मुख्य तथ्य
- शोधकर्ताओं ने ऐसी तकनीकें बनाई हैं जो उपयोगकर्ताओं को मशीन-लर्निंग मॉडल के व्यवहार के परिणामों को रैंक करने देती हैं।
- विशेषज्ञों का कहना है कि इस पद्धति से पता चलता है कि मशीनें इंसानों की सोचने की क्षमता को पकड़ रही हैं।
- एआई में प्रगति कंप्यूटर की भाषा को समझने की क्षमता के विकास को गति दे सकती है और एआई और इंसानों के बीच बातचीत के तरीके में क्रांतिकारी बदलाव ला सकती है।
आर्टिफिशियल इंटेलिजेंस (एआई) की तर्क शक्ति को मापने वाली एक नई तकनीक से पता चलता है कि मशीनें इंसानों की सोचने की क्षमता को पकड़ रही हैं, विशेषज्ञों का कहना है।
एमआईटी और आईबीएम रिसर्च के शोधकर्ताओं ने एक ऐसी विधि बनाई है जो उपयोगकर्ता को मशीन-लर्निंग मॉडल के व्यवहार के परिणामों को रैंक करने में सक्षम बनाती है। उनकी तकनीक, जिसे साझा रुचि कहा जाता है, में ऐसे मीट्रिक शामिल हैं जो तुलना करते हैं कि मॉडल की सोच लोगों से कितनी अच्छी तरह मेल खाती है।
"आज, AI विशिष्ट कार्यों में मानव प्रदर्शन तक पहुँचने (और, कुछ मामलों में, अधिक) करने में सक्षम है, जिसमें छवि पहचान और भाषा की समझ शामिल है," पीटर ब्यूटेनर्स, मशीन लर्निंग में इंजीनियरिंग के निदेशक और संचार में AI कंपनी सिंच ने एक ईमेल साक्षात्कार में लाइफवायर को बताया। "प्राकृतिक भाषा प्रसंस्करण (एनएलपी) के साथ, एआई सिस्टम मनुष्यों के साथ-साथ भाषाओं की व्याख्या, लेखन और बोल सकता है, और एआई अपने मानव साथियों के साथ संरेखित करने के लिए अपनी बोली और स्वर को भी समायोजित कर सकता है।"
कृत्रिम स्मार्ट
AI अक्सर यह बताए बिना परिणाम देता है कि वे निर्णय सही क्यों हैं। और उपकरण जो विशेषज्ञों को एक मॉडल के तर्क को समझने में मदद करते हैं, अक्सर केवल अंतर्दृष्टि प्रदान करते हैं, एक समय में केवल एक उदाहरण।एआई को आमतौर पर लाखों डेटा इनपुट का उपयोग करके प्रशिक्षित किया जाता है, जिससे मानव के लिए पैटर्न की पहचान करने के लिए पर्याप्त निर्णयों का मूल्यांकन करना कठिन हो जाता है।
हाल ही के एक पेपर में, शोधकर्ताओं ने कहा कि साझा रुचि एक उपयोगकर्ता को मॉडल के निर्णय लेने में रुझानों को उजागर करने में मदद कर सकती है। और ये अंतर्दृष्टि उपयोगकर्ता को यह तय करने की अनुमति दे सकती है कि कोई मॉडल परिनियोजित करने के लिए तैयार है या नहीं।
“साझा रुचि विकसित करने में, हमारा लक्ष्य इस विश्लेषण प्रक्रिया को बढ़ाने में सक्षम होना है ताकि आप अधिक वैश्विक स्तर पर समझ सकें कि आपके मॉडल का व्यवहार क्या है,” पेपर के सह-लेखक एंजी बोगस्ट, समाचार विज्ञप्ति में कहा।
साझा रुचि एक ऐसी तकनीक का उपयोग करती है जो दिखाती है कि कैसे एक मशीन-लर्निंग मॉडल ने एक विशेष निर्णय लिया, जिसे प्रमुख विधियों के रूप में जाना जाता है। यदि मॉडल छवियों को वर्गीकृत कर रहा है, तो प्रमुख विधियाँ एक छवि के उन क्षेत्रों को उजागर करती हैं जो मॉडल के लिए महत्वपूर्ण होते हैं जब वह अपना निर्णय लेता है। साझा रुचि मानव-जनित टिप्पणियों के लिए प्रमुखता विधियों की तुलना करके काम करती है।
