जोश टेनेनबाम

जोशुआ ब्रेट टेनेनबाम मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी (MIT) में कम्प्यूटेशनल कॉग्निटिव साइंस के प्रोफेसर हैं, जहाँ वे कम्प्यूटेशनल कॉग्निटिव साइंस प्रयोगशाला का नेतृत्व करते हैं और MIT कंप्यूटर साइंस एंड आर्टिफिशियल इंटेलिजेंस लेबोरेटरी (CSAIL) के सदस्य हैं। वे मानव सीखने, तर्क और धारणा के अध्ययन में प्रायिकतावादी और सांख्यिकीय मॉडलिंग के अग्रणी अनुप्रयोग के लिए जाने जाते हैं, एक दृष्टिकोण जिसने संज्ञानात्मक विज्ञान और कृत्रिम बुद्धिमत्ता अनुसंधान दोनों को नया आकार दिया है। उनका कार्य अनुभूति की एक केंद्रीय पहेली को संबोधित करता है: मानव मन विरल और अस्पष्ट डेटा से समृद्ध, सामान्यीकरण योग्य ज्ञान का अनुमान कैसे लगा सकता है, जिसे अक्सर 'इतने कम से इतना कुछ, इतनी जल्दी सीखना' के रूप में वर्णित किया जाता है।

टेनेनबाम का शोध मशीन लर्निंग, गणितीय मनोविज्ञान और बायेसियन संज्ञानात्मक विज्ञान के प्रतिच्छेदन पर स्थित है। वे कम्प्यूटेशनल मॉडल विकसित करते हैं जो मन को एक प्रकार के प्रायिकतावादी अनुमान इंजन के रूप में मानते हैं, और वे इन मॉडलों का उपयोग मानवीय क्षमताओं जैसे अवधारणा सीखना, कारण तर्क और सहज भौतिकी को समझाने के लिए करते हैं। उनकी अंतर्दृष्टि ने ऐसी AI प्रणालियों के निर्माण के प्रयासों को प्रभावित किया है जो लोगों की तरह अधिक सीखते हैं, मानक डीप लर्निंग के पैटर्न-मिलान से आगे बढ़कर अधिक लचीली, रचनात्मक और कारणात्मक समझ की ओर बढ़ते हैं।

प्रारंभिक जीवन और शिक्षा

टेनेनबाम कैलिफोर्निया में एक बौद्धिक रूप से सक्रिय परिवार में पले-बढ़े। उनकी माँ एक शिक्षिका थीं, और उनके पिता, जे मार्टिन टेनेनबाम, इलेक्ट्रॉनिक कॉमर्स और ऑनलाइन बाज़ारों में प्रारंभिक कार्य के लिए जाने जाने वाले इंटरनेट कॉमर्स के अग्रणी हैं। शिक्षण और सीखने में उनके माता-पिता की रुचि का उनके बौद्धिक विकास पर स्थायी प्रभाव पड़ा, जिससे वे ज्ञान के अर्जन और प्रतिनिधित्व के बारे में प्रश्नों की ओर अग्रसर हुए।

येल विश्वविद्यालय में अपने स्नातक वर्षों के दौरान, टेनेनबाम संज्ञानात्मक मनोवैज्ञानिक रोजर शेपर्ड से प्रभावित थे, जो मानसिक प्रतिनिधित्व और समानता के अध्ययन में अग्रणी थे। अनुभूति के ज्यामितीय मॉडल पर शेपर्ड का कार्य और धारणा में सामान्यीकरण की भूमिका पर उनका जोर टेनेनबाम की सोच पर गहरा प्रभाव छोड़ गया। टेनेनबाम ने 1993 में येल से भौतिकी में स्नातक की डिग्री प्राप्त की, एक ऐसी पृष्ठभूमि जिसने उन्हें गणितीय मॉडलिंग और सांख्यिकीय अनुमान में एक मजबूत नींव दी।

इसके बाद वे स्नातक अध्ययन के लिए MIT चले गए, 1999 में पीएच.डी. अर्जित की। MIT में, वे अनुभूति के बायेसियन मॉडलिंग के उभरते क्षेत्र से परिचित हुए, जो उनके करियर की आधारशिला बन जाएगा। उनका डॉक्टरेट कार्य इस बात पर केंद्रित था कि लोग सीमित साक्ष्य से अनुमान कैसे लगाते हैं, जिसने सीखने और धारणा के प्रायिकतावादी मॉडल में उनके बाद के योगदान की नींव रखी।

