तंत्रिका नेटवर्क कहां से आया और अब क्या हो रहा है

पिछले कुछ वर्षों में, कृत्रिम बुद्धिमत्ता के विषय पर सक्रिय रूप से चर्चा की गई है, क्योंकि इसके अध्ययन के लिए एक दृष्टिकोण बड़े निगमों के बीच सक्रिय रूप से गति प्राप्त कर रहा है। यह दृष्टिकोण तंत्रिका नेटवर्क है। अभी हाल ही में, लगभग एक साल पहले, यह शब्द हर जगह से सुना जा सकता है। आज हम मानवता द्वारा कृत्रिम बुद्धिमत्ता के अध्ययन के इतिहास पर विचार करते हैं (यह पता चलता है कि यह पहले से ही लगभग 2000 वर्ष पुराना है) और आज की वास्तविकताएं।



इस लेख के लेखक जेडियम के लड़के हैं। मैं उन्हें मंजिल देता हूं।

परिचय

वास्तव में, पारंपरिक कंप्यूटरों की कंप्यूटिंग शक्ति के विकास के लिए धन्यवाद, सॉफ्टवेयर स्तर पर एआई में संलग्न होना सुविधाजनक हो गया है। इस हद तक कि कैसे कम से कम प्रोग्रामिंग ज्ञान के साथ आपके तंत्रिका नेटवर्क को "लिखना" लोकप्रिय आईटी स्रोतों पर निर्धारित किया गया था। हालांकि, इस क्षेत्र में हमारी कंपनी के अध्ययन में देरी करने से पहले, हम आपको थोड़ी पृष्ठभूमि बताना चाहेंगे।

ऐ 21 वीं सदी की खोज नहीं है

इस उद्योग का तेजी से विकास कई साल पहले शुरू हुआ था, लेकिन इससे पहले, मानवता कुछ हज़ार वर्षों से कृत्रिम बुद्धिमत्ता का अध्ययन कर रही है। अरस्तू और डेसकार्टेस से शुरू होकर कुख्यात जॉन वॉन न्यूमैन के साथ समाप्त हुआ। उत्तरार्द्ध ने एक आधुनिक कंप्यूटर के तर्क के विकास में बहुत बड़ा योगदान दिया। बहुत सारे वैज्ञानिक हैं जिन्होंने इस क्षेत्र का अध्ययन किया है। एआई के इतिहास का एक पूरा विवरण लंबे टेप और स्पष्टीकरण के साथ लेखों की एक से अधिक श्रृंखला ले जाएगा। एआई विज्ञान पृष्ठभूमि का लक्ष्य कुछ बिंदुओं को व्यक्त करना है जो जेडियम क्या करता है यह समझने में महत्वपूर्ण होगा।

पिछली सदी के 30 के दशक में कृत्रिम बुद्धि के अध्ययन में रुचि में उछाल था। एआई के अध्ययन के लिए अलग-अलग दृष्टिकोण वाले वैज्ञानिकों ने उत्कृष्ट परिणाम प्राप्त किए, एक-दूसरे के सिद्धांतों को विवादित किया और नए साबित किए। इसलिए, उदाहरण के लिए, उस समय, एक ट्यूरिंग परीक्षण का आविष्कार किया गया था, जो बताता है कि यदि दो वार्ताकारों के साथ बातचीत में कोई व्यक्ति AI को किसी अन्य व्यक्ति से अलग नहीं कर सकता है (बातचीत को कंप्यूटर टर्मिनल का उपयोग करके आवाज, उपस्थिति और इसी तरह के बदनाम गुणों को बाहर करने के लिए आयोजित किया जाना चाहिए) ), तो हमारे पास एक पूर्ण एआई है। सबसे दिलचस्प बात यह है कि एक बार परीक्षा पास कर ली गई थी। नतीजतन, ट्यूरिंग के काम कंप्यूटर सिस्टम के बारे में ज्ञान का एक मूल आधार बन गए, जो इनपुट डेटा के आधार पर, अपने स्वयं के स्वयंसिद्ध (निर्णय जो प्रमाण की आवश्यकता नहीं है) बनाते हैं। स्वयंसिद्धों के लिए धन्यवाद, सिस्टम उपयोगकर्ता से विशिष्ट अनुरोधों पर निष्कर्ष निकाल सकता है या बहुत प्रभावशाली सटीकता के साथ भविष्यवाणियां कर सकता है। हमारे समय में, यह इन प्रणालियों को तंत्रिका नेटवर्क कहा जाता है।

