कैसे कृत्रिम खुफिया आपको स्मार्ट बना देगा

कैसे कृत्रिम खुफिया आपको स्मार्ट बना देगालोग प्लस मशीन अकेले तत्व की क्षमताओं को पार कर जाएंगी। metamorworks / Shutterstock.com

भविष्य अकेले मनुष्यों या मशीनों द्वारा नहीं बनाया जाएगा - लेकिन दोनों एक साथ काम कर रहे हैं। मानव मस्तिष्क के काम पर पहले से ही लोगों की क्षमताओं में वृद्धि हुई है, और यह केवल अधिक प्रभावशाली होगा क्योंकि समाज इन तेजी से सक्षम मशीनों के लिए उपयोग किया जाता है।

प्रौद्योगिकी आशावादियों ने बढ़ती दुनिया को कल्पना की है मानव उत्पादकता और जीवन की गुणवत्ता चूंकि कृत्रिम बुद्धिमान प्रणाली जीवन की कठोरता और प्रशासन को लेती है, हर किसी को लाभान्वित करना। दूसरी ओर, निराशावादी ने चेतावनी दी है कि ये प्रगतियां आ सकती हैं खो नौकरियों और बाधित जीवन में बड़ी लागत। और डर लगता है कि एआई अंततः हो सकता है मनुष्यों को अप्रचलित बनाओ.

हालांकि, भविष्य की कल्पना करने में लोग बहुत अच्छे नहीं हैं। न तो यूटोपिया और न ही डूम्सडे की संभावना है। मेरी नई किताब में, "दीप लर्निंग क्रांति, "मेरा लक्ष्य विज्ञान और प्रौद्योगिकी के इस तेजी से बढ़ते क्षेत्र के भूतकाल, वर्तमान और भविष्य को समझा देना था। मेरा निष्कर्ष यह है कि एआई आपको चालाक बना देगा, लेकिन ऐसे तरीकों से जो आपको आश्चर्यचकित करेंगे।

पैटर्न पहचानना

गहरी शिक्षा एआई का हिस्सा है जिसने सबसे प्रगति की है जटिल समस्याओं को हल करना छवियों में वस्तुओं की पहचान करना, एकाधिक वक्ताओं से भाषण को पहचानना और लोगों को बोलने या लिखने के तरीके को संसाधित करना। गहरी शिक्षा से उत्पन्न होने वाले बड़े डेटा सेट में पैटर्न की पहचान करने के लिए भी उपयोगी साबित हुआ है सेंसर, चिकित्सा उपकरण और वैज्ञानिक उपकरण.

इस दृष्टिकोण का लक्ष्य यह है कि कंप्यूटर दुनिया की जटिलता का प्रतिनिधित्व कर सकता है और पिछले अनुभव से सामान्यीकृत हो सकता है - भले ही आगे क्या हो रहा है, वही नहीं है जैसा पहले हुआ था। जैसे एक व्यक्ति यह पहचान सकता है कि वह एक विशिष्ट जानवर है जिसे उसने पहले कभी नहीं देखा है वास्तव में एक बिल्ली है, गहरी सीखने वाले एल्गोरिदम पहलुओं की पहचान कर सकते हैं जिसे "बिल्ली-नेस" कहा जा सकता है और बिल्लियों की नई छवियों से उन विशेषताओं को निकाला जा सकता है।

कैसे कृत्रिम खुफिया आपको स्मार्ट बना देगागहरी शिक्षा प्रणाली बता सकती है कि इनमें से कौन सी बिल्ली है। Gelpi / Shutterstock.com

गहरी शिक्षा के लिए तरीके पर आधारित हैं मानव सिद्धांतों को शक्ति देने वाले समान सिद्धांत। उदाहरण के लिए, मस्तिष्क एक ही समय में कई प्रसंस्करण इकाइयों में विभिन्न प्रकार के डेटा को संभालता है। न्यूरॉन्स के पास एक दूसरे के साथ कई कनेक्शन हैं, और वे लिंक इस बात के आधार पर मजबूत या कमजोर होते हैं कि उनका कितना उपयोग किया जाता है, संवेदी इनपुट और वैचारिक आउटपुट के बीच संबंध स्थापित करना।

यह सबसे सफल गहरी सीखने नेटवर्क 1960s अनुसंधान पर आधारित है जो दृश्य कॉर्टेक्स के आर्किटेक्चर में है, जो मस्तिष्क का एक हिस्सा है जिसे हम देखने के लिए उपयोग करते हैं, और 1980s में आविष्कार किए गए एल्गोरिदम सीखते हैं। उसके बाद, कंप्यूटर वास्तविक दुनिया की समस्याओं को हल करने के लिए अभी तक पर्याप्त तेज़ नहीं थे। अब, वे हैं।

इसके अलावा, सीखने के नेटवर्क एक दूसरे के शीर्ष पर स्तरित किए गए हैं, कनेक्शन के जाल को अधिक बारीकी से बनाते हैं दृश्य प्रांतस्था में पाए गए परतों के पदानुक्रम जैसा दिखता है। यह एक का हिस्सा है अभिसरण बीच में हो रहा है कृत्रिम और जैविक खुफिया जानकारी.

