नए शोध से पता चलता है कि कृत्रिम मस्तिष्क को नींद से लाभ हो सकता है

नए शोध आ रहे हैं लॉस एलामोस नेशनल लेबोरेटरी सुझाव देता है कि कृत्रिम मस्तिष्क जीवित मस्तिष्क की तरह आराम की अवधि से लगभग निश्चित रूप से लाभान्वित होते हैं। 

यह शोध 14 जून को सिएटल में वीमेन इन कंप्यूटर विज़न वर्कशॉप में प्रस्तुत किया जाएगा। 

यिजिंग वॉटकिंस लॉस एलामोस नेशनल लेबोरेटरी के कंप्यूटर वैज्ञानिक हैं। 

वॉटकिंस ने कहा, "हम स्पाइकिंग न्यूरल नेटवर्क का अध्ययन करते हैं, जो ऐसी प्रणालियाँ हैं जो जीवित मस्तिष्क की तरह ही बहुत कुछ सीखती हैं।" "हम बचपन के विकास के दौरान मनुष्य और अन्य जैविक प्रणालियाँ अपने पर्यावरण से कैसे सीखते हैं, उसी तरह एक न्यूरोमॉर्फिक प्रोसेसर को प्रशिक्षित करने की संभावना से रोमांचित थे।"

नेटवर्क सिमुलेशन में अस्थिरता का समाधान

वॉटकिंस और टीम ने पाया कि बिना पर्यवेक्षित सीखने की निरंतर अवधि के कारण नेटवर्क सिमुलेशन में अस्थिरता पैदा हुई। हालाँकि, एक बार जब टीम ने उन राज्यों में नेटवर्क पेश किया जो नींद के दौरान जीवित मस्तिष्क द्वारा अनुभव की जाने वाली तरंगों का परिणाम हैं, तो स्थिरता बहाल करने में सक्षम हो गई। 

वॉटकिंस ने कहा, "यह ऐसा था जैसे हम तंत्रिका नेटवर्क को एक अच्छी रात के आराम के बराबर दे रहे थे।"

टीम ने यह खोज तब की जब वे मनुष्य और अन्य जैविक प्रणालियाँ देखना कैसे सीखते हैं, इसके आधार पर तंत्रिका नेटवर्क विकसित करने पर काम कर रहे थे। जब गैर-पर्यवेक्षित शब्दकोश प्रशिक्षण से गुजर रहे सिम्युलेटेड तंत्रिका नेटवर्क को स्थिर करने की बात आई तो टीम को कुछ चुनौतियों का सामना करना पड़ा। अप्रशिक्षित शब्दकोश प्रशिक्षण में तुलना के लिए उपयोग करने के लिए पिछले उदाहरणों के बिना वस्तुओं को वर्गीकृत करना शामिल है।

गैरेट केन्योन लॉस अलामोस में एक कंप्यूटर वैज्ञानिक और अध्ययन के सह-लेखक हैं।

केन्योन ने कहा, "सीखने की प्रणालियों को अस्थिर होने से कैसे बचाया जाए, इसका मुद्दा वास्तव में केवल तभी उठता है जब जैविक रूप से यथार्थवादी, बढ़ते न्यूरोमॉर्फिक प्रोसेसर का उपयोग करने का प्रयास किया जाता है या जीव विज्ञान को समझने की कोशिश की जाती है।" "मशीन लर्निंग, डीप लर्निंग और एआई शोधकर्ताओं के विशाल बहुमत को कभी भी इस समस्या का सामना नहीं करना पड़ता है क्योंकि जिन कृत्रिम प्रणालियों का वे अध्ययन करते हैं उनमें उनके पास वैश्विक गणितीय संचालन करने की विलासिता होती है जो सिस्टम के समग्र गतिशील लाभ को विनियमित करने का प्रभाव रखती है।"

अंतिम उपाय के रूप में सोएं

शोधकर्ताओं के अनुसार, नेटवर्क को नींद के कृत्रिम एनालॉग के संपर्क में लाना उन्हें स्थिर करने का अंतिम उपाय था। विभिन्न प्रकार के शोर के साथ प्रयोग करने के बाद, जो रेडियो पर स्टेशनों के बीच स्थैतिक के समान है, सबसे अच्छे परिणाम गाऊसी शोर की तरंगों से आए। इस प्रकार के शोर में आवृत्तियों और आयामों की एक विस्तृत विविधता और श्रेणियां शामिल होती हैं। 

शोधकर्ता इस परिकल्पना के साथ आए कि धीमी-तरंग नींद के दौरान शोर जैविक न्यूरॉन्स द्वारा प्राप्त इनपुट की नकल करता है। परिणामों ने सुझाव दिया कि धीमी-तरंग नींद यह सुनिश्चित करने में भूमिका निभा सकती है कि कॉर्टिकल न्यूरॉन्स मतिभ्रम से पीड़ित न हों और उनकी स्थिरता बनाए रखें। 

टीम अब इंटेल के लोइही न्यूरोमोर्फिक चिप पर एल्गोरिदम को लागू करने पर काम करेगी, उम्मीद है कि नींद वास्तविक समय में सिलिकॉन रेटिना कैमरे से जानकारी को स्थिर रूप से संसाधित करने में मदद करेगी। यदि शोध यह निर्धारित करता है कि कृत्रिम मस्तिष्क को नींद से लाभ होता है, तो एंड्रॉइड और अन्य बुद्धिमान मशीनों के लिए भी यही सच है।

स्रोत: स्पाइक-आधारित स्पार्स कोडिंग मॉडल में स्थिर अनपर्यवेक्षित शब्दकोश सीखने को पूरा करने के लिए धीमी-तरंग नींद के लिए सरोगेट के रूप में साइनसॉइडली-मॉड्यूलेटेड शोर का उपयोग करना, कंप्यूटर विज़न वर्कशॉप में सीवीपीआर महिलाएं, 2020-06-14 (सिएटल, वाशिंगटन, संयुक्त राज्य अमेरिका)