कृत्रिम बुद्धिमत्ता छवि पहचान के क्षेत्र में तेजी से आगे बढ़ रही है, बिल्लियों और कुत्तों का वर्गीकरण अब पुरानी बात हो गई है। अब चलन में है 'प्लस वर्ज़न' जैसे कि पहली नज़र में ही यह पता लगाना कि यह किस वर्ष का कौन सा मॉडल की स्पोर्ट्स कार है, या इस चिड़िया की भौंहें पड़ोसी के भाई की भौंहों से थोड़ी मोटी हैं या नहीं। लेकिन समस्या यह है कि न्यूरल नेटवर्क जितना 'स्मार्ट' होता है, उससे यह पूछना कि 'मैंने यह कैसे जाना?' थोड़ा मुश्किल होता है, जैसे कोई कमज़ोर छात्र जिससे उत्तर समझाने को कहा जाए और वह कुछ भी नहीं बता पाए। पारंपरिक Class Activation Map (CAM)...

एक नवीनतम अध्ययन से पता चलता है कि कृत्रिम बुद्धिमत्ता (AI) भविष्य में मानव बुद्धिमत्ता को पार करने की क्षमता रखती है। यह अध्ययन AI और मानव मस्तिष्क की जटिलता की गहराई से जांच करता है और एक नया सिद्धांत ढांचा प्रस्तुत करता है, यानी, तंत्रिका विज्ञान की कोशिका स्तर पर AI तकनीक के उपयोग के माध्यम से, AI मानव मस्तिष्क के कार्यों के करीब पहुँच सकता है, यहाँ तक कि अंततः मानव बुद्धिमत्ता के स्तर को पार कर सकता है। मानव मस्तिष्क को ब्रह्मांड की सबसे जटिल प्रणालियों में से एक माना जाता है, और कृत्रिम बुद्धिमत्ता को मानव इतिहास की सबसे महत्वपूर्ण तकनीकों में से एक माना जाता है। एक केंद्रीय प्रश्न सामने आता है: क्या कृत्रिम बुद्धिमत्ता अंततः मानव बुद्धिमत्ता को पार कर जाएगी?

अनुसंधान टीम ने एक रोमांचक प्रगति की घोषणा की है, जिन्होंने एक नए प्रकार के न्यूरल नेटवर्क का विकास किया है जिसे HOVER (ह्यूमनॉइड मल्टीफंक्शनल कंट्रोलर) कहा जाता है। इस न्यूरल नेटवर्क में 1.5 मिलियन पैरामीटर हैं, जो विशेष रूप से ह्यूमनॉइड रोबोट के आंदोलन और संचालन को समन्वित करने के लिए डिज़ाइन किया गया है। NVIDIA के सीनियर रिसर्च मैनेजर जिम फैन ने कहा: "हर मूल मॉडल को विशाल होने की आवश्यकता नहीं है। हमने जो 1.5 मिलियन पैरामीटर वाला न्यूरल नेटवर्क प्रशिक्षित किया है, वह ह्यूमनॉइड रोबोट के शरीर को नियंत्रित करने के लिए बनाया गया है।" उन्होंने आगे स्पष्ट किया कि HOVER मानव

2024 का नोबेल भौतिकी पुरस्कार जॉन्स जे. होपफील्ड और जेफ्री ई. हिन्टन को दिया गया, जो आर्टिफिशियल न्यूरल नेटवर्क का उपयोग करके मशीन लर्निंग के मूलभूत खोजों और आविष्कारों के लिए मान्यता है। उनका कार्य आर्टिफिशियल इंटेलिजेंस की नींव रखता है, जिससे मशीन लर्निंग और डीप लर्निंग संभव हो सके। होपफील्ड ने एक संघटनात्मक स्मृति बनाई, जो डेटा में छवियों और अन्य प्रकार के पैटर्न को संग्रहीत और पुनर्निर्मित कर सकती है। हिन्टन ने एक विधि का आविष्कार किया, जो डेटा में गुणों को स्वायत्त रूप से खोज सकती है, जिससे तस्वीरों में विशिष्ट तत्वों की पहचान जैसी कार्यों को करने में मदद मिलती है।

