एआई विकास में 10 सबसे महत्वपूर्ण मील के पत्थर आज

अपने पूरे इतिहास में, असिमोव के पहले रोबोट से लेकर अल्फा गो, एआई में उतार-चढ़ाव आया है। लेकिन वास्तव में उसकी कहानी अभी शुरुआत है।

कृत्रिम बुद्धि अभी भी बहुत युवा है। हालांकि, इस क्षेत्र में कई महत्वपूर्ण घटनाएं पहले ही हो चुकी हैं। उनमें से कुछ ने संस्कृति का ध्यान आकर्षित किया, दूसरों ने एक विस्फोट की लहर पैदा की, जिसे केवल वैज्ञानिकों ने माना। यहां कुछ प्रमुख बिंदु दिए गए हैं जो एआई पर सबसे अधिक प्रभाव डालते हैं।

1. इसाक असिमोव ने पहली बार " रोबोटिक्स के तीन नियम " (1942) का उल्लेख किया

अज़ीमोव की कहानी " राउंड डांस ", "थ्री लॉज ऑफ़ रोबोटिक्स" के इस प्रसिद्ध विज्ञान कथा लेखक की कहानियों में पहली उपस्थिति है:

1. एक रोबोट किसी व्यक्ति को नुकसान नहीं पहुंचा सकता है या निष्क्रियता के माध्यम से किसी व्यक्ति को नुकसान पहुँचा सकता है।
2. एक रोबोट को किसी व्यक्ति द्वारा दिए गए सभी आदेशों का पालन करना चाहिए, उन मामलों को छोड़कर जहां ये आदेश प्रथम कानून के विपरीत हैं।
3. रोबोट को अपनी सुरक्षा का इस हद तक ध्यान रखना चाहिए कि वह पहले या दूसरे कानूनों का खंडन न करे।

"राउंड डांस" कहानी में स्पीडी रोबोट को उस स्थिति में रखा गया है जिसमें तीसरा कानून पहले दो के साथ संघर्ष में है। रोबोट के बारे में अज़ीमोव की कहानियों ने एनएफ के प्रशंसकों को वैज्ञानिकों सहित, सोचने की मशीनों की संभावना के बारे में सोचा। आज तक, लोग बौद्धिक अभ्यास में संलग्न हैं, आसिमोव के कानूनों को आधुनिक एआई में लागू करते हैं।

2. एलन ट्यूरिंग ने अपने "गेम ऑफ़ इमिटेशन" का प्रस्ताव रखा (1950)

एलन ट्यूरिंग ने 1950 में एक मशीन की तर्कसंगतता की डिग्री को मापने के पहले सिद्धांत का वर्णन किया।

मैं इस सवाल पर विचार करने का प्रस्ताव करता हूं "क्या कारें सोच सकती हैं?" इस प्रकार 1950 के प्रभावशाली ट्यूरिंग शोध कार्य की शुरुआत हुई, जिसने मशीन मन के बारे में तर्क के लिए एक विश्वास प्रणाली विकसित की। उन्होंने पूछा कि क्या एक मशीन को बुद्धिमान माना जा सकता है यदि यह मानव व्यवहार की नकल कर सकता है।

इस सैद्धांतिक प्रश्न ने प्रसिद्ध "सिमुलेशन गेम" को जन्म दिया [इसे बाद में " ट्यूरिंग टेस्ट " / लगभग कहा जाएगा। अनुवाद।], एक अभ्यास जिसमें एक शोधकर्ता-व्यक्ति को यह निर्धारित करना चाहिए कि उसने किसके साथ पत्र व्यवहार किया है - कंप्यूटर या किसी व्यक्ति के साथ। ट्यूरिंग के समय, इस परीक्षण को पारित करने में सक्षम मशीनें नहीं थीं, आज कोई भी नहीं हैं। हालांकि, उनके परीक्षण ने यह निर्धारित करने के लिए एक सरल तरीका दिया कि क्या मन कार में था। उन्होंने एआई के दर्शन को आकार देने में भी मदद की।

3. डार्टमाउथ एआई सम्मेलन (1956)

