कई लोगों के लिए "कृत्रिम बुद्धिमत्ता प्रणाली" वाक्यांश विभिन्न विज्ञान कथा फिल्मों और कृत्रिम बुद्धि का अनुकरण करने वाले वार्ताकार कार्यक्रमों के साथ जुड़ाव पैदा करता है। रोबोट हमारे समय में एक वास्तविकता बन गए हैं, और हर बार जब आप रोबोटिक्स को समर्पित एक और प्रदर्शनी खोलते हैं, तो आपको आश्चर्य होता है कि मानवता अपनी तकनीकी प्रगति में कितनी आगे बढ़ गई है।
आर्टिफिशियल इंटेलिजेंस की समस्या इस तथ्य से जुड़ी है कि, आम तौर पर स्वीकृत विचारों के अनुसार, मानव निर्मित दिमाग एक कंप्यूटर प्रक्रिया है, जिसके गुण मानव सोच से जुड़े होते हैं। हालाँकि, विज्ञान अभी भी ठीक से यह पता नहीं लगा सका है कि कोई व्यक्ति कैसा सोचता है और उसकी सोच क्या है। इसलिए कृत्रिम बुद्धि का निर्माण अब तक केवल सहज अनुमानों पर आधारित है।
इस बीच, आधुनिक सूचना प्रौद्योगिकी के विकास के लिए सबसे आशाजनक क्षेत्रों में से एक अनुप्रयुक्त तंत्रिका नेटवर्क का निर्माण बन गया है। क्या हैएक कृत्रिम तंत्रिका नेटवर्क (एएनएन) का प्रतिनिधित्व करता है? यह एक छोटा गणितीय मॉडल है जो जैविक न्यूरॉन्स के सिद्धांत पर काम करता है, कार्यात्मक रूप से एक प्रणाली में संयुक्त।
मानव निर्मित तंत्रिका नेटवर्क, या, जैसा कि उन्हें कृत्रिम बुद्धिमत्ता प्रणाली भी कहा जाता है, अक्सर अपूर्ण संख्या में डेटा या समस्याओं के साथ समस्याओं का समाधान खोजने के लिए उपयोग किया जाता है जिन्हें स्पष्ट रूप से औपचारिक रूप नहीं दिया जा सकता है।
पहला एएनएन 1958 में मनोवैज्ञानिक फ्रैंक रोसेनब्लैट की बदौलत सामने आया। इस छवि-आधारित प्रणाली ने मानव मस्तिष्क का अनुकरण किया और दृश्य डेटा को पहचानने का प्रयास किया। एएनएन ऑपरेशन का सिद्धांत संसाधित तत्वों के एक सेट के बीच संबंध बनाने पर आधारित है। प्रत्येक न्यूरॉन इनपुट पर बड़ी संख्या में सिग्नल प्राप्त करता है। यह भारित गुणांकों के अनुसार उनका विश्लेषण करता है और दूसरे न्यूरॉन में आने वाले व्यक्तिगत संकेत उत्पन्न करता है। सभी न्यूरॉन्स परतों में व्यवस्थित होते हैं और एक दूसरे के साथ संबंध रखते हैं। प्रत्येक परत इनपुट सिग्नल को संसाधित करती है और फिर अगली परत के लिए अपना स्वयं का उत्पन्न करती है। एएनएन का मुख्य लाभ स्वयं सीखने की क्षमता है।
आर्टिफिशियल इंटेलिजेंस सिस्टम के संचालन के लिए कई प्रोसेसर का उपयोग करना वांछनीय है, क्योंकि केवल एक कंप्यूटर का उपयोग करते समय, काम की गति काफ़ी कम हो जाती है। इस तरह के एएनएन का उपयोग वित्त के क्षेत्र में भाषण, हस्तलेखन के संश्लेषण और मान्यता के लिए किया जाता है, साथ ही जहां कहीं भी शक्तिशाली सूचना प्रवाह का विश्लेषण करने की आवश्यकता होती है।
आज लोकप्रिय न्यूरो-विशेषज्ञ प्रणालियां विशेष प्रणालियां हैंकृत्रिम बुद्धि, जिसका आधार ज्ञान का एक विशाल आधार है। यह कार्यों को हल करने के लिए आवश्यक कई सूचनाओं और विधियों को संग्रहीत करता है। डेटाबेस में एक स्व-शिक्षण एल्गोरिथम भी शामिल है जो प्रक्रियात्मक निर्णय मूल्यांकन डेटा पर निर्भर करता है।
किसी भी विशेषज्ञ प्रणाली का एक बहुत ही महत्वपूर्ण घटक उसका इंटरफ़ेस है। उसके लिए धन्यवाद, एक व्यक्ति डेटाबेस को नए डेटा से भर सकता है, तार्किक निष्कर्ष प्राप्त कर सकता है, आदि। संचित ज्ञान को लागू करके, ये सिस्टम उन कार्यों के लिए सही समाधान ढूंढ सकते हैं जो मानव क्षमताओं के लिए बहुत जटिल हैं। विशेषज्ञ प्रणालियों का उपयोग अक्सर सॉफ्टवेयर इंजीनियरिंग, सैन्य विज्ञान, भूविज्ञान, योजना, पूर्वानुमान, चिकित्सा और शिक्षा जैसे क्षेत्रों में किया जाता है।
हाल ही में यह ज्ञात हुआ कि Google 2029 तक एक नई कृत्रिम बुद्धि के लिए खोज प्रश्नों की प्रोसेसिंग प्रदान करना चाहता है। इसके अलावा, तकनीकी निदेशक आर कुर्ज़वील के शब्दों के अनुसार, एक नया बुद्धिमान खोज इंजन मानवीय भावनाओं को समझने में सक्षम होगा। क्या यह आश्चर्यजनक नहीं है? रोबोट अभी तक सोचना नहीं जानते हैं, लेकिन वे सीख सकते हैं। और आगे क्या होगा?..
