ब्रेण्डन लेक

ब्रेंडन लेक एक संज्ञानात्मक वैज्ञानिक और न्यूयॉर्क विश्वविद्यालय में प्रोफेसर हैं, जहाँ वे उन कम्प्यूटेशनल सिद्धांतों की जाँच करते हैं जो मानव सीखने और तर्क करने को सक्षम बनाते हैं, जिसका लक्ष्य अधिक मानव-समान कृत्रिम बुद्धिमत्ता का निर्माण करना है। उनका शोध मशीन लर्निंग, संज्ञानात्मक विज्ञान, और कृत्रिम बुद्धिमत्ता के प्रतिच्छेदन पर स्थित है, जो इस बात पर केंद्रित है कि मशीनें कम उदाहरणों से कैसे सीख सकती हैं, अधिक लचीले ढंग से सामान्यीकरण कैसे कर सकती हैं, और अवधारणाओं को उन तरीकों से कैसे प्राप्त कर सकती हैं जो मानव अनुभूति को प्रतिबिंबित करते हैं। लेक विशेष रूप से संभाव्य प्रोग्राम इंडक्शन पर अपने काम, "ह्यूमन लेवल एआई" चुनौती, और विकासात्मक मनोविज्ञान से अंतर्दृष्टि को एआई अनुसंधान में एकीकृत करने की उनकी वकालत के लिए जाने जाते हैं।

लेक ने अपनी स्नातक पढ़ाई स्टैनफोर्ड विश्वविद्यालय में पूरी की, जहाँ उन्होंने कंप्यूटर विज्ञान और मनोविज्ञान दोनों में प्रारंभिक रुचि विकसित की। फिर उन्होंने मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी में स्नातकोत्तर कार्य किया, जोशुआ टेनेनबाम के पर्यवेक्षण के तहत संज्ञानात्मक विज्ञान में पीएचडी अर्जित की। उनका डॉक्टरेट शोध संभाव्य प्रोग्रामों का उपयोग करके मानव अवधारणा सीखने के मॉडलिंग पर केंद्रित था, एक ढांचा जो अवधारणाओं को संरचित जनरेटिव मॉडल के रूप में मानता है। यह कार्य कई प्रभावशाली पत्रों में परिणत हुआ जिसने प्रदर्शित किया कि मनुष्य बहुत कम उदाहरणों से जटिल अवधारणाओं को कैसे सीख सकते हैं, एक क्षमता जो उस समय के मानक गहन शिक्षण मॉडल में कमी थी।

प्रारंभिक करियर और शैक्षणिक पद

अपनी पीएचडी पूरी करने के बाद, लेक ने एमआईटी और बाद में न्यूयॉर्क विश्वविद्यालय में पोस्टडॉक्टरल पदों पर कार्य किया, जहाँ उन्होंने मनोविज्ञान और कंप्यूटर विज्ञान विभागों दोनों के शोधकर्ताओं के साथ सहयोग किया। 2017 में, वे एनवाईयू में मनोविज्ञान विभाग और सेंटर फॉर डेटा साइंस में सहायक प्रोफेसर के रूप में संकाय में शामिल हुए। 2021 में उन्हें एसोसिएट प्रोफेसर और 2024 में पूर्ण प्रोफेसर के पद पर पदोन्नत किया गया। उनकी प्रयोगशाला, कम्प्यूटेशन एंड कॉग्निशन लैब, मानव सीखने और तर्क क्षमताओं को पकड़ने वाले कम्प्यूटेशनल मॉडल बनाने पर केंद्रित है, जिसमें संरचनात्मकता, कार्य-कारण, और सहज भौतिकी पर जोर दिया गया है।

लेक सेंटर फॉर ब्रेन्स, माइंड्स एंड मशीन्स (सीबीएमएम) से भी संबद्ध रहे हैं, जो नेशनल साइंस फाउंडेशन द्वारा वित्तपोषित एक बहु-संस्थागत शोध केंद्र है, जिसका उद्देश्य तंत्रिका विज्ञान, संज्ञानात्मक विज्ञान, और कंप्यूटर विज्ञान को मिलाकर बुद्धिमत्ता को समझना है। सीबीएमएम के माध्यम से, उन्होंने जोशुआ टेनेनबाम और मेलानी मिशेल जैसे सहयोगियों के साथ वर्तमान एआई प्रणालियों की सीमाओं की खोज करने वाली परियोजनाओं पर निकटता से काम किया है।

