ब्रेडेन लेक न्यूयॉर्क विश्वविद्यालय में मनोविज्ञान और डेटा विज्ञान के एसोसिएट प्रोफेसर हैं, जहाँ वे ह्यूमन एंड मशीन लर्निंग लैब का नेतृत्व करते हैं। उनका शोध कृत्रिम बुद्धिमत्ता, मशीन लर्निंग, और संज्ञानात्मक विज्ञान के प्रतिच्छेदन पर स्थित है, जिसका उद्देश्य उस उल्लेखनीय दक्षता को समझना और दोहराना है जिसके साथ मनुष्य विरल उदाहरणों से सीखते और सामान्यीकरण करते हैं। लेक को मानव-स्तरीय अवधारणा सीखने पर उनके काम के लिए सबसे अधिक जाना जाता है, विशेष रूप से ऐसे मॉडलों के विकास के लिए जो एक ही उदाहरण से सीख सकते हैं, एक क्षमता जो अधिकांश आधुनिक डीप लर्निंग प्रणालियों की डेटा-भूखी प्रकृति के साथ तीव्र विरोधाभास रखती है।
लेक का शैक्षणिक प्रक्षेपवक्र कम्प्यूटेशनल मॉडलों को व्यवहारिक प्रयोगों के साथ एकीकृत करने की प्रतिबद्धता से परिभाषित हुआ है। उन्होंने मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी में कम्प्यूटेशनल न्यूरोसाइंस में अपनी पीएच.डी. पूरी की, जहाँ उन्हें जोशुआ टेनेनबाम द्वारा सलाह दी गई, जो कम्प्यूटेशनल संज्ञानात्मक विज्ञान में एक अग्रणी व्यक्ति हैं। इस नींव ने उनके दृष्टिकोण को आकार दिया कि एआई में प्रगति के लिए न केवल मॉडलों को बड़ा करना आवश्यक है, बल्कि मानव अनुभूति के अंतर्निहित सिद्धांतों को समझना भी आवश्यक है।
प्रारंभिक करियर और शैक्षणिक पृष्ठभूमि
संयुक्त राज्य अमेरिका में जन्मे, लेक ने कैलिफोर्निया विश्वविद्यालय, बर्कले में अपनी स्नातक पढ़ाई की, जहाँ उन्होंने संज्ञानात्मक विज्ञान में डिग्री प्राप्त की। मनोविज्ञान और कम्प्यूटेशन के प्रतिच्छेदन में उनकी रुचि उन्हें एमआईटी ले गई, जहाँ उन्होंने 2014 में अपनी पीएच.डी. प्राप्त की। उनका डॉक्टरेट शोध प्रबंध कुछ उदाहरणों से अवधारणाओं को सीखने पर केंद्रित था, एक विषय जो उनके बाद के शोध का केंद्र बन गया।
अपनी पीएच.डी. पूरी करने के बाद, लेक ने एमआईटी में पोस्टडॉक्टरल शोध किया, इससे पहले कि वे 2017 में न्यूयॉर्क विश्वविद्यालय में संकाय में शामिल हुए। एनवाईयू में, वे मनोविज्ञान विभाग और डेटा विज्ञान केंद्र दोनों में नियुक्तियाँ रखते हैं, जो उनके अंतःविषय दृष्टिकोण को दर्शाता है। उनकी प्रयोगशाला उन शोधकर्ताओं के लिए एक केंद्र बन गई है जो मनुष्यों की तरह सीखने और तर्क करने वाली एआई प्रणालियों के निर्माण में रुचि रखते हैं।
मानव-स्तरीय अवधारणा सीखना
लेक के सबसे महत्वपूर्ण योगदानों में से एक कम्प्यूटेशनल मॉडलों का विकास है जो एक ही उदाहरण से नई अवधारणाओं को सीख सकते हैं। साइंस में प्रकाशित 2015 के एक ऐतिहासिक पेपर में, लेक और उनके सहयोगियों ने बायेसियन प्रोग्राम लर्निंग (बीपीएल) नामक एक मॉडल पेश किया। यह मॉडल सिर्फ एक उदाहरण देखने के बाद नए हस्तलिखित वर्णों को पहचानना और उत्पन्न करना सीख सकता था, जो मानव शिक्षार्थियों के बराबर प्रदर्शन प्राप्त करता था।
