मन के गणितीय सिद्धांत की खोज से एआई कैसे विकसित हुआ

प्राचीन तर्क से तंत्रिका नेटवर्क तक: मशीन इंटेलिजेंस तक की लंबी यात्रा

अधिकांश मानव इतिहास में, सोच को देवताओं, आत्माओं और चेतना के अनिर्वचनीय रहस्य का विशिष्ट क्षेत्र माना जाता था। फिर, अरस्तू के न्यायशास्त्र और आज के एआई को शक्ति देने वाले ट्रांसफॉर्मर आर्किटेक्चर के बीच लंबे गलियारे में कहीं, एक क्रांतिकारी विचार ने जोर पकड़ लिया: यह विचार अपने आप में कुछ ऐसा हो सकता है जिसे आप एक समीकरण के रूप में लिख सकते हैं। यह सिर्फ एक दार्शनिक जिज्ञासा नहीं थी - यह एक सदियों पुरानी इंजीनियरिंग परियोजना थी जो दार्शनिकों द्वारा तर्क को औपचारिक बनाने की कोशिश के साथ शुरू हुई, 18 वीं और 19 वीं शताब्दी की संभाव्य क्रांतियों के माध्यम से तेज हुई, और अंततः बड़े भाषा मॉडल, निर्णय इंजन और बुद्धिमान व्यापार प्रणालियों का निर्माण किया, जो आज संगठनों के संचालन को नया आकार देते हैं। यह समझना कि एआई कहां से आया, अकादमिक उदासीनता नहीं है। यह समझने की कुंजी है कि आधुनिक एआई वास्तव में क्या कर सकता है - और यह इतने अच्छे से क्यों काम करता है।

औपचारिक कारण का सपना

गॉटफ्रीड विल्हेम लीबनिज ने 17वीं शताब्दी में इसकी कल्पना की थी: विचार की एक सार्वभौमिक गणना जो किसी भी असहमति को केवल यह कहकर हल कर सकती है कि "आइए गणना करें।" उनका कैलकुलस रेशियोसिनेटर कभी पूरा नहीं हुआ, लेकिन महत्वाकांक्षा ने सदियों के बौद्धिक प्रयास का बीजारोपण किया। जॉर्ज बूले ने 1854 में एन इन्वेस्टिगेशन ऑफ़ द लॉज़ ऑफ़ थॉट के साथ तर्क को बीजगणित दिया - वही वाक्यांश जो आधुनिक एआई प्रवचन में गूँजता है - मानवीय तर्क को बाइनरी ऑपरेशन में कम कर देता है जिसे एक मशीन सिद्धांत रूप में निष्पादित कर सकती है। एलन ट्यूरिंग ने 1936 में एक कंप्यूटिंग मशीन के विचार को औपचारिक रूप दिया, और एक दशक के भीतर, वॉरेन मैककुलोच और वाल्टर पिट्स जैसे अग्रणी गणितीय मॉडल प्रकाशित कर रहे थे कि कैसे व्यक्तिगत न्यूरॉन्स विचार का गठन करने वाले पैटर्न में सक्रिय हो सकते हैं।

पीछे मुड़कर देखने पर जो बात चौंकाने वाली है वह यह है कि इस प्रारंभिक कार्य का अधिकांश भाग वास्तव में केवल मशीनों के बारे में नहीं, बल्कि दिमाग के बारे में था। शोधकर्ता यह नहीं पूछ रहे थे कि "क्या हम कार्यों को स्वचालित कर सकते हैं?" — वे पूछ रहे थे "अनुभूति क्या है?" कंप्यूटर की कल्पना मानव बुद्धि के दर्पण के रूप में की गई थी, जो उन सिद्धांतों को एन्कोड करके और उन्हें चलाकर सिद्धांतों का परीक्षण करने का एक तरीका था कि तर्क वास्तव में कैसे काम करता है। यह दार्शनिक डीएनए अभी भी आधुनिक एआई में मौजूद है। जब एक तंत्रिका नेटवर्क छवियों को वर्गीकृत करना या पाठ उत्पन्न करना सीखता है, तो यह धारणा और भाषा के गणितीय सिद्धांत को निष्पादित कर रहा है - हालांकि अपूर्ण रूप से।

सफर आसान नहीं था. 1950 और 60 के दशक में प्रारंभिक "प्रतीकात्मक एआई" ने मानव ज्ञान को स्पष्ट नियमों के रूप में कोडित किया, और कुछ समय के लिए ऐसा लगा कि क्रूर-बल तर्क पर्याप्त होगा। शतरंज कार्यक्रमों में सुधार हुआ. प्रमेय सिद्धातों ने काम किया। लेकिन भाषा, धारणा और सामान्य ज्ञान ने हर मोड़ पर औपचारिकता का विरोध किया। 1970 और 80 के दशक तक, यह स्पष्ट था कि मानव मस्तिष्क किसी नियम पुस्तिका पर नहीं चल रहा था जिसे कोई भी लिख सकता था।

