जोएल लेहमैन एक कंप्यूटर वैज्ञानिक और कृत्रिम बुद्धिमत्ता शोधकर्ता हैं, जो OpenAI से संबद्ध हैं, जहाँ वे मशीन लर्निंग और कृत्रिम बुद्धिमत्ता को आगे बढ़ाने पर काम करते हैं। वे नवीनता खोज (novelty search) और POET के सह-निर्माता के रूप में प्रसिद्ध हैं, जो दो प्रभावशाली एल्गोरिदम हैं जो AI प्रणालियों में खुली-समाप्ति (open-endedness) का अन्वेषण करते हैं। उनका शोध इस पर केंद्रित है कि कैसे सरल विकासवादी सिद्धांत स्पष्ट उद्देश्य कार्यों (objective functions) के बिना जटिल व्यवहार और समाधान उत्पन्न कर सकते हैं।
लेहमैन का कार्य कृत्रिम बुद्धिमत्ता, मशीन लर्निंग, और तंत्रिका नेटवर्क के प्रतिच्छेदन पर स्थित है। उन्होंने मौलिक सिद्धांत और व्यावहारिक अनुप्रयोगों दोनों में योगदान दिया है, जिसमें बड़े भाषा मॉडल और सुदृढीकरण लर्निंग शामिल हैं। उनके विचारों ने शोधकर्ताओं के अन्वेषण, विविधता, और पूर्वनिर्धारित लक्ष्यों से परे नवाचार करने की AI की क्षमता के बारे में सोचने के तरीके को आकार दिया है।
प्रारंभिक जीवन और शिक्षा
जोएल लेहमैन ने ऑस्टिन में टेक्सास विश्वविद्यालय से कंप्यूटर विज्ञान में पीएचडी प्राप्त की, जहाँ उन्होंने रिस्टो मिक्कुलैनेन के पर्यवेक्षण में काम किया। उनका डॉक्टरेट शोध विकासवादी गणना (evolutionary computation) और भ्रामक फिटनेस परिदृश्यों से बचने के लिए नवीनता खोज के उपयोग पर केंद्रित था। उनके पास कार्नेगी मेलन विश्वविद्यालय से कंप्यूटर विज्ञान में स्नातक की डिग्री भी है।
अपने स्नातक अध्ययन के दौरान, लेहमैन ने खुली-समाप्ति विकास (open-ended evolution) में गहरी रुचि विकसित की, एक अवधारणा जो जैविक विकास से प्रेरणा लेकर ऐसी प्रणालियाँ बनाती है जो लगातार नए और तेजी से जटिल व्यवहार उत्पन्न करती हैं। यह रुचि बाद में उनके करियर के अधिकांश हिस्से को परिभाषित करेगी।
नवीनता खोज
नवीनता खोज एक एल्गोरिदम है जो एजेंटों को एक विशिष्ट लक्ष्य प्राप्त करने के बजाय ऐसे व्यवहार उत्पन्न करने के लिए पुरस्कृत करता है जो नवीन या पहले देखे गए व्यवहारों से भिन्न हों। लेहमैन ने 2000 के दशक के मध्य में केनेथ ओ. स्टेनली के साथ इस दृष्टिकोण का सह-निर्माण किया। मुख्य अंतर्दृष्टि यह है कि कई जटिल समस्याओं में, समाधान का मार्ग स्पष्ट नहीं होता है, और नवीनता के लिए अनुकूलन ऐसी खोजों की ओर ले जा सकता है जो पारंपरिक उद्देश्य-आधारित खोज द्वारा छूट जाती हैं।
लगभग 2008 से शुरू होने वाले पेपरों की एक श्रृंखला में, लेहमैन और स्टेनली ने प्रदर्शित किया कि नवीनता खोज भूलभुलैया नेविगेशन और रोबोट गति जैसी समस्याओं को फिटनेस-आधारित विकास की तुलना में अधिक प्रभावी ढंग से हल कर सकती है। उनके काम ने प्रचलित धारणा को चुनौती दी कि विकासवादी गणना में प्रगति के लिए उद्देश्य कार्य आवश्यक हैं। तब से नवीनता खोज को विभिन्न क्षेत्रों में लागू किया गया है, जिसमें गेम खेलना, तंत्रिका आर्किटेक्चर खोज, और जनरेटिव कला शामिल हैं।
एल्गोरिदम की सरलता और प्रभावशीलता ने इसे क्षेत्र में एक ऐतिहासिक योगदान बना दिया। इसने विविधता रखरखाव और गुणवत्ता-विविधता एल्गोरिदम पर बाद के शोध को भी प्रेरित किया, जो नवीनता को प्रदर्शन मेट्रिक्स के साथ जोड़ते हैं।
POET
