स्तर बहुत अधिक है और जानकारी के घटक किसी भी स्पष्ट क्रम में नहीं हैं। लेकिन अपनी दृष्टि पर विचार करें, आप स्पष्टता के साथ पाठ पढ़ सकते हैं और पढ़ने की प्रक्रिया में कोई विकार या यादृच्छिकता नहीं है। इसलिए, हम निष्कर्ष निकालते हैं कि कम से कम आपका दृश्य कॉर्टेक्स तर्कसंगत और पुनरावृत्ति है। फिर भी, जब जांच की जाती है, तो यह बाकी मस्तिष्क की तरह ही विकारपूर्ण लगता है। इसलिए, बाकी मस्तिष्क भी दृश्य कॉर्टेक्स की तरह ही विश्वसनीय और पुनरावृत्ति होने की संभावना है, हम बस अभी तक संगठन और क्रम को नहीं देख पा रहे हैं। यह थोड़ा चीनी पढ़ने जैसा है, मेरे लिए यह विकारपूर्ण अर्ध-यादृच्छिक चिह्न है, लेकिन जो कोई इस भाषा को पढ़ सकता है, वह संगठन को देख सकता है। हम अभी तक मस्तिष्क की आंतरिक भाषा नहीं पढ़ पा रहे हैं।

आप एक अवधारणा को सार्वभौमिक ज्ञान स्टोर (यूकेएस) कहते हैं, आप इसे संक्षेप में बता सकते हैं और इसका महत्व क्या है?

रोबोटिक्स के प्रश्न पर वापस जाने से, आप देख सकते हैं कि सामान्य बुद्धिमत्ता का एक पहलू विभिन्न इंद्रियों से ज्ञान को एकीकृत करने की क्षमता है। आप एक ब्लॉक के बारे में जानते हैं क्योंकि आप इसे देख सकते हैं, छू सकते हैं, और इसके बारे में शब्द सुन सकते हैं। यह सभी जानकारी एक ब्लॉक के बारे में है। इसलिए, एक एजीआई को समान क्षमताएं होनी चाहिए, यह एक सामान्य स्टोरिंग तंत्र होना चाहिए जो विभिन्न प्रकार की विविध जानकारी को संभाल सकता है और विभिन्न आइटमों के बीच उपयोगी संबंध बना सकता है। यूकेएस एक ज्ञान ग्राफ है जो किसी भी प्रकार की जानकारी और संबंधों को संभाल सकता है।

एजीआई के उदय के लिए आपका समय क्षितिज क्या है?

यह कहना मुश्किल है। हमारे पास पहले से ही एजीआई के लिए आवश्यक हार्डवेयर है और मैं देखता हूं कि एक ही ब्रेकथ्रू की आवश्यकता है, और यह किसी भी समय आ सकता है। आइए मैं उस ब्रेकथ्रू का वर्णन करने की कोशिश करूं:

मान लें कि यदि आपको केवल यह पता है कि लाल एक रंग है और नीला एक रंग है, तो मैं आपसे कुछ रंगों के नाम पूछ सकता हूं और आप लाल और नीला कह सकते हैं। प्रश्न यह है कि एक एजीआई “है-एक” संबंध के बारे में कैसे सीख सकता है। मैं आसानी से ऐसा संबंध प्रोग्राम कर सकता हूं, लेकिन फिर मेरा एजीआई नए संबंधों को सीखने में सक्षम नहीं होगा जैसा कि वे मिलते हैं। एक बच्चा निकट/दूर, बड़ा/छोटा, पहले/बाद में, और आगे के संबंधों के बारे में सीख सकता है। लेकिन वे आकार, दूरी, समय, और अधिक जैसी अधिक मूलभूत अवधारणाओं पर निर्भर करते हैं।

क्या आप ब्रेन सिम्युलेटर II या सामान्य रूप से एजीआई के बारे में कुछ और साझा करना चाहेंगे?

जब आप न्यूरॉन्स और सिनैप्स का उपयोग करके सर्किट डिजाइन करने की कोशिश करते हैं जो इन मूलभूत समस्याओं को संबोधित करते हैं, तो आप निष्कर्ष निकालते हैं कि एक अवधारणा का प्रतिनिधित्व कुछ दर्जन सिनैप्स द्वारा नहीं किया जाता है, बल्कि कुछ दर्जन न्यूरॉन्स द्वारा किया जाता है। इसका मतलब है कि मस्तिष्क की क्षमता अरबों चीजों की नहीं है, जैसा कि आम तौर पर माना जाता है, बल्कि यह कुछ दस लाख या सौ मिलियन चीजों को समझने तक सीमित है। इस बात को ध्यान में रखते हुए, एक नासिर एजीआई जो केवल दस मिलियन चीजों को समझ सकता है, कम से कम कुछ मूलभूत अवधारणाओं को समझने में सक्षम होना चाहिए। और एक कंप्यूटर प्रणाली जो दस मिलियन चीजों का प्रतिनिधित्व करती है, वह आज के हार्डवेयर के दायरे में है, शायद даже आज के डेस्कटॉप कंप्यूटर में।

ब्रेन सिम्युलेटर का वी1.0 रिलीज़ वास्तव में इसकी “आगमन” है। यह अब उस क्षमता और पॉलिश किए गए यूआई के साथ है जो इसे एक अधिक सामान्य शोध दर्शकों के लिए बहुत अधिक उपयोगी बनाता है। यह एक समुदाय परियोजना है जिसमें एक बढ़ती विकास टीम और एक बड़ा उपयोगकर्ता निगम है। हम मिलकर नए विचारों की कोशिश करेंगे और बुद्धिमत्ता और एजीआई के मूलभूत प्रश्नों पर प्रगति करेंगे।

धन्यवाद महान साक्षात्कार के लिए, यह हमेशा एजीआई के बारे में आपके साथ चर्चा करना सुखद है। जो पाठक अधिक जानना चाहते हैं उन्हें ब्रेन सिम्युलेटर II पुस्तक पढ़नी चाहिए।