কিভাবে বিশ্বের মডেলগুলি মানবিক সাধারণ বুদ্ধিমত্তার ভিত্তি স্থাপন করেছে

একটি এআই কল্পনা করুন যা একটি সিমুলেশন শহরে বাস করে - ট্র্যাফিক ন্যাভিগেশন, ভার্চুয়াল দুর্যোগে প্রতিক্রিয়া এবং ডিজিটাল নাগরিকদের সাথে যোগাযোগ করে।

এটি শুধুমাত্র একটি বিজ্ঞান ফিক্স গেম থেকে কল্পনাশীল পরিস্থিতি নয়; এটি উন্নত "বিশ্ব মডেলগুলির" উদাহরণ, অভ্যন্তরীণ সিমুলেশন যা AI মডেলগুলি জটিল পরিবেশগুলি বুঝতে, পূর্বাভাস করতে এবং পরিচালনা করতে ব্যবহার করতে পারে।

বিশ্ব মডেল কি?

তাদের কেন্দ্রে, বিশ্বের মডেলগুলি অভ্যন্তরীণ প্রতিনিধিগুলি যা একটি এআইকে ভবিষ্যতের ফলাফল, টেস্ট হাইপোথিস এবং কৌশলগতভাবে আচরণ পরিকল্পনা করার অনুমতি দেয়। ধারণাটি নিউরোজাইন্সের গভীর গঠন রয়েছে, যেভাবে মানুষ এবং প্রাণীরা তাদের অভিজ্ঞতার ভিত্তিতে ফলাফলগুলি পূর্বাভাস করে - একটি ঘটনা ব্যাপকভাবে পূর্বাভাস প্রক্রিয়াকরণ হিসাবে গবেষণা করা হয়। মূলত, যেমন মানুষ স্মৃতি এবং পরিস্থিতি প্রক্রিয়াকরণ করতে স্বপ্ন দেখায়, এআইগুলি কর্মগুলি পরিকল্পনা এবং তাদের পূর্বাভাসগুলি উন্নত করতে "স্বপ্ন" করে। উদ

২০২০ সালে একটি বিস্ময়কর চিঠি প্রকাশিত হয়।"বিশ্ব মডেল" ডেভিড হা এবং Jürgen Schmidhuberএই মডেলগুলি সহজ পরিসংখ্যানগত পূর্বাভাসগুলি অতিক্রম করে, তাদের মানসিক বিশ্বের সাথে সক্রিয়ভাবে জড়িত হওয়ার অনুমতি দেয় যেগুলি জটিল কারণ ও প্রভাব সম্পর্কগুলি পূর্বাভাস করতে পারে।

Among the most advanced examples of this approach are the Dreamer agents developed by DeepMind. DreamerV2 introduced the idea of learning a compressed internal model of the environment, a simplified abstraction of the external world that helps the AI simulate and plan. With this internal model, agents can develop policies, which are general decision-making strategies, such as always turning right at a maze junction. These policies are trained not through direct interaction, but by imagining possible futures inside a latent space, an internal simulation that strips away unnecessary detail to focus on key decision-making dynamics. This dramatically improved efficiency, allowing agents to master complex tasks with far fewer real-world interactions. More recently, স্বপ্ন ৩একটি একক সেট হাইপারপ্যারামিটার ব্যবহার করে একটি বিস্তৃত বৈচিত্র্য এবং পরিবেশগুলিতে শক্তিশালী কর্মক্ষমতা প্রদর্শন করে - কীভাবে শেখার অ্যালগরিদম আচরণ পরিচালনা করে তা নিয়ন্ত্রণ করার মূল সেটিং সেটিংস।