POET (Paired Open-Ended Trailblazer) एक एल्गोरिदम है जिसे लेहमैन ने स्टेनली और अन्य के साथ सह-निर्मित किया, जिसे 2020 के एक पेपर में पेश किया गया था। POET तेजी से जटिल वातावरण और एजेंटों की एक श्रृंखला उत्पन्न करता है जो उन्हें हल करना सीखते हैं। यह एक सह-विकासवादी दृष्टिकोण का उपयोग करता है जहाँ वातावरण और एजेंट दोनों विकसित होते हैं, जिससे प्रणाली अपना स्वयं का पाठ्यक्रम चुनौतियों का निर्माण कर सकती है।
POET अपनी खुली-समाप्ति के लिए उल्लेखनीय है: इसका कोई निश्चित अंतिम लक्ष्य नहीं है, बल्कि यह लगातार नई समस्याएँ उत्पन्न करता है जो एजेंटों की वर्तमान क्षमताओं से थोड़ा परे हैं। यह उन व्यवहारों की खोज को सक्षम बनाता है जो एक निश्चित वातावरण में उत्पन्न नहीं हो सकते हैं। POET को भूलभुलैया नेविगेशन और द्विपाद गति जैसे कार्यों पर लागू किया गया है, जहाँ इसने ऐसे एजेंट उत्पन्न किए जो विभिन्न प्रकार के इलाकों को संभाल सकते थे।
एल्गोरिदम AI प्रणालियों को बनाने की दिशा में एक महत्वपूर्ण कदम का प्रतिनिधित्व करता है जो मानव हस्तक्षेप के बिना अनिश्चित काल तक सीख और अनुकूलन कर सकते हैं। इसे एक उदाहरण के रूप में उद्धृत किया गया है कि कैसे खुली-समाप्ति लर्निंग अधिक सामान्य और मजबूत बुद्धिमत्ता की ओर ले जा सकती है।
OpenAI में शोध
लेहमैन 2020 में OpenAI में शामिल हुए, जहाँ उन्होंने बड़े पैमाने पर मशीन लर्निंग से संबंधित विभिन्न परियोजनाओं पर काम किया है। उनके योगदान में सुदृढीकरण लर्निंग, विकासवादी रणनीतियाँ, और बड़े भाषा मॉडल के प्रशिक्षण पर शोध शामिल है। वे AI प्रणालियों की सुरक्षा और मजबूती में सुधार के प्रयासों के साथ-साथ उनकी उभरती क्षमताओं को समझने में शामिल रहे हैं।
OpenAI में, लेहमैन ने पाठ्यक्रम लर्निंग, मानव प्रतिक्रिया से सुदृढीकरण लर्निंग, और तंत्रिका आर्किटेक्चर खोज के लिए विकासवादी एल्गोरिदम के उपयोग जैसे विषयों पर अन्य शोधकर्ताओं के साथ सहयोग किया है। उनके काम ने जनरेटिव AI मॉडल के विकास को प्रभावित किया है, जिसमें ट्रांसफॉर्मर आर्किटेक्चर पर आधारित मॉडल शामिल हैं।
लेहमैन ने खुली-समाप्ति के दार्शनिक निहितार्थों के बारे में भी लिखा है, यह तर्क देते हुए कि यह कृत्रिम सामान्य बुद्धिमत्ता प्राप्त करने के लिए एक महत्वपूर्ण घटक हो सकता है। उन्होंने AI शोध में अन्वेषण और विविधता के महत्व पर व्याख्यान दिए हैं और निबंध प्रकाशित किए हैं।
प्रमुख पेपर और प्रकाशन
लेहमैन ने कई प्रभावशाली पेपर लिखे या सह-लेखन किए हैं। सबसे उल्लेखनीय में से कुछ शामिल हैं:
- "Abandoning Objectives: Evolution Through the Search for Novelty Alone" (2008), जिसने नवीनता खोज पेश की।
- "Evolving a Diversity of Virtual Creatures through Novelty Search and Local Competition" (2011), जिसने विविध आकृतियाँ बनाने के लिए नवीनता खोज का विस्तार किया।
- "POET: End-to-End Learning of Open-Ended Environments" (2020), जिसने POET एल्गोरिदम पेश किया।
- "Machine-generated knowledge and the future of AI" (2022), एक पेपर जो पता लगाता है कि AI नया ज्ञान कैसे उत्पन्न कर सकता है।
- "The Surprising Creativity of Digital Evolution" (2018), एक समीक्षा कि कैसे विकासवादी एल्गोरिदम रचनात्मक समाधान उत्पन्न कर सकते हैं।
उनके प्रकाशन नेशनल एकेडमी ऑफ साइंसेज की कार्यवाही, इंटरनेशनल कॉन्फ्रेंस ऑन लर्निंग रिप्रेजेंटेशन्स (ICLR), और जेनेटिक एंड इवोल्यूशनरी कम्प्यूटेशन कॉन्फ्रेंस (GECCO) जैसे शीर्ष स्थानों में प्रकाशित हुए हैं।