1955 तक, दुनिया भर के वैज्ञानिकों ने पहले से ही तंत्रिका नेटवर्क और प्राकृतिक भाषा जैसी अवधारणाओं का गठन किया था, लेकिन अभी भी मशीन इंटेलिजेंस की विभिन्न किस्मों को शामिल करने वाली कोई एकीकृत अवधारणा नहीं थी। डार्टमाउथ कॉलेज के गणित के प्रोफेसर जॉन मैकार्थी ने इन सभी को एक साथ लाने के लिए "कृत्रिम बुद्धिमत्ता" शब्द गढ़ा।

मैकार्थी ने उस समूह का नेतृत्व किया जिसने 1956 में एआई सम्मेलन आयोजित करने के लिए अनुदान के लिए आवेदन किया था। उस समय के कई प्रमुख शोधकर्ताओं को 1956 की गर्मियों में डार्टमाउथ हॉल में आमंत्रित किया गया था। वैज्ञानिकों ने एआई अध्ययन के विभिन्न संभावित क्षेत्रों पर चर्चा की, जिसमें सीखने और खोज, दृष्टि, तार्किक तर्क, भाषा और कारण, खेल (विशेष रूप से शतरंज), व्यक्तिगत मशीनों जैसे बुद्धिमान मशीनों के साथ मानव बातचीत।

उन चर्चाओं की आम सहमति यह थी कि एआई में लोगों को लाभान्वित करने की जबरदस्त क्षमता है। अनुसंधान क्षेत्रों का सामान्य क्षेत्र, जिसके विकास को मशीन बुद्धि से प्रभावित किया जा सकता है, को रेखांकित किया गया था। सम्मेलन ने एआई अनुसंधान को कई वर्षों तक आयोजित और प्रेरित किया।

4. फ्रैंक रोसेनब्लट ने परसेप्ट्रॉन बनाया (1957)

फ्रैंक रोसेनब्लट ने 1957 में कॉर्नेल एरोनॉटिक्स प्रयोगशाला में एक यांत्रिक तंत्रिका नेटवर्क बनाया

तंत्रिका नेटवर्क के मूल घटक को " परसेप्ट्रान " कहा जाता है [यह केवल कृत्रिम न्यूरॉन / लगभग पहला और आदिम प्रकार है। ट्रांस।]। इनपुट डेटा का एक सेट नोड में गिरता है जो आउटपुट मूल्य की गणना करता है, और एक वर्गीकरण और आत्मविश्वास का स्तर देता है। उदाहरण के लिए, इनपुट डेटा इनपुट डेटा और "वोट" (विश्वास के एक निश्चित स्तर के साथ) के आधार पर छवि के विभिन्न पहलुओं का विश्लेषण कर सकता है, चाहे उस पर कोई चेहरा हो। फिर नोड सभी "आवाज़ों" और आत्मविश्वास के स्तर को गिनता है, और सर्वसम्मति देता है। आज के तंत्रिका नेटवर्क में, शक्तिशाली कंप्यूटर पर चल रहे हैं, समान संरचनाओं के अरबों एक साथ काम कर रहे हैं।

हालांकि, शक्तिशाली कंप्यूटरों के आगमन से पहले ही अवधारणात्मक अस्तित्व में थे। 1950 के दशक के उत्तरार्ध में, एक युवा मनोवैज्ञानिक शोधकर्ता फ्रैंक रोसेनब्लट ने मार्क I परसेप्ट्रॉन नामक पर्सेप्ट्रॉन का एक इलेक्ट्रोमैकेनिकल मॉडल बनाया, जो आज स्मिथसोनियन इंस्टीट्यूशन में संग्रहित है। यह एक एनालॉग न्यूरल नेटवर्क था, जिसमें विद्युत मोटर और घूर्णन प्रतिरोधों वाले नोड्स के किनारे तारों से जुड़े सहज तत्वों का एक नेटवर्क शामिल था। रोसेनब्लट ने "परसेप्ट्रॉन एल्गोरिथ्म" विकसित किया, जिसने नेटवर्क को नियंत्रित किया, जिसने धीरे-धीरे इनपुट संकेतों की ताकत को समायोजित किया ताकि, परिणामस्वरूप, वस्तुओं को सही ढंग से पहचाना गया - वास्तव में, यह प्रशिक्षित किया गया था।

1980 के दशक तक वैज्ञानिकों ने इस मशीन के महत्व के बारे में तर्क दिया। इसने तंत्रिका नेटवर्क के भौतिक अवतार को बनाने में महत्वपूर्ण भूमिका निभाई, जो तब तक मुख्य रूप से एक वैज्ञानिक अवधारणा के रूप में मौजूद थी।

