प्रत्येक एएनएन में तीन घटक होते हैं: नोड्स, किनारे और वजन। | फोटो साभार: 6690img/अनस्प्लैश
कृत्रिम तंत्रिका नेटवर्क (एएनएन) नामक मशीन-लर्निंग मॉडल ने दुनिया में तूफान ला दिया है, लुप्तप्राय भाषाओं को पुनर्जीवित करने से लेकर दवा की खोज में तेजी लाने तक के क्षेत्रों को बदल दिया है।
प्रत्येक एएनएन में तीन घटक होते हैं: नोड्स, किनारे और वजन। वैज्ञानिकों ने मूल रूप से मानव मस्तिष्क के सीखने के व्यवहार की नकल करने के लिए एएनएन को डिज़ाइन किया था। नोड्स न्यूरॉन्स की तरह व्यवहार करते हैं: सरल कंप्यूटर जो इनपुट सिग्नल स्वीकार करते हैं, इसे किसी तरह से हेरफेर करते हैं, और आउटपुट सिग्नल वितरित करते हैं। नोड्स के बीच के कनेक्शन को किनारे कहा जाता है और वे सिनैप्स की नकल करते हैं।
लेकिन नोड्स और किनारों के विपरीत, वजन पूरी तरह से गणितीय रूप से मौजूद होते हैं। वज़न एक किनारे की ताकत को दर्शाता है। वजन जितना अधिक होगा, उस किनारे पर प्रसारित सिग्नल उतने ही मजबूत होंगे और गंतव्य नोड उन पर उतना ही अधिक ध्यान देगा। जब कोई एएनएन नई जानकारी ‘सीखता’ है, तो यह अंतिम परिणाम को और बेहतर बनाने के लिए अनिवार्य रूप से विभिन्न किनारों के वजन को समायोजित करता है।
हाल ही में, ओपन सोर्स इनिशिएटिव (ओएसआई) ने “ओपन सोर्स एआई” की एक विवादास्पद परिभाषा जारी की। ओपन-सोर्स प्रतिमान पारदर्शिता का एक मॉडल है जबकि ओएसआई की परिभाषा उस डेटा को छिपाने की अनुमति देती है जिस पर एएनएन ट्रेन करता है। यह कई संदर्भों में चिंता का विषय है लेकिन कुछ में, मेडिकल एआई की तरह, डेटा छिपाना आवश्यक है।
इस अंतर को पाटने के लिए, सुरक्षा शोधकर्ता ब्रूस श्नीयर प्रस्तावित किया है ओएसआई की परिभाषा का नाम बदलकर “ओपन सोर्स वेट” कर दिया जाए: जिससे एएनएन का वेट ओपन सोर्स होता है लेकिन उसका प्रशिक्षण डेटा नहीं। निहितार्थ यह है कि “ओपन सोर्स वेट” वाला एएनएन अभी भी यह बताएगा कि यह डेटा को प्रकट किए बिना इनपुट डेटा को कैसे संसाधित करता है।
यह बहस एआई में वज़न की महत्वपूर्ण भूमिका को दर्शाती है।
प्रकाशित – 17 नवंबर, 2024 10:23 पूर्वाह्न IST
