A bio-inspired hybrid lifelong learning based on self-selective memristors
यह शोध पत्र एक जैव-प्रेरित हाइब्रिड लाइफलॉन्ग लर्निंग सिस्टम का प्रस्ताव करता है जो कैटास्ट्रोफिक फॉरगेटिंग और ऊर्जा अक्षमताओं को दूर करने के लिए सेल्फ-सेलेक्टिव मेमरिस्टर हार्डवेयर के साथ एक ड्रोसोफिला-ह्यूमन हाइब्रिड एल्गोरिदम को सह-डिज़ाइन करता है, जिससे पारंपरिक CMOS एक्सेलेरेटर्स की तुलना में महत्वपूर्ण गति और ऊर्जा सुधार प्राप्त होते हैं।
मूल पेपर CC BY 4.0 (https://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 आप एक रोबोट को दुनिया के हर एक वीडियो गेम को, एक के बाद एक, खेलना सिखाने की कोशिश कर रहे हैं। समस्या यह है कि जब रोबोट "स्पेस इनवेडर्स" खेलना सीखता है, तो वह अक्सर "पैक-मैन" खेलना भूल जाता है। इसे "कैटैस्ट्रोफिक फॉरगेटिंग" (विनाशकारी विस्मृति) कहा जाता है, और यह आर्टिफिशियल इंटेलिजेंस के लिए एक बहुत बड़ा सिरदर्द है। इसे ठीक करने के लिए, वैज्ञानिक आमतौर पर या तो रोबोट के मस्तिष्क को फ्रीज करने की कोशिश करते हैं ताकि वह भूल न सके (लेकिन फिर वह नई चीजें नहीं सीख पाता) या उसे स्वतंत्र रूप से सीखने देते हैं (लेकिन फिर वह पुरानी चीजों को भूल जाता है)। हालाँकि, प्रकृति के पास एक बेहतर तरकीब है। हमारे मस्तिष्क सब कुछ हमेशा के लिए स्टोर नहीं करते; वे महत्वपूर्ण चीजों के लिए जगह बनाने के लिए उबाऊ चीजों को सक्रिय रूप से भूल जाते हैं, और उनके पास अलग-अलग समय के लिए टिके रहने वाली विभिन्न प्रकार की यादें होती हैं। यह शोध पत्र इस बात की खोज करता है कि कैसे इस जैविक संतुलन को दोहराने के लिए AI बनाया जाए, लेकिन धीमे और ऊर्जा-खपत करने वाले कंप्यूटर चिप्स के बजाय, यह एक विशेष प्रकार के इलेक्ट्रॉनिक घटक का उपयोग करता है जो एक जीवित स्मृति कोशिका (मेमोरी सेल) की तरह कार्य करता है।
शोधकर्ताओं ने, जिसका नेतृत्व यिशु झांग और झेजियांग यूनिवर्सिटी और त्सिंगहुआ यूनिवर्सिटी जैसे संस्थानों की एक टीम ने किया है, एक "हाइब्रिड लाइफलॉन्ग लर्निंग" सिस्टम बनाया है। इसे एक ऐसे रोबलेट मस्तिष्क के रूप में समझें जो दो बहुत अलग हिस्सों से मिलकर बना है जो एक साथ काम करते हैं। सबसे पहले, उन्होंने एक स्मार्ट सॉफ्टवेयर एल्गोरिदम डिजाइन किया जो दो जैविक विचारों को जोड़ता है: "एक्टिव फॉरगेटिंग" (फलों की मक्खियों से प्रेरित, जो कुशल रहने के लिए चीजें भूल जाती हैं) और "मेटाप्लास्टिसिटी" (इंसानों से प्रेरित, जो महत्वपूर्ण यादों को मजबूत करती है)। दूसरे, उन्होंने एक भौतिक हार्डवेयर डिवाइस बनाया जिसे "सेल्फ-सिलेक्टिव मेमरिस्टर" (SSM) कहा जाता है, जो स्वाभाविक रूप से इस सॉफ्टवेयर की तरह व्यवहार करता है। ये छोटे उपकरण जानकारी को स्टोर करने के लिए अपने विद्युत प्रतिरोध (इलेक्ट्रिकल रेजिस्टेंस) को बदल सकते हैं, लेकिन सामान्य कंप्यूटर मेमोरी के विपरीत, इनमें एक अंतर्निहित "लीक" होता है जो कमजोर यादों को धीरे-धीरे मिटा देता है जबकि मजबूत यादों को बनाए रखता है, बिल्कुल मानव मस्तिष्क की तरह।
टीम ने इसे केवल कंप्यूटर पर सिम्युलेट नहीं किया; उन्होंने वास्तव में इन मेमरिस्टर्स (एक 32x32 ग्रिड में व्यवस्थित) के 1,024 मेमरिस्टर्स के साथ एक छोटा चिप बनाया और इसका परीक्षण किया। उन्होंने पाया कि इन उपकरणों के "भूलने" की गति को ट्यून करके, वे चिप के भीतर पांच अलग-अलग "मेमोरी कोर्स" की एक टीम बना सकते थे। कुछ कोर को बहुत भूलक्कड़ और लचीला (नई, कठिन कार्यों को जल्दी सीखने के लिए बेहतरीन) सेट किया गया था, जबकि अन्य को बहुत स्थिर और जिद्दी (पुरानी, महत्वपूर्ण कौशलों को थामे रखने के लिए बेहतरीन) सेट किया गया था। जब उन्होंने इस सिस्टम का परीक्षण 20 अलग-अलग इमेज रिकग्निशन कार्यों (CIFAR नामक डेटासेट का उपयोग करके) की एक श्रृंखला पर किया, तो सिस्टम ने पिछली चीजों को भूले बिना उन सभी को सफलतापूर्वक सीख लिया।
परिणाम प्रभावशाली थे। मानक कंप्यूटर चिप्स (CMOS) की तुलना में, यह नया सिस्टम अनुमानित रूप से 3.42 गुना तेज़ और 91 गुना कम ऊर्जा का उपयोग करता है। लेखक सुझाव देते हैं कि यह दृष्टिकोण पुराने ज्ञान को सुरक्षित रखने और नई चीजें सीखने के बीच के सदियों पुराने संघर्ष को हल करता है, जो वास्तविक दुनिया में निरंतर सीखने वाले AI की ओर एक मार्ग प्रशस्त करता है, ठीक वैसे ही जैसे हम करते हैं। वे इस बात पर जोर देते हैं कि हालांकि मुख्य सीखने के नियमों का परीक्षण हार्डवेयर पर किया गया था, 20-कार्य चुनौती के लिए पूर्ण प्रदर्शन संख्या उनके वास्तविक हार्डवेयर माप के साथ कैलिब्रेटेड सिमुलेशन पर आधारित थी, जो दर्शाता है कि उनके नए उपकरणों का भौतिक विज्ञान वास्तव में जटिल, आजीवन सीखने का समर्थन कर सकता है।
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।