एआई के अध्ययन के लिए कई दृष्टिकोण हैं, लेकिन यह कम से कम दो को उजागर करने योग्य है - कुछ शब्दार्थों के साथ और इसके बिना। या तो हम तर्क लिखते हैं, या हम एक अत्यधिक लोड किए गए कंप्यूटिंग प्रोग्राम को लिखते हैं, जो कि एक तंत्रिका नेटवर्क है। हालांकि, पिछली शताब्दी के 40 के दशक के अंत और वर्तमान के बाद, एआई के क्षेत्र में कोई बड़ी सफलता नहीं देखी गई थी। एक "सर्दी" थी - कृत्रिम बुद्धि के अध्ययन में रुचि में गिरावट। यह शक्तिशाली तंत्रिका नेटवर्क बनाने के लिए कंप्यूटिंग शक्ति की कमी के कारण था, और तार्किक पक्ष से दृष्टिकोण भारी मुश्किल से निकला और निराशाजनक परिणाम दिखा।

कुछ साल पहले, कंप्यूटिंग शक्ति बहुत शक्तिशाली तंत्रिका नेटवर्क के निर्माण के लिए पर्याप्त होने लगी थी। हालांकि, आम लोगों में उनके प्रति रुचि एक नकारात्मक प्रवृत्ति प्राप्त करती है, जबकि विशेषज्ञों के बीच, इसके विपरीत, प्रशिक्षण जारी है। यह आरक्षण के लायक भी है - तंत्रिका नेटवर्क तेजी से रोजमर्रा और रोजमर्रा की चीजों की संपत्ति का अधिग्रहण करना शुरू कर रहे हैं। आपके गैजेट, मशीन विज़न में वॉयस असिस्टेंट, जिसे आप एक बार फिर अपने स्मार्टफोन, फोटो एडिटर और अन्य कई उदाहरणों के साथ स्कैन करने के लिए उपयोग करते हैं। लोगों को इसकी आदत है और "वाह प्रभाव" कठिन और कठिन हो रहा है। इसलिए, एक थीसिस है कि तंत्रिका नेटवर्क का विकास निकट भविष्य के दौरान तेजी से आगे नहीं बढ़ेगा, दूसरे शब्दों में, एक नया "शीतकालीन" आएगा।

लेकिन यद्यपि निगमों में एआई के अध्ययन पर काम बंद नहीं होता है, उद्योग में गंभीर समस्याएं हैं जो इस क्षेत्र में उत्पादक अनुसंधान को बाधित करती हैं। उदाहरण के लिए, तंत्रिका नेटवर्क के प्रशिक्षण के लिए डेटा की कमी। इस निष्कर्ष का अध्ययन करना और सवाल पूछना "हम डेटा कहां से प्राप्त कर सकते हैं?", हमने एक दिलचस्प दृष्टिकोण पाया जो समस्या का समाधान हो सकता है।

जीवित उदाहरण

जेडियम के लोग एक ऐसा प्लेटफ़ॉर्म बना रहे हैं जो वीआर / एआर अनुप्रयोगों के विकास को मानकीकृत और सरल बनाता है, साथ ही साथ प्रशिक्षण प्रणाली भी बनाता है। इस क्षेत्र में काम करते हुए, उन्होंने तथाकथित "छिपे हुए ज्ञान" के बारे में दिलचस्प अध्ययन किया। छिपा हुआ ज्ञान एक कौशल है जो एक व्यक्ति के पास है लेकिन दूसरे के पास नहीं है। छिपे हुए ज्ञान वाला व्यक्ति इसे साझा कर सकता है। केवल पूरी समस्या नाम में निहित है - ये कौशल छिपे हुए हैं, और जब तक किसी व्यक्ति को उनके बारे में नहीं बताया जाता है, तब तक वह नहीं जानता कि उसके पास है।

