कृत्रिम बुद्धिमत्ता मस्तिष्क की तरह कैसे सीखती है: समय के साथ सीखने के लिए कृत्रिम बुद्धिमत्ता प्रणालियों का एक नया दृष्टिकोण – सकाना एआई और सतत विचार मशीन – चित्र: Xpert.Digital
मानव चिंतन की पुनर्कल्पना: सकाना एआई का अभिनव सीटीएम
मशीन थिंकिंग 2.0: सीटीएम एक मील का पत्थर क्यों है?
जापानी स्टार्टअप सकाना एआई द्वारा विकसित नई "निरंतर विचार मशीन" (सीटीएम) तंत्रिका गतिविधि की लौकिक गतिशीलता को मशीन चिंतन के केंद्रीय तंत्र के रूप में स्थापित करके एआई अनुसंधान में एक क्रांतिकारी बदलाव लाती है। पारंपरिक एआई मॉडल जो सूचना को एक ही बार में संसाधित करते हैं, उनके विपरीत, सीटीएम एक बहु-चरणीय विचार प्रक्रिया का अनुकरण करती है जो मानव मस्तिष्क की कार्यप्रणाली से अधिक मिलती-जुलती है।.
इससे संबंधित:
समय-आधारित सोच की क्रांति
जहां GPT-4 या Llama 3 जैसे पारंपरिक AI मॉडल क्रमिक रूप से काम करते हैं—इनपुट आता है, आउटपुट जाता है—वहीं CTM इस सिद्धांत को तोड़ता है। यह सिस्टम एक आंतरिक समय अवधारणा, जिसे "टिक्स" या असतत समय चरण कहा जाता है, के साथ काम करता है, जिसके माध्यम से मॉडल की आंतरिक स्थिति धीरे-धीरे विकसित होती है। यह दृष्टिकोण पुनरावृत्ति अनुकूलन को सक्षम बनाता है और एक ऐसी प्रक्रिया का निर्माण करता है जो मात्र प्रतिक्रिया की तुलना में एक प्राकृतिक विचार प्रक्रिया से अधिक मिलती-जुलती है।.
सकाना एआई बताती है, “सीटीएम समय की एक आंतरिक अवधारणा, जिसे ‘आंतरिक टिक’ कहा जाता है, के साथ काम करता है, जो डेटा इनपुट से अलग होती है। इससे मॉडल को कार्यों को हल करते समय तुरंत निर्णय लेने के बजाय कई चरणों में ‘सोचने’ की सुविधा मिलती है।”
इस दृष्टिकोण का मूल आधार तंत्रिका तुल्यकालन को एक मूलभूत प्रतिनिधित्व तंत्र के रूप में उपयोग करना है। सकाना एआई ने जैविक मस्तिष्क की कार्यप्रणाली से प्रेरणा ली है, जहाँ न्यूरॉन्स के बीच समयबद्ध समन्वय महत्वपूर्ण भूमिका निभाता है। यह जैविक प्रेरणा महज़ एक रूपक नहीं है, बल्कि उनकी एआई विकास दर्शन की नींव है।.
न्यूरॉन-स्तरीय मॉडल: तकनीकी आधार
सीटीएम "न्यूरॉन-स्तरीय मॉडल" (एनएलएम) नामक एक जटिल तंत्रिका संरचना प्रस्तुत करता है। प्रत्येक न्यूरॉन के अपने भार पैरामीटर होते हैं और यह पिछली सक्रियताओं का रिकॉर्ड रखता है। ये रिकॉर्ड समय के साथ न्यूरॉन्स के व्यवहार को प्रभावित करते हैं, जिससे पारंपरिक कृत्रिम तंत्रिका नेटवर्क की तुलना में अधिक गतिशील प्रसंस्करण संभव हो पाता है।.
विचार प्रक्रिया कई आंतरिक चरणों में आगे बढ़ती है। सबसे पहले, एक "सिनैप्टिक मॉडल" वर्तमान न्यूरोनल अवस्थाओं के साथ-साथ बाहरी इनपुट डेटा को संसाधित करके प्रारंभिक संकेत उत्पन्न करता है - जिन्हें पूर्व-सक्रियण कहा जाता है। इसके बाद, व्यक्तिगत "न्यूरॉन मॉडल" इन संकेतों के इतिहास का उपयोग करके अपनी अगली अवस्थाओं की गणना करते हैं।.
न्यूरॉन्स के बीच तालमेल की मजबूती का विश्लेषण करने के लिए समय के साथ न्यूरोनल अवस्थाओं को रिकॉर्ड किया जाता है। यह तालमेल मॉडल का केंद्रीय आंतरिक प्रतिनिधित्व बनाता है। एक अतिरिक्त ध्यान तंत्र प्रणाली को इनपुट डेटा के प्रासंगिक भागों को चुनिंदा रूप से चुनने और संसाधित करने की अनुमति देता है।.
