Neuro-Symbolic AI:ମେସିନ୍ ଲର୍ନିଂ ଏବଂ ଲଜିକ୍ର ସନ୍ଧିକରଣ, ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI
Neuro-Symbolic AI କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା (AI) ଜଗତରେ ଦୁଇଟି ପ୍ରମୁଖ ପଦ୍ଧତି ବହୁ ପୂର୍ବରୁ ରହିଆସିଛି: ନ୍ୟୁରାଲ ନେଟୱାର୍କ-ଆଧାରିତ ଶିକ୍ଷା ଏବଂ ପ୍ରତୀକାତ୍ମକ ଯୁକ୍ତି ପ୍ରଣାଳୀ।
Neuro-Symbolic AI ତଥ୍ୟ + ଲଜିକ୍ = ସ୍ମାର୍ଟ ନିଷ୍ପତ୍ତି, ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI ବ୍ୟାଖ୍ୟା କରାଯାଇଛି
Neuro-Symbolic AI: କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା (AI) ଜଗତରେ ଦୁଇଟି ପ୍ରମୁଖ ପଦ୍ଧତି ବହୁ ପୂର୍ବରୁ ରହିଆସିଛି: ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କ-ଆଧାରିତ ଶିକ୍ଷା ଏବଂ ସାଙ୍କେତିକ ଯୁକ୍ତି ପ୍ରଣାଳୀ। ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କଗୁଡ଼ିକ ତଥ୍ୟରୁ ଶିକ୍ଷା ପଦ୍ଧତିରେ ପାରଙ୍ଗମ, ଯେତେବେଳେ ସାଙ୍କେତିକ AI ନିୟମ ଏବଂ ତର୍କ ଉପରେ ଆଧାରିତ ନିଷ୍ପତ୍ତି ନେଇଥାଏ। ବର୍ତ୍ତମାନ, ଏହି ଦୁଇଟିର ସଙ୍ଗମ ଏକ ନୂତନ ଦିଗକୁ ଜନ୍ମ ଦେଉଛି, ଯାହାକୁ ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI କୁହାଯାଏ। ଏହି ହାଇବ୍ରିଡ୍ ମଡେଲ୍ ଉତ୍ତମ, ସ୍ୱଚ୍ଛ ଏବଂ ନିର୍ଭରଯୋଗ୍ୟ ନିଷ୍ପତ୍ତି ନେବାରେ ସାହାଯ୍ୟ କରେ।
ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI କ’ଣ?
ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI ଦୁଇଟି ପ୍ରଯୁକ୍ତିର ମିଶ୍ରଣ:
ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କ – ଯାହା ବଡ଼ ତଥ୍ୟରୁ ଶିକ୍ଷା କରି ଢାଞ୍ଚାଗୁଡ଼ିକୁ ଚିହ୍ନିଥାଏ।
ସାଙ୍କେତିକ କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା – ଯାହା ନିୟମ, ତର୍କ ଏବଂ ସଂରଚିତ ଜ୍ଞାନ ଉପରେ ଆଧାରିତ।
ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କଗୁଡ଼ିକ “ଶିଖନ୍ତି,” କିନ୍ତୁ ସେମାନେ କାହିଁକି ନିଷ୍ପତ୍ତି ନେଇଥିଲେ ତାହା ବ୍ୟାଖ୍ୟା କରିବା ପ୍ରାୟତଃ କଷ୍ଟକର। ଅନ୍ୟପକ୍ଷରେ, ସାଙ୍କେତିକ AI ନିଷ୍ପତ୍ତି ବିଷୟରେ ସ୍ପଷ୍ଟ ଭାବରେ ଯୁକ୍ତି କରିପାରେ କିନ୍ତୁ ଜଟିଳ ତଥ୍ୟରୁ ଶିଖିବାରେ ସୀମିତ ହୋଇପାରେ। ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI ଉଭୟର ଶକ୍ତିକୁ ମିଶ୍ରଣ କରି ଏକ ସିଷ୍ଟମ୍ ସୃଷ୍ଟି କରେ ଯାହା ଉଭୟ ତଥ୍ୟରୁ ଶିଖିପାରିବ ଏବଂ ତାର୍କିକ ନିଷ୍ପତ୍ତି ନେଇପାରିବ।
ଏହା କିପରି ଭଲ ନିଷ୍ପତ୍ତି ନେଇଥାଏ?
