ನ್ಯೂರೋ-ಸಾಂಕೇತಿಕ AI: ಅಂತಿಮವಾಗಿ ತರ್ಕ ಮತ್ತು ಕಲಿಕೆ ಎರಡನ್ನೂ ನಿಭಾಯಿಸಬಲ್ಲ ಯಂತ್ರ

• ಲೇಖಕ ಬಗ್ಗೆ:
• ಲೇಖಕ ಹೆಸರು

  ಕ್ವಾಂಟಮ್ರನ್ ದೂರದೃಷ್ಟಿ
• ಏಪ್ರಿಲ್ 13, 2023

ಯಂತ್ರ ಕಲಿಕೆ (ML) ಯಾವಾಗಲೂ ಅದರ ವಿಶಿಷ್ಟ ಸವಾಲುಗಳೊಂದಿಗೆ ಭರವಸೆಯ ತಂತ್ರಜ್ಞಾನವಾಗಿದೆ, ಆದರೆ ಸಂಶೋಧಕರು ದೊಡ್ಡ ಡೇಟಾವನ್ನು ಮೀರಿದ ತರ್ಕ-ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಯನ್ನು ರಚಿಸಲು ನೋಡುತ್ತಿದ್ದಾರೆ. ತರ್ಕ-ಆಧಾರಿತ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಸಾಂಕೇತಿಕ ಪ್ರಾತಿನಿಧ್ಯಗಳು ಮತ್ತು ತಾರ್ಕಿಕತೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, ಇದು ವ್ಯವಸ್ಥೆಯ ನಿರ್ಧಾರ-ಮಾಡುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಹೆಚ್ಚು ಪಾರದರ್ಶಕ ಮತ್ತು ಅರ್ಥೈಸಬಹುದಾದ ಮಾರ್ಗವನ್ನು ಒದಗಿಸುತ್ತದೆ. 

ನ್ಯೂರೋ-ಸಾಂಕೇತಿಕ AI ಸಂದರ್ಭ

ನ್ಯೂರೋ-ಸಾಂಕೇತಿಕ AI (ಸಂಯೋಜಿತ AI ಎಂದೂ ಕರೆಯುತ್ತಾರೆ) ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ (AI) ಎರಡು ಶಾಖೆಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ. ಮೊದಲನೆಯದು ಸಾಂಕೇತಿಕ AI, ಇದು ಸಂಬಂಧಗಳು ಮತ್ತು ನಿಯಮಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಂಕೇತಗಳನ್ನು ಬಳಸುತ್ತದೆ (ಅಂದರೆ, ವಸ್ತುವಿನ ಬಣ್ಣ ಮತ್ತು ಆಕಾರ). ಸಾಂಕೇತಿಕ AI ಕೆಲಸ ಮಾಡಲು, ಜ್ಞಾನದ ಮೂಲವು ನಿಖರವಾದ, ವಿವರವಾದ ಮತ್ತು ಸಮಗ್ರವಾಗಿರಬೇಕು. ಈ ಅವಶ್ಯಕತೆ ಎಂದರೆ ಅದು ಸ್ವತಃ ಕಲಿಯಲು ಸಾಧ್ಯವಿಲ್ಲ ಮತ್ತು ಜ್ಞಾನದ ಮೂಲವನ್ನು ನವೀಕರಿಸಲು ಮಾನವ ಪರಿಣತಿಯನ್ನು ಅವಲಂಬಿಸಿರುತ್ತದೆ. 