बीपीएल एक दृश्य अवधारणा को एक संभाव्य कार्यक्रम में विघटित करके काम करता है - एक संरचित प्रतिनिधित्व जो अंतर्निहित स्ट्रोक और उनके संबंधों को पकड़ता है। यह दृष्टिकोण उस समय के क्षेत्र पर हावी तंत्रिका नेटवर्क मॉडलों के विपरीत है, जिन्हें आमतौर पर समान सटीकता प्राप्त करने के लिए हजारों उदाहरणों की आवश्यकता होती है। लेक के काम ने प्रदर्शित किया कि संरचित, रचनात्मक प्रतिनिधित्व कहीं अधिक कुशल सीखने को सक्षम कर सकते हैं।
इस शोध का क्षेत्र पर स्थायी प्रभाव पड़ा है, जिसने कुछ-शॉट सीखने और मेटा-लर्निंग पर बाद के काम को प्रेरित किया। इसने उन प्रेरक पूर्वाग्रहों को शामिल करने के महत्व पर भी प्रकाश डाला जो मानव संज्ञानात्मक पूर्वधारणाओं को दर्शाते हैं, जैसे कि जटिल वस्तुओं को सरल भागों में विघटित करने की प्रवृत्ति।
एब्स्ट्रैक्शन एंड रीजनिंग कॉर्पस
2019 में, लेक और उनके सहयोगी फ्रांकोइस चोलेट ने एब्स्ट्रैक्शन एंड रीजनिंग कॉर्पस (एआरसी) पेश किया, जो एआई प्रणालियों में सामान्य तरल बुद्धिमत्ता को मापने के लिए डिज़ाइन किया गया एक बेंचमार्क है। एआरसी में दृश्य तर्क कार्य शामिल हैं जिनके लिए अमूर्त पैटर्न का अनुमान लगाने और उन्हें नई स्थितियों पर लागू करने की क्षमता की आवश्यकता होती है। कई मानक बेंचमार्क के विपरीत, एआरसी कार्यों को मनुष्यों के लिए आसान लेकिन मशीनों के लिए चुनौतीपूर्ण बनाने के लिए डिज़ाइन किया गया है, क्योंकि उन्हें वस्तुनिष्ठता, स्थानिक संबंधों और परिवर्तनों के बारे में मुख्य ज्ञान की आवश्यकता होती है।
एआरसी एआई समुदाय में व्यापक रूप से उपयोग किया जाने वाला मूल्यांकन उपकरण बन गया है, जिसने व्यवस्थित सामान्यीकरण और वितरण-से-बाहर तर्क पर शोध को बढ़ावा दिया है। लेक ने तर्क दिया है कि वर्तमान बड़े भाषा मॉडल और ट्रांसफॉर्मर-आधारित वास्तुकलाएँ, अपने प्रभावशाली पैमाने के बावजूद, अक्सर एआरसी कार्यों पर विफल होती हैं क्योंकि उनमें रचनात्मक और कारणात्मक तर्क क्षमताओं का अभाव होता है जो मनुष्यों के पास हैं। इस काम ने लेक को इस विचार के एक प्रमुख आलोचक के रूप में स्थापित किया है कि अकेले स्केलिंग मानव-स्तरीय एआई की ओर ले जाएगी।
व्यवस्थित सामान्यीकरण और रचनात्मकता
लेक के शोध में एक आवर्ती विषय व्यवस्थित सामान्यीकरण का महत्व है - ज्ञात अवधारणाओं के नए संयोजनों को समझने और उत्पन्न करने की क्षमता। साइंस में प्रकाशित 2019 के एक पेपर में, लेक और उनके सहयोगियों ने प्रदर्शित किया कि मानक तंत्रिका नेटवर्क अक्सर शब्दों और अर्थों के नए संयोजनों पर परीक्षण किए जाने पर व्यवस्थित रूप से सामान्यीकरण करने में विफल होते हैं। उदाहरण के लिए, "दो बार कूदो" और "बाएं घूमो" वाक्यांशों को समझने के लिए प्रशिक्षित एक मॉडल "बाएं कूदो" या "दो बार घूमो" को समझने में विफल हो सकता है।
इस काम ने कई डीप लर्निंग दृष्टिकोणों की एक मौलिक सीमा पर प्रकाश डाला और रचनात्मक प्रेरक पूर्वाग्रहों को शामिल करने की आवश्यकता के लिए तर्क दिया। लेक ने इसे संबोधित करने के लिए विभिन्न तरीकों का पता लगाया है, जिसमें मेटा-लर्निंग तकनीकें शामिल हैं जो मॉडलों को नए कार्यों को जल्दी से सीखने के लिए प्रशिक्षित करती हैं, और हाइब्रिड वास्तुकलाएँ जो तंत्रिका नेटवर्क को प्रतीकात्मक तर्क के साथ जोड़ती हैं। उनका शोध बताता है कि मानव-स्तरीय एआई प्राप्त करने के लिए कनेक्शनिस्ट और प्रतीकात्मक दृष्टिकोणों के संश्लेषण की आवश्यकता होगी।
