तंत्रिका विज्ञान और कृत्रिम बुद्धिमत्ता के पारस्परिक क्षेत्र में, प्रसिद्ध तंत्रिका वैज्ञानिक एंथनी ज़ेडर ने ब्रेन इंस्पायर्ड पॉडकास्ट के होस्ट पॉल मिडलब्रुक्स के साथ एक गहन संवाद किया। इस क्षेत्र के अग्रणी व्यक्तियों में से एक के रूप में, ज़ेडर ने NeuroAI के भविष्य के विकास पर अपने अद्वितीय दृष्टिकोण को विस्तार से बताया।
शुरुआत में "NeuroAI" इस शब्द के प्रति उनकी अनिच्छा से लेकर आज इस क्षेत्र के प्रति उनकी उम्मीदों तक, ज़ेडर का परिवर्तन समस्याओं के स्वभाव पर गहरे विचार करने से आया है। उन्होंने बताया कि 80-90 के दशक में, गणितीय तंत्रिका विज्ञान और कृत्रिम तंत्रिका नेटवर्क निकटता से जुड़े हुए थे। हालाँकि, शोध की गहराई के साथ, उन्होंने महसूस किया कि केवल तंत्रिका सर्किट के गतिशील लक्षणों पर ध्यान केंद्रित करना पर्याप्त नहीं है, बल्कि यह समझना अधिक महत्वपूर्ण है कि ये सर्किट जीवों को वास्तविक समस्याओं को हल करने में कैसे मदद करते हैं।
चित्र स्रोत नोट: चित्र एआई द्वारा उत्पन्न, चित्र अधिकार सेवा प्रदाता मिडजर्नी
वर्तमान एआई विकास पर चर्चा करते हुए, ज़ेडर ने एक विचारणीय दृष्टिकोण प्रस्तुत किया। उनका मानना है कि वर्तमान में ध्यान आकर्षित करने वाला ट्रांसफार्मर आर्किटेक्चर संभवतः NeuroAI की सफलता का विपरीत उदाहरण है, क्योंकि यह मस्तिष्क के काम करने के तरीके से लगभग कोई समानता नहीं रखता। उन्होंने बताया कि ChatGPT की सफलता मुख्य रूप से भाषा प्रणाली की बंद विशेषता के कारण है, न कि मानव संज्ञानात्मक प्रक्रिया की वास्तविक अनुकरण के कारण।
एआई के भविष्य के विकास की दिशा के बारे में, ज़ेडर ने विशेष रूप से बहु-लक्ष्य समन्वय को एक महत्वपूर्ण चुनौती के रूप में उजागर किया। उन्होंने कहा कि मौजूदा एआई प्रणाली एकल लक्ष्य को अनुकूलित करने में अच्छी हैं, लेकिन कई लक्ष्यों को संभालने में अक्सर खराब प्रदर्शन करती हैं। इसके विपरीत, जीवों ने विकास प्रक्रिया में भोजन, बचाव, प्रजनन आदि कई लक्ष्यों को संतुलित करने के लिए उत्कृष्ट तंत्र विकसित किया है। इस संतुलन तंत्र को प्राप्त करने का तरीका शायद भविष्य के एआई विकास के लिए महत्वपूर्ण अंतर्दृष्टि प्रदान कर सकता है।
विकास और सीखने के संदर्भ में, ज़ेडर ने एक नवीन विचार प्रस्तुत किया। उनका मानना है कि मानव जीनोम को तंत्रिका सर्किट के "संकुचित प्रतिनिधित्व" के रूप में देखा जा सकता है, जो पुनरावृत्त नियमों के माध्यम से जटिल संरचनाओं का निर्माण करता है। इस विचार का समर्थन उनके नवीनतम शोध से मिलता है, जिसमें उनकी टीम ने बड़े तंत्रिका नेटवर्क को 100 से 1000 गुना संकुचित करने में सफलता प्राप्त की, जबकि मूल प्रदर्शन को बनाए रखा।
रोबोटिक्स के विकास के बारे में, ज़ेडर ने सिमुलेशन से वास्तविकता (sim-to-real) में परिवर्तन की कठिनाई पर जोर दिया। उन्होंने बताया कि जीव प्रणाली इस संदर्भ में अद्भुत अनुकूलन क्षमता दिखाती है, जैसे कि आकार में भिन्नता होने के बावजूद कुत्तों की प्रजातियाँ समान तंत्रिका विकास निर्देश साझा कर सकती हैं। इस अनुकूलन के पीछे एक सावधानीपूर्वक डिज़ाइन किया गया विकास प्रक्रिया है, जो जटिल क्षमताओं को प्राप्त करने के लिए चरणबद्ध तरीके से उप-समस्याओं को हल करती है।
भविष्य की ओर देखते हुए, ज़ेडर ने कहा कि पाठ्यक्रम अध्ययन वर्तमान एआई विकास की बाधाओं को पार करने के लिए एक महत्वपूर्ण दिशा हो सकती है। जटिल कार्यों को छोटे उप-कार्य में विभाजित करके और उचित क्रम में धीरे-धीरे सीखकर, एआई प्रणाली अंततः लक्ष्य को सीधे सीखने की तुलना में अधिक कुशल हो सकती है। यह विधि न केवल सीखने की गति को बढ़ा सकती है, बल्कि वास्तविक दुनिया में बदलावों का सामना करते समय प्रणाली की अनुकूलन क्षमता को भी बढ़ा सकती है।
यह संवाद न केवल तंत्रिका विज्ञान और कृत्रिम बुद्धिमत्ता के गहरे एकीकरण की संभावनाओं को प्रदर्शित करता है, बल्कि जीवित बुद्धिमत्ता के कृत्रिम बुद्धिमत्ता के विकास पर महत्वपूर्ण प्रेरणा को भी उजागर करता है। जैसे-जैसे शोध आगे बढ़ता है, यह अंतःविषय अन्वेषण निश्चित रूप से एआई के भविष्य के विकास के लिए अधिक अंतर्दृष्टि प्रदान करेगा।