भौतिकी में नोबेल पुरस्कार प्रदान किया गयामंगलवार को दो वैज्ञानिकों को उन खोजों के लिए भेजा गया, जिन्होंने चैटजीपीटी जैसे बेहद लोकप्रिय उपकरणों द्वारा उपयोग की जाने वाली कृत्रिम बुद्धिमत्ता के लिए आधार तैयार किया।
ब्रिटिश-कनाडाई जेफ्री हिंटन, जिन्हें "एआई के गॉडफादर" के रूप में जाना जाता है, और अमेरिकी भौतिक विज्ञानी जॉन हॉपफील्ड को "उन खोजों और आविष्कारों के लिए पुरस्कार दिया गया जो मशीन लर्निंग को सक्षम बनाते हैं।"कृत्रिम तंत्रिका नेटवर्क, "नोबेल जूरी ने कहा।
लेकिन वे क्या हैं, और इन सबका क्या मतलब है?यहां कुछ उत्तर दिए गए हैं.
तंत्रिका नेटवर्क और मशीन लर्निंग क्या हैं?
ऑक्सफोर्ड विश्वविद्यालय में मशीन लर्निंग के विशेषज्ञ मार्क वैन डेर विल्क ने एएफपी को बताया कि एक कृत्रिम तंत्रिका नेटवर्क एक गणितीय निर्माण है जो "पूरी तरह से प्रेरित" है।मानव मस्तिष्क.
हमारे मस्तिष्क में न्यूरॉन्स नामक कोशिकाओं का एक नेटवर्क होता है, जो बाहरी उत्तेजनाओं पर प्रतिक्रिया करते हैं - जैसे कि चीजें जो हमारी आंखों ने देखी हैं या कानों ने सुनी हैं - एक दूसरे को संकेत भेजकर।
जब हम चीजें सीखते हैं, तो न्यूरॉन्स के बीच कुछ संबंध मजबूत हो जाते हैं, जबकि अन्य कमजोर हो जाते हैं।
पारंपरिक कंप्यूटिंग के विपरीत, जो एक नुस्खा पढ़ने की तरह काम करता है, कृत्रिम तंत्रिका नेटवर्क मोटे तौर पर इस प्रक्रिया की नकल करते हैं।
जैविक न्यूरॉन्स को सरल गणनाओं से बदल दिया जाता है जिन्हें कभी-कभी "नोड्स" कहा जाता है - और आने वाली उत्तेजनाएं जिनसे वे सीखते हैं उन्हें प्रशिक्षण डेटा द्वारा प्रतिस्थापित किया जाता है।
विचार यह है कि यह नेटवर्क को समय के साथ सीखने की अनुमति दे सकता है - इसलिए मशीन लर्निंग शब्द।
होपफील्ड ने क्या खोजा?
लेकिन इससे पहले कि मशीनें सीख सकें, एक और मानवीय गुण आवश्यक था: स्मृति।
क्या आपको कभी किसी शब्द को याद करने में कठिनाई हुई है?हंस पर विचार करें.आप हंस पर हमला करने से पहले इसी तरह के शब्दों - गुंडा, अच्छा, पिशाच - का उपयोग कर सकते हैं।
वैन डेर विल्क ने कहा, "यदि आपको कोई पैटर्न दिया गया है जो बिल्कुल वैसा नहीं है जिसे आपको याद रखने की आवश्यकता है, तो आपको रिक्त स्थान भरने की आवश्यकता है।"
"इसी तरह आप किसी विशेष स्मृति को याद रखते हैं।"
"हॉपफील्ड नेटवर्क" के पीछे यही विचार था - जिसे "साहचर्य स्मृति" भी कहा जाता है - जिसे भौतिक विज्ञानी ने 1980 के दशक की शुरुआत में विकसित किया था।
हॉपफील्ड के योगदान का मतलब यह था कि जब एक कृत्रिम तंत्रिका नेटवर्क को कुछ ऐसा दिया जाता है जो थोड़ा गलत होता है, तो यह निकटतम मिलान खोजने के लिए पहले से संग्रहीत पैटर्न के माध्यम से चक्र कर सकता है।
यह AI के लिए एक बड़ा कदम साबित हुआ।
हिंटन के बारे में क्या?
