कल का कार्यस्थल आश्चर्यजनक मात्रा में डेटा पर चलेगा।यह सब समझने के लिए, व्यवसायों, डेवलपर्स और व्यक्तियों को बेहतर कृत्रिम बुद्धिमत्ता (एआई) सिस्टम, बेहतर प्रशिक्षित एआई कार्यकर्ता और अधिक कुशल नंबर-क्रंचिंग सर्वर की आवश्यकता होगी।

जबकि बड़ी तकनीकी कंपनियों के पास इन मांगों को पूरा करने के लिए संसाधन और विशेषज्ञता है, वे अधिकांश छोटे और मध्यम आकार के उद्यमों और व्यक्तियों की पहुंच से बाहर हैं।इस आवश्यकता का जवाब देने के लिए, कॉनकॉर्डिया के नेतृत्व वाली अंतरराष्ट्रीय शोधकर्ताओं की टीम ने जटिल एआई कार्यों को उपयोगकर्ताओं के लिए अधिक सुलभ और पारदर्शी बनाने के लिए एक नया ढांचा विकसित किया है।

रूपरेखा, एक लेख में वर्णित हैप्रकाशितजर्नल मेंसूचना विज्ञान, समाधान प्रदान करने में माहिर हैगहन सुदृढीकरण सीखना(डीआरएल) अनुरोध।डीआरएल मशीन लर्निंग का एक उपसमूह है जो गहन शिक्षण को जोड़ता है, जो स्तरित का उपयोग करता हैतंत्रिका - तंत्रविशाल डेटा सेट में पैटर्न ढूंढना, औरसुदृढीकरण सीखना, जिसमें एक एजेंट इनाम/जुर्माना प्रणाली के आधार पर अपने वातावरण के साथ बातचीत करके निर्णय लेना सीखता है।

डीआरएल का उपयोग गेमिंग, रोबोटिक्स, स्वास्थ्य देखभाल और वित्त जैसे विविध उद्योगों में किया जाता है।

फ्रेमवर्क उन डेवलपर्स, कंपनियों और व्यक्तियों को जोड़ता है जिनके पास विशिष्ट लेकिन पहुंच से बाहर एआई की जरूरत है, उन सेवा प्रदाताओं के साथ जिनके पास आवश्यक संसाधन, विशेषज्ञता और मॉडल हैं।सेवा क्राउडसोर्स की गई है, ब्लॉकचेन पर बनाई गई है और उपयोगकर्ताओं को उपयुक्त सेवा प्रदाता के साथ मिलाने के लिए एक स्मार्ट अनुबंध का उपयोग करती है - कोड में निर्मित शर्तों के पूर्व-निर्धारित सेट के साथ एक अनुबंध।

पीएच.डी. अहमद अलघा कहते हैं, "प्रशिक्षण और डीआरएल डिजाइन करने की प्रक्रिया को क्राउडसोर्सिंग प्रक्रिया को अधिक पारदर्शी और अधिक सुलभ बनाती है।"जीना कोडी स्कूल ऑफ इंजीनियरिंग एंड कंप्यूटर साइंस में उम्मीदवार और पेपर के मुख्य लेखक।

"इस ढांचे के साथ, कोई भी साइन अप कर सकता है और एक इतिहास और प्रोफ़ाइल बना सकता है। उनकी विशेषज्ञता, प्रशिक्षण और रेटिंग के आधार पर, उन्हें वे कार्य आवंटित किए जा सकते हैं जो उपयोगकर्ता अनुरोध कर रहे हैं।"

डीआरएल का लोकतंत्रीकरण

उनके सह-लेखक और थीसिस पर्यवेक्षक, कॉनकॉर्डिया इंस्टीट्यूट फॉर इंफॉर्मेशन सिस्टम इंजीनियरिंग के प्रोफेसर, जमाल बेंटाहर के अनुसार, यह सेवा डीआरएल द्वारा पहले उपलब्ध की तुलना में कहीं अधिक व्यापक आबादी के लिए पेश की जाने वाली क्षमता को खोलती है।

वे कहते हैं, "डीआरएल मॉडल को प्रशिक्षित करने के लिए, आपको कम्प्यूटेशनल संसाधनों की आवश्यकता होती है जो हर किसी के लिए उपलब्ध नहीं होते हैं। आपको विशेषज्ञता की भी आवश्यकता होती है। यह ढांचा दोनों प्रदान करता है।"

शोधकर्ताओं का मानना ​​है कि उनके सिस्टम का डिज़ाइन ब्लॉकचेन के माध्यम से गणना प्रयासों को वितरित करके लागत और जोखिम को कम करेगा।सर्वर क्रैश या दुर्भावनापूर्ण हमले के संभावित विनाशकारी परिणामों को उसी समस्या पर काम करने वाली दर्जनों या सैकड़ों अन्य मशीनों द्वारा कम किया जाता है।

अलाघा बताते हैं, "अगर एक केंद्रीकृत सर्वर विफल हो जाता है, तो पूरा प्लेटफ़ॉर्म बंद हो जाता है।""ब्लॉकचेन आपको वितरण और पारदर्शिता देता है। इस पर सब कुछ लॉग इन होता है, इसलिए इसके साथ छेड़छाड़ करना बहुत मुश्किल है।"

किसी मॉडल को ठीक से काम करने के लिए प्रशिक्षित करने की कठिन और महंगी प्रक्रिया को मौजूदा मॉडल उपलब्ध होने से छोटा किया जा सकता है, जिसमें उपयोगकर्ता की विशेष आवश्यकताओं को पूरा करने के लिए केवल कुछ अपेक्षाकृत मामूली समायोजन की आवश्यकता होती है।

उदाहरण के लिए, मान लीजिए कि एक बड़ा शहर एक मॉडल विकसित करता है जो यातायात प्रवाह को अनुकूलित करने और दुर्घटनाओं को कम करने के लिए ट्रैफिक लाइट अनुक्रमों को स्वचालित कर सकता है। छोटे शहरों या कस्बों के पास अपने आप को विकसित करने के लिए संसाधन नहीं हो सकते हैं, लेकिन वे बड़े शहर का उपयोग कर सकते हैंइसे विकसित किया और अपनी परिस्थितियों के अनुरूप ढाला।"

अधिक जानकारी:हादी ओट्रोक एट अल, ब्लॉकचेन-आधारित क्राउडसोर्स्ड डीप रीइन्फोर्समेंट लर्निंग को एक सेवा के रूप में,सूचना विज्ञान(2024)डीओआई: 10.1016/j.ins.2024.121107