एआई क्रांति ड्रॉइड द्वारा नहीं, बल्कि टोस्टर द्वारा बनाई जाएगी

क्या भविष्य के स्मार्ट एल्गोरिदम सामान्य-उद्देश्य वाले रोबोट की तरह होंगे जो बातचीत और कार्ड पढ़ने के साथ-साथ रसोई के कार्यों को भी संभाल सकते हैं? या क्या हमारे डिजिटल सहायक विशेष गैजेट की तरह दिखेंगे - यानी, यह एक बातूनी शेफ नहीं होगा, बल्कि घरेलू उपकरणों से भरा रसोईघर होगा?

यदि एक एल्गोरिथ्म बहुत अधिक करने की कोशिश करता है, तो समस्याएं शुरू होती हैं। नीचे दिया गया नुस्खा एक कृत्रिम तंत्रिका नेटवर्क द्वारा बनाया गया था - एक प्रकार की कृत्रिम बुद्धि जो उदाहरण के द्वारा सीखती है। इस एल्गोरिथ्म ने सूप और पाई से बारबेक्यू तक लगभग 30,000 व्यंजनों का सावधानीपूर्वक अध्ययन किया, और फिर अपना नुस्खा देने की कोशिश की। परिणाम है, चलो कहना है, अपरंपरागत।

चावल के साथ चिकन पेस्ट

2 पाउंड छिलके वाले दिल
1 कप कटा हुआ ताजा पुदीना या रास्पबेरी पाई
1/2 कप कद्दूकस कतीरा
वनस्पति तेल का 1 बड़ा चम्मच
1 नमक
1 काली मिर्च
2 1/2 चम्मच चीनी

बिना पत्तों के मिलाएं और तब तक हिलाएं जब तक मिश्रण गाढ़ा न हो जाए। अंडे, चीनी, शहद, गाजर के बीज जोड़ें, और कम गर्मी पर पकाना। कॉर्न सिरप, अजवायन, दौनी और सफेद मिर्च जोड़ें। गर्म करने पर क्रीम डालें। बेकिंग पाउडर और नमक के शेष चम्मच को जोड़ने के लिए तैयार करें। 2 से 1 घंटे के लिए 350 ° F पर पकाएं। गरमागरम परोसें।

6 सर्विंग्स के लिए।

और यहाँ एक ही एल्गोरिदम द्वारा बनाई गई रेसिपी का एक उदाहरण है, लेकिन केवल एक पंक्ति में सभी व्यंजनों का अध्ययन करने के बजाय, उन्होंने केवल केक पर प्रशिक्षण दिया। नुस्खा सही नहीं है, लेकिन पिछले एक की तुलना में बहुत बेहतर है।

गाजर का केक

पीला केक मिश्रण का 1 पैक
3 कप मैदा
बेकिंग पाउडर का 1 चम्मच
1 1/2 चम्मच सोडा
1/4 चम्मच नमक
1 चम्मच दालचीनी
1 चम्मच अदरक
1/2 चम्मच लौंग
बेकिंग पाउडर का 1 चम्मच
1/4 चम्मच नमक
1 चम्मच वेनिला
कमरे के तापमान पर 1 अंडा
1 कप चीनी
1 चम्मच वेनिला
1 कप कटा हुआ पेकान

ओवन को 350 डिग्री पर प्रीहीट करें। 9 इंच की बेकिंग शीट को चिकना कर लें।

गहरे पीले होने तक अंडे को जल्दी से मारो। अलग सेट करें। गोरों को एक अलग कप में कठोरता से मारो। तैयार मिश्रण में पहले मिश्रण को मिलाएं और तेल को नरम करें। 40 मिनट के लिए ओवन में सेंकना जब तक पाई के केंद्र में एक दंर्तखोदनी सम्मिलित न हो जाए। 10 मिनट के रूप में सर्द। ठंडा होने तक एक तार स्टैंड पर रखें।