୧. ତଥ୍ୟ + ଲଜିକ୍ ମିଶ୍ରଣ
ଧରନ୍ତୁ ଏକ ଡାକ୍ତରୀ AI ସିଷ୍ଟମ୍ ରୋଗୀ ରିପୋର୍ଟ ବିଶ୍ଳେଷଣ କରୁଛି।
ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କ ଏକ୍ସ-ରେ କିମ୍ବା ସ୍କାନରୁ ରୋଗର ଲକ୍ଷଣଗୁଡ଼ିକୁ ଚିହ୍ନଟ କରିପାରିବ।
ସାଙ୍କେତିକ ସିଷ୍ଟମ୍ ଡାକ୍ତରୀ ନିୟମ ଏବଂ ପ୍ରୋଟୋକଲ୍ ଉପରେ ଆଧାରିତ ନିଷ୍କର୍ଷ ବାହାର କରିପାରିବ।
ଯେତେବେଳେ ଦୁଇଟି ମିଶିଯାଏ, ନିଷ୍ପତ୍ତିଗୁଡ଼ିକ ଅଧିକ ସଠିକ୍ ଏବଂ ବ୍ୟାଖ୍ୟାଯୋଗ୍ୟ ହୋଇଯାଏ।
- ବ୍ୟାଖ୍ୟାଯୋଗ୍ୟତା
AI ସାମ୍ନାରେ ସବୁଠାରୁ ବଡ଼ ଚ୍ୟାଲେଞ୍ଜ ହେଉଛି “କଳା ବାକ୍ସ” ସମସ୍ୟା। କେତେକ ସମୟରେ ସିଷ୍ଟମ ସଠିକ୍ ଫଳାଫଳ ପ୍ରଦାନ କରେ, କିନ୍ତୁ ଯୁକ୍ତି ଅସ୍ପଷ୍ଟ ଥାଏ। ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ ମଡେଲଗୁଡ଼ିକ ନିୟମ-ଆଧାରିତ ଯୁକ୍ତିକୁ ଅନ୍ତର୍ଭୁକ୍ତ କରେ, ଯାହା ଏକ ନିଷ୍କର୍ଷରେ କିପରି ପହଞ୍ଚିଲା ତାହା ବ୍ୟାଖ୍ୟା କରିବା ସହଜ କରିଥାଏ। ଏହା ସ୍ୱାସ୍ଥ୍ୟସେବା, ଆଇନ ଏବଂ ଆର୍ଥିକ ଭଳି ସମ୍ବେଦନଶୀଳ କ୍ଷେତ୍ରରେ ବିଶ୍ୱାସ ବୃଦ୍ଧି କରେ।
- କମ୍ ତଥ୍ୟ ସହିତ ମଧ୍ୟ ଉତ୍ତମ କାର୍ଯ୍ୟଦକ୍ଷତା
ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କଗୁଡ଼ିକ ପ୍ରାୟତଃ ବଡ଼ ତଥ୍ୟ ସେଟ୍ ଆବଶ୍ୟକ କରେ। ତଥାପି, ଯଦି ସାଂକେତିକ ଜ୍ଞାନ (ଯେପରିକି ନିୟମ କିମ୍ବା ପୂର୍ବ-ପରିଭାଷିତ ଗଠନ) ଯୋଡାଯାଏ, ତେବେ କମ୍ ତଥ୍ୟ ସହିତ ମଧ୍ୟ ଉତ୍ତମ ଫଳାଫଳ ହାସଲ କରାଯାଇପାରିବ। ଏହା ବିଶେଷ ଭାବରେ ସେହି କ୍ଷେତ୍ରରେ ଉପଯୋଗୀ ଯେଉଁଠାରେ ତଥ୍ୟ ସୀମିତ, ଯେପରିକି ବିରଳ ରୋଗ କିମ୍ବା ବିଶେଷ ଆଇନଗତ ମାମଲା।
- ଜଟିଳ ସମସ୍ୟା ସମାଧାନ
