"एआई का पुनरुद्धार" एक पुराने विचार को लागू करने के लिए छोड़े गए महंगे हार्डवेयर और विज्ञापन से ज्यादा कुछ नहीं है

कार में कोई आत्मा नहीं है

पिछले कुछ वर्षों में, मीडिया कृत्रिम बुद्धिमत्ता (एआई) और मशीन लर्निंग (एमओ) प्रौद्योगिकियों के अतिरंजित विवरणों से भर गया है। ऐसा लगता है कि कंप्यूटर विज्ञान के क्षेत्र में ऐसा कभी नहीं हुआ है कि इतने कम लोगों के साथ इतने हास्यास्पद विचार आए हैं कि क्या हो रहा है। 1980 के दशक में उन्नत कंप्यूटर उपकरणों में सक्रिय रूप से शामिल किसी के लिए, जो अजीब लगता है।

इस महीने के द अटलांटिक मुद्दे में, एक उच्च-उड़ान वाले बौद्धिक और सबसे ज्यादा बिकने वाले लेखक, सैपियंस। ए ब्रीफ हिस्ट्री ऑफ ह्यूमैनिटी एंड होमो डेस: ए ब्रीफ हिस्ट्री ऑफ टुमॉरो , युवल नूह हारारी लोकतंत्र पर एआई के प्रभाव का वर्णन करता है। लेख का सबसे दिलचस्प पहलू आधुनिक एआई प्रौद्योगिकियों की क्षमताओं में हैरी का अत्यधिक विश्वास है। वह एक Google मित्र, दीपमिन्द के शतरंज कार्यक्रम का वर्णन "रचनात्मक," "कल्पनाशील," और "शानदार उदाहरण " के रूप में करता है।

वायु सेना की डॉक्यूमेंट्री जॉय ऑफ़ एआई में, प्रोफेसर जिम अल-खलीली और दीपमाइंड के संस्थापक, डेमिस हसबिस, वर्णन करते हैं कि कैसे एआई सिस्टम ने "एक वास्तविक खोज की", "वास्तव में एक नया विचार उत्पन्न करने में सक्षम है" और विकसित की गई इन रणनीतियों का स्वतंत्र रूप से आविष्कार किया। "

और अगर अतिशयोक्ति और नृविज्ञान की एक समान धारा का उपयोग बेवकूफ और यंत्रवत प्रणालियों का वर्णन करने के लिए किया जाता है, तो यह मूल बातें पर लौटने के साथ वास्तविकता का परीक्षण करने का समय है।

कंप्यूटर प्रौद्योगिकी की चर्चा अक्सर मिथकों, रूपकों और स्क्रीन पर दिखाई देने वाली मानव व्याख्याओं के माध्यम से होती है। रूपकों जैसे "अंतर्ज्ञान", "रचनात्मकता" और नई "रणनीतियां" उभरते पौराणिक कथाओं का हिस्सा हैं। एआई विशेषज्ञ एआई गेम प्ले में पैटर्न ढूंढते हैं और उन्हें "रणनीति" कहते हैं, लेकिन तंत्रिका नेटवर्क को पता नहीं है कि रणनीति क्या है। यदि किसी प्रकार की रचनात्मकता है, तो यह डीपमाइंड के शोधकर्ताओं का है, जो प्रशिक्षण प्रणालियों की प्रक्रियाओं का विकास और प्रबंधन करते हैं।

आज की एआई सिस्टम स्वचालित परीक्षण और त्रुटि की एक बड़ी मात्रा पर आधारित है; प्रत्येक चरण में, पीछे की प्रसार तकनीक का उपयोग त्रुटियों के बारे में जानकारी प्रसारित करने और भविष्य में त्रुटियों की संख्या को कम करने के लिए सिस्टम को ठीक करने के लिए किया जाता है - और यह धीरे-धीरे एक निश्चित कार्य करने में एआई की प्रभावशीलता में सुधार करता है, जैसे शतरंज खेलना।

