इंसानों की तरह, दुनिया को तर्क देना व समझना चाहता है, न्यूरो-सिम्बोलिक ए आई

रामपुर में, आर्टिफ़िशियल इंटेलिजेंस (ए आई) धीरे-धीरे रोज़मर्रा की जिंदगी का हिस्सा बन रहा है, जो हमारे दैनिक जीवन के विभिन्न पहलुओं में दक्षता और सुविधा ला रहा है। ग्राहक सेवा को बेहतर बनाने के लिए, स्थानीय व्यवसायों में ए आई का उपयोग किया जा रहा है, जैसे कि चैटबॉट(Chatbot) के माध्यम से, जो प्रश्नों का उत्तर देते हैं और खरीदारी करने में सहायता करते हैं। इसके अतिरिक्त, ए आई, छात्रों को व्यक्तिगत शिक्षण अनुभव प्रदान करके शैक्षिक उपकरणों को बढ़ा रहा है, जिससे उन्हें अपने हिसाब से सीखने में मदद मिल रही है। ए आई में सबसे रोमांचक प्रगति में से एक, न्यूरो-सिम्बोलिक ए आई(Neuro-Symbolic AI) है, जो एक ऐसा क्षेत्र है, जो प्रतीकात्मक तर्क के साथ तंत्रिका नेटवर्क(Neural networks) की शक्ति को जोड़ता है। इस दृष्टिकोण का उद्देश्य, ऐसी मशीनें बनाना है जो न केवल डेटा से सीखें, बल्कि, इंसानों की तरह दुनिया को तर्क दे और समझ सकें। चूंकि, रामपुर ए आई को एकीकृत करना जारी रखता है, यह दैनिक जीवन को स्मार्ट, तेज़ और अधिक संयुक्त बनाने का वादा करता है। आज, हम न्यूरो-सिम्बोलिक आर्टिफ़िशियल इंटेलिजेंस की उत्पत्ति पर चर्चा करेंगे। फिर, हम न्यूरो-सिम्बोलिक ए आई के प्राथमिक उद्देश्यों का पता लगाएंगे। इसके बाद, हम न्यूरो-सिम्बोलिक ए आई के वास्तविक अनुप्रयोगों की जांच करेंगे। अंत में, हम बताएंगे कि, न्यूरो-सिम्बोलिक ए आई क्या है। न्यूरो-सिम्बोलिक कृत्रिम बुद्धिमत्ता की उत्पत्ति-
न्यूरो सिम्बोलिक ए आई की उत्पत्ति का पता, कृत्रिम बुद्धिमत्ता के युग से लगाया जा सकता है। सिम्बोलिक या प्रतीकात्मक काल, 1950 से 1980 के दशक तक फ़ैला था। यह प्रतीकात्मक तर्क पर केंद्रित प्रारंभिक ए आई अन्वेषण का काल था। जनरल प्रॉब्लम सॉल्वर(General Problem Solver) और लॉजिक थियोरिस्ट(Logic Theorist) जैसी प्रणालियां, मनुष्यों की समस्या-समाधान क्षमताओं को दोहराने के लिए विकसित की गईं। इन प्रणालियों ने कर्तव्यों को पूरा करने के लिए, तार्किक सोच और नियमों को नियोजित किया। आवश्यक व्यापक ज्ञान आधार और वास्तविक दुनिया की परिवर्तनशीलता के कारण, हालांकि उसे बाधाओं का सामना करना पड़ा।
•1980 और 2010: 
तंत्रिका नेटवर्क का उद्भव एवं कम्प्यूटेशनल क्षमताओं और एल्गोरिथम(Algorithm) में प्रगति से प्रेरित नेटवर्क में पुनरुत्थान ने, ए आई अनुसंधान को डेटा-केंद्रित दृष्टिकोण की ओर पुनर्निर्देशित किया। बैकप्रॉपैगेशन(Backpropagation) जैसी तकनीकों द्वारा नेटवर्क प्रशिक्षण में सुधार किया गया, जिससे उन्हें जटिल कार्यों और व्यापक डेटासेट का प्रबंधन करने की अनुमति मिली।
फिर भी, तंत्रिका नेटवर्क को अक्सर व्याख्यात्मकता में कठिनाइयों का सामना करना पड़ता है। चुनौतियां तब उत्पन्न होती हैं, जब कर्तव्यों के लिए तर्क की आवश्यकता होती है।
2010 से वर्तमान तक, तंत्रिका दृष्टिकोण के लाभों के संयोजन में रुचि बढ़ रही है। शोधकर्ताओं ने ऐसे ढांचे और मॉडल विकसित किए हैं, जो अधिक मज़बूत और समझने योग्य ए आई सिस्टम बनाने के लिए तर्क को नेटवर्क के साथ जोड़ते हैं। इस समामेलन का उद्देश्य, प्रत्येक दृष्टिकोण की शक्तियों को पूंजी रूप में प्रयोग करने के साथ-साथ, उनकी कमियों को भी दूर करना है। न्यूरो-सिम्बोलिक या तंत्रिका–प्रतीकात्मक ए आई के प्राथमिक उद्देश्य-
1. अधिक जटिल समस्याओं का समाधान करना।
2. किसी एक विशिष्ट कार्य के बजाय, काफ़ी कम डेटा के साथ विभिन्न कार्य करना सीखना।
