पिछले कुछ वर्षों में आर्टिफिशियल इंटेलिजेंस की सफलता का श्रेय सीधे गहरे तंत्रिका नेटवर्क को दिया जा सकता है। इमेज रिकग्निशन से लेकर स्मार्ट थर्मोस्टैट्स और सेल्फ-ड्राइविंग कारों तक, AI की आपके स्मार्टफोन सहित हर चीज तक पहुंच है। इस प्रकार सार्वभौमिक तंत्रिका जाल बन गए हैं। हालाँकि, इस बात की चिंता बढ़ रही है कि इस प्रणाली के कुछ महत्वपूर्ण सिद्धांत एआई द्वारा सामना की जाने वाली प्रमुख समस्याओं को दूर नहीं कर सकते हैं। इसका मतलब है कि "पारंपरिक" न्यूरल नेटवर्क बाजार छोड़ सकता है और संभवत:कुछ अत्याधुनिक यानी "कैप्सूल" न्यूरल नेट द्वारा प्रतिस्थापित किया जा सकता है।
पारंपरिक/कृत्रिम तंत्रिका नेटवर्क क्या है और यह कैसे काम करता है?
स्कूल के दिनों में, आपने मस्तिष्क के एकल जैविक न्यूरॉन के अनुकरण की जांच की होगी। यह विभिन्न दिशाओं से सूचनाओं के प्रवाह की प्रक्रिया की व्याख्या करता है, जो न्यूरॉन में संचित और संसाधित होती है और वहां से परिणाम निकलते हैं। यह प्रक्रिया न्यूरॉन को पहले सीखे गए पैटर्न के आधार पर प्रतिक्रिया करने की क्षमता देती है। विज्ञान ने एक ऐसी संरचना बनाकर इस प्रक्रिया को दोहराया है जो एक जैविक न्यूरॉन की तरह सूचनाओं को संसाधित करती है। इसके बजाय, तकनीकी तंत्रिका नेटवर्क गणितीय आधारित है, जहां सूचना कृत्रिम न्यूरॉन से होकर गुजरती है और वहां से परिणाम निकलते हैं। यह प्रक्रिया अब एक गणितीय सूत्र बन गई है और इसका उपयोग सरल समस्याओं को हल करने के लिए किया जाता है।
Source:ptgrey
मस्तिष्क के लिए, कृत्रिम न्यूरॉन नेटवर्क शक्तियां नेटवर्क के सेट को परतों में एक साथ जोड़ रही हैं। जब आप उन्हें परतों में जोड़ते हैं, तो गणितीय सूत्र एक बहु-आयामी बहुपद जैसा कुछ बन जाता है। यह 3डी समाधान सतह जैसी जटिल समस्याओं को खोजने, हल करने और हमारे लाभ के लिए उपयोग करने की अनुमति देता है। पहले की तरह, सूचना प्रवाहित होती है और परिणाम प्रवाहित होता है लेकिन इस बार दूसरी परत के माध्यम से प्रवाहित होने वाला इनपुट पहली परत का आउटपुट है। एकल परत के लिए यह सटीक कदम केवल तंत्रिका नेटवर्क की प्रत्येक परत के लिए दोहराया जाता है। इस तरह एक कृत्रिम तंत्रिका नेटवर्क काम करता है।
यह भी देखें: क्या हमें मशीनों को इंसानियत सिखानी चाहिए?
कैप्सूल नेटवर्क क्या है और वे कैसे काम करते हैं?
यह एक नए प्रकार का तंत्रिका नेटवर्क है जिसमें कैप्सूल शामिल हैं। यहां, प्रत्येक न्यूरॉन्स के छोटे समूह एक विशेष भाग से जुड़े होते हैं। इस अवधारणा को समझने के लिए, विभिन्न घटकों से युक्त एक चित्र की कल्पना करें जो उनके संबंधित न्यूरॉन से जुड़ा हो। प्रत्येक न्यूरॉन की गतिविधि छवि के घटक की विशेषताओं को निर्धारित करती है और प्रत्येक कैप्सूल एक घटक को पहचानने के लिए जवाबदेह होता है।
Source:robohub
कैप्सूल नेटवर्क न्यूरॉन्स के समूहों का एक नेटवर्क है, जहां प्रत्येक न्यूरॉन एक छवि की एक स्वतंत्र पहचान योग्य इकाई का प्रतिनिधित्व करता है। कैप्सूल नेटवर्क का निर्माण कनवॉल्यूशनल न्यूरल नेटवर्क्स (सीएनएन) की अपर्याप्तता को दूर करने के लिए किया गया है। उदाहरण के लिए, कैप्सूल नेटवर्क छवि के भीतर प्रत्येक घटक का अभिविन्यास, स्थानीयकरण और सटीक स्थान निर्दिष्ट करते हैं, जो पारंपरिक तंत्रिका नेटवर्क में अनुपस्थित है।
कैप्सूल नेटवर्क का अनुप्रयोग
पारंपरिक तंत्रिका नेटवर्क की मुख्य सीमा कंप्यूटर दृष्टि है। कैप्सूल नेटवर्क का उद्देश्य इस समस्या को हल करना है, वास्तव में, कैप्सूल नेटवर्क को विकसित करने का पूरा विचार इस समस्या को हल करना है।
पारंपरिक तंत्रिका नेटवर्क वर्तमान में कम डेटा वाली छवियों को पहचानने या छवियों के भीतर घटकों के बीच प्रासंगिक आकस्मिकता का पता लगाने में समस्याओं का सामना कर रहे हैं। कैप्सूल नेटवर्क यहां एक समस्या-समाधानकर्ता हो सकता है।
इसे भी देखें: एआई मशीनों के लिए सबसे अच्छी प्रोग्रामिंग भाषा कौन सी है?
परंपरागत तंत्रिका नेटवर्क सीखने के लिए बड़ी मात्रा में डेटा स्रोतों से गुजरता है जबकि कैप्सूल नेटवर्क समायोजन अलग है।
जबकि कुछ का दावा है कि कैप्सूल, नेटवर्क पारंपरिक तंत्रिका नेटवर्क के प्रस्थान का वादा करता है, कई शोधकर्ताओं ने उन अनुप्रयोगों की सीमाएँ बताई हैं जहाँ ये नेटवर्क इतना अच्छा प्रदर्शन नहीं कर सकते हैं। तब तक, हम बस इंतजार कर सकते हैं और देख सकते हैं। यह सब तंत्रिका नेटवर्क के बारे में है, अगर आपके पास साझा करने के लिए कुछ है, तो कृपया नीचे दिए गए अनुभाग में टिप्पणी करें।