एआई मॉडल और प्लेटफ़ॉर्म
कृत्रिम तंत्रिका नेटवर्क (एएनएन) को जानवरों के मस्तिष्क पर मॉडलिंग करना
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
कोल्ड स्प्रिंग हार्बर लेबोरेटरी (सीएसएचएल) के न्यूरोसाइंटिस्ट एंथोनी जेडोर ने दिखाया है कि विकास और जानवरों के मस्तिष्क का उपयोग मशीन लर्निंग के लिए प्रेरणा के रूप में किया जा सकता है। यह एआई को कई अलग-अलग समस्याओं को हल करने में मदद करने में फायदेमंद हो सकता है।
सीएसएचएल के न्यूरोसाइंटिस्ट एंथोनी जेडोर के अनुसार, जानवरों के मस्तिष्क को देखकर कृत्रिम बुद्धिमत्ता (एआई) को बहुत बढ़ाया जा सकता है। इस दृष्टिकोण से, न्यूरोसाइंटिस्ट और एआई क्षेत्र में काम करने वाले लोगों के पास एआई की कुछ सबसे दबाव वाली समस्याओं को हल करने का एक नया तरीका है।
एंथोनी जेडोर, एमडी, पीएचडी, ने अपने करियर का अधिकांश हिस्सा जीवित मस्तिष्क के भीतर जटिल तंत्रिका नेटवर्क को समझाने के लिए समर्पित किया है। वह व्यक्तिगत न्यूरॉन तक जाता है। अपने करियर की शुरुआत में, उन्होंने कुछ और पर ध्यान केंद्रित किया। उन्होंने कृत्रिम तंत्रिका नेटवर्क (एएनएन) का अध्ययन किया। एएनएन गणना प्रणाली हैं जो हमारे एआई क्षेत्र में विकास के बहुत सारे आधार हैं। वे जानवरों और मानव मस्तिष्क दोनों में नेटवर्क के बाद मॉडल किए जाते हैं। अब तक, यहीं पर यह अवधारणा रुक जाती थी।
हाल ही में एक दृष्टिकोण टुकड़ा, जेडोर द्वारा लिखा गया, नेचर कम्युनिकेशंस में प्रकाशित किया गया था। उस टुकड़े में, जेडोर ने विस्तार से बताया कि नए और बेहतर सीखने के अल्गोरिदम एआई प्रणालियों को विकसित करने में मदद कर रहे हैं ताकि वे मानवों की तुलना में बहुत बेहतर प्रदर्शन करें। यह कई कार्यों, समस्याओं और शतरंज और पोकर जैसे खेलों में होता है। हालांकि कुछ कंप्यूटर इतनी जटिल समस्याओं में इतनी अच्छी तरह से प्रदर्शन कर सकते हैं, वे अक्सर हमारे लिए सरल चीजों से भ्रमित हो जाते हैं।
यदि इस क्षेत्र में काम करने वाले लोग इस समस्या का समाधान कर सकते हैं, तो रोबोट एक ऐसे विकास बिंदु तक पहुंच सकते हैं जहां वे सीख सकते हैं कि शिकार करना या घोंसला बनाना जैसी प्राकृतिक और जैविक चीजें कैसे करें। वे यहां तक कि बर्तन धोने जैसी चीजें भी कर सकते हैं, जो रोबोट के लिए बहुत मुश्किल साबित हुई है।
“जो चीजें हमें मुश्किल लगती हैं, जैसे कि अमूर्त विचार या शतरंज खेलना, वास्तव में मशीनों के लिए मुश्किल नहीं हैं। जो चीजें हमें आसान लगती हैं, जैसे कि भौतिक दुनिया के साथ बातचीत करना, यही वह चीज है जो मशीनों के लिए मुश्किल है,” जेडोर ने समझाया। “इसका कारण यह है कि हमने आधा अरब वर्षों का विकास किया है जिसने हमारे सर्किट को इस तरह से तार दिया है कि हम इसे प्रयास के बिना करते हैं।”
जेडोर का मानना है कि यदि हम चाहते हैं कि रोबोट तेजी से सीखें, जो कि इस क्षेत्र में सब कुछ बदल देगा, तो हमें केवल एक परिपूर्ण सामान्य सीखने के अल्गोरिदम पर नहीं देखना चाहिए। वैज्ञानिकों और अन्य लोगों को जैविक तंत्रिका नेटवर्क की ओर देखना चाहिए जो प्रकृति और विकास के माध्यम से हमें दिए गए हैं। इन्हें विशिष्ट कार्यों के लिए तेजी से और आसान सीखने के लिए आधार के रूप में उपयोग किया जा सकता है, जो जीवित रहने के लिए महत्वपूर्ण हैं।
जेडोर बताते हैं कि हम अपने पिछवाड़े में रहने वाले गिलहरियों से क्या सीख सकते हैं यदि हम केवल जेनेटिक्स, तंत्रिका नेटवर्क और आनुवंशिक प्रवृत्ति पर नजर डालें।
“आपके पास गिलहरियां हैं जो जन्म के कुछ हफ्तों के भीतर पेड़ से पेड़ तक कूद सकती हैं, लेकिन हमारे पास चूहे नहीं हैं जो同ी बात सीखते हैं। क्यों नहीं?” जेडोर ने कहा। “इसका कारण यह है कि एक जेनेटिक रूप से निर्धारित है कि वह एक पेड़-निवासी जानवर बन जाए।”
जेडोर का मानना है कि आनुवंशिक प्रवृत्ति से एक चीज जो आ सकती है वह जानवर के भीतर स्वाभाविक सर्किटरी है। यह जानवर की मदद करता है और उसकी शुरुआती सीखने में मार्गदर्शन करता है। एआई दुनिया से इसे जोड़ने में एक समस्या यह है कि मशीन लर्निंग में उपयोग किए जाने वाले नेटवर्क, जो एआई विशेषज्ञों द्वारा पीछा किए जाते हैं, प्रकृति में उन लोगों की तुलना में बहुत अधिक सामान्य हैं।
यदि हम उस बिंदु तक पहुंच सकते हैं जहां एएनएन विकास के एक बिंदु तक पहुंच सकते हैं जहां वे प्रकृति में देखी जाने वाली चीजों के बाद मॉडल किए जा सकते हैं, तो रोबोट उन कार्यों को करना शुरू कर सकते हैं जो एक बार बहुत मुश्किल थे।