प्रदर्शन और व्यावहारिक परीक्षण
प्रयोगों की एक श्रृंखला में, सकाना एआई ने स्थापित आर्किटेक्चरों के साथ सीटीएम के प्रदर्शन की तुलना की। परिणाम विभिन्न अनुप्रयोग क्षेत्रों में आशाजनक प्रगति दर्शाते हैं:
छवि वर्गीकरण और दृश्य प्रसंस्करण
प्रसिद्ध ImageNet 1K डेटासेट पर, CTM ने शीर्ष 1 श्रेणी में 72.47% और शीर्ष 5 श्रेणी में 89.89% की सटीकता हासिल की है। हालांकि ये मान आज के मानकों के अनुसार शीर्ष स्तर के नहीं हैं, लेकिन Sakana AI का कहना है कि यह परियोजना का प्राथमिक लक्ष्य नहीं है। यह उल्लेखनीय है कि ImageNet वर्गीकरण के लिए प्रतिनिधित्व के रूप में न्यूरल डायनामिक्स का उपयोग करने का यह पहला प्रयास है।.
CIFAR-10 डेटासेट का उपयोग करके किए गए परीक्षणों में, CTM ने पारंपरिक मॉडलों की तुलना में थोड़ा बेहतर प्रदर्शन किया, और इसके पूर्वानुमान मानव निर्णय लेने के समान थे। CIFAR-10H पर, CTM का कैलिब्रेशन त्रुटि केवल 0.15 है, जो मनुष्यों (0.22) और LSTM (0.28) दोनों से बेहतर है।.
जटिल समस्या समाधान
64 की लंबाई वाले समता कार्यों में, CTM 75 से अधिक क्लॉक साइकल में प्रभावशाली 100% सटीकता प्राप्त करता है, जबकि LSTM अधिकतम 10 प्रभावी क्लॉक साइकल में 60% से कम सटीकता पर अटक जाता है। एक भूलभुलैया प्रयोग में, मॉडल ने चरण-दर-चरण मार्ग नियोजन के समान व्यवहार प्रदर्शित किया, जिसमें सफलता दर 80% थी, जबकि LSTM के लिए यह 45% और फीड-फॉरवर्ड नेटवर्क के लिए केवल 20% थी।.
इस मॉडल की सबसे दिलचस्प बात यह है कि यह अपनी प्रोसेसिंग डेप्थ को गतिशील रूप से समायोजित कर सकता है: यह सरल कार्यों के लिए जल्दी रुक जाता है और अधिक जटिल कार्यों के लिए अधिक समय लेता है। यह बिना किसी अतिरिक्त डेटा हानि वाले फ़ंक्शन के काम करता है और आर्किटेक्चर की एक अंतर्निहित विशेषता है।.
व्याख्यात्मकता और पारदर्शिता
सीटीएम की एक प्रमुख विशेषता इसकी व्याख्यात्मकता है। इमेज प्रोसेसिंग के दौरान, ध्यान केंद्रित करने वाले केंद्र प्रासंगिक विशेषताओं को व्यवस्थित रूप से स्कैन करते हैं, जिससे मॉडल की "विचार प्रक्रिया" की जानकारी मिलती है। भूलभुलैया प्रयोगों में, सिस्टम ने एक मार्ग की चरण-दर-चरण योजना के समान व्यवहार प्रदर्शित किया - एक ऐसा व्यवहार जो, डेवलपर्स के अनुसार, स्वाभाविक है और स्पष्ट रूप से प्रोग्राम नहीं किया गया है।.
सकाना एआई एक इंटरैक्टिव डेमो भी प्रदान करता है जिसमें एक सीटीएम सिस्टम ब्राउज़र के भीतर 150 चरणों में भूलभुलैया से बाहर निकलने का रास्ता खोजता है। यह पारदर्शिता कई आधुनिक एआई सिस्टमों पर एक महत्वपूर्ण लाभ है, जिनकी निर्णय लेने की प्रक्रिया को अक्सर "ब्लैक बॉक्स" के रूप में देखा जाता है।.
इससे संबंधित:
चुनौतियाँ और सीमाएँ
आशाजनक परिणामों के बावजूद, सीटीएम को अभी भी महत्वपूर्ण चुनौतियों का सामना करना पड़ रहा है:
- गणना संबंधी प्रयास: प्रत्येक आंतरिक क्लॉक चक्र के लिए पूर्ण फॉरवर्ड पास की आवश्यकता होती है, जिससे एलएसटीएम की तुलना में प्रशिक्षण लागत लगभग तीन गुना बढ़ जाती है।.
- स्केलेबिलिटी: वर्तमान कार्यान्वयन अधिकतम 1,000 न्यूरॉन्स को संसाधित कर सकते हैं, और ट्रांसफार्मर के आकार (≥1 बिलियन पैरामीटर) तक स्केलिंग का अभी तक परीक्षण नहीं किया गया है।.
- अनुप्रयोग के क्षेत्र: हालांकि सीटीएम विशिष्ट परीक्षणों में अच्छे परिणाम दिखाता है, लेकिन यह देखना बाकी है कि क्या ये फायदे व्यापक व्यावहारिक अनुप्रयोगों में भी तब्दील होंगे।.