টেস্ট বিছানা হিসেবে ভিডিও গেম

ভিডিও গেমগুলি এই বিশ্বের মডেলগুলি উন্নত করার জন্য একটি আদর্শ পরিবেশ সরবরাহ করে. গেমগুলি গঠনমূলক কিন্তু খোলা চূড়ান্ত ডিজিটাল জায়গাগুলি সরবরাহ করে যা বাস্তব বিশ্বের চ্যালেঞ্জগুলি সিমুলেশন করার জন্য যথেষ্ট জটিল কিন্তু কঠোর পরীক্ষা করার জন্য যথেষ্ট পরিচালিত।মাইনিংএর ব্লক-ভিত্তিক মহাবিশ্ব এআইগুলি সম্পদ সংগ্রহ থেকে উন্নত নির্মাণ পর্যন্ত কাজ শিখতে দেয়, সাধারণ সমস্যা সমাধান দক্ষতা বিকাশ করে যা আশ্চর্যজনকভাবে বাস্তব বিশ্বের পরিস্থিতিতে অনুবাদ করে।

আরেকটি উল্লেখযোগ্য উদাহরণ হলোনিউরন, OpenAI দ্বারা উন্নত. এই সিস্টেমটি প্রতিযোগিতামূলক এআই এজেন্টদের দ্বারা সম্পূর্ণরূপে বসবাস করা বিশাল মাল্টি-প্লেয়ার বিশ্বগুলি উত্পাদন করে. এই এজেন্টদের বেঁচে থাকতে হবে, সহযোগিতা করতে হবে এবং জটিল ইকো সিস্টেমগুলির মধ্যে প্রতিযোগিতা করতে হবে, যাতে তাদের অভ্যন্তরীণ বিশ্বের মডেলগুলি নমনীয় কৌশলগত ইন্টারফেসগুলি মোকাবেলা করতে পারে।শিখতে শক্তিশালী(MARL), একটি সাবফিল যে কিভাবে এজেন্টগুলি আলাদাভাবে শিখতে না, কিন্তু অন্যান্য এজেন্টদের সাথে এবং তাদের সাথে প্রতিক্রিয়া হিসাবে।

MARL এর সবচেয়ে আকর্ষণীয় গবেষণার একটি হলOpenAI এর লুকানো এবং অনুসন্ধান পরীক্ষাএকটি সহজ ভার্চুয়াল পরিবেশে মৌলিক সরঞ্জাম এবং চলমান বস্তুগুলির সাথে, এজেন্টগুলি হাইডার এবং অনুসন্ধানকারীদের মধ্যে বিভক্ত করা হয়েছিল। প্রাথমিকভাবে, হাইডাররা মৌলিক আশ্রয়স্থলগুলি নির্মাণ করার জন্য দেয়াল এবং বক্সগুলি ব্যবহার করতে শিখেছিলেন। প্রতিক্রিয়া হিসাবে, অনুসন্ধানকারীরা এই আশ্রয়স্থলগুলি প্রবেশ করার জন্য র্যাম্পগুলি ব্যবহার করার ক্ষমতা বিকশিত করেছিলেন। হাইডারগুলি তারপর এজেন্টগুলির মধ্যে সংশ্লিষ্টতা এবং প্রতিস্থাপনের চক্রের মাধ্যমে মিলিয়ন প্রশিক্ষণ ইভেন্টের মাধ্যমে স্বাভাবিকভাবে উপস্থিত হয়।

এই নতুন জটিলতা ডাইনামিক বিশ্বের মডেলগুলির সাথে সংযুক্ত করে MARL এর ক্ষমতা দেখায়: যখন এজেন্টগুলি সমৃদ্ধ, ইন্টারেক্টিভ পরিবেশে অন্তর্ভুক্ত হয় এবং অন্যদের সাথে বিরোধী বা সম্পূরক লক্ষ্যগুলির সাথে প্রভাবিত হয়, আশ্চর্যজনকভাবে সৃজনশীল কৌশলগুলি উপস্থিত হতে পারে। অনুরূপভাবে, নিউরাল এমএমওতে, এজেন্টগুলি মেমরি, কৌশলগত পরিকল্পনা, স্থানীয়তা এবং এমনকি প্রাথমিক সামাজিক আচরণ বিকাশ করে। এই এজেন্টগুলি এমন আচরণগুলি বিকাশ করার জন্য বলা হয়নি, বরং তাদের বিশ্বের কাঠামো এবং অন্যান্য এজেন্টের উপস্থিতি এটি উৎসাহ

