एआई मॉडल और प्लेटफ़ॉर्म
शोधकर्ता सामान्य ज्ञान वाले प्रबलन लर्निंग सिस्टम देने के लिए जानवरों की ओर देखते हैं
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
इंपीरियल कॉलेज लंदन, कैम्ब्रिज विश्वविद्यालय और गूगल डीपमाइंड जैसे संस्थानों के एआई शोधकर्ता प्रबलन लर्निंग सिस्टम के प्रदर्शन में सुधार करने के लिए प्रेरणा के लिए जानवरों की ओर देख रहे हैं। सेलप्रेस रिव्यूज में प्रकाशित एक संयुक्त पत्र में, जिसका शीर्षक “आर्टिफिशियल इंटेलिजेंस और जानवरों की सामान्य बुद्धि” है, शोधकर्ता तर्क देते हैं कि जानवरों की संज्ञानात्मकता प्रबलन लर्निंग एजेंटों और उनके मूल्यांकन के लिए उपयोगी बेंचमार्क और मूल्यांकन के तरीके प्रदान करती है, और यह कार्यों और वातावरणों के इंजीनियरिंग को भी सूचित कर सकती है।
एआई शोधकर्ता और इंजीनियर लंबे समय से एल्गोरिदम डिजाइन करते समय जैविक न्यूरल नेटवर्क से प्रेरणा लेते हैं, व्यवहार विज्ञान और न्यूरोसाइंस से सिद्धांतों का उपयोग करके एल्गोरिदम की संरचना को सूचित करते हैं। हालांकि, अधिकांश संकेत जो एआई शोधकर्ता न्यूरोसाइंस/व्यवहार विज्ञान क्षेत्रों से लेते हैं, मानवों पर आधारित होते हैं, जिसमें युवा बच्चों और शिशुओं की संज्ञानात्मकता केंद्र बिंदु के रूप में कार्य करती है। एआई शोधकर्ताओं ने अभी तक जानवरों के मॉडल से बहुत अधिक प्रेरणा नहीं ली है, लेकिन जानवरों की संज्ञानात्मकता एक अनछुई संसाधन है जो प्रबलन लर्निंग स्थान में महत्वपूर्ण सफलता का कारण बन सकती है।
गहरे प्रबलन लर्निंग सिस्टम एक प्रक्रिया के माध्यम से प्रशिक्षित होते हैं जो परीक्षण और त्रुटि के माध्यम से होता है, जो तब प्रबलित होता है जब एक प्रबलन लर्निंग एजेंट एक वांछित उद्देश्य को पूरा करने के करीब आता है। यह बहुत ही उसी तरह है जैसे एक जानवर को एक वांछित कार्य करने के लिए प्रशिक्षित करना, जिसमें भोजन का उपयोग पुरस्कार के रूप में किया जाता है। जीवविज्ञानी और जानवरों की संज्ञानात्मकता विशेषज्ञों ने कई प्रयोग किए हैं जानवरों की संज्ञानात्मक क्षमताओं का मूल्यांकन करने के लिए, जिसमें कुत्ते, भालू, गिलहरी, सूअर, कौवे, डॉल्फिन, बिल्ली, चूहे, हाथी और ऑक्टोपस शामिल हैं। कई जानवर प्रभावशाली बुद्धिमत्ता के प्रदर्शन को प्रदर्शित करते हैं, और कुछ जानवर जैसे हाथी और डॉल्फिन मानसिक सिद्धांत का अधिकारी हो सकते हैं।
जानवरों की संज्ञानात्मकता के बारे में किए गए शोध को देखने से एआई शोधकर्ताओं को अलग-अलग कोणों से समस्याओं पर विचार करने के लिए प्रेरित किया जा सकता है। जैसे ही गहरे प्रबलन लर्निंग अधिक शक्तिशाली और परिष्कृत हो गया है, एआई शोधकर्ता जो इस क्षेत्र में विशेषज्ञ हैं, वे प्रबलन लर्निंग एजेंटों की संज्ञानात्मक क्षमताओं का परीक्षण करने के नए तरीकों की तलाश कर रहे हैं। शोध पत्र में, शोध टीम प्राइमेट्स और पक्षियों के साथ किए गए प्रयोगों का उल्लेख