संवेदनशील एआई बुद्धिमान एआई के बराबर नहीं है

प्रायोजित

आप शायद के बारे में सुना है Google का LaMDA और यह वायरल चर्चा कि क्या एआई संवेदनशील बन सकता है। टीम पर ताउ तर्क है कि शायद, एआई की भावना उसकी बुद्धिमत्ता का एक छोटा सा हिस्सा है। बल्कि, एआई की सच्ची बुद्धिमत्ता लोगों की जरूरतों को तार्किक रूप से समझने और उन्हें स्वचालित रूप से संतुष्ट करने की क्षमता पर आधारित होगी।

ताउ यह पहला प्लेटफ़ॉर्म है जो अपने उपयोगकर्ताओं के विचारों, सलाह और ज्ञान को लेने में सक्षम होगा और वास्तविक समय में अपने स्वयं के सॉफ़्टवेयर को अपडेट करेगा, जिससे उसके उपयोगकर्ता उन भाषाओं में लिखेंगे जिन्हें मशीनें और लोग दोनों पढ़ और समझ सकते हैं। ताऊ का विकेन्द्रीकृत सामाजिक नेटवर्क और इसका मौद्रिक पहलू, अगोरस क्रिप्टोक्यूरेंसी, एक एआई द्वारा संचालित है जिसे टीम वास्तव में बुद्धिमान कृत्रिम बुद्धिमत्ता - लॉजिकल एआई कहती है। लॉजिकल एआई मशीन लर्निंग से बिल्कुल अलग है, और, ताऊ के संस्थापक ओहद असोर के अनुसार, प्रौद्योगिकी की दुनिया में अगली बड़ी लहर बनने की कगार पर है।

ताऊ पर, लॉजिकल एआई आपको अरबों लोगों की चर्चाओं में भाग लेने और नेटवर्क पर साझा किए गए विचारों के पीछे सामूहिक जानबूझकर अर्थ को तुरंत देखने में सक्षम करेगा। यह लोगों को नियंत्रित प्राकृतिक भाषाओं (सीएनएल) का उपयोग करने से प्राप्त होगा जिसे मनुष्य और मशीन दोनों समझ सकते हैं। प्रत्येक विचार और ज्ञान का प्रत्येक टुकड़ा, चाहे वह स्पष्ट हो या अंतर्निहित, स्वचालित रूप से आपके विश्वदृष्टिकोण के रूप में पहचाना और पंजीकृत किया जाएगा, जो ताऊ पर आपकी प्रोफ़ाइल के रूप में कार्य करेगा और पूरी तरह से आपका होगा। अपने विचारों और ज्ञान को इतने उन्नत तरीके से व्यवस्थित करने का मतलब यह होगा कि आप न केवल अभूतपूर्व समाधान खोजने में सक्षम होंगे, बल्कि अपने ज्ञान को सहज और प्रत्यक्ष तरीके से मुद्रीकृत भी कर पाएंगे जो पहले संभव नहीं था।

ताऊ पर अपने विचार डालने मात्र से, आपका ज्ञान स्वचालित रूप से आपके स्वामित्व वाली डिजिटल संपत्ति बन जाएगा। आप अपने ज्ञान को अन्य खरीदारों को बेचने में सक्षम होंगे, या इसका उपयोग अपने ग्राहकों को इसके विशिष्ट टुकड़े किराए पर देकर आय उत्पन्न करने के लिए करेंगे क्योंकि ताऊ समझ जाएगा कि आपके ज्ञान का एक टुकड़ा भी किसी की समस्या के समाधान का हिस्सा हो सकता है। ताऊ कई उपयोगकर्ताओं के ज्ञान के संयोजन को उजागर करेगा और इसे महत्वपूर्ण और जटिल समस्याओं के समाधान के रूप में प्रस्तावित करेगा, इस प्रकार यह गारंटी देगा कि आवश्यक ज्ञान विनिर्देशों से 100% मेल खाता है।

