भौतिकी कंप्यूटिंग और एआई को हमेशा के लिए बदल सकती है

दशकों की पारंपरिक कम्प्यूटेशनल परंपरा से हटकर, अनकॉन्वेंशनल एआई के शोधकर्ताओं की एक टीम ने एक ऐसी विधि विकसित की है जो छवियों को उत्पन्न करने के लिए सिलिकॉन चिप्स और विद्युत धाराओं पर निर्भर नहीं करती है, जो आज की कृत्रिम बुद्धिमत्ता प्रणालियों को शक्ति प्रदान करती है, लेकिन स्वयं भौतिकी के मूल सिद्धांतों पर।

इस प्रणाली को अन-0 कहा जाता है, जो कृत्रिम बुद्धिमत्ता विकास में एक उभरती हुई दर्शन है: बड़े और अधिक जटिल कंप्यूटर नेटवर्क बनाने के बजाय, वैज्ञानिक यह जांच कर रहे हैं कि प्रकृति में पाए जाने वाले गणितीय पैटर्न क्या उसी गणना कार्य को लगभग 1000 गुना कम ऊर्जा का उपयोग करके कर सकते हैं।

ऊर्जा और दक्षता

कृत्रिम बुद्धिमत्ता प्रणालियों को जो प्रौद्योगिकी परिदृश्य पर हावी हैं, जैसे कि न्यूरल नेटवर्क, भाषा मॉडल, और सिफारिश एल्गोरिदम, विशाल मात्रा में ऊर्जा की आवश्यकता होती है उन्हें संचालित करने के लिए।

इन प्रणालियों को हाउसिंग करने वाले डेटा सेंटर छोटे शहरों के बराबर शक्ति की खपत करते हैं, जो पर्यावरणीय प्रभाव और दीर्घकालिक स्थिरता के बारे में चिंताएं बढ़ाते हैं।

शोधकर्ताओं का अनुमान है कि कृत्रिम बुद्धिमत्ता की दक्षता में अगली महत्वपूर्ण सफलता हासिल करने के लिए मशीनों द्वारा जानकारी को संसाधित करने के तरीके में मूलभूत रूप से अलग दृष्टिकोण की आवश्यकता होगी।

इस समझने ने वैज्ञानिकों को प्रकृति की ओर देखने के लिए प्रेरित किया है, जैविक और भौतिक प्रणालियों की जांच कर रहे हैं जो जटिल समस्याओं को असाधारण दक्षता के साथ हल करने के लिए लाखों वर्षों से विकसित हुई हैं।

जोड़े हुए ऑसिलेटर्स को समझना

अन-0 के दिल में एक सरल अवधारणा है जो भौतिकी से ली गई है: जोड़े हुए ऑसिलेटर्स।

इसे समझने के लिए, आप एक जोड़ी मेट्रोनोम की कल्पना कर सकते हैं, जो संगीतकार समय बनाए रखने के लिए उपयोग करते हैं। यदि दो मेट्रोनोम एक ही टेबल पर रखे जाते हैं और अलग-अलग ताल पर सेट किए जाते हैं, तो कुछ अद्भुत होता है। सतह के नीचे के कंपन के माध्यम से, मेट्रोनोम धीरे-धीरे एक दूसरे को प्रभावित करते हैं जब तक वे अंततः सिंक्रोनाइज़ हो जाते हैं और एक साथ टिक करते हैं।

यह सिंक्रोनाइजेशन सटीक गणितीय सिद्धांतों का पालन करता है जिन्हें भौतिकी में एक सदी से अधिक समय से अध्ययन किया जा रहा है। ऑसिलेटर्स के बीच परस्पर क्रिया संगठन के पैटर्न बनाती है जो बाहरी दिशा या नियंत्रण के बिना उत्पन्न होते हैं, वे स्वयं को व्यवस्थित करते हैं।

अब इस अवधारणा को नाटकीय रूप से विस्तारित करने की कल्पना करें। दो मेट्रोनोम के बजाय, हजारों ऑसिलेटिंग इकाइयों की कल्पना करें, प्रत्येक एक दूसरे को प्रभावित करने में सक्षम है।

प्रत्येक ऑसिलेटर में कई गुण होते हैं: एक प्राकृतिक आवृत्ति जिस पर यह घूमना चाहता है, एक चरण कोण जो इसकी वर्तमान स्थिति का वर्णन करता है इसके ऑसिलेशन चक्र में, और अन्य ऑसिलेटर्स से जुड़ाव जो यह निर्धारित करते हैं कि प्रत्येक जोड़ा कितनी मजबूती से एक दूसरे को प्रभावित करता है।

इन जुड़ावों को जोड़ने वाली ताकतें हैं जिन्हें अन-0 प्रशिक्षण के दौरान सीखता है।

यह प्रणाली गणितीय मॉडलों को दर्शाती है जिन्हें कुरामोटो ऑसिलेटर्स के रूप में जाना जाता है, जो भौतिक विज्ञानी योशिकी कुरामोटो के नाम पर है, जिन्होंने दशकों पहले ऐसी प्रणालियों का अध्ययन किया था। हाल तक, ये मॉडल मुख्य रूप से सैद्धांतिक रहे हैं।

अन-0 यह प्रदर्शित करता है कि वे व्यावहारिक कृत्रिम बुद्धिमत्ता समस्याओं को हल करने के लिए बढ़ाया जा सकता है, जो पहले गहरे शिक्षण के क्षेत्र में माना जाता था।

प्रदर्शन और तुलना

परीक्षणों से पता चला है कि अन-0 ने छवि गुणवत्ता हासिल की है जो कुछ वर्षों पहले प्रमुख कृत्रिम बुद्धिमत्ता छवि पीढ़ी विधियों के बराबर है।

