कृत्रिम बुद्धिमत्तेचा नवा टप्पा: यान लेकन यांच्या 'वर्ल्ड मॉडेल्स'द्वारे मानवासारखी स्वायत्त यंत्रे

कृत्रिम बुद्धिमत्तेच्या (Artificial Intelligence) क्षेत्रात सध्या एक नाव मोठ्या चर्चेत आहे, ते म्हणजे यान लेकन (Yann LeCun). मेटा (Meta) संस्थेतील एआय संशोधनाचे प्रमुख म्हणून कार्यरत असलेले लेकन यांनी आपल्या 'अ पाथ टुवर्ड्स ऑटोनॉमस मशीन इंटेलिजन्स' या शोधनिबंधाद्वारे एआयच्या भविष्याबद्दल एक नवी दृष्टी मांडली आहे. आजची यंत्रे जरी महाकाय डेटावर प्रक्रिया करून अचूक उत्तरे देत असली, तरी त्यांमध्ये मानवाप्रमाणे 'सामान्य ज्ञान' (Common Sense) आणि भविष्यातील परिस्थितीचा अंदाज घेण्याची क्षमता अजूनही मर्यादित आहे. लेकन यांचा हा प्रबंध या त्रुटी भरून काढण्यासाठी एक रोडमॅप सादर करतो, जो यंत्रांना केवळ एक 'डेटा प्रोसेसर' न ठेवता त्यांना स्वायत्त (Autonomous) बनवण्यावर भर देतो.

मानवी मेंदू आणि यंत्रांची कार्यपद्धती यामध्ये मोठा फरक आहे. एक लहान मूल अवघ्या काही तासांत गुरुत्वाकर्षणाचे नियम किंवा वस्तूंच्या हालचाली समजून घेते, ज्यासाठी सध्याच्या एआय मॉडेल्सना हजारो तासांचा प्रशिक्षण डेटा लागतो. लेकन यांच्या मते, ही विसंगती दूर करण्यासाठी आपल्याला 'वर्ल्ड मॉडेल्स' (World Models) विकसित करणे गरजेचे आहे. वर्ल्ड मॉडेल म्हणजे अशी एक यंत्रणा, जी जगाचे नियम स्वतःहून शिकते आणि भविष्यात काय घडेल याचा अंदाज लावते. जेव्हा एखादी यंत्रणा स्वतःच्या चुकांमधून आणि जगाच्या भौतिक नियमांतून शिकते, तेव्हाच ती खऱ्या अर्थाने स्वायत्त होऊ शकते.

या ध्येयप्राप्तीसाठी लेकन यांनी 'एनर्जी-बेस्ड मॉडेल्स' (Energy-Based Models - EBM) ही संकल्पना मांडली आहे. ही संकल्पना समजून घेताना एखाद्या बॉलच्या हालचालीची कल्पना करा; तो नेहमी कमी ऊर्जेच्या स्थितीत राहण्याचा प्रयत्न करतो. तसेच, एआय मॉडेलने अशा प्रकारे प्रशिक्षित केले पाहिजे की, जे योग्य आहे त्याला ते 'कमी ऊर्जा' देईल आणि जे चुकीचे आहे त्याला 'जास्त ऊर्जा' देईल. यालाच 'एनर्जी मिनिमायझेशन' असेही म्हटले जाते. याद्वारे यंत्राला कोणता निर्णय योग्य आणि कोणता चुकीचा, हे नैसर्गिकरीत्या समजते. हे तंत्रज्ञान पारंपारिक 'सुपरवाईज्ड लर्निंग'पेक्षा वेगळे आहे, कारण त्यात प्रत्येक गोष्टीसाठी मानवी हस्तक्षेपाची किंवा लेबलिंगची गरज नसते.

जॉइंट एम्बेडिंग आर्किटेक्चर (Joint Embedding Architecture) हे लेकन यांच्या सिद्धांताचा कणा आहे. सध्याचे एआय मॉडेल्स पूर्ण प्रतिमेचे किंवा मजकुराचे पुनर्निर्माण (Reconstruction) करण्यावर भर देतात, ज्यामध्ये खूप ऊर्जा आणि वेळ वाया जातो. त्याऐवजी, जॉइंट एम्बेडिंग पद्धतीत माहितीतील महत्त्वाचे पैलू ओळखून त्यांचे सादरीकरण (Representation) केले जाते. यामुळे यंत्राला मोठ्या प्रमाणात येणाऱ्या कच्च्या डेटाचा अर्थ लावणे सोपे जाते. लेकन यांच्या मते, भविष्यातील स्वायत्त यंत्रे एकाच वेळी निरीक्षण करणे, अंदाज वर्तवणे आणि त्यानुसार कृती करणे (Action) अशा तीन स्तरांवर कार्यरत असतील.

तंत्रज्ञानाचा विचार करताना एक प्रश्न वारंवार येतो, तो म्हणजे मानवाचे स्थान काय? लेकन स्पष्ट करतात की, हे मॉडेल मानवाच्या जागी येण्यासाठी नाही, तर मानवी बुद्धिमत्तेला अधिक चांगल्या प्रकारे समजून घेण्यासाठी आणि जटिल कार्ये स्वयंचलित करण्यासाठी आहे. तार्किक विचार करणे (Reasoning) आणि नियोजन करणे (Planning) हे अजूनही एआयसाठी मोठे आव्हान आहे. सध्याची यंत्रे जरी बुद्धिमान वाटत असली, तरी ती केवळ सांख्यिकीय मॉडेल (Statistical Models) आहेत. खरा बदल तेव्हा येईल, जेव्हा यंत्रे स्वतःच्या प्रेरणेने (Intrinsic Motivation) कार्य करतील, ज्याप्रमाणे मानवी प्राणी आपल्या कुतूहलापोटी नवनवीन गोष्टी शिकतात.

निष्कर्षतः, यान लेकन यांचा हा प्रबंध एआय क्षेत्रातील एक मैलाचा दगड आहे. स्वायत्त मशीन इंटेलिजन्सकडे जाण्याचा मार्ग सुलभ करण्यासाठी आपल्याला केवळ अल्गोरिदम सुधारून चालणार नाही, तर यंत्रांना जगाचे आकलन करून घेण्याची 'दृष्टी' द्यावी लागेल. ही प्रक्रिया दीर्घ आणि आव्हानात्मक असली तरी, भविष्यात अशी यंत्रे अस्तित्वात येतील जी मानवाप्रमाणेच विचार करून, परिस्थितीनुसार स्वतः निर्णय घेण्यास सक्षम असतील. एआयचे हे पुढचे पाऊल तंत्रज्ञानाच्या इतिहासात मानवाच्या प्रगतीला एक नवीन दिशा देणारे ठरेल.

LABELS: Artificial Intelligence, Yann LeCun, Autonomous Machines, Deep Learning, World Models, Technology Trends, Research Analysis, Machine Learning, Future Tech.

SEARCH DESCRIPTION: An in-depth analysis of Yan Lekan's paper 'A Path Towards Autonomous Machine Intelligence'. A detailed look at how AI machines will become autonomous in the future.

HASHTAGS: #AI #ArtificialIntelligence #YannLeCun #FutureTech #AutonomousMachines #DeepLearning #TechNews #MarathiTech #WorldModels #Innovation #Research #Science