तर्क पर आधारित समाधान को छोड़कर, इनमें से कोई भी समाधान किसी अन्य प्रकार के एआई के साथ संभव नहीं होगा। ऐसा इसलिए है, क्योंकि सीधे शब्दों में कहें तो लॉजिकल एआई पूरी तरह से शब्दों और वाक्यों के बारे में है। इसके मूल में, यह अन्य कथनों से कथनों का अनुमान लगाने की क्षमता के बारे में है, जिसे डिडक्टिव रीजनिंग कहा जाता है। उदाहरण के लिए, तीन कथनों से:

• पेरिस फ्रांस में है।
• फ्रांस यूरोप में है।
• यदि x, y में है, और y, z में है, तो x, z में है। यह, सभी x, y, z के लिए।

हम कथन का अनुमान लगा सकते हैं

गणितीय तर्क का क्षेत्र सिखाता है कि वस्तुतः सभी तार्किक प्रश्न कटौती के इस रूप में आ सकते हैं। उदाहरण के लिए, कथनों का एक सेट विरोधाभासी है, यदि और केवल तभी जब हम इससे एक कथन और उसका निषेध दोनों निकाल सकें।

लॉजिकल एआई तार्किक तर्क का मशीनीकरण है: विरोधाभासों का पता लगाना, यह निर्धारित करना कि क्या कोई निष्कर्ष दी गई धारणाओं से मेल खाता है, इत्यादि। इसलिए यह केवल मशीनी निर्देशों से परे, मशीनों को वह समझने देने की क्षमता के बारे में है जो हम उन्हें बताना चाहते हैं।

इस बीच, मशीन लर्निंग, जो वर्तमान में एआई का सबसे व्यापक रूप है, उदाहरणों से सामान्यीकरण के बारे में है। इसलिए यदि हमें उपरोक्त फ्रांस और पेरिस उदाहरण को मशीन लर्निंग के तरीके से संप्रेषित करना है, तो हमें एल्गोरिदम को "x, y में है" फॉर्म के कई उदाहरण प्रदान करने होंगे, और फिर आशा है कि एल्गोरिदम यह निष्कर्ष निकालेगा कि पेरिस यूरोप में है।

संचार का ऐसा रूप बुद्धिमान कहलाने लायक भी नहीं है, क्योंकि कोई चीज़ बुद्धिमान कैसे हो सकती है यदि वह यह निष्कर्ष नहीं निकाल सकती कि पेरिस यूरोप में है, और उसे "समझने" के लिए बड़ी संख्या में उदाहरण देखने होंगे, जबकि इसकी भी गारंटी नहीं है? उदाहरणों से सामान्यीकरण संभाव्य प्रकृति का है। हम अनदेखे नमूनों के बारे में कैसे अनुमान लगा सकते हैं? यह आश्चर्य की बात है कि मशीन लर्निंग कभी-कभी सही हो सकती है और पूरी तरह से यादृच्छिक नहीं होती है, और वास्तव में मशीन लर्निंग एक गणितीय चमत्कार कहलाने लायक है। आख़िरकार, कुछ नमूनों से परे शून्य ज्ञान के तहत, कोई ऐसा कुछ कैसे कह सकता है जो उच्च संभावना में, लगभग सही भी हो?

आश्चर्य की बात है कि मशीन लर्निंग ऐसा कर सकती है। और मशीन लर्निंग अपने सभी फायदे और नुकसान के साथ यही है। इसका उपयोग-मामला तब होता है जब हमें किसी सिस्टम के बारे में बहुत कम या कोई ज्ञान नहीं होता है, और हम केवल नमूने ले सकते हैं और उन्हें सामान्यीकृत करने का प्रयास कर सकते हैं।

दूसरी ओर, तार्किक एआई पूर्ण ज्ञान और पूर्णता के बारे में है, चाहे स्पष्ट रूप से या परोक्ष रूप से। यह संचार के एक अधिक कुशल तरीके, सीधे संचार, "बस बात कहने" के बारे में भी है, न कि कई उदाहरण देने में मेहनत करने के।

