रोबोटिक्स और भौतिक एआई
रोबोटिक एआई को शोधकर्ताओं ने स्वतःस्फूर्त व्यवहार दिया
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
शोधकर्ता और रोबोटिक्स विशेषज्ञ लगातार स्वचालित कार्यों को प्राप्त करने की कोशिश कर रहे हैं, और वे अक्सर नियंत्रण तंत्र के लिए प्रेरणा के रूप में जानवरों के मस्तिष्क की ओर देखते हैं। रोबोटिक व्यवहार की कार्य-विशिष्ट प्रकृति के कारण, पूर्वनिर्धारित मॉड्यूल और नियंत्रण विधियों पर निर्भरता के कारण, वे अक्सर लचीलेपन में सीमित होते हैं।
इस क्षेत्र में नवीनतम विकास टोक्यो विश्वविद्यालय से आ रहा है, जहां शोधकर्ताओं ने रोबोटिक एआई को स्वतःस्फूर्त व्यवहार देने के लिए एक वैकल्पिक मशीन लर्निंग-आधारित विधि बनाई है। टीम ने जानवरों के मस्तिष्क की तंत्रिका गतिविधियों जैसे जटिल समयिक पैटर्न पर भरोसा करके ऐसा किया।
शोध को साइंस एडवांसेज में प्रकाशित किया गया था, जिसका शीर्षक “डिज़ाइनिंग स्पोंटेनियस बिहेवियरल स्विचिंग वाया केओस इटिनरेंसी” था।
उच्च-आयामी अराजकता
एक गतिशील प्रणाली कुछ की आंतरिक स्थितियों के परिवर्तन का एक गणितीय मॉडल है, जो रोबोट और उनके नियंत्रण सॉफ़्टवेयर का वर्णन करता है। शोधकर्ता विशेष रूप से उच्च-आयामी अराजकता पर ध्यान केंद्रित कर रहे हैं, जो एक गतिशील प्रणाली का एक वर्ग है, जानवरों के मस्तिष्क को मॉडल करने की इसकी प्रभावशाली क्षमता के कारण।
परिवर्तनशील प्रारंभिक स्थितियों की जटिलता और संवेदनशीलता के कारण, उच्च-आयामी अराजकता को नियंत्रित करना विशेष रूप से चुनौतीपूर्ण है। इस क्षेत्र को आगे बढ़ाने और इस बाधा को दूर करने के लिए, टोक्यो विश्वविद्यालय के इंटेलिजेंट सिस्टम्स एंड इन्फॉर्मेटिक्स लेबोरेटरी और नेक्स्ट जेनरेशन आर्टिफ़िशियल इंटेलिजेंस रिसर्च सेंटर के शोधकर्ताओं ने उच्च-आयामी अराजकता का उपयोग करके रोबोट को मानव जैसी संज्ञानात्मक कार्य प्रदान करने के नए तरीके विकसित किए हैं।
कात्सुमा इनोउ एक पीएचडी छात्र है जो इस शोध पर काम कर रहे हैं।
“उच्च-आयामी अराजकता का एक पहलू है जिसे अराजक यात्रा (सीआई) कहा जाता है, जो स्मृति रिकॉल और संघ के दौरान मस्तिष्क की गतिविधि की व्याख्या कर सकता है,” इनोउ ने कहा। “रोबोटिक्स में, सीआई स्वतःस्फूर्त व्यवहार पैटर्न लागू करने के लिए एक महत्वपूर्ण उपकरण रहा है। इस अध्ययन में, हम उच्च-आयामी अराजकता द्वारा उत्पन्न जटिल समयिक पैटर्न का उपयोग करके सीआई को लागू करने के लिए एक नुस्खा प्रस्तावित करते हैं। हमें लगता है कि हमारा दृष्टिकोण संज्ञानात्मक वास्तुकला को डिज़ाइन करने के लिए अधिक मजबूत और बहुमुखी अनुप्रयोगों के लिए संभावना रखता है। यह हमें नियंत्रक में किसी भी पूर्वनिर्धारित स्पष्ट संरचना के बिना स्वतःस्फूर्त व्यवहार डिज़ाइन करने की अनुमति देता है, जो अन्यथा एक बाधा के रूप में कार्य करेगी।”
रिज़र्वॉयर कंप्यूटिंग (आरसी) क्या है
टीम ने रिज़र्वॉयर कंप्यूटिंग (आरसी) पर भारी भरोसा किया, जो एक मशीन लर्निंग तकनीक है जिसमें गतिशील प्रणाली सिद्धांत शामिल है। आरसी का उपयोग पुनरावृत्ति न्यूरल नेटवर्क (आरएनएन) को नियंत्रित करने के लिए किया जाता है, और यह एक आरएनएन के अधिकांश कनेक्शन को स्थिर रखते हुए केवल कुछ पैरामीटर को बदल देता है। यह अन्य मशीन लर्निंग दृष्टिकोणों से अलग है, जो अक्सर एक न्यूरल नेटवर्क में सभी न्यूरल कनेक्शन को थोड़ा बदल देते हैं, और इसके परिणामस्वरूप प्रणाली को तेजी से प्रशिक्षित किया जा सकता है।
शोधकर्ताओं ने आरसी सिद्धांतों को एक अराजक आरएनएन पर लागू करने पर वांछित परिणाम प्राप्त किया, और इसके परिणामस्वरूप स्वतःस्फूर्त व्यवहार पैटर्न प्रदर्शित हुए। नेटवर्क के लिए प्रशिक्षण तेजी से और कार्यान्वयन से पहले होता है।
“जानवरों के मस्तिष्क में उच्च-आयामी अराजकता उनकी गतिविधियों में होती है, लेकिन वे अराजकता का उपयोग कैसे और क्यों करते हैं यह अभी भी समझ में नहीं आया है,” कोहे नाकाजिमा ने कहा, जो विश्वविद्यालय में एक एसोसिएट प्रोफेसर हैं। “हमारे प्रस्तावित मॉडल हमारे मस्तिष्क में अराजकता के योगदान को समझने में अंतर्दृष्टि प्रदान कर सकता है। इसके अलावा, हमारा नुस्खा तंत्रिका विज्ञान के क्षेत्र से बाहर भी व्यापक प्रभाव डाल सकता है, क्योंकि इसे अन्य अराजक प्रणालियों पर भी लागू किया जा सकता है। उदाहरण के लिए, जैविक न्यूरॉन्स से प्रेरित अगली पीढ़ी के न्यूरोमॉर्फिक डिवाइस उच्च-आयामी अराजकता प्रदर्शित कर सकते हैं और हमारे नुस्खे को लागू करने के लिए उत्कृष्ट उम्मीदवार होंगे। मुझे उम्मीद है कि हम जल्द ही मस्तिष्क के कार्यों के कृत्रिम कार्यान्वयन देखेंगे।”
यह विकास रोबोटिक्स और कृत्रिम बुद्धिमत्ता (एआई) के क्षेत्रों के लिए महत्वपूर्ण है, क्योंकि शोधकर्ता इस चुनौती का सामना करते आ रहे हैं। यह इन क्षेत्रों के तेजी से आगे बढ़ने का最新 उदाहरण है।