प्रमुख शोध योगदान

लेक के सबसे अधिक उद्धृत योगदानों में से एक 2015 का पेपर "ह्यूमन-लेवल कॉन्सेप्ट लर्निंग थ्रू प्रोबेबिलिस्टिक प्रोग्राम इंडक्शन" है, जो साइंस में प्रकाशित हुआ, जिसने ओमनीग्लॉट डेटासेट पेश किया। इस डेटासेट में 50 विभिन्न लेखन प्रणालियों के 1,623 हस्तलिखित वर्ण शामिल हैं, जो एक-शॉट सीखने का परीक्षण करने के लिए डिज़ाइन किए गए हैं। लेक और उनके सहयोगियों ने दिखाया कि एक बायेसियन प्रोग्राम लर्निंग मॉडल एक एकल उदाहरण से एक नया वर्ण सीख सकता है और वर्गीकरण कार्यों में मनुष्यों के साथ-साथ प्रदर्शन कर सकता है, साथ ही वर्णों के नए, मानव-समान विविधताएँ भी उत्पन्न कर सकता है। इस कार्य ने संरचित ज्ञान और संरचनात्मकता के महत्व को उजागर किया, जो अक्सर विशुद्ध रूप से कनेक्शनिस्ट दृष्टिकोणों में अनुपस्थित होते हैं।

2016 में, लेक ने जोशुआ टेनेनबाम और अन्य के साथ "बिल्डिंग मशीन्स दैट लर्न एंड थिंक लाइक पीपल" शीर्षक से व्यापक रूप से चर्चित एक पेपर सह-लेखन किया। पेपर ने तर्क दिया कि एआई को संज्ञानात्मक विज्ञान से अधिक गहराई से आकर्षित होना चाहिए, उन मॉडलों की आवश्यकता पर जोर देते हुए जो कारण मॉडल सीख सकते हैं, सहज भौतिकी का उपयोग कर सकते हैं, और अप्रेक्षित चरों के बारे में तर्क कर सकते हैं। इसने गहन शिक्षण को संरचित संभाव्य मॉडल के साथ संयोजित करने के लिए एक रोडमैप प्रस्तावित किया, एक विषय जिसे लेक ने बाद के कार्यों में विकसित करना जारी रखा है।

लेक ने सहज भौतिकी और सहज मनोविज्ञान के अध्ययन में भी योगदान दिया है। उनके शोध ने खोजा है कि मनुष्य भौतिक घटनाओं के बारे में भविष्यवाणियाँ कैसे करते हैं, जैसे कि ब्लॉकों के टावरों की स्थिरता, और इन भविष्यवाणियों को सिमुलेशन-आधारित दृष्टिकोणों का उपयोग करके कैसे मॉडल किया जा सकता है। उन्होंने मानव निर्णय में भौतिक सिमुलेशन की भूमिका पर पेपर प्रकाशित किए हैं, यह दिखाते हुए कि लोगों की अपेक्षाएँ भौतिकी इंजनों के आउटपुट के साथ निकटता से मेल खाती हैं, यह सुझाव देते हुए कि मस्तिष्क अनुमानित सिमुलेशन कर सकता है।

ह्यूमन लेवल एआई चुनौती

2022 में, लेक ने "ह्यूमन लेवल एआई" चुनौती पेश की, एक बेंचमार्क जो यह परीक्षण करने के लिए डिज़ाइन किया गया है कि क्या एआई प्रणालियाँ संज्ञानात्मक कार्यों की एक बैटरी पर मानव-स्तरीय प्रदर्शन प्राप्त कर सकती हैं। चुनौती में दृश्य अवधारणा सीखने, भाषा समझ, और सामाजिक तर्क जैसे कार्य शामिल हैं, जो विकासात्मक मनोविज्ञान प्रतिमानों से लिए गए हैं। लेक ने तर्क दिया कि वर्तमान बड़े पैमाने के मॉडल, संकीर्ण कार्यों पर अपने प्रभावशाली प्रदर्शन के बावजूद, मानव अनुभूति के लचीलेपन और मजबूती को प्रदर्शित करने में विफल रहते हैं। चुनौती को कई शोध समूहों द्वारा अधिक सामान्य एआई की ओर प्रगति का मूल्यांकन करने के लिए एक लक्ष्य के रूप में अपनाया गया है।

लेक इस विचार के एक मुखर आलोचक रहे हैं कि अकेले तंत्रिका नेटवर्क मॉडल को बड़े पैमाने पर बढ़ाने से मानव-स्तरीय बुद्धिमत्ता प्राप्त होगी। वार्ताओं और पेपरों में, उन्होंने बताया है कि बड़े भाषा मॉडल, जैसे कि ट्रांसफॉर्मर वास्तुकला पर आधारित, संरचनात्मक सामान्यीकरण और कारण तर्क के साथ संघर्ष करते हैं। वे एक हाइब्रिड दृष्टिकोण की वकालत करते हैं जो गहन शिक्षण को प्रतीकात्मक तर्क और संभाव्य अनुमान के साथ जोड़ता है, एक विचार जिसने व्यापक एआई समुदाय में गति प्राप्त की है।

