ચાલો તેને વધુ પડતું જટિલ ન બનાવીએ - જો તમે વિચારી રહ્યા છો કે ખરેખર આખી કૃત્રિમ બુદ્ધિ ચળવળ કોણે શરૂ કરી હતી, તો જવાબ, ઓછામાં ઓછું ઐતિહાસિક રીતે, ખૂબ સીધો છે: જોન મેકકાર્થી . તે માણસ જેણે ફક્ત AI ના શરૂઆતના વર્ષોમાં ભાગ લીધો ન હતો - તેણે શાબ્દિક રીતે તેનું નામ આપ્યું. શબ્દસમૂહ કૃત્રિમ બુદ્ધિ ? તેનું.
પણ તેને આકર્ષક ટાઇટલ ન સમજો. તે માનનીય નથી. તે કમાયેલું છે.
આ પછી તમને વાંચવા ગમશે તેવા લેખો:
🔗 AI કેવી રીતે બનાવવું - ફ્લફ વિના ઊંડાણપૂર્વક ડાઇવ.
શરૂઆતથી જ તમારા પોતાના AI બનાવવા માટે એક વ્યાપક, નોનસેન્સ માર્ગદર્શિકા.
🔗 ક્વોન્ટમ AI શું છે? - જ્યાં ભૌતિકશાસ્ત્ર, કોડ અને અરાજકતા એકબીજાને છેદે છે.
ક્વોન્ટમ મિકેનિક્સ અને કૃત્રિમ બુદ્ધિમત્તાના મન-મોહક આંતરછેદનું અન્વેષણ કરો.
🔗 AI માં અનુમાન શું છે? - તે બધું એકસાથે આવે છે તે ક્ષણ
જાણો કે AI કેવી રીતે નિર્ણયો લે છે અને પ્રશિક્ષિત ડેટાનો ઉપયોગ કરીને વાસ્તવિક સમયમાં આંતરદૃષ્ટિ ઉત્પન્ન કરે છે.
🔗 AI પ્રત્યે સર્વાંગી અભિગમ અપનાવવાનો અર્થ શું છે?
જાણો કે AI સફળતા ફક્ત અલ્ગોરિધમ કરતાં વધુ કેમ છે - નીતિશાસ્ત્ર, ઉદ્દેશ્ય અને અસર પણ મહત્વપૂર્ણ છે.
જોન મેકકાર્થી: કાગળમાં લખાયેલા નામ કરતાં પણ વધુ 🧑📘
૧૯૨૭ માં જન્મેલા અને ૨૦૧૧ માં તેમના અવસાન સુધી આ ક્ષેત્રમાં સક્રિય રહેલા, જોન મેકકાર્થીને મશીનો વિશે એક વિચિત્ર પ્રકારની સ્પષ્ટતા હતી - તેઓ શું બની શકે છે, તેઓ ક્યારેય શું નહીં બની શકે. ન્યુરલ નેટવર્ક્સ ઇન્ટરનેટ સર્વર્સ તોડી નાખે તે પહેલાં, તેઓ પહેલેથી જ મુશ્કેલ વસ્તુઓ પૂછી રહ્યા હતા: આપણે મશીનોને વિચારવાનું કેવી રીતે શીખવી શકીએ? શું વિચાર તરીકે પણ ગણાય છે?
૧૯૫૬માં, મેકકાર્થીએ ડાર્ટમાઉથ કોલેજ ખાતે કેટલાક ગંભીર બૌદ્ધિક ફાયરપાવર સાથે એક વર્કશોપનું આયોજન કર્યું: ક્લાઉડ શેનન (હા, માહિતી સિદ્ધાંતનો માણસ), માર્વિન મિન્સ્કી, અને કેટલાક અન્ય. આ ફક્ત કોઈ ધૂળ ભરેલી શૈક્ષણિક પરિષદ નહોતી. તે ક્ષણ હતી. વાસ્તવિક ઘટના જ્યાં કૃત્રિમ બુદ્ધિ પ્રથમ વખત સત્તાવાર રીતે ઉપયોગ થયો.
ડાર્ટમાઉથનો એ પ્રસ્તાવ? સપાટી પર થોડો શુષ્ક લાગે છે, પણ તેણે એક એવી ચળવળને વેગ આપ્યો જે હજુ પણ ધીમી પડી નથી.