करती है, जिसमें वे ऐसी प्रणालियों को डिजाइन करने का लक्ष्य रखते हैं जो समान प्रकार के कार्यों को पूरा कर सकती हैं, एक प्रकार की “सामान्य बुद्धि” देने के लिए एआई को सक्षम बनाती है। पत्र के लेखकों के अनुसार, वे “एक दृष्टिकोण की वकालत करते हैं जिसमें आरएल एजेंट, शायद अभी तक विकसित नहीं हुए आर्किटेक्चर के साथ, समृद्ध आभासी वातावरणों के साथ विस्तारित बातचीत के माध्यम से आवश्यक चीजें प्राप्त करते हैं।”
वेंचरबीट द्वारा रिपोर्ट किए अनुसार, एआई शोधकर्ता तर्क देते हैं कि सामान्य बुद्धि मानवों के लिए विशिष्ट नहीं है और यह भौतिक दुनिया के मूलभूत गुणों की समझ पर निर्भर करती है, जैसे कि एक वस्तु एक बिंदु और स्थान पर कब्जा करती है, उस वस्तु की गति पर क्या प्रतिबंध हैं, और कारण और प्रभाव की सराहना करती है। जानवर प्रयोगशाला अध्ययनों में इन विशेषताओं को प्रदर्शित करते हैं। उदाहरण के लिए, कौवे समझते हैं कि वस्तुएं स्थायी चीजें हैं, क्योंकि वे बीज को पुनः प्राप्त करने में सक्षम होते हैं जब बीज उनसे छिपा होता है, दूसरी वस्तु द्वारा ढका होता है।
इस प्रकार की प्रणाली को सुसज्जित करने के लिए, शोधकर्ता तर्क देते हैं कि उन्हें ऐसे कार्य बनाने होंगे जो सही आर्किटेक्चर के साथ मिलकर एजेंटों को अन्य कार्यों में सीखे गए सिद्धांतों को स्थानांतरित करने में सक्षम बना सकें। शोधकर्ता तर्क देते हैं कि ऐसे मॉडल के लिए प्रशिक्षण में उन तकनीकों का उपयोग शामिल होना चाहिए जो एक एजेंट को केवल कुछ उदाहरणों के संपर्क में आने के बाद एक अवधारणा को समझने में सक्षम बनाती हैं, जिसे कुछ शॉट प्रशिक्षण कहा जाता है। यह पारंपरिक रूप से प्रबलन लर्निंग एजेंट के परीक्षण और त्रुटि प्रशिक्षण में hundreds या thousands के परीक्षणों से अलग है।
शोध टीम आगे बताती है कि जबकि कुछ आधुनिक आरएल एजेंट कई कार्यों को हल करना सीख सकते हैं, जिनमें से कुछ में सीखे गए सिद्धांतों का मूलभूत हस्तांतरण शामिल है, यह स्पष्ट नहीं है कि आरएल एजेंट “सामान्य बुद्धि” जैसी अमूर्त अवधारणा को सीख सकते हैं या नहीं। यदि कोई एजेंट ऐसी अवधारणा को सीखने में सक्षम होता है, तो उन्हें एक कंटेनर की अवधारणा को समझने के लिए परीक्षणों की आवश्यकता होगी।
विशेष रूप से, डीपमाइंड नए और विभिन्न तरीकों से प्रबलन लर्निंग एजेंटों को विकसित और परीक्षण करने के लिए उत्साहित है। हाल ही में, स्टैनफोर्ड एचएआई सम्मेलन में, जो अक्टूबर के शुरू में हुआ था, डीपमाइंड के न्यूरोसाइंस अनुसंधान के प्रमुख, मैथ्यू बोटविनिक, ने मशीन लर्निंग शोधकर्ताओं और इंजीनियरों से विज्ञान के अन्य क्षेत्रों में अधिक सहयोग करने का आग्रह किया। बोटविनिक ने एआई क्षेत्र के लिए मनोवैज्ञानिकों और न्यूरोसाइंस के साथ अंतरविषयक कार्य के महत्व पर जोर दिया एक बातचीत में जिसका शीर्षक था “ट्रायांगुलेटिंग इंटेलिजेंस: मेल्डिंग न्यूरोसाइंस, साइकोलॉजी और एआई”।
