DeepMind AlphaGeometry क्या है?

AI के लिए यह एक रोमांचक समय है। 2022 के अंत में ChatGPT के लॉन्च के बाद से AI उद्योग ने ऐसी यात्रा शुरू की है जो तेज़ी से हमारे रहने और काम करने के तरीके बदल रही है। Google, Microsoft, Meta, Apple और Amazon जैसी बड़ी तकनीकी कंपनियाँ इस चल रही AI क्रांति में अहम भूमिका निभा रही हैं। अपने विशाल बजट, कंप्यूटिंग संसाधनों और प्रतिभा के दम पर ये कंपनियाँ AI दौड़ में आगे रहने के प्रयास में लगातार अत्याधुनिक शोध को आगे बढ़ा रही हैं।

अब तक, 2024 में, OpenAI के Sora के अलावा, संभवतः सबसे महत्वपूर्ण AI प्रगति DeepMind का AlphaGeometry रही है। DeepMind द्वारा डिज़ाइन किया गया, जो Google की सामान्य प्रयोजन AI विकसित करने वाली शाखा है, AlphaGeometry एक अभिनव AI प्रणाली है जो जटिल ज्यामिति समस्याओं को हल करने के लिए एक न्यूरल भाषा मॉडल और एक प्रतीकात्मक निष्कर्षण इंजन को संयोजित करती है। इस मॉडल को ज्यामिति के लिए ओलंपियाड-स्तरीय AI प्रणाली के रूप में चित्रित किया गया है और यह गणित के विभिन्न क्षेत्रों में सामान्यीकरण कर सकने वाली उन्नत AI प्रणालियाँ बनाने के दीर्घकालिक लक्ष्य में एक महत्वपूर्ण योगदान का प्रतिनिधित्व करता है।

इस लेख में, हम आपको AlphaGeometry से परिचित कराएँगे। हम AlphaGeometry के पीछे की प्रेरणाओं, यह कैसे काम करता है, और इसके सबसे प्रासंगिक उपयोग मामलों का विश्लेषण करेंगे। अंत में, हम AI शोध के भविष्य पर AlphaGeometry के निहितार्थों पर कुछ संकेतों के साथ समाप्त करेंगे।

AlphaGeometry क्या है?

AlphaGeometry जटिल ज्यामिति को सुलझाने के लिए बनाया गया अगली पीढ़ी का AI सिस्टम है। यह प्रणाली तार्किक तर्क के लिए एक नए डिज़ाइन दृष्टिकोण को अपनाती है, जो इसे ज्यामिति-संबंधित कार्यों में अत्याधुनिक परिणामों से आगे निकलने में सक्षम बनाता है।

इस प्रकार, OpenAI के ChatGPT और Google के Gemini जैसे सामान्य प्रयोजन AI मॉडलों के विपरीत, AlphaGeometry एक डोमेन-विशिष्ट AI मॉडल है।

कोड और मॉडल, साथ ही सिंथेटिक डेटा जनरेशन और प्रशिक्षण में उपयोग की गई शोधन विधियाँ (अगले अनुभाग में देखें), ओपन-सोर्स लाइसेंस के तहत जारी किए गए हैं।

AlphaGeometry के प्रदर्शन का परीक्षण करने के लिए, Google DeepMind के शोधकर्ताओं ने 2000 से 2022 के बीच की इंटरनेशनल मैथमेटिकल ओलंपियाड (IMO) की लगातार संस्करणों से संकलित ज्यामिति समस्याओं का एक बेंचमार्किंग सेट तैयार किया।

IMO एक वार्षिक प्रतियोगिता है जो दुनिया भर के प्रतिभाशाली हाई-स्कूल छात्रों को, ज्यामिति सहित, गणितीय समस्याएँ सुलझाने के लिए एकत्र करती है।

AlphaGeometry प्रतियोगिता की समय-सीमा के भीतर चुने गए 30 में से 25 प्रश्न हल करने में सक्षम रहा, जिससे यह पिछले AI सिस्टमों के अत्याधुनिक परिणामों से आगे निकल गया और मानव स्वर्ण पदक विजेताओं के औसत स्कोर के करीब पहुँच गया, जैसा कि निम्नलिखित चित्र में दिखाया गया है। बेंचमार्किंग परीक्षण की रूपरेखा और परिणाम Nature में प्रकाशित एक समर्पित पेपर में उपलब्ध हैं।

स्रोत: Google

AlphaGeometry कैसे काम करता है?