तिंगुआ यूनिवर्सिटी के इलेक्ट्रॉनिक्स इंजीनियरिंग विभाग और स्वचालन विभाग ने संयुक्त रूप से "ताईजी-II" प्रकाश प्रशिक्षण चिप सफलतापूर्वक विकसित की है, जो बड़े पैमाने पर न्यूरल नेटवर्क के लिए कुशल और सटीक प्रकाश गणना प्रशिक्षण की अनुमति देती है। यह नवाचार मौजूदा प्रकाश गणना प्रौद्योगिकी की सीमाओं को पार कर गया है, GPU पर निर्भरता को समाप्त किया है, प्रशिक्षण प्रक्रिया को सरल बनाया है, और कृत्रिम बुद्धिमत्ता और बड़े डेटा प्रसंस्करण के क्षेत्र में प्रकाश गणना प्रणाली की प्रयोगात्मक क्षमता को काफी बढ़ा दिया है। यह चिप विभिन्न ऑप्टिकल सिस्टम्स को प्रशिक्षित कर सकती है, और कई कार्यों में उत्कृष्ट प्रदर्शन करती है, जो चीन के अग्रणी प्रौद्योगिकी क्षेत्र में अनुसंधान शक्ति और नवाचार क्षमता के विकास का प्रतीक है।

यह लेख हाल ही में प्रकाशित एक पेपर की खोज करता है जो 'नेचर: मशीन इंटेलिजेंस' पत्रिका में छपा था, जो एक ध्यान आकर्षित करने वाली नई विधि – दृश्य पूर्वानुमान कोडिंग (visual predictive coding) का परिचय देता है। यह तकनीक हमें दिखाती है कि कैसे कृत्रिम बुद्धिमत्ता को संज्ञानात्मक मानचित्र बनाने के लिए प्रशिक्षित किया जा सकता है, मानव मस्तिष्क में न्यूरल संरचनाओं की नकल करके दृश्य जानकारी को संसाधित करने और आसपास के वातावरण को समझने के लिए। अनुसंधान का मुख्य विचार भविष्य के संवेदी इनपुट की भविष्यवाणी करना है, जो मशीनों को पिछले अनुभवों से सीखने और वातावरण का मानचित्र बनाने में मदद करता है। न्यूरल नेटवर्क मॉडल का निर्माण करके मानव को अनुकरण करना।

35 वर्षों से, यह प्रश्न लंबित है कि क्या एआई मानव की तरह सिस्टम सामान्यीकरण क्षमता रखता है। NYU और पौंपे फाब्रा विश्वविद्यालय के शोधकर्ताओं ने पहली बार साबित किया है कि न्यूरल नेटवर्क मानव जैसी सिस्टम सामान्यीकरण प्राप्त कर सकते हैं। उन्होंने जो MLC मॉडल प्रस्तुत किया है, वह कार्य वातावरण में न्यूरल नेटवर्क को प्रशिक्षित करता है, जिससे यह धीरे-धीरे संयोजनात्मक शब्दावली के अर्थों का प्रणालीगत तर्क करने की क्षमता प्राप्त करता है। MLC मॉडल GPT-4 को पार करता है और आश्चर्यजनक मानव समान सोच का प्रदर्शन करता है। यह शोध कृत्रिम बुद्धिमत्ता और संज्ञानात्मक विज्ञान पर गहरा प्रभाव डालता है और न्यूरल नेटवर्क को सिस्टम सामान्यीकरण क्षमता प्रदान करता है।

कृत्रिम बुद्धिमत्ता स्टार्टअप Anthropic ने एक महत्वपूर्ण ब्रेकथ्रू की घोषणा की है, जो न्यूरल नेटवर्क के व्यवहार को बेहतर तरीके से समझने का तरीका प्रस्तुत करता है। शोध के परिणाम अगले पीढ़ी की कृत्रिम बुद्धिमत्ता की सुरक्षा और विश्वसनीयता को बढ़ाएंगे, जो शोधकर्ताओं और डेवलपर्स को AI मॉडल के व्यवहार को बेहतर तरीके से नियंत्रित करने में मदद कर सकते हैं। Anthropic ने न्यूरल नेटवर्क की विशेषताओं का गहराई से अध्ययन करके, न्यूरल नेटवर्क के आंतरिक कामकाज को解析 किया है, जो न्यूरल नेटवर्क के परिणामों की भविष्यवाणी के लिए नए तरीकों की पेशकश करता है। यह ब्रेकथ्रू भाषा मॉडल के व्यवहार को समझने की चुनौतियों पर काबू पाने में मदद कर सकता है और कृत्रिम बुद्धिमत्ता क्षेत्र के लिए महत्वपूर्ण है।

क्योटो यूनिवर्सिटी ने संव constitutionic न्यूरल नेटवर्क तकनीक का उपयोग करके खाद्य उत्पादन की तेजी से और सटीक भविष्यवाणी की। चावल की पत्तियों की तस्वीरों के आधार पर, प्रशिक्षित सीएनएन मॉडल ने अच्छे परिणामों का अनुमान लगाया। यह शोध एक व्यावहारिक समाधान प्रदान करता है, जो वैश्विक कृषि विकास में मदद करता है और खाद्य सुरक्षा सुनिश्चित करता है।