ऑटोमेटेड मैथेमेटिशियन (AM) कृत्रिम बुद्धिमत्ता में सबसे शुरुआती सफल खोज प्रणालियों में से एक है। 1977 में डगलस लेनाट द्वारा निर्मित, इसे छोटे लिस्प प्रोग्रामों में हेरफेर करके गणितीय अवधारणाओं को स्वायत्त रूप से तलाशने और उत्पन्न करने के लिए डिज़ाइन किया गया था। AM को 1977 में IJCAI कंप्यूटर्स एंड थॉट अवार्ड से सम्मानित किया गया था, जो कृत्रिम बुद्धिमत्ता और स्वचालित तर्क के क्षेत्र में इसके महत्व को मान्यता देता है।
AM छोटे लिस्प प्रोग्रामों को उत्पन्न और संशोधित करके संचालित होता था, जिन्हें बाद में विभिन्न गणितीय अवधारणाओं को परिभाषित करने के रूप में व्याख्यायित किया जाता था। उदाहरण के लिए, एक प्रोग्राम जो दो सूचियों की लंबाई के बीच समानता का परीक्षण करता था, उसे संख्यात्मक समानता की अवधारणा का प्रतिनिधित्व करने वाला माना जाता था, जबकि एक प्रोग्राम जो एक ऐसी सूची उत्पन्न करता था जिसकी लंबाई दो अन्य सूचियों की लंबाई का गुणनफल थी, उसे गुणन की अवधारणा का प्रतिनिधित्व करने के रूप में व्याख्यायित किया जाता था। यह प्रणाली काम करने वाले गणितज्ञों के अनुभवों के आधार पर, किन प्रोग्रामों का विस्तार और संशोधन करना है, यह चुनने के लिए विस्तृत अनुमानी नियमों का उपयोग करती थी।
आर्किटेक्चर और नियंत्रण प्रवाह
लेनाट ने AM को "अवधारणाओं" नामक सैकड़ों डेटा संरचनाओं, साथ ही सैकड़ों "अनुमानी नियमों" और नियंत्रण के एक सरल प्रवाह से बना बताया। उन्होंने कहा: "AM बार-बार एजेंडे से शीर्ष कार्य का चयन करता है और उसे पूरा करने का प्रयास करता है। यह पूरी नियंत्रण संरचना है!" यह प्रणाली कार्यों का एक एजेंडा बनाए रखती थी, जिनमें से प्रत्येक एक प्राथमिकता से जुड़ा होता था, और पुनरावृत्त रूप से निष्पादित करने के लिए उच्चतम-प्राथमिकता वाले कार्य का चयन करती थी। इस दृष्टिकोण ने AM को अपने कम्प्यूटेशनल संसाधनों को अन्वेषण के सबसे आशाजनक रास्तों पर केंद्रित करने की अनुमति दी।
अनुमानी नियमों ने प्रणाली को यह तय करने में मार्गदर्शन किया कि किन अवधारणाओं का विस्तार, विलय या संशोधन करना है। उन्होंने गणितीय अभ्यास के बारे में डोमेन ज्ञान को कूटबद्ध किया, जैसे अवधारणाओं के बीच समानता को पहचानना या दिलचस्प पैटर्न की पहचान करना। एजेंडा-आधारित नियंत्रण संरचना मशीन लर्निंग और स्वचालित तर्क में बाद की योजना और खोज तकनीकों का अग्रदूत थी।
खोज दावे और विवाद
लेनाट ने दावा किया कि AM ने गोल्डबैक की परिकल्पना और अंकगणित के मौलिक प्रमेय दोनों को फिर से खोजा था। हालांकि, बाद में आलोचकों ने लेनाट पर AM के आउटपुट की अत्यधिक व्याख्या करने का आरोप लगाया। अनुमानी नियम हमेशा अलग डेटा संरचनाओं के रूप में प्रस्तुत नहीं किए गए थे; कुछ को नियंत्रण प्रवाह तर्क के साथ जोड़ा जाना था। कुछ नियमों में ऐसी शर्तें थीं जो इतिहास पर निर्भर करती थीं, या अन्यथा स्पष्ट नियमों के ढांचे में प्रस्तुत नहीं की जा सकती थीं।