1985 में, हिंटन ने क्षेत्र में अपने योगदान का खुलासा किया - या उनमें से कम से कम एक - जिसे बोल्ट्ज़मैन मशीन कहा जाता है।
19वीं सदी के भौतिक विज्ञानी लुडविग बोल्ट्ज़मैन के नाम पर, इस अवधारणा ने यादृच्छिकता का एक तत्व पेश किया।
यह यादृच्छिकता अंततः यही कारण है कि आज के एआई-संचालित छवि जनरेटर एक ही संकेत में अंतहीन विविधताएं उत्पन्न कर सकते हैं।
हिंटन ने यह भी दिखाया कि किसी नेटवर्क में जितनी अधिक परतें होंगी, "उसका व्यवहार उतना ही अधिक जटिल हो सकता है"।
फ्रांसीसी मशीन लर्निंग शोधकर्ता फ्रांसिस बाख ने एएफपी को बताया, इससे "वांछित व्यवहार को कुशलतापूर्वक सीखना" आसान हो गया।
इसका उपयोग किसके लिए होता है?
इन विचारों के मौजूद होने के बावजूद, 1990 के दशक में कई वैज्ञानिकों ने इस क्षेत्र में रुचि खो दी।
मशीन लर्निंग के लिए अत्यधिक शक्तिशाली कंप्यूटरों की आवश्यकता होती है जो बड़ी मात्रा में जानकारी को संभालने में सक्षम हों।इन एल्गोरिदम को एक कुत्ते को एक बिल्ली से अलग बताने में सक्षम होने के लिए कुत्तों की लाखों छवियों की आवश्यकता होती है।
इसलिए 2010 के दशक तक ऐसा नहीं था कि सफलताओं की एक लहर ने "इमेज प्रोसेसिंग से संबंधित हर चीज में क्रांति ला दी"प्राकृतिक भाषा प्रसंस्करण, "बाख ने कहा।
मेडिकल स्कैन पढ़ने से लेकर निर्देशन तकस्व-चालित कारेंमौसम की भविष्यवाणी करने से लेकर डीपफेक बनाने तक, एआई के उपयोग अब इतने अधिक हो गए हैं कि उनकी गिनती करना मुश्किल हो गया है।
लेकिन क्या यह सचमुच भौतिकी है?
हिंटन पहले ही ट्यूरिंग पुरस्कार जीत चुके थे, जिसे कंप्यूटर विज्ञान का नोबेल माना जाता है।
लेकिन कई विशेषज्ञों ने कहा कि यह भौतिकी के क्षेत्र में एक अच्छी तरह से योग्य नोबेल जीत थी, जिसने विज्ञान को उस रास्ते पर शुरू किया जो एआई की ओर ले जाएगा।
फ्रांसीसी शोधकर्ता डेमियन क्वेरलियोज़ ने बताया कि ये एल्गोरिदम मूल रूप से "कंप्यूटिंग के क्षेत्र में ऊर्जा की अवधारणा को स्थानांतरित करके भौतिकी से प्रेरित थे"।
वान डेर विल्क ने कहा कि "एआई के पद्धतिगत विकास के लिए" पहला नोबेल भौतिकी समुदाय के साथ-साथ विजेताओं के योगदान को भी स्वीकार करता है।
और जबकि चैटजीपीटी कभी-कभी एआई को वास्तव में रचनात्मक बना सकता है, इसके "मशीन" भाग को याद रखना महत्वपूर्ण हैयंत्र अधिगम.
वैन डेर विल्क ने जोर देकर कहा, "यहां कोई जादू नहीं हो रहा है।"
"आखिरकार, एआई में सब कुछ गुणन और जोड़ है।"
© 2024 एएफपी
उद्धरण:तंत्रिका नेटवर्क, मशीन लर्निंग?नोबेल विजेता एआई विज्ञान की व्याख्या (2024, 8 अक्टूबर)8 अक्टूबर 2024 को पुनः प्राप्तhttps://techxplore.com/news/2024-10-neural-networks-machine-nobel-ai.html से
यह दस्तावेज कॉपीराइट के अधीन है।निजी अध्ययन या अनुसंधान के उद्देश्य से किसी भी निष्पक्ष व्यवहार के अलावा, नहींलिखित अनुमति के बिना भाग को पुन: प्रस्तुत किया जा सकता है।सामग्री केवल सूचना के प्रयोजनों के लिए प्रदान की गई है।