High-Stakes সিনেমা সিমুলেশন: ডিজিটাল Epidemiology

যদিও গেমগুলি আইটি প্রশিক্ষণের জন্য উত্তেজনাপূর্ণ পরিবেশগুলি সরবরাহ করে, বিশ্ব মডেলের ক্ষমতাগুলি জটিল বাস্তব জগতের অ্যাপ্লিকেশনগুলিতে প্রসারিত হয় যেমন আবিষ্কৃতিক সিমুলেশনগুলি। COVID-19 প্যান্ডেমিক্সের সময়, কম্পিউটার মডেলিং ভাইরাসের বিস্তার পূর্বাভাস এবং হস্তক্ষেপ কৌশলগুলি পরীক্ষা করার ক্ষেত্রে মূল্যবান প্রমাণিত হয়।

যেমন ইপিসি এবংNetLogoইতিমধ্যে বিস্তারিত আক্রান্ত মডেল তৈরি করতে সক্ষম হতে পারে। যাইহোক, এই সিমুলেশনগুলি উন্নত আইটি সিস্টেমগুলির সাথে যুক্ত করা, যা বাস্তব সময়ের ইন্টারফেসের ক্ষমতা তৈরি করে, একটি আরও সমৃদ্ধ বিশ্লেষণ সরঞ্জাম তৈরি করে। গবেষকরা গতিশীল পরিস্থিতিগুলি চালাতে পারে, লকডাউন, ওষুধগুলি বা সামাজিক দূরত্বের নির্দেশাবলীগুলির মতো হস্তক্ষেপগুলি পরীক্ষা করতে পারে। বিশ্ব মডেল প্রশিক্ষণ দ্বারা চালিত হলে, আইটি সিস্টেমগুলি অভ্যন্তরীণভাবে এই হস্তক্ষেপগুলি অসাধারণ দক্ষতার সাথে সিমুলেশন করতে সক্ষম, সময় এবং জনসংখ্যার উপর তাদের কাস

বিশ্ব মডেল এআই ছাড়া ঐতিহ্যগত সিমুলেশনগুলি প্রায়ই উল্লেখযোগ্য প্রক্রিয়াকরণ ক্ষমতা এবং সময় প্রয়োজন, জরুরি, বাস্তব সময়ে সিদ্ধান্ত নেওয়ার পরিস্থিতিতে তাদের ব্যবহার সীমাবদ্ধ করে। বিশ্ব মডেল ভিত্তিক সিস্টেমগুলির কার্যকারিতা এবং সংশোধনযোগ্যতা তাদের বিশেষভাবে উচ্চ স্টক ডোমেইনগুলির জন্য আশাবাদী করে তোলে যেমন ঔষধ, অস্ট্রোফিসিক্স এবং কম্পিউটার বায়োলজি, যেখানে জটিল ডাইনামিক্স মডেলিং অপরিহার্য কিন্তু প্রায়ই নিষিদ্ধভাবে ব্যয়বহুল।

পৃথিবীর ভেতরে বসবাস: আক্রমণাত্মক পর্যবেক্ষক থেকে সক্রিয় বাসিন্দাদের

বিশ্ব মডেলগুলি মৌলিকভাবে পরিবর্তন করে যেভাবে এআই তাদের পরিবেশগুলি অনুভব করে এবং তাদের সাথে যোগাযোগ করে। ঐতিহ্যগতভাবে, এআই সিস্টেমগুলি স্ট্যাটিক ডেটা সেটগুলি ব্যাখ্যা করে বা পূর্বে নির্ধারিত উত্তেজনাগুলি প্রতিক্রিয়া করে। বিশ্ব মডেল ভিত্তিক সিস্টেমগুলি, যদিও, তাদের অভ্যন্তরীণভাবে উত্পাদিত বাস্তবতাগুলির মধ্যে সক্রিয় অংশগ্রহণকারী হয়ে উঠে, তাদের আচরণগুলি বর্ণনা করতে এবং ডাইনামিকভাবে অনুসরণ করতে সক্ষম হয়।MuZeroএকটি এআই যা গেমগুলি স্পষ্টভাবে তাদের নিয়মগুলি শিখে না - তার নিজস্ব সিমুলেশন বিশ্বের মধ্যে সক্রিয় পরীক্ষার মাধ্যমে শিখার পরিবর্তে।