कैसे कृत्रिम खुफिया आपको स्मार्ट बना देगाआउटपुट देने से पहले एक चार-स्तरित तंत्रिका नेटवर्क बाएं से इनपुट स्वीकार करता है, अगली परत तक अगली परत के आउटपुट को अगली और अगले तक पास करता है। Sin314 / Shutterstock.com

वास्तविक जीवन में गहरी शिक्षा

गहरी शिक्षा पहले ही मानव क्षमताओं में जोड़ रही है। यदि आप वेब पर खोजने के लिए Google सेवाओं का उपयोग करते हैं, या अपने ऐप्स का उपयोग एक भाषा से दूसरे भाषा में अनुवाद करने के लिए करते हैं या भाषण को पाठ में बदलते हैं, तो तकनीक ने आपको स्मार्ट, या अधिक प्रभावी बना दिया है। हाल ही में चीन की यात्रा पर, एक दोस्त ने अपने एंड्रॉइड फोन में अंग्रेजी बोली, जिसने इसे टैक्सी ड्राइवर के लिए बोली जाने वाली चीनी में अनुवादित किया - बस "स्टार ट्रेक पर सार्वभौमिक अनुवादक".

एक वास्तविक वास्तविक समय अनुवाद डिवाइस का एक परीक्षण।

ये और कई अन्य सिस्टम पहले से ही काम पर हैं, जो आपको अपने दैनिक जीवन में मदद करते हैं, भले ही आप उन्हें अवगत न हों। उदाहरण के लिए, गहरी शिक्षा शुरू हो रही है एक्स-रे छवियों और त्वचा घावों की तस्वीरें पढ़ने कैंसर का पता लगाने के लिए। आपका स्थानीय डॉक्टर जल्द ही उन समस्याओं को पहचानने में सक्षम होगा जो आज केवल सर्वोत्तम विशेषज्ञों के लिए स्पष्ट हैं।

यहां तक ​​कि जब आप जानते हैं कि एक मशीन शामिल है, तो हो सकता है कि आप वास्तव में क्या कर रहे हैं की जटिलता को समझ न सकें: अमेज़ॅन के एलेक्सा के पीछे एक आभासी है गहरे सीखने के नेटवर्क जो आपके अनुरोध को पहचानते हैं, अपने सवालों के जवाब देने और अपनी तरफ से कार्रवाई करने के लिए डेटा के माध्यम से निकलें।

सीखने के लिए आगे बढ़ना

पैटर्न पहचान समस्याओं को हल करने में गहरी शिक्षा बहुत प्रभावी रही है, लेकिन इसके आगे जाने के लिए अन्य मस्तिष्क प्रणालियों की आवश्यकता है। जब किसी जानवर को किसी कार्रवाई के लिए पुरस्कृत किया जाता है, तो यह होता है भविष्य में समान कार्यवाही करने की अधिक संभावना है। मस्तिष्क के बेसल गैंग्लिया में डोपामाइन न्यूरॉन्स अपेक्षित और प्राप्त पुरस्कारों के बीच अंतर की रिपोर्ट करते हैं, इनाम भविष्यवाणी त्रुटि कहा जाता है, जिसका उपयोग मस्तिष्क में कनेक्शन की ताकत बदलने के लिए किया जाता है जो भविष्य के पुरस्कारों की भविष्यवाणी करता है।

गहराई से सीखने के साथ, इस दृष्टिकोण को जोड़कर, मजबूती सीखने कहा जाता है, कंप्यूटर कंप्यूटर को अप्रत्याशित संभावनाओं की पहचान करने की शक्ति दे सकता है। एक पैटर्न को पहचानकर और फिर इसे प्रतिक्रिया देने के तरीके से प्रतिक्रिया देते हुए, मशीन मानव रचनात्मकता कहलाए जाने वाले कार्यों के साथ व्यवहार कर सकती है। यह युग्मित दृष्टिकोण यह है कि दीपमाइंड ने कैसे विकसित किया अल्फागो नामक कार्यक्रम, किसमें 2016 ने ग्रैंडमास्टर ली सेडोल को हराया और अगले वर्ष दुनिया को हराया चैंपियन, के जी.

