कॉग्निट्रॉन एक प्रारंभिक कृत्रिम तंत्रिका नेटवर्क मॉडल है, जिसे 1975 में जापानी कंप्यूटर वैज्ञानिक कुनिहिको फुकुशिमा ने प्रस्तुत किया था। इसे एक स्व-संगठित प्रणाली के रूप में डिज़ाइन किया गया था, जो बिना बाहरी लेबल या त्रुटि संकेतों के, बिना पर्यवेक्षण के प्रतिस्पर्धी अधिगम के माध्यम से पैटर्न पहचानना सीख सकती है। इस मॉडल ने बाद के पदानुक्रमित आर्किटेक्चर, विशेष रूप से नियोकॉग्निट्रॉन के लिए आधार तैयार किया, और मशीन लर्निंग और कंप्यूटर विज़न में जैविक रूप से प्रेरित दृष्टिकोणों के विकास में योगदान दिया।
कॉग्निट्रॉन एक बहु-स्तरीय नेटवर्क के रूप में कार्य करता है, जहाँ प्रत्येक परत में उत्तेजक और निरोधात्मक कोशिकाएँ होती हैं। इसका अधिगम नियम स्थानीय और हेब्बियन-जैसा है: कोशिकाओं के बीच कनेक्शन मजबूत होते हैं जब उनकी गतिविधियाँ सहसंबद्ध होती हैं, जबकि निरोधात्मक अंतःक्रियाएँ एक परत के भीतर कोशिकाओं के बीच प्रतिस्पर्धा को लागू करती हैं। यह स्व-संगठन नेटवर्क को बिना पर्यवेक्षण के इनपुट में मौजूद पैटर्न, जैसे कि किनारों या सरल आकृतियों के अनुरूप फीचर डिटेक्टर विकसित करने की अनुमति देता है।
आर्किटेक्चर और अधिगम तंत्र
कॉग्निट्रॉन की संरचना परतों के एक कैस्केड से बनी होती है, जिसमें प्रत्येक परत में कोशिकाओं की एक द्वि-आयामी सरणी होती है। प्रत्येक कोशिका पिछली परत के एक स्थानीय क्षेत्र से इनपुट प्राप्त करती है, जो दृश्य कॉर्टेक्स में पाए जाने वाले ग्राही क्षेत्र संगठन की नकल करती है। प्रत्येक परत के भीतर, उत्तेजक कोशिकाएँ निरोधात्मक कोशिकाओं के माध्यम से प्रतिस्पर्धा करती हैं, यह सुनिश्चित करते हुए कि किसी दिए गए इनपुट के लिए कोशिकाओं का केवल एक उपसमुच्चय दृढ़ता से प्रतिक्रिया करता है - यह विनर-टेक-ऑल गतिशीलता का एक रूप है। फुकुशिमा द्वारा प्रस्तावित अधिगम नियम, प्रीसिनेप्टिक और पोस्टसिनेप्टिक गतिविधि के उत्पाद के आधार पर सिनैप्टिक भार को समायोजित करता है, लेकिन एक सीमा के साथ जो अनियंत्रित वृद्धि को रोकती है। यह बिना पर्यवेक्षण तंत्र नेटवर्क को क्रमिक परतों के माध्यम से संकेतों के प्रसारित होने पर तेजी से जटिल विशेषताओं को निकालने में सक्षम बनाता है।
नियोकॉग्निट्रॉन से संबंध
कॉग्निट्रॉन नियोकॉग्निट्रॉन का प्रत्यक्ष अग्रदूत था, जिसे फुकुशिमा ने 1980 में पेश किया था। नियोकॉग्निट्रॉन ने सरल (S) और जटिल (C) कोशिकाओं की वैकल्पिक परतों को शामिल करके कॉग्निट्रॉन का विस्तार किया, जो शिफ्ट अपरिवर्तनशीलता प्रदान करता है और इनपुट में उनकी स्थिति की परवाह किए बिना पैटर्न की पहचान की अनुमति देता है। जबकि कॉग्निट्रॉन स्व-संगठन के माध्यम से विशेषताओं को सीख सकता था, इसमें स्थानिक विविधताओं के प्रति मजबूती का अभाव था, जिसे नियोकॉग्निट्रॉन ने हासिल किया। नियोकॉग्निट्रॉन डीप लर्निंग के क्षेत्र में प्रभावशाली बन गया, जिसने आधुनिक प्रणालियों में उपयोग किए जाने वाले कन्वोल्यूशनल आर्किटेक्चर को प्रेरित किया।
