गूगल रिसर्चर्स ने नए एआई एल्गोरिदम को गणितीय बिल्डिंग ब्लॉक्स से विकसित करने के लिए सिस्टम बनाया

मशीन लर्निंग एक कंप्यूटर एप्लिकेशन को विभिन्न प्रकार के कार्यों में प्रवीण बनाने में सक्षम बनाती है, लेकिन अक्सर एक मशीन लर्निंग आर्किटेक्चर को शून्य से डिज़ाइन करने और फिर उस एल्गोरिदम को प्रशिक्षित करने में बहुत समय लगता है। साइंसअलर्ट द्वारा रिपोर्ट के अनुसार, गूगल ब्रेन के शोधकर्ताओं ने हाल ही में एआई प्रोग्राम बनाने के नए तरीकों के साथ प्रयोग किया है, जो म्यूटेशन पर आधारित तकनीकों का उपयोग करते हैं जो एआई को “जैविक रूप से” विकसित करने की अनुमति देते हैं।

गूगल का ऑटोमेल सिस्टम पहले से ही एआई प्रोग्राम बना रहा है, और इनमें से कई प्रोग्राम मानव इंजीनियरों द्वारा डिज़ाइन किए गए मॉडलों की तुलना में बेहतर प्रदर्शन करते हैं। हालांकि, गूगल शोधकर्ताओं ने इस सिस्टम को विस्तारित करने में सक्षम थे, जो शोध जारी किया जो यह सुझाव देता है कि सिस्टम का उपयोग नए, अधिक कुशल और शक्तिशाली एल्गोरिदम को “खोज” करने के लिए किया जा सकता है, जो एक प्रक्रिया के माध्यम से होता है जो विकास की नकल करता है। यह प्रक्रिया गणितीय फंक्शन के म्यूटेशन पर आधारित है और यह एआई सिस्टम में अक्सर डेटा के माध्यम से अपना रास्ता बनाने वाले मानव पूर्वाग्रह को कम करने में भी मदद कर सकती है।

गूगल शोध टीम पिछले महीने अर्क्सिव पर एक पेपर प्री-प्रकाशित किया, जिसका शीर्षक “स्क्रैच से मशीन लर्निंग एल्गोरिदम विकसित करना” है। इसमें, शोध टीम अपने नए सिस्टम, ऑटोमेल-जीरो के बारे में चर्चा करती है। ऑटो-एमएल जीरो बुनियादी गणितीय संचालन को ट्वीक करके काम करता है, उन्हें नए, जटिल एल्गोरिदम के लिए बिल्डिंग ब्लॉक के रूप में उपयोग करता है। ऑटोमेल-जीरो के साथ डिज़ाइन किए गए सिस्टम अन्य एआई की तुलना में अधिक शक्तिशाली और सटीक हो सकते हैं, लेकिन शोध टीम ने एक विशिष्ट लक्ष्य के साथ प्रक्रिया का परीक्षण किया – सामान्य मशीन लर्निंग मॉडल और डेटासेट में मानव पूर्वाग्रह को ठीक करना। शोधकर्ता अपने शोध पत्र में समस्या का वर्णन करते हैं:

“मानव-डिज़ाइन किए गए घटक ऑटोमेल के परिणामों को मानव-डिज़ाइन किए गए एल्गोरिदम के पक्ष में पूर्वाग्रहित करते हैं, संभावित रूप से ऑटोमेल की नवाचार क्षमता को कम करते हैं। नवाचार को सीमित करने वाला एक और कारक यह है कि आपके पास कम विकल्प हैं: आप जो खोज नहीं सकते हैं उसे खोज नहीं सकते।”

ऑटोमेल-जीरो एक तीन-चरण दृष्टिकोण के साथ काम करता है: सेटअप, पूर्वानुमान, और सीखना। ऑटोमेल-जीरो 100 एल्गोरिदम लेता है जो सरल गणितीय संचालन के यादृच्छिक संयोजन के माध्यम से बनाए जाते हैं, फिर एल्गोरिदम एक दूसरे के खिलाफ प्रतिस्पर्धा करते हैं। एक बार सर्वश्रेष्ठ प्रदर्शन करने वाले एल्गोरिदम की पहचान हो जाने के बाद, इन एल्गोरिदम में छोटे बदलाव किए जाते हैं और फिर एक और परीक्षण दौर आयोजित किया जाता है। यह प्रतिस्पर्धा और म्यूटेशन की प्रक्रिया एक “सर्वश्रेष्ठ की उत्तरजीविता” चयन प्रक्रिया की नकल करती है।

रिपोर्ट के अनुसार, पूरी प्रक्रिया को बहुत तेजी से किया जा सकता है, क्योंकि सिस्टम प्रति सेकंड प्रति प्रोसेसर 10,000 संभावित एल्गोरिदम को संसाधित करने में सक्षम है। यह प्रक्रिया मानव ऑपरेटरों से बहुत कम इनपुट के साथ 24/7 परीक्षण जारी रख सकती है।

आजकल सबसे प्रभावशाली एल्गोरिदमिक सिस्टम बस उन एल्गोरिदम के थोड़े बदलाव हैं जो कंप्यूटर विज्ञान और एआई में एक लंबा इतिहास रखते हैं, जो स्केल अप किए गए हैं। न्यूज़वीक द्वारा उद्धृत हारान जैक्सन के अनुसार, नए पेपर के बारे में सबसे दिलचस्प बात यह है कि सिस्टम व्यापक रूप से उपयोग किए जाने वाले लोगों से मूल रूप से अलग नए एल्गोरिदम की खोज कर सकता है।

“समुदाय के कई सदस्यों के बीच एक भावना है कि कृत्रिम बुद्धिमत्ता की सबसे प्रभावशाली उपलब्धियां केवल नए एल्गोरिदम के आविष्कार के साथ हासिल की जाएंगी जो हमारे द्वारा अब तक विकसित किए गए लोगों से मूल रूप से अलग हैं,” जैक्सन ने कहा। “यही बात उपरोक्त पेपर को इतना दिलचस्प बनाती है। यह एक तरीका प्रस्तुत करता है जिससे हम स्वचालित रूप से पूरी तरह से नए मशीन लर्निंग एल्गोरिदम का निर्माण और परीक्षण कर सकते हैं।”

ऑटोमेल-जीरो अभी भी प्रूफ ऑफ कॉन्सेप्ट चरण में है और इसके उपयोगी एल्गोरिदम का उत्पादन करने से पहले बहुत काम करने की आवश्यकता होगी, जो आज के सबसे उन्नत एआई अनुप्रयोगों को चलाने वाले एल्गोरिदम के रूप में हैं। हालांकि, सिस्टम पर किए गए शोध का उपयोग अन्य एल्गोरिदम के डिज़ाइन को सूचित करने के लिए किया जा सकता है, भले ही ऑटोमेल-जीरो पूरा न हो।