पूरी तरह से ठंडा होने तक मोल्ड से केक निकालें। गर्म परोसें।

16 सर्विंग्स के लिए।

बेशक, यदि आप निर्देशों पर करीब से नज़र डालते हैं, तो यह स्पष्ट हो जाएगा कि बाहर निकलने पर आपको केवल एक पके हुए अंडे की जर्दी मिलेगी। लेकिन यह अभी भी एक सुधार है। जब एआई को एक विशेष विशेषज्ञता तक ही सीमित रखने की अनुमति दी गई, तो निगरानी की जाने वाली जरूरत की मात्रा में कमी आई। चॉकलेट का उपयोग कब करना है और कब - आलू, कब सेंकना है, और कब उबालना है, इसके लिए उसे चुनना नहीं था। यदि पहले एल्गोरिथ्म में चावल, आइसक्रीम और पाई देने में सक्षम मैजिक बॉक्स होने की कोशिश की जाती, तो दूसरा टोस्टर से मिलता-जुलता कुछ होने की कोशिश करता - एक कार्य के लिए एक विशेष उपकरण।

मशीन सीखने वाले एल्गोरिदम को प्रशिक्षित करने वाले डेवलपर्स ने पाया है कि यह अक्सर जादू के बक्से के बजाय टोस्टर बनाने के लिए समझ में आता है। यह सहज प्रतीत नहीं हो सकता है, क्योंकि एआई इन वेस्टर्न फिक्शन, स्टार वॉर्स के C-3PO या इसी नाम की मूवी से WALL-E की तरह है। ये सामान्य-उद्देश्य वाले कृत्रिम बुद्धिमत्ता (ION) के उदाहरण हैं, लोगों की तरह दुनिया के साथ बातचीत करने और कई अलग-अलग कार्यों को करने में सक्षम ऑटोमेटा। हालांकि, कई कंपनियां चुपचाप - और सफलतापूर्वक - बहुत अधिक सीमित लक्ष्यों को प्राप्त करने के लिए मशीन लर्निंग का उपयोग करती हैं। एक एल्गोरिथ्म एक चैट बॉट हो सकता है जो फोन बिल के बारे में सीमित संख्या में बुनियादी ग्राहक प्रश्न प्रस्तुत करता है। एक अन्य व्यक्ति इस बारे में भविष्यवाणियां दे सकता है कि कॉल करने वाले व्यक्ति ने कॉल का जवाब देने वाले व्यक्ति के लिए स्क्रीन पर इन भविष्यवाणियों पर चर्चा करना और दिखाना चाहता है। ये संकीर्ण विशेषज्ञता के कृत्रिम बुद्धिमत्ता के उदाहरण हैं (IIMS) - कार्यों के एक बहुत छोटे समूह द्वारा सीमित। दूसरी ओर, फेसबुक ने हाल ही में अपने चैट बॉट "एम" को सेवानिवृत्त किया, जो होटल आरक्षण, थिएटर टिकट और बहुत कुछ के साथ सामना करने में असमर्थ था।

WALL-E स्तर के IALL के बजाय हमारे पास IIMS होने का कारण यह है कि कार्यों को सामान्य बनाने की कोशिश करने वाला कोई भी एल्गोरिदम उन कार्यों के साथ बदतर सामना करना शुरू कर देता है जो इसे दिया गया है। उदाहरण के लिए, विवरण के आधार पर चित्रों का निर्माण करने के लिए प्रशिक्षित एल्गोरिथ्म है । वह पाठ से एक चित्र बनाने की कोशिश कर रहा है: "यह एक पीला पक्षी है जिसके सिर पर काले धब्बे और एक बहुत छोटी चोंच है।" जब उन्हें पक्षियों के पूरी तरह से तैयार किए गए डेटा सेट पर प्रशिक्षित किया गया, तो वे बहुत अच्छी तरह से प्रबंधित हुए (एक अजीब सींग को ध्यान में रखे बिना):



लेकिन जब उन्हें गायों और लोगों को रोकने के संकेत और नावों से कुछ भी बनाने का निर्देश दिया गया, तो उनके पास एक कठिन समय था। यहां "एक स्लाइस पिज्जा खाने वाली लड़की की छवि" बनाने की कोशिश का परिणाम है:



