मानव मस्तिष्क: अगली पीढ़ी के एआई का खाका- डॉ विजय गर्ग
कृत्रिम बुद्धिमत्ता (एआई) ने उल्लेखनीय प्रगति की है। ध्वनि सहायकों से लेकर स्वचालित कारों तक, लेकिन यह अभी भी वास्तविक मानव जैसी बुद्धि से कमतर है। यद्यपि मशीनें भारी मात्रा में डेटा को संसाधित कर सकती हैं, फिर भी उन्हें अनुकूलनशीलता, तर्क और सामान्य ज्ञान से जूझना पड़ता है। इस अंतर को पाटने के लिए, वैज्ञानिकों का मानना है कि इसका मुख्य उद्देश्य मानव मस्तिष्क को बेहतर ढंग से समझना है। यह सबसे शक्तिशाली और कुशल खुफिया प्रणाली है।
मस्तिष्क: प्रकृति मूल एआई को रोकती है
मानव मस्तिष्क को अक्सर आधुनिक एआई के पीछे प्रेरणा बताया जाता है। कृत्रिम तंत्रिका नेटवर्क आज की रीढ़ हैं। मस्तिष्क में न्यूरॉन्स कैसे जुड़ते और संवाद करते हैं, इसका मॉडल बनाया गया है। हालाँकि, यह समानता केवल सतही है।
मस्तिष्क में अरबों न्यूरॉन्स होते हैं जो समानांतर रूप से काम करते हैं, तथा अनुभव के माध्यम से लगातार अनुकूलन करते रहते हैं। यह सीमित डेटा से कुशलतापूर्वक सीखता है, संदर्भों में ज्ञान को सामान्यीकृत करता है, तथा भावना, स्मृति और धारणा को निर्बाध रूप से एकीकृत करता है। इसके विपरीत, वर्तमान एआई प्रणालियों को बड़े पैमाने पर डेटासेट की आवश्यकता होती है और वे अभी भी लचीली सोच से जूझ रही हैं।
वर्तमान एआई क्यों कम हो रहा है
प्रभावशाली उपलब्धियों के बावजूद, आज की AI प्रणालियों में प्रमुख सीमाएं हैं:
अनुकूलनशीलता का अभाव: एआई मॉडल अक्सर केवल विशिष्ट कार्यों में ही अच्छा प्रदर्शन करते हैं।
डेटा निर्भरता: उन्हें भारी मात्रा में लेबल वाले डेटा की आवश्यकता होती है।
खराब सामान्यीकरण: एक डोमेन में सीखे गए कौशल शायद ही कभी दूसरे डोमेन में स्थानांतरित होते हैं।
सीमित समझ: एआई पैटर्न की पहचान करता है लेकिन वास्तव में उन्हें नहीं समझता।
ये सीमाएं इसलिए उत्पन्न होती हैं क्योंकि वर्तमान एआई मस्तिष्क के वास्तविक कार्य को दोहराने की अपेक्षा गणितीय अनुकूलन पर अधिक ध्यान केंद्रित करता है।
तंत्रिका विज्ञान से सीखना
तंत्रिका विज्ञान बहुमूल्य अंतर्दृष्टि प्रदान करता है जो एआई को बदल सकता है
1। न्यूरोप्लास्टिसिटी मस्तिष्क लगातार अनुभव के आधार पर स्वयं को नया रूप देता है। एआई में इसी प्रकार की अनुकूली शिक्षा को शामिल करने से ऐसी प्रणालियां विकसित हो सकती हैं, जो बिना पुनः प्रशिक्षण के निरंतर सुधार करती रहें।
2। ऊर्जा दक्षता मस्तिष्क लगभग 20 वाट बिजली पर काम करता है, जो ऊर्जा-खपत वाले एआई सिस्टम से कहीं अधिक कुशल है। मस्तिष्क-प्रेरित कंप्यूटिंग से एआई के पर्यावरणीय प्रभाव को कम किया जा सकता है।
3। मल्टीटास्किंग और एकीकरण मस्तिष्क दृष्टि, ध्वनि, स्मृति और भावनाओं को एक साथ संसाधित करता है। एआई प्रणालियां अभी भी काफी हद तक मॉड्यूलर और अलग-थलग हैं।
4। छोटे डेटा से सीखना मनुष्य कुछ उदाहरणों से ही नई अवधारणाएं सीख सकते हैं। इस क्षमता को दोहराने से एआई अनुप्रयोगों में क्रांति आएगी।
शोधकर्ता पहले से ही न्यूरोमॉर्फिक कंप्यूटिंग और स्पाइकिंग न्यूरल नेटवर्क जैसे क्षेत्रों के माध्यम से इन विचारों का पता लगा रहे हैं, जिनका उद्देश्य वास्तविक तंत्रिका व्यवहार की नकल करना है
एक दोतरफा संबंध
एआई और मस्तिष्क विज्ञान के बीच संबंध एकतरफा नहीं है। जबकि तंत्रिका विज्ञान एआई को प्रेरित करता है, एआई वैज्ञानिकों को मस्तिष्क को बेहतर ढंग से समझने में भी मदद कर रहा है। उन्नत एल्गोरिदम मस्तिष्क इमेजिंग डेटा का विश्लेषण करते हैं, छिपे हुए पैटर्न को उजागर करते हैं, और तंत्रिका प्रक्रियाओं का अनुकरण करते हैं।
यह पारस्परिक आदान-प्रदान दोनों क्षेत्रों में खोजों को तेज कर रहा है। उभरती हुई सफलताएं
हाल के घटनाक्रम इस बात पर प्रकाश डालते हैं कि एआई और तंत्रिका विज्ञान कितनी निकटता से एक साथ आ रहे हैं
वैज्ञानिकों ने गणना करने के लिए जीवित न्यूरॉन्स को प्रशिक्षित किया है, जिससे संकर जैविक-एआई प्रणालियों का द्वार खुल गया है।
नए एआई आर्किटेक्चर को मानव मस्तिष्क की तरह अनुकूलित करने के लिए डिज़ाइन किया जा रहा है, जिससे संभावित रूप से अधिक सामान्य बुद्धि विकसित हो सकती है।
साथ ही, एआई मतिभ्रम जैसी चुनौतियां दर्शाती हैं कि हम अभी भी सच्ची समझ से कितनी दूर हैं।
आगे का रास्ता: मानव स्तर के एआई की ओर
मजबूत एआई का निर्माण करने के लिए, शोधकर्ता न्यूरो एआई— की ओर बढ़ रहे हैं जो तंत्रिका विज्ञान, संज्ञानात्मक विज्ञान और कृत्रिम बुद्धिमत्ता का मिश्रण है। इस दृष्टिकोण का उद्देश्य ऐसी प्रणालियां बनाना है जो
इंसानों की तरह लगातार सीखें
नये वातावरण के अनुकूल बनें स्मृति और तर्क का एक साथ उपयोग करें संदर्भ को समझें, न कि केवल पैटर्न को ऐसी प्रणालियां स्वास्थ्य देखभाल, शिक्षा, रोबोटिक्स और अन्य क्षेत्रों में प्रगति ला सकती हैं।
निष्कर्ष
कृत्रिम बुद्धिमत्ता की शुरुआत मानव मस्तिष्क की नकल करने के प्रयास के रूप में हुई थी, लेकिन इसने केवल सतह को ही खोजा है। जितना अधिक हम यह जानेंगे कि मस्तिष्क किस प्रकार सूचना को संसाधित करता है, अनुकूलन करता है और विकसित होता है, उतना ही हम सही मायने में बुद्धिमान मशीनें बनाने के करीब पहुंच जाएंगे।