पुरस्कार और मान्यता
लेहमैन के काम को कई पुरस्कारों से मान्यता दी गई है। उन्हें 2008 में GECCO में उनके नवीनता खोज पेपर के लिए उत्कृष्ट पेपर पुरस्कार मिला। उनका POET पेपर ICLR 2020 में सर्वश्रेष्ठ पेपर के लिए नामांकित किया गया था। उन्हें विकासवादी गणना और AI पर प्रमुख सम्मेलनों और कार्यशालाओं में बोलने के लिए भी आमंत्रित किया गया है।
शैक्षणिक मान्यता के अलावा, लेहमैन के शोध को मीडिया में व्यापक रूप से कवर किया गया है, जिसमें वायर्ड, एमआईटी टेक्नोलॉजी रिव्यू, और क्वांटा मैगज़ीन में लेख शामिल हैं। खुली-समाप्ति के बारे में उनके विचारों ने AI के भविष्य और मानव अपेक्षाओं से परे नवाचार करने की इसकी क्षमता के बारे में चर्चाएँ शुरू की हैं।
प्रभाव और विरासत
जोएल लेहमैन के योगदान का विकासवादी गणना और कृत्रिम बुद्धिमत्ता के क्षेत्रों पर स्थायी प्रभाव पड़ा है। नवीनता खोज और POET को खुली-समाप्ति विकास के क्षेत्र में मौलिक कार्य माना जाता है, जो AI प्रणालियों को बनाने का प्रयास करता है जो अपने स्वयं के लक्ष्य उत्पन्न कर सकते हैं और लगातार सुधार कर सकते हैं। उनके शोध ने वैज्ञानिकों की एक नई पीढ़ी को विविधता-आधारित विधियों का अन्वेषण करने और उद्देश्य कार्यों की आवश्यकता पर सवाल उठाने के लिए प्रेरित किया है।
लेहमैन के काम ने व्यावहारिक अनुप्रयोगों को भी प्रभावित किया है। उदाहरण के लिए, नवीनता खोज का उपयोग गेम डिज़ाइन में विभिन्न व्यवहारों वाले गैर-खिलाड़ी पात्रों को बनाने के लिए किया गया है, और POET को रोबोटिक्स और स्वचालित पाठ्यक्रम निर्माण पर लागू किया गया है। उनके विचार तेजी से प्रासंगिक हो रहे हैं क्योंकि AI प्रणालियाँ अधिक जटिल होती जा रही हैं और गतिशील, अप्रत्याशित वातावरण में काम करने की उम्मीद की जाती है।
2025 तक, लेहमैन OpenAI में काम करना जारी रखते हैं, जहाँ वे उन्नत AI मॉडल के विकास में योगदान देते हैं और खुली-समाप्ति लर्निंग की सीमाओं का अन्वेषण करते हैं। उनका शोध ऐसे AI बनाने के प्रयासों में सबसे आगे बना हुआ है जो न केवल सक्षम बल्कि रचनात्मक और अनुकूलनीय भी हो।
व्यक्तिगत जीवन और रुचियाँ
शोध के बाहर, लेहमैन मन के दर्शन और रचनात्मकता की प्रकृति में अपनी रुचि के लिए जाने जाते हैं। उन्होंने इन विषयों पर ब्लॉग पोस्ट और निबंध लिखे हैं, अक्सर जैविक विकास और कृत्रिम बुद्धिमत्ता के बीच संबंध बनाते हुए। वे खुली विज्ञान के समर्थक भी हैं और अपने कई पेपर और कोड सार्वजनिक रूप से उपलब्ध कराए हैं।
लेहमैन सैन फ्रांसिस्को खाड़ी क्षेत्र में स्थित हैं, जहाँ OpenAI का मुख्यालय है। वे लंबी पैदल यात्रा और बोर्ड गेम खेलने का आनंद लेते हैं, ऐसी गतिविधियाँ जो वे कहते हैं कि अन्वेषण और रणनीति के बारे में उनकी सोच को प्रेरित करती हैं।
यह भी देखें
संदर्भ
- Lehman, J., & Stanley, K. O. (2008). Abandoning Objectives: Evolution Through the Search for Novelty Alone. GECCO.
- Lehman, J., & Stanley, K. O. (2011). Evolving a Diversity of Virtual Creatures through Novelty Search and Local Competition. GECCO.
- Wang, R., Lehman, J., et al. (2020). POET: End-to-End Learning of Open-Ended Environments. ICLR.
- Lehman, J., et al. (2018). The Surprising Creativity of Digital Evolution. PNAS.
- Lehman, J., et al. (2022). Machine-generated knowledge and the future of AI.