5. एआई का सामना अपनी पहली सर्दियों (1970)

अपने अधिकांश इतिहास के लिए, एआई केवल शोध में मौजूद था। 1960 के दशक की अधिकांश सरकारी एजेंसियों के लिए, विशेष रूप से DARPA में, अनुसंधान में पैसा डाला और व्यावहारिक रूप से निवेश रिपोर्ट की आवश्यकता नहीं थी। एआई शोधकर्ताओं ने अक्सर धन प्राप्त करने के लिए अपने काम की क्षमता को अतिरंजित किया। 1960 के दशक के अंत और 1970 के दशक की शुरुआत में सब कुछ बदल गया। दो रिपोर्टें - 1966 में अमेरिकी सरकार के लिए ALPAC सलाहकार बोर्ड से, और 1973 में ब्रिटिश सरकार के लिए Lighthill से दूसरी - व्यावहारिक रूप से एआई अनुसंधान में प्रगति का मूल्यांकन किया और इस तकनीक की क्षमता के बारे में बहुत निराशावादी पूर्वानुमान दिया। दोनों रिपोर्टों ने एआई अनुसंधान के विभिन्न क्षेत्रों में ठोस प्रगति के अस्तित्व पर सवाल उठाया। अपनी रिपोर्ट में Lighthill ने तर्क दिया कि भाषण पहचान कार्यों के लिए AI उन आकारों को मापना बहुत मुश्किल होगा जो सरकार या सेना के लिए उपयोगी हो सकते हैं।

परिणामस्वरूप, संयुक्त राज्य अमेरिका और ब्रिटेन की सरकारों ने विश्वविद्यालयों के लिए AI अनुसंधान के लिए धन में कटौती करना शुरू कर दिया। DARPA, जिसने 1960 के दशक में समस्याओं के बिना AI अनुसंधान को वित्त पोषित किया, ने परियोजनाओं से स्पष्ट समय और अपेक्षित परिणामों का विस्तृत विवरण मांगना शुरू किया। नतीजतन, ऐसा लगने लगा कि AI उम्मीदों पर खरा नहीं उतरा, और कभी भी मानवीय क्षमताओं के स्तर तक नहीं पहुंच सका। AI का पहला “विंटर” 1970 और 80 के दशक तक चला।

6. एआई की दूसरी सर्दियों का आगमन (1987)

1980 के दशक की शुरुआत “ विशेषज्ञ प्रणालियों ” की विकास और पहली सफलताओं के साथ हुई, जिन्होंने बड़ी मात्रा में डेटा संग्रहीत किया और लोगों द्वारा निर्णय लेने की प्रक्रिया का अनुकरण किया। प्रौद्योगिकी मूल रूप से डिजिटल उपकरण निगम के लिए कार्नेगी मेलन विश्वविद्यालय में विकसित की गई थी, और फिर अन्य निगमों ने इसे जल्दी से लागू करना शुरू कर दिया। हालांकि, विशेषज्ञ प्रणालियों को महंगे विशेष उपकरणों की आवश्यकता होती है, और यह एक समस्या बन गई जब सन माइक्रोसिस्टम्स और एप्पल और आईबीएम के व्यक्तिगत कंप्यूटरों से समान शक्ति और सस्ता वर्कस्टेशन दिखाई देने लगे। विशेषज्ञ कंप्यूटर सिस्टम के लिए बाजार 1987 में ढह गया जब प्रमुख उपकरण निर्माताओं ने इसे छोड़ दिया।

80 के दशक की शुरुआत में विशेषज्ञ प्रणालियों की सफलता ने DARPA को AI रिसर्च के लिए फंडिंग बढ़ाने के लिए प्रेरित किया, लेकिन यह जल्द ही फिर से बदल गया और एजेंसी ने इस फंडिंग में से कुछ ही कार्यक्रमों को छोड़ दिया। फिर, अनुसंधान समुदाय में "कृत्रिम बुद्धिमत्ता" शब्द लगभग निषिद्ध हो गया है। ताकि उन्हें वित्तपोषण की तलाश में अव्यवहारिक सपने देखने वालों के रूप में नहीं माना जाएगा, शोधकर्ताओं ने एसएस से संबंधित काम के लिए अन्य नामों का उपयोग करना शुरू कर दिया - "कंप्यूटर विज्ञान", "मशीन लर्निंग" और "एनालिटिक्स"। एआई की यह दूसरी सर्दी 2000 के दशक तक जारी रही।