3. ऐसे निर्णय और व्यवहार अपनाना, जो समझने योग्य हों और हमारी क्षमता के भीतर हों।
4. आज के ए आई सिस्टम को प्रशिक्षित करने के लिए, आवश्यक डेटा का पैमाना बहुत बड़ा है। जब एक मानव मस्तिष्क कुछ उदाहरणों से सीख सकता है, तो ए आई, इंजीनियरों को ए आई एल्गोरिथम में, हज़ारों उदाहरण इनपुट करने होंगे। तंत्रिका-प्रतीकात्मक ए आई सिस्टम को, अन्य तरीकों के लिए आवश्यक केवल 1% डेटा के साथ प्रशिक्षित किया जा सकता है।
5. न्यूरो–सिम्बोलिक ए आई अनुसंधान में, स्वायत्त प्रणालियों के विकास में सहायता करने की क्षमता है, जो बाहरी इनपुट के बिना कार्यों को पूरा कर सकती है। यह औद्योगिक घटनाओं या प्राकृतिक आपदाओं जैसी गंभीर स्थितियों में सबसे महत्वपूर्ण है।
यह ए आई एक ऐसी तकनीक है, जो नेटवर्क की डेटा-संचालित सीखने की प्रक्रियाओं को ए आई के तर्क और नियम-आधारित सिस्टम के साथ जोड़ती है।
न्यूरो-सिम्बोलिक ए आई प्रणाली के प्राथमिक घटक -
1. तंत्रिका नेटवर्क
2. प्रतीकात्मक तर्क इंजन
3. एकीकरण परत(Integration Layer): यह घटक, एक हाइब्रिड आर्किटेक्चर(Hybrid architecture) बनाने के लिए, प्रतीकात्मक तर्क इंजन और तंत्रिका नेटवर्क को एकजुट करता है। यह प्रतीकात्मक और तंत्रिका अभ्यावेदन को मैप करता है और दो तत्वों के बीच संचार की सुविधा प्रदान करता है।
4. ज्ञानकोष
5. स्पष्टीकरण जेनरेटर
6. उपयोगकर्ता इंटरफ़ेस(User Interface): यह एक घटक है, जो मानव उपयोगकर्ताओं को न्यूरो-सिम्बोलिक ए आई सिस्टम से इनपुट उत्पन्न करने और आउटपुट प्राप्त करने में सक्षम बनाता है।
न्यूरो-सिम्बोलिक ए आई के वास्तविक अनुप्रयोग-
१.बड़ी मात्रा में डेटा का विश्लेषण और व्याख्या करना-
न्यूरो-सिम्बोलिक ए आई अमूर्त अवधारणाओं को संसाधित कर सकता है और निगमनात्मक निर्णय ले सकता है। इसमें प्रयुक्त तंत्रिका नेटवर्क, मानव मस्तिष्क के तर्क की “नकल” करते हैं और डेटा से सीख सकते हैं।
२.स्वायत्त वाहनों में निर्णय लेना-
निर्णय लेने तथा पारदर्शिता और सुरक्षा में सुधार के लिए, स्वायत्त वाहनों में न्यूरो-सिम्बोलिक ए आई का लाभ उठाया जा सकता है। यह तंत्रिका नेटवर्क की पैटर्न पहचान क्षमताओं को, प्रतीकात्मक ए आई के नियम-आधारित तर्क के साथ जोड़ता है, जिससे वाहनों को अपने कार्यों की “व्याख्या” करने में, सक्षम बनाया जाता है।
३.कानूनी दस्तावेज़ विश्लेषण को स्वचालित करना-
तंत्रिका नेटवर्क की प्राकृतिक भाषा प्रसंस्करण क्षमताओं को, प्रतीकात्मक तर्क के नियम-आधारित तर्क के साथ जोड़कर, न्यूरो-सिम्बोलिक ए आई का उपयोग स्वचालित कानूनी दस्तावेज़ विश्लेषण और अनुबंध समीक्षा के लिए किया जा सकता है।
४.संकट प्रबंधन के लिए, परिणामों का अनुकरण और प्रतिक्रियाएं सुझाना-
संकट प्रबंधन में बड़े व अक्सर अराजक डेटासेट की व्याख्या करना शामिल है। यह एक ऐसा कार्य है, जिसके लिए तंत्रिका नेटवर्क उपयुक्त हैं। साथ ही, औपचारिक निर्णय लेने वाले ढांचे और आकस्मिक योजनाओं को लागू करना, एक कार्य प्रतीकात्मक ए आई के लिए उपयुक्त है। न्यूरो-सिम्बोलिक ए आई संभावित परिणामों का अनुकरण करने और वास्तविक समय डेटा को एकीकृत करके, रणनीतिक प्रतिक्रियाओं का सुझाव देने के लिए इन जटिलताओं को नेविगेट कर सकता है।
५.नैदानिक सटीकता में सुधार-
मेडिकल निदान में, न्यूरो-सिम्बोलिक ए आई का लाभ उठाया जा सकता है। तंत्रिका नेटवर्क के पैटर्न की पहचान को प्रतीकात्मक ए आई के तर्क के साथ जोड़कर, यह नैदानिक सटीकता और व्याख्या में सुधार कर सकता है। न्यूरो-सिम्बोलिक ए आई क्या है?
