जहाज़ को नष्ट करने वाली दुष्ट तरंगों की भविष्यवाणी करने का एक नया तरीका

by PoonitRathore
A+A-
Reset


कृत्रिम-बुद्धिमत्ता (एआई) मॉडल आधुनिक भविष्यवाणियां हैं। तंत्रिका नेटवर्क जो उन्हें शक्ति प्रदान करते हैं वे लचीले गणितीय उपकरण हैं, जो किसी भी पैटर्न को खोजने, किसी भी आकार को फिट करने और किसी भी रेखा को खींचने में सक्षम हैं। इनका उपयोग मौसम का पूर्वानुमान लगाने, सड़क रखरखाव का अनुमान लगाने और बीमारियों का निदान करने के लिए किया जाता है। समस्या यह है कि चूंकि वे उन कार्यों को पूरा करने के लिए खुद को प्रशिक्षित करते हैं, कोई भी वास्तव में नहीं जानता कि वे इसे कैसे करते हैं।

यह “ब्लैक-बॉक्स समस्या” ऐसे मॉडलों पर भरोसा करना कठिन बना देती है, खासकर जब, स्वास्थ्य देखभाल में, वे उच्च जोखिम वाले निर्णय ले रहे हैं। यह उन्हें वैज्ञानिकों के लिए भी कम उपयोगी बनाता है, जो न केवल भविष्यवाणी करने में रुचि रखते हैं परिणाम लेकिन यह समझने में भी कि वह परिणाम क्यों हुआ।

प्रोसीडिंग्स ऑफ द नेशनल एकेडमी ऑफ साइंसेज के एक पेपर में, कोपेनहेगन विश्वविद्यालय के कंप्यूटर वैज्ञानिक डायोन हाफनर के नेतृत्व में शोधकर्ताओं के एक समूह ने एआई को और अधिक समझने योग्य बनाने के लिए एक चतुर तरीके का वर्णन किया है। वे एक तंत्रिका नेटवर्क बनाने में कामयाब रहे हैं, इसका उपयोग एक पेचीदा समस्या को हल करने के लिए करते हैं, और फिर इसकी अंतर्दृष्टि को अपेक्षाकृत सरल पांच-भाग समीकरण में कैप्चर करते हैं जिसे मानव वैज्ञानिक उपयोग और समझ सकते हैं।

शोधकर्ता “दुष्ट तरंगों” की जांच कर रहे थे, जो समुद्र की स्थितियों को देखते हुए अपेक्षा से कहीं अधिक बड़ी हैं, जिसमें वे बनती हैं। समुद्री इतिहास पानी की दीवारों से भरा है जो अचानक जहाजों को निगल जाती हैं। लेकिन वैज्ञानिकों को ऐसी लहर को मापने में 1995 तक का समय लग गया- नॉर्वे के तट पर औसतन 12 मीटर की अन्य लहरों के बीच एक 26-मीटर का राक्षस, इन कहानियों को केवल शाब्दिक अर्थ में लंबा साबित करता है।

दुष्ट तरंगों के कारणों के बारे में वैज्ञानिकों के पास कुछ विचार हैं, लेकिन पूरी तस्वीर नहीं है। लहरें विलीन हो सकती हैं और ढेर हो सकती हैं, या इस तरह से टूट सकती हैं जो उन्हें असामान्य रूप से बड़ा बनाती हैं। धाराएँ, हवा और समुद्र तल का आकार भी मायने रखता है। वे सभी कारक, शब्द के गणितीय अर्थ में, अव्यवस्थित तरीके से मिश्रित होते हैं: किसी एक में छोटा सा परिवर्तन अत्यधिक और अप्रत्याशित रूप से भिन्न परिणाम दे सकता है।

