एआई मॉडल और प्लेटफ़ॉर्म
विशेषज्ञ एआई प्रौद्योगिकी में एक प्रमुख बाधा को पार करते हैं जो मस्तिष्क तंत्र का उपयोग करता है
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
विभिन्न संस्थानों के कृत्रिम बुद्धिमत्ता (एआई) विशेषज्ञों के एक समूह ने “एआई क्षमताओं को बढ़ाने के लिए एक प्रमुख, लंबे समय से चली आ रही बाधा” को पार किया है। टीम ने मानव मस्तिष्क की ओर देखा, जो कई एआई विकासों के लिए मामला है। विशेष रूप से, टीम ने मानव मस्तिष्क मेमोरी तंत्र के रूप में जाने जाने वाले “रिप्ले” पर ध्यान केंद्रित किया।
गिडो वैन डी वेन पहले लेखक और एक पोस्टडॉक्टरल शोधकर्ता हैं। उन्हें बaylor में प्रिंसिपल जांचकर्ता एंड्रियास टोलियास और यूएमएस अम्हर्स्ट में हावा सीगेलमैन ने ज्वाइन किया।
शोध नेचर कम्युनिकेशंस में प्रकाशित किया गया था।
नई विधि
शोधकर्ताओं के अनुसार, उन्होंने एक नई विधि विकसित की है जो गहरे न्यूरल नेटवर्क को “विनाशकारी भूलने” से कुशलता से बचाती है। जब एक न्यूरल नेटवर्क नई सीखने को अपनाता है, तो यह पहले से सीखे हुए को भूल सकता है।
यह बाधा कई एआई प्रगति को रोकने के लिए क्या है।
“एक समाधान यह होगा कि पहले से मिले उदाहरणों को संग्रहीत करें और जब कुछ नया सीखने के लिए उन्हें फिर से देखें,” शोधकर्ताओं ने लिखा। “हालांकि ऐसा ‘रिप्ले’ या ‘रिहर्सल’ विनाशकारी भूलने को हल करता है, लेकिन लगातार पिछले सीखे हुए कार्यों पर पुन: प्रशिक्षण देना बहुत असुविधाजनक है और संग्रहीत किए जाने वाले डेटा की मात्रा जल्द ही अप्रबंधनीय हो जाती है।”
मानव मस्तिष्क
शोधकर्ताओं ने मानव मस्तिष्क से प्रेरणा ली, क्योंकि यह भूलने के बिना जानकारी बनाने में सक्षम है, जो एआई न्यूरल नेटवर्क के मामले में नहीं है। वर्तमान विकास शोधकर्ताओं द्वारा पहले किए गए पिछले काम पर आधारित था, जिसमें मस्तिष्क में एक तंत्र के बारे में निष्कर्ष शामिल थे जो यादों को भूलने से रोकने के लिए जिम्मेदार माना जाता है। यह तंत्र न्यूरल गतिविधि पैटर्न की पुनरावृत्ति है।
सीगेलमैन के अनुसार, प्रमुख विकास यह है कि “मस्तिष्क में रिप्ले डेटा को संग्रहीत नहीं करता है,” लेकिन “मस्तिष्क उच्च, अधिक अमूर्त स्तर पर यादों के प्रतिनिधित्व को उत्पन्न करता है जिसमें विस्तृत यादों को उत्पन्न करने की आवश्यकता नहीं है।”
सीगेलमैन ने इस जानकारी को लिया और अपने सहयोगियों के साथ मिलकर एक मस्तिष्क जैसे रिप्ले को विकसित करने के लिए काम किया, जहां कोई डेटा संग्रहीत नहीं किया गया था। जैसा कि मानव मस्तिष्क के मामले में है, कृत्रिम नेटवर्क ने पहले देखे गए को लिया ताकि उच्च-स्तरीय प्रतिनिधित्व उत्पन्न किए जा सकें।
विधि बहुत कुशल थी, जिसमें केवल कुछ रिप्ले द्वारा उत्पन्न प्रतिनिधित्व के परिणामस्वरूप पुरानी यादों को याद किया गया जबकि नए सीखे गए। जेनरेटिव रिप्ले विनाशकारी भूलने को रोकने में प्रभावी है, और एक प्रमुख लाभ यह है कि यह प्रणाली को एक स्थिति से दूसरी स्थिति में सामान्य करने की अनुमति देता है।
वैन डी वेन के अनुसार, “यदि हमारा नेटवर्क जेनरेटिव रिप्ले के साथ पहले बिल्लियों को कुत्तों से अलग करना सीखता है, और फिर भालू को लोमड़ी से अलग करना सीखता है, तो यह बिल्लियों को लोमड़ी से अलग बताएगा बिना विशेष रूप से प्रशिक्षित किए जाने के। और उल्लेखनीय बात यह है कि जितना अधिक प्रणाली सीखती है, उतनी ही बेहतर यह नई कार्यों को सीखने में होती है।”
“हम एक नए, मस्तिष्क-प्रेरित रिप्ले के प्रतिबिंब का प्रस्ताव करते हैं जिसमें आंतरिक या छिपे हुए प्रतिनिधित्व को पुन: प्रस्तुत किया जाता है जो नेटवर्क के अपने संदर्भ-मॉड्यूलेटेड फीडबैक कनेक्शन द्वारा उत्पन्न किए जाते हैं,” टीम लिखती है। “हमारी विधि ने डेटा को संग्रहीत किए बिना चुनौतीपूर्ण निरंतर सीखने के बेंचमार्क पर राज्य-कला प्रदर्शन हासिल किया, और यह मस्तिष्क में अमूर्त रिप्ले के लिए एक नई मॉडल प्रदान करता है।”
“हमारी विधि रिप्ले के बारे में कुछ दिलचस्प भविष्यवाणियां करती है कि यह यादों के समेकन में कैसे योगदान कर सकता है,” वैन डी वेन जारी रखते हैं। “हम पहले से ही इनमें से कुछ भविष्यवाणियों का परीक्षण करने के लिए एक प्रयोग चला रहे हैं।”