छिपा ज्ञान सामाजिक सीखने का आधार है। यदि ज्ञान है कि एक छात्र दूसरे छात्रों को दे सकता है, तो शिक्षक पर भार कम हो जाता है। लगभग किसी ने अभी तक इस थीसिस का अभ्यास में परीक्षण नहीं किया है - कोई विशेष सॉफ्टवेयर सिस्टम नहीं हैं। कंपनी इस दिशा में आगे बढ़ रही है। एक आभासी वातावरण है जिसमें आप छिपे हुए ज्ञान को रिकॉर्ड करने के लिए शर्तों को फिर से बना सकते हैं, और फिर इसका उपयोग उन्हें अन्य छात्रों को स्थानांतरित करने के लिए कर सकते हैं।

लेकिन छिपे हुए ज्ञान का लाभ उठाने के लिए, और बस एक प्रभावी शिक्षण वातावरण बनाने के लिए, आपको कृत्रिम बुद्धिमत्ता के पर्याप्त तत्वों की आवश्यकता होती है। उदाहरण के लिए, उनमें से प्रत्येक के ज्ञान और प्राथमिकताओं में अंतराल के आधार पर वास्तव में व्यक्तिगत शिक्षण (टेलर्ड लर्निंग) का निर्माण करना। और इसके लिए आधुनिक वास्तविकताओं - प्रशिक्षित तंत्रिका नेटवर्क में प्रभावी डेटा विश्लेषण एल्गोरिदम की आवश्यकता होती है।

आधुनिक ई-लर्निंग

एक आधुनिक ऑनलाइन शिक्षण प्रणाली बनाना, यह भी आधुनिक रुझानों को ध्यान में रखने लायक है, और उनमें से कई हैं, और उनके बीच की सीमा को भेद करना अक्सर मुश्किल होता है:

• "केंद्र में एक शिक्षक के साथ" सीखने के लिए "केंद्र में एक छात्र के साथ" सीखने से संक्रमण। कुछ समय के लिए, ऑनलाइन शिक्षण प्रणाली में एक विशेष रूप से शास्त्रीय प्रतिमान पर विचार किया गया था - "शिक्षक छात्रों को कुछ बताता है"। इसी समय, यह बहुत महत्वपूर्ण नहीं है कि विशिष्ट तकनीकी साधनों का उपयोग क्या किया गया था, यह आधुनिक एलएमएस और शैक्षिक सामग्री बनाने के लिए उपकरण या छात्रों को भेजे गए केवल प्रस्तुतिकरण हैं। अब एक सामान्य राय है कि प्रशिक्षण प्रणाली का ध्यान शिक्षक नहीं होना चाहिए, लेकिन छात्र, विभिन्न स्रोतों से ज्ञान प्राप्त करना और दुनिया की अपनी तस्वीर बनाना;
• अतुल्यकालिक / तुल्यकालिक संचार। यह तकनीकी अर्थों में थोड़ी छोटी समस्या है, क्योंकि लाइव रिमोट संचार के लिए साधनों की कोई कमी नहीं है। एक बहुत बड़ी समस्या हमें इस तरह के साधनों का सही उपयोग लगती है, विशेष रूप से प्रशिक्षण नियोजन के संदर्भ में। इस तथ्य के बावजूद कि मिश्रित सीखने (मिश्रित सीखने) की अवधारणा बिल्कुल भी नई नहीं है, हम अक्सर उन स्थितियों में आए जहां लाइव संचार और प्रशिक्षण पाठ्यक्रम स्वयं एक-दूसरे से अलग हो गए, एक प्रणाली में एकजुट नहीं हुए। यदि हम सामाजिक सीखने के तरीकों के बारे में बात करते हैं, तो वे आम तौर पर "मुख्यधारा के बाहर" काफी लंबे समय तक विकसित हुए, जिसने निश्चित रूप से ज्ञान मंच जैसे कई दिलचस्प उत्पादों का निर्माण किया, लेकिन आम तौर पर लोगों के साथ इस तरह के दृष्टिकोण को कैसे जोड़ा जाए, इस सवाल को खुला छोड़ दिया।
• निर्माणवादी और कनेक्शनवादी प्रतिमान। फिर से, दोनों उपरोक्त सभी के साथ संयोजन में बहुत दिलचस्प लगते हैं, लेकिन हम मानते हैं कि सॉफ्टवेयर उत्पाद में उनके आवेदन और कार्यान्वयन का कोई भी सामान्य पैटर्न अभी तक नहीं मिला है (इस तथ्य के बावजूद कि पारंपरिक एलएमएस / एलसीएमएस के लिए यह सब पहले से ही है) लंबे समय से मौजूद है)।
• सिमुलेशन, गंभीर खेल, भूमिका खेल खेल। कई क्षेत्रों में, इस प्रकार के प्रशिक्षण को सबसे अच्छा माना जाता है। लेकिन एक ही समय में, लंबे समय तक वे प्रशिक्षण प्रणालियों से कुछ हद तक अलग थे - न तो मानकों और न ही आवेदन प्रथाओं ने इसके लिए योगदान दिया। अब, AICC / SCORM से xAPI में परिवर्तन के साथ, उन्हें प्रशिक्षण में एकीकृत करने के लिए एक स्पष्ट रूप से दिखाई देने वाला अवसर है, लेकिन, फिर से, कोई पैटर्न या सर्वोत्तम अभ्यास नहीं हैं।

