एआई मॉडल और प्लेटफ़ॉर्म

शोधकर्ताओं ने स्तनधारी गंध प्रणाली से प्रेरित कंप्यूटर एल्गोरिदम विकसित किया

Alex McFarland
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुयह एल्गोरिदम गंधों की पहचान कर सकता है, भले ही सीखे गए पैटर्न का 80% नष्ट हो जाए।
और देखें
  • यह एल्गोरिदम गंधों की पहचान कर सकता है, भले ही सीखे गए पैटर्न का 80% नष्ट हो जाए।
  • इंटेल का लोइही न्यूरोमॉर्फिक चिप इस एल्गोरिदम को पारंपरिक प्रोसेसरों की तुलना में एक हजार गुना तेजी से चलाता है।
  • यह मॉडल, डीप लर्निंग सिस्टम के विपरीत, नई सीख को पुराने ज्ञान को ओवरराइट करने से रोकता है।

कॉर्नेल विश्वविद्यालय के शोधकर्ताओं ने स्तनधारी गंध प्रणाली से प्रेरित एक कंप्यूटर एल्गोरिदम बनाया है। वैज्ञानिकों ने लंबे समय से स्तनधारियों द्वारा गंध सीखने और पहचानने के तरीकों की व्याख्या करने का प्रयास किया है। यह नया एल्गोरिदम मस्तिष्क के कार्यों में अंतर्दृष्टि प्रदान करता है, और इसे एक कंप्यूटर चिप पर लागू करने से यह जल्दी और विश्वसनीय रूप से पैटर्न सीखने में सक्षम होता है, जो वर्तमान मशीन लर्निंग मॉडल्स से बेहतर है।

थॉमस क्लेलैंड मनोविज्ञान के प्रोफेसर और अध्ययन के वरिष्ठ लेखक हैं, जिसका शीर्षक “रैपिड लर्निंग एंड रोबस्ट रिकॉल इन ए न्यूरोमॉर्फिक ऑल्फैक्टोरी सर्किट” है, जो 16 मार्च को नेचर मशीन इंटेलिजेंस में प्रकाशित हुआ था।

“यह एक दशक से अधिक समय से चूहों में गंध ग्रंथि सर्किटरी का अध्ययन करने और मूल रूप से यह जानने का प्रयास करने का परिणाम है कि यह कैसे काम करता है, जिन चीजों को हम जानते हैं कि जानवर ऐसा कर सकते हैं जो हमारे मशीन नहीं कर सकते,” क्लेलैंड ने कहा।

“अब हमें पता है कि यह कैसे काम करता है। हमने इस सर्किटरी पर आधारित एक गणनात्मक मॉडल बनाया है, जो जैविक प्रणालियों की ज्ञात कनेक्टिविटी और गतिविधियों से भारी मात्रा में निर्देशित है।” उन्होंने जारी रखा, “फिर हम कहते हैं, अगर यह ऐसा है, तो यह काम करेगा। और दिलचस्प बात यह है कि यह वास्तव में काम करता है।”

इंटेल कंप्यूटर चिप (INTC )

क्लेलैंड को सह-लेखक नबील इमाम, इंटेल में एक शोधकर्ता द्वारा शामिल किया गया था, और उन्होंने साथ में एल्गोरिदम को इंटेल कंप्यूटर चिप पर लागू किया। चिप को लोही कहा जाता है, और यह न्यूरोमॉर्फिक है, जिसका अर्थ है कि यह मस्तिष्क के कार्यों से प्रेरित है। चिप में डिजिटल सर्किट हैं जो इस तरह से सीखते हैं और संवाद करते हैं जैसे न्यूरॉन्स करते हैं।

लोही चिप विभिन्न कोरों पर निर्भर करती है जो विविध स्पाइक्स के माध्यम से संवाद करते हैं, और प्रत्येक स्पाइक का प्रभाव स्थानीय गतिविधि के आधार पर बदल सकता है। यह मौजूदा कंप्यूटर चिप्स में उपयोग किए जाने वाले एल्गोरिदम डिज़ाइन के लिए अलग रणनीतियों की आवश्यकता है।