କେବଳ ପ୍ୟାଟର୍ନ ଚିହ୍ନଟ ଦ୍ୱାରା କିଛି ସମସ୍ୟାର ସମାଧାନ କରାଯାଇପାରିବ ନାହିଁ। ଉଦାହରଣ ସ୍ୱରୂପ, ଗାଣିତିକ ଯୁକ୍ତି, ଆଇନଗତ ବ୍ୟାଖ୍ୟା, କିମ୍ବା ବୈଜ୍ଞାନିକ ଗବେଷଣା ପାଇଁ ତାର୍କିକ ଗଠନ ଆବଶ୍ୟକ ହୁଏ। ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI ଏହି ଜଟିଳ ଗଠନଗୁଡ଼ିକୁ ବୁଝିପାରେ କାରଣ ଏହା ଏକ ଯୁକ୍ତି ପ୍ରଣାଳୀ ଏବଂ ଏକ ଶିକ୍ଷଣ ମଡେଲ ଉଭୟକୁ ଅନ୍ତର୍ଭୁକ୍ତ କରେ।
ବାସ୍ତବ-ବିଶ୍ୱ ବ୍ୟବହାର
- ସ୍ୱାସ୍ଥ୍ୟସେବା
ଏହି ମଡେଲ୍ ରୋଗ ଚିହ୍ନଟ, ଔଷଧ ସୁପାରିଶ ଏବଂ ବିପଦ ବିଶ୍ଳେଷଣରେ ସଠିକ୍ ଏବଂ ସ୍ୱଚ୍ଛ ନିଷ୍ପତ୍ତି ପ୍ରଦାନ କରିପାରିବ।
- ଅର୍ଥ
ଜାଲିଆତି ଚିହ୍ନଟରେ, ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କ ସନ୍ଦେହଜନକ ପ୍ୟାଟର୍ନ ଚିହ୍ନଟ କରେ, ଯେତେବେଳେ ସାଙ୍କେତିକ ସିଷ୍ଟମଗୁଡ଼ିକ ନିୟମ ଉପରେ ଆଧାରିତ ସତର୍କତାକୁ ବୈଧ କରେ।
- ସ୍ୱୟଂଶାସିତ ଯାନ
ରାସ୍ତା ଦୃଶ୍ୟଗୁଡ଼ିକୁ ଚିହ୍ନଟ କରିବା ପାଇଁ ନ୍ୟୁରାଲ୍ ନେଟୱାର୍କ ବ୍ୟବହାର କରାଯାଏ, କିନ୍ତୁ ସାଙ୍କେତିକ ଯୁକ୍ତି ଟ୍ରାଫିକ୍ ନିୟମର ଅନୁପାଳନକୁ ନିଶ୍ଚିତ କରେ।
- ରୋବୋଟିକ୍ସ
ରୋବୋଟ୍ମାନଙ୍କୁ ସେମାନଙ୍କର ପରିବେଶକୁ ବୁଝିବା ପାଇଁ ଶିଖିବା ଆବଶ୍ୟକ, କିନ୍ତୁ କାର୍ଯ୍ୟ ନିର୍ବାହ ପାଇଁ ତାର୍କିକ ଯୋଜନା ଅତ୍ୟାବଶ୍ୟକ।
ଚ୍ୟାଲେଞ୍ଜଗୁଡ଼ିକ
ଯଦିଓ ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI ପ୍ରତିଶ୍ରୁତିପୂର୍ଣ୍ଣ, ଏହା କିଛି ଚ୍ୟାଲେଞ୍ଜର ସମ୍ମୁଖୀନ ହେଉଛି:
ଦୁଇଟି ସିଷ୍ଟମକୁ ଏକୀକୃତ କରିବା ବୈଷୟିକ ଭାବରେ ଜଟିଳ।
ନିୟମ ଏବଂ ତଥ୍ୟ ମଧ୍ୟରେ ସନ୍ତୁଳନ ରକ୍ଷା କରିବା ସହଜ ନୁହେଁ।
ଉଚ୍ଚ ଗଣନା ସମ୍ବଳ ଆବଶ୍ୟକ ହୋଇପାରେ।
ତଥାପି, ଗବେଷକମାନେ ଏହି କ୍ଷେତ୍ରରେ ସ୍ଥିର ଭାବରେ ଅଗ୍ରଗତି କରୁଛନ୍ତି।
