कल्पना कीजिए कि आप एक सुपर-स्मार्ट रोबोट को एक बार में एक नई चीज़ पहचानना सिखा रहे हैं। पहले, वह बिल्लियों को पहचानना सीखता है, फिर कुत्तों को, फिर पक्षियों को। आर्टिफिशियल इंटेलिजेंस की दुनिया में, इसे "कंटीन्यूअल लर्निंग" (continual learning) कहा जाता है। बड़ा सपना यह है कि रोबोट हमेशा के लिए सीखते रहना जारी रखे बिना पुरानी चीजों को भूले बिना, ठीक वैसे ही जैसे एक इंसान करता है। लेकिन इसमें एक पेंच है: जब रोबोट कुछ नया सीखने की कोशिश करता है, तो वह अक्सर भ्रमित हो जाता है और अस्थायी रूप से पुराने काम करने की क्षमता भूल जाता है। वैज्ञानिक इसे "स्टेबिलिटी गैप" (stability gap) कहते हैं। यह एक ऐसे छात्र की तरह है जो, जैसे ही वह एक नए गणित के टेस्ट के लिए पढ़ाई शुरू करता है, अचानक उन संख्याओं को गुणा करना भूल जाता है जिन्हें उसने पिछले हफ्ते मास्टर किया था। ऐसा तब भी होता है जब रोबोट के पास अपने सभी पुराने नोट्स उपलब्ध हों और वह सब कुछ एक साथ सीख रहा हो। शोधकर्ता यह सवाल पूछ रहे हैं कि यह अस्थायी घबराहट क्यों होती है, और क्या हम रोबोट के दिमाग को ठीक कर सकते हैं ताकि वह सीखते समय शांत और स्थिर बना रहे?

यह शोध पत्र इन रोबोटों को प्रशिक्षित करने का एक चतुर नया तरीका पेश करता है, जो हमारे अपने मस्तिष्क द्वारा आश्चर्य (surprise) को संभालने के तरीके से प्रेरित है। न्यूकैसल यूनिवर्सिटी के लेखकों ने देखा कि जब हम किसी चीज़ को लेकर अनिश्चित होते हैं या आश्चर्यचकित होते हैं, तो हमारे मस्तिष्क में एक रसायन जिसे नोराड्रेनालिन (noradrenaline) कहते हैं, हमारे न्यूरॉन्स को एक अस्थायी "बूस्ट" देता है। यह एक रेडियो की आवाज़ बढ़ाने जैसा है ताकि एक क्षण के लिए एक मंद संकेत को स्पष्ट रूप से सुना जा सके। शोधकर्ताओं ने एक कंप्यूटर एल्गोरिदम बनाया जो इस जैविक तकनीक की नकल करता है। वे इसे "डायनेमिक गेन न्यूरोमॉड्यूलेशन" (Dynamic Gain Neuromodulation) कहते हैं, या संक्षेप में NGM-SGD। केवल रोबोट की सीखने की गति को बदलने के बजाय, यह विधि अस्थायी रूप से यह बदल देती है कि रोबोट उस डेटा को कैसे "महसूस" करता है जिसे वह सीख रहा है। ऐसा करके, रोबोट अपने पुराने ज्ञान को हिलाए बिना नए कार्यों के अनुकूल तेजी से ढल सकता है। अध्ययन बताता है कि यह दृष्टिकोण उन डरावनी गिरावटों को प्रभावी ढंग से कम करता है जो आमतौर पर एक कार्य से दूसरे कार्य पर स्विच करते समय रोबोट के प्रदर्शन में आती हैं, जिससे सीखने की प्रक्रिया बहुत अधिक स्थिर हो जाती है।

समस्या: रोबोट का "ब्रेन फॉग" (Brain Fog)

समाधान को समझने के लिए, हमें पहले इस गड़बड़ी को समझना होगा। जब एक AI नया कार्य सीखता है, तो वह आमतौर पर उसमें बहुत अच्छा हो जाता है। लेकिन ठीक उसी क्षण जब वह नए कार्य पर स्विच करता है, तो पुराने कार्य पर उसका प्रदर्शन अक्सर तेजी से गिर जाता है। ऐसा नहीं है कि रोबol पूरी तरह से भूल गया है (जिसे "कैटास्ट्रोफिक फॉरगेटिंग" कहा जाता है, जो एक अलग, अधिक स्थायी समस्या है)। इसके बजाय, यह एक अस्थायी "ब्रेन फॉग" है। रोबोट नए डेटा से इतना उत्साहित या भ्रमित हो जाता है कि वह अपने लक्ष्य से बहुत आगे निकल जाता है, और अनजाने में पुराने ज्ञान को बिगाड़ देता है इससे पहले कि वह वापस स्थिर हो सके।

