कृत्रिम बुद्धिमत्ता को सामान्य ज्ञान कैसे पढ़ाया जाए

पांच साल पहले, लंदन स्थित एआई-आधारित कंपनी दीपइंड में प्रोग्रामर, एआई को ख़ुशी से एक क्लासिक आर्केड गेम खेलना सीखते थे। उन्होंने एक विचित्र रूप से अजीब कार्य के लिए गहरी सीखने (जाने) की फैशनेबल तकनीक का इस्तेमाल किया: अटारी द्वारा बनाई गई ब्रेकआउट में खेल में महारत हासिल करना, जिसमें आपको ईंट की दीवार से गेंद को हरा देने की जरूरत है ताकि ईंट गायब हो जाए।

मशीनों के लिए गो सेल्फ लर्निंग है; आप एआई को भारी मात्रा में डेटा खिलाते हैं, और यह धीरे-धीरे स्वतंत्र रूप से पैटर्न को पहचानना शुरू कर देता है। इस मामले में, डेटा स्क्रीन पर क्या हो रहा था - बड़े पिक्सल ईंटों, एक गेंद और एक रैकेट का प्रतिनिधित्व करते थे। AI DeepMind में, एक तंत्रिका नेटवर्क जिसमें स्तरित एल्गोरिदम शामिल हैं, ब्रेकआउट गेम के नियमों, इसके संचालन के सिद्धांत, लक्ष्य और खेल के तरीकों के बारे में कोई ज्ञान नहीं रखा गया था। प्रोग्रामर ने तंत्रिका नेटवर्क को प्रत्येक क्रिया, प्रत्येक बॉल बाउंस के परिणामों का अध्ययन करने की अनुमति दी। इससे क्या होगा?

यह प्रभावशाली कौशल निकला। पहले कुछ प्रयासों में, एआई को बेतरतीब ढंग से लटका दिया गया। कई सौ बार खेलने के बाद, उन्होंने गेंद को सटीक रूप से हिट करना शुरू किया। 600 वें गेम तक, तंत्रिका नेटवर्क ब्रेकआउट खेलने वाले लोगों द्वारा उपयोग किए जाने वाले विशेषज्ञ चाल के साथ आया है, जब एक खिलाड़ी ईंटों में एक छेद को तोड़ता है और दीवार के ऊपर कूदने के लिए गेंद भेजता है।

"यह हमारे लिए एक बड़ा आश्चर्य था," दीपमिन्द के निदेशक डेमिस खासाबिस ने कहा। "रणनीति प्रणाली से ही प्रवाहित हुई।" एआई ने खेल को रेखांकित करने वाली आंतरिक अवधारणाओं को समझने के लिए असामान्य रूप से सूक्ष्म मानव जैसी सोच का प्रदर्शन किया है। चूंकि तंत्रिका नेटवर्क मोटे तौर पर मानव मस्तिष्क की संरचना की नकल करते हैं, सिद्धांत रूप में, एक अर्थ में, उन्हें हमारी सोच शैली को भी कॉपी करना चाहिए। यह क्षण सिद्धांत की पुष्टि प्रतीत हो रहा था।

तब पिछले साल सैन फ्रांसिस्को स्थित एआई रिसर्च फर्म विकारियस के कंप्यूटर वैज्ञानिकों ने वास्तविक दुनिया की स्थितियों में एआई का परीक्षण करने का एक दिलचस्प तरीका पेश किया था। उन्होंने दीपमाइंड में जिस तरह के AI का इस्तेमाल किया, उसे लिया और इसे ब्रेकआउट खेलने के लिए प्रशिक्षित किया। उसने ठीक किया। और फिर उन्होंने गेम लेआउट को थोड़ा मोड़ना शुरू कर दिया। वे या तो एक रैकेट खड़ा करेंगे या मैदान के केंद्र में एक अभेद्य क्षेत्र को जोड़ेंगे।