सहयोग और अंतःविषय कार्य

अपने पूरे करियर में, लेक ने अंतःविषय सहयोग के महत्व पर जोर दिया है। उन्होंने बच्चों के अवधारणा सीखने का अध्ययन करने के लिए विकासात्मक मनोवैज्ञानिकों के साथ, अनुभूति के तंत्रिका आधार को समझने के लिए तंत्रिका वैज्ञानिकों के साथ, और नए एल्गोरिदम विकसित करने के लिए कंप्यूटर वैज्ञानिकों के साथ काम किया है। उनके सहयोग गूगल डीपमाइंड, ओपनएआई, और अन्य प्रमुख एआई प्रयोगशालाओं के शोधकर्ताओं तक विस्तारित हुए हैं, हालाँकि उन्होंने इन प्रणालियों की सीमाओं पर एक आलोचनात्मक दृष्टिकोण भी बनाए रखा है।

लेक ने कई पत्रिकाओं के संपादकीय बोर्डों पर कार्य किया है, जिनमें कॉग्निटिव साइंस और जर्नल ऑफ मशीन लर्निंग रिसर्च शामिल हैं। वे न्यूरिप्स, आईसीएमएल, और कॉग्सी जैसे प्रमुख सम्मेलनों के लिए प्रोग्राम कमेटी सदस्य भी रहे हैं। उनके काम को नेशनल साइंस फाउंडेशन, डिफेंस एडवांस्ड रिसर्च प्रोजेक्ट्स एजेंसी (डार्पा), और सिमंस फाउंडेशन से अनुदान द्वारा वित्तपोषित किया गया है।

शिक्षण और मेंटरशिप

एनवाईयू में, लेक कम्प्यूटेशनल संज्ञानात्मक विज्ञान और मशीन लर्निंग पर पाठ्यक्रम पढ़ाते हैं। उनके पाठ्यक्रम अपनी कठोरता और छात्रों को एआई मॉडलों के अंतर्निहित मान्यताओं के बारे में आलोचनात्मक रूप से सोचने के लिए प्रोत्साहित करने के लिए जाने जाते हैं। उन्होंने कई पीएचडी छात्रों और पोस्टडॉक्टरल फेलो का मार्गदर्शन किया है, जिनमें से कई शिक्षा और उद्योग में पदों पर गए हैं। उनकी मेंटरशिप शैली गहरी वैचारिक समझ और प्रमुख प्रतिमानों पर सवाल उठाने की इच्छा पर जोर देती है।

लेक सार्वजनिक आउटरीच में भी सक्रिय रहे हैं, एस्पेन आइडियाज फेस्टिवल जैसे स्थानों पर वार्ताएँ देते हुए और एआई के बारे में वृत्तचित्रों में दिखाई देते हुए। उन्होंने लोकप्रिय आउटलेट्स के लिए ओपिनियन टुकड़े लिखे हैं, जो एआई विकास के लिए अधिक वैज्ञानिक रूप से आधारित दृष्टिकोण के लिए तर्क देते हैं। उनका सार्वजनिक जुड़ाव एआई को रहस्यमुक्त करने और वर्तमान प्रणालियों और मानव बुद्धिमत्ता के बीच अंतराल को उजागर करने का लक्ष्य रखता है।

पुरस्कार और मान्यता

लेक को उनके शोध के लिए कई पुरस्कार मिले हैं, जिनमें कॉग्निटिव साइंस सोसाइटी का कम्प्यूटेशनल मॉडलिंग पुरस्कार और न्यूरोसाइंस में स्लोअन रिसर्च फेलोशिप शामिल हैं। 2020 में, उन्हें कृत्रिम बुद्धिमत्ता कार्यक्रम में सीआईएफएआर अज़रीली ग्लोबल स्कॉलर नामित किया गया, जो असाधारण क्षमता वाले प्रारंभिक-करियर शोधकर्ताओं को मान्यता देता है। उनके पेपरों को दसियों हज़ार बार उद्धृत किया गया है, और उन्हें नियमित रूप से अंतर्राष्ट्रीय सम्मेलनों में मुख्य वार्ताएँ देने के लिए आमंत्रित किया जाता है।

