यूरिस्को

Eurisko एक अग्रणी कृत्रिम बुद्धिमत्ता कार्यक्रम है, जिसे कंप्यूटर वैज्ञानिक डगलस लेनाट ने स्टैनफोर्ड विश्वविद्यालय और बाद में माइक्रोइलेक्ट्रॉनिक्स एंड कंप्यूटर टेक्नोलॉजी कॉर्पोरेशन (MCC) में 1970 के दशक के अंत और 1980 के दशक की शुरुआत में बनाया था। इसे सामान्य और डोमेन-विशिष्ट ह्यूरिस्टिक्स के ज्ञान आधार का उपयोग करके, और मेटा-ह्यूरिस्टिक्स के एक सेट को लागू करके, जो मौजूदा ह्यूरिस्टिक्स को उनके प्रदर्शन के आधार पर संशोधित, संयोजित या प्रतिस्थापित कर सकते थे, ह्यूरिस्टिक्स - समस्या-समाधान के लिए अंगूठे के नियम - की खोज और परिष्करण के लिए डिज़ाइन किया गया था। Eurisko अपनी स्व-संशोधित वास्तुकला के लिए उल्लेखनीय है, जिसने इसे समय के साथ अपनी समस्या-समाधान रणनीतियों में सुधार करने की अनुमति दी, और गणित, खेल खेलने और वैज्ञानिक खोज जैसे डोमेन में नए ह्यूरिस्टिक्स की खोज में इसकी सफलता के लिए।

Eurisko का विकास 1970 के दशक के दौरान कृत्रिम बुद्धिमत्ता में व्यापक शोध प्रयास का हिस्सा था, जो ज्ञान-आधारित प्रणालियों और ह्यूरिस्टिक खोज पर केंद्रित था। पहले के कार्यक्रमों के विपरीत, जो निश्चित एल्गोरिदम पर निर्भर थे, Eurisko का उद्देश्य ह्यूरिस्टिक खोज की प्रक्रिया को स्वचालित करना था, जिससे यह आधुनिक मशीन लर्निंग और मेटा-लर्निंग दृष्टिकोणों का अग्रदूत बन गया। इसका नाम, ग्रीक शब्द "मैं खोजता हूं" से लिया गया है, जो ज्ञात समाधानों को लागू करने के बजाय नए समाधान खोजने के अपने लक्ष्य को दर्शाता है।

उत्पत्ति और विकास

Eurisko की कल्पना डगलस लेनाट ने की थी, जिन्होंने पहले 1976 में AM (स्वचालित गणितज्ञ) कार्यक्रम विकसित किया था, जिसने गणितीय अवधारणाओं और अनुमानों की खोज की थी। AM ने अपनी खोज का मार्गदर्शन करने के लिए ह्यूरिस्टिक्स के एक सेट का उपयोग किया, लेकिन लेनाट ने देखा कि इसका प्रदर्शन स्थिर हो गया क्योंकि ह्यूरिस्टिक्स स्थिर थे। इसे संबोधित करने के लिए, उन्होंने Eurisko को ह्यूरिस्टिक्स को प्रथम श्रेणी की वस्तुओं के रूप में मानने के लिए डिज़ाइन किया, जिन्हें अन्य ह्यूरिस्टिक्स द्वारा जांचा, मूल्यांकन और संशोधित किया जा सकता था। कार्यक्रम को Lisp प्रोग्रामिंग भाषा में लागू किया गया था, जिसने प्रतीकात्मक हेरफेर और आत्म-संदर्भ की सुविधा प्रदान की।

लेनाट ने Eurisko को स्टैनफोर्ड विश्वविद्यालय में विकसित किया, और बाद में 1984 में ऑस्टिन, टेक्सास में MCC में काम जारी रखा। कार्यक्रम का विभिन्न कार्यों पर परीक्षण किया गया, जिसमें संख्या सिद्धांत में अवधारणाओं की खोज, पहेलियाँ हल करना और खेल खेलना शामिल था। Eurisko की वास्तुकला में ह्यूरिस्टिक्स की एक वैश्विक स्मृति शामिल थी, प्रत्येक में एक शर्त और एक क्रिया थी, और मेटा-ह्यूरिस्टिक्स का एक सेट था जो इन ह्यूरिस्टिक्स के निर्माण, विलोपन और परिवर्तन को नियंत्रित करता था। कार्यक्रम ने यह ट्रैक करने के लिए क्रेडिट असाइनमेंट के एक रूप का उपयोग किया कि कौन से ह्यूरिस्टिक्स ने सफल परिणामों में योगदान दिया, जिससे यह प्रभावी नियमों को सुदृढ़ कर सके और अप्रभावी लोगों को त्याग सके।

