एआई मॉडल और प्लेटफ़ॉर्म
बिजली से सीखने वाले सामग्री की खोज
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
आर्गोन नेशनल लेबोरेटरी में वैज्ञानिकों की एक टीम ने एक गैर-जीवित सामग्री में सीखने के व्यवहार को देखा, जो उन्हें लगता है कि बेहतर कृत्रिम बुद्धिमत्ता (एआई) प्रणाली बनाने में मदद कर सकता है।
अध्ययन के बारे में पत्र एडवांस्ड इंटेलिजेंट सिस्टम में प्रकाशित हुआ था।
इस समूह का उद्देश्य अगली पीढ़ी के सुपरकंप्यूटरों को विकसित करना है और मानव मस्तिष्क से प्रेरणा लेना है।
सीखने जैसे व्यवहार वाले गैर-जैविक सामग्री
मस्तिष्क-प्रेरित कंप्यूटर बनाने के लिए अक्सर वैज्ञानिक गैर-जैविक सामग्री की ओर रुख करते हैं जो सीखने जैसे व्यवहार की ओर इशारा करते हैं। इन सामग्रियों का उपयोग नए सॉफ्टवेयर एल्गोरिदम के साथ जोड़कर हार्डवेयर बनाने के लिए किया जा सकता है, जो अधिक ऊर्जा-कुशल एआई को सक्षम बनाता है।
इस नए अध्ययन का नेतृत्व पुर्ड्यू विश्वविद्यालय के वैज्ञानिकों ने किया था। उन्होंने ऑक्सीजन की कमी वाले निकेल ऑक्साइड को छोटे विद्युत पल्स के संपर्क में लाया और सीखने के समान दो अलग-अलग विद्युत प्रतिक्रियाएं प्राप्त कीं। रटगर्स विश्वविद्यालय के प्रोफेसर श्रीराम रमणाथन, जो उस समय पुर्ड्यू विश्वविद्यालय में प्रोफेसर थे, के अनुसार उन्होंने एक सभी-विद्युत-चालित प्रणाली का निर्माण किया जो सीखने के व्यवहार का प्रदर्शन करती है।
इस अनुसंधान टीम ने एडवांस्ड फोटॉन सोर्स (एपीएस), एक यूएस डिपार्टमेंट ऑफ एनर्जी (डीओई) ऑफिस ऑफ साइंस सुविधा के संसाधनों पर भरोसा किया, जो डीओई के आर्गोन नेशनल लेबोरेटरी में स्थित है।
अभ्यस्तता और संवेदनशीलता
पहली प्रतिक्रिया जो होती है वह अभ्यस्तता है, जो तब होती है जब सामग्री थोड़ा झटका लगने की आदी हो जाती है। हालांकि सामग्री का प्रतिरोध最初 के झटके के बाद बढ़ जाता है, शोधकर्ताओं ने देखा कि यह विद्युत उत्तेजना की आदी हो जाती है।
फैनी रोडोलाकिस एपीएस में एक भौतिक विज्ञानी और बीमलाइन वैज्ञानिक हैं।
“अभ्यस्तता तब होती है जब आप एक हवाई अड्डे के पास रहते हैं,” रोडोलाकिस कहते हैं। “जिस दिन आप वहाँ जाते हैं, आप सोचते हैं ‘क्या शोर है’, लेकिन अंततः आप इसकी अधिक ध्यान नहीं देते हैं।”
सामग्री द्वारा दिखाई गई दूसरी प्रतिक्रिया संवेदनशीलता है, जो तब होती है जब एक बड़ी मात्रा में विद्युत दी जाती है।
“एक बड़े उत्तेजना के साथ, सामग्री की प्रतिक्रिया समय के साथ कम नहीं होती है, बल्कि बढ़ जाती है,” रोडोलाकिस कहते हैं। “यह उसी तरह है जैसे आप एक डरावनी फिल्म देख रहे हों और कोई आपके पीछे से ‘बू!’ कहता है – आप वास्तव में कूद जाते हैं।”
