विषय
प्रश्न:
नए एमआईटी चिप्स तंत्रिका नेटवर्क के साथ कैसे मदद कर सकते हैं?
ए:
तंत्रिका नेटवर्क पर नए वैज्ञानिक कार्य उस बिंदु पर अपनी शक्ति और संसाधन आवश्यकताओं को कम कर सकते हैं जहां इंजीनियर अपनी शक्तिशाली क्षमताओं को उपकरणों के अधिक विविध सेटों में डाल सकते हैं।
यह हमारे जीवन में हर चीज पर बहुत बड़ा प्रभाव डाल सकता है, हम भोजन कैसे तैयार करते हैं, हम डॉक्टर के पास कैसे जाते हैं, या हम अपनी कारों या सार्वजनिक परिवहन का उपयोग कैसे करते हैं।
इस बारे में सोचें कि स्मार्टफ़ोन ने हमारे जीवन को कैसे बदल दिया - फिर मशीन सीखने और इन छोटे, पोर्टेबल उपकरणों में निर्मित कृत्रिम बुद्धिमत्ता प्रौद्योगिकियों के बारे में सोचें।
इस आधारभूत कार्य में से कुछ MIT में प्रदर्शन पर हैं, जहां कुछ इलेक्ट्रिकल इंजीनियरिंग और कंप्यूटर विज्ञान के छात्र AI / ML सिस्टम के डिजाइन और निर्माण को बेहतर बनाने के लिए देख रहे हैं।
विशेष रूप से, अभिषेक विश्वास, एक एमआईटी स्नातक छात्र और विभिन्न सहयोगियों के प्रयासों को प्रौद्योगिकी प्रेस में बहुत अधिक ध्यान मिल रहा है।
Techcrunch इस बारे में बात करता है कि तंत्रिका नेटवर्क विज्ञान का विकास कैसे "बढ़त पर कंप्यूटिंग" को बढ़ावा दे सकता है और पोर्टेबल बैटरी चालित उपकरणों में अधिक शक्तिशाली प्रौद्योगिकियां लगा सकता है।
फोर्ब्स का कहना है कि बिस्वास की सफलता "आपके ब्लेंडर के अंदर कृत्रिम बुद्धि डाल सकती है।"
सामान्य तौर पर, एमआईटी वैज्ञानिकों की प्रगति आंशिक रूप से लहरें बना रही है क्योंकि यह स्पष्ट है कि ये उपलब्धियां हमारे उपभोक्ता प्रौद्योगिकियों को कैसे प्रभावित कर सकती हैं, साथ ही साथ जो सरकार या व्यावसायिक उद्देश्यों के लिए उपयोग की जाती हैं।
अनिवार्य रूप से, बिस्वास का वर्णन करने वाले प्रोसेसर विकास का एक चिप वातावरण में सह-पता लगाने वाले कार्यों के साथ क्या करना है। एक साइंस डेली लेख में, लेखक बताता है कि कैसे अधिकांश पारंपरिक प्रोसेसर में मेमोरी होती है जो प्रसंस्करण क्षेत्र के बाहर संग्रहीत होती है, और डेटा को आगे और पीछे बंद कर दिया जाता है। हालांकि, संग्रहीत मेमोरी डेटा की आवाजाही के लिए यह बहुत अधिक शक्ति लेता है।
बिस्वास "डॉट उत्पाद" या कोर ऑपरेशन के बारे में बात करता है जो तंत्रिका नेटवर्क को काम करने में मदद करता है। ये वैज्ञानिक सिस्टम को सरल बनाने के लिए बाइनरी वेट के उपयोग पर भी विचार कर रहे हैं - और यह विचार वास्तव में कंप्यूटर विज्ञान का एक मौलिक हिस्सा रहा है क्योंकि पहले व्यक्तिगत कंप्यूटरों का आविष्कार किया गया था।
इस प्रकार के हार्डवेयर परिवर्तनों को बढ़ावा देकर, वैज्ञानिक मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस टूल्स के लिए अधिक बहुमुखी प्रतिभा प्रदान कर रहे हैं जो बदल रहे हैं कि हम प्रौद्योगिकियों का उपयोग कैसे करते हैं। विशुद्ध रूप से नियतात्मक रैखिक प्रोग्रामिंग से एक ऐसी प्रणाली की ओर बढ़ते हुए, जहां कंप्यूटर मानव मस्तिष्क की गतिविधि की नकल करते हैं, हमारी उंगलियों पर अधिक शक्तिशाली तकनीकों के साथ एक नए साहसिक कार्य को शुरू करने वाले थे।