Generalist AI Control: Towards Multi-purpose Adaptive Algorithms
यह शोध पत्र एक जनरललिस्ट कंट्रोलर (Generalist Controller) प्रस्तुत करता है, जो एक सिंगल-शॉट लर्निंग-आधारित एल्गोरिदम है जो विभिन्न क्रमों और गतिकी वाले विविध सिंगल-इनपुट सिंगल-आउटपुट सिस्टम को बिना किसी सिस्टम-विशिष्ट ट्यूनिंग या संरचनात्मक परिवर्तनों के प्रभावी ढंग से नियंत्रित करने के लिए अटेंशन मैकेनिज्म और मिक्सचर-ऑफ-एक्सपर्ट्स आर्किटेक्चर का उपयोग करता है।
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
एक ऐसी दुनिया की कल्पना करें जहाँ आपकी हर मशीन, आपके किचन के टोस्टर से लेकर आपके आँगन में उड़ने वाले ड्रोन तक, एक पूरी तरह से अलग भाषा बोलती है। अपने टोस्टर को चलाने के लिए आपको एक विशिष्ट मैनुअल की आवश्यकता होती है; अपने ड्रोन को उड़ाने के लिए आपको एक अलग मैनुअल की आवश्यकता होती है। रोबोटिक्स और इंजीनियरिंग की दुनिया में, दशकों से चीजें बिल्कुल इसी तरह काम करती आई हैं। इंजीनियर हर एक मशीन के लिए एक कस्टम "मस्तिष्क" (brain) बनाते हैं, जो एक धीमी, महंगी प्रक्रिया है और जिसमें इस बात की सटीक समझ की आवश्यकता होती है कि वह विशिष्ट मशीन कैसे चलती है। लेकिन क्या होगा यदि हम एक ही, सुपर-स्मार्ट मस्तिष्क को यह सिखा सकें कि किसी भी मशीन को कैसे चलाना है, बस उसे कुछ अलग-अलग मशीनों को चलाना दिखाकर? यह "जनरलिस्ट" (generalist) कंट्रोल का सपना है। यह एक इंसान को कार, नाव और साइकिल चलाना सिखाने जैसा है, बिना प्रत्येक के लिए भौतिकी (physics) को दोबारा सीखने की आवश्यकता के। मुख्य विचार यह है कि हालांकि मशीनें अलग दिखती हैं, लेकिन उनके चलने के पीछे का गणित अक्सर समान पैटर्न का पालन करता है। यदि एक कंप्यूटर उन पैटर्नों को सीख सकता है, तो वह बिना हर नए गैजेट के लिए एक नए मैनुअल के, तुरंत किसी भी चीज़ को नियंत्रित कर सकता है।
यह शोध पत्र एक नए प्रकार के "जनरलिस्ट कंट्रोलर" (Generalist Controller) को पेश करता है, जो एक लर्निंग-आधारित सिस्टम है जिसे उस सार्वभौमिक ड्राइवर के रूप में डिज़ाइन किया गया है। प्रत्येक मशीन के लिए एक अद्वितीय कंट्रोलर बनाने के बजाय, शोधकर्ताओं ने एक ही न्यूरल नेटवर्क (एक प्रकार का कंप्यूटर मस्तिष्क) को 25 बहुत ही अलग प्रणालियों के 314,630 प्रदर्शनों (demonstrations) के विशाल डेटासेट पर प्रशिक्षित किया। ये प्रणालियाँ स्थिर, आसानी से नियंत्रित होने वाली मशीनों से लेकर अराजक (chaotic), अस्थिर मशीनों तक फैली हुई थीं, और इनमें रासायनिक रिएक्टरों और पानी के नीचे चलने वाले वाहनों से लेकर विमान और साधारण मैकेनिकल स्प्रिंग्स तक सब कुछ शामिल था। इसका गुप्त मंत्र (secret sauce)? कंट्रोलर यह अनुमान लगाने की कोशिश नहीं करता कि वह किस मशीन को नियंत्रित कर रहा है। इसके बजाय, उपयोगकर्ता बस इसे एक "सिस्टम टैग" देता है—जैसे कि एक नाम का टैग जो कहता है "मैं एक ड्रोन हूँ" या "मैं एक रासायनिक टैंक हूँ।" इस टैग के साथ, कंट्रोलर अपनी आंतरिक रणनीति बदल देता है, और यह तय करने के लिए कि उसके मस्तिष्क के किस हिस्से का उपयोग करना है, "मिक्सचर ऑफ एक्सपर्ट्स" (Mixture of Experts) नामक एक विशेष आर्किटेक्चर का उपयोग करता है।
