𝟱 बुद्धिमत्तेच्या रचनेतून (Architecture of Intelligence) शिकण्यासारखे धडे

बुद्धिमत्ता म्हणजे सर्वत्र शोध घेणे नव्हे. तर कुठे शोध घ्यायचा नाही, हे जाणून घेणे होय.

अनेकांना वाटते की AI म्हणजे केवळ लार्ज लँग्वेज मॉडेल्स (large language models) आहेत. परंतु, अनिश्चिततेच्या परिस्थितीत प्रणाली (systems) निर्णय कसे घेतात, यातूनच बुद्धिमत्तेचा गाभा तयार होतो.

बुद्धिमत्तेच्या रचनेतून (architecture of intelligence) शिकण्यासारखे ५ धडे खालीलप्रमाणे आहेत:

  • १. गुंतागुंत कमी करण्यासाठी ह्युरिस्टिक्सचा (Heuristics) वापर करा BFS किंवा DFS सारखे 'ब्लाईंड सर्च अल्गोरिदम' (blind search algorithms) प्रत्येक पर्याय तपासतात. यामुळे वेळ वाया जातो. इंजिन निकामी झाल्यावर पायलट प्रत्येक स्विच चालू-बंद करून पाहत नाही. त्याऐवजी ते इंधन प्रवाह (fuel flow) किंवा दाब (pressure) यांसारख्या विशिष्ट संकेतांचा वापर करतात. AI मध्ये, आपण ह्युरिस्टिक वापरतो. ह्युरिस्टिक म्हणजे एक सुज्ञ अंदाज (educated estimate) होय. यामुळे चुकीच्या किंवा अशक्य मार्गांवर वेळ वाया घालवण्यापूर्वीच ते मार्ग वगळण्यास मदत होते.

  • २. A* द्वारे भूतकाळ आणि भविष्य यांचा समतोल साधा 'ग्रीडी सर्च' (Greedy search) केवळ ध्येयाकडे पाहतो. तो वेगवान असतो पण अनेकदा अपयशी ठरतो. 'युनिफॉर्म कॉस्ट सर्च' (Uniform Cost Search) केवळ तुम्ही आधीच खर्च केलेल्या गोष्टींकडे पाहतो. तो सुरक्षित असतो पण संथ असतो. A* अल्गोरिदम या दोन्ही गोष्टींचे मिश्रण करतो. तो आतापर्यंतचा खर्च आणि उर्वरित अंदाजित खर्च या दोन्हीचा विचार करतो. हा समतोल अधिक हुशार निर्णय घेण्यास मदत करतो.

  • ३. मर्यादांच्या (constraints) माध्यमातून समस्या सोडवा प्रत्येक समस्या ही केवळ एक मार्ग नसते. काही समस्या नियमांचे पालन करण्याशी संबंधित असतात. याला 'कन्स्ट्रेंट सॅटिस्फॅक्शन प्रॉब्लेम्स' (Constraint Satisfaction Problems) म्हणतात. सुडोकूचा (Sudoku) विचार करा. तुमच्याकडे व्हेरिएबल्स (variables), अनुमत मूल्ये (allowed values) आणि नियम असतात. तुम्हाला सर्व नियम एकाच वेळी पाळावे लागतात. बुद्धिमान प्रणाली 'बॅकट्रॅकिंग'चा (backtracking) वापर करून चुकीचे मार्ग त्वरित सोडून देतात. यामुळे मोठ्या प्रमाणात निरर्थक काम टाळता येते.

  • ४. अपेक्षित कामगिरीचे (expected performance) ध्येय ठेवा एक तर्कसंगत एजंट (rational agent) परिपूर्णतेचा शोध घेत नाही. तो त्याच्याकडे असलेल्या माहितीच्या आधारे सर्वोत्तम शक्य निर्णय घेण्याचा प्रयत्न करतो. आपण हे PEAS वापरून मोजतो: • Performance (कामगिरी): यश कसे मोजले जाते • Environment (वातावरण): एजंट ज्या जगात राहतो ते जग • Actuators (ॲक्ट्युएटर्स): एजंट कशा प्रकारे कृती करतो • Sensors (सेन्सर्स): एजंट कशा प्रकारे माहिती ग्रहण करतो

  • ५. तर्कशास्त्र (logic) आणि शिक्षण (learning) यांचा संगम करा 'सिम्बॉलिक AI' (Symbolic AI) तर्कसंगत आणि पारदर्शक असते, परंतु ती नाजूक (brittle) असते. 'जनरेटिव्ह AI' (Generative AI) लवचिक आणि सर्जनशील असते, परंतु ती एका 'ब्लॅक बॉक्स'सारखी कार्य करते. भविष्य अशा प्रणालींचे आहे ज्या या दोन्ही गोष्टी करू शकतात. त्यांना पॅटर्नसाठी 'न्यूरल नेटवर्क्स' (neural networks) आणि तर्कासाठी 'सिम्बॉलिक रिझनिंग' (symbolic reasoning) वापरावे लागेल.

सर्वात मोठा धडा हा आहे: अचूकता न गमावता गुंतागुंत कमी करण्याची कला म्हणजे बुद्धिमत्ता होय.

सर्व काही शोधणे थांबवा. जे महत्त्वाचे आहे ते शोधायला सुरुवात करा.

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

ऐच्छिक लर्निंग कम्युनिटी: https://t.me/GyaanSetuAi