संज्ञानात्मक विज्ञान और एआई एकीकरण
लेक इस विचार के एक मजबूत समर्थक हैं कि एआई शोध को संज्ञानात्मक विज्ञान द्वारा सूचित किया जाना चाहिए। उन्होंने तर्क दिया है कि मनुष्य कैसे सीखते हैं, तर्क करते हैं और सामान्यीकरण करते हैं, इसका अध्ययन अधिक मजबूत और कुशल एआई प्रणालियों के निर्माण के लिए मूल्यवान अंतर्दृष्टि प्रदान कर सकता है। यह दृष्टिकोण मनोवैज्ञानिकों और तंत्रिका वैज्ञानिकों के साथ उनके सहयोगों के साथ-साथ दोनों क्षेत्रों को जोड़ने वाली पहलों में उनकी भागीदारी में परिलक्षित होता है।
"बिल्डिंग मशीन्स दैट लर्न एंड थिंक लाइक पीपल" शीर्षक वाले 2017 के एक व्यापक रूप से उद्धृत पेपर में, लेक और उनके सह-लेखकों ने संज्ञानात्मक सिद्धांतों के आधार पर एआई शोध के लिए एक रोडमैप की रूपरेखा तैयार की। उन्होंने प्रस्तावित किया कि भविष्य की एआई प्रणालियों को कुछ उदाहरणों से सीखने, कारणात्मक रूप से तर्क करने और सहज भौतिकी और मनोविज्ञान का उपयोग करने में सक्षम होना चाहिए। यह पेपर वर्तमान दृष्टिकोणों की सीमाओं और अधिक मानव-जैसी एआई की क्षमता के बारे में चर्चाओं को आकार देने में प्रभावशाली रहा है।
हालिया कार्य और भविष्य की दिशाएँ
हाल के वर्षों में, लेक ने अपने शोध का विस्तार जनरेटिव एआई मॉडलों की क्षमताओं और सीमाओं का पता लगाने के लिए किया है। उन्होंने जांच की है कि क्या बड़े भाषा मॉडल उचित रूप से संकेत देने पर व्यवस्थित सामान्यीकरण प्रदर्शित कर सकते हैं, और क्या वे न्यूनतम उदाहरणों से नई अवधारणाओं को सीख सकते हैं। उनके निष्कर्ष मिश्रित रहे हैं, जो बताते हैं कि जबकि ये मॉडल शक्तिशाली हैं, उनमें अभी भी मानव अनुभूति के कुछ मुख्य पहलुओं का अभाव है।
लेक ने नए बेंचमार्क और मूल्यांकन विधियों को विकसित करने के प्रयासों में भी शामिल रहे हैं जो मानव-जैसी बुद्धिमत्ता को बेहतर ढंग से पकड़ते हैं। उन्होंने एआई प्रणालियों को उन कार्यों पर परीक्षण करने के महत्व के लिए तर्क दिया है जिनके लिए सक्रिय सीखने, कारणात्मक तर्क और नए वातावरण के अनुकूल होने की क्षमता की आवश्यकता होती है। उनका चल रहा काम ऐसे मॉडल बनाने का लक्ष्य रखता है जो न केवल विशिष्ट कार्यों पर अच्छा प्रदर्शन करते हैं बल्कि मानव अनुभूति के लचीलेपन और मजबूती को भी प्रदर्शित करते हैं।
प्रभाव और मान्यता
लेक के शोध को इसकी मौलिकता और प्रभाव के लिए व्यापक रूप से मान्यता दी गई है। उन्होंने कई पुरस्कार प्राप्त किए हैं, जिनमें नेशनल साइंस फाउंडेशन करियर अवार्ड और स्लोअन रिसर्च फेलोशिप शामिल हैं। उनके पेपर साइंस और नेचर ह्यूमन बिहेवियर जैसी शीर्ष पत्रिकाओं में प्रकाशित हुए हैं, और वे प्रमुख एआई और संज्ञानात्मक विज्ञान सम्मेलनों में लगातार आमंत्रित वक्ता हैं।
