बहुमोडल लर्निंग एआई डेवलपर्स के बीच प्रमुख हो रही है

वेंचर बीट (वीबी) ने अपनी साप्ताहिक रिपोर्ट में बहुमोडल लर्निंग के फायदों पर चर्चा की, जो कि आर्टिफ़िशियल इंटेलिजेंस के विकास में है। उनका प्रेरणा रिपोर्ट थी जो एबीआई रिसर्च द्वारा तैयार की गई थी।

मुख्य अवधारणा यह है कि “डेटा सेट आर्टिफ़िशियल इंटेलिजेंस सिस्टम के मूलभूत निर्माण खंड हैं,” और बिना डेटा सेट के, “मॉडल्स उन संबंधों को सीखने में असमर्थ होते हैं जो उनकी भविष्यवाणियों को सूचित करते हैं।” एबीआई रिपोर्ट भविष्यवाणी करती है कि “जबकि 2019 में 2.69 बिलियन से 2024 में 4.47 बिलियन तक आर्टिफ़िशियल इंटेलिजेंस डिवाइसों की कुल स्थापित आधार बढ़ेगी, लेकिन कम से कम समय में केवल कुछ ही इंटरऑपरेबल होंगे।”

यह समय, ऊर्जा और संसाधनों की काफी बर्बादी हो सकती है, “उनके माध्यम से गुजरने वाले डेटा के गीगाबाइट से पेटाबाइट तक को एकल आर्टिफ़िशियल इंटेलिजेंस मॉडल या फ्रेमवर्क में मिलाने के बजाय, वे स्वतंत्र रूप से और विविधता से काम करेंगे ताकि वे डेटा को समझने में सक्षम हों जो उन्हें दिया जाता है।”

इसे पार करने के लिए, एबीआई बहुमोडल लर्निंग का प्रस्ताव करता है, जो एक विधि है जो “विभिन्न सेंसर और इनपुट से डेटा को एकल प्रणाली में समेकित कर सकती है। बहुमोडल लर्निंग पूरक जानकारी या प्रवृत्तियों को ले जा सकती है, जो अक्सर केवल तभी स्पष्ट होती हैं जब वे सभी सीखने की प्रक्रिया में शामिल होते हैं।”

वीबी एक व्यावहारिक उदाहरण प्रस्तुत करता है जो छवियों और पाठ कैप्शन पर विचार करता है। “यदि विभिन्न शब्द समान छवियों के साथ जोड़े जाते हैं, तो ये शब्द संभवतः एक ही चीजों या वस्तुओं का वर्णन करने के लिए उपयोग किए जाते हैं। इसके विपरीत, यदि कुछ शब्द विभिन्न छवियों के साथ दिखाई देते हैं, तो इसका अर्थ यह है कि ये छवियां एक ही वस्तु का प्रतिनिधित्व करती हैं। दिए गए इस तथ्य के आधार पर, यह संभव होना चाहिए कि एक आर्टिफ़िशियल इंटेलिजेंस मॉडल पाठ विवरणों से छवि वस्तुओं की भविष्यवाणी कर सके। वास्तव में, एक शोध साहित्य ने यह साबित किया है कि यह मामला है।”

संभावित फायदों के बावजूद, एबीआई नोट करता है कि यहां तक कि आईबीएम, माइक्रोसॉफ्ट, अमेज़ॅन और गूगल जैसी प्रौद्योगिकी दिग्गज कंपनियां अभी भी मुख्य रूप से यूनिमोडल सिस्टम पर ध्यान केंद्रित करती हैं। एक कारण यह है कि ऐसा परिवर्तन करने से जो चुनौतियां उत्पन्न होंगी।

फिर भी, एबीआई शोधकर्ता अनुमान लगाते हैं कि “डिवाइसों की कुल संख्या 2017 में 3.94 मिलियन से 2023 में 514.12 मिलियन तक बढ़ जाएगी, जो रोबोटिक्स, उपभोक्ता, स्वास्थ्य देखभाल और मीडिया और मनोरंजन खंडों में अपनायी जा रही है। उन कंपनियों के उदाहरणों में जो पहले से ही बहुमोडल लर्निंग को लागू कर रहे हैं, वे वेमो का उल्लेख करते हैं जो “हाइपर-जागरूक स्व-ड्राइविंग वाहन” बनाने के लिए ऐसे दृष्टिकोण का उपयोग कर रहे हैं, और इंटेल लैब्स, जहां कंपनी की इंजीनियरिंग टीम “वास्तविक दुनिया के वातावरण में सेंसर डेटा संग्रह के लिए तकनीकों की जांच कर रही है।”

इंटेल लैब्स के प्रिंसिपल इंजीनियर ओमेश टिकू ने वीबी को बताया कि “हमने जो किया है, वह है समय जैसे संदर्भ का उपयोग करके हमने एक प्रणाली बनाई है जो आपको बताती है कि जब एक सेंसर का डेटा उच्चतम गुणवत्ता का नहीं है। उस विश्वास मूल्य के साथ, यह विभिन्न सेंसरों को विभिन्न अंतराल पर एक दूसरे के खिलाफ तोलता है और हमें जो उत्तर चाहिए, उसके लिए सही मिश्रण चुनता है।”

वीबी नोट करता है कि यूनिमोडल लर्निंग उन क्षेत्रों में प्रमुख रहेगी जहां यह अत्यधिक प्रभावी है – छवि पहचान और प्राकृतिक भाषा प्रसंस्करण जैसे अनुप्रयोगों में।同時, यह भविष्यवाणी करता है कि “जैसे ही इलेक्ट्रॉनिक्स सस्ते होते जाएंगे और कंप्यूट अधिक मापनीय होगा, बहुमोडल लर्निंग की प्रमुखता में वृद्धि होने की संभावना है।”