यहाँ तक कि AI को प्रशिक्षित करने के लिए सबसे अच्छे मानक उपकरण भी, जैसे कि लोकप्रिय "Adam" या "Momentum-SGD" ऑप्टिमाइज़र, इसके साथ संघर्ष करते हैं। वे चीजों को सुचारू बनाने की कोशिश करते हैं, लेकिन वे फिर भी एक कार्य के अंत और दूसरे कार्य की शुरुआत में रोबोट को लड़खड़ाने पर मजबूर कर देते हैं। इस पेपर के लेखकों ने महसूस किया कि समस्या केवल इस बारे में नहीं है कि रोबोट क्या सीख रहा है, बल्कि इस बारे में है कि वह कैसे सीख रहा है। वे इस बदलाव को अधिक सहज बनाना चाहते थे, जैसे एक कार बिना यात्रियों को झटके दिए गियर बदलती है।

समाधान: मस्तिष्क का "वॉल्यूम नॉब" (Volume Knob)

लेखकों ने प्रेरणा के लिए प्रकृति की ओर देखा। हमारे मस्तिष्क में, नोराड्रेनालिन नामक एक रासायनिक संदेशवाहक हमारे न्यूरॉन्स के लिए एक वॉल्यूम नॉब की तरह काम करता है। जब हम कुछ अप्रत्याशित या अनिश्चित सामना करते हैं, तो यह रसायन सक्रिय हो जाता है, जो अस्थायी रूप से हमारे न्यूरॉन्स के "गेन" (या संवेदनशीलता) को बढ़ा देता है। यह यह नहीं बदलता कि न्यूरॉन्स क्या सुन रहे हैं, बल्कि यह उन्हें नई जानकारी के प्रति बहुत अधिक प्रतिक्रियाशील बनाता है।

शोधकर्ताओं ने इस जैविक विचार को अपने AI के लिए एक गणितीय नियम में अनुवादित किया। उन्होंने एक ऐसी प्रणाली बनाई जहाँ AI के "न्यूरॉन्स" के पास एक डायनेमिक गेन नॉब होता है। जब AI को एक नया कार्य मिलता है या वह अनिश्चितता महसूस करता है (जिसे वे इस बात से मापते हैं कि AI अपने स्वयं के अनुमानों के बारे में कितना भ्रमित है), तो सिस्टम स्वचालित रूप से गेन को बढ़ा देता है।

यही जादू वाला हिस्सा है: इस गेन को बढ़ाने से दो चीजें एक साथ होती हैं।

1. यह सीखने की गति बढ़ाता है: जैसे वॉल्यूम बढ़ाने से आपको फुसफुसाहट सुनने में मदद मिलती है, वैसे ही गेन बूस्ट AI को नए कार्य को तेजी से सीखने में मदद करता है।
2. यह इलाके को समतल करता है: कल्पना कीजिए कि AI एक घाटी के निचले हिस्से (सही उत्तर) को खोजने की कोशिश कर रहा है। आमतौर पर, घाटी के किनारे ऊबड़-खाबड़ और ढलान वाले होते हैं। यदि AI एक बड़ा कदम लेता है, तो वह किनारे से टकराकर अपना संतुलन खो सकता है। गेन बूस्ट प्रभावी रूप से एक क्षण के लिए घाटी के किनारों को "समतल" कर देता है। यह AI को पुराने उत्तर पर अपनी पकड़ खोए बिना, नए उत्तर की ओर एक बड़ा, आत्मविश्वासी कदम उठाने की अनुमति देता है।

उन्होंने क्या पाया: सुचारू संक्रमण (Smoother Transitions)

टीम ने अपने नए तरीके, जिसे उन्होंने NGM-SGD नाम दिया, का परीक्षण कई प्रसिद्ध इमेज-रिकग्निशन चुनौतियों पर किया। उन्होंने MNIST (हाथ से लिखे अंक), CIFAR-10 (जानवरों और वस्तुओं की छोटी तस्वीरें), और mini-ImageNet (छवियों का एक कठिन सेट) जैसे डेटासेट का उपयोग किया। उन्होंने परीक्षणों को इस तरह सेट किया कि AI को एक के बाद एक कार्य सीखने थे, जैसे कि अंकों 0-1 को पहचानना, फिर 2-3 को, फिर 4-5 को, इत्यादि।

परिणाम काफी स्पष्ट थे। जब मानक उपकरण (जैसे Adam या Momentum-SGD) कार्य बदलते थे, तो पुराने कार्य पर AI की सटीकता तेजी से गिर जाती थी—कभी-कभी बहुत अधिक। यह वह "स्टेबिलिटी गैप" था। हालाँकि, NGM-SGD विधि के साथ, ये गिरावट बहुत कम थी। AI बहुत अधिक स्थिर रहा।