संभाव्यता: अनिश्चितता की लुप्त भाषा

आधुनिक एआई को खोलने वाली सफलता अधिक कंप्यूटिंग शक्ति नहीं थी - यह संभाव्यता सिद्धांत थी। रेवरेंड थॉमस बेयस ने 1763 में सशर्त संभाव्यता के अपने प्रमेय को प्रकाशित किया था, लेकिन शोधकर्ताओं को मशीन लर्निंग के लिए इसके निहितार्थ को पूरी तरह से समझने में 20 वीं शताब्दी के अंत तक का समय लग गया। यदि नियम मानव ज्ञान पर कब्जा नहीं कर सकते क्योंकि दुनिया बहुत गड़बड़ और अनिश्चित है, तो शायद संभावनाएं हो सकती हैं। "ए का तात्पर्य बी से है" को एन्कोड करने के बजाय, आप "दिए गए ए, बी को 87% समय में एन्कोड करते हैं।" निश्चितता से विश्वास की डिग्री तक यह बदलाव दार्शनिक रूप से परिवर्तनकारी था।

बायेसियन तर्क ने मशीनों को अस्पष्टता को उन तरीकों से संभालने दिया जो मानव अनुभूति से कहीं अधिक निकटता से मेल खाते थे। स्पैम फ़िल्टर ने अवांछित ईमेल को निश्चित नियमों से नहीं बल्कि लाखों उदाहरणों में सांख्यिकीय पैटर्न से पहचानना सीखा। मेडिकल डायग्नोस्टिक सिस्टम ने बाइनरी हां/नहीं उत्तरों के बजाय निदान के लिए संभावनाएं निर्दिष्ट करना शुरू कर दिया। भाषा मॉडलों ने सीखा कि "राष्ट्रपति द्वारा हस्ताक्षर किए जाने" के बाद, "बिल" शब्द "गैंडा" शब्द की तुलना में बहुत अधिक संभावित है। संभाव्यता सिर्फ एक गणितीय उपकरण नहीं था - जैसा कि टॉम ग्रिफिथ्स जैसे शोधकर्ताओं ने तर्क दिया है, यह कैसे की प्राकृतिक भाषा थी

Related Posts

• यह AI वर्कस्पेस उद्यमियों को $39 में सहयोग को सुव्यवस्थित करने में मदद करता है
• macOS का अल्प-ज्ञात कमांड-लाइन सैंडबॉक्सिंग टूल (2025)
• सीएक्सएमटी मौजूदा बाजार दर से लगभग आधे पर डीडीआर4 चिप्स की पेशकश कर रहा है
• एचएन से पूछें: क्या अभी तक कोई एलएलएम लाइसेंस नहीं है?

Frequently Asked Questions

• के मशीन इंटेलिजेंस को मन के गणितीय सिद्धांतों से कैसे विकसित हुआ?

  मशीन इंटेलिजेंस के विकास में मन के गणितीय सिद्धांतों का महत्वपूर्ण योगदान रहा है। इन सिद्धांतों का उपयोग मशीनों को विश्लेषणात्मक और तार्किक सोच सिखाने के लिए किया गया है। मशीन इंटेलिजेंस के लिए किये जाने वाले कार्यक्रमों में इन सिद्धांतों को लागू किया जाता है। यह उन्हें समस्या का विश्लेषण करने और सही निर्णय लेने की क्षमता देता है।

• क्या मशीन इंटेलिजेंस मानसिक गणितीय सिद्धांतों को सम्पूर्ण रूप से समझ पाता है?

  नहीं, मशीन इंटेलिजेंस मानसिक गणितीय सिद्धांतों को पूरी तरह नहीं समझ पाता है। मशीनों को इन सिद्धांतों को लागू करने और उनके परिणामों को समझने की क्षमता होती है, लेकिन वे इस ज्ञान को समझने के लिए आवश्यक मानसिक प्रक्रियाओं को विकसित नहीं कर पाते हैं। यह मानव मस्तिष्क द्वारा किया गया विश्लेषण और तार्किक सोच से भिन्न होता है।

• एआई के लिए प्रशिक्षण देने के लिए उपयोग में लाये जाने वाले मुख्य गणितीय सिद्धांत क्या हैं?

  एआई के लिए प्रशिक्षण देने के लिए मुख्य रूप से उपयोग किये जाने वाले गणितीय सिद्धांत हैं: लाइनर अलजेब्रा, कालकुलस, प्रोग्रामिंग, स्टेट स्पेस, और प्रॉबेबिलिटी। इन सिद्धांतों का उपयोग मशीनों को समस्याओं का विश्लेषण करने और सही निर्णय लेने की क्षमता प्रदान करने के लिए किया जाता है।

• मश