ನರ-ಸಾಂಕೇತಿಕ AI ಯ ಇತರ ಅಂಶವೆಂದರೆ ಆಳವಾದ ನರ ಜಾಲಗಳು (ಆಳವಾದ ಜಾಲಗಳು) ಅಥವಾ ಆಳವಾದ ಕಲಿಕೆ (DL). ಈ ತಂತ್ರಜ್ಞಾನವು ದೊಡ್ಡ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಸ್ವಯಂ-ಕಲಿಯಲು ಮಾನವ ಮೆದುಳಿನ ನ್ಯೂರಾನ್‌ಗಳನ್ನು ಅನುಕರಿಸುವ ಹಲವಾರು ಲೇಯರ್‌ಗಳ ನೋಡ್‌ಗಳನ್ನು ಬಳಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಡೀಪ್ ನೆಟ್‌ಗಳು ಬೆಕ್ಕುಗಳು ಮತ್ತು ನಾಯಿಗಳ ವಿಭಿನ್ನ ಚಿತ್ರಗಳ ಮೂಲಕ ಹೋಗಬಹುದು, ಅದು ಯಾವುದು ಎಂದು ನಿಖರವಾಗಿ ಗುರುತಿಸುತ್ತದೆ ಮತ್ತು ಅವು ಕಾಲಾನಂತರದಲ್ಲಿ ಸುಧಾರಿಸುತ್ತವೆ. ಆದಾಗ್ಯೂ, ಆಳವಾದ ಬಲೆಗಳು ಸಂಕೀರ್ಣ ಸಂಬಂಧಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ. ಸಾಂಕೇತಿಕ AI ಮತ್ತು ಆಳವಾದ ಜಾಲಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಮೂಲಕ, ಸಂಶೋಧಕರು DL ಅನ್ನು ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಜ್ಞಾನದ ತಳಕ್ಕೆ ಸೇರಿಸಲು ಬಳಸುತ್ತಾರೆ, ನಂತರ ಸಾಂಕೇತಿಕ AI ನಿಯಮಗಳು ಮತ್ತು ಸಂಬಂಧಗಳನ್ನು ನಿರ್ಣಯಿಸಬಹುದು ಅಥವಾ ಗುರುತಿಸಬಹುದು. ಈ ಸಂಯೋಜನೆಯು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿ ಮತ್ತು ನಿಖರವಾದ ಜ್ಞಾನದ ಆವಿಷ್ಕಾರ ಮತ್ತು ನಿರ್ಧಾರ-ತೆಗೆದುಕೊಳ್ಳಲು ಅನುಮತಿಸುತ್ತದೆ.

ನರ-ಸಾಂಕೇತಿಕ AI ವಿಳಾಸಗಳು ಆಳವಾದ ನೆಟ್‌ನ ದುಬಾರಿ ತರಬೇತಿ ಪ್ರಕ್ರಿಯೆಯಾಗಿದೆ. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಡೀಪ್ ನೆಟ್‌ಗಳು ಸಣ್ಣ ಇನ್‌ಪುಟ್ ಡೇಟಾ ಬದಲಾವಣೆಗಳಿಗೆ ಸೂಕ್ಷ್ಮವಾಗಿರುತ್ತವೆ, ಇದು ವರ್ಗೀಕರಣ ದೋಷಗಳಿಗೆ ಕಾರಣವಾಗುತ್ತದೆ. ಅವರು ಅಮೂರ್ತ ತಾರ್ಕಿಕತೆಯೊಂದಿಗೆ ಹೋರಾಡುತ್ತಾರೆ ಮತ್ತು ಹೆಚ್ಚಿನ ತರಬೇತಿ ಡೇಟಾ ಇಲ್ಲದೆ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುತ್ತಾರೆ. ಇದಲ್ಲದೆ, ಈ ನೆಟ್‌ವರ್ಕ್‌ಗಳ ಆಂತರಿಕ ಕಾರ್ಯಚಟುವಟಿಕೆಗಳು ಸಂಕೀರ್ಣವಾಗಿವೆ ಮತ್ತು ಮಾನವರು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಕಷ್ಟಕರವಾಗಿದೆ, ಇದು ಅವರ ಭವಿಷ್ಯವಾಣಿಯ ಹಿಂದಿನ ತಾರ್ಕಿಕತೆಯನ್ನು ಅರ್ಥೈಸಲು ಒಂದು ಸವಾಲಾಗಿದೆ.