તેમણે ખરેખર શું કર્યું? (ખૂબ, પ્રમાણિકપણે) 💡🔧
LISP, શરૂઆત માટે
LISP વિકસાવી , જે પ્રોગ્રામિંગ ભાષા હતી જે દાયકાઓ સુધી AI સંશોધન પર પ્રભુત્વ ધરાવતી રહી. જો તમે ક્યારેય "પ્રતીકાત્મક AI" શબ્દ સાંભળ્યો હોય, તો LISP તેનો વફાદાર વર્કહોર્સ હતો. તે સંશોધકોને પુનરાવર્તિત તર્ક, નેસ્ટેડ તર્ક - મૂળભૂત રીતે, એવી વસ્તુઓ સાથે રમવા દે છે જેની આપણે હવે વધુ ફેન્સી ટેક પાસેથી અપેક્ષા રાખીએ છીએ.
સમય-વહેંચણી: OG ક્લાઉડ
મેકકાર્થીનો સમય-વહેંચણીનો - એક સાથે અનેક વપરાશકર્તાઓને કમ્પ્યુટર સાથે ક્રિયાપ્રતિક્રિયા કરવાની મંજૂરી આપવી - કમ્પ્યુટિંગને કંઈક સ્કેલેબલ તરફ આગળ વધારવામાં મદદ કરી. તમે એવી દલીલ પણ કરી શકો છો કે તે ક્લાઉડ કમ્પ્યુટિંગનો પ્રારંભિક આધ્યાત્મિક પૂર્વજ હતો.
તે ઇચ્છતો હતો કે મશીનો તર્ક કરે
જ્યારે મોટાભાગના હાર્ડવેર અથવા સાંકડા નિયમ સેટ પર ધ્યાન કેન્દ્રિત કરતા હતા, મેકકાર્થી તર્કશાસ્ત્રમાં ડૂબી ગયા - પરિસ્થિતિ કેલ્ક્યુલસ અને પરિઘ . આ કોઈ ગૂંચવણભર્યા શબ્દો નથી. તે એવા માળખા છે જે મશીનોને ફક્ત કાર્ય કરવામાં જ નહીં, પરંતુ સમય અને અનિશ્ચિતતા સાથે તર્ક કરવામાં પણ મદદ કરે છે.
ઓહ, અને તેમણે સ્ટેનફોર્ડ એઆઈ લેબની સહ-સ્થાપના કરી.
સ્ટેનફોર્ડ એઆઈ લેબ (SAIL) શૈક્ષણિક એઆઈનો પાયાનો પથ્થર બની. રોબોટિક્સ, ભાષા પ્રક્રિયા, દ્રષ્ટિ પ્રણાલી - તે બધાના મૂળ ત્યાં જ હતા.
તે ફક્ત તે જ નહોતો 📚🧾
જુઓ, પ્રતિભા ભાગ્યે જ એકલા હાથે કામ કરે છે. મેકકાર્થીનું કાર્ય પાયાનું હતું, હા, પણ એઆઈનો આધાર બનાવવામાં તે એકલા નહોતા. અહીં બીજા કોણ ઉલ્લેખને પાત્ર છે તે છે:
-
એલન ટ્યુરિંગ - ૧૯૫૦ માં "શું મશીનો વિચારી શકે છે?" પ્રશ્ન રજૂ કર્યો હતો. તેમનો ટ્યુરિંગ ટેસ્ટ આજે પણ ટાંકવામાં આવે છે. દૂરંદેશી અને દુ:ખદ રીતે તેમના સમય કરતા આગળ 🤖.
-
ક્લાઉડ શેનોન - મેકકાર્થી સાથે ડાર્ટમાઉથ કોન્ફરન્સ શરૂ કરવામાં મદદ કરી. એક મિકેનિકલ માઉસ (થિઅસ) પણ બનાવ્યો જે શીખીને ભુલભુલામણી ઉકેલતો. 1950 ના દાયકા માટે થોડું અવાસ્તવિક 🐭.
-
હર્બર્ટ સિમોન અને એલન નેવેલ - તેમણે લોજિક થિયરીસ્ટ , એક એવો પ્રોગ્રામ જે પ્રમેય સાબિત કરી શકે છે. શરૂઆતમાં લોકો તેના પર વિશ્વાસ ન કરતા.
-
માર્વિન મિન્સ્કી - સમાન ભૂમિકાઓ ધરાવતા સિદ્ધાંતવાદી અને ટિંકર. તે ન્યુરલ નેટ, રોબોટિક્સ અને બોલ્ડ ફિલોસોફિકલ ટેકનિક વચ્ચે કૂદી પડ્યો. વર્ષોથી મેકકાર્થીનો બૌદ્ધિક ઝઘડાનો સાથી 🛠️.
-
નિલ્સ નિલ્સન - આયોજન, શોધ અને એજન્ટો વિશે આપણે જે રીતે વિચારીએ છીએ તેને શાંતિથી આકાર આપ્યો. મોટાભાગના શરૂઆતના AI વિદ્યાર્થીઓએ તેમના ડેસ્ક પર ખોલેલા પાઠ્યપુસ્તકો લખ્યા.