इसके अलावा, ऐसा होता है कि मशीन लर्निंग स्वाभाविक रूप से तार्किक तर्क करने में असमर्थ है, उदाहरण के लिए विरोधाभासों का पता लगाना। जटिलता-सैद्धांतिक तर्कों का उपयोग करके इसे गणितीय रूप से सिद्ध किया जाता है। इसलिए इसमें कोई आश्चर्य की बात नहीं है कि मशीन लर्निंग केवल उन क्षेत्रों में सफलता प्राप्त करती है जो प्रकृति में गैर-मौखिक हैं, जबकि प्राकृतिक भाषा प्रसंस्करण के क्षेत्र में, यह केवल बहुत सीमित क्षमताएं प्रस्तुत करता है।

हालाँकि इसका दूसरा तरीका पूरी तरह से मान्य है: न केवल तर्क मशीन लर्निंग कर सकता है, बल्कि यह पहले से ही कर रहा है। मशीन लर्निंग एल्गोरिदम पहले से ही तार्किक रूपों में व्यक्त किए गए हैं (उदाहरणों के विपरीत) और पहले से ही कंप्यूटर प्रोग्राम के रूप में कार्यान्वित किए गए हैं जो एक तार्किक बल्कि संभाव्य रूप भी लेते हैं, अर्थात् मशीन निर्देश।

इसलिए लॉजिकल एआई को कवर करने में मशीन लर्निंग भी शामिल है, लेकिन दूसरे तरीके से इसे कभी भी हासिल नहीं किया जा सकता है। इसे कहने का दूसरा तरीका इस प्रकार है: मशीन लर्निंग अंततः वह शामिल करती है जिसे आगमनात्मक और अपहरणात्मक तर्क कहा जाता है (जो मोटे तौर पर जो कहा जाता है उसके अनुरूप होता है) पर्यवेक्षित और पर्यवेक्षित शिक्षण), और इस तरह यह बहुत आशाजनक है, हालांकि अभी भी एक ऐसे रूप में है जो केवल उदाहरणों तक ही सीमित है, और इसके अलावा, वर्तमान प्रौद्योगिकियां केवल संख्यात्मक प्रकृति के डेटा से निपटती हैं, या ऐसे डेटा से निपटती हैं जिन्हें ऐसे में परिवर्तित किया जा सकता है। दूसरी ओर, लॉजिकल एआई, गुणात्मक और साथ ही मात्रात्मक डेटा में डिडक्टिव रीजनिंग, इंडक्टिव रीजनिंग और एबडक्टिव रीजनिंग को कवर कर सकता है।

यही मुख्य कारण हैं ताउ ने लॉजिकल एआई को एआई के अंतिम रूप के रूप में चुना है, यह तर्क देते हुए कि मशीन लर्निंग एआई के इतिहास में केवल एक मील का पत्थर है। ताऊ के समाधान मानव बैंडविड्थ के कई पहलुओं में सुधार करेंगे, चर्चा-स्केलिंग से लेकर ज्ञान मुद्रीकरण तक, स्मार्ट अनुबंध और विकेंद्रीकृत शासन तक। यह सब मनुष्य और मशीनों के बीच की दूरी को पाटने की तर्क की क्षमता के कारण है।

ताऊ और इसके पीछे की टीम के बारे में और जानें यहाँ उत्पन्न करें

बढ़ते ताऊ समुदाय में शामिल हों Telegram

यह पोस्ट स्पांसर्ड है। हमारे दर्शकों तक पहुंचना सीखें यहाँ उत्पन्न करें। नीचे अस्वीकरण पढ़ें।

Bitcoin.com मीडिया

बिटकॉइन डॉट कॉम क्रिप्टो-संबंधित हर चीज के लिए प्रमुख स्रोत है।
Contact [ईमेल संरक्षित] प्रेस विज्ञप्ति, प्रायोजित पोस्ट, पॉडकास्ट और अन्य विकल्पों के बारे में बात करने के लिए।

छवि क्रेडिट: शटरस्टॉक, पिकाबै, विकी कॉमन्स