Beyond Silicon: Materials, Mechanisms, and Methods for Physical Neural Computing
यह सर्वेक्षण न्यूरल प्रिमिटिव्स को विविध गैर-सिलिकॉन सबस्ट्रेट्स से मैप करके, उनके आर्किटेक्चरल प्रतिमानों और इंजीनियरिंग बाधाओं का विश्लेषण करके, और एक मानकीकृत बेंचमार्किंग योजना पेश करके भौतिक न्यूरल कंप्यूटिंग के खंडित क्षेत्र को एकीकृत करता है ताकि यह प्रदर्शित किया जा सके कि कैसे ये पूरक प्रणालियाँ पारंपरिक सिलिकॉन हार्डवेयर की सीमाओं से परे कुशल, एज-तैनात इंटेलिजेंस को सक्षम बनाती हैं।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि पिछले 70 वर्षों से, हम केवल एक ही प्रकार की लेगो ईंट (silicon) का उपयोग करके एक सुपर-स्मार्ट मस्तिष्क बनाने की कोशिश कर रहे हैं। हमने अविश्वसनीय संरचनाएं बनाई हैं (जैसे वह AI जिसका आप आज उपयोग करते हैं), लेकिन हम एक दीवार से टकरा रहे हैं। ईंटें छोटी होती जा रही हैं, बिजली के बिल आसमान छू रहे हैं, और कंप्यूटर के अंदर डेटा को इधर-उधर ले जाना ऐसा है जैसे भारी बैकपैक लेकर मैराथन दौड़ने की कोशिश करना।
यह शोध पत्र तर्क देता है कि अब मस्तिष्क को सिलिकॉन से बनने के लिए मजबूर करना बंद करने का समय आ गया है। इसके बजाय, हमें सामग्री (material) को ही सोचने देना चाहिए।
यहाँ इस शोध पत्र का सरल विवरण दिया गया है, जिसमें रोजमर्रा के उपमाओं (analogies) का उपयोग किया गया है।
1. बड़ा विचार: "मस्तिष्क ही ईंट है"
एक सामान्य कंप्यूटर (जैसे आपका फोन) में, "मस्तिष्क" (प्रोसेसर) और "स्मृति" (स्टोरेज) अलग-अलग कमरों में होते हैं। गणित की समस्या हल करने के लिए, मस्तिष्क को नंबरों को लेने के लिए स्मृति वाले कमरे में बार-बार आना-जाना पड़ता है, गणित करना पड़ता है और वापस भागना पड़ता है। यह "वॉन न्यूमैन बॉटलनेक" (Von Neumann bottleneck) है—यह एक ट्रैफिक जाम की तरह है जो ऊर्जा और समय बर्बाद करता है।
फिजिकल न्यूरल नेटवर्क (PNNs) अलग हैं। एक मिट्टी के टुकड़े की कल्पना करें जो आपके दबाने पर अपना आकार बदल लेता है। आपको नया आकार जानने के लिए अलग से कैलकुलेटर की आवश्यकता नहीं है; मिट्टी ही कैलकुलेटर है। शोध पत्र कहता है कि हम गणित करने के लिए कई तरह की सामग्रियों का उपयोग कर सकते—रसायन, प्रकाश, पानी, यहाँ तक कि जीवित कोशिकाएं भी। सामग्री का भौतिक विज्ञान (physics) ही गणना (computation) है।
2. सामग्रियों का "टूलबॉक्स"
यह शोध पत्र विभिन्न सामग्रियों के एक विशाल "टूलबॉक्स" का सर्वेक्षण करता है जो मस्तिष्क के रूप में कार्य कर सकते हैं। इन्हें एक कार के विभिन्न प्रकार के इंजनों के रूप में सोचें:
- DNA (आणविक लाइब्रेरियन): एक ऐसी लाइब्रेरी की कल्पना करें जहाँ किताबें (DNA स्ट्रैंड्स) एक घोल (soup) में तैर रही हैं। यदि आप इसमें एक विशिष्ट "क्वेरी" वाली किताब डालते हैं, तो वह स्वाभाविक रूप से अपने मिलान वाली "उत्तर" वाली किताब को ढूंढ लेती है और उससे चिपक जाती है। यह बिना बिजली के होता है। यह अविश्वसनीय रूप से ऊर्जा-कुशल है लेकिन बहुत धीमा है (जैसे पेंट सूखते हुए देखना)। यह चिकित्सा परीक्षणों के लिए बेहतरीन है जहाँ आपको बस किसी बीमारी के बारे में "हाँ" या "नहीं" जानना होता है, लेकिन तेज़ वीडियो गेम के लिए नहीं।
- रासायनिक प्रतिक्रियाएं (उबलता हुआ बर्तन): एक ऐसे बर्तन की कल्पना करें जहाँ सामग्रियां प्रतिक्रिया करती हैं और लहरें बनाती हैं। यदि आप सूप को एक निश्चित तरीके से हिलाते हैं, तो लहरें स्वाभाविक रूप से भूलभुलैया के सबसे छोटे रास्ते को खोज लेती हैं। यह "रिएक्शन-डिफ्यूजन" (Reaction-Diffusion) है। यह एक तरल मस्तिष्क की तरह है जो बहकर स्थानिक पहेलियों (spatial puzzles) को हल करता है, लेकिन इसे काम करने के लिए निरंतर ईंधन (रसायनों) की आवश्यकता होती है।
- जीवित कोशिकाएं (एक बगीचा): यह सबसे अधिक "जीवित" विकल्प है। वैज्ञानिक एक डिश में मानव मस्तिष्क कोशिकाओं की छोटी संस्कृतियाँ उगा रहे हैं। ये कोशिकाएं खुद से "पोंग" (Pong) गेम खेलना सीख सकती हैं। वे अनुकूलित होती हैं और खुद को ठीक करती हैं, बिल्कुल एक वास्तविक मस्तिष्क की तरह। लेकिन वे अव्यवsted (messy) हैं, उन्हें नियंत्रित करना कठिन है और उनकी बहुत देखभाल करनी पड़ती है (जैसे एक पालतू जानवर जो लगातार खाना खाता है)।
- प्रकाश (लेजर शो): बिजली के बजाय प्रकाश की किरणों का उपयोग करें। प्रकाश बहुत तेज़ चलता है और एक साथ बहुत सारा डेटा ले जा सकता है। यह एक हाई-स्पीड ट्रेन की तरह है जो कभी नहीं रुकती। यह वीडियो या रडार संकेतों को तुरंत प्रोसेस करने के लिए अद्भुत है, लेकिन प्रकाश को "सोचने" (गैर-रेखीय गणित करने) के लिए उसे वापस बिजली में बदले बिना यह कठिन है।
- मैकेनिकल गियर्स (एक रूब गोल्डबर्ग मशीन): स्प्रिंग्स और लीवर्स से बनी एक मशीन की कल्पना करें। यदि आप एक तरफ से धक्का देते हैं, तो पूरी संरचना झुक जाती है और एक नए आकार में स्थिर हो जाती है। अंतिम आकार ही उत्तर है। यह धीमा और भारी है, लेकिन यह अविश्वसनीय रूप से मजबूत है और गिरने पर भी काम करता है।
- पानी के चैनल (प्लंबिंग): इलेक्ट्रॉनों के बजाय पानी को चलाने के लिए सूक्ष्म नलिकाओं का उपयोग करना। यह एक हाइड्रोलिक मस्तिष्क की तरह है। यह उन रोबोटों के लिए बेहतरीन है जिन्हें कंप्यूटर चिप के बिना अपने शरीर को चलाने की आवश्यकता होती है, लेकिन पानी धीरे चलता है।
3. हम उन्हें कैसे सिखाते हैं?
