बिग मेकेनिज्म अमेरिकी रक्षा उन्नत अनुसंधान परियोजना एजेंसी (DARPA) द्वारा वित्तपोषित एक शोध कार्यक्रम था, जिसका बजट $45 मिलियन था। 2014 में शुरू किए गए इस कार्यक्रम का उद्देश्य ऐसा सॉफ्टवेयर विकसित करना था जो कैंसर अनुसंधान साहित्य को पढ़ सके, निकाले गए ज्ञान को एक व्यापक कैंसर मॉडल में एकीकृत कर सके, और 2017 के अंत तक नई परिकल्पनाएँ उत्पन्न कर सके। इस पहल का उद्देश्य बड़े डेटा के संग्रह को स्वचालित करना और ज्ञान-आधारित प्राकृतिक भाषा प्रसंस्करण, क्यूरेशन और ऑन्टोलॉजी, तथा सिस्टम और गणितीय जीव विज्ञान जैसे विषयों को जोड़ना था। शोध सार और पेपर पढ़कर, सॉफ्टवेयर से कारण तंत्र के टुकड़े निकालने की उम्मीद की गई थी, जिससे ऑन्कोलॉजी में वैज्ञानिक खोज की गति तेज हो सके।
यह कार्यक्रम रास जीन परिवार में उत्परिवर्तनों पर केंद्रित था, जो लगभग एक-तिहाई मानव कैंसर में शामिल हैं। उस समय, शोधकर्ताओं के पास कोशिका प्रजनन और मृत्यु को प्रभावित करने वाले प्रोटीनों के बीच अंतःक्रिया अनुक्रमों का एक मोटा रोड मैप था, लेकिन कारण संबंधों को अच्छी तरह से समझा नहीं गया था। बिग मेकेनिज्म का उद्देश्य वैज्ञानिक साहित्य से विस्तृत, गणना योग्य मॉडल बनाकर इन संबंधों को स्पष्ट करना था।
कार्यक्रम संरचना
कार्यक्रम को तीन चरणों में आयोजित किया गया था। पहले चरण में साहित्य को पढ़ना और उसे औपचारिक अभ्यावेदन में परिवर्तित करना शामिल था। दूसरा चरण ज्ञान को कम्प्यूटेशनल मॉडल में एकीकृत करने पर केंद्रित था। तीसरा चरण प्रयोगात्मक रूप से परीक्षण योग्य स्पष्टीकरण और भविष्यवाणियाँ उत्पन्न करना था। शोध टीमों ने चार अलग-अलग प्रणालियाँ विकसित कीं जिन्होंने सामूहिक रूप से तीनों कार्यों को लक्षित किया।
फरवरी 2015 में, एक मूल्यांकन बैठक ने पहले चरण पर प्रगति की समीक्षा की। कई कार्यों पर विचार किया गया, जिसमें प्रयोगात्मक प्रक्रिया विवरण का निष्कर्षण और "हम प्रदर्शित करते हैं" और "हम सुझाव देते हैं" जैसे कथनों का मूल्यांकन शामिल था। एक अन्य कार्य में वाक्य अर्थ और संबंधों का मानचित्रण शामिल था। सबसे अच्छी मशीन-रीडिंग प्रणाली ने एक छोटे कोष से 40% प्रासंगिक जानकारी निकाली और सही ढंग से निर्धारित किया कि प्रत्येक अनुच्छेद मॉडल से कैसे संबंधित है।
दूसरा चरण गर्मियों 2015 में सक्रिय होने वाला था, जब टीम के सदस्यों ने एक एकल संदर्भ मॉडल बनाने का प्रयास किया। तीसरा चरण सबसे चुनौतीपूर्ण माना गया, क्योंकि कृत्रिम बुद्धिमत्ता समुदाय को परिकल्पना जनरेटर विकसित करने में सीमित सफलता मिली थी। हालाँकि, आणविक जीव विज्ञान को अधिक अनुकूल माना गया, क्योंकि अधिकांश डोमेन ज्ञान तकनीकी है और लिखित रूप में उपलब्ध है।
तकनीकी दृष्टिकोण
बिग मेकेनिज्म वैज्ञानिक ग्रंथों को पार्स करने के लिए मशीन लर्निंग और प्राकृतिक भाषा प्रसंस्करण (एनएलपी) में प्रगति पर निर्भर था। कार्यक्रम ने कारण संबंधों को निकालने के लिए ज्ञान-आधारित एनएलपी तकनीकों का उपयोग किया, जिन्हें बाद में ऑन्टोलॉजी और क्यूरेटेड डेटाबेस का उपयोग करके औपचारिक रूप दिया गया। निकाले गए तंत्रों को सेलुलर सिग्नलिंग मार्गों के गणितीय मॉडल में एकीकृत किया गया, विशेष रूप से रास परिवार के प्रोटीनों से संबंधित।