शोधकर्ताओं ने त्वचा के घावों की तस्वीरों से कैंसर का निदान करने में मदद करने के लिए डिज़ाइन किए गए मशीन-लर्निंग मॉडल पर भरोसा करने के लिए त्वचा विशेषज्ञ की मदद करने के लिए साझा रुचि का उपयोग किया। साझा रुचि ने त्वचा विशेषज्ञ को मॉडल की सही और गलत भविष्यवाणियों के उदाहरणों को जल्दी से देखने में सक्षम बनाया। त्वचा विशेषज्ञ ने फैसला किया कि वह मॉडल पर भरोसा नहीं कर सकते क्योंकि इसने वास्तविक घावों के बजाय छवि कलाकृतियों के आधार पर बहुत अधिक भविष्यवाणियां कीं।
“यहां मूल्य यह है कि साझा रुचि का उपयोग करके, हम देख सकते हैं कि ये पैटर्न हमारे मॉडल के व्यवहार में उभर रहे हैं। लगभग आधे घंटे में, त्वचा विशेषज्ञ यह तय करने में सक्षम थे कि मॉडल पर भरोसा करना है या नहीं और इसे तैनात करना है या नहीं,”बोगस्ट ने कहा।
एक मॉडल के निर्णय के पीछे तर्क मशीन सीखने वाले शोधकर्ता और निर्णय लेने वाले दोनों के लिए महत्वपूर्ण है।
प्रगति को मापना
एमआईटी शोधकर्ताओं द्वारा किया गया कार्य मानव-स्तर की बुद्धिमत्ता की दिशा में एआई की प्रगति के लिए एक महत्वपूर्ण कदम हो सकता है, मशीन लर्निंग एल्गोरिदम का उपयोग करने वाली कंपनी डारो में शोध के प्रमुख बेन हाग ने कहा कि एक ईमेल साक्षात्कार में लाइफवायर को बताया.
"एक मॉडल के निर्णय के पीछे तर्क मशीन सीखने वाले शोधकर्ता और निर्णय लेने वाले दोनों के लिए महत्वपूर्ण है," हाग ने कहा। "पूर्व यह समझना चाहता है कि मॉडल कितना अच्छा है और इसे कैसे सुधारा जा सकता है, जबकि बाद वाला मॉडल में विश्वास की भावना विकसित करना चाहता है, इसलिए उन्हें यह समझने की आवश्यकता है कि उस आउटपुट की भविष्यवाणी क्यों की गई थी।"
लेकिन हागग ने आगाह किया कि एमआईटी अनुसंधान इस धारणा पर आधारित है कि हम मानवीय समझ या मानवीय तर्क को समझते हैं या उसकी व्याख्या कर सकते हैं।
“हालांकि, इस बात की संभावना है कि यह सटीक न हो, इसलिए मानव निर्णय लेने को समझने के लिए और अधिक काम करना आवश्यक है,” हाग ने कहा।
एआई में प्रगति कंप्यूटर की भाषा को समझने की क्षमता के विकास को गति दे सकती है और एआई और इंसानों के साथ बातचीत करने के तरीके में क्रांतिकारी बदलाव ला सकती है, ब्यूटेनर्स ने कहा। चैटबॉट एक बार में सैकड़ों भाषाओं को समझ सकते हैं, और एआई सहायक प्रश्नों के उत्तर या अनियमितताओं के लिए टेक्स्ट के मुख्य भाग को स्कैन कर सकते हैं।
“कुछ एल्गोरिदम यह भी पहचान सकते हैं कि संदेश कब धोखाधड़ी वाले हैं, जो व्यवसायों और उपभोक्ताओं को स्पैम संदेशों को हटाने में समान रूप से मदद कर सकते हैं,” Buteneers ने कहा।
लेकिन, Buteneers ने कहा, AI अभी भी कुछ गलतियाँ करता है जो मनुष्य कभी नहीं करेगा। "हालांकि कुछ लोगों को चिंता है कि एआई मानव नौकरियों की जगह ले लेगा, वास्तविकता यह है कि हमें हमेशा एआई बॉट्स के साथ काम करने वाले लोगों की आवश्यकता होगी ताकि उन्हें नियंत्रण में रखने में मदद मिल सके और व्यवसाय में मानवीय स्पर्श बनाए रखते हुए इन गलतियों को दूर रखा जा सके।"
