सिम्बॉलिक एआई क्या है? आपको जो कुछ भी जानना चाहिए।

आजकल जब लोग कृत्रिम बुद्धिमत्ता (AI) की बात करते हैं, तो चर्चा लगभग हमेशा ऐसे चैटबॉट पर केंद्रित हो जाती है जो इंसानों जैसी आवाज़ निकालते हैं, डेटा को प्रोसेस करने वाले विशाल न्यूरल नेटवर्क पर, या उन इमेज-रिकग्निशन सिस्टम पर जो थके हुए इंसानों से भी बेहतर बिल्लियों को पहचान लेते हैं। लेकिन इस चर्चा से बहुत पहले, सिंबॉलिक AI । और हैरानी की बात यह है कि यह आज भी मौजूद है, और उपयोगी भी है। मूल रूप से, यह कंप्यूटर को इंसानों की तरह तर्क करना सिखाने के बारे में है: प्रतीकों, तर्क और नियमों का । पुराने ज़माने की सोच? शायद। लेकिन "ब्लैक बॉक्स" AI के प्रति जुनूनी दुनिया में, सिंबॉलिक AI की स्पष्टता कुछ हद तक ताज़गी भरी लगती है [1]।

इस लेख के बाद आप ये लेख भी पढ़ सकते हैं:

🔗 एआई ट्रेनर क्या है?
आधुनिक एआई प्रशिक्षकों की भूमिका और जिम्मेदारियों की व्याख्या करता है।.

🔗 क्या डेटा साइंस की जगह एआई ले लेगा?
यह अध्ययन इस बात की पड़ताल करता है कि क्या एआई में हुई प्रगति डेटा साइंस से जुड़े करियर के लिए खतरा है।.

🔗 कृत्रिम बुद्धिमत्ता को जानकारी कहाँ से मिलती है?
यह लेख उन स्रोतों का विश्लेषण करता है जिनका उपयोग एआई मॉडल सीखने और अनुकूलन करने के लिए करते हैं।.

सिंबॉलिक एआई की मूल बातें ✨

बात ये है: प्रतीकात्मक कृत्रिम बुद्धिमत्ता स्पष्टता । आप तर्क को समझ सकते हैं, नियमों की जांच कर सकते हैं, और सचमुच देख सकते हैं क्यों कहा। इसकी तुलना एक ऐसे न्यूरल नेट से करें जो बस एक जवाब दे देता है - ये किसी किशोर से "क्यों?" पूछने और कंधे उचकाने जैसा है। इसके विपरीत, प्रतीकात्मक प्रणालियाँ कहेंगी: "क्योंकि A और B से C निहित है, इसलिए C।" स्वयं को समझाने की ये क्षमता उन महत्वपूर्ण मामलों (चिकित्सा, वित्त, यहाँ तक कि न्यायालय) के लिए निर्णायक साबित होती है जहाँ हमेशा सबूत मांगे जाते हैं [5]।

एक छोटी सी कहानी: एक बड़े बैंक की कंप्लायंस टीम ने प्रतिबंध नीतियों को एक रूल्स इंजन में शामिल कर दिया। जैसे: “यदि मूल देश ∈ {X} और लाभार्थी की जानकारी गायब है → मामले को आगे बढ़ाएं।” नतीजा? हर चिह्नित मामले के साथ एक स्पष्ट और आसानी से समझ में आने वाली तर्क श्रृंखला मौजूद थी। ऑडिटर्स को बहुत पसंद आया । यही सिंबॉलिक एआई की सबसे बड़ी खूबी है - पारदर्शी और जांच योग्य सोच ।

त्वरित तुलना तालिका 📊

प्रतीकात्मक एआई कैसे काम करता है (व्यवहार में) 🛠️

मूल रूप से, सिंबॉलिक एआई केवल दो चीजों से मिलकर बना है: प्रतीक (अवधारणाएं) और नियम (वे अवधारणाएं कैसे आपस में जुड़ती हैं)। उदाहरण:

• प्रतीक: कुत्ता , जानवर , पूंछ है

• नियम: यदि X एक कुत्ता है → X एक जानवर है।

यहां से, आप तर्क की श्रृंखला बनाना शुरू कर सकते हैं - जैसे डिजिटल लेगो के टुकड़े। क्लासिक विशेषज्ञ प्रणालियों ने तथ्यों को त्रिक (विशेषता-वस्तु-मूल्य) में भी संग्रहीत किया और लक्ष्य-निर्देशित नियम दुभाषिया का [1]।

प्रतीकात्मक कृत्रिम बुद्धिमत्ता के वास्तविक जीवन के उदाहरण 🌍

1. MYCIN - संक्रामक रोगों के लिए चिकित्सा विशेषज्ञ प्रणाली। नियम-आधारित, स्पष्टीकरण-अनुकूल [1]।

2. डेंड्रल - प्रारंभिक रसायन विज्ञान एआई जिसने स्पेक्ट्रोमेट्री डेटा से आणविक संरचनाओं का अनुमान लगाया [2]।

3. गूगल नॉलेज ग्राफ - संस्थाओं (लोग, स्थान, चीजें) + उनके संबंधों को मैप करना ताकि "चीजें, स्ट्रिंग नहीं" प्रश्नों का उत्तर दिया जा सके [3]।

4. नियम-आधारित बॉट - ग्राहक सहायता के लिए स्क्रिप्टेड प्रवाह; निरंतरता के लिए ठोस, खुली बातचीत के लिए कमजोर।

प्रतीकात्मक कृत्रिम बुद्धिमत्ता क्यों लड़खड़ा गई (लेकिन खत्म नहीं हुई) 📉➡️📈

सिंबॉलिक एआई की कमजोरी यहीं पर सामने आती है: अव्यवस्थित, अपूर्ण और विरोधाभासी वास्तविक दुनिया। नियमों का एक विशाल आधार बनाए रखना थका देने वाला होता है, और कमजोर नियम इतने जटिल हो सकते हैं कि वे टूट जाएं।.

