लंदन: एक नए अध्ययन के अनुसार, जेनरेटिव एआई में हालिया प्रगति यह समझाने में मदद कर सकती है कि कैसे यादें हमें दुनिया के बारे में जानने, पुराने अनुभवों को फिर से जीने और कल्पना और योजना के लिए पूरी तरह से नए अनुभवों का निर्माण करने में सक्षम बनाती हैं। नेचर ह्यूमन बिहेवियर में प्रकाशित अध्ययन, एक एआई कम्प्यूटेशनल मॉडल का उपयोग करता है – जिसे जेनरेटिव न्यूरल नेटवर्क के रूप में जाना जाता है – यह अनुकरण करने के लिए कि मस्तिष्क में तंत्रिका नेटवर्क घटनाओं की एक श्रृंखला से कैसे सीखते हैं और याद करते हैं (प्रत्येक को एक साधारण दृश्य द्वारा दर्शाया जाता है)।
मॉडल में हिप्पोकैम्पस और नियोकोर्टेक्स का प्रतिनिधित्व करने वाले नेटवर्क दिखाए गए, ताकि यह जांच की जा सके कि वे कैसे बातचीत करते हैं। मस्तिष्क के दोनों हिस्से स्मृति, कल्पना और योजना के दौरान एक साथ काम करने के लिए जाने जाते हैं। विश्वविद्यालय में डॉक्टरेट के छात्र और मुख्य लेखक एलेनोर स्पेंस ने कहा, “एआई में उपयोग किए जाने वाले जेनरेटिव नेटवर्क में हालिया प्रगति से पता चलता है कि कैसे अनुभव से जानकारी निकाली जा सकती है ताकि हम एक विशिष्ट अनुभव को याद कर सकें और लचीले ढंग से कल्पना कर सकें कि नए अनुभव क्या हो सकते हैं।” कॉलेज लंदन (यूसीएल) इंस्टीट्यूट ऑफ कॉग्निटिव न्यूरोसाइंस।
स्पेंस ने कहा, “हम याद रखने को अवधारणाओं के आधार पर अतीत की कल्पना करने, कुछ संग्रहीत विवरणों को हमारी अपेक्षाओं के साथ जोड़ने के रूप में सोचते हैं कि क्या हुआ होगा।”
मनुष्य को जीवित रहने के लिए (उदाहरण के लिए खतरे से बचने के लिए या भोजन खोजने के लिए) भविष्यवाणियां करने की आवश्यकता है, और एआई नेटवर्क सुझाव देते हैं कि कैसे, और जब हम आराम करते समय यादों को दोहराते हैं, तो यह हमारे दिमाग को पिछले अनुभवों से पैटर्न चुनने में मदद करता है जिसका उपयोग किया जा सकता है ये भविष्यवाणियाँ. शोधकर्ताओं ने मॉडल में सरल दृश्यों की 10,000 छवियां प्रदर्शित कीं। हिप्पोकैम्पस नेटवर्क ने अनुभव के अनुसार प्रत्येक दृश्य को तेजी से एन्कोड किया। इसके बाद नियोकोर्टेक्स में जनरेटिव न्यूरल नेटवर्क को प्रशिक्षित करने के लिए इसने दृश्यों को बार-बार दोहराया।
नियोकॉर्टिकल नेटवर्क ने प्रत्येक दृश्य का प्रतिनिधित्व करने वाले हजारों इनपुट न्यूरॉन्स (न्यूरॉन्स जो दृश्य जानकारी प्राप्त करते हैं) की गतिविधि को न्यूरॉन्स की छोटी मध्यवर्ती परतों (सबसे छोटी जिसमें केवल 20 न्यूरॉन्स होते हैं) के माध्यम से पारित करना सीखा, ताकि दृश्यों को हजारों में गतिविधि के पैटर्न के रूप में फिर से बनाया जा सके। आउटपुट न्यूरॉन्स (न्यूरॉन्स जो दृश्य जानकारी की भविष्यवाणी करते हैं)।
इससे नियोकोर्टिकल नेटवर्क को उन दृश्यों के अत्यधिक कुशल “वैचारिक” निरूपण सीखने में मदद मिली जो उनके अर्थ को पकड़ते हैं (उदाहरण के लिए दीवारों और वस्तुओं की व्यवस्था) – जिससे पुराने दृश्यों के मनोरंजन और पूरी तरह से नए दृश्यों की पीढ़ी दोनों की अनुमति मिलती है।नतीजतन, हिप्पोकैम्पस हर एक विवरण को एनकोड करने के बजाय, उसे प्रस्तुत किए गए नए दृश्यों के अर्थ को एनकोड करने में सक्षम था, जिससे यह उन अद्वितीय विशेषताओं को एनकोड करने पर संसाधनों पर ध्यान केंद्रित करने में सक्षम हो गया, जिन्हें नियोकोर्टेक्स पुन: उत्पन्न नहीं कर सका – जैसे कि नए प्रकार की वस्तुएं।
मॉडल बताता है कि कैसे नियोकोर्टेक्स धीरे-धीरे वैचारिक ज्ञान प्राप्त करता है और कैसे, हिप्पोकैम्पस के साथ, यह हमें घटनाओं को हमारे दिमाग में पुनर्निर्माण करके “पुनः अनुभव” करने की अनुमति देता है। मॉडल यह भी बताता है कि कल्पना और भविष्य की योजना के दौरान नई घटनाएं कैसे उत्पन्न हो सकती हैं, और मौजूदा यादों में अक्सर “सार जैसी” विकृतियां क्यों होती हैं – जिसमें अद्वितीय विशेषताओं को सामान्यीकृत किया जाता है और पिछली घटनाओं की विशेषताओं की तरह याद किया जाता है।
