अनुसंधान टीम का उद्देश्य नाभिकीय गैर-प्रसार और नाभिकीय सुरक्षा के लिए व्याख्यात्मक कृत्रिम बुद्धिमत्ता बनाना है

पैसिफिक नॉर्थवेस्ट नेशनल लेबोरेटरी (पीएनएनएल) के शोधकर्ता नाभिकीय गैर-प्रसार और राष्ट्रीय सुरक्षा के उद्देश्यों के लिए कृत्रिम बुद्धिमत्ता को व्याख्यात्मक बनाने का प्रयास कर रहे हैं। लक्ष्य नाभिकीय सुरक्षा से संबंधित किसी भी निर्णय के लिए कृत्रिम बुद्धिमत्ता मॉडल द्वारा लौटाए गए निर्णयों को पारदर्शी बनाना है।

कृत्रिम बुद्धिमत्ता मॉडलों को व्याख्यात्मक बनाने के महत्व पर पहले से अधिक ध्यान दिया जा रहा है, जो मशीन लर्निंग की “ब्लैक बॉक्स” समस्या को हल करने का प्रयास है। अक्सर कृत्रिम बुद्धिमत्ता मॉडलों पर जटिल निर्णय लेने के लिए भरोसा किया जाता है, भले ही उन निर्णयों के पीछे के तर्क को समझने वाले लोग नहीं हों। जितना अधिक खतरा और विनाश उन निर्णयों से जुड़ा होता है, उतना ही महत्वपूर्ण है कि उन निर्णयों के पीछे के तर्क को पारदर्शी बनाया जाए।

यदि एक कृत्रिम बुद्धिमत्ता अनुप्रयोग फलों की छवियों को वर्गीकृत करने जैसी सरल चीज कर रहा है, तो वर्गीकरण के पीछे के तर्क को समझने की आवश्यकता नहीं हो सकती है, लेकिन नाभिकीय हथियारों या नाभिकीय सामग्री उत्पादन से संबंधित मामलों में, यह बेहतर है कि कृत्रिम बुद्धिमत्ता के नीचे के “ब्लैक बॉक्स” को खोला जाए।

पीएनएनएल वैज्ञानिक नए तकनीकों का उपयोग करके कृत्रिम बुद्धिमत्ता को व्याख्यात्मक बनाने का प्रयास कर रहे हैं। ये शोधकर्ता ऊर्जा विभाग के राष्ट्रीय नाभिकीय सुरक्षा प्रशासन (एनएनएसए) के रक्षा नाभिकीय गैर-प्रसार अनुसंधान और विकास (डीएनएन आरएंडडी) कार्यालय के साथ काम कर रहे हैं। डीएनएन आरएंडडी संयुक्त राज्य अमेरिका की नाभिकीय सामग्री के उत्पादन, नाभिकीय हथियारों के विकास और विश्व भर में नाभिकीय हथियारों के विस्फोट की निगरानी और पता लगाने की क्षमता की देखरेख के लिए जिम्मेदार है।

नाभिकीय गैर-प्रसार से संबंधित मुद्दों के साथ जोखिम इतने अधिक हैं कि यह जानना महत्वपूर्ण है कि एक कृत्रिम बुद्धिमत्ता प्रणाली इन मुद्दों पर अपने निष्कर्ष कैसे पहुंचती है। एंजी शेफील्ड डीएनएन आरएंडडी में एक वरिष्ठ कार्यक्रम प्रबंधक हैं। शेफील्ड के अनुसार, अक्सर नई प्रौद्योगिकियों जैसे कृत्रिम बुद्धिमत्ता मॉडलों को पारंपरिक वैज्ञानिक तकनीकों और ढांचों में शामिल करना मुश्किल हो सकता है, लेकिन इन प्रणालियों के साथ अधिक प्रभावी ढंग से बातचीत करने के लिए नए तरीके डिजाइन करके इस प्रक्रिया को आसान बनाया जा सकता है। शेफील्ड का तर्क है कि शोधकर्ताओं को ऐसे उपकरण बनाने चाहिए जो डेवलपर्स को यह समझने में मदद करें कि ये जटिल तकनीकें कैसे काम करती हैं।

नाभिकीय विस्फोट और नाभिकीय हथियार विकास से संबंधित डेटा की अपेक्षाकृत कमी का अर्थ है कि व्याख्यात्मक कृत्रिम बुद्धिमत्ता और भी महत्वपूर्ण है। इस क्षेत्र में कृत्रिम बुद्धिमत्ता मॉडलों को प्रशिक्षित करने से ऐसे मॉडल हो सकते हैं जो चेहरे की पहचान जैसे कार्य की तुलना में कम विश्वसनीय हों क्योंकि डेटा की कमी है। इसके परिणामस्वरूप, मॉडल द्वारा निर्णय लेने की प्रक्रिया के हर चरण को देखा जाना चाहिए।

पीएनएनएल में एक शोधकर्ता मार्क ग्रेव्स ने समझाया कि नाभिकीय प्रसार के जोखिम एक ऐसी प्रणाली को निर्देशित करते हैं जो लोगों को बता सकती है कि एक विशिष्ट उत्तर क्यों चुना गया है।

जैसा कि ग्रेव्स ने यूरेका अलर्ट के माध्यम से समझाया:

“यदि एक कृत्रिम बुद्धिमत्ता प्रणाली यह बताती है कि एक राष्ट्र के पास एक नाभिकीय हथियार होने की संभावना गलत है, तो यह एक अलग पैमाने की समस्या है। इसलिए हमारी प्रणाली कम से कम ऐसे स्पष्टीकरण प्रदान करनी चाहिए ताकि मानव उन निष्कर्षों की जांच कर सकें और डेटा की कमी के कारण कृत्रिम बुद्धिमत्ता प्रशिक्षण में अंतराल के लिए अपने ज्ञान का उपयोग करके सुधार कर सकें।”

जैसा कि शेफील्ड ने समझाया, पीएनएनएल के पास दो ताकत हैं जो उन्हें इस समस्या का समाधान करने में मदद करेंगी। पहला, पीएनएनएल के पास कृत्रिम बुद्धिमत्ता क्षेत्र में पर्याप्त अनुभव है। इसके अलावा, टीम के पास नाभिकीय सामग्री और हथियारों के संबंध में महत्वपूर्ण डोमेन ज्ञान है। पीएनएनएल टीम नाभिकीय हथियारों के विकास के लिए विशिष्ट संकेतों और प्लूटोनियम के प्रसंस्करण जैसे मुद्दों को समझती है। कृत्रिम बुद्धिमत्ता अनुभव, राष्ट्रीय सुरक्षा अनुभव और नाभिकीय डोमेन ज्ञान का संयोजन यह दर्शाता है कि पीएनएनएल नाभिकीय राष्ट्रीय सुरक्षा और कृत्रिम बुद्धिमत्ता से संबंधित मामलों को संभालने के लिए अद्वितीय रूप से उपयुक्त है।