अपने मंच का निर्माण करते हुए, हमने इन समस्याओं में से कुछ को हल करने के लिए दृष्टिकोण की तलाश की, जबकि सिद्धांत में नहीं, बल्कि कुछ विशिष्ट क्षमताओं के साथ एक बहुत विशिष्ट सॉफ़्टवेयर उत्पाद में समाधान खोजने की कोशिश की। हम मानते हैं कि यह आंशिक रूप से संभव था, लेकिन हम यह भी देखते हैं कि इन समस्याओं के एक बड़े हिस्से को मंच के आगे विकास और इसके काम के विश्लेषण की आवश्यकता है। हम भविष्य के लेखों में इस बारे में अधिक बात करना चाहेंगे।

बुद्धि की सीमाओं का विस्तार

हमारा मिशन बौद्धिक विकास की सीमाओं का विस्तार करना है, तकनीकी प्रगति के साथ लोगों के सामाजिक ज्ञान को समृद्ध करना है।

लोगों को पढ़ाने का सिद्धांत लंबे समय से तकनीकी प्रगति से अलगाव में विकसित हुआ है। हमारा लक्ष्य मानव और मशीन बुद्धि के संयुक्त काम में तालमेल हासिल करके इस बाधा को मिटाना है।

और इस प्रक्रिया में समझने के लिए कि वास्तव में क्या हो रहा है।

लेखक

जेडियम एक Microsoft भागीदार कंपनी है जो आभासी, संवर्धित वास्तविकता और कृत्रिम बुद्धिमत्ता के क्षेत्र में काम कर रही है। जेडियम ने एकता पर जटिल परियोजनाओं के विकास को आसान बनाने के लिए एक रूपरेखा विकसित की है, जिसका एक हिस्सा सार्वजनिक रूप से गिटहब पर उपलब्ध है । जेडियम की योजना नए ढांचे के मॉड्यूल के साथ-साथ Microsoft Azure के साथ एकीकरण समाधानों को फिर से भरने की है।

विटालि चेशिन - तीन-आयामी ग्राहक-सर्वर अनुप्रयोगों के डिजाइन और कार्यान्वयन में 10 से अधिक वर्षों के अनुभव वाले सॉफ्टवेयर डेवलपर - अवधारणा से लेकर पूर्ण कार्यान्वयन और आभासी वास्तविकता के क्षेत्र में अनुप्रयोगों और समाधानों के एकीकरण तक। सिस्टम आर्किटेक्ट जेडियम एलएलसी, आईटी में एमएससी।

एलेक्सी सरफानोव

Jedium LLC में मार्केटिंग मैनेजर।

सर्गेई कुद्र्यावत्सेव

जेडियम एलएलसी के सीईओ और संस्थापक।