दुनिया में पहली बार, कोपेनहेगन विश्वविद्यालय के शोधकर्ताओं ने गणितीय रूप से प्रदर्शित किया है कि कृत्रिम बुद्धिमत्ता एल्गोरिदम विकसित करना असंभव है जो साधारण समस्याओं को छोड़कर हमेशा स्थिर रहते हैं। चैटजीपीटी और इसी तरह की मशीन लर्निंग-आधारित प्रौद्योगिकियां बढ़ रही हैं। हालाँकि, यहां तक कि सबसे उन्नत एल्गोरिदम को भी सीमाओं का सामना करना पड़ता है।
कोपेनहेगन विश्वविद्यालय के शोधकर्ताओं ने एक अभूतपूर्व खोज की, जिसे उन्होंने गणितीय रूप से सिद्ध किया,मूलभूत मुद्दों से परे, कृत्रिम बुद्धिमत्ता एल्गोरिदम विकसित करना असंभव है जो हमेशा स्थिर रहे।यह शोध मशीन प्रसंस्करण और मानव बुद्धि के बीच अंतर्निहित अंतर को उजागर करते हुए बेहतर एल्गोरिदम परीक्षण प्रोटोकॉल का मार्ग प्रशस्त कर सकता है।
परिणामों का वर्णन करने वाला एक वैज्ञानिक लेख प्रमुख अंतरराष्ट्रीय सैद्धांतिक कंप्यूटर विज्ञान सम्मेलनों में प्रकाशन के लिए स्वीकार किया गया है।
मशीनें डॉक्टरों की तुलना में मेडिकल स्कैन की अधिक सटीक व्याख्या कर सकती हैं, विदेशी भाषाओं का अनुवाद कर सकती हैं और जल्द ही इंसानों की तुलना में अधिक सुरक्षित रूप से कार चलाने में सक्षम हो सकती हैं। हालाँकि, सर्वोत्तम एल्गोरिदम में भी कमजोरियाँ हैं। कोपेनहेगन विश्वविद्यालय के कंप्यूटर विज्ञान विभाग की एक शोध टीम ने इन कमजोरियों को उजागर करने की कोशिश की।
उदाहरण के लिए, सड़क के संकेतों को पढ़ने वाली एक स्व-चालित कार को लें। यदि कोई सड़क चिन्ह पर स्टिकर लगाता है, तो इससे मानव चालक का ध्यान नहीं भटकेगा। लेकिन मशीन का ध्यान आसानी से भटक सकता है क्योंकि सड़क के संकेत अब उन चिह्नों से भिन्न दिखते हैं जिन पर उसे प्रशिक्षित किया गया था।
"हमें उम्मीद है कि एल्गोरिदम स्थिर है, यानी अगर इनपुट थोड़ा बदलता है, तो आउटपुट लगभग वही रहेगा।" समूह के नेता, प्रोफेसर अमीर येहुदायॉफ़ ने कहा: "वास्तविक जीवन में सभी प्रकार के शोर हैं, और मनुष्य इन शोरों को अनदेखा करने के आदी हैं, लेकिन मशीनें भ्रमित हो जाएंगी।"
कमजोरियों पर चर्चा की भाषा
दुनिया में पहली बार, अनुसंधान टीम ने अन्य देशों के शोधकर्ताओं के साथ मिलकर गणितीय रूप से प्रदर्शित किया कि मशीन लर्निंग एल्गोरिदम बनाना असंभव है जो साधारण समस्याओं को छोड़कर हमेशा स्थिर होते हैं। इस परिणाम का वर्णन करने वाले एक वैज्ञानिक लेख को कंप्यूटर विज्ञान सिद्धांत पर प्रमुख अंतरराष्ट्रीय सम्मेलनों में से एक, फ़ाउंडेशन ऑफ़ कंप्यूटर साइंस (FOCS) में प्रकाशन के लिए अनुमोदित किया गया है।
"मैं यह बताना चाहूंगा कि हमने सीधे तौर पर सेल्फ-ड्राइविंग कारों के अनुप्रयोग का अध्ययन नहीं किया है। हालाँकि, यह एक अत्यधिक जटिल समस्या लगती है और एल्गोरिदम हर समय स्थिर नहीं रह सकता है।" अमीर-येहुदेव ने कहा, यह आवश्यक नहीं है कि इसका स्व-चालित कारों के विकास पर बड़ा प्रभाव पड़े: यदि एल्गोरिदम केवल दुर्लभ मामलों में गलतियाँ करता है, तो यह स्वीकार्य होने की संभावना है। लेकिन अगर यह बड़ी संख्या में मामलों में गलत हो जाता है, तो यह बुरी खबर है।"
