सामग्री
स्रोत: iLexx / iStockphoto
टेकवे:
कृत्रिम तंत्रज्ञान तंत्रज्ञानाचा वापर करून कृत्रिम बुद्धिमत्ता एक दिवस साध्य करता येऊ शकते, परंतु या रोमांचक तंत्रज्ञानामध्ये अनेक मुख्य फरक आहेत.
कृत्रिम बुद्धिमत्ता (एआय) आणि कृत्रिम तंत्रिका तंत्रज्ञान (एएनएन) ही संगणक शास्त्रामध्ये दोन रोमांचक आणि गुंफलेले क्षेत्र आहे. तथापि, या दोघांमधील बरेच फरक आहेत ज्याबद्दल जाणून घेण्यासारखे आहे.
मुख्य फरक असा आहे की कृत्रिम बुद्धिमत्तेच्या शोधात न्यूरल नेटवर्क हे एक पायरीचे दगड आहेत.
कृत्रिम बुद्धिमत्ता हे एक विशाल क्षेत्र आहे ज्यांचेकडे बुद्धिमान मशीन्स तयार करण्याचे उद्दीष्ट आहे, जे आपण बुद्धिमत्तेचे वर्णन कसे करता यावर अवलंबून अनेक वेळा साध्य केले आहे. आमच्याकडे अशी संगणक आहेत जी “धोका” येथे जिंकू शकतात आणि बुद्धिबळ विजेते जिंकू शकतील, एआय चे लक्ष्य सामान्यत: सामान्य बुद्धिमत्ता किंवा बुद्धिमत्तेचा शोध म्हणून पाहिले जाते जे विविध आणि संबंधित नसलेल्या परिस्थितीजन्य समस्यांना लागू केले जाऊ शकते.
पॉईंट पोंग वाजवणारे रोबोट चालविणे किंवा “संकट” येथे वर्चस्व यासारख्या उद्दीष्टाने तयार केलेले बरेच एआय बनविलेले आहेत. जेव्हा संगणक शास्त्रज्ञ बसून विशिष्ट कार्य करण्यासाठी काहीतरी तयार करतात तेव्हा हा अपरिहार्य परिणाम आहे - ते असे काहीतरी करतात जे ते कार्य करू शकतात आणि बरेच काही करू शकत नाही.
टास्क-देणारं एआयच्या या समस्येवर लक्ष वेधण्यासाठी संगणक शास्त्रज्ञांनी कृत्रिम तंत्रिका तंत्रज्ञानाचा खेळ सुरू केला. आमचे बुद्धीमान मेंदूत जैविक न्यूरल नेटवर्क असतात जे आपल्या समज आणि बाह्य उत्तेजनांच्या आधारे कनेक्शन बनवतात.
जळजळ होण्यापासून होणारा त्रास हे एक अत्यंत सोपी उदाहरण आहे. जेव्हा हे प्रथमच घडते तेव्हा आपल्या मेंदूत एक कनेक्शन तयार केले जाते जे आग म्हणून ओळखल्या जाणार्‍या संवेदी माहिती ओळखते (ज्वाला, धुराचा वास, उष्णता) आणि वेदनांशी संबंधित आहे. अगदी लहान वयातच, जळत जाणे कसे टाळायचे हे आपण शिकता. अशाच न्यूरल नेटवर्कद्वारे आपण बर्‍याच सामान्य शिक्षण घेऊ शकतो जसे “आईस्क्रीम चांगली आवडते” आणि अगदी “पाऊस येण्यापूर्वी ढग असतात” किंवा “साठा नेहमीच डिसेंबरमध्ये दिसतो.” यासारख्या कपटीने झेप घेतली. हे झेप नेहमीच योग्य नसतात. (तेथे खराब आईस्क्रीम आहे आणि डिसेंबरमध्ये घसरणारा साठा आहे), परंतु अनुभवाद्वारे ते दुरुस्त केले जाऊ शकतात, ज्यामुळे अनुकूली शिकण्याची परवानगी मिळते.
कृत्रिम न्यूरल नेटवर्क एखाद्या समस्येला उत्तर देण्यासाठी एक साधा फ्रेमवर्क प्रोग्राम तयार करून संगणकावर ही शिक्षण प्रणाली पुन्हा तयार करण्याचा प्रयत्न करते आणि ते कसे करते याबद्दल अभिप्राय प्राप्त करते. संगणक समान समस्या हजारो वेळा करून आणि प्राप्त झालेल्या अभिप्रायानुसार आपला प्रतिसाद समायोजित करुन आपला प्रतिसाद अनुकूलित करू शकतो. संगणकाला नंतर वेगळी समस्या दिली जाऊ शकते, जी आधीच्या शिकल्याप्रमाणे त्याच मार्गाने येऊ शकते. संगणकाने शिकवलेल्या समस्यांचे निराकरण करण्याच्या पद्धती आणि त्यांची संख्या किती भिन्न आहे हे जाणून घेऊन संगणक शास्त्रज्ञ संगणकाला जनरल म्हणून शिकवू शकतात.
“द मार्ट्रिक्स” सारख्या हॉलिवूड चित्रपटात संगणकाचा ताबा घेणा humans्या आणि मानवांच्या पीक घेणा images्या प्रतिमांच्या प्रतिमा संचित केल्या गेल्या आहेत, परंतु कृत्रिम बुद्धिमत्तेकडे जाण्यासाठी आम्ही न्यूरल नेटवर्किंगपासून अजून खूप दूर आहोत. न्यूरल नेटवर्कवर चाचणी घेतल्या जाणा्या समस्या सर्व गणितीने व्यक्त केल्या जातात. आपण संगणकापर्यंत फ्लॉवर ठेवू शकत नाही आणि गंधानुसार रंगाचा अंदाज लावण्यास सांगू शकत नाही कारण वास संख्येने व्यक्त केला जायचा आणि मग संगणकास त्या पुष्पांच्या प्रतिमांसह मेमरीमध्ये त्या क्रमांकाची सूची बनवावी लागेल. त्या वास उत्सर्जित.
कोणतीही दोष नाही, तणाव नाही - आपले जीवन नष्ट न करता जीवन-बदलणारे सॉफ्टवेअर तयार करण्यासाठी चरण चरण बाय चरण
जेव्हा कोणालाही सॉफ्टवेअर गुणवत्तेची काळजी नसते तेव्हा आपण आपली प्रोग्रामिंग कौशल्ये सुधारू शकत नाही.
असे म्हटले आहे की, कृत्रिम न्यूरल नेटवर्क ज्याला गंध यासारख्या गोष्टींचा जास्त आदान प्रदान केला जाऊ शकतो - आणि त्या सर्व माहितींमधून शिकण्याची क्षमता - अगदी कृत्रिम एआय उत्साही व्यक्तीच्या मानदंडांशी जुळणारी पहिली कृत्रिम बुद्धिमत्ता तयार करण्याच्या मार्गावर असू शकते.
थोडक्यात, कृत्रिम तंत्रिका तंत्रिका मानवी तंत्रिका नेटवर्कची मॉडेल्स आहेत जी संगणकांना शिकण्यास मदत करण्यासाठी डिझाइन केलेले आहेत. कृत्रिम बुद्धिमत्ता ही पवित्र ग्रिल आहे काही संगणक शास्त्रज्ञ तंत्रिका नेटवर्कची नक्कल करण्यासारखे तंत्र वापरुन साध्य करण्याचा प्रयत्न करीत आहेत.