तो फिर, एआई के लिए अपनी पकड़ बनाना एक अच्छी समस्या है। कुछ ऐसा उत्पन्न करने के लिए जिसका मानव अनुसरण कर सके, शोधकर्ताओं ने अपने तंत्रिका नेटवर्क को लगभग एक दर्जन इनपुट तक सीमित कर दिया, जिनमें से प्रत्येक समुद्र-तरंग गणित पर आधारित था जिस पर वैज्ञानिकों ने पहले ही काम कर लिया था। प्रत्येक इनपुट के भौतिक अर्थ को जानने का मतलब है कि शोधकर्ता नेटवर्क के माध्यम से अपने पथ का पता लगा सकते हैं, जिससे उन्हें यह पता लगाने में मदद मिलेगी कि कंप्यूटर क्या कर रहा है।

शोधकर्ताओं ने 24 तंत्रिका नेटवर्क को प्रशिक्षित किया, प्रत्येक ने इनपुट को अलग-अलग तरीकों से संयोजित किया। फिर उन्होंने उसे चुना जो विभिन्न परिस्थितियों में सटीक भविष्यवाणियां करने में सबसे अधिक सुसंगत था, जो कि दर्जन भर इनपुटों में से केवल पांच पर निर्भर निकला।

मानव-समझने योग्य समीकरण उत्पन्न करने के लिए, शोधकर्ताओं ने जीव विज्ञान में प्राकृतिक चयन से प्रेरित एक विधि का उपयोग किया। उन्होंने तंत्रिका नेटवर्क के आउटपुट को यथासंभव निकटता से मिलान करने के उद्देश्य से, उन पांच चर का उपयोग करके विभिन्न समीकरणों के साथ आने के लिए एक अलग एल्गोरिदम को बताया। सर्वोत्तम समीकरणों को मिलाया गया और प्रक्रिया को दोहराया गया। परिणाम, अंततः, एक समीकरण था जो सरल और लगभग तंत्रिका नेटवर्क जितना सटीक था। दोनों ने मौजूदा मॉडलों की तुलना में दुष्ट तरंगों की बेहतर भविष्यवाणी की।

समीकरण के पहले भाग ने मौजूदा सिद्धांत को फिर से खोजा: यह तरंग गतिशीलता में एक प्रसिद्ध समीकरण का अनुमान है। अन्य भागों में कुछ ऐसे शब्द शामिल हैं जिन पर शोधकर्ताओं को संदेह है कि वे दुष्ट-तरंग निर्माण में शामिल हो सकते हैं लेकिन मानक मॉडल में नहीं हैं। कुछ उलझनें भी थीं: समीकरण के अंतिम भाग में एक शब्द शामिल है जो तरंगों की ऊर्जा के प्रसार के विपरीत आनुपातिक है। वर्तमान मानव सिद्धांतों में एक दूसरा चर शामिल है जिसे मशीन ने दोहराया नहीं है। एक स्पष्टीकरण यह है कि नेटवर्क को उदाहरणों के पर्याप्त विस्तृत चयन पर प्रशिक्षित नहीं किया गया था। दूसरा यह है कि मशीन सही है, और दूसरा चर वास्तव में आवश्यक नहीं है।

दुष्ट लहरों की भविष्यवाणी करने के लिए बेहतर तरीके निश्चित रूप से उपयोगी हैं: कुछ सबसे बड़े जहाजों को भी डुबो सकते हैं। लेकिन असली पुरस्कार वह दृश्यता है जो डॉ. हैफनर का दृष्टिकोण यह बताता है कि तंत्रिका नेटवर्क क्या कर रहा था। इससे वैज्ञानिकों को अपने स्वयं के सिद्धांतों को बदलने के लिए विचार मिल सकते हैं – और यह जानना आसान हो जाएगा कि कंप्यूटर की भविष्यवाणियों पर भरोसा करना चाहिए या नहीं।

© 2023, द इकोनॉमिस्ट न्यूजपेपर लिमिटेड। सर्वाधिकार सुरक्षित।

द इकोनॉमिस्ट से, लाइसेंस के तहत प्रकाशित। मूल सामग्री www.economist.com पर पाई जा सकती है

(टैग्सटूट्रांसलेट)कृत्रिम बुद्धिमत्ता(टी)एआई मॉडल(टी)दुष्ट लहरें(टी)समुद्र की स्थिति



Source link

You may also like

Leave a Comment