A.I. یاد رکھنا، لیکن آپ ابھی بھی جادو میں اسے کچلیں گے: جمع

نریندر نیٹ ورک ای کے مستقبل کے لئے اہم ہیں. اور، ایلون مسک کے مطابق، تمام انسانیت کا مستقبل. خوش قسمتی سے، Google کی DeepMind نے کوڈ کو اس کے اندر اندر توڑ کر اندرونی میموری دینے کے ذریعہ نیورل نیٹ ورکوں کو بہت سست بنانا شروع کر دیا.

میں جاری ایک مطالعہ میں فطرت 12 اکتوبر کو، DeepMind ظاہر ہوتا ہے کہ کس طرح نیویارک نیٹ ورک اور میموری نظام کو ملنے کے لئے مشین سیکھنے کو پیدا کیا جاسکتا ہے کہ نہ صرف معلومات کو ذخیرہ کرتا ہے بلکہ حالات پر مبنی وجہ سے اس کا استعمال کرتے ہیں. A.I کے ساتھ سب سے بڑا چیلنجز میں سے ایک چیزوں کو یاد کرنے کے لئے اسے حاصل کر رہا ہے. ایسا لگتا ہے کہ ہم اس کے حصول کے قریب ایک قدم ہیں.

مختلف متغیر نیورل کمپیوٹر (ڈی این سی) کو فون کیا، بہتر نیورل نیٹ ورک ایک کمپیوٹر کی طرح زیادہ کام کرتا ہے. کمپیوٹر میں ایک پروسیسر کا کام مکمل کرنے کے لئے (نیورل نیٹ ورک) ہے لیکن یہ پروسیسر مختلف ڈیٹا پوائنٹس (ڈی این سی) سے الگورتھم انجام دینے کے لئے ایک میموری سسٹم لیتا ہے.

DeepMind کے جدت سے پہلے، نیورل نیٹ ورک کو بیرونی میموری پر انحصار کرنا پڑتا ہے تاکہ نیٹ ورک کی نیروئن سرگرمی کے ساتھ مداخلت نہ ہو.

کسی بھی بیرونی میموری کے بغیر، نیورل نیٹ ورک صرف معلوم شدہ معلومات پر مبنی حل حل کرنے میں قابل ہیں. زیادہ درست بننے کے لۓ انہیں بڑی مقدار میں اعداد و شمار اور عمل کی ضرورت ہوتی ہے. ایک انسانی سیکھنے کی طرح ایک نیا زبان ہے، یہ اصل میں نیند نیٹ ورک کے لئے ہوشیار بننے کا وقت لگتا ہے. یہی وجہ ہے کہ دیپ میڈ کے نیچرل نیٹ ورک جانے پر بہت اچھا ہے لیکن حکمت عملی پر مبنی گیم جادو پر خوفناک ہے: نوری نیٹ ورک صرف میموری کے بغیر کافی متغیرات پر عمل نہیں کر سکتے ہیں.

یاد داشت میں نیورل نیٹ ورک کو متغیر کو شامل کرنے اور تیزی سے اعداد و شمار کا تجزیہ کرنے کی اجازت دیتا ہے تاکہ یہ گراف کچھ زیر زمین کے طور پر پیچیدہ ہو اور مخصوص ڈیٹا پوائنٹس پر مبنی نتائج حاصل کرسکیں. DeepMind کے مطالعہ میں، انہوں نے پتہ چلا کہ ڈی این سی اپنے اپنے گھروں کے درمیان تیز ترین راستوں کے بارے میں سوالات کے جواب دینے کے بارے میں سیکھ سکتے ہیں اور اس منزل پر جو سفر ایک نیا سفر گراف اور دیگر نقل و حمل کے نظام کے بارے میں علم کے ذریعے ختم ہو جائے گا. یہ درخت کے علاوہ پیش کردہ معلومات کے ساتھ کسی خاندانی درخت سے تعلقات کم کرسکتا ہے. ڈی این سی کسی روایتی نیورل نیٹ ورک کی طرف سے ضرورت اضافی اعداد و شمار پوائنٹس کو کھلایا بغیر کسی دیئے گئے کام کے لئے ایک مقصد کو مکمل کرنے میں کامیاب تھا.

حالانکہ یہ شاید بہت متاثر کن نہیں ہوسکتا ہے (کہیں بھی سب سے زیادہ موثر راستہ کا حساب کرنے میں گوگل نقشہ پہلے ہی بہت اچھا ہے)، ٹیکنالوجی کے مستقبل کے لئے ٹیکنالوجی ایک بہت بڑی قدم ہے. اگر آپ سوچتے ہیں کہ پیشن گوئی تلاش موثر ہے (یا ڈراونا)، تو تصور کریں کہ یہ کتب اچھی طرح سے نیورل نیٹ ورک میموری کے ساتھ ہوسکتا ہے. جب آپ نام بین کے لئے فیس بک کو تلاش کرتے ہیں، تو اس حقیقت سے یہ معلوم ہو گا کہ آپ صرف ایک باہمی دوست کے صفحے پر تھے جو اس کی تصویر دیکھ رہے تھے.

قدرتی زبان سیکھنے A.I. آخر میں اس کی زبان دونوں پر کام کرنے کے لئے کافی سیاق و سباق ہوگا وال سٹریٹ جرنل اور سیاہ ٹویٹر کو سمجھنے کے قابل ہو. سری یہ سمجھ سکتی تھی کہ Pepe میڑک مزاحیہ پٹی سے صرف ایک کردار کے مقابلے میں زیادہ ہے کیونکہ وہ ہر ایک کو پڑھا ہے اندرونی اس کے بارے میں مضمون.

نیویارک یونیورسٹی میں ایک سنجیدہ سائنسی ماہر برینڈن جھیل نے کہا کہ "میں سب سے زیادہ مثال کے طور پر 'الگورتھم' جاننے کے نیٹ ورک کی صلاحیت سے زیادہ متاثر ہوں. ٹیکنالوجی کا جائزہ. "الورگتھیم، جیسے ہی مختصر ترین راستوں کو چھانٹ یا تلاش کرنا، کلاسک کمپیوٹر سائنس کی روٹی اور مکھن ہیں. وہ روایتی طور پر ڈیزائنر اور ڈیزائن کرنے کی ضرورت ہوتی ہے."

A.I سیاق و سباق کو سمجھنے کی صلاحیت یہ پروگرام الگورتھم کی ضرورت کو چھوڑنے کی اجازت دیتا ہے.

جبکہ دیپ میڈ کے ڈی این سی نیچرل میموری میں پہلا تجربہ نہیں ہے، یہ سب سے زیادہ جدید ترین ہے. اس نے کہا کہ، نیورل نیٹ ورک اب بھی اپنے ابتدائی مراحل میں ہے اور اس سے پہلے یہ سیکھنے کی انسانی سطح پر جانے کا ایک طویل راستہ ہے. محققین کو اب بھی یہ پتہ چلتا ہے کہ نظام کی پروسیسنگ کو کس طرح بڑھایا جائے تاکہ اس کو فوری طور پر میموری کے ہر ٹکڑے کا استعمال کرکے سکین اور حساب کرسکتا ہے.

اب کے لئے، انسانوں کو نیوروالوجی طور پر اعلی سرزمین حاصل کرنا ہے.