शोधकर्ताओं ने विभिन्न आकार के मॉडलों के साथ भी प्रयोग किए और पाया कि अधिक न्यूरॉन्स की उपस्थिति से गतिविधि के अधिक विविध पैटर्न तो उत्पन्न होते हैं, लेकिन इससे परिणामों में स्वतः सुधार नहीं होता। यह मॉडल की संरचना, आकार और प्रदर्शन के बीच जटिल संबंधों को दर्शाता है।.
सकाना एआई: कृत्रिम बुद्धिमत्ता के लिए एक नया दृष्टिकोण
सकाना एआई की स्थापना जुलाई 2023 में एआई के क्षेत्र में दूरदर्शी सोच रखने वाले डेविड हा और लायन जोन्स ने की थी, जो दोनों गूगल के पूर्व शोधकर्ता हैं, साथ ही रेन इतो भी इसमें शामिल हैं, जो मर्करी के पूर्व कर्मचारी और जापानी विदेश मंत्रालय के अधिकारी हैं। यह कंपनी कई स्थापित एआई डेवलपर्स से बिल्कुल अलग दृष्टिकोण अपनाती है।.
विशाल और संसाधन-गहन एआई मॉडल के पारंपरिक मार्ग को अपनाने के बजाय, सकाना एआई प्रकृति से प्रेरणा लेती है, विशेष रूप से मछलियों के झुंड और पक्षियों के समूह की सामूहिक बुद्धिमत्ता से। ओपनएआई जैसी कंपनियों के विपरीत, जो चैटजीपीटी जैसे बड़े और शक्तिशाली मॉडल विकसित करती हैं, सकाना एआई एक विकेन्द्रीकृत दृष्टिकोण पर निर्भर करती है, जिसमें छोटे, सहयोगी एआई मॉडल कुशलतापूर्वक एक साथ काम करते हैं।.
यह दर्शन CTM में भी परिलक्षित होता है। अधिक मापदंडों वाले बड़े मॉडल बनाने के बजाय, सकाना एआई मौलिक वास्तुशिल्पीय नवाचारों पर ध्यान केंद्रित करता है जो एआई प्रणालियों द्वारा सूचना प्रसंस्करण के तरीके को मौलिक रूप से बदल सकते हैं।.
क्या कृत्रिम बुद्धिमत्ता के विकास में कोई प्रतिमान परिवर्तन आ रहा है?
निरंतर विचार मशीन कृत्रिम बुद्धिमत्ता के विकास में एक महत्वपूर्ण कदम साबित हो सकती है। कृत्रिम तंत्रिका नेटवर्क के केंद्रीय तत्व के रूप में लौकिक गतिशीलता को पुनः स्थापित करके, सकाना एआई कृत्रिम बुद्धिमत्ता अनुसंधान के लिए उपकरणों और अवधारणाओं के भंडार का विस्तार करती है।.
सीटीएम की जैविक प्रेरणा, व्याख्यात्मकता और अनुकूलनीय गणनात्मक गहराई जटिल तर्क और समस्या-समाधान की आवश्यकता वाले अनुप्रयोगों में विशेष रूप से उपयोगी हो सकती है। इसके अलावा, यह दृष्टिकोण कम गणनात्मक संसाधनों की आवश्यकता वाले अधिक कुशल एआई सिस्टम को जन्म दे सकता है।.
सीटीएम वास्तव में एक अभूतपूर्व उपलब्धि है या नहीं, यह अभी देखा जाना बाकी है। सबसे बड़ी चुनौती प्रयोगशाला परीक्षणों से प्राप्त आशाजनक परिणामों को व्यावहारिक अनुप्रयोगों में बदलना और इस आर्किटेक्चर को बड़े मॉडलों तक विस्तारित करना होगा।.
बहरहाल, सीटीएम एक साहसिक और नवोन्मेषी दृष्टिकोण प्रस्तुत करता है, जो दर्शाता है कि वर्तमान एआई प्रणालियों की प्रभावशाली सफलताओं के बावजूद, कृत्रिम तंत्रिका नेटवर्क की संरचना में मौलिक नवाचार की अभी भी काफी गुंजाइश है। सकाना एआई की कंटीन्यूअस थॉट मशीन हमें याद दिलाती है कि हम शायद वास्तव में मानव-समान कृत्रिम बुद्धिमत्ता विकसित करने की लंबी यात्रा की शुरुआत में ही हैं।.
इससे संबंधित:
आपके एआई रूपांतरण, एआई एकीकरण और एआई प्लेटफॉर्म उद्योग विशेषज्ञ
☑️ हमारी व्यावसायिक भाषा अंग्रेजी या जर्मन है।
☑️ नया: अपनी मातृभाषा में पत्राचार करें!
Konrad Wolfenstein
मुझे और मेरी टीम को आपके व्यक्तिगत सलाहकार के रूप में आपकी सेवा करने में खुशी होगी।.
आप यहां दिए गए संपर्क फ़ॉर्म को भरकर मुझसे संपर्क कर सकते हैं wolfenstein@xpert.digital:या मुझे +49 7348 4088 965 पर कॉल कर सकते हैं । मेरा ईमेल पता है
मैं हमारी संयुक्त परियोजना के लिए उत्सुक हूं।.