एआई, एमओ, और इतने पर की प्रभावशीलता में वृद्धि। "डीप लर्निंग" (जीओ) इस बैकप्रॉपैजेशन तकनीक के अनुप्रयोग के आधार पर अधिकांश भाग के लिए है। यह पहली बार 1960 के दशक में आविष्कार किया गया था, और इसे 1980 के दशक में जोफ्रे हिंटन द्वारा तंत्रिका नेटवर्क पर लागू किया गया था। दूसरे शब्दों में, 30 वर्षों से, AI में कोई महत्वपूर्ण वैचारिक प्रगति नहीं हुई है। एआई अनुसंधान और मीडिया लेखों के अधिकांश परिणाम दिखाते हैं कि क्या होता है जब महंगे कंप्यूटिंग उपकरण और एक सरल विज्ञापन अभियान के पहाड़ों को एक पुराने विचार के निष्पादन में फेंक दिया जाता है।

और यह नहीं कहा जा सकता है कि डीपमाइंड मूल्यवान कार्य नहीं करता है। नई रणनीतियों और विचारों को बनाने में मशीनों का सहायक काम एक दिलचस्प चीज है, खासकर अगर इस मशीन के संचालन को इसकी जटिलता के कारण समझना मुश्किल है। हमारी धर्मनिरपेक्ष संस्कृति में, प्रौद्योगिकी का जादू और रहस्य लोगों को आकर्षित करता है, और ज्यादातर शुष्क और तर्कसंगत इंजीनियरिंग क्षेत्र के लिए एक रहस्यमय छवि देना केवल फायदेमंद है। लेकिन Google मित्र मशीन में कोई आत्मा नहीं है।

आयरन बनाम सॉफ्टवेयर, एनालॉग बनाम डिजिटल, थॉम्पसन बनाम हासबिस

DeepMind मशीनों के आसपास के सभी प्रचार मुझे उस उत्तेजना की याद दिलाते हैं जो कुछ दशक पहले एक पूरी तरह से अलग, और संभवतः गहरी, "मशीन लर्निंग" प्रणाली के मद्देनजर पैदा हुई थी।

नवंबर 1997 में, ससेक्स विश्वविद्यालय में सेंटर फॉर कम्प्यूटेशनल न्यूरोबायोलॉजी एंड रोबोटिक्स के शोधकर्ता एड्रियन थॉम्पसन का काम न्यू साइंटिस्ट पत्रिका के कवर पर गिर गया, साथ ही लेख "प्रागैतिहासिक सिलिकॉन से रचना - हम इलेक्ट्रॉनिक्स प्रयोगशाला में डार्विनवाद को छोड़ते हैं और देखते हैं कि यह क्या बनाता है।" एक कठिन कार जिसे कोई नहीं समझता है। "

थॉम्पसन के काम ने थोड़ी सनसनी पैदा की, क्योंकि उसने रीति-रिवाजों को खारिज कर दिया और इलेक्ट्रॉनिक उपकरणों में एमओ प्रणाली के विकास को लॉन्च किया, बजाय अन्य सभी की तरह प्रोग्रामेटिक दृष्टिकोण का उपयोग करने के। उन्होंने ऐसा करने का फैसला किया क्योंकि उन्होंने महसूस किया कि डिजिटल सॉफ़्टवेयर स्विच के चालू / बंद द्विआधारी प्रकृति द्वारा सीमित था जो किसी भी डिजिटल कंप्यूटर के सिग्नल प्रोसेसिंग मस्तिष्क को बनाते हैं।

मानव मस्तिष्क के न्यूरॉन्स, इसके विपरीत, कई सूक्ष्म, कभी-कभी असंगत रूप से जटिल शारीरिक और जैव रासायनिक प्रक्रियाओं में भाग लेने के लिए विकसित हुए हैं । थॉम्पसन ने सुझाव दिया कि प्राकृतिक चयन की एक स्वचालित प्रक्रिया का उपयोग करके कंप्यूटिंग उपकरणों का विकास सिलिकॉन में निहित वास्तविक दुनिया के सभी एनालॉग (असीम रूप से विविध) भौतिक गुणों का लाभ उठा सकता है, जो सबसे सरल डिजिटल कंप्यूटर स्विच बनाते हैं - जिससे कुछ प्रभावी हो सकता है। मानव मस्तिष्क के घटकों का अनुरूप कार्य। और वह सही था।

