Science: चीन में वैज्ञानिकों ने एक नया कंप्यूटिंग आर्किटेक्चर बनाया है जो कम कंप्यूटिंग संसाधनों का उपभोग करते हुए उन्नत कृत्रिम बुद्धिमत्ता (AI) मॉडल को प्रशिक्षित कर सकता है - और उन्हें उम्मीद है कि यह एक दिन कृत्रिम सामान्य बुद्धिमत्ता (AGI) की ओर ले जाएगा। आज के सबसे उन्नत AI मॉडल - मुख्य रूप से ChatGPT या क्लाउड 3 जैसे बड़े भाषा मॉडल (LLM) - तंत्रिका नेटवर्क का उपयोग करते हैं। ये मशीन लर्निंग एल्गोरिदम के संग्रह हैं जो डेटा को मानव मस्तिष्क के समान तरीके से संसाधित करने और निष्कर्ष पर पहुंचने के लिए विभिन्न विकल्पों का वजन करने के लिए स्तरित हैं।
वर्तमान में LLM सीमित हैं क्योंकि वे अपने प्रशिक्षण डेटा की सीमाओं से परे प्रदर्शन नहीं कर सकते हैं और मनुष्यों की तरह अच्छी तरह से तर्क नहीं कर सकते हैं। हालाँकि, AGI एक काल्पनिक प्रणाली है जो तर्क कर सकती है, संदर्भ बना सकती है, अपने स्वयं के कोड को संपादित कर सकती है और किसी भी बौद्धिक कार्य को समझ या सीख सकती है जो एक मनुष्य कर सकता है। आज, अधिक स्मार्ट AI सिस्टम बनाने के लिए और भी बड़े तंत्रिका नेटवर्क बनाने पर निर्भर करता है।
कुछ वैज्ञानिकों का मानना है कि यदि पर्याप्त रूप से स्केल किया जाए तो तंत्रिका नेटवर्क AGI की ओर ले जा सकते हैं। लेकिन यह अव्यावहारिक हो सकता है, यह देखते हुए कि ऊर्जा की खपत और कंप्यूटिंग संसाधनों की मांग भी इसके साथ बढ़ेगी। अन्य शोधकर्ताओं का सुझाव है कि भविष्य के AGI सिस्टम को प्राप्त करने के लिए नए आर्किटेक्चर या विभिन्न कंप्यूटिंग आर्किटेक्चर के संयोजन की आवश्यकता है। इसी क्रम में, नेचर कम्प्यूटेशनल साइंस जर्नल में 16 अगस्त को प्रकाशित एक नए अध्ययन में मानव मस्तिष्क से प्रेरित एक नए कंप्यूटिंग आर्किटेक्चर का प्रस्ताव दिया गया है, जिससे न्यूरल नेटवर्क को बढ़ाने के व्यावहारिक मुद्दों को खत्म करने की उम्मीद है।
"आर्टिफिशियल इंटेलिजेंस (AI) शोधकर्ताओं का वर्तमान में मानना है कि अधिक सामान्य मॉडल समस्याओं के निर्माण का मुख्य दृष्टिकोण बड़ा AI मॉडल है, जहाँ मौजूदा न्यूरल नेटवर्क अधिक गहरे, बड़े और व्यापक होते जा रहे हैं। हम इसे बाहरी जटिलता वाला बड़ा मॉडल दृष्टिकोण कहते हैं," वैज्ञानिकों ने अध्ययन में कहा। "इस काम में हम तर्क देते हैं कि आंतरिक जटिलता वाला छोटा मॉडल नामक एक और दृष्टिकोण है, जिसका उपयोग बड़े और अधिक कुशल AI मॉडल बनाने के लिए न्यूरॉन्स में समृद्ध गुणों को शामिल करने का एक उपयुक्त मार्ग खोजने के लिए किया जा सकता है।"