गूगल के जेमिनी एआई ने हाल ही में एक उल्लेखनीय तकनीकी प्रगति की है, जो एक साथ कई दृश्य धाराओं को संसाधित करने में सक्षम है, जो आर्टिफिशियल इंटेलिजेंस के क्षेत्र में एक अभूतपूर्व उपलब्धि है। यह सुविधा गूगल के मुख्यधारा के प्लेटफॉर्म के जरिए नहीं, बल्कि 'ऐनीचैट' नामक प्रयोगात्मक एप्लिकेशन के माध्यम से प्रदर्शित की गई है। जेमिनी एआई की इस नई क्षमता के कारण यह न केवल वास्तविक समय में वीडियो देख सकता है, बल्कि स्थिर चित्रों का समकालिक विश्लेषण भी कर सकता है, जो पहले आर्टिफिशियल इंटेलिजेंस की केवल एकल दृश्य इनपुट पर संसाधित होने की सीमाओं को तोड़ता है।

तंत्रिका विज्ञान और कृत्रिम बुद्धिमत्ता के बीच के चौराहे पर, प्रसिद्ध तंत्रिका वैज्ञानिक एंथनी जाडोर ने Brain Inspired पॉडकास्ट के मेज़बान पॉल मिडलब्रोक्स के साथ गहन बातचीत की। इस क्षेत्र के अग्रणी लोगों में से एक के रूप में, जाडोर ने NeuroAI के भविष्य के विकास पर अपने अद्वितीय दृष्टिकोण को विस्तार से बताया। NeuroAI इस शब्द के प्रति अपनी प्रारंभिक प्रतिक्रिया से, आज इस क्षेत्र के प्रति उम्मीदों से भरे अपना परिवर्तन, जाडोर के प्रश्न की प्रकृति पर गहन विचार से उत्पन्न होता है। उसने यह बताया।

क्या आपने ChatGPT या文心一言 जैसे उच्च स्तरीय एआई के बारे में सुना है? उनकी मूल तकनीक 'बड़े भाषा मॉडल' (LLM) है। क्या आपको लगता है कि यह बहुत जटिल और समझने में कठिन है? चिंता न करें, भले ही आपकी गणित केवल प्राथमिक स्कूल की दूसरी कक्षा के स्तर की हो, इस लेख को पढ़ने के बाद, आप LLM की कार्यप्रणाली को आसानी से समझ सकेंगे! तंत्रिका नेटवर्क: संख्याओं का जादू सबसे पहले, हमें यह जानना होगा कि तंत्रिका नेटवर्क एक सुपर कैलकुलेटर की तरह है, जो केवल संख्याओं को संभाल सकता है। चाहे वह इनपुट हो या आउटपुट, दोनों ही संख्याएं होनी चाहिए। तो हम इसे शब्दों को समझने के लिए कैसे प्रेरित करें? रहस्य

जॉर्जिया टेक के शोधकर्ताओं ने RTNet नामक पहले तंत्रिका नेटवर्क का विकास किया है, जो मानव की धारणाओं और निर्णय प्रक्रियाओं का अनुकरण कर सकता है, जो मानव मस्तिष्क के काम करने के तरीके को समझने में कृत्रिम बुद्धिमत्ता की महत्वपूर्ण प्रगति का प्रतीक है। RTNet यादृच्छिक निर्णय उत्पन्न कर सकता है, मानव प्रतिक्रिया समय वितरण का अनुकरण कर सकता है, और कार्य की कठिनाई के आधार पर सोचने के समय को समायोजित कर सकता है, मानवों के समस्याओं को हल करने के तरीके के समान। इसकी आंतरिक प्रक्रिया में Alexnet संरचना और बेयesian तंत्रिका नेटवर्क का संयोजन शामिल है, जिससे समामेलन प्रक्रिया और थ्रेशोल्ड सेटिंग के माध्यम से निष्कर्ष निकाला जा सकता है। RTNet मानव निर्णय के अनुकरण में सटीकता प्रदान करता है।

इस सप्ताह एक उद्योग सम्मेलन में, माइक्रोसॉफ्ट एआई डिवीजन के सीईओ मुस्तफा सूलेमान ने एक ध्यान खींचने वाली घोषणा की, जिसमें उन्होंने कहा कि मशीन लर्निंग कंपनियां ऑनलाइन प्रकाशित अधिकांश सामग्री को स्वतंत्र रूप से स्क्रैप कर सकती हैं और इसका उपयोग अपने न्यूरल नेटवर्क को प्रशिक्षित करने के लिए कर सकती हैं। सूलेमान ने कहा कि इन ऑनलाइन सामग्री को मौलिक रूप से 'फ्री सॉफ्टवेयर' के रूप में देखा जा सकता है, जो मशीन लर्निंग के विकास के लिए समृद्ध संसाधन प्रदान करता है।

