Universal statistical signatures of evolution in artificial intelligence architectures
यह शोधपत्र यह प्रदर्शित करता है कि कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस) की स्थापत्य विकास को नियंत्रित करने वाले सांख्यिकीय नियम, जिसमें फिटनेस प्रभावों का वितरण और अभिसरण के पैटर्न शामिल हैं, जैविक विकास के समान हैं, जो यह सुझाव देते हैं कि विकासवादी गतिकी पदार्थ-स्वतंत्र (सबस्ट्रेट-इंडिपेंडेंट) है और विशिष्ट चयन तंत्रों के बजाय फिटनेस लैंडस्केप टोपोलॉजी द्वारा संचालित होती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। यह एक ऐसे प्रीप्रिंट की AI से तैयार की गई व्याख्या है जिसकी अभी सहकर्मी समीक्षा नहीं हुई है। यह चिकित्सकीय सलाह नहीं है। इस सामग्री के आधार पर स्वास्थ्य संबंधी फैसले न लें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक मास्टर शेफ हैं जो एक नए व्यंजन के लिए एकदम सही रेसिपी बनाने की कोशिश कर रहे हैं। आपके पास सामग्री से भरी एक विशाल रसोई है (AI आर्किटेक्चर), और आप यह देखना चाहते हैं कि चीजें बदलने पर क्या होता है।
- क्या होगा अगर मैं नमक निकाल दूँ? (शायद व्यंजन का स्वाद बहुत खराब हो जाए।)
- क्या होगा अगर मैं ओवन की जगह माइक्रोवेव का उपयोग करूँ? (शायद यह जल्दी पक जाए, या शायद जल जाए।)
- क्या होगा अगर मैं इसमें एक चुटकी दालचीनी डाल दूँ? (शायद यह थोड़ा बेहतर हो जाए, या शायद इससे कोई फर्क न पड़े।)
यह पेपर ठीक इसी प्रक्रिया का एक विशाल अध्ययन है, लेकिन यहाँ "भोजन" के बजाय, "शेफ" कंप्यूटर वैज्ञानिक हैं जो आर्टिफिशियल इंटेलिजेंस (AI) डिजाइन कर रहे हैं। लेखक, थियोडोर स्पिरो (Theodor Spiro) ने एक बड़ा सवाल पूछा: क्या AI के विकसित होने का तरीका, प्रकृति में जानवरों और पौधों के विकसित होने के तरीके जैसा ही है?
इसका उत्तर देने के लिए, उन्होंने केवल अनुमान नहीं लगाया; उन्होंने 161 अलग-अलग वैज्ञानिक शोध पत्रों से 935 वास्तविक प्रयोगों का विश्लेषण किया। उन्होंने हर बार जब एक वैज्ञानिक ने AI के किसी हिस्से को हटाया या बदला, तो उसे एक "उत्परिवर्तन" (mutation) माना और यह मापा कि उसने AI के प्रदर्शन को कितना सुधारा या नुकसान पहुँचाया।
यहाँ चार मुख्य खोजें दी गई हैं, जिन्हें सरल उपमाओं के साथ समझाया गया है:
1. "रेसिपी टेस्ट" (ज्यादातर बदलाव चीजों को बिगाड़ देते हैं)
प्रकृति में, यदि आप किसी वायरस या फ्रूट फ्लाई के जीन को बेतरतीब ढंग से बदलते हैं, तो यह आमतौर पर जीव को नुकसान पहुँचाता है। बहुत ही कम मामलों में यह मदद करता है।
- AI की खोज: अध्ययन में पाया गया कि AI भी बिल्कुल इसी तरह व्यवहार करता है।
- 68% बदलावों ने AI को बदतर बना दिया (जैसे सूप से नमक निकाल देना)।
- 19% से कोई फर्क नहीं पड़ा (जैसे लाल चम्मच की जगह नीला चम्मच रख देना)।
- केवल 13% ने वास्तव में AI को बेहतर बनाया।
- उपमा: कल्पना कीजिए कि आप पुर्जों को बेतरतीब ढंग से बदलकर एक कार को ठीक करने की कोशिश कर रहे हैं। ज्यादातर समय, कार शुरू नहीं होगी। कभी-कभी, यह वैसी ही चलती है। बहुत कम मामलों में, आप गलती से एक बेहतर इंजन लगा देते हैं। AI भी इसी "जोखिम भरे खेल" के नियम का पालन करता है जैसे प्रकृति करती है।
2. "निर्देशित खोज" (Directed Search) का लाभ
यही एक बड़ा अंतर है। प्रकृति में, उत्परिवर्तन (mutations) संयोग से होते हैं (अंधा खोज/blind search)। AI में, वैज्ञानिक जानबूझकर ऐसे बदलाव करने की कोशिश करते हैं जो उन्हें लगता है कि मदद करेंगे (निर्देशित खोज/directed search)।
- AI की खोज: क्योंकि वैज्ञानिक "दृष्टि वाले" हैं (वे जानते हैं कि वे क्या ढूंढ रहे हैं), उन्होंने प्रकृति (1-6%) की तुलना में "अच्छे" बदलावों का उच्च प्रतिशत (13%) पाया।