हम यह सोचने के आदी नहीं हैं कि एक एल्गोरिथ्म के बीच इतना बड़ा अंतर है जो एक चीज़ को अच्छी तरह से करता है और एक एल्गोरिथ्म जो बहुत सारी चीजों को अच्छी तरह से करता है। लेकिन हमारे वर्तमान एल्गोरिदम की मानसिक क्षमताएं मानव मस्तिष्क की तुलना में बहुत सीमित हैं, और प्रत्येक नया कार्य उन्हें और भी अधिक लोड करता है। एक घरेलू उपकरण को टोस्टर के आकार की कल्पना करें: इसमें कुछ जोड़े बनाना आसान है, हीटिंग कॉइल स्थापित करना और रोटी पकाना। लेकिन उसके बाद भी, बहुत कुछ करना बाकी है। यदि आप एक चावल कुकर और एक आइसक्रीम निर्माता को जोड़ने की कोशिश करते हैं, तो आपको कम से कम स्लॉट्स को छोड़ना होगा, और इस तरह की डिवाइस शायद थोड़ा अच्छा कर पाएगी।

प्रोग्रामर आईएमएस एल्गोरिदम से अधिकतम रिटर्न को निचोड़ने के लिए विभिन्न ट्रिक्स का उपयोग करते हैं। एक संचारित प्रशिक्षण है: एक कार्य के साथ काम करने के लिए एल्गोरिथ्म को प्रशिक्षित करें, और यह न्यूनतम प्रदर्शन के बाद, इस कार्य से संबंधित एक और प्रदर्शन करना सीखेगा। लोग छवि-मान्यता एल्गोरिदम को प्रशिक्षित करने के लिए संचरित शिक्षण का उपयोग करते हैं। एल्गोरिदम, जिसने जानवरों को पहचानना सीखा, ने पहले से ही आकृति और बनावट विश्लेषण के निर्धारण के बारे में बहुत सारी जानकारी एकत्र की है, जिसे फल निर्धारित करने के कार्य में स्थानांतरित किया जा सकता है। लेकिन जब फलों की पहचान के लिए एल्गोरिथ्म को ओवरट्रेन किया जाता है, तो एल्गोरिथ्म "भयावह भूल" से गुजरेगा, अर्थात अब यह याद नहीं रहेगा कि जानवरों की पहचान कैसे करें।

आज के एल्गोरिदम का एक और ध्यान प्रतिरूपकता है। एक एकल एल्गोरिथ्म में बदलने के बजाय जो किसी भी समस्या को हल कर सकता है, भविष्य में एआई सबसे अधिक संभावना विशेष उपकरणों के संयोजन होगा। कयामत खेलने के लिए सीखे गए एल्गोरिदम में कंप्यूटर विजन, कंट्रोल और मेमोरी के लिए एक अलग सिस्टम होगा। इंटरकनेक्टेड मॉड्यूल विफलताओं को रोकने के लिए अतिरेक प्रदान कर सकते हैं, और विभिन्न दृष्टिकोणों के आधार पर समस्या के सर्वोत्तम समाधान के लिए एक वोटिंग तंत्र। एल्गोरिथ्म त्रुटियों का पता लगाने और सही करने का एक तरीका हो सकता है। यह समझना बहुत मुश्किल है कि कोई विशेष एल्गोरिदम निर्णय कैसे लेता है, लेकिन यदि निर्णय एल्गोरिदम की बातचीत के माध्यम से किया गया था, तो हम उनमें से प्रत्येक के उत्पादन का अध्ययन कर सकते हैं।

शायद हमें WALL-E और C-3PO के रूप में दूर के भविष्य के एल्गोरिदम की कल्पना नहीं करनी चाहिए। इसके बजाय, हम सभी तरह के अनुप्रयोगों से भरे स्मार्टफोन या गैजेट्स से लैस एक रसोई वर्कटॉप की तरह कुछ कल्पना कर सकते हैं। एल्गोरिदम से भरी दुनिया की तैयारी करते समय, आपको यह सुनिश्चित करने की आवश्यकता है कि हम सामान्य-उद्देश्य वाले जादू के बक्से के साथ न मिलने की योजना बनाएं जो कि कभी प्रकट नहीं हो सकते, लेकिन अत्यधिक विशिष्ट टोस्टर के साथ।