कार्यक्रम के शुरुआती दस्तावेज़ीकरण में डीप लर्निंग और तंत्रिका नेटवर्क के उपयोग का स्पष्ट रूप से उल्लेख नहीं किया गया था, लेकिन स्वचालित ज्ञान निष्कर्षण और मॉडल निर्माण के अंतर्निहित सिद्धांत जनरेटिव एआई और बड़े भाषा मॉडल में बाद में उभरे व्यापक रुझानों के अनुरूप हैं। कार्यक्रम का पढ़ने और वैज्ञानिक पाठ को समझने पर जोर एआई-संचालित वैज्ञानिक खोज में बाद के विकास की आशा करता था।
चुनौतियाँ और परिणाम
प्राथमिक चुनौतियों में से एक जैविक प्रणालियों की जटिलता थी। कैंसर के अंतर्निहित कारण तंत्र जटिल हैं, जिनमें कई प्रोटीन और फीडबैक लूप शामिल हैं। उपन्यास परिकल्पनाएँ उत्पन्न करने का कार्यक्रम का लक्ष्य विशेष रूप से महत्वाकांक्षी था, क्योंकि इसके लिए एआई को न केवल मौजूदा ज्ञान को संश्लेषित करना था बल्कि नए प्रयोगों का प्रस्ताव भी करना था।
फरवरी 2015 का मूल्यांकन वैज्ञानिक पेपरों से सटीक जानकारी निकालने की कठिनाई को उजागर करता है। सबसे अच्छी प्रणाली ने केवल 40% सटीकता हासिल की, जो दर्शाता है कि महत्वपूर्ण सुधारों की आवश्यकता थी। कार्यक्रम की समयरेखा तंग थी, जिसका अंतिम लक्ष्य 2017 के लिए निर्धारित किया गया था।
जबकि कार्यक्रम 2017 में समाप्त हुआ, इसकी विरासत स्वचालित साहित्य विश्लेषण और मॉडल निर्माण के लिए उपकरणों और पद्धतियों के रूप में बनी हुई है। बिग मेकेनिज्म द्वारा अग्रणी की गई अवधारणाओं ने एआई-संचालित बायोमेडिकल अनुसंधान में बाद के प्रयासों को प्रभावित किया है, जिसमें वैज्ञानिक ग्रंथों को पढ़ने और सारांशित करने में ट्रांसफॉर्मर और मल्टी-हेड अटेंशन का उपयोग शामिल है।
प्रभाव और विरासत
बिग मेकेनिज्म पहली बड़े पैमाने की पहलों में से एक थी जिसने पेपर पढ़ने से लेकर परिकल्पना उत्पन्न करने तक, संपूर्ण वैज्ञानिक खोज पाइपलाइन पर एआई लागू किया। इसने कैंसर जीव विज्ञान जैसे जटिल डोमेन में अनुसंधान को तेज करने की एआई की क्षमता को उजागर किया। कार्यक्रम ने कंप्यूटर वैज्ञानिकों, जीवविज्ञानियों और गणितज्ञों के बीच सहयोग को भी बढ़ावा दिया, जिससे क्रॉस-अनुशासनात्मक अंतर्दृष्टि प्राप्त हुई।
हालाँकि कार्यक्रम के विशिष्ट लक्ष्य पूरी तरह से हासिल नहीं हुए, इसने ज्ञान ग्राफ निर्माण और अनुक्रम-से-अनुक्रम मॉडलिंग की तकनीकों के विकास में योगदान दिया जो अब एआई अनुसंधान में आम हैं। कारण तर्क और परिकल्पना निर्माण पर ध्यान अध्ययन का एक सक्रिय क्षेत्र बना हुआ है, जिसमें आधुनिक बड़े भाषा मॉडल समान चुनौतियों का सामना करने लगे हैं।
यह भी देखें
- कृत्रिम बुद्धिमत्ता
- मशीन लर्निंग
- डीप लर्निंग
- तंत्रिका नेटवर्क
- बड़ा भाषा मॉडल
- ट्रांसफॉर्मर
- जनरेटिव एआई
- ज्ञान ग्राफ
- अनुक्रम-से-अनुक्रम
- मल्टी-हेड अटेंशन
संदर्भ
- DARPA बिग मेकेनिज्म कार्यक्रम दस्तावेज़ीकरण (2014-2017)
- मूल्यांकन बैठक रिपोर्ट (फरवरी 2015)
बाहरी लिंक
- DARPA आधिकारिक वेबसाइट (संग्रहीत)