- उपमा: यदि आप घास के ढेर में सुई ढूंढ रहे हैं, तो एक अंधा व्यक्ति (प्रकृति) उसे शायद ही कभी ढूंढ पाएगा। एक टॉर्च लेकर चलने वाला व्यक्ति (AI इंजीनियर) उसे बहुत अधिक बार ढूंढ लेगा। लेकिन टॉर्च होने के बावजूद, "घास के ढेर का आकार" (कार्य की कठिनाई) वही रहता है। खिलाड़ी भले ही स्मार्ट हों, लेकिन "खेल के नियम" नहीं बदले हैं।
3. नए विचारों का "उछाल और गिरावट" (Boom and Bust)
प्रकृति में ऐसे दौर होते हैं जहाँ जीवन में नए प्रकार के जीवों का विस्फोट होता है (जैसे बड़े विनाश के बाद), और उसके बाद लंबे समय तक ऐसा दौर आता है जब कुछ नया नहीं होता।
- AI की खोज: AI का इतिहास भी ठीक यही पैटर्न दिखाता है।
- उछाल (The Boom): 2017 में, "ट्रांसफॉर्मर्स" (Transformers) नामक एक नए विचार ने विस्फोट किया, जिससे कई नए प्रकार के AI पैदा हुए। 2021 में, "डिफ्यूजन मॉडल्स" (इमेज जनरेटर के पीछे की तकनीक) ने भी ऐसा ही किया।
- गिरावट (The Bust): इन उछालों के बीच, चीजें शांत रहीं।
- उपमा: AI के इतिहास को एक जंगल की आग की तरह सोचें। वर्षों तक जंगल शांत रहता है। फिर, एक चिंगारी लगती है, और अचानक पूरा जंगल नए, तेजी से बढ़ने वाले पौधों से भर जाता है (नए AI मॉडल)। अंततः, जंगल भर जाता है, और नए प्रकार के पौधों के लिए जगह बनाना मुश्किल हो जाता है। अध्ययन भविष्यवाणी करता है कि हम उस "भरे हुए जंगल" की सीमा के करीब पहुँच रहे हैं।
4. अलग शेफ, एक ही व्यंजन (अभिसारी विकास/Convergent Evolution)
प्रकृति में, शार्क (मछली) और डॉल्फिन (स्तनधारी) अलग-अलग विकसित हुए, लेकिन दोनों ने तैरने के लिए पंख और सुव्यवस्थित शरीर विकसित किए क्योंकि वे आकार सबसे अच्छे हैं। इसे "अभिसारी विकास" कहा जाता है।
- AI की खोज: अलग-अलग शोध समूहों ने, जो पूरी तरह से अलग समस्याओं (जैसे चेहरे पहचानना बनाम कविता लिखना) पर काम कर रहे थे, स्वतंत्र रूप से एक ही तरह के उपकरण बनाए।
- उन सभी ने "अटेंशन" (Attention) मैकेनिज्म बनाया (जैसे एक कैमरा आँख जो महत्वपूर्ण चीज़ों पर ध्यान केंद्रित करती है)।
- उन सभी ने "गेटिंग" (Gating) बनाया (जैसे एक दरवाज़ा जो केवल विशिष्ट जानकारी के लिए खुलता है)।
- उपमा: यह ऐसा ही है जैसे टोक्यो के एक शेफ और न्यूयॉर्क के एक शेफ ने, जो कभी मिले नहीं हैं, दोनों ने यह तय किया कि प्याज काटने का सबसे अच्छा तरीका एक विशिष्ट घुमावदार चाकू है। यह साबित करता है कि इन समस्याओं को हल करने के लिए केवल कुछ ही "सर्वश्रेष्ठ तरीके" मौजूद हैं, चाहे कोई भी खाना बना रहा हो।
मुख्य निष्कर्ष: नक्शा वही है, यात्री अलग है
सबसे महत्वपूर्ण बात यह है: विकास (Evolution) उन्हीं सांख्यिकीय नियमों का पालन करता है, चाहे वह मांस और रक्त से बना हो या सिलिकॉन और कोड से।
लेखक का तर्क है कि संभावनाओं का "परिदृश्य" (landscape) (क्या काम करता है और क्या नहीं का नक्शा) स्वयं समस्या द्वारा आकार लेता है, न कि इस बात से कि आप इसे कैसे हल करने की कोशिश कर रहे हैं।
- चाहे आप लाखों वर्षों में विकसित होने वाले बंदर हों या कुछ वर्षों में कोड में बदलाव करने वाले इंजीनियर, आप एक ही पहाड़ पर चढ़ रहे हैं।
- पहाड़ में खड़ी ढलानें (बुरे बदलाव), सपाट पठार (तटस्थ बदलाव), और कुछ छिपी हुई चोटियाँ (अच्छे बदलाव) हैं।
- एकमात्र अंतर यह है कि इंजीनियरों के पास पहाड़ों तक तेज़ी से पहुँचने के लिए एक हेलीकॉप्टर (निर्देशित खोज) है, लेकिन पहाड़ खुद नहीं बदला है।
यह क्यों मायने रखता है?
इसका मतलब है कि हम यह अनुमान लगाने के लिए जीव विज्ञान के नियमों का उपयोग कर सकते हैं कि AI कैसे बढ़ेगा, और हम प्रकृति में विकास कैसे काम करता है, इसके सिद्धांतों का परीक्षण करने के लिए AI के तेज़ इतिहास का उपयोग कर सकते हैं। यह सुझाव देता है कि ब्रह्मांड में एक "व्याकरण" है कि कैसे जटिल चीजें विकसित होती हैं, और हम आखिरकार इसे पढ़ना शुरू कर रहे हैं।
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।