एक मानव खिलाड़ी जल्दी से इन परिवर्तनों के अनुकूल हो सकता है; लेकिन तंत्रिका नेटवर्क नहीं कर सका। क्रेजी एआई, ऐसा लगता है, केवल उस तरह के ब्रेकआउट को खेल सकता है जो उसने सैकड़ों प्रयासों के लिए अध्ययन किया था। उसे कुछ भी नया नहीं पचता था।

"लोग केवल पैटर्न को नहीं पहचान सकते हैं," दिलीप जॉर्ज, एक आईटी विशेषज्ञ, विकारास के संस्थापकों में से एक, मुझे बताता है। - हम अभी भी जो हम देखते हैं उसके मॉडल बना रहे हैं। और ये कारण मॉडल - हम कारण और प्रभाव को जोड़ते हैं। " लोग तर्क में संलग्न होते हैं, अपने आसपास की दुनिया के बारे में तार्किक निष्कर्ष निकालते हैं; हमारे पास एक सामान्य ज्ञान ज्ञान आधार है जो हमें नई स्थितियों को समझने में मदद करता है। जब हम अपने द्वारा खेले गए मैच से थोड़ा अलग दिखते हैं, तो हमें पता चलता है कि इसमें सबसे अधिक समान नियम और लक्ष्य होंगे। न्यूरल नेटवर्क को ब्रेकआउट के बारे में कुछ भी समझ में नहीं आया। वह केवल पैटर्न का पालन करने में सक्षम है। जब पैटर्न बदल गया, तो वह असहाय हो गई।

गो, AI का राजा है। छह वर्षों में जिस दौरान यह मुख्यधारा में आया, यह मशीनों को सिखाने का मुख्य तरीका बन गया है कि वे अपने आसपास की दुनिया को कैसे देखें और महसूस करें। वह एलेक्सा की भाषण मान्यता, वेमो की रोबोट कारों, Google के त्वरित अनुवादों के पीछे है। उबर, एक अर्थ में, एक विशाल अनुकूलन कार्य है, और मशीन लर्निंग (एमओ) का उपयोग यह भविष्यवाणी करने के लिए करता है कि यात्रियों को कारों की आवश्यकता कहां होगी। चीनी तकनीक की दिग्गज कंपनी Baidu में 2,000 प्रोग्रामर हैं जो तंत्रिका नेटवर्क पर काम कर रहे हैं। वर्षों तक, ऐसा लगता था कि GO केवल सुधार करेगा, और किसी व्यक्ति से मेल खाने के लिए लचीली और तीव्र बुद्धि वाली मशीन को जन्म देगा।

हालांकि, कुछ विधर्मियों का दावा है कि नागरिक सुरक्षा दीवार को खत्म कर देती है। वे कहते हैं कि यह अकेले सामान्यीकृत कृत्रिम बुद्धिमत्ता (एआई) उत्पन्न नहीं कर सकता है, क्योंकि वास्तव में मानव मन केवल पैटर्न की मान्यता नहीं है। यह हमारे लिए काम करना शुरू करने का समय है कि एआई को हर रोज सामान्य ज्ञान, मानव मन कैसे दिया जाए। यदि यह हमारे लिए काम नहीं करता है, तो वे चेतावनी देते हैं, हम अभी भी अपने सिर को GOs की सीमाओं पर टक्कर देंगे, पैटर्न मान्यता प्रणालियों के रूप में जिन्हें इनपुट के भाग को बदलकर आसानी से बेवकूफ बनाया जा सकता है, जिसके परिणामस्वरूप GO मॉडल बंदूक के लिए कछुआ ले जाएगा। लेकिन अगर हम ऐसा करने का प्रबंधन करते हैं, तो वे कहते हैं, हम सुरक्षित और अधिक उपयोगी उपकरणों की विस्फोटक वृद्धि का गवाह बनेंगे - एक अव्यवस्थित घर में घूमने वाले मेडिकल रोबोट, नकली मान्यता प्रणाली जो झूठी सकारात्मकता से ग्रस्त नहीं हैं, मशीनों द्वारा बनाई गई चिकित्सा सफलताएं जो रोगों के कारणों और परिणामों का अध्ययन करती हैं।

लेकिन एक कार में असली तर्क क्या दिखता है? और अगर नागरिक समाज हमें इसके लिए प्रेरित नहीं कर सकता है, तो क्या कर सकते हैं?