ଭବିଷ୍ୟତ ଦିଗଦର୍ଶନ
AIର ଭବିଷ୍ୟତରେ ସ୍ୱଚ୍ଛତା ଏବଂ ନୀତିଶାସ୍ତ୍ର ଏକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ଭୂମିକା ଗ୍ରହଣ କରିବ। କେବଳ ସଠିକତା ଯଥେଷ୍ଟ ହେବ ନାହିଁ; ସିଷ୍ଟମଗୁଡ଼ିକୁ ସେମାନେ କିପରି ନିଷ୍ପତ୍ତି ନେଇଥିଲେ ତାହା ମଧ୍ୟ ବ୍ୟାଖ୍ୟା କରିବାକୁ ପଡିବ। ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI ଏହି ଦିଗରେ ଏକ ଦୃଢ଼ ପଦକ୍ଷେପ। ଏହା ମେସିନଗୁଡ଼ିକୁ “ଚିନ୍ତା” ଏବଂ “ବ୍ୟାଖ୍ୟା” କରିବାର କ୍ଷମତା ପ୍ରଦାନ କରେ। ଆଗାମୀ ବର୍ଷଗୁଡ଼ିକରେ ଶିକ୍ଷା, ବୈଜ୍ଞାନିକ ଗବେଷଣା ଏବଂ ସାର୍ବଜନୀନ ନୀତି ଭଳି କ୍ଷେତ୍ରରେ ଏହାର ବ୍ୟବହାର ବିସ୍ତାରିତ ହୋଇପାରେ। ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI ହେଉଛି ତଥ୍ୟ-ଚାଳିତ ଶିକ୍ଷଣ ଏବଂ ତାର୍କିକ ଯୁକ୍ତିର ଏକ ଅନନ୍ୟ ମିଶ୍ରଣ। ଏହା ନିଷ୍ପତ୍ତି ନେବାରେ କେବଳ ଅଧିକ ସଠିକ ନୁହେଁ, ବରଂ ଅଧିକ ସ୍ୱଚ୍ଛ ଏବଂ ବିଶ୍ୱସନୀୟ ମଧ୍ୟ ସାହାଯ୍ୟ କରେ। ଯେତେବେଳେ AI କେବଳ ପ୍ୟାଟର୍ନଗୁଡ଼ିକୁ ଚିହ୍ନଟ କରିବା ପରିବର୍ତ୍ତେ ନିୟମ ଏବଂ ଜ୍ଞାନ ଉପରେ ଆଧାରିତ ଚିନ୍ତା କରିବା ଆରମ୍ଭ କରେ, ସେତେବେଳେ ଏହା ମାନବ ନିଷ୍ପତ୍ତି ଗ୍ରହଣର ନିକଟତର ହୋଇପାରିବ। ଏହିପରି, ନ୍ୟୁରୋ-ସିମ୍ବଲିକ୍ AI ଉନ୍ନତ ନିଷ୍ପତ୍ତି ଗ୍ରହଣ ଦିଗରେ AI ବିକାଶର ପରବର୍ତ୍ତୀ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ ପଦକ୍ଷେପ ପ୍ରମାଣିତ ହୋଇପାରେ।
We’re now on WhatsApp. Click to join.
Like this post?
Register at One World News to never miss out on videos, celeb interviews, and best reads.