न्यूरो-सिम्बोलिक ए आई, एक उभरता हुआ क्षेत्र है, जो कृत्रिम बुद्धिमत्ता के दो अलग-अलग क्षेत्रों से मेल खाता है। यह तंत्रिका नेटवर्क – जो डीप लर्निंग(Deep learning) का मूल है और प्रतीकात्मक ए आई – जो तर्क-आधारित और ज्ञान-आधारित प्रणालियों को शामिल करता है, से मेल खाता है। इस तालमेल को उनकी संबंधित कमज़ोरियों को दूर करने के लिए एवं प्रत्येक दृष्टिकोण की ताकत को पूंजीकृत करने के लिए डिज़ाइन किया गया है। इससे ऐसी ए आई सिस्टम तैयार होती है, जो मानव जैसे तर्क के साथ तर्क कर सके और सीखने के माध्यम से नई परिस्थितियों के अनुकूल हो सके।
न्यूरो-सिम्बोलिक ए आई का उद्देश्य ऐसे मॉडल बनाना है, जो प्रतीकों को समझ सकें और उनमें हेरफ़ेर कर सकें, जो मानव मस्तिष्क की तरह संस्थाओं, रिश्तों और अमूर्तताओं का प्रतिनिधित्व करते हैं। ये मॉडल उन कार्यों में माहिर हैं, जिनके लिए गहरी समझ और तर्क की आवश्यकता होती है, जैसे कि – प्राकृतिक भाषा प्रसंस्करण, जटिल निर्णय लेना और समस्या समाधान।
न्यूरो-सिम्बोलिक ए आई का तंत्रिका घटक, बड़ी मात्रा में असंरचित डेटा से सीखने के लिए डेटा-संचालित दृष्टिकोण का उपयोग करते हुए, धारणा और अंतर्ज्ञान पर केंद्रित है। 
तंत्रिका नेटवर्क, छवि और वाक् पहचान जैसे कार्यों में असाधारण हैं, जहां वे ऐसे पैटर्न और बारीकियों की पहचान कर सकते हैं, जिन्हें स्पष्ट रूप से कोड(Code) नहीं किया गया है। दूसरी ओर, इसके प्रतीकात्मक घटक, संरचित ज्ञान, तर्क और नियमों से संबंधित है। यह अपने निर्णयों के लिए तर्क करने और स्पष्टीकरण उत्पन्न करने के लिए, ज्ञान के डेटाबेस और नियम-आधारित प्रणालियों का लाभ उठाता है।
इन दो घटकों के बीच परस्पर क्रिया, वह जगह है, जहां न्यूरो-प्रतीकात्मक ए आई चमकता है। उदाहरण के लिए, यह एक जटिल छवि की व्याख्या करने के लिए, तंत्रिका नेटवर्क का उपयोग कर सकता है और फिर छवि की सामग्री के बारे में सवालों के जवाब देने, या उसके भीतर वस्तुओं के बीच संबंधों का अनुमान लगाने के लिए, प्रतीकात्मक तर्क लागू कर सकता है।

संदर्भ 
https://tinyurl.com/bdepww9k
https://tinyurl.com/yc2juw3m
https://tinyurl.com/bddsjk62
https://tinyurl.com/bddsjk62
https://tinyurl.com/bddsjk62

चित्र संदर्भ

1. लोगों के साथ बात करती हुई सोफ़िया नामक रोबोट को संदर्भित करता एक चित्रण (wikimedia)
2. मनुष्य के हाथ का स्पर्श लेते एक रोबोटिक हाथ को संदर्भित करता एक चित्रण (Pexels)
3. 3 अलग-अलग आरंभिक बिंदुओं के लिए ग्रेडिएंट अवरोहण के चित्रण को संदर्भित करता एक चित्रण (wikimedia)
4. ट्यूरिंग परीक्षण को संदर्भित करता एक चित्रण (wikimedia)
5. कृत्रिम बुद्धिमत्ता के एक उपसमूह के रूप में मशीन लर्निंग को संदर्भित करता एक चित्रण (wikimedia)