अपनी प्रयोगशाला में, थॉम्पसन ने FPGA कॉन्फ़िगरेशन (एक प्रकार की डिजिटल सिलिकॉन चिप जिसमें उनके डिजिटल स्विच के बीच के कनेक्शन को लगातार पुन: कॉन्फ़िगर किया जा सकता है) के विकास का नेतृत्व किया ताकि उन्हें दो अलग-अलग ऑडियो संकेतों को अलग करने का तरीका सिखाया जा सके। चिप के अंदर देखने के बाद यह देखने के लिए कि कैसे विकासवादी प्रक्रिया स्विच के बीच कनेक्शन को ट्यून करती है, उन्होंने प्रभावशाली रूप से प्रभावी कार्य योजना का उल्लेख किया - इसमें केवल 37 घटकों का उपयोग किया गया था।

इसके अलावा, परिणामी विकास योजना अब डिजिटल इंजीनियरों द्वारा समझ में नहीं आती है। 37 घटकों में से कुछ दूसरों के साथ नहीं जुड़े थे, लेकिन जब उन्हें सर्किट से हटा दिया गया था, तो पूरी प्रणाली काम करना बंद हो गई थी। इस अजीब स्थिति के लिए एकमात्र उचित स्पष्टीकरण यह था कि सिस्टम ने अपने तरह के डिजिटल घटकों के बीच कुछ प्रकार के रहस्यमय विद्युत चुम्बकीय कनेक्शन का उपयोग किया। दूसरे शब्दों में, विकासवादी प्रक्रिया ने अपने "गणना" को पूरा करने के लिए वास्तविक दुनिया से सिस्टम के घटकों और सामग्रियों की अनुरूप विशेषताओं को अपनाया।

यह एक मस्तिष्क विस्फोट था। मैं 1990 के दशक में एक युवा शोधकर्ता था, मुझे इलेक्ट्रॉनिक उपकरण और एआई पर अनुसंधान के क्षेत्र में काम करने का अनुभव था और थॉम्पसन के काम ने मुझे चकित कर दिया। कंप्यूटर न केवल पूरी तरह से नए प्रकार के इलेक्ट्रॉनिक सर्किटरी का आविष्कार करने और इलेक्ट्रॉनिक इंजीनियरों की क्षमताओं को पार करने में सक्षम था, लेकिन, इससे भी महत्वपूर्ण बात यह है कि इसने असीम रूप से अधिक शक्तिशाली कंप्यूटर सिस्टम और एआई के विकास का मार्ग दिखाया।


हासबिस ने लॉयनहेड स्टूडियो, ब्लैक एंड व्हाइट से अब भुलाए गए खेल में प्रमुख एआई प्रोग्रामर के रूप में शुरू किया।

तो क्या हुआ? थॉम्पसन को लगभग क्यों भुला दिया गया है, और Google की मूल कंपनी, अल्फाबेट, हसबिस को पैसे के साथ फेंक रही है, और वायु सेना के वृत्तचित्र उसके लिए पनीर गा रहे हैं? अधिकांश भाग के लिए, यह एक अच्छे समय के बारे में है। 1990 के दशक में, एआई दादी के शूरवीरों की तरह फैशनेबल था। आज, AI पर हमें "चौथी औद्योगिक क्रांति" की ओर ले जाने की आवश्यकता का बोझ है। राजधानी "अगले प्रमुख परियोजना का पीछा कर रही है।" हालांकि डीपमाइंड के डिजिटल AI सिस्टम जटिल वास्तविक दुनिया एनालॉग सिस्टम जैसे कि मौसम या मानव मस्तिष्क के अनुकरण के लिए बहुत उपयुक्त नहीं हैं, वे निश्चित रूप से लिंक, क्लिक, लाइक, प्लेलिस्ट और पिक्सेल के रूप में सरल डिजिटल ऑनलाइन दुनिया से आने वाले डिजिटल डेटा को पीसने के लिए उपयुक्त हैं। ।