ऐतिहासिक संदर्भ और प्रभाव
फुकुशिमा ने जापान में एनएचके ब्रॉडकास्टिंग साइंस रिसर्च लेबोरेटरीज में काम करते हुए कॉग्निट्रॉन विकसित किया। यह मॉडल 1975 में जर्नल बायोलॉजिकल साइबरनेटिक्स में प्रकाशित हुआ था, एक ऐसे समय में जब कृत्रिम बुद्धिमत्ता अनुसंधान पर प्रतीकात्मक दृष्टिकोणों का प्रभुत्व था। कॉग्निट्रॉन ने एक वैकल्पिक कनेक्शनिस्ट प्रतिमान का प्रतिनिधित्व किया, जिसमें डेटा से सीखने और जैविक संभाव्यता पर जोर दिया गया। इसने 1980 के दशक में बर्नार्ड विड्रो और अन्य के काम के साथ, तंत्रिका नेटवर्क अनुसंधान के व्यापक पुनरुत्थान में योगदान दिया। हालाँकि कॉग्निट्रॉन स्वयं व्यावहारिक अनुप्रयोगों में व्यापक रूप से तैनात नहीं किया गया था, इसके सिद्धांतों ने बाद के मॉडलों को सूचित किया और पदानुक्रमित, स्व-संगठित नेटवर्क की व्यवहार्यता स्थापित करने में मदद की।
विरासत और आधुनिक प्रासंगिकता
कॉग्निट्रॉन का बिना पर्यवेक्षण, स्थानीय अधिगम पर जोर मशीन लर्निंग और डीप लर्निंग पर समकालीन अनुसंधान में प्रासंगिक बना हुआ है। आधुनिक कन्वोल्यूशनल तंत्रिका नेटवर्क, जैसे कि छवि पहचान में उपयोग किए जाने वाले, कॉग्निट्रॉन के स्तरित, ग्राही-क्षेत्र-आधारित डिज़ाइन के साथ अवधारणात्मक समानताएँ साझा करते हैं, हालाँकि वे आम तौर पर पर्यवेक्षित बैकप्रोपेगेशन का उपयोग करते हैं। यह मॉडल स्व-पर्यवेक्षित अधिगम में विचारों की भी आशा करता है, जहाँ नेटवर्क स्पष्ट लेबल के बिना डेटा संरचना से प्रतिनिधित्व प्राप्त करते हैं। एमआईटी सीएसएआईएल और स्टैनफोर्ड एआई लैब जैसे संस्थानों के शोधकर्ताओं ने कॉग्निट्रॉन को जैविक रूप से प्रेरित वास्तुकला के शुरुआती उदाहरण के रूप में उद्धृत किया है, और तंत्रिका नेटवर्क विकास के ऐतिहासिक सर्वेक्षणों में अक्सर इस पर चर्चा की जाती है।
सीमाएँ और आलोचनाएँ
अपने अभिनव पहलुओं के बावजूद, कॉग्निट्रॉन की कई सीमाएँ थीं। इसका अधिगम नियम कुछ स्थितियों में अस्थिर या संतृप्त भार का कारण बन सकता है, और जटिल, वास्तविक दुनिया की छवियों को पहचानने की नेटवर्क की क्षमता शिफ्ट अपरिवर्तनशीलता की कमी के कारण सीमित थी। प्रशिक्षण के लिए मापदंडों के सावधानीपूर्वक समायोजन की आवश्यकता होती थी, और यह मॉडल बाद के पर्यवेक्षित तरीकों की तरह कुशलता से स्केल नहीं करता था। इन कमियों ने फुकुशिमा के बाद के नियोकॉग्निट्रॉन पर काम को प्रेरित किया और 1980 और 1990 के दशक में बैकप्रोपेगेशन-आधारित दृष्टिकोणों के अंततः प्रभुत्व में योगदान दिया।
यह भी देखें
संदर्भ
- फुकुशिमा, के. (1975). कॉग्निट्रॉन: एक स्व-संगठित बहु-स्तरीय तंत्रिका नेटवर्क। बायोलॉजिकल साइबरनेटिक्स, 20(3-4), 121-136.
- फुकुशिमा, के. (1980). नियोकॉग्निट्रॉन: स्थिति में बदलाव से अप्रभावित पैटर्न पहचान के तंत्र के लिए एक स्व-संगठित तंत्रिका नेटवर्क मॉडल। बायोलॉजिकल साइबरनेटिक्स, 36(4), 193-202.