उपलब्धियाँ और अनुप्रयोग

Eurisko की सबसे प्रसिद्ध उपलब्धियों में से एक Traveller TCS के खेल में इसका प्रदर्शन था, जो एक विज्ञान-कथा युद्ध खेल है। 1981 में, Eurisko ने न्यूनतम मानवीय मार्गदर्शन के साथ, जहाजों का एक बेड़ा डिज़ाइन किया, जिसने एक राष्ट्रीय टूर्नामेंट में मानव-डिज़ाइन किए गए बेड़े को हराया, और चैम्पियनशिप जीती। कार्यक्रम की सफलता को अपरंपरागत ह्यूरिस्टिक्स की खोज करने की क्षमता के लिए जिम्मेदार ठहराया गया था, जैसे कि विशिष्ट हथियार और कवच विन्यास वाले जहाजों को डिज़ाइन करना जो खेल के नियमों का उन तरीकों से फायदा उठाते थे जिन पर मानव खिलाड़ियों ने विचार नहीं किया था। हालाँकि, Eurisko की रणनीतियों को रोकने के लिए खेल के नियमों को बाद में बदल दिया गया, जो गैर-स्पष्ट समाधान खोजने की कार्यक्रम की क्षमता को उजागर करता है।

गणित में, Eurisko का उपयोग सेट सिद्धांत और संख्या सिद्धांत में अवधारणाओं का पता लगाने के लिए किया गया था, ज्ञात परिणामों को फिर से खोजना और कभी-कभी नए अनुमान सुझाना। उदाहरण के लिए, इसने कुछ गणितीय संरचनाओं के बीच संबंधों की पहचान की, हालाँकि इसकी खोजें हमेशा अभूतपूर्व नहीं थीं। Eurisko ने वैज्ञानिक खोज में भी क्षमता का प्रदर्शन किया, जैसे कि रासायनिक प्रतिक्रियाओं के लिए नियमों की परिकल्पना करना, हालाँकि ये अनुप्रयोग इसकी खेल-खेलने की सफलता से कम विकसित थे।

वास्तुकला और विधियाँ

Eurisko का मुख्य नवाचार इसकी स्व-संशोधित ह्यूरिस्टिक प्रणाली थी। कार्यक्रम ने ह्यूरिस्टिक्स का एक ज्ञान आधार बनाए रखा, प्रत्येक को एक शर्त और एक क्रिया के साथ एक नियम के रूप में दर्शाया गया। मेटा-ह्यूरिस्टिक्स, जो स्वयं ह्यूरिस्टिक्स थे, अन्य ह्यूरिस्टिक्स पर लागू हो सकते थे, जिससे Eurisko को मौजूदा लोगों को संयोजित, विशेषज्ञ या सामान्यीकृत करके नए नियम उत्पन्न करने की अनुमति मिली। कार्यक्रम ने संभावित ह्यूरिस्टिक्स के स्थान का पता लगाने के लिए "ह्यूरिस्टिक खोज" नामक एक तंत्र का उपयोग किया, जो एक उपयोगिता फ़ंक्शन द्वारा निर्देशित था जो इसके पिछले प्रदर्शन और नवीनता के आधार पर एक नियम के संभावित मूल्य का अनुमान लगाता था।

Eurisko ने सुदृढीकरण सीखने का एक रूप नियोजित किया, क्योंकि इसने लक्ष्यों को प्राप्त करने में उनकी सफलता के आधार पर ह्यूरिस्टिक्स की ताकत को अद्यतन किया। इसने Curriculum Learning के समान एक तकनीक का भी उपयोग किया, धीरे-धीरे उन कार्यों की जटिलता को बढ़ाया जो इसने किए। प्रतीकात्मक स्तर पर अपने स्वयं के कोड को संशोधित करने की कार्यक्रम की क्षमता ने इसे बाद के सांख्यिकीय दृष्टिकोणों से अलग किया, जो आम तौर पर संख्यात्मक मापदंडों को समायोजित करते हैं। Eurisko का दृष्टिकोण प्रोग्राम संश्लेषण और स्वचालित खोज के समान था, जो Artificial intelligence में अनुसंधान के सक्रिय क्षेत्र बने हुए हैं।