આ લોકો કોઈ સાઈડ કેરેક્ટર નહોતા - તેમણે AI શું હોઈ શકે છે તેની ધારને વ્યાખ્યાયિત કરવામાં મદદ કરી. છતાં, મેકકાર્થીએ કેન્દ્ર સ્થાને રહી.
આધુનિક સમય? તે એક અલગ જ લહેર છે 🔬⚙️
ઝડપથી આગળ વધો. તમારી પાસે જ્યોફ્રી હિન્ટન , યોશુઆ બેંગિયો અને યાન લેકન - જે હવે "ડીપ લર્નિંગના ગોડફાધર્સ" તરીકે ઓળખાય છે.
૧૯૮૦ના દાયકામાં હિન્ટનના બેકપ્રોપેગેશન મોડેલ્સ ફક્ત ઝાંખા પડ્યા જ નહીં - તેઓ વિકસિત થયા. ૨૦૧૨ સુધીમાં, કન્વોલ્યુશનલ ન્યુરલ નેટવર્ક્સ પરના તેમના કાર્યથી AI ને જાહેર સ્પોટલાઇટમાં લાવવામાં મદદ મળી. વિચારો: છબી ઓળખ, અવાજ સંશ્લેષણ, આગાહીત્મક ટેક્સ્ટ - બધું તે ઊંડા શિક્ષણ ગતિમાંથી ઉદ્ભવ્યું છે 🌊.
ભૌતિકશાસ્ત્રમાં નોબેલ પુરસ્કાર એનાયત કરવામાં આવ્યો . હા, ભૌતિકશાસ્ત્ર. કોડ અને જ્ઞાન વચ્ચેની રેખાઓ હવે આ રીતે ઝાંખી પડી ગઈ છે 🏆.
પણ વાત અહીં છે: ના હિન્ટન, ના ડીપ લર્નિંગ સર્જ - સાચું. પણ, ના મેકકાર્થી, ના તો AI ક્ષેત્ર . તેનો પ્રભાવ હાડકામાં છે.
મેકકાર્થીનું કાર્ય? હજુ પણ સંબંધિત 🧩📏
વિચિત્ર વળાંક - આજે ઊંડા શિક્ષણનો ઉપયોગ થઈ રહ્યો છે, પરંતુ મેકકાર્થીના કેટલાક "જૂના" વિચારો પાછા આવી રહ્યા છે. પ્રતીકાત્મક તર્ક, જ્ઞાન આલેખ અને હાઇબ્રિડ સિસ્ટમ્સ? તેઓ ફરીથી ભવિષ્ય છે.
કેમ? કારણ કે જનરેટિવ મોડેલ્સ ગમે તેટલા સ્માર્ટ હોય, તેઓ હજુ પણ અમુક બાબતોમાં નબળા પડે છે - જેમ કે સુસંગતતા જાળવી રાખવી, સમય જતાં તર્ક લાગુ કરવો, અથવા વિરોધાભાસનો સામનો કરવો. મેકકાર્થી 60 અને 70 ના દાયકામાં તે ધારોની શોધખોળ કરી રહ્યા હતા.
તેથી જ્યારે લોકો LLM ને લોજિક લેયર અથવા સિમ્બોલિક ઓવરલે સાથે મિશ્રિત કરવાની વાત કરે છે - ત્યારે તેઓ જાણી જોઈને કે અજાણતાં, તેમની રમતની પુસ્તિકાની સમીક્ષા કરી રહ્યા છે.
તો, AI ના પિતા કોણ છે? 🧠✅
અહીં કોઈ ખચકાટ નથી: જોન મેકકાર્થી .
તેમણે આ નામ આપ્યું. ભાષાને આકાર આપ્યો. સાધનો બનાવ્યા. મુશ્કેલ પ્રશ્નો પૂછ્યા. અને હજુ પણ, AI સંશોધકો હજુ પણ અડધી સદી પહેલા તેમણે ચાકબોર્ડ પર બનાવેલા વિચારો સાથે ઝઝૂમી રહ્યા છે.
શું તમે LISP કોડમાં ઊંડાણપૂર્વક અભ્યાસ કરવા માંગો છો? શું તમે સિમ્બોલિક એજન્ટોમાં ડૂબકી લગાવવા માંગો છો? અથવા મેકકાર્થીના ફ્રેમવર્ક આજના ન્યુરલ આર્કિટેક્ચર સાથે કેવી રીતે ભળી રહ્યા છે તે શોધી કાઢો છો? હું તમને બધું જ સમજાવીશ - ફક્ત પૂછો.