नियमों के प्रकाशित संस्करणों में अक्सर अस्पष्ट शब्द शामिल होते थे जिन्हें आगे परिभाषित नहीं किया गया था, जैसे "यदि दो अभिव्यक्तियाँ संरचनात्मक रूप से समान हैं, ..." (नियम 218) या "... प्राप्त मान को किसी अन्य (बहुत समान) मान से बदलें ..." (नियम 129)। जानकारी का एक अन्य स्रोत उपयोगकर्ता था, नियम 2 के माध्यम से: "यदि उपयोगकर्ता ने हाल ही में X का उल्लेख किया है, तो X से संबंधित किसी भी कार्य की प्राथमिकता बढ़ाएँ।" इससे पता चलता है कि वास्तविक खोज कार्य का अधिकांश भाग अज्ञात प्रक्रियाओं या उपयोगकर्ता इंटरैक्शन में दबा हुआ हो सकता है।
अपने पेपर "व्हाई एएम एंड यूरिस्को अपीयर टू वर्क" में, लेनाट ने स्वीकार किया कि कोई भी प्रणाली जो पर्याप्त छोटे लिस्प प्रोग्राम उत्पन्न करती है, वे ऐसे प्रोग्राम उत्पन्न करेगी जिन्हें एक बाहरी पर्यवेक्षक द्वारा समान रूप से परिष्कृत गणितीय अवधारणाओं का प्रतिनिधित्व करने के रूप में व्याख्यायित किया जा सकता है। हालांकि, उन्होंने तर्क दिया कि यह गुण अपने आप में दिलचस्प था - और आगे के शोध के लिए एक आशाजनक दिशा अन्य भाषाओं की तलाश करना होगी जिनमें छोटे यादृच्छिक तार उपयोगी होने की संभावना रखते थे।
उत्तराधिकारी: यूरिस्को
यह अंतर्ज्ञान AM के उत्तराधिकारी यूरिस्को का आधार था, जिसने गणितीय अवधारणाओं की खोज को उपयोगी अनुमानी नियमों की खोज के लिए सामान्यीकृत करने का प्रयास किया। यूरिस्को ने न केवल गणितीय अवधारणाओं की खोज करके बल्कि अनुमानी नियमों की खोज और परिष्कृत करके AM के दृष्टिकोण का विस्तार किया, जिससे प्रणाली को समय के साथ अपनी स्वयं की खोज रणनीतियों में सुधार करने की अनुमति मिली। यह मेटा-लर्निंग और आत्म-सुधार करने वाली एआई प्रणालियों की दिशा में एक प्रारंभिक कदम था।
विरासत और प्रभाव
AM की विरासत इसके तत्काल परिणामों से परे है। इसने स्वचालित खोज में बाद के काम को प्रभावित किया, जिसमें एचआर और ग्रैफिटी जैसी प्रणालियाँ शामिल हैं, जो संबंधित गणित खोज कार्यक्रम हैं। रचनात्मकता की प्रकृति, अनुमानी नियमों की भूमिका और एआई आउटपुट की व्याख्या के बारे में AM द्वारा उठाए गए प्रश्न आधुनिक जनरेटिव एआई अनुसंधान में प्रासंगिक बने हुए हैं। ज्ञान को निष्पादन योग्य प्रोग्रामों के रूप में प्रस्तुत करने का AM का दृष्टिकोण तंत्रिका नेटवर्क और प्रोग्राम संश्लेषण में बाद के विकास की आशा करता था, जहां मॉडल कोड या गणितीय अभिव्यक्ति उत्पन्न करते हैं।
अपने विवादों के बावजूद, AM ने प्रदर्शित किया कि कंप्यूटर गणितीय स्थानों का पता लगा सकते हैं जो उनके रचनाकारों को आश्चर्यचकित करते हैं, और इसने एआई खोजों के मूल्यांकन में सावधानीपूर्वक व्याख्या के महत्व पर प्रकाश डाला। अनुमानी नियमों और एजेंडा-आधारित नियंत्रण पर प्रणाली के फोकस ने स्वचालित योजना और खोज में बाद के काम को प्रभावित किया, और उपयोगकर्ता इंटरैक्शन पर इसके जोर ने इंटरैक्टिव मशीन लर्निंग दृष्टिकोणों का पूर्वाभास दिया।
यह भी देखें
- स्वचालित प्रमेय सिद्ध करना
- प्रतीकात्मक गणित
- प्रायोगिक गणित