इमेजनेट 64×64 नामक एक मानक बेंचमार्क पर, प्रणाली ने एक गुणवत्ता स्कोर हासिल किया जो प्रमुख पारंपरिक जनरेटरों के प्रदर्शन से मेल खाता है जब उन प्रणालियों को पहली बार प्रकाशित किया गया था।

यह हार या सफलता का प्रतिनिधित्व नहीं करता है। बल्कि, यह सिद्धांत का प्रमाण है: भौतिकी आधारित गतिविधियों पर आधारित प्रणाली गहरे शिक्षण के बिना छवियों को उत्पन्न कर सकती है, जो विस्तृत विकास के लिए महत्वपूर्ण संभावना का संकेत देती है।

शोधकर्ता स्वीकार करते हैं कि वर्तमान राज्य-ऑफ-द-आर्ट प्रणालियां, जिन्हें वर्षों के अनुकूलन के बाद परिष्कृत किया गया है, अभी भी अन-0 से बेहतर प्रदर्शन करती हैं। हालांकि, वे बताते हैं कि पारंपरिक छवि जनरेटर भी अपने शुरुआती परिणामों के साथ शुरू हुए जो बाद में दशकों के अनुकूलन के बाद आज के परिष्कृत उपकरण बन गए।

भौतिकी आधारित कंप्यूटिंग क्यों महत्वपूर्ण है

अन-0 का महत्व छवि पीढ़ी से बहुत आगे तक फैला हुआ है। यदि भौतिकी आधारित प्रणालियां कृत्रिम बुद्धिमत्ता कार्यों को लगभग 1000 गुना कम ऊर्जा का उपयोग करके कर सकती हैं, तो इसके परिणाम क्रांतिकारी होंगे।

ऐसी दक्षता लाभ मोबाइल डिवाइस, एम्बेडेड सिस्टम और दूरस्थ स्थानों पर बिना बड़े डेटा सेंटर के पहुंच के साथ कृत्रिम बुद्धिमत्ता अनुप्रयोगों को चलाने की अनुमति दे सकते हैं।

इसके अलावा, ये प्रणालियां अंततः शारीरिक हार्डवेयर में लागू की जा सकती हैं, जो प्राकृतिक भौतिक प्रक्रियाओं को अनुकरण करने के लिए डिज़ाइन किए गए सिलिकॉन चिप्स हैं, न कि निर्देशों को निष्पादित करने के लिए। ऐसे “अपारंपरिक सब्सट्रेट”, जैसा कि शोधकर्ता उन्हें कहते हैं, वास्तव में एक अलग प्रकार का कंप्यूटर प्रतिनिधित्व करेंगे।

व्यापक परिदृश्य

अन-0 एकमात्र शोध प्रयास नहीं है जो पारंपरिक न्यूरल नेटवर्क के विकल्पों की खोज कर रहा है।

अकादमिक और उद्योग दोनों में, वैज्ञानिक थर्मोडायनामिक सिद्धांतों, एनालॉग सर्किट, क्वांटम मैकेनिक्स और भौतिकी के अन्य पहलुओं से प्रेरित प्रणालियों की जांच कर रहे हैं।

इन दृष्टिकोणों में एक सामान्य प्रेरणा है: पारंपरिक दृष्टिकोण ऊर्जा दक्षता के मामले में लगभग अपनी व्यावहारिक सीमा तक पहुंच गए हैं। महत्वपूर्ण प्रगति के लिए गणना को स्वयं पुनः सोचा जा सकता है।

शोध समुदाय एक बड़े पैमाने पर चुनौती में शामिल है: क्या हम कृत्रिम बुद्धिमत्ता प्रणालियों को पुनः डिज़ाइन कर सकते हैं ताकि वे अरबों वर्षों से जैविक और भौतिक प्रणालियों द्वारा शासित सिद्धांतों के साथ संरेखित हों? यदि सफल होता है, तो ऐसी उपलब्धि कंप्यूटर की मूल अवधारणा को पुनः परिभाषित करने का प्रतिनिधित्व करेगी।

वर्तमान सीमाएं और भविष्य के दिशानिर्देश

अन-0 प्रणाली अभी भी प्रायोगिक है। यह अपेक्षाकृत मामूली छवि रिज़ॉल्यूशन पर काम करती है और अभी तक सबसे उन्नत वर्तमान प्रणालियों के प्रदर्शन स्तर को प्राप्त नहीं किया है।

सभी प्रगति के बावजूद, प्रशिक्षण प्रक्रिया अभी भी पारंपरिक कंप्यूटिंग और महत्वपूर्ण समय की आवश्यकता होती है।

शोधकर्ताओं ने अपना काम पारदर्शी रूप से प्रकाशित किया है, प्रशिक्षण कोड और विस्तृत विश्लेषण जारी किया है, जो इस दृष्टिकोण को एक नए दिशा के रूप में प्रतिबिंबित करता है जिसे कई शोधकर्ता अन्वेषण और परिष्कृत कर सकते हैं।

जैसे ही कृत्रिम बुद्धिमत्ता प्रणालियां आधुनिक समाज के लिए केंद्रीय होती जा रही हैं, अधिक कुशल कंप्यूटिंग दृष्टिकोणों की खोज एक अकादमिक जिज्ञासा से व्यावहारिक आवश्यकता में बदल जाती है। अन-0 इस बात का प्रमाण है कि कम से कम एक आशाजनक दिशा मौजूद है, और भौतिकी आधारित कृत्रिम बुद्धिमत्ता की जांच अभी शुरू हुई है।