उत्पाद का चेहरा दिखाने की क्षमता से डीपमाइंड को भी फायदा हुआ। डीपमाइंड ने तकनीकी रहस्य की खेती करते हुए अपनी प्रौद्योगिकी और नेतृत्व का विज्ञापन किया, लेकिन इसके काम का पूरा प्रदर्शन सरलतम कम्प्यूटेय नियमों के साथ खिलौनों तक गिर गया। खेलों का लाभ मीडिया और जनता के लिए उनकी व्यापकता और दृश्य अपील है। वास्तव में, इस तकनीक के अधिकांश व्यावसायिक अनुप्रयोग आम पृष्ठभूमि पृष्ठभूमि व्यावसायिक अनुप्रयोगों से जुड़े होंगे, उदाहरण के लिए, डेटा केंद्रों की ऊर्जा दक्षता का अनुकूलन जिसमें Google अपने कंप्यूटरों को संग्रहीत करता है।

सेसी एन'स्ट पेस यूएस पैडल *

* "यह एक शगुन नहीं है" - पेंटिंग का एक संदर्भ " छवियों का विश्वासघात "

थॉम्पसन और हासबीस - ब्रिटिश होने के अलावा, निश्चित रूप से अपने सिस्टम के प्रभावी प्रशिक्षण और विकास के लिए आवश्यक अनुभव और कौशल थे, लेकिन लोगों के कौशल और रचनात्मकता पर इस तरह की निर्भरता स्पष्ट रूप से किसी भी एआई या एमओ प्रणाली की कमजोरी है। साथ ही, उनकी तकनीक बहुत नाजुक थी। उदाहरण के लिए, थॉम्पसन सिस्टम अक्सर उन लोगों से अलग तापमान पर काम करना बंद कर देते हैं, जिन पर वे विकसित हुए थे। इस बीच, डीपमाइंड में, कंपनी के वीडियो गेम में से एक में पैडल के आकार को बदलने से एआई की प्रभावशीलता पूरी तरह से नकार दी गई। यह नाजुकता इस तथ्य के कारण है कि दीपमाइंड के एआई को यह समझ में नहीं आता है कि पैडल क्या है - और यहां तक ​​कि वीडियो गेम भी; इसके स्विच केवल बाइनरी नंबर के साथ काम करते हैं।

हाल ही में, एमओ सिस्टम ने वास्तव में बड़ी सफलता हासिल की है, लेकिन अधिकांश भाग के लिए, यह प्रगति, कट्टरपंथी नवाचारों के बजाय, समस्याओं को सुलझाने के लिए मानक कंप्यूटिंग उपकरणों की एक बड़ी मात्रा के उपयोग के कारण प्राप्त की गई थी। कुछ बिंदु पर बहुत दूर भविष्य में नहीं, सिलिकॉन चिप पर अधिक छोटे सिलिकॉन स्विच रटना संभव नहीं होगा। सर्किट की दक्षता (कम उपकरणों पर अधिक गणना) व्यावसायिक रूप से महत्वपूर्ण हो जाएगी, और इस बिंदु पर, विकसित होने वाले उपकरण आखिरकार फैशनेबल बन सकते हैं।

हाइब्रिड सिस्टम भी दिखाई दे सकते हैं जो थॉम्पसन और हासबिस के दृष्टिकोण को जोड़ते हैं। लेकिन जो भी हो, हर्रारी को अपनी अगली सबसे ज्यादा बिकने वाली किताब लिखने के लिए "रचनात्मक" एआई प्रणाली हासिल करने तक इंतजार करना होगा।