এই সিস্টেমগুলি এমন একটি ভবিষ্যতের প্রস্তাব দেয় যেখানে আমরা কেবলমাত্র আইটি দিয়ে সরঞ্জামগুলি তৈরি করি না; আমরা আইটি প্রশিক্ষণ এবং উন্নয়নের জন্য বিশেষভাবে কাস্টমাইজড সিমুলেশন ওয়ার্ল্ডগুলি তৈরি করি. এই ধরনের ডিজিটাল বাসস্থানগুলি আইটি সিস্টেমগুলি বাস্তব অ্যাপ্লিকেশনগুলিতে বিস্তৃত হওয়ার আগে জটিল আচরণ, কৌশল এবং ইন্টারেকশনগুলি নিরাপদে শিখতে দেয় - যেমন আইটি ডাক্তারদের সিমুলেশন মেডিকেল সংকটগুলিতে প্রশিক্ষণ, আইটি আলোচকরা জটিল কূটনৈতিকতা অনুশীলন করে, বা অটোনোমেটিক যানবাহনগুলি ভার্চ

এই নিবন্ধটি আমাদের এআই দ্বারা আপনাকে নিয়ে এসেছে, একটি শিক্ষার্থীদের দ্বারা প্রতিষ্ঠিত এবং শিক্ষার্থীদের দ্বারা পরিচালিত এআই নৈতিকতা সংস্থা যা আধুনিক মিডিয়াতে সাধারণত আলোচনা করা যাওয়ার বাইরে এআই এর দৃষ্টিভঙ্গিগুলি বৈচিত্র্য করতে চায়. আপনি যদি এই নিবন্ধটি উপভোগ করেন তবে অনুগ্রহ করে আমাদের মাসিক প্রকাশনা এবং ব্যক্তিগত নিবন্ধগুলি দেখুন https://www.our-ai.org/ai-nexus/read!

এই নিবন্ধটি আমাদের এআই দ্বারা আপনাকে নিয়ে এসেছে, একটি শিক্ষার্থীদের দ্বারা প্রতিষ্ঠিত এবং শিক্ষার্থীদের দ্বারা পরিচালিত এআই নৈতিকতা সংস্থা যা আধুনিক মিডিয়াতে সাধারণত আলোচনা করা যাওয়ার বাইরে এআই এর দৃষ্টিভঙ্গিগুলি বৈচিত্র্য করতে চায়. আপনি যদি এই নিবন্ধটি উপভোগ করেন তবে অনুগ্রহ করে আমাদের মাসিক প্রকাশনা এবং ব্যক্তিগত নিবন্ধগুলি দেখুন https://www.our-ai.org/ai-nexus/read!

বাস্তবতা ল্যাবরেটরি হিসাবে গেম

কিন্তু যখন এই সিমুলেশনগুলি আরো সমৃদ্ধ এবং জীবন্ত হয়ে উঠে, তখন আমরা দর্শনীয় এবং নৈতিক সীমানাগুলি অতিক্রম করি. আমরা কি শুধুমাত্র উন্নত ডিজিটাল সরঞ্জাম তৈরি করি, নাকি আমরা অপ্রত্যাশিতভাবে সিমুলেশন পরিবেশে সত্যিকারের বুদ্ধিমত্তা তৈরি করি?Philosopher Nick Bostrom's "Simulation Argument"বিখ্যাতভাবে বলা হয় যে যথেষ্ট উন্নত সভ্যতাগুলি অনিবার্যভাবে বাস্তব সিমুলেশন তৈরি করে - এবং সম্ভবত আমরা নিজেদের মধ্যে বাস করি।

