कृत्रिम बुद्धिमत्ता
शोधकर्ता “विकासवादी एल्गोरिदम” के साथ एक नए दृष्टिकोण का प्रस्ताव करते हैं
जबकि हमारे वर्तमान कंप्यूटर आमतौर पर पूर्व-प्रोग्राम की गई क्रियाओं का प्रदर्शन करते हैं, यह हमारे मस्तिष्क के विपरीत है, जो अत्यधिक अनुकूलनीय है। हमारी अनुकूलनीयता मुख्य रूप से सिनैप्टिक प्लास्टिसिटी पर निर्भर करती है, जिसमें सिनैप्स न्यूरॉन्स के बीच संपर्क बिंदु होते हैं। तंत्रिका विज्ञानी सिनैप्टिक प्लास्टिसिटी से गहराई से प्रभावित होते हैं क्योंकि यह सीखने की प्रक्रियाओं और स्मृति की कुंजी है।
तंत्रिका विज्ञान और कृत्रिम बुद्धिमत्ता (एआई) में शोधकर्ता इन अंतर्निहित प्रक्रियाओं के तंत्र के लिए मॉडल विकसित करते हैं ताकि वे मस्तिष्क को बेहतर ढंग से समझ सकें। ये मॉडल हमें जैविक जानकारी प्रसंस्करण में अंतर्दृष्टि प्राप्त करने में मदद करते हैं, और वे मशीनों को तेजी से सीखने में मदद करने के लिए महत्वपूर्ण हैं।
“विकासवादी एल्गोरिदम”
बर्न विश्वविद्यालय के शारीरिक विज्ञान संस्थान में शोधकर्ताओं ने अब “विकासवादी एल्गोरिदम” पर आधारित एक नए दृष्टिकोण का विकास किया है, और ये कंप्यूटर कार्यक्रम जैविक विकास की प्रक्रिया की नकल करके समाधानों की खोज करते हैं।
शोध टीम बर्न विश्वविद्यालय के शारीरिक विज्ञान संस्थान में डॉ मिहाई पेट्रोविकी और हाइडेलबर्ग विश्वविद्यालय में किरचॉफ़ फिजिक्स संस्थान के नेतृत्व में थी।
अध्ययन ईलाइफ पत्रिका में प्रकाशित किया गया था।
इसका अर्थ है कि जैविक फिटनेस, जो एक जीव के अपने वातावरण के अनुकूल होने की डिग्री है, विकासवादी एल्गोरिदम के लिए एक मॉडल हो सकता है। इन एल्गोरिदम के साथ, एक उम्मीदवार समाधान की “फिटनेस” इस बात पर निर्भर करती है कि यह कितनी अच्छी तरह से अंतर्निहित समस्या का समाधान कर सकता है।
तीन सीखने के परिदृश्य
नया दृष्टिकोण “विकसित करने के लिए सीखना” या “अनुकूलनीय होना” कहलाता है। टीम ने तीन प्रकार के सीखने के परिदृश्यों पर ध्यान केंद्रित किया, जिनमें से पहले में कंप्यूटर को एक निरंतर इनपुट प्रवाह में एक दोहराए जाने वाले पैटर्न का पता लगाना था बिना अपने प्रदर्शन के बारे में प्रतिक्रिया प्राप्त किए।
दूसरे परिदृश्य में कंप्यूटर को एक वांछित व्यवहार करते समय आभासी पुरस्कार मिले।
तीसरे परिदृश्य में “मार्गदर्शित सीखने” शामिल था, जहां कंप्यूटर को यह बताया गया था कि उसका व्यवहार वांछित एक से कितना भिन्न था।
बर्न विश्वविद्यालय के शारीरिक विज्ञान संस्थान से डॉ जैकब जॉर्डन संबंधित और सह-पहले लेखक हैं।
“इन सभी परिदृश्यों में, विकासवादी एल्गोरिदम सिनैप्टिक प्लास्टिसिटी के तंत्र का पता लगाने में सक्षम थे, और इस प्रकार एक नई कार्य को सफलतापूर्वक हल किया,” डॉ जॉर्डन ने कहा।
एल्गोरिदम ने मजबूत रचनात्मकता का प्रदर्शन किया।
डॉ मैक्सिमिलियन श्मिट अध्ययन के सह-पहले लेखक हैं।
“उदाहरण के लिए, एल्गोरिदम ने एक नई प्लास्टिसिटी मॉडल का पता लगाया, जिसमें हमने परिभाषित संकेतों को एक नए संकेत के रूप में जोड़ा गया है। वास्तव में, हम देखते हैं कि इस नए संकेत का उपयोग करने वाले नेटवर्क पहले से ज्ञात नियमों की तुलना में तेजी से सीखते हैं,” डॉ श्मिट ने कहा।
“हम ई2एल को जैविक सीखने के सिद्धांतों में गहरी अंतर्दृष्टि प्राप्त करने और शक्तिशाली कृत्रिम सीखने वाली मशीनों की प्रगति को तेज करने के लिए एक आशाजनक दृष्टिकोण के रूप में देखते हैं,” पेट्रोविकी ने कहा।
“हमें आशा है कि यह तंत्रिका तंत्र में सिनैप्टिक प्लास्टिसिटी पर शोध को तेज करेगा,” डॉ जॉर्डन ने टिप्पणी की।
टीम का कहना है कि नई खोज स्वस्थ और बीमार मस्तिष्क के काम करने के तरीके में गहरी अंतर्दृष्टि प्रदान करेगी, और वे उपयोगकर्ताओं के अनुकूल होने में सक्षम बुद्धिमान मशीनों के विकास में मदद कर सकती है।