“लगभग सभी जीवित प्राणी इन दो विशेषताओं का प्रदर्शन करते हैं,” रमणाथन जारी रखते हैं। “वे वास्तव में बुद्धिमत्ता का एक मूलभूत पहलू हैं।”
इन दोनों व्यवहारों को नियंत्रित करने वाले क्वांटम इंटरैक्शन इलेक्ट्रॉनों के बीच होते हैं। इन इंटरैक्शन को क्लासिकल भौतिकी द्वारा वर्णित नहीं किया जा सकता है, और वे सामग्री में एक चरण परिवर्तन के आधार का निर्माण करने में एक भूमिका निभाते हैं।
“एक चरण परिवर्तन का एक उदाहरण तरल का ठोस बनना है,” रोडोलाकिस कहते हैं। “हम जिस सामग्री को देख रहे हैं वह सीमा पर है, और इलेक्ट्रॉनिक स्तर पर होने वाली प्रतिस्पर्धी इंटरैक्शन को आसानी से छोटे उत्तेजना द्वारा एक तरफ या दूसरी तरफ मोड़ा जा सकता है।”
रमणाथन के अनुसार, एक ऐसी प्रणाली होना आवश्यक है जो पूरी तरह से विद्युत संकेतों द्वारा नियंत्रित की जा सके।
“सामग्री को इस तरह से मैनिपुलेट करने में सक्षम होने से हार्डवेयर बुद्धिमत्ता के लिए कुछ जिम्मेदारी ले सकता है,” वे कहते हैं। “क्वांटम गुणों का उपयोग करके हार्डवेयर में बुद्धिमत्ता लाना ऊर्जा-कुशल कंप्यूटिंग की ओर एक महत्वपूर्ण कदम है।”
स्थिरता-प्लास्टिसिटी द्वंद्व को पार करना
वैज्ञानिक अभ्यस्तता और संवेदनशीलता के बीच के अंतर का उपयोग स्थिरता-प्लास्टिसिटी द्वंद्व को पार करने के लिए कर सकते हैं, जो एआई के विकास में एक बड़ी चुनौती है। एल्गोरिदम अक्सर नई जानकारी के अनुकूल होने के लिए संघर्ष करते हैं, और जब वे ऐसा करते हैं, तो वे अक्सर अपने पिछले अनुभवों या जो उन्होंने सीखा है उसे भूल जाते हैं। यदि वैज्ञानिक एक ऐसी सामग्री बनाते हैं जो अभ्यस्त हो सकती है, तो वे इसे अनावश्यक जानकारी को नजरअंदाज करने या भूलने के लिए सिखा सकते हैं और अतिरिक्त स्थिरता प्राप्त कर सकते हैं। दूसरी ओर, संवेदनशीलता प्रणाली को नई जानकारी को याद रखने और एकीकृत करने के लिए प्रशिक्षित कर सकती है, जो प्लास्टिसिटी को सक्षम बनाती है।
“एआई अक्सर नई जानकारी सीखने और संग्रहीत करने में कठिनाई होती है बिना पहले से संग्रहीत जानकारी को ओवरराइट किए,” रोडोलाकिस कहते हैं। “अधिक स्थिरता एआई को सीखने से रोकती है, लेकिन अधिक प्लास्टिसिटी घातक भूलने का कारण बन सकती है।”
टीम के अनुसार, नए अध्ययन में एक बड़ा फायदा निकेल ऑक्साइड डिवाइस का छोटा आकार था।
“इस प्रकार का सीखना पहले वर्तमान पीढ़ी के इलेक्ट्रॉनिक्स में बिना एक बड़ी संख्या में ट्रांजिस्टर के नहीं किया गया था,” रोडोलाकिस बताते हैं। “एकल जंक्शन प्रणाली सबसे छोटी प्रणाली है जो आज तक इन गुणों का प्रदर्शन करती है, जिसके न्यूरोमॉर्फिक सर्किटरी के संभावित विकास के लिए बड़े प्रभाव हैं।”