7. आईबीएम डीप ब्लू ने कास्परोव (1997) को हराया

आईबीएम डीप ब्लू ने 1997 में दुनिया के सर्वश्रेष्ठ शतरंज खिलाड़ी गैरी कास्परोव को हराया।

1997 में एआई की सार्वजनिक जागरूकता में सुधार हुआ जब आईबीएम के डीप ब्लू शतरंज कंप्यूटर ने तत्कालीन विश्व चैंपियन गैरी कास्परोव को हराया। टेलीविजन स्टूडियो में आयोजित छह खेलों में से, डीप ब्लू दो में जीता, एक में कास्परोव, और तीन एक ड्रॉ में समाप्त हुए। उस वर्ष के शुरू में, कास्परोव ने डीप ब्लू के पिछले संस्करण को हराया था।

डीप ब्लू कंप्यूटर में पर्याप्त कंप्यूटिंग शक्ति थी, और इसने "जानवर बल विधि", या संपूर्ण खोज का उपयोग किया, प्रति सेकंड 200 मिलियन संभावित चाल का मूल्यांकन किया और सबसे अच्छा एक का चयन किया। लोगों की क्षमता प्रत्येक चाल के बाद केवल 50 चालों के मूल्यांकन तक सीमित है। डीप ब्लू का काम एआई के काम के समान था, लेकिन कंप्यूटर ने रणनीतियों के बारे में नहीं सोचा था और खेल को नहीं सीखा था, क्योंकि इसके बाद की प्रणालियां ऐसा कर सकती थीं।

फिर भी, कास्परोव पर डीप ब्लू की जीत ने प्रभावशाली रूप से एआई को जनता के ध्यान के घेरे में लौटा दिया। कुछ लोग मोहित हो गए। दूसरों को यह पसंद नहीं आया कि मशीन ने शतरंज में एक विशेषज्ञ को हराया। निवेशक प्रभावित हुए: डीप ब्लू की $ 10 की जीत ने आईबीएम शेयरों के मूल्य को बढ़ा दिया, जिससे उन्हें उस समय की अधिकतम राशि प्राप्त हुई।

8. तंत्रिका नेटवर्क बिल्लियों को देखता है (2011)

2011 तक, दुनिया भर के विश्वविद्यालयों के वैज्ञानिकों ने तंत्रिका नेटवर्क के बारे में बात की और उन्हें बनाया। गूगल के प्रोग्रामर जेफ डीन ने उस साल स्टैनफोर्ड आईटी के प्रोफेसर एंड्रयू यून से मुलाकात की। साथ में, उन्होंने एक बड़े तंत्रिका नेटवर्क के निर्माण की कल्पना की, जो Google सर्वर की विशाल कंप्यूटिंग शक्ति द्वारा प्रदान किया गया था, जो छवियों के एक विशाल सेट को खिला सकता था।

उनके द्वारा बनाए गए तंत्रिका नेटवर्क ने 16,000 सर्वर प्रोसेसर पर काम किया। उन्होंने उसे YouTube वीडियो से 10 मिलियन यादृच्छिक और बिना लेबल वाले फ़्रेम खिलाए। डीन और यून ने तंत्रिका नेटवर्क से कोई विशेष जानकारी देने या इन चित्रों को चिह्नित करने के लिए नहीं कहा। जब एक तंत्रिका नेटवर्क इस तरह से काम करता है, तो शिक्षक के बिना सीखना, यह स्वाभाविक रूप से डेटा में पैटर्न खोजने की कोशिश करता है और वर्गीकरण बनाता है।

तंत्रिका नेटवर्क ने तीन दिनों के लिए छवियों को संसाधित किया। फिर उसने तीन धुंधली छवियों का निर्माण किया, जो दृश्य चित्रों को दर्शाती है कि वह प्रशिक्षण डेटा में बार-बार मिली - एक व्यक्ति का चेहरा, एक व्यक्ति का शरीर और एक बिल्ली। यह अध्ययन कंप्यूटर नेटवर्क में तंत्रिका नेटवर्क और गैर-शिक्षक सीखने के उपयोग में एक बड़ी सफलता थी। इसने Google ब्रेन प्रोजेक्ट की शुरुआत को भी चिह्नित किया।

