पिछले कुछ वर्षों में आर्टिफिशियल इंटेलिजेंस की सफलता को सीधे डीप न्यूरल नेटवर्क के लिए जिम्मेदार ठहराया जा सकता है। इमेज रिकग्निशन से लेकर स्मार्ट थर्मोस्टेट और सेल्फ-ड्राइविंग कार तक, AI की पहुंच हर चीज तक है जिसमें आपका स्मार्टफोन भी शामिल है। इसी तरह न्यूरल नेट सार्वभौमिक हो गए हैं। हालांकि, एक बढ़ती चिंता है कि इस प्रणाली के कुछ महत्वपूर्ण सिद्धांत AI के सामने आने वाली प्रमुख समस्याओं को दूर नहीं कर सकते। इसका मतलब है "पारंपरिक" न्यूरल नेटवर्क बाजार छोड़ सकते हैं और संभवतः कुछ अत्याधुनिक यानी "कैप्सूल" न्यूरल नेट्स द्वारा प्रतिस्थापित किए जा सकते हैं।
पारंपरिक/कृत्रिम न्यूरल नेटवर्क क्या है और यह कैसे काम करता है?
स्कूल के दिनों में, आपने मस्तिष्क के एकल जैविक न्यूरॉन के सिमुलेशन की जांच की होगी। यह विभिन्न दिशाओं से सूचना के प्रवाह की प्रक्रिया को समझाता है, जो न्यूरॉन में जमा और संसाधित होती है और वहां से, परिणाम बाहर निकलते हैं। यह प्रक्रिया न्यूरॉन को पहले से सीखे गए पैटर्न के आधार पर प्रतिक्रिया करने की क्षमता देती है। विज्ञान ने एक संरचना बनाकर इस प्रक्रिया को दोहराया है जो जैविक न्यूरॉन की तरह सूचना को संसाधित करता है। इसके बजाय, तकनीकी न्यूरल नेटवर्क गणितीय आधार पर है, जहां सूचना कृत्रिम न्यूरॉन से गुजरती है और वहां से परिणाम बाहर निकलते हैं। यह प्रक्रिया अब एक गणितीय सूत्र बन गई है और सरल समस्याओं को हल करने के लिए उपयोग की जाती है।
मस्तिष्क के लिए, कृत्रिम न्यूरॉन नेटवर्क की शक्तियां नेटवर्क के सेट को परतों में एक साथ जोड़ रही हैं। जब आप उन्हें परतों में जोड़ते हैं, तो गणितीय सूत्र बहु-आयामी बहुपद जैसा कुछ बन जाता है। यह 3D समाधान सतह जैसी जटिल समस्याओं की खोज, समाधान और हमारे लाभ के लिए उपयोग करने की अनुमति देता है। पहले की तरह, सूचना अंदर प्रवाहित होती है और परिणाम बाहर निकलता है लेकिन इस बार दूसरी परत के माध्यम से प्रवाहित होने वाला इनपुट पहली परत का आउटपुट है। न्यूरल नेटवर्क की प्रत्येक परत के लिए एकल परत के लिए यह सटीक चरण बस दोहराया जाता है। इस तरह एक कृत्रिम न्यूरल नेटवर्क काम करता है।
यह भी देखें: क्या हमें मशीनों को मानवता सिखानी चाहिए?
कैप्सूल नेटवर्क क्या है और वे कैसे काम करते हैं?
यह कैप्सूल से बना एक नए प्रकार का न्यूरल नेटवर्क है। यहां, न्यूरॉन्स के छोटे समूहों को एक विशेष भाग से जोड़ा जाता है। इस अवधारणा को समझने के लिए, एक तस्वीर की कल्पना करें जिसमें विभिन्न घटक शामिल हैं जो अपने संबंधित न्यूरॉन से जुड़े हुए हैं। प्रत्येक न्यूरॉन की गतिविधि इमेज के घटक की विशेषताओं को निर्धारित करती है और प्रत्येक कैप्सूल एक घटक को पहचानने के लिए जिम्मेदार होता है।
कैप्सूल नेटवर्क न्यूरॉन्स के समूहों का एक नेटवर्क है, जहां प्रत्येक न्यूरॉन एक इमेज की एक स्वतंत्र पहचान योग्य इकाई का प्रतिनिधित्व करता है। कैप्सूल नेटवर्क को कन्वोल्यूशनल न्यूरल नेटवर्क (CNNs) की कमियों को दूर करने के लिए बनाया गया है। उदाहरण के लिए, कैप्सूल नेटवर्क इमेज के भीतर प्रत्येक घटक के ओरिएंटेशन, स्थानीयकरण और सटीक स्थान को निर्दिष्ट करते हैं, जो पारंपरिक न्यूरल नेटवर्क में अनुपस्थित है।
कैप्सूल नेटवर्क का अनुप्रयोग
पारंपरिक न्यूरल नेटवर्क की मुख्य सीमा कंप्यूटर विजन है। कैप्सूल नेटवर्क इस समस्या को हल करने का लक्ष्य रखता है, वास्तव में, कैप्सूल नेटवर्क विकसित करने का पूरा विचार इस समस्या को हल करना है।
पारंपरिक न्यूरल 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 समस्या-समाधानकर्ता हो सकता है।
यह भी देखें: AI मशीनों के लिए सबसे अच्छी प्रोग्रामिंग भाषा कौन सी है?
पारंपरिक न्यूरल नेटवर्क सीखने के लिए भारी मात्रा में डेटा स्रोतों से गुजरते हैं जबकि कैप्सूल नेटवर्क समायोजन अलग है।
जहां कुछ घोषणा करते हैं कि कैप्सूल नेटवर्क पारंपरिक न्यूरल नेटवर्क के प्रस्थान का वादा करता है, कई शोधकर्ताओं ने उन अनुप्रयोगों की श्रृंखला की ओर इशारा किया है जहां ये नेटवर्क इतना अच्छा प्रदर्शन नहीं कर सकते। तब तक, हम केवल प्रतीक्षा कर सकते हैं और देख सकते हैं। यह सब न्यूरल नेटवर्क के बारे में है, यदि आपके पास साझा करने के लिए कुछ है, तो कृपया नीचे कमेंट सेक्शन में टिप्पणी करें।
