क्या एआई बिना डेटा के सीख सकता है?

एआई और डेटा के बीच संबंध को समझना

क्या आप सोच रहे हैं, "क्या एआई बिना किसी डेटा के अपने आप सीख सकता है?" सबसे विस्तृत और तार्किक उत्तर पाने के लिए, आइए इस विषय को INVIAI के साथ गहराई से देखें।

उदाहरण के लिए, सुपरवाइज्ड लर्निंग में, एआई विशाल डेटासेट से सीखता है जिन्हें मनुष्यों ने लेबल किया होता है (छवियां, टेक्स्ट, ऑडियो आदि) ताकि पैटर्न पहचाने जा सकें।

यहां तक कि अनसुपरवाइज्ड लर्निंग में भी, एआई को कच्चे, बिना लेबल वाले डेटा की आवश्यकता होती है ताकि वह उस डेटा के भीतर छिपी संरचनाओं या पैटर्न को स्वयं खोज सके।

इसलिए, किसी भी विधि से, एआई को डेटा से "पोषित" होना चाहिए—चाहे वह लेबल्ड डेटा हो, स्वयं-लेबल्ड डेटा (स्वयं-निगरानी) हो, या वास्तविक दुनिया के पर्यावरण से डेटा हो। बिना किसी इनपुट डेटा के, सिस्टम कुछ नया सीख नहीं सकता।

सामान्य एआई सीखने के तरीके

आज, एआई मॉडल मुख्य रूप से निम्नलिखित तरीकों से सीखते हैं:

रिइन्फोर्समेंट लर्निंग एक सॉफ्टवेयर एजेंट को यह सिखाना है कि वह पर्यावरण में कैसे व्यवहार करे, उसके कार्यों के परिणामों की जानकारी देकर।

— विकिपीडिया

एक एआई मॉडल को प्रशिक्षित किया जाता है ताकि वह उन वस्तुओं/अवधारणाओं को पहचान सके या वर्गीकृत कर सके जिनके उदाहरण उसने पहले कभी नहीं देखे।

— IBM, जीरो-शॉट लर्निंग की परिभाषा

सारांश में: ये सभी तरीके दिखाते हैं कि एआई के लिए बिना डेटा के सीखने का कोई जादूई तरीका नहीं है—किसी न किसी रूप में डेटा आवश्यक है। एआई मानव-लेबल्ड डेटा पर निर्भरता कम कर सकता है या अनुभव से सीख सकता है, लेकिन वह कुछ भी नहीं से सीख नहीं सकता।

लोकप्रिय एआई सीखने के तरीके

उन्नत प्रवृत्तियां: स्थिर डेटा के बजाय "अनुभव" से सीखना

शोधकर्ता अब ऐसे तरीकों की खोज कर रहे हैं जिनसे एआई मानव-प्रदान डेटा पर कम निर्भर हो सके। उदाहरण के लिए, DeepMind ने हाल ही में "अनुभव-आधारित एआई" युग में एक "स्ट्रीम्स" मॉडल प्रस्तावित किया है, जहां एआई मुख्य रूप से दुनिया के साथ अपनी बातचीत से सीखता है न कि मानव-निर्मित समस्याओं और प्रश्नों से।

हम इसे तब हासिल कर सकते हैं जब एजेंट अपने स्वयं के अनुभवों से लगातार सीखते रहें—यानी, एजेंट द्वारा पर्यावरण के साथ बातचीत करते हुए उत्पन्न डेटा… अनुभव सुधार का प्राथमिक साधन बन जाएगा, जो आज के मानव-प्रदान डेटा के पैमाने से आगे निकल जाएगा।

— DeepMind रिसर्च, VentureBeat द्वारा उद्धृत

दूसरे शब्दों में, भविष्य में, एआई स्वयं प्रयोग, अवलोकन और क्रिया समायोजन के माध्यम से अपना डेटा उत्पन्न करेगा—ठीक वैसे ही जैसे मनुष्य वास्तविक दुनिया के अनुभव से सीखते हैं।

ध्यान देने योग्य बात यह है कि बाहरी प्रशिक्षण डेटा का उपयोग न करने के बावजूद, AZR गणित और प्रोग्रामिंग कार्यों में शीर्ष प्रदर्शन करता है, यहां तक कि उन मॉडलों से बेहतर जो हजारों लेबल्ड उदाहरणों पर प्रशिक्षित हैं। यह दिखाता है कि एआई लगातार चुनौतियां प्रस्तुत और हल करके अपना स्वयं का "डेटासेट" उत्पन्न कर सकता है।

आधुनिक प्रवृत्ति - स्थिर डेटा के बजाय "अनुभव" से सीखना

मुख्य निष्कर्ष

इसके बजाय, एआई मानव-प्रदान डेटा से कम सीख सकता है:

• बिना लेबल वाले डेटा का उपयोग करके (अनसुपरवाइज्ड लर्निंग)
• पर्यावरणीय प्रतिक्रिया से सीखकर (रिइन्फोर्समेंट लर्निंग)
• अपनी चुनौतियां बनाकर (जैसे AZR मॉडल)

कई विशेषज्ञ मानते हैं कि भविष्य में, एआई मुख्य रूप से अपने द्वारा एकत्रित अनुभव के माध्यम से सीखता जाएगा, जिससे अनुभव मुख्य "डेटा" बन जाएगा जो इसे सुधारने में मदद करता है।