आप मिट्टी के टुकड़े या पानी की एक बूंद में प्रोग्राम "डाउनलोड" नहीं कर सकते। शोध पत्र इन अजीबोगरीब मस्तिष्कों को प्रशिक्षित करने के तीन तरीके बताता है:
- "डिजिटल ट्विन" (सिम्युलेटर): आप अपने पानी के मस्तिष्क या प्रकाश के मस्तिष्क का एक सटीक कंप्यूटर मॉडल बनाते हैं। आप एक सुपरकंप्यूटर पर उस मॉडल को प्रशिक्षित करते हैं, और फिर आप उन सेटिंग्स को वास्तविक भौतिक वस्तु पर कॉपी करने की कोशिश करते हैं। समस्या क्या है? वास्तविक दुनिया अव्यवस्थित है, और कॉपी पूरी तरह से काम नहीं कर सकती है।
- "रिजर्वोइर" (गूँज कक्ष): आप पूरे मस्तिष्क को प्रशिक्षित नहीं करते हैं। आप बस सामग्री (जैसे एक नरम रबर का हाथ या रासायनिक सूप) को उसके अपने तरीके से काम करने देते हैं जब आप उसे छेड़ते हैं। फिर, आप अंत में एक बहुत ही सरल "रीडआउट" (readout) को प्रशिक्षित करते हैं जो सामग्री द्वारा की गई क्रिया की व्याख्या कर सके। यह गुफा में चिल्लाने और अपनी गूँज को पहचानने के लिए खुद को प्रशिक्षित करने जैसा है।
- "इन-मैटिरियो" (स्वयं सीखने वाला): आप सामग्री को लैब में ही सीखने देते हैं। आप उसे छेड़ते हैं, देखते हैं कि वह कैसे प्रतिक्रिया करती है, और उसमें थोड़ा बदलाव करते हैं। यह एक कुत्ते को प्रशिक्षित करने जैसा है, लेकिन वह कुत्ता प्रकाश या रसायनों से बना है। यह सबसे कठिन लेकिन सबसे आशाजनक तरीका है।
4. वास्तविकता की जांच: कोई "जादुई समाधान" नहीं
शोध पत्र बहुत स्पष्ट है: कोई एक विजेता नहीं है।
- यदि आपको प्रकाश की गति से वीडियो स्ट्रीम प्रोसेस करने की आवश्यकता है, तो फोटोन (प्रकाश) का उपयोग करें।
- यदि आपको रक्त की एक बूंद का उपयोग करके बीमारी का निदान करने की आवश्यकता है, तो DNA या रसायनों का उपयोग करें।
- यदि आपको एक रोबोटिक हाथ की आवश्यकता है जो केंद्रीय कंप्यूटर के बिना चलना सीख सके, तो मैकेनिकल या फ्लुइडिक सिस्टम का उपयोग करें।
- यदि आपको एक ऐसे मस्तिष्क की आवश्यकता है जो खुद को ठीक कर सके, तो जीवित कोशिकाओं का उपयोग करें।
शोध पत्र निष्कर्ष निकालता है कि हमें अपने सिलिकॉन कंप्यूटरों को इन नई सामग्रियों से बदलने की कोशिश नहीं करनी चाहिए। इसके बजाय, हमें उन्हें विशेष उपकरणों के रूप में उपयोग करना चाहिए। जिस तरह आप कागज काटने के लिए आरी (chainsaw) का उपयोग नहीं करेंगे, उसी तरह आपको वीडियो गेम चलाने के लिए एक धीमे, रासायनिक मस्तिष्क का उपयोग नहीं करना चाहिए। लेकिन उन विशिष्ट कार्यों के लिए जहाँ सिलिकॉन बहुत धीमा, बहुत गर्म, या बहुत अधिक ऊर्जा खपत करने वाला है, ये भौतिक मस्तिष्क एकदम सही फिट हैं।
निचोड़
हम उस युग से निकलकर एक ऐसे युग में जा रहे हैं जहाँ हम प्रकृति को कंप्यूटर की तरह कार्य करने के लिए मजबूर नहीं करते, बल्कि हम प्रकृति को कंप्यूटर होने देते हैं। यह एक बेहतर सिलिकॉन चिप बनाने के बारे में नहीं है; यह यह समझने के बारे में है कि ब्रह्मांड पहले से ही ऐसी चीजों से भरा है जो सोच सकती हैं, यदि हम बस उन्हें सुनना जानते हों।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।