विस्तृत सिमुलेशन और वास्तविक हार्डवेयर परीक्षणों के माध्यम से प्राप्त परिणाम बताते हैं कि यह एकल कंट्रोलर प्रत्येक विशिष्ट मशीन के लिए पारंपरिक, कस्टम-निर्मित कंट्रोलर के समान ही अच्छा प्रदर्शन कर सकता है। परीक्षणों में, इसने अस्थिर प्रणालियों और नॉन-मिनिमम-फेज डायनेमिक्स (जहाँ एक मशीन खुद को ठीक करने से पहले शुरू में गलत दिशा में चलती है) जैसी कठिन स्थितियों को प्रभावशाली सफलता के साथ संभाला। इसने बिना किसी री-ट्यूनिंग के, एक वास्तविक जीवन के नैनो-क्वाडकॉप्टर (एक छोटा ड्रोन जिसे Crazyflie 2.1+ कहा जाता है) को नियंत्रित किया, और सेंसर शोर (noise) और एरोडायनामिक खामियों के बावजूद सफलतापूर्वक उड़ाया, जिन्हें उसने पहले कभी नहीं देखा था। शायद सबसे महत्वपूर्ण बात यह है कि जब शोधकर्ताओं ने अप्रत्याशित समस्याएँ डालीं—जैसे कि ऐसे मोटर्स जो पर्याप्त तेज़ी से नहीं घूम सकते थे (सैचुरेशन) या शोर के अचानक विस्फोट—तो जनरल लिस्ट कंट्रोलर ने मशीन को स्थिर रखा, जबकि पारंपरिक कस्टम कंट्रोलर अक्सर विफल हो गए या अस्थिर हो गए।
हालाँकि, यह शोध पत्र इस बात पर सीमाएँ निर्धारित करने में सावधानी बरतता है कि यह "सुपर-ब्रेन" क्या कर सकता है। यह कोई जादुई छड़ी नहीं है जो किसी ऐसी मशीन को तुरंत नियंत्रित कर सके जिसे इसने पहले कभी नहीं देखा है; इसे अभी भी उस विशिष्ट प्रकार की मशीन (या उसके समान मशीन) पर प्रशिक्षित होने की आवश्यकता है और कार्य करने के लिए सही सिस्टम टैग की आवश्यकता है। यह केवल देखकर मशीन की पहचान स्वयं नहीं कर सकता। इसके अलावा, जबकि कंट्रोलर ने सिमुलेशन और एक छोटे ड्रोन पर जबरदस्त मजबूती दिखाई, लेखक नोट करते हैं कि भविष्य के लिए यह सिद्ध करना कि यह हर संभावित स्थिति के लिए गणितीय रूप से "सुरक्षित" है, एक चुनौती बना हुआ है। यह अध्ययन दर्शाता है कि एक एकल सीखा हुआ पॉलिसी (policy), विभिन्न क्रमों (orders) और डायनेमिक्स वाली प्रणालियों के एक विस्तृत परिवार को प्रभावी ढंग से नियंत्रित कर सकता है, लेकिन यह सामान्यीकरण (generalization) की ओर एक कदम है, न कि अस्तित्व में मौजूद हर मशीन के लिए एक अंतिम समाधान। यह दिखाकर कि एक मस्तिष्क कई अलग-अलग वाहनों को चलाना सीख सकता है, यह कार्य एक ऐसे भविष्य का सुझाव देता है जहाँ हमें शायद हर नया रोबोट बनाने के लिए एक नया कंट्रोलर डिजाइन करने की आवश्यकता नहीं होगी।
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।