प्रभाव और विरासत

Eurisko ने मेटा-लर्निंग और स्व-सुधार AI प्रणालियों में बाद के शोध को प्रभावित किया। स्वचालित ह्यूरिस्टिक खोज के बारे में इसके विचारों ने Neural network आर्किटेक्चर खोज और Machine learning हाइपरपैरामीटर अनुकूलन जैसी आधुनिक तकनीकों को पूर्वाभास दिया। हालाँकि, Eurisko की सफलता कम्प्यूटेशनल बाधाओं और बड़ी, वास्तविक दुनिया की समस्याओं के लिए अपने प्रतीकात्मक दृष्टिकोण को स्केल करने की कठिनाई से सीमित थी। लेनाट ने बाद में Cyc परियोजना पर ध्यान केंद्रित किया, जिसका उद्देश्य सामान्य ज्ञान को एन्कोड करना था, और 1980 के दशक के मध्य के बाद Eurisko को सक्रिय रूप से विकसित नहीं किया गया था।

अपनी उम्र के बावजूद, Eurisko एक AI प्रणाली का एक उल्लेखनीय उदाहरण बना हुआ है जो खुद को सुधार सकता है, एक लक्ष्य जो Generative AI और Large language model विकास में अनुसंधान को जारी रखता है। इसकी विरासत आधुनिक AI में स्वचालित खोज और अनुकूली एल्गोरिदम पर जोर देने में स्पष्ट है, हालाँकि समकालीन प्रणालियाँ प्रतीकात्मक ह्यूरिस्टिक्स के बजाय Deep learning और Transformer (architecture) आर्किटेक्चर पर निर्भर करती हैं। Eurisko को अक्सर AI के इतिहास और वास्तव में स्वायत्त समस्या-समाधान प्रणाली बनाने की चुनौतियों की चर्चा में उद्धृत किया जाता है।

आधुनिक AI के साथ तुलना

Eurisko स्पष्ट प्रतीकात्मक नियमों पर संचालित होता था, जबकि Large language model जैसी आधुनिक AI प्रणालियाँ विशाल डेटासेट से सीखे गए सांख्यिकीय पैटर्न का उपयोग करती हैं। Eurisko का स्व-संशोधन जानबूझकर और व्याख्या योग्य था, जबकि आधुनिक मॉडल Stochastic Gradient Descent Variants और Backpropagation-जैसे तरीकों के माध्यम से वजन समायोजित करते हैं, जो कम पारदर्शी हैं। Eurisko को प्रारंभिक ह्यूरिस्टिक्स के मैन्युअल विनिर्देश की आवश्यकता थी, जबकि आधुनिक प्रणालियाँ कच्चे डेटा से सीखती हैं। हालाँकि, दोनों दृष्टिकोण अनुभव के माध्यम से प्रदर्शन में सुधार के लक्ष्य को साझा करते हैं, और नई रणनीतियों की खोज पर Eurisko का जोर Reinforcement Learning from AI Feedback (RLAIF) और स्वचालित प्रॉम्प्ट इंजीनियरिंग में वर्तमान शोध के साथ प्रतिध्वनित होता है।

Eurisko की सीमाएँ - जैसे कि हस्त-निर्मित ज्ञान पर इसकी निर्भरता और स्केलिंग में इसकी कठिनाई - आधुनिक Neural network दृष्टिकोणों के लाभों को उजागर करती हैं, जो उच्च-आयामी डेटा और जटिल कार्यों को संभाल सकते हैं। फिर भी, आत्म-सुधार और ह्यूरिस्टिक खोज में Eurisko का वैचारिक योगदान प्रासंगिक बना हुआ है, और इसकी कहानी प्रतीकात्मक तर्क से Machine learning तक AI के विकास में अंतर्दृष्टि प्रदान करती है।

संदर्भ और आगे पढ़ना

• Lenat, D. B. (1983). "Eurisko: A program that learns new heuristics and domain concepts." Artificial Intelligence, 21(1-2), 61-98.
• Lenat, D. B., & Brown, J. S. (1984). "Why AM and Eurisko appear to work." Artificial Intelligence, 23(3), 269-294.
• Buchanan, B. G., & Shortliffe, E. H. (1984). "Rule-Based Expert Systems." Addison-Wesley.

ये कार्य Eurisko के डिज़ाइन, प्रयोगों और सैद्धांतिक नींव के विस्तृत विवरण प्रदान करते हैं, और वे कार्यक्रम को 1980 के दशक में Artificial intelligence अनुसंधान के व्यापक संदर्भ में स्थापित करते हैं।