ಅಡ್ಡಿಪಡಿಸುವ ಪರಿಣಾಮ

ಸ್ಟ್ಯಾನ್‌ಫೋರ್ಡ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದ ಸಂಶೋಧಕರು ಮೂಲ 100,000D ಆಕಾರಗಳ 3 ಚಿತ್ರಗಳನ್ನು (ಚೌಕಗಳು, ಗೋಳಗಳು, ಸಿಲಿಂಡರ್‌ಗಳು, ಇತ್ಯಾದಿ) ಬಳಸಿಕೊಂಡು ಸಂಯೋಜಿತ AI ಯ ಆರಂಭಿಕ ಅಧ್ಯಯನಗಳನ್ನು ನಡೆಸಿದರು. ) ನರ-ಸಾಂಕೇತಿಕ AI ಈ ಪ್ರಶ್ನೆಗಳಿಗೆ 98.9 ಶೇಕಡಾ ಸಮಯಕ್ಕೆ ಸರಿಯಾಗಿ ಉತ್ತರಿಸುತ್ತದೆ ಎಂದು ಅವರು ಕಂಡುಕೊಂಡರು. ಹೆಚ್ಚುವರಿಯಾಗಿ, ಪರಿಹಾರಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಹೈಬ್ರಿಡ್‌ಗೆ ಕೇವಲ 10 ಪ್ರತಿಶತದಷ್ಟು ತರಬೇತಿ ಡೇಟಾ ಅಗತ್ಯವಿದೆ. 

ಚಿಹ್ನೆಗಳು ಅಥವಾ ನಿಯಮಗಳು ಆಳವಾದ ಜಾಲಗಳನ್ನು ನಿಯಂತ್ರಿಸುವುದರಿಂದ, ಸಂಶೋಧಕರು ಅವರು ಹೇಗೆ "ಕಲಿಕೆ" ಮಾಡುತ್ತಿದ್ದಾರೆ ಮತ್ತು ಎಲ್ಲಿ ಸ್ಥಗಿತಗಳು ಸಂಭವಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಸುಲಭವಾಗಿ ನೋಡಬಹುದು. ಹಿಂದೆ, ಇದು ಆಳವಾದ ಜಾಲಗಳ ದೌರ್ಬಲ್ಯಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ, ಸಂಕೀರ್ಣ ಸಂಕೇತಗಳು ಮತ್ತು ಕ್ರಮಾವಳಿಗಳ ಪದರಗಳು ಮತ್ತು ಪದರಗಳ ಕಾರಣದಿಂದಾಗಿ ಟ್ರ್ಯಾಕ್ ಮಾಡಲು ಅಸಮರ್ಥತೆ. ರಸ್ತೆಯಲ್ಲಿನ ವಸ್ತುಗಳು ಮತ್ತು ಪರಿಸರದಲ್ಲಿನ ಯಾವುದೇ ಬದಲಾವಣೆಗಳನ್ನು ಗುರುತಿಸಲು ಸ್ವಯಂ-ಚಾಲನಾ ವಾಹನಗಳಲ್ಲಿ ನ್ಯೂರೋ-ಸಿಂಬಾಲಿಕ್ AI ಅನ್ನು ಪರೀಕ್ಷಿಸಲಾಗುತ್ತಿದೆ. ನಂತರ ಈ ಬಾಹ್ಯ ಅಂಶಗಳಿಗೆ ಸೂಕ್ತವಾಗಿ ಪ್ರತಿಕ್ರಿಯಿಸಲು ತರಬೇತಿ ನೀಡಲಾಗುತ್ತದೆ. 