9. जोफ्री हिंटन ने गहरे तंत्रिका नेटवर्क को उतारा (2012)

जोफ्रे हिंटन के शोध ने गहरी शिक्षा में रुचि को पुनर्जीवित किया है

सफलता के एक साल बाद, डीन और अन, टोरंटो विश्वविद्यालय में एक प्रोफेसर, जोफ्रे हिंटन और उनके दो छात्रों ने इमेजनेट छवि मान्यता प्रतियोगिता में भाग लेने के लिए कंप्यूटर विजन, एलेक्सनेट के लिए एक तंत्रिका नेटवर्क बनाया। प्रतिभागियों को लाखों परीक्षण छवियों को संसाधित करने और उच्चतम संभव सटीकता के साथ उन्हें पहचानने के लिए अपने सिस्टम का उपयोग करना पड़ा। एलेक्सनेट ने निकटतम प्रतियोगी की तुलना में ढाई गुना कम त्रुटियों के प्रतिशत के साथ प्रतियोगिता जीती। तंत्रिका नेटवर्क द्वारा दिए गए छवि कैप्शन के पांच संस्करणों में, केवल 15.3% मामलों में कोई सही विकल्प नहीं था। पिछला रिकॉर्ड 26% त्रुटियों का था।

इस जीत ने स्पष्ट रूप से दिखाया कि जीपीयू पर चलने वाले गहरे तंत्रिका नेटवर्क, जहां अन्य प्रणालियों की तुलना में बेहतर छवियां सटीक रूप से निर्धारित और वर्गीकृत कर सकती हैं। इस घटना, शायद दूसरों की तुलना में अधिक, गहरे तंत्रिका नेटवर्क में रुचि के पुनरुद्धार को प्रभावित किया और हिंटन को "गहरी शिक्षा के गॉडफादर।" उपनाम दिया। अन्य एआई गुरु, योशुआ बेंजियो और जान लेकुन के साथ, हिंटन को 2018 में लंबे समय से प्रतीक्षित ट्यूरिंग पुरस्कार मिला।

10. अल्फा गो ने विश्व चैंपियन को हराया (2016)

2013 में, ब्रिटिश स्टार्टअप दीपमाइंड के शोधकर्ताओं ने यह वर्णन करते हुए एक पेपर प्रकाशित किया कि कैसे एक तंत्रिका नेटवर्क ने 50 पुराने अटारी खेलों में खेलना और जीतना सीखा। इससे प्रभावित होकर, Google ने कंपनी को खरीदा - जैसा कि वे कहते हैं, $ 400 मिलियन के लिए। हालांकि, दीपमिन्द की मुख्य प्रसिद्धि अभी भी आगे थी।

कुछ साल बाद, दीपमिन्द के वैज्ञानिक, अब Google ढांचे के भीतर, अटारी के खेल से एआई के सबसे पुराने एआई कार्यों में से एक में बदल गए - जापानी बोर्ड गेम। उन्होंने अल्फ़ागो न्यूरल नेटवर्क विकसित किया, जो खेलने के दौरान खेलने और सीखने में सक्षम है। इस कार्यक्रम ने नुकसान और जीत से सीखते हुए, AlphaGo के अन्य संस्करणों के खिलाफ हजारों गेम आयोजित किए हैं।

और इसने काम किया। अल्फ़ागो ने मार्च 2016 में दुनिया की सबसे बड़ी गो खिलाड़ी ली सेडोला को खेल की श्रृंखला में 4-1 से हराया। इस प्रक्रिया को एक वृत्तचित्र के लिए फिल्माया गया था। इसे देखते समय, यह मुश्किल नहीं है कि सैडोल ने किस नुकसान को महसूस किया। ऐसा लगता था कि सभी लोग हार गए, और सिर्फ एक व्यक्ति नहीं।

गहरे तंत्रिका नेटवर्क के क्षेत्र में हाल के अग्रिमों ने एआई के क्षेत्र को इतना बदल दिया है कि इसका वास्तविक इतिहास, शायद, केवल शुरुआत है। हम बहुत सारी आशाओं, प्रचार और अधीरता की प्रतीक्षा कर रहे हैं, लेकिन अब यह स्पष्ट है कि एआई XXI सदी में जीवन के सभी पहलुओं को प्रभावित करेगा - और शायद एक समय में इंटरनेट से भी अधिक।