गैरी माक्र्स न्यूयॉर्क विश्वविद्यालय में मनोविज्ञान के एक 48 वर्षीय प्रोफेसर और डबल-लेंस चश्मे के साथ न्यूरोलॉजी के एक विचारशील प्रोफेसर हैं, और शायद सबसे प्रसिद्ध रूढ़िवादी गहन-सीखने वाला धर्मत्यागी है।

पहली बार मार्कस 1980 और 90 के दशक में एआई में रुचि रखते थे, जब तंत्रिका नेटवर्क प्रयोगात्मक चरण में थे, और तब से उनके तर्क नहीं बदले हैं। "ऐसा नहीं है कि मुझे पार्टी के लिए देर हो गई है, और मैं यहां सब कुछ वल्गर करना चाहता हूं," मार्कस ने मुझे बताया जब हम न्यूयॉर्क विश्वविद्यालय के पास अपने अपार्टमेंट में मिले (वह और मैं भी दोस्त हैं)। "जैसे ही जीओ विस्फोट हुआ, मैंने कहा: दोस्तों, यह गलत दिशा है!"

तब जीओ रणनीति वर्तमान से अलग नहीं थी। मान लीजिए आपको डेज़ी को पहचानने के लिए सीखने के लिए एक मशीन की आवश्यकता है। पहले आपको एल्गोरिथम "न्यूरॉन्स" को एक सैंडविच की तरह परतों में जोड़कर कोड करने की आवश्यकता होती है (जब कई परतों का उपयोग करके, बटर मोटा हो जाता है, या "गहरा" - इसलिए "गहरी" सीखने)। पहली परत जिसे आप डेज़ी की छवि दिखाते हैं, और इसके न्यूरॉन्स सक्रिय होते हैं या सक्रिय नहीं होते हैं, इस पर निर्भर करता है कि यह छवि डेज़ी के उदाहरण से मिलती है, पहले देखी गई। सिग्नल फिर अगली परत पर जाता है, जहां प्रक्रिया दोहराती है। नतीजतन, परतें डेटा से गुज़रती हैं, एक निर्णय पारित करती हैं।

सबसे पहले, तंत्रिका नेटवर्क अंधा अनुमान लगाने में लगे हुए हैं; वह खरोंच से जीवन शुरू करता है। नीचे की रेखा उपयोगी प्रतिक्रिया को व्यवस्थित करने के लिए है। हर बार जब एआई डेज़ी का अनुमान नहीं लगाता है, तो न्यूरॉन्स के सेट में, गलत जवाब देने वाले कनेक्शन कमजोर हो जाते हैं। यदि आप अनुमान लगाते हैं, तो कनेक्शन बढ़ा दिए गए हैं। पर्याप्त समय बीत जाने और डेज़ी होने के बाद, तंत्रिका नेटवर्क अधिक सटीक हो जाता है। वह डेज़ी के कुछ पैटर्न को पकड़ना सीखती है, जिससे उसे हर बार डेज़ी की पहचान करने की अनुमति मिलती है (बजाय सूरजमुखी या asters के)। इन वर्षों में, प्रमुख विचार - एक भोले नेटवर्क के साथ शुरू करने और इसे पुनरावृत्ति के साथ प्रशिक्षित करने के लिए - लगभग सभी अनुप्रयोगों में सुधार और उपयोगी लग रहा है।