शिक्षा जगत से परे, लेक के विचारों ने एआई उद्योग में क्षेत्र के भविष्य के बारे में चर्चाओं को प्रभावित किया है। स्केलिंग-आधारित दृष्टिकोणों की उनकी आलोचनाओं ने ओपनएआई और गूगल डीपमाइंड जैसी कंपनियों के शोधकर्ताओं को वैकल्पिक वास्तुकलाओं और प्रशिक्षण प्रतिमानों पर विचार करने के लिए प्रेरित किया है। उन्होंने एआई सुरक्षा और मानव मूल्यों के साथ संरेखित प्रणालियों के निर्माण के महत्व पर सार्वजनिक प्रवचन में भी योगदान दिया है।
शिक्षण और मेंटरशिप
एनवाईयू में, लेक मशीन लर्निंग और संज्ञानात्मक विज्ञान पर पाठ्यक्रम पढ़ाते हैं, शोधकर्ताओं की एक नई पीढ़ी को मार्गदर्शन देते हैं जो इन क्षेत्रों के प्रतिच्छेदन में रुचि रखते हैं। उनके छात्र शिक्षा जगत और उद्योग में पदों पर गए हैं, मानव-स्तरीय एआई शोध की सीमाओं को आगे बढ़ाते रहे हैं। लेक अपने सहयोगी और खुले विचारों वाले दृष्टिकोण के लिए जाने जाते हैं, जो अंतःविषय सोच और कठोर प्रयोग को प्रोत्साहित करते हैं।
एआई के लिए लेक की दृष्टि वह है जहाँ मशीनें केवल उपकरण नहीं हैं बल्कि साझेदार हैं जो मनुष्यों के साथ सीख और तर्क कर सकते हैं। उनका काम क्षेत्र को संकीर्ण बेंचमार्क से परे और बुद्धिमत्ता की गहरी समझ की ओर ले जाने की चुनौती देता है। जैसे-जैसे एआई आगे बढ़ता रहेगा, लेक का योगदान उन मशीनों की खोज में केंद्रीय बना रहेगा जो वास्तव में लोगों की तरह सोचते और सीखते हैं।
चयनित प्रकाशन
लेक ने कई प्रभावशाली पेपर लिखे हैं, जिनमें शामिल हैं:
- "ह्यूमन-लेवल कॉन्सेप्ट लर्निंग थ्रू प्रोबेबिलिस्टिक प्रोग्राम इंडक्शन" (2015, साइंस)
- "बिल्डिंग मशीन्स दैट लर्न एंड थिंक लाइक पीपल" (2017, बिहेवियरल एंड ब्रेन साइंसेज)
- "जनरलाइज़ेशन विदाउट सिस्टमैटिसिटी: ऑन द कम्पोज़िशनल स्किल्स ऑफ सीक्वेंस-टू-सीक्वेंस रिकरंट नेटवर्क्स" (2018, आईसीएमएल)
- "द एब्स्ट्रैक्शन एंड रीजनिंग कॉर्पस" (2019, arXiv)
- "सिस्टमैटिक जनरलाइज़ेशन: व्हाट इज़ रिक्वायर्ड एंड कैन इट बी लर्न्ड?" (2019, साइंस)
इन कार्यों ने सामूहिक रूप से मानव-स्तरीय एआई के लिए शोध एजेंडा को आकार दिया है, जिसने अधिक सक्षम और मानव-जैसी प्रणालियों के निर्माण के लिए शैक्षणिक और औद्योगिक दोनों प्रयासों को प्रेरित किया है।
निष्कर्ष
ब्रेडेन लेक ऐसी एआई बनाने के प्रयास में एक अग्रणी व्यक्ति के रूप में खड़े हैं जो मानव सीखने और तर्क को दर्शाती है। उनका अंतःविषय दृष्टिकोण, संज्ञानात्मक विज्ञान को मशीन लर्निंग के साथ जोड़ते हुए, इस बात में मौलिक अंतर्दृष्टि उत्पन्न की है कि मशीनें कुछ उदाहरणों से कैसे सीख सकती हैं और व्यवस्थित रूप से सामान्यीकरण कर सकती हैं। जबकि मानव-स्तरीय एआई का लक्ष्य दूर बना हुआ है, लेक का शोध एक सैद्धांतिक मार्ग प्रदान करता है, जो संरचना, रचनात्मकता और संज्ञानात्मक यथार्थवाद के महत्व पर जोर देता है। उनका काम आने वाले वर्षों में क्षेत्र को प्रभावित करता रहेगा, क्योंकि शोधकर्ता उन मशीनों के निर्माण की चुनौती से जूझ रहे हैं जो वास्तव में दुनिया को समझते हैं।