AlphaGeometry की सफलता की कुंजी इसके (ज्यामितीय) समस्या-समाधान के हाइब्रिड दृष्टिकोण में निहित है। जबकि आधुनिक बड़े भाषा मॉडल (LLMs), जैसे OpenAI का ChatGPT और Google का Gemini, पैटर्न पहचानने में अच्छे हैं, वे अक्सर सटीक तर्क नहीं कर पाते।

Google DeepMind इस सीमा को दूर करने की कोशिश करता है, एक न्यूरल भाषा मॉडल को बीजगणितीय और ज्यामितीय तर्क में विशेषज्ञता रखने वाले प्रतीकात्मक निष्कर्षण इंजन के साथ संयोजित करके। न्यूरल भाषा मॉडल तेज़, सहज विचार और समाधान प्रदान करने में मदद करता है। इसके विपरीत, औपचारिक तर्क कथनों पर आधारित प्रतीकात्मक मॉडल, जिन्हें आसानी से समझाया और सत्यापित किया जा सकता है, पहले मॉडल द्वारा लौटाए गए प्रारंभिक विचारों के आधार पर अधिक सुविचारित, तार्किक निर्णय देता है।

यह बेहतर समझने के लिए कि AlphaGeometry कैसे काम करता है, हमें पहले IMO की ज्यामिति समस्याओं की प्रकृति समझनी होगी। ये समस्याएँ आरेखों पर आधारित होती हैं, जिन्हें हल करने से पहले उनमें नए ज्यामितीय संरचनाएँ—जैसे बिंदु, रेखाएँ और वृत्त—जोड़ी जानी पड़ती हैं।

जब AlphaGeometry इनमें से किसी समस्या का सामना करता है, तो वह सबसे पहले अपने भाषा मॉडल का उपयोग करके अनंत संभावनाओं में से यह भविष्यवाणी करता है कि कौन-सी नई संरचनाएँ जोड़ना सबसे उपयोगी होगा। ये संकेत खाली जगहों को भरने में मदद करते हैं और प्रतीकात्मक इंजन को आरेख के बारे में आगे के निष्कर्ष निकालने और समाधान के करीब पहुँचने की अनुमति देते हैं। पूरा प्रक्रिया नीचे दर्शाई गई है:

स्रोत: Google

यह अभिनव दोहरा दृष्टिकोण AlphaGeometry को न केवल उपयोगी संरचनाओं की भविष्यवाणी करने देता है, बल्कि अपने निर्णयों को समझाने और मान्य करने में भी सक्षम बनाता है।

सिंथेटिक डेटा का उपयोग

AlphaGeometry के विकास के दौरान सबसे बड़ी चुनौतियों में से एक प्रशिक्षण प्रक्रिया थी। ज्यामितीय वस्तुओं के भीतर की विशेषताओं और संबंधों (जैसे, स्थान, दूरी, आकृति, सापेक्ष स्थितियाँ) को मशीन-पठनीय प्रारूप में अनुवाद करना एक जटिल कार्य है, क्योंकि ज्यामिति-विशिष्ट प्रोग्रामिंग भाषाएँ संकीर्ण रूप से परिभाषित हैं और वे उन मानवीय प्रमाणों को समाहित करने में संघर्ष करती हैं जो ज्यामिति के दायरे से परे के उपकरणों, जैसे जटिल संख्याओं, से प्राप्त होते हैं।

यह स्थिति एक डेटा बाधा पैदा करती है जो ज्यामिति उद्देश्यों के लिए मशीन लर्निंग तकनीकों के उपयोग में रुकावट डालती है।

इस सीमा को दूर करने के लिए, Google DeepMind के शोधकर्ताओं ने एक नया तरीका विकसित किया जो समानांतर कंप्यूटिंग तकनीकों का उपयोग करके सिंथेटिक प्रशिक्षण डेटा का विशाल भंडार उत्पन्न करता है—जिसमें 10 करोड़ अद्वितीय ज्यामितीय आरेख शामिल हैं। हमारे अलग लेख में देखें सिंथेटिक डेटा क्या है।