फिर भी - यह पूरी तरह से कभी खत्म नहीं हुआ। न्यूरो-सिम्बॉलिक एआई : न्यूरल नेट (धारणा में कुशल) को सिंबॉलिक लॉजिक (तर्क में कुशल) के साथ मिलाना। इसे एक रिले टीम की तरह समझें: न्यूरल भाग स्टॉप साइन को पहचानता है, फिर सिंबॉलिक भाग यातायात कानून के तहत इसका अर्थ समझता है। यह संयोजन अधिक स्मार्ट और व्याख्या योग्य [4][5]।

प्रतीकात्मक कृत्रिम बुद्धिमत्ता की खूबियाँ 💡

• पारदर्शी तर्क : आप हर कदम का पालन कर सकते हैं [1][5].

• विनियमन-अनुकूल : नीतियों और कानूनी नियमों के साथ स्पष्ट रूप से मेल खाता है [5].

• मॉड्यूलर रखरखाव : आप पूरे राक्षस मॉडल को पुनः प्रशिक्षित किए बिना एक नियम को बदल सकते हैं [1]।

प्रतीकात्मक कृत्रिम बुद्धिमत्ता की कमजोरियाँ ⚠️

• धारणा के मामले में बेहद खराब : चित्र, ऑडियो, अव्यवस्थित पाठ - यहाँ तंत्रिका तंत्र हावी रहता है।

• स्केलिंग की परेशानियाँ : विशेषज्ञ नियमों को निकालना और अपडेट करना थकाऊ है [2]।

• कठोरता : नियम अपने क्षेत्र से बाहर टूट जाते हैं; अनिश्चितता को पकड़ना मुश्किल है (हालांकि कुछ प्रणालियों ने आंशिक समाधान निकाल लिए हैं) [1]।

प्रतीकात्मक एआई के लिए आगे का रास्ता 🚀

भविष्य शायद पूरी तरह से प्रतीकात्मक या पूरी तरह से तंत्रिका तंत्र पर आधारित नहीं होगा। यह संकर होगा। कल्पना कीजिए:

1. न्यूरल → कच्चे पिक्सल/टेक्स्ट/ऑडियो से पैटर्न निकालता है।

2. न्यूरो-सिम्बॉलिक → पैटर्न को संरचित अवधारणाओं में परिवर्तित करता है।

3. प्रतीकात्मक → नियम, प्रतिबंध लागू करता है, और फिर - महत्वपूर्ण रूप से - व्याख्या करता है ।

यह वह चक्र है जहाँ मशीनें मानव तर्क से मिलती-जुलती हैं: देखें, संरचना, न्यायसंगत ठहराएँ [4][5]।.

समापन 📝

तो, सिंबॉलिक एआई: यह तर्क-संचालित, नियम-आधारित, स्पष्टीकरण-तैयार है। दिखावटी नहीं, लेकिन यह कुछ ऐसा हासिल करता है जो डीप नेट अभी भी नहीं कर सकते: स्पष्ट, ऑडिट करने योग्य तर्क । स्मार्ट दांव? ऐसी प्रणालियाँ जो दोनों पक्षों से उधार लेती हैं - धारणा और पैमाने के लिए न्यूरल नेट, तर्क और विश्वास के लिए सिंबॉलिक [4][5]।

मेटा डिस्क्रिप्शन: सिंबॉलिक एआई की व्याख्या - नियम-आधारित प्रणालियाँ, खूबियाँ/कमियाँ, और न्यूरो-सिंबॉलिक (तर्क + मशीन लर्निंग) ही आगे का रास्ता क्यों है।

हैशटैग:
#आर्टिफिशियलइंटेलिजेंस 🤖 #सिंबॉलिकएआई 🧩 #मशीनलर्निंग #न्यूरोसिंबॉलिकएआई ⚡ #टेक्नोलॉजीएक्सप्लेन्ड #नॉलेजरिप्रेजेंटेशन #एआईइनसाइट्स #फ्यूचरऑफएआई

संदर्भ

[1] बुकानन, बीजी, और शॉर्टलिफ, ईएच, नियम-आधारित विशेषज्ञ प्रणालियाँ: स्टैनफोर्ड ह्यूरिस्टिक प्रोग्रामिंग प्रोजेक्ट के MYCIN प्रयोग , अध्याय 15. पीडीएफ

[2] लिंडसे, आर.के., बुकानन, बी.जी., फीगेनबाम, ई.ए., और लेडरबर्ग, जे. “डेन्ड्रल: वैज्ञानिक परिकल्पना निर्माण के लिए पहले विशेषज्ञ प्रणाली का एक केस स्टडी।” आर्टिफिशियल इंटेलिजेंस 61 (1993): 209–261. पीडीएफ

[3] गूगल. “नॉलेज ग्राफ का परिचय: चीजें, स्ट्रिंग्स नहीं।” आधिकारिक गूगल ब्लॉग (16 मई, 2012). लिंक

[4] मोनरो, डी. “न्यूरोसिम्बॉलिक एआई।” कम्युनिकेशन्स ऑफ द एसीएम (अक्टूबर 2022)। डीओआई

[5] साहो, बी., एट अल. “उच्च जोखिम वाले निर्णय लेने में व्याख्या योग्य कृत्रिम बुद्धिमत्ता की भूमिका: एक समीक्षा।” पैटर्न्स (2023). पबमेड सेंट्रल. लिंक