कृत्रिम बुद्धिमत्ता अक्सर जादू जैसा महसूस होती है, लेकिन इसके अंतर्निहित तंत्र दशकों की संज्ञानात्मक अनुसंधान में गहराई से निहित हैं विज्ञानस्थिर डिजिटल फ़ाइल कैबिनेट की तरह काम करने के बजाय जो केवल संग्रहित फ़ाइलों को पुनः प्राप्त करता है, आधुनिक मशीन लर्निंग जैविक मस्तिष्क के बहुत करीब काम करता है। संज्ञानात्मक की उत्पत्ति की खोज करना विज्ञान प्रकट करता है कि आज की तकनीक जानकारी को सख्त, अलग-अलग डेटा बिंदुओं के बजाय परस्पर जुड़े हुए मार्गों के माध्यम से क्यों संसाधित करती है।
डेटाबेस से न्यूरल नेटवर्क की ओर बदलाव
प्रारंभिक कम्प्यूटिंग मॉडल काफी हद तक सख्त डेटाबेस पर निर्भर थे। जानकारी अंतर्निहित होती थी, विशेष सेक्टरों में संग्रहित होती थी, और जब पूछा जाता था तब बाहर आती थी। यह तरीका बुनियादी गणित और संरचित रिकॉर्ड-कीपिंग में उत्कृष्ट था, लेकिन जब जटिल, अव्यवस्थित मानव कार्यों जैसे चेहरों की पहचान करने या प्राकृतिक भाषा को समझने का सामना करता था, तो यह अटक जाता था।
इन सीमाओं पर काबू पाने के लिए, कंप्यूटर वैज्ञानिकों ने संज्ञानात्मक विज्ञान की ओर रुख किया—मस्तिष्क और उसके प्रक्रियाओं का अंतर्विषयक अध्ययन। यह देखने के लिए कि जैविक तंत्रिकात्मक प्रणालियाँ जानकारी को कैसे संभालती हैं, शोधकर्ताओं ने कृत्रिम तंत्रिका नेटवर्क बनाने शुरू किए। ये मॉडल डेटा की सटीक प्रतियाँ संग्रहित नहीं करते; इसके बजाय, ये सिमुलेट किए गए न्यूरॉन्स के बीच संबंधों की ताकत को समायोजित करके पैटर्न सीखते हैं।
मन और मशीन का ऐतिहासिक संगम
कंप्यूटर विज्ञान और संज्ञानात्मक विज्ञान का विवाह कोई हालिया विकास नहीं है। 20वीं सदी के मध्य में, मनोविज्ञान, भाषाविज्ञान, और तंत्रिका विज्ञान के अग्रणी मस्तिष्क को एक सूचना के रूप में देखना शुरू कर दिए। प्रोसेसरइस विचारात्मक छलांग ने कृत्रिम बुद्धिमत्ता की नींव रखी।
सॉफ़्टवेयर को केवल एक कैलकुलेटर के रूप में देखने के बजाय, शोधकर्ताओं ने यह पूछा कि मानव तर्क, धारणाशक्ति और स्मृति वास्तव में कैसे काम करती हैं। उन जैविक अवलोकनों को गणितीय एल्गोरिद्म में अनुवादित करके, प्रारंभिक विकासकर्ताओं ने ऐसे सिस्टम बनाए जो सामान्यीकरण करने में सक्षम थे। यह ऐतिहासिक आधार यह समझाता है कि वर्तमान मॉडल निश्चित, हार्ड-कोडेड लुकअप की बजाय संभाव्य अनुमान क्यों लगाते हैं।
आज मस्तिष्क जैसी प्रसंस्करण क्यों महत्वपूर्ण है
डेटाबेस और मस्तिष्क-सदृश प्रणाली के बीच का अंतर यह निर्धारित करता है कि आधुनिक उपकरण क्या हासिल कर सकते हैं। जब एक प्रणाली वितरित नेटवर्क के माध्यम से जानकारी संसाधित करती है, तो इसे अस्पष्टता को संभालने की क्षमता प्राप्त होती है।
- पैटर्न मान्यता सटीक कीवर्ड मिलान को प्रतिस्थापित करती है।
- संदर्भगत समझ भारित कनेक्शन से उत्पन्न होती है।
- सतत् सीखना तब होता है जब नए भार आने वाली इनपुट्स पर लागू किए जाते हैं।
यह वास्तुकला अनुप्रयोगों को रचनात्मक पाठ उत्पन्न करने, सूक्ष्म दृश्य दृश्यों की व्याख्या करने, और भाषाओं का प्रवाही रूप से अनुवाद करने की अनुमति देती है। वे शब्दकोश में उत्तर नहीं ढूँढ रहे हैं; वे सीखी गई संघों के आधार पर प्रतिक्रियाएँ संपूर्ण कर रहे हैं।
संज्ञानात्मक नींव के माध्यम से आगे की ओर देखना
मशीन लर्निंग की ज्ञानात्मक विज्ञान की उत्पत्ति को समझना वर्तमान तकनीकी प्रगति को समझने में मदद करता है। जैसे-जैसे डेवलपर्स इन सिस्टमों को परिष्कृत करते रहते हैं, गणनात्मक तर्क और जैविक प्रक्रिया के बीच की रेखा धुंधली होती जा रही है। यह पहचानना कि आज के उन्नत एल्गोरिदम मानव मस्तिष्क पर आधारित हैं, उनकी क्षमताओं और वर्तमान सीमाओं दोनों की एक स्पष्ट तस्वीर प्रदान करता है।
स्रोत और आगे पढ़ाई
0 टिप्पणियाँ
संवाद में शामिल हों।