उदाहरण के लिए, Split MNIST टेस्ट (समूहों में अंक सीखना) में, मानक Momentum-SGD विधि ने लगभग 0.267 का स्टेबिलिटी गैप (पुराने कार्य की सटीकता में गिरावट) देखा। इसके विपरीत, NGM-SGD विधि में केवल 0.017 का गैप था। यह एक बहुत बड़ा अंतर है। AI ने न केवल नया कार्य सीखा; इसने स्विच के दौरान अपने पुराने कौशल को बहुत सुरक्षित रखा।

उन्होंने Split CIFAR-10 और Split mini-ImageNet में भी परीक्षण किया। इन कठिन परीक्षणों में, मानक तरीकों ने क्रमशः 0.425 और 0.409 के गैप दिखाए। NGM-SGD विधि ने इन्हें घटाकर 0.134 और 0.300 कर दिया। हालांकि गैप पूरी तरह से खत्म नहीं हुआ, लेकिन यह काफी कम हो गया, जिसका अर्थ है कि रोबोट के घबराने और भूलने की संभावना बहुत कम थी।

यह क्यों काम करता है: "फास्ट" और "स्लो" ब्रेन

पेपर बताता है कि यह इसलिए काम करता है क्योंकि गेन बूस्ट एक "दो-टाइमस्केल" (two-timescale) प्रणाली बनाता है, जो हमारे मस्तिष्क के तेज़ और धीमे दोनों तरीकों से सीखने के समान है।

• धीमा हिस्सा (The Slow Part): AI के मुख्य वेट्स (उसकी दीर्घकालिक स्मृति) धीरे-धीरे और स्थिरता से बदलते हैं।
• तेज़ हिस्सा (The Fast Part): गेन बूस्ट एक अस्थायी, तेज़ परत के रूप में कार्य करता है। यह AI को स्थिर स्मृति को स्थायी रूप से खराब किए बिना नए कार्य को संभालने के लिए बड़े, त्वरित समायोजन करने की अनुमति देता है।

एक बार जब AI नए कार्य के साथ सहज हो जाता है और अनिश्चितता कम हो जाती है, तो गेन स्वाभाविक रूप से सामान्य स्तर पर वापस आ जाता है। यह सुनिश्चित करता है कि AI हमेशा अत्यधिक संवेदनशील अवस्था में न रहे, जो इसे अस्थिर बना सकता है।

निष्कर्ष

लेखक सुझाव देते हैं कि यह विधि AI को प्रशिक्षित करने के बारे में सोचने का एक नया तरीका प्रदान करती है। केवल AI को सब कुछ पूरी तरह से याद रखने के लिए मजबूर करने के बजाय, वे सीखने की प्रक्रिया की ज्यामिति (geometry) को बदलने का प्रस्ताव करते हैं। एक जैविक रूप से प्रेरित "गेन" नॉब का उपयोग करके, वे कार्यों के बीच के मार्ग को बहुत अधिक सुचारू बना सकते हैं।

यह ध्यान रखना महत्वपूर्ण है कि यह अध्ययन एक नियंत्रित वातावरण में किया गया था जहाँ AI एक साथ अपने सभी पुराने डेटा को देख सकता था (जिसे "जॉइंट ट्रेनिंग" कहा जाता है)। यह यह साबित करने के लिए किया गया था कि स्टेबिलिटी गैप वास्तव में सीखने की प्रक्रिया के साथ एक समस्या है, न कि केवल स्मृति की कमी के कारण। परिणाम बताते हैं कि पूर्ण स्मृति के साथ भी, AI के मस्तिष्क को अपडेट करने का तरीका मायने रखता है। हालांकि इस विधि ने AI को समग्र रूप से स्मार्ट नहीं बनाया (यह सबसे अच्छे मानक तरीकों की तुलना में उच्च अंतिम स्कोर प्राप्त नहीं कर सका), इसने यात्रा को बहुत कम उतार-चढ़ाव वाला बना दिया।

वास्तविक दुनिया में, जहाँ रोबों और AI सिस्टम को महत्वपूर्ण सुरक्षा नियमों को खोए बिना या क्रैश हुए बिना काम के दौरान सीखने की आवश्यकता होती है, इस तरह की स्थिरता अत्यंत महत्वपूर्ण है। पेपर सुझाव देता है कि अनिश्चितता को संभालने के मस्तिष्क के तरीके की नकल करके, हम ऐसा AI बना सकते हैं जो अपने पुराने कौशल को खोए बिना नए करतब सीख सके।