शोधकर्ता नए प्रकार की “मस्तिष्क कोशिकाओं” के साथ एआई प्रणालियों में सुधार करने का लक्ष्य रखते हैं

एमआईटी में स्थित एक शोध दल न्यूरल नेटवर्क के प्रदर्शन को उनके साथ अन्य प्रकार की कोशिकाओं पर आधारित संरचनाओं को जोड़कर बढ़ाने का लक्ष्य रखता है। शोध दल न्यूरल नेटवर्क में एस्ट्रोसाइट्स पर आधारित संरचनाओं को एकीकृत करेगा, जिसका उद्देश्य न्यूरल नेटवर्क को समय के साथ संकेतों को संभालने के तरीके को बदलने देना है।

गहरे न्यूरल नेटवर्क मानव मस्तिष्क के न्यूरल नेटवर्क से प्रेरित हैं। पुरस्कार सीखने के अल्गोरिदम समय के साथ अपनी विफलताओं और सफलताओं से सीखते हैं, जिससे वे शतरंज और गो जैसी जटिल चुनौतियों को मास्टर करने में सक्षम होते हैं। हालांकि, गहरे न्यूरल नेटवर्क तब मुश्किलें आती हैं जब वे मानवों को निपटने के लिए सामान्य ज्ञान की आवश्यकता वाली स्थितियों का सामना करते हैं। किसी भी स्थिति जिसमें वर्तमान डोमेन या वातावरण में प्राप्त नहीं किए गए सामान्य ज्ञान की आवश्यकता होती है, गहरे न्यूरल नेटवर्क के लिए कठिन होती है।

एमआईटी के पिकोवर संस्थान के अनुसार, शोध दल गहरे न्यूरल नेटवर्क को अधिक मजबूत, बहुमुखी, और विश्वसनीय बनाने के लिए न्यूरल नेटवर्क में एस्ट्रोसाइट कोशिकाओं पर आधारित एक प्रकार की संरचना जोड़ने का लक्ष्य रखता है।

एमआईटी में न्यूरोसाइंस के न्यूटन प्रोफेसर, मृगनक सुर ने समझाया कि न्यूरॉन्स पर जोर देने से मस्तिष्क में महत्वपूर्ण भूमिका निभाने वाली अन्य प्रकार की मस्तिष्क कोशिकाओं की उपेक्षा हुई है। सुर ने समझाया कि वर्तमान में भी राज्य-ऑफ-द-आर्ट गहरे न्यूरल नेटवर्क उन कारकों पर विचार करने और सीखने के लिए संघर्ष कर सकते हैं जो एक वातावरण में नियमों/संदर्भ के बिना या समय के बिना होते हैं। ऐसी स्थितियों में, एक न्यूरल नेटवर्क समय के साथ सफल रणनीतियों को बनाए रखने, अन्वेषण/शोषण व्यापार-बंद को संतुलित करने, और एक अलग संदर्भ में समान कार्यों पर सीखे हुए को लागू करने के लिए संघर्ष कर सकता है।

सुर के अनुसार, हाल के साक्ष्य सुझाव देते हैं कि एस्ट्रोसाइट्स उपरोक्त कार्यों को करने में मस्तिष्क को सक्षम बनाने में एक महत्वपूर्ण भूमिका निभाते हैं, जो न्यूरॉन्स के साथ-साथ एक समानांतर नेटवर्क के रूप में कार्य करने की उनकी क्षमता के कारण है। न्यूरल नेटवर्क में एस्ट्रोसाइट्स को पेश करने से एआई को लंबे समय के पैमाने पर एकत्र की गई जानकारी को एकीकृत करने, समान स्थितियों को पहचानने और सीखी गई क्षमताओं को पुनः उपयोग करने, और न्यूरॉन्स के बीच सिनैप्टिक कनेक्शन को मॉड्यूलेट करने की अनुमति मिलेगी। एस्ट्रोसाइट्स प्रीफ्रंटल कॉर्टेक्स में न्यूरॉन्स को परिदृश्यों का अन्वेषण करने और स्ट्रैटम में कोशिकाओं को स्थितियों का शोषण करने में मदद करते हैं, दोनों रासायनिक न्यूरोमॉड्यूलेटर्स के माध्यम से प्रबंधित होते हैं।

सुर के अनुसार, हाल के साक्ष्य सुझाव देते हैं कि एस्ट्रोसाइट्स उपरोक्त कार्यों को करने में मस्तिष्क को सक्षम बनाने में एक महत्वपूर्ण भूमिका निभाते हैं, जो न्यूरॉन्स के साथ-साथ एक समानांतर नेटवर्क के रूप में कार्य करने की उनकी क्षमता के कारण है। न्यूरल नेटवर्क में एस्ट्रोसाइट्स को पेश करने से एआई को लंबे समय के पैमाने पर एकत्र की गई जानकारी को एकीकृत करने, समान स्थितियों को पहचानने और सीखी गई क्षमताओं को पुनः उपयोग करने, और न्यूरॉन्स के बीच सिनैप्टिक कनेक्शन को मॉड्यूलेट करने की अनुमति मिलेगी। एस्ट्रोसाइट्स प्रीफ्रंटल कॉर्टेक्स में न्यूरॉन्स को परिदृश्यों का अन्वेषण करने और स्ट्रैटम में कोशिकाओं को स्थितियों का शोषण करने में मदद करते हैं, दोनों रासायनिक न्यूरोमॉड्यूलेटर्स के माध्यम से प्रबंधित होते हैं।

शोध दल विभिन्न प्रयोगों के माध्यम से एस्ट्रोसाइट्स द्वारा गहरे न्यूरल नेटवर्क को बढ़ाने का तरीका जांचेगा, जिनमें से प्रत्येक अलग-अलग विशेषज्ञों द्वारा किया जाएगा। प्रयोगात्मक परिणामों का उपयोग शोध दल द्वारा आयोजित सिद्धांत को परिष्कृत करने के लिए किया जाएगा। शोधकर्ता चूहों और मानवों में सरल प्रयोगों से डेटा एकत्र करेंगे और देखेंगे कि मस्तिष्क क्षेत्रों, एस्ट्रोसाइट्स, और न्यूरोमॉड्यूलेटर्स में परिवर्तन प्रदर्शन को कैसे प्रभावित करते हैं।

अंत में, अल्फोंसो अराके और सुर चूहों को देखेंगे कि वे कैसे सीखते हैं और एस्ट्रोसाइट्स को प्रभावित करते हैं। वे एस्ट्रोसाइट्स को मैनिप्यूलेट भी करेंगे ताकि वे देख सकें कि यह पुरस्कार सीखने की प्रक्रिया को कैसे प्रभावित करता है।

जैसा कि टीम ने अपने अनुदान में समझाया है:

“हमारा केंद्रीय परिकल्पना है कि एस्ट्रोसाइट्स, न्यूरॉन्स और न्यूरोमॉड्यूलेटर्स के बीच परस्पर क्रिया मस्तिष्क को प्राकृतिक रूप से पुरस्कार सीखने और राज्य-ऑफ-द-आर्ट पुरस्कार सीखने (आरएल) प्रणालियों से जुड़ी कई समस्याओं को पार करने में सक्षम बनाने वाली गणना की चतुराई का स्रोत है।”