इसके बाद इस प्रशिक्षण डेटा का उपयोग मॉडल द्वारा सभी विशेषताओं और संबंधों, साथ ही ज्यामितीय प्रमेयों और उनके संबंधित प्रमाणों को सीखने के लिए किया गया—वह भी मानव प्रदर्शन के बिना। सिंथेटिक डेटा जनरेशन प्रक्रिया निम्न चित्र में दर्शाई गई है:

स्रोत: Nature

सिंथेटिक डेटा की व्यापक उपलब्धता AlphaGeometry के भाषा मॉडल को नई ज्यामिति समस्याओं का सामना करते समय नई संरचनाओं के लिए अच्छे सुझाव देने में सक्षम बनाती है।

AI शोध के भविष्य के लिए AlphaGeometry का क्या अर्थ है?

AlphaGeometry एक शोध मॉडल है, जिसे विशेष रूप से अमूर्त ज्यामितीय समस्याओं को हल करने के लिए डिज़ाइन किया गया है। अपने अभूतपूर्व प्रदर्शन के बावजूद, AlphaGeometry को केवल IMO प्रश्नों से निपटने के लिए प्रशिक्षित किया गया है (और उसका भी केवल एक हिस्सा, क्योंकि IMO परीक्षणों में गणित के अन्य क्षेत्रों—जैसे बीजगणित, संख्या सिद्धांत और संयोजनशास्त्र—की समस्याएँ भी शामिल होती हैं)।

AlphaGeometry का उद्देश्य उन विधाओं में योगदान देना नहीं है जहाँ ज्यामिति की मौलिक भूमिका होती है, जैसे वास्तुकला, अभियांत्रिकी और कला। बल्कि, यह इस बात का एक आशाजनक उदाहरण है कि भविष्य की AI प्रणालियों में तर्क क्षमता बढ़ाने के लिए न्यूरल भाषा और प्रतीकात्मक मॉडलों को कैसे संयोजित किया जा सकता है।

बड़े पैमाने पर सिंथेटिक डेटा उत्पन्न करने के नए दृष्टिकोणों का विकास, जैसा कि AlphaGeometry के प्रशिक्षण के दौरान प्रदर्शित किया गया, हमें AI शोध की इस नई सीमा के काफ़ी करीब ला रहा है।

अंतिम लक्ष्य ऐसी नई पीढ़ी की AI प्रणालियाँ बनाना है जो मौजूदा बड़े भाषा मॉडलों की सीमाओं और कमियों को पार कर सकें। यह नए मॉडलों को उन्नत तर्क और समस्या-समाधान कौशल से लैस करके संभव होगा, जो गणित के क्षेत्रों के पार और उससे आगे ज्ञान का सामान्यीकरण करने में मदद कर सकें।

और जानें

हमें उम्मीद है कि आपको DeeMind AlphaGeometry पर यह लेख पसंद आया होगा। हम AI क्रांति की बस शुरुआत में हैं, जो तेज़ी से हमारी दुनिया बदल रही है। दाँव ऊँचे हैं, इसलिए नवीनतम विकासों के साथ बने रहना महत्वपूर्ण है।

DataCamp आपको AI क्रांति में मार्गदर्शन करने में मदद करने के लिए कड़ी मेहनत कर रहा है। जनरेटिव AI पर हमारे समर्पित लेख और पाठ्यक्रम देखें।

• AI Fundamentals स्किल ट्रैक
• Generative AI Concepts कोर्स
• 2024 में AI शून्य से कैसे सीखें: एक संपूर्ण विशेषज्ञ गाइड
• Python में OpenAI API चीट शीट
• LLaMA 2 का फाइन-ट्यूनिंग: बड़े भाषा मॉडल को कस्टमाइज़ करने की चरण-दर-चरण गाइड
• Mistral 7B ट्यूटोरियल: Mistral 7B का उपयोग और फाइन-ट्यून करने की चरण-दर-चरण गाइड
• GPT 3.5 को फाइन-ट्यून कैसे करें: AI की पूरी क्षमता अनलॉक करें