একইভাবে, Eliezer Yudkowsky, একটি গবেষক এবং কৃত্রিম বুদ্ধিমত্তার নিরাপত্তা সম্পর্কে লেখক, সুপারিশ করে যে উচ্চ বিস্তারিত সিমুলেশন বাস্তবতা থেকে অবিচ্ছেদ্য হতে পারে, সম্ভাব্যভাবে সত্যিকারের সচেতনতা হোস্ট. যদি আমরা আইআই জন্য সিমুলেশন বিশ্বগুলি তৈরি করি যথেষ্ট জটিল হয়ে যায়, তারা অবশেষে জৈব জিনিস থেকে অবিচ্ছেদ্য জ্ঞান বা বুদ্ধিমত্তার ফর্মগুলি উত্থাপন করতে পারে?

"মেটেভার্স" ধারণাটি প্রায়শই মানব অভিজ্ঞতার কেন্দ্রে থাকে: সামাজিক যোগাযোগ এবং বাণিজ্যের জন্য ভার্চুয়াল স্পেস। যাইহোক, এর গভীর সম্ভাবনাটি মানব পালিয়ে যাওয়ার ক্ষেত্রে নয়, বরং আইটি কনফিগারেশনে।

বিষয়শ্রেণী: সিমুলেশন সীমানা

বিস্ময়কর অবদান সত্ত্বেও, বিশ্ব মডেল এবং মাল্টি-অ্যাক্টর জোরদার শিক্ষার গবেষণা সাম্প্রতিক বছরগুলিতে প্রধান ল্যাব থেকে বিনিয়োগ কমেছে. বড় ভাষা মডেলগুলিতে আগ্রহের বৃদ্ধি এই জটিল, সিস্টেম স্তরের প্রকল্পগুলি থেকে মনোযোগ এবং অর্থায়ন দূরে রেখেছে - যার অনেকগুলি, ওপেনআই এর নিউরাল এমএমও এবং ট্যাগ ভিত্তিক মার্ল পরীক্ষাগুলি, আবিষ্কৃত বুদ্ধিমত্তার সবচেয়ে বিশ্বাসযোগ্য প্রদর্শনগুলি উপলব্ধ করেছে।

এই ধরনের গবেষণাগুলি সরাসরি আয় উত্পাদন করতে পারে না, তবে তারা কৃত্রিম মস্তিষ্কগুলি কী হতে পারে তা সম্পর্কে কিছু গভীর এবং সবচেয়ে আশ্চর্যজনক ধারণা প্রকাশ করে। ওপেনআই এর লুকানো-এন্ড-সার্কিং পরীক্ষা, অবশেষে, 5 বছর আগে পরিচালিত হয়েছিল, এআই গবেষণায় একটি অনন্তকাল।

বিশ্বের মডেলগুলি দ্রুত অনুপ্রাণিত তাত্ত্বিক কাঠামো থেকে বাস্তব সরঞ্জামগুলিতে বিবর্তিত হচ্ছে যা গেম, বিজ্ঞান এবং এমনকি অন্যান্য আইটি মডেলগুলির সম্পর্কে আমাদের চিন্তাভাবনাকে পুনর্নির্মাণ করে। তারা ব্যাপকভাবে নিয়ন্ত্রিত কিন্তু দৈনন্দিনভাবে জটিল পরিবেশে বিস্তারিত পরিস্থিতি পরীক্ষা, কৌশলগত পরিকল্পনা এবং ঝুঁকি-মুক্ত পরীক্ষাগুলি সক্ষম করে।

অবশেষে, বিশ্বের মডেলগুলি আমাদেরকে বাস্তবতা এবং সিমুলেশন, প্রযুক্তি এবং জীবনের মধ্যে সীমানাগুলি পুনরায় বিবেচনা করতে চায়. যখন আমরা এই নতুন ডিজিটাল সীমানার সীমানায় দাঁড়িয়ে থাকি, তখন আমাদের দৃঢ় দায়িত্ব এবং সম্ভাবনাগুলি স্বীকার করতে হবে, যা বিশ্বের আর্কিটেক্ট হওয়ার সাথে আসে।

লিখেছেন Liv Skeete