खेल असली दुनिया के रूप में गन्दा नहीं हैं, जो अनिश्चितताओं को स्थानांतरित करने से भरा हुआ है। मासिमो वर्गासोला कैलिफोर्निया विश्वविद्यालय, सैन डिएगो में, और मैंने हाल ही में क्षेत्र में एक ग्लाइडर सिखाने के लिए मजबूती सीखने का उपयोग किया अशांत थर्मल में एक पक्षी की तरह उगने के लिए कैसे। संवेदनशील पक्षियों से सेंसर को यह जांचने के लिए जोड़ा जा सकता है कि वे एक ही संकेत का उपयोग करते हैं और उसी तरह प्रतिक्रिया देते हैं।

इन सफलताओं के बावजूद, शोधकर्ता अभी तक पूरी तरह से समझ नहीं पाए हैं कि गहरी सीखने से इन समस्याओं को हल किया जाता है। बेशक, हम नहीं जानते कि मस्तिष्क उन्हें कैसे हल करता है।

जबकि मस्तिष्क की आंतरिक कार्यप्रणाली छिपी रह सकती है, शोधकर्ताओं ने गहरी शिक्षा के सिद्धांत को विकसित करने से पहले ही समय की बात की है। अंतर यह है कि कंप्यूटर का अध्ययन करते समय, शोधकर्ताओं के पास नेटवर्क में गतिविधि के हर कनेक्शन और पैटर्न तक पहुंच होती है। प्रगति की गति तेजी से बढ़ रही है, अनुसंधान पत्र रोज़ाना दिख रहे हैं arXiv। इस दिसंबर में आश्चर्यजनक प्रगति की उम्मीद है तंत्रिका सूचना प्रसंस्करण प्रणाली सम्मेलन मॉन्ट्रियल में, जो 8,000 टिकट बेचे गए 11 मिनट में, प्रतीक्षा सूची पर 9,000 आशावादी पंजीयक छोड़कर।

कंप्यूटरों को सामान्य मानव खुफिया जानकारी प्राप्त करने से पहले एक लंबा रास्ता तय करना है। सबसे बड़े गहरे सीखने के नेटवर्क में आज केवल मानव तंत्रिका प्रांतस्था के टुकड़े की शक्ति है चावल के अनाज का आकार। और हम अभी तक नहीं जानते कि मस्तिष्क गतिशील रूप से बड़े मस्तिष्क क्षेत्रों के बीच बातचीत कैसे आयोजित करता है।

प्रकृति में पहले से ही एकीकरण का स्तर है, जो बड़े पैमाने पर मस्तिष्क प्रणालियों का निर्माण करता है जो मानव शरीर के सभी पहलुओं को संचालित करने में सक्षम होते हैं जबकि गहरे प्रश्नों पर विचार करते हैं और जटिल कार्यों को पूरा करते हैं। आखिरकार, स्वायत्त प्रणाली जटिल हो सकती है, जो हमारे ग्रह पर असंख्य जीवित प्राणियों से जुड़ती है।वार्तालाप

के बारे में लेखक

टेरेंस सेजनोव्स्की, फ्रांसिस क्रिक प्रोफेसर और जैविक अध्ययन के लिए साल्क इंस्टीट्यूट में कम्प्यूटेशनल न्यूरोबायोलॉजी प्रयोगशाला के निदेशक, और न्यूरोबायोलॉजी के विशिष्ट प्रोफेसर, कैलिफोर्निया के सैन डिएगो के विश्वविद्यालय

इस लेख से पुन: प्रकाशित किया गया है वार्तालाप क्रिएटिव कॉमन्स लाइसेंस के तहत। को पढ़िए मूल लेख.

संबंधित पुस्तकें

{amazonWS: searchindex = Books; कीवर्ड्स = कृत्रिम बुद्धिमत्ता; मैक्समूलस = 3}

enafarzh-CNzh-TWnltlfifrdehiiditjakomsnofaptruessvtrvi

InnerSelf पर का पालन करें

फेसबुक आइकनट्विटर आइकनआरएसएस आइकन

ईमेल से नवीनतम प्राप्त करें

{Emailcloak = बंद}

इनर्सल्फ़ आवाज

सबसे ज़्यादा पढ़ा हुआ