लेकिन मार्कस आश्वस्त नहीं था। उनके दृष्टिकोण से, एक साफ स्लेट एक समस्या थी: यह माना जाता है कि लोग अपने आस-पास की दुनिया को देखकर ही बुद्धिमत्ता का विकास करते हैं, जिसका अर्थ है कि मशीनें भी इसके लिए सक्षम हैं। लेकिन माक्र्स का मानना ​​है कि लोग उस तरह से काम नहीं करते हैं। वह नोआम चॉम्स्की द्वारा निर्धारित बौद्धिक मार्ग का अनुसरण करता है, जो दावा करता है कि लोग सीखने की भाषा और भौतिक दुनिया की व्याख्या करने के लिए एक कार्यक्रम के साथ पैदा हुए हैं।

अपने सभी मस्तिष्क के समान माना जाता है, वह नोट करता है, तंत्रिका नेटवर्क मानव मस्तिष्क की तरह काम नहीं करते हैं। उदाहरण के लिए, उन्हें बहुत अधिक डेटा की आवश्यकता होती है। ज्यादातर मामलों में, प्रत्येक नेटवर्क को हजारों या लाखों प्रशिक्षण उदाहरणों की आवश्यकता होती है। इससे भी बदतर, हर बार जब आपको नेटवर्क को एक नया आइटम पहचानने की आवश्यकता होती है, तो आपको खरोंच से शुरू करने की आवश्यकता होती है। एक न्यूरल नेटवर्क जिसे कैनरीज़ को पहचानने के लिए प्रशिक्षित किया गया है, पक्षी गीत या मानव भाषण को पहचानने में बिल्कुल उपयोगी नहीं है।

"हमें प्रशिक्षण के लिए बड़ी मात्रा में डेटा की आवश्यकता नहीं है," मार्कस कहते हैं। उनके बच्चों को कार को पहचानने से पहले एक लाख कारें देखने की जरूरत नहीं है। क्या बेहतर है, वे सामान्यीकरण करना जानते हैं: जब वे पहली बार एक ट्रैक्टर देखते हैं, तो वे समझते हैं कि यह एक कार जैसा दिखता है। वे यह भी जानते हैं कि विपरीत कैसे मानें। Google अनुवाद अंग्रेजी वाक्य के फ्रेंच समकक्ष को दे सकता है "ग्लास ले जाया गया था और यह टेबल से गिर गया था।" लेकिन वह शब्दों के अर्थ को नहीं समझता है, और आपको यह नहीं बता सकता है कि यदि आप ग्लास को स्थानांतरित नहीं करते हैं तो क्या होगा। माक्र्स के रूप में लोग, न केवल व्याकरण के नियमों को समझते हैं, बल्कि शब्दों के पीछे तर्क भी देते हैं। आप बच्चे को आविष्कृत क्रिया "नृत्य" दे सकते हैं, और वह सबसे अधिक अनुमान लगाएगा कि पिछले तनाव में वह "नृत्य" करेगा। लेकिन उसने ऐसा शब्द पहले नहीं देखा था। वह "प्रशिक्षित" नहीं था। उन्होंने केवल सहजता से भाषा के तर्क को महसूस किया और इसे एक नई स्थिति में लागू कर सकते हैं।

"सिस्टम को पता नहीं है कि अमूर्त ज्ञान को कैसे एकीकृत किया जाए," मार्कस ने कहा कि कंपनी ने एआई की स्थापना की, जो कम डेटा से सीख सकती है (और 2016 में इसे उबेर को बेच दिया)।

इस साल, मार्कस ने arXiv पर काम का एक प्रिटप्रिंट प्रकाशित किया, जहां उनका दावा है कि नए दृष्टिकोणों के बिना, GO कभी भी अपनी वर्तमान सीमाओं को पार नहीं कर सकता है। उसे एक सफलता - निर्मित या पूरक नियम की आवश्यकता होती है जो AI को दुनिया के बारे में सोचने में मदद करता है।