उद्योग अपने एल्गोरिदम में कमजोरियों की पहचान करने के लिए इस वैज्ञानिक लेख का उपयोग नहीं कर सकता है। प्रोफेसर ने बताया कि यह उनका इरादा नहीं था:
"हम मशीन लर्निंग एल्गोरिदम की कमजोरियों पर चर्चा करने के लिए एक भाषा विकसित कर रहे हैं। इससे एल्गोरिदम का परीक्षण करने के तरीके का वर्णन करने वाले दिशानिर्देशों का विकास हो सकता है। लंबी अवधि में, यह फिर से बेहतर, अधिक स्थिर एल्गोरिदम के विकास की सुविधा प्रदान कर सकता है।"
अंतर्ज्ञान से गणित तक
एक संभावित एप्लिकेशन एल्गोरिदम का परीक्षण करना है जो डिजिटल गोपनीयता की रक्षा करता है।
"कुछ कंपनियां बिल्कुल सुरक्षित गोपनीयता सुरक्षा समाधान विकसित करने का दावा कर सकती हैं। सबसे पहले, हमारा दृष्टिकोण यह निर्धारित करने में मदद कर सकता है कि समाधान बिल्कुल सुरक्षित नहीं हो सकते हैं। दूसरा, यह कमजोरियों की पहचान भी कर सकता है," अमीर येहुदायॉफ़ ने कहा।
हालाँकि, वैज्ञानिक लेखों को पहले सिद्धांत में योगदान देना चाहिए। उन्होंने कहा कि विशेष रूप से गणितीय सामग्री अभूतपूर्व थी: "हम सहज रूप से समझते हैं कि एक स्थिर एल्गोरिदम को इनपुट शोर की थोड़ी मात्रा के अधीन होने पर पहले की तरह ही काम करना चाहिए। यह एक स्टिकर के साथ एक सड़क संकेत की तरह है। लेकिन सैद्धांतिक कंप्यूटर वैज्ञानिकों के रूप में, हमें एक निश्चित परिभाषा की आवश्यकता है। हमें गणितीय भाषा में इस समस्या का वर्णन करने में सक्षम होना चाहिए। अगर हमें यह स्वीकार करना है कि एक एल्गोरिदम स्थिर है, तो एल्गोरिदम को कितना शोर सहन करने में सक्षम होना चाहिए, और आउटपुट मूल आउटपुट के कितना करीब होना चाहिए? यह वह उत्तर है जिसे हम प्रस्तावित करते हैं।"
सीमाओं को ध्यान में रखना महत्वपूर्ण है
वैज्ञानिक लेख ने सैद्धांतिक कंप्यूटर विज्ञान में सहकर्मियों के बीच महत्वपूर्ण रुचि पैदा की, लेकिन तकनीकी उद्योग से नहीं। कम से कम अभी तो नहीं.
अमीर-येहुदेव मुस्कुराते हुए कहते हैं: "आपको हमेशा उम्मीद करनी चाहिए कि नए सैद्धांतिक विकास और उन्हें लागू करने वालों की रुचि के बीच कुछ देरी होगी: और कुछ सैद्धांतिक विकास पर कभी ध्यान नहीं दिया जाएगा।"
हालाँकि, उन्हें नहीं लगता कि ऐसा होगा: "मशीन लर्निंग तीव्र गति से विकसित हो रही है, लेकिन यह याद रखना महत्वपूर्ण है कि वास्तविक दुनिया में बहुत सफल समाधानों की भी अपनी सीमाएँ हैं। मशीनें कभी-कभी सोचने में सक्षम लगती हैं, लेकिन आख़िरकार उनमें मनुष्यों की बुद्धि नहीं होती है। इसे ध्यान में रखना चाहिए।"
/scitechdaily से संकलित