हाल ही में, एक नई इमेज सुपर रिज़ॉल्यूशन मॉडल जिसका नाम AuraSR है, आर्टिफिशियल इंटेलिजेंस के क्षेत्र में व्यापक ध्यान आकर्षित कर रहा है। इस मॉडल को Fal AI कंपनी द्वारा विकसित किया गया है, जो Adobe द्वारा हाल ही में प्रकाशित GigaGAN पेपर पर आधारित है, और यह जनरेटिव एडवर्सरी नेटवर्क (GAN) तकनीक का उपयोग करता है, जो बहुत कम समय में चित्रों के रिज़ॉल्यूशन को काफी बढ़ा सकता है।

एनवीडिया ने RTX 500 और RTX 1000 श्रृंखला के नई पीढ़ी के लैपटॉप ग्राफिक्स कार्ड पेश किए हैं, जो एडा लवलेस आर्किटेक्चर पर आधारित हैं, जिसमें एआई कंप्यूटिंग के लिए NPU शामिल है। RTX 500/1000 धीरे-धीरे उपलब्ध कराया जाएगा, जो उपभोक्ताओं और प्रारंभिक कार्य स्थलों के लिए उपयुक्त हैं। RTX 500 आर्टिफिशियल इंटेलिजेंस की सहायक क्षमता में 14 गुना सुधार प्रदान करता है, जबकि RTX 1000 तस्वीर संपादित करने की गति को 3 गुना बढ़ाता है।

तंत्रिका नेटवर्क की विशेषताओं के कारण यह प्रतिकूल हमलों का प्रभावी शिकार बनता है। गूगल DeepMind के नवीनतम अनुसंधान से पता चलता है कि मानव निर्णय भी इस प्रकार के प्रतिकूल विक्षेप से प्रभावित होते हैं। मानव तंत्रिका नेटवर्क और कृत्रिम तंत्रिका नेटवर्क के बीच संबंध क्या है? अनुसंधान से पता चलता है कि हमारा पूर्व का दृष्टिकोण गलत हो सकता है! मानव निर्णय भी इस प्रकार के प्रतिकूल विक्षेप से प्रभावित होते हैं।

तंत्रिका नेटवर्क विविध स्तंभों वाले तालिका डेटा को संसाधित करने में चुनौतियों का सामना करते हैं। तंत्रिका नेटवर्क की व्याख्या क्षमता को बढ़ाने के लिए तालिका विशेषताओं को निम्न-आवृत्ति प्रतिनिधित्व में बदलने की विधि का प्रस्ताव रखा गया है। प्रयोगों से यह सिद्ध हुआ है कि यह विधि नेटवर्क के प्रदर्शन और कंप्यूटिंग दक्षता को महत्वपूर्ण रूप से बढ़ाती है। अनुसंधान ने तंत्रिका नेटवर्क के लिए जटिल तालिका डेटा को संसाधित करने के लिए नई धारणा और विधियाँ प्रदान की हैं।

MIT की नई स्टार्टअप Liquid AI ने हाल ही में लगभग 40 मिलियन डॉलर की प्रारंभिक फंडिंग पूरी की, जिसका लक्ष्य एक नई तरल तंत्रिका नेटवर्क कृत्रिम बुद्धिमत्ता का निर्माण करना है। तरल तंत्रिका नेटवर्क एक अभिनव तकनीक है जो तरल तंत्रिका नेटवर्क आर्किटेक्चर पर आधारित है, जिसमें आकार में छोटा, व्याख्यायित करने योग्य और गतिशील अनुकूलन क्षमता है। फंडिंग की दिशा दिखाती है कि Liquid AI का मूल्यांकन 303 मिलियन डॉलर तक पहुंच गया है। Liquid AI तरल तंत्रिका नेटवर्क तकनीक का व्यावसायीकरण करने की योजना बना रहा है, जिसका अनुप्रयोग क्षेत्र स्वायत्त ड्राइविंग, मौसम भविष्यवाणी और चिकित्सा डेटा विश्लेषण आदि में शामिल हैं।