𝟱 𝗟𝗲𝘀𝘀𝗼𝗻𝘀 𝗳𝗿𝗼𝗺 𝘁𝗵𝗲 𝗔𝗿𝗰𝗵𝗶𝘁𝗲𝗰𝘁𝘂𝗿𝗲 𝗼𝗳 𝗜𝗻𝘁𝗲𝗹𝗹𝗶𝗴𝗲𝗻𝗰𝗲

બુદ્ધિના આર્કિટેક્ચર (Architecture of Intelligence) માંથી ૫ પાઠ

બુદ્ધિ એટલે બધે જ શોધવું એ નથી. બુદ્ધિ એટલે ક્યાં શોધવું નહીં તે જાણવું એ છે.

ઘણા લોકો માને છે કે AI માત્ર લાર્જ લેંગ્વેજ મોડલ્સ (large language models) વિશે જ છે. પરંતુ બુદ્ધિનો મુખ્ય સાર એ છે કે અનિશ્ચિતતાની સ્થિતિમાં સિસ્ટમ્સ કેવી રીતે નિર્ણયો લે છે.

બુદ્ધિના આર્કિટેક્ચર (architecture of intelligence) માંથી અહીં ૫ પાઠ છે:

    1. જટિલતા ઘટાડવા માટે Heuristics નો ઉપયોગ કરો BFS અથવા DFS જેવા બ્લાઈન્ડ સર્ચ અલ્ગોરિધમ્સ (blind search algorithms) દરેક વિકલ્પની તપાસ કરે છે. આનાથી સમયનો બગાડ થાય છે. જ્યારે એન્જિન નિષ્ફળ જાય ત્યારે પાઇલટ દરેક સ્વિચ નથી દબાવતો. તેઓ ઇંધણનો પ્રવાહ (fuel flow) અથવા દબાણ (pressure) જેવા ચોક્કસ સંકેતોનો ઉપયોગ કરે છે. AI માં, આપણે heuristic નો ઉપયોગ કરીએ છીએ. Heuristic એ એક શિક્ષિત અંદાજ (educated estimate) છે. તે તમને સમય બગાડ્યા વગર અશક્ય માર્ગોને દૂર કરવામાં મદદ કરે છે.
    1. A* સાથે ભૂતકાળ અને ભવિષ્ય વચ્ચે સંતુલન જાળવો Greedy search માત્ર લક્ષ્ય પર ધ્યાન આપે છે. તે ઝડપી છે પરંતુ ઘણીવાર નિષ્ફળ જાય છે. Uniform Cost Search માત્ર તમે જે ખર્ચ કર્યો છે તેના પર ધ્યાન આપે છે. તે સુરક્ષિત છે પરંતુ ધીમું છે. A* અલ્ગોરિધમ આ બંનેનું મિશ્રણ કરે છે. તે અત્યાર સુધી કાવેલા ખર્ચ (cost already traveled) અને બાકી રહેલા અંદાજિત ખર્ચ (estimated cost remaining) બંનેને ધ્યાનમાં લે છે. આ સંતુલન વધુ સ્માર્ટ નિર્ણયો લેવામાં મદદ કરે છે.
    1. નિયંત્રણો (constraints) દ્વારા સમસ્યાઓ ઉકેલો દરેક સમસ્યા એ માત્ર એક માર્ગ નથી. કેટલીક સમસ્યાઓ નિયમોનું પાલન કરવા વિશે હોય છે. આને Constraint Satisfaction Problems કહેવામાં આવે છે. સુડોકુ (Sudoku) વિશે વિચારો. તમારી પાસે ચલ (variables), માન્ય કિંમતો (allowed values) અને નિયમો હોય છે. તમારે એકસાથે તમામ નિયમોનું પાલન કરવું પડે છે. બુદ્ધિશાળી સિસ્ટમ્સ અમાન્ય માર્ગોને તરત જ છોડી દેવા માટે backtracking નો ઉપયોગ કરે છે. આનાથી બિનજરૂરી કામનો મોટો જથ્થો બચી જાય છે.
    1. અપેક્ષિત પ્રદર્શન (expected performance) માટે લક્ષ્ય રાખો એક તર્કસંગત એજન્ટ (rational agent) સંપૂર્ણતા નથી શોધતો. તે જે જાણે છે તેના આધારે શ્રેષ્ઠ શક્ય નિર્ણય લેવાનો પ્રયાસ કરે છે. આપણે આને PEAS દ્વારા માપીએ છીએ: • Performance: સફળતા કેવી રીતે માપવામાં આવે છે • Environment: એજન્ટ જે દુનિયામાં રહે છે તે • Actuators: એજન્ટ કેવી રીતે કાર્ય કરે છે • Sensors: એજન્ટ કેવી રીતે અનુભવે છે (perceives)
    1. તર્ક (logic) ને લર્નિંગ (learning) સાથે જોડો Symbolic AI તાર્કિક અને પારદર્શક છે પરંતુ નાજુક (brittle) છે. Generative AI લવચીક અને સર્જનાત્મક છે પરંતુ તે 'બ્લેક બોક્સ' (black box) ની જેમ કામ કરે છે. ભવિષ્ય એવા સિસ્ટમ્સનું છે જે આ બંને કરી શકે છે. તેમણે પેટર્ન માટે neural networks અને તર્ક માટે symbolic reasoning નો ઉપયોગ કરવો જોઈએ.

સૌથી મોટો પાઠ આ છે: બુદ્ધિ એ ચોકસાઈ ગુમાવ્યા વિના જટિલતા ઘટાડવાની કળા છે.

બધું જ શોધવાનું બંધ કરો. જે મહત્વનું છે તે શોધવાનું શરૂ કરો.

સ્ત્રોત: https://dev.to/wolfof420street/beyond-blind-search-5-powerful-lessons-from-the-architecture-of-intelligence-21ma

વૈકલ્પિક લર્નિંગ કોમ્યુનિટી: https://t.me/GyaanSetuAi