न्यूरोमॉर्फिक कंप्यूटर चिप्स के माध्यम से, मशीनें पैटर्न की पहचान करने और कertain कार्यों को करने में एक कंप्यूटर के केंद्रीय या ग्राफिक्स प्रोसेसिंग यूनिट्स की तुलना में एक हजार गुना तेजी से काम कर सकती हैं।

लोही रिसर्च चिप कुछ एल्गोरिदम को चलाने में भी सक्षम है जबकि पारंपरिक तरीकों की तुलना में लगभग एक हजार गुना कम शक्ति का उपयोग करती है। यह एल्गोरिदम के लिए उपयुक्त है, जो विभिन्न सेंसर से इनपुट पैटर्न स्वीकार कर सकता है, पैटर्न को तेजी से और क्रमिक रूप से सीख सकता है, और मजबूत संवेदी हस्तक्षेप के साथ भी प्रत्येक महत्वपूर्ण पैटर्न की पहचान कर सकता है। एल्गोरिदम गंधों की पहचान करने में सक्षम है, और यह तब भी ऐसा कर सकता है जब पैटर्न 80% तक मूल रूप से सीखे गए पैटर्न से अलग हो।

“सिग्नल के पैटर्न को काफी हद तक नष्ट कर दिया गया है,” क्लेलैंड ने कहा, “और फिर भी प्रणाली इसे पुनर्प्राप्त करने में सक्षम है।”

स्तनधारी मस्तिष्क

स्तनधारियों का मस्तिष्क गंधों की पहचान और याद रखने में अत्यधिक कुशल होता है, और इसमें गंध रिसेप्टर्स और जटिल न्यूरल नेटवर्क की हजारों की संख्या हो सकती है जो गंध से जुड़े पैटर्न का विश्लेषण करते हैं। स्तनधारी जो कृत्रिम बुद्धिमत्ता प्रणालियों से बेहतर कर सकते हैं उनमें से एक यह है कि वे जो सीखते हैं उसे बनाए रखना, भले ही नई जानकारी हो। गहरे शिक्षण दृष्टिकोण में, नेटवर्क को एक बार में सब कुछ प्रस्तुत करना होगा, क्योंकि नई जानकारी प्रभावित कर सकती है या पहले से सीखी गई जानकारी को नष्ट कर सकती है।

“जब आप कुछ सीखते हैं, तो यह न्यूरॉन्स को स्थायी रूप से अलग करता है,” क्लेलैंड ने कहा। “जब आप एक गंध सीखते हैं, तो इंटरन्यूरॉन्स को विशिष्ट कॉन्फ़िगरेशन का जवाब देने के लिए प्रशिक्षित किया जाता है, इसलिए आप इंटरन्यूरॉन्स के स्तर पर अलगाव प्राप्त करते हैं। इसलिए, मशीन की ओर, हम बस इसे बढ़ाते हैं और एक सख्त रेखा खींचते हैं।”

क्लेलैंड ने बताया कि टीम ने नए प्रयोगात्मक दृष्टिकोण कैसे विकसित किए।

“जब आप एक जैविक प्रक्रिया का अध्ययन करना शुरू करते हैं जो इतनी जटिल और जटिल हो जाती है कि आप बस इसका अनुमान नहीं लगा सकते, तो आपको एक कंप्यूटर मॉडल के साथ अपने दिमाग को अनुशासित करना होगा,” उन्होंने कहा। “आप इसे धुंधला नहीं कर सकते। और यह हमें कई नए प्रयोगात्मक दृष्टिकोण और विचारों की ओर ले जाता है जो हमें सिर्फ इसे देखकर नहीं मिल सकते थे।”

Alex McFarland

Alex Unite.AI के एआई‑संचालित समाचार संचालन का नेतृत्व करते हैं, पत्रकारिता, अनुसंधान और स्वचालन को मिलाकर कृत्रिम बुद्धिमत्ता की समय पर और स्केलेबल कवरेज को समर्थन देते हैं। उनका काम यह सुनिश्चित करने में मदद करता है कि उभरते एआई विकास को प्रभावी ढंग से उजागर किया जाए, जबकि प्रकाशन के संपादकीय मानकों को बनाए रखा जाए।