कृत्रिम बुद्धिमत्ता
न्यूरोनल विविधता को अपनाना: एआई दक्षता और प्रदर्शन में एक छलांग
विविधता की भूमिका जीव विज्ञान से लेकर समाजशास्त्र तक विभिन्न क्षेत्रों में चर्चा का विषय रही है। हालाँकि, हाल ही में एक अध्ययन नॉर्थ कैरोलिना स्टेट यूनिवर्सिटी की नॉनलाइनियर आर्टिफिशियल इंटेलिजेंस लेबोरेटरी (NAIL) से इस चर्चा में एक दिलचस्प आयाम खुलता है: कृत्रिम बुद्धिमत्ता (एआई) तंत्रिका नेटवर्क के भीतर विविधता।
आत्म-प्रतिबिंब की शक्ति: आंतरिक रूप से तंत्रिका नेटवर्क को ट्यून करना
एनसी राज्य में भौतिकी के प्रोफेसर और एनएआईएल के निदेशक विलियम डिट्टो और उनकी टीम ने एक एआई सिस्टम बनाया जो "अंदर की ओर देख सकता है" और अपने तंत्रिका नेटवर्क को समायोजित कर सकता है। यह प्रक्रिया एआई को उसके न्यूरॉन्स के बीच संख्या, आकार और कनेक्शन शक्ति निर्धारित करने की अनुमति देती है, जो विभिन्न न्यूरोनल प्रकारों और शक्तियों के साथ उप-नेटवर्क की क्षमता प्रदान करती है।
डिट्टो कहते हैं, "हमने एक गैर-मानवीय बुद्धि, एक कृत्रिम बुद्धि के साथ एक परीक्षण प्रणाली बनाई, यह देखने के लिए कि क्या एआई विविधता की कमी के बजाय विविधता का चयन करेगा और क्या उसकी पसंद एआई के प्रदर्शन में सुधार करेगी।" "कुंजी एआई को अंदर देखने और यह सीखने की क्षमता दे रही थी कि वह कैसे सीखती है।"
स्थिर, समान न्यूरॉन्स का उपयोग करने वाले पारंपरिक एआई के विपरीत, डिट्टो के एआई में "अपने मस्तिष्क के लिए नियंत्रण घुंडी" है, जो इसे मेटा-लर्निंग में संलग्न करने में सक्षम बनाता है, एक ऐसी प्रक्रिया जो इसकी सीखने की क्षमता और समस्या-समाधान कौशल को बढ़ाती है। डिट्टो कहते हैं, "हमारा एआई विविध या समरूप न्यूरॉन्स के बीच भी निर्णय ले सकता है," और हमने पाया कि हर मामले में एआई ने अपने प्रदर्शन को मजबूत करने के तरीके के रूप में विविधता को चुना।
प्रदर्शन मेट्रिक्स: विविधता एकरूपता को मात देती है
अनुसंधान टीम ने एक मानक संख्यात्मक वर्गीकरण अभ्यास के साथ एआई के प्रदर्शन को मापा और उल्लेखनीय परिणाम पाए। पारंपरिक एआई, अपने स्थिर और समरूप तंत्रिका नेटवर्क के साथ, 57% सटीकता दर प्रबंधित करते हैं। इसके विपरीत, मेटा-लर्निंग, विविध एआई आश्चर्यजनक रूप से 70% सटीकता तक पहुंच गया।
डिट्टो के अनुसार, विविधता-आधारित एआई अधिक जटिल कार्यों को हल करने में 10 गुना अधिक सटीकता दिखाता है, जैसे कि पेंडुलम के स्विंग या आकाशगंगाओं की गति की भविष्यवाणी करना। "वास्तव में, हमने यह भी देखा कि जैसे-जैसे समस्याएं अधिक जटिल और अराजक होती जाती हैं, एआई की तुलना में प्रदर्शन में और भी नाटकीय रूप से सुधार होता है जो विविधता को गले नहीं लगाता है," उन्होंने विस्तार से बताया।
निहितार्थ: एआई विकास में एक आदर्श बदलाव
इस अध्ययन के निष्कर्षों का एआई प्रौद्योगिकियों के विकास पर दूरगामी प्रभाव है। वे वर्तमान में प्रचलित 'एक आकार-सभी के लिए फिट' तंत्रिका नेटवर्क मॉडल से गतिशील, स्व-समायोजन वाले तंत्रिका नेटवर्क मॉडल में बदलाव का सुझाव देते हैं।
"हमने दिखाया है कि यदि आप एआई को अंदर देखने और यह सीखने की क्षमता देते हैं कि वह कैसे सीखता है तो यह अपनी आंतरिक संरचना - इसके कृत्रिम न्यूरॉन्स की संरचना - को बदल देगा ताकि विविधता को अपनाया जा सके और सीखने और समस्याओं को कुशलतापूर्वक और अधिक सटीक रूप से हल करने की क्षमता में सुधार हो सके। डिट्टो ने निष्कर्ष निकाला। यह उन अनुप्रयोगों में विशेष रूप से प्रासंगिक हो सकता है जिनमें स्वायत्त वाहनों से लेकर चिकित्सा निदान तक उच्च स्तर की अनुकूलनशीलता और सीखने की आवश्यकता होती है।
यह शोध न केवल विविधता के आंतरिक मूल्य पर प्रकाश डालता है बल्कि गतिशील और अनुकूलनीय तंत्रिका वास्तुकला की आवश्यकता को रेखांकित करते हुए एआई अनुसंधान और विकास के लिए नए रास्ते भी खोलता है। नौसेना अनुसंधान कार्यालय और अन्य सहयोगियों के निरंतर समर्थन के साथ, अनुसंधान के अगले चरण का बेसब्री से इंतजार किया जा रहा है।
विविधता के सिद्धांतों को आंतरिक रूप से अपनाने से, एआई सिस्टम को प्रदर्शन और समस्या-समाधान क्षमताओं के मामले में महत्वपूर्ण लाभ मिलेगा, जिससे संभावित रूप से हमारे दृष्टिकोण में क्रांतिकारी बदलाव आएगा। यंत्र अधिगम और एआई विकास।