ಆದಾಗ್ಯೂ, ಸಾಂಕೇತಿಕ AI ಮತ್ತು ಆಳವಾದ ಜಾಲಗಳ ಸಂಯೋಜನೆಯು ಹೆಚ್ಚು ಸುಧಾರಿತ AI ಗೆ ಉತ್ತಮ ಮಾರ್ಗವಾಗಿದೆಯೇ ಎಂಬುದರ ಕುರಿತು ವಿಭಿನ್ನ ಅಭಿಪ್ರಾಯಗಳಿವೆ. ಬ್ರೌನ್ ವಿಶ್ವವಿದ್ಯಾನಿಲಯದಂತಹ ಕೆಲವು ಸಂಶೋಧಕರು, ಈ ಹೈಬ್ರಿಡ್ ವಿಧಾನವು ಮಾನವ ಮನಸ್ಸುಗಳು ಸಾಧಿಸಿದ ಅಮೂರ್ತ ತಾರ್ಕಿಕ ಮಟ್ಟಕ್ಕೆ ಹೊಂದಿಕೆಯಾಗುವುದಿಲ್ಲ ಎಂದು ನಂಬುತ್ತಾರೆ. ಮಾನವನ ಮನಸ್ಸು ವಸ್ತುಗಳ ಸಾಂಕೇತಿಕ ನಿರೂಪಣೆಗಳನ್ನು ರಚಿಸಬಹುದು ಮತ್ತು ಈ ಚಿಹ್ನೆಗಳನ್ನು ಬಳಸಿಕೊಂಡು ವಿವಿಧ ರೀತಿಯ ತಾರ್ಕಿಕ ಕ್ರಿಯೆಗಳನ್ನು ನಿರ್ವಹಿಸಬಹುದು, ಜೈವಿಕ ನರಮಂಡಲವನ್ನು ಬಳಸಿ, ಮೀಸಲಾದ ಸಾಂಕೇತಿಕ ಘಟಕದ ಅಗತ್ಯವಿಲ್ಲ. ಮಾನವ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಅನುಕರಿಸುವ ಆಳವಾದ ಜಾಲಗಳಿಗೆ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ಸೇರಿಸುವಂತಹ ಪರ್ಯಾಯ ವಿಧಾನಗಳು AI ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಹೆಚ್ಚಿಸುವಲ್ಲಿ ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿರಬಹುದು ಎಂದು ಕೆಲವು ತಜ್ಞರು ವಾದಿಸುತ್ತಾರೆ.

ನ್ಯೂರೋ-ಸಾಂಕೇತಿಕ AI ಗಾಗಿ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು

ನ್ಯೂರೋ-ಸಾಂಕೇತಿಕ AI ಗಾಗಿ ಕೆಲವು ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಒಳಗೊಂಡಿರಬಹುದು:

• ಚಾಟ್‌ಬಾಟ್‌ಗಳಂತಹ ಬಾಟ್‌ಗಳು, ಮಾನವನ ಆಜ್ಞೆಗಳು ಮತ್ತು ಪ್ರೇರಣೆಯನ್ನು ಚೆನ್ನಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಬಲ್ಲವು, ಹೆಚ್ಚು ನಿಖರವಾದ ಪ್ರತಿಕ್ರಿಯೆಗಳು ಮತ್ತು ಸೇವೆಗಳನ್ನು ಉತ್ಪಾದಿಸುತ್ತವೆ.
• ವೈದ್ಯಕೀಯ ರೋಗನಿರ್ಣಯ, ಚಿಕಿತ್ಸೆಯ ಯೋಜನೆ ಮತ್ತು ಔಷಧ ಅಭಿವೃದ್ಧಿಯಂತಹ ಹೆಚ್ಚು ಸಂಕೀರ್ಣ ಮತ್ತು ಸೂಕ್ಷ್ಮ ಸಮಸ್ಯೆ-ಪರಿಹರಿಸುವ ಸನ್ನಿವೇಶಗಳಲ್ಲಿ ಇದರ ಅಪ್ಲಿಕೇಶನ್. ಸಾರಿಗೆ, ಶಕ್ತಿ ಮತ್ತು ಉತ್ಪಾದನೆಯಂತಹ ಕ್ಷೇತ್ರಗಳಿಗೆ ವೈಜ್ಞಾನಿಕ ಮತ್ತು ತಾಂತ್ರಿಕ ಸಂಶೋಧನೆಯನ್ನು ವೇಗಗೊಳಿಸಲು ತಂತ್ರಜ್ಞಾನವನ್ನು ಅನ್ವಯಿಸಬಹುದು. 
• ಪ್ರಸ್ತುತ ಮಾನವ ನಿರ್ಣಯದ ಅಗತ್ಯವಿರುವ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವ ಪ್ರಕ್ರಿಯೆಗಳ ಯಾಂತ್ರೀಕರಣ. ಪರಿಣಾಮವಾಗಿ, ಅಂತಹ ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಗ್ರಾಹಕ ಸೇವೆಯಂತಹ ಕೆಲವು ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಪರಾನುಭೂತಿ ಮತ್ತು ಹೊಣೆಗಾರಿಕೆಯ ನಷ್ಟಕ್ಕೆ ಕಾರಣವಾಗಬಹುದು.
• ಹೆಚ್ಚು ಅರ್ಥಗರ್ಭಿತ ಸ್ಮಾರ್ಟ್ ಉಪಕರಣಗಳು ಮತ್ತು ವರ್ಚುವಲ್ ಅಸಿಸ್ಟೆಂಟ್‌ಗಳು ವಿಭಿನ್ನ ಸನ್ನಿವೇಶಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬಲ್ಲವು, ಉದಾಹರಣೆಗೆ ಪೂರ್ವಭಾವಿಯಾಗಿ ವಿದ್ಯುಚ್ಛಕ್ತಿಯನ್ನು ಸಂರಕ್ಷಿಸುವುದು ಮತ್ತು ಭದ್ರತಾ ಕ್ರಮಗಳನ್ನು ಅನುಷ್ಠಾನಗೊಳಿಸುವುದು.
• ಗೌಪ್ಯತೆ, ಮಾಲೀಕತ್ವ ಮತ್ತು ಜವಾಬ್ದಾರಿಗೆ ಸಂಬಂಧಿಸಿದ ಸಮಸ್ಯೆಗಳಂತಹ ಹೊಸ ನೈತಿಕ ಮತ್ತು ಕಾನೂನು ಪ್ರಶ್ನೆಗಳು.
• ಸರ್ಕಾರ ಮತ್ತು ಇತರ ರಾಜಕೀಯ ಸಂದರ್ಭಗಳಲ್ಲಿ ಸುಧಾರಿತ ನಿರ್ಧಾರ ತೆಗೆದುಕೊಳ್ಳುವಿಕೆ. ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಹೆಚ್ಚು ಉದ್ದೇಶಿತ ಜಾಹೀರಾತು ಮತ್ತು ಹೈಪರ್-ವೈಯಕ್ತೀಕರಿಸಿದ ಜಾಹೀರಾತುಗಳು ಮತ್ತು ಮಾಧ್ಯಮಗಳ ಮೂಲಕ ಸಾರ್ವಜನಿಕ ಅಭಿಪ್ರಾಯವನ್ನು ಪ್ರಭಾವಿಸಲು ಬಳಸಬಹುದು.

ಪರಿಗಣಿಸಬೇಕಾದ ಪ್ರಶ್ನೆಗಳು

• ನರ-ಸಾಂಕೇತಿಕ AI ನಮ್ಮ ದಿನನಿತ್ಯದ ಜೀವನದ ಮೇಲೆ ಹೇಗೆ ಪರಿಣಾಮ ಬೀರುತ್ತದೆ ಎಂದು ನೀವು ಯೋಚಿಸುತ್ತೀರಿ?
• ಈ ತಂತ್ರಜ್ಞಾನವನ್ನು ಇತರ ಕೈಗಾರಿಕೆಗಳಲ್ಲಿ ಹೇಗೆ ಬಳಸಬಹುದು?