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

मशीन लर्निंग एक कंप्यूटर एप्लिकेशन को विभिन्न कार्यों में प्रवीण बनाने में सक्षम बनाती है, लेकिन अक्सर एक मशीन लर्निंग आर्किटेक्चर को स्क्रैच से डिज़ाइन करने और फिर उस एल्गोरिदम को प्रशिक्षित करने में बहुत समय लगता है। साइंस अलर्ट की रिपोर्ट के अनुसार, गूगल ब्रेन के शोधकर्ताओं ने हाल ही में एआई प्रोग्राम बनाने के नए तरीकों के साथ प्रयोग किया है, जिसमें उत्परिवर्तन के आधार पर तकनीकें शामिल हैं जो एआई को “जैविक रूप से” विकसित करने की अनुमति देती हैं।

गूगल की ऑटोमल सिस्टम ने पहले से ही एआई प्रोग्राम बनाने का काम कर रही है, और इनमें से कई प्रोग्राम मानव इंजीनियरों द्वारा डिज़ाइन किए गए मॉडल्स की तुलना में बेहतर प्रदर्शन करते हैं। हालांकि, गूगल शोधकर्ताओं ने इस सिस्टम को विस्तारित करने में सक्षम थे, जो नए, अधिक कुशल और शक्तिशाली एल्गोरिदम की खोज करने के लिए एक प्रक्रिया का उपयोग करता है जो विकास की नकल करती है। यह प्रक्रिया गणितीय कार्यों के उत्परिवर्तन पर आधारित है और यह मानव पूर्वाग्रह को कम करने में भी मदद कर सकती है जो अक्सर एआई सिस्टम में डेटा के माध्यम से प्रवेश करता है।

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

“मानव-डिज़ाइन किए गए घटकों मानव-डिज़ाइन किए गए एल्गोरिदम के पक्ष में खोज परिणामों को पूर्वाग्रहित करते हैं, जो ऑटोमल की नवाचार क्षमता को संभावित रूप से कम कर सकते हैं। नवाचार को कम विकल्पों के साथ भी सीमित किया जाता है: आप जो खोज नहीं सकते हैं उसे खोज नहीं सकते हैं।”

ऑटोमल-जीरो तीन चरणों के दृष्टिकोण के साथ काम करता है: सेटअप, पूर्वानुमान, और सीखना। ऑटोमल-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 सबसे अच्छा 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 उत्परिवर्तन की प्रक्रिया एक “सर्वश्रेष्ठ की चयन” प्रक्रिया की नकल करती है।

रिपोर्ट के अनुसार, पूरी प्रक्रिया बहुत तेजी से की जा सकती 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 भी कर सकती है।

आज के सबसे प्रभावशाली एल्गोरिदमिक सिस्टम में से अधिकांश कंप्यूटर विज्ञान और एआई में लंबे समय से चली आ रही एल्गोरिदम के थोड़े से बदले हुए संस्करण हैं। न्यूज़वीक के अनुसार, हारान जैक्सन के अनुसार, नए पत्र के बारे में सबसे दिलचस्प बात यह है कि सिस्टम बिल्कुल नए एल्गोरिदम की खोज कर सकता है जो व्यापक रूप से उपयोग किए जाने वाले लोगों से बहुत भिन्न हैं।

“समुदाय के कई सदस्यों में यह भावना है कि कृत्रिम बुद्धिमत्ता की सबसे प्रभावशाली उपलब्धियां केवल नए एल्गोरिदम के आविष्कार के साथ ही प्राप्त की जा सकती हैं जो हमारे द्वारा अब तक विकसित किए गए लोगों से मूल रूप से भिन्न हैं,” जैक्सन ने कहा। “यही बात इस पत्र 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।”

ऑटोमल-जीरो अभी भी प्रूफ ऑफ कॉन्सेप्ट चरण में है और इसके उपयोगी एल्गोरिदम उत्पन्न करने के लिए तैयार होने से पहले इसमें बहुत काम करने की आवश्यकता होगी, जो आज के सबसे उन्नत एआई अनुप्रयोगों को चलाने वाले एल्गोरिदम के रूप में उपयोगी हैं। फिर भी, सिस्टम पर किए गए शोध से पहले ही ऑटोमल-जीरो पूरा होने से पहले उपयोगी साबित हो सकता है, जो इंजीनियरों द्वारा अन्य एल्गोरिदम के डिज़ाइन को सूचित कर सकता है।