वर्तमान दिशाएँ

2025 तक, लेक का शोध यह पता लगाना जारी रखता है कि एआई प्रणालियाँ कैसे बनाई जाएँ जो लोगों की तरह सीखें और सोचें। उनका हालिया कार्य संरचनात्मक सामान्यीकरण को मापने के लिए बेंचमार्क विकसित करने, यह अध्ययन करने पर केंद्रित है कि मनुष्य अमूर्त नियम कैसे सीखते हैं, और सोच को आकार देने में भाषा की भूमिका की जाँच करने पर। उन्होंने यह भी खोजना शुरू कर दिया है कि संज्ञानात्मक विज्ञान से अंतर्दृष्टि अधिक व्याख्यात्मक और भरोसेमंद एआई प्रणालियों के डिज़ाइन को कैसे सूचित कर सकती है, एक विषय जो उच्च-दांव वाले डोमेन में एआई की तैनाती के रूप में बढ़ते महत्व का है।

लेक समाज को लाभ पहुँचाने के लिए एआई की क्षमता के बारे में आशावादी बने हुए हैं, लेकिन वे वर्तमान क्षमताओं को अधिक बढ़ा-चढ़ाकर पेश करने के खिलाफ चेतावनी देते हैं। उनका तर्क है कि मानव-स्तरीय एआई प्राप्त करने के लिए मानव अनुभूति की गहरी समझ की आवश्यकता होगी, न कि केवल अधिक डेटा और कंप्यूट शक्ति की। उनकी दृष्टि वह है जहाँ एआई प्रणालियाँ संज्ञानात्मक विज्ञान से प्राप्त सिद्धांतों पर निर्मित होती हैं, जिससे ऐसी मशीनें बनती हैं जो वास्तव में बुद्धिमान तरीकों से दुनिया के साथ सीख, तर्क और बातचीत कर सकती हैं।

चयनित प्रकाशन

लेक के सबसे प्रभावशाली प्रकाशनों में शामिल हैं:

• लेक, बी. एम., सालाखुतदीनोव, आर., और टेनेनबाम, जे. बी. (2015)। ह्यूमन-लेवल कॉन्सेप्ट लर्निंग थ्रू प्रोबेबिलिस्टिक प्रोग्राम इंडक्शन। साइंस, 350(6266), 1332-1338।
• लेक, बी. एम., उलमैन, टी. डी., टेनेनबाम, जे. बी., और गेर्शमैन, एस. जे. (2017)। बिल्डिंग मशीन्स दैट लर्न एंड थिंक लाइक पीपल। बिहेवियरल एंड ब्रेन साइंसेज, 40, ई253।
• लेक, बी. एम., और बारोनी, एम. (2018)। जनरलाइज़ेशन विदाउट सिस्टेमैटिसिटी: ऑन द कम्पोज़िशनल स्किल्स ऑफ सीक्वेंस-टू-सीक्वेंस रिकरंट नेटवर्क्स। आईसीएमएल।
• लेक, बी. एम. (2019)। कम्पोज़िशनल जनरलाइज़ेशन थ्रू मेटा-सीक्वेंस-टू-सीक्वेंस लर्निंग। न्यूरिप्स।

इन कार्यों ने सामान्यीकरण की प्रकृति और एआई अनुसंधान के भविष्य के बारे में बहस को आकार दिया है।

क्षेत्र पर प्रभाव

एआई में संज्ञानात्मक विज्ञान को वापस लाने पर लेक का आग्रह शोधकर्ताओं की एक नई पीढ़ी को प्रभावित किया है। गहन शिक्षण की उनकी आलोचनाओं ने कई लोगों को बड़े पैमाने के मॉडलों के पीछे की मान्यताओं पर पुनर्विचार करने के लिए प्रेरित किया है। जबकि कुछ ने उनके विचारों को अत्यधिक निराशावादी के रूप में खारिज कर दिया है, अन्य उन्हें पैमाने को बुद्धिमत्ता के साथ बराबर करने की क्षेत्र की प्रवृत्ति के लिए एक आवश्यक सुधार के रूप में देखते हैं। ओमनीग्लॉट पर उनका काम कुछ-शॉट सीखने के लिए एक मानक बेंचमार्क बन गया है, और संभाव्य प्रोग्रामों के बारे में उनके विचारों ने कई अनुवर्ती अध्ययनों को प्रेरित किया है।

संक्षेप में, ब्रेंडन लेक कृत्रिम बुद्धिमत्ता के लिए अधिक मानव-केंद्रित दृष्टिकोण की वकालत करने वाली एक अग्रणी आवाज़ के रूप में खड़े हैं। संज्ञानात्मक विज्ञान और मशीन लर्निंग को जोड़कर, उन्होंने दोनों क्षेत्रों में स्थायी योगदान दिया है और एआई समुदाय को केवल पैटर्न मिलान से ऊपर उठने की चुनौती देना जारी रखा है।