शैक्षणिक करियर और अनुसंधान फोकस

अपनी पीएच.डी. पूरी करने के बाद, टेनेनबाम MIT में संकाय में शामिल हुए, जहाँ वे कम्प्यूटेशनल कॉग्निटिव साइंस के प्रोफेसर बने। वे मस्तिष्क और संज्ञानात्मक विज्ञान विभाग से संबद्ध हैं और CSAIL, कंप्यूटर विज्ञान और कृत्रिम बुद्धिमत्ता के लिए MIT की अंतःविषय प्रयोगशाला में एक प्रमुख अन्वेषक हैं। वे MIT क्वेस्ट फॉर इंटेलिजेंस का भी नेतृत्व करते हैं, एक पहल जिसका उद्देश्य बुद्धिमत्ता की प्रकृति को समझना और उसकी नकल करने वाली मशीनों का निर्माण करना है।

टेनेनबाम का शोध कार्यक्रम इस विचार पर आधारित है कि मानव अनुभूति को बायेसियन अनुमान के लेंस के माध्यम से समझा जा सकता है। इस ढांचे में, मन को पूर्व ज्ञान और नए साक्ष्य के आधार पर दुनिया के बारे में विश्वासों को लगातार अद्यतन करने के रूप में देखा जाता है। उनके मॉडल बताते हैं कि लोग कुछ ही उदाहरणों से नई अवधारणाएँ कैसे सीख सकते हैं, विरल अवलोकनों से कारण संबंधों का अनुमान कैसे लगा सकते हैं, और भौतिक घटनाओं के बारे में सहज भविष्यवाणियाँ कैसे कर सकते हैं। ये मॉडल मानव सीखने की गति और लचीलेपन को पकड़ने में अक्सर पारंपरिक मशीन लर्निंग दृष्टिकोणों से बेहतर प्रदर्शन करते हैं।

उनके कार्य में एक प्रमुख विषय 'मॉडल-मुक्त' सीखने के बीच का अंतर है, जो डेटा में सांख्यिकीय नियमितताओं पर निर्भर करता है, और 'मॉडल-आधारित' सीखने, जो दुनिया के संरचित प्रतिनिधित्व का निर्माण करता है। टेनेनबाम तर्क देते हैं कि मानव बुद्धिमत्ता बड़े पैमाने पर बाद वाले पर निर्भर करती है, और उन्होंने ऐसी AI प्रणालियों की वकालत की है जो दोनों दृष्टिकोणों को जोड़ती हैं। इस दृष्टिकोण ने तंत्रिका नेटवर्क और बड़े भाषा मॉडल पर काम करने वाले शोधकर्ताओं की एक पीढ़ी को प्रभावित किया है, जो तेजी से अपने सिस्टम में संरचित ज्ञान और कारण तर्क को शामिल करना चाहते हैं।

बायेसियन संज्ञानात्मक विज्ञान में योगदान

टेनेनबाम को व्यापक रूप से उन पहले शोधकर्ताओं में से एक माना जाता है जिन्होंने मानव सीखने, तर्क और धारणा पर प्रायिकतावादी और सांख्यिकीय मॉडलिंग लागू की। अवधारणा सीखने पर उनके शुरुआती कार्य ने दिखाया कि लोग कुछ ही उदाहरणों से नई श्रेणियों की सीमाओं का अनुमान लगा सकते हैं, एक उपलब्धि जिसे बायेसियन मॉडल पूर्व अपेक्षाओं को देखे गए डेटा के साथ संतुलित करके दोहरा सकते हैं। इस कार्य ने एक औपचारिक विवरण प्रदान किया कि मनुष्य छोटे नमूनों से कैसे सामान्यीकरण करते हैं, एक समस्या जो संज्ञानात्मक विज्ञान और मशीन लर्निंग दोनों के लिए केंद्रीय बनी हुई है।

उन्होंने कारण तर्क के अध्ययन में भी महत्वपूर्ण योगदान दिया। उनके मॉडल बताते हैं कि लोग सहसंबंध और हस्तक्षेप के पैटर्न से कारण-और-प्रभाव संबंधों का अनुमान कैसे लगाते हैं, और वे इन अनुमानों का उपयोग भविष्यवाणियाँ करने और कार्यों की योजना बनाने के लिए कैसे करते हैं। इस शोध का उन AI प्रणालियों के लिए निहितार्थ है जिन्हें दुनिया के बारे में तर्क करने की आवश्यकता होती है, स्वायत्त वाहनों से लेकर चिकित्सा निदान उपकरणों तक।

उनके कार्य का एक अन्य क्षेत्र सहज भौतिकी है, जहाँ उन्होंने मॉडल किया है कि लोग वस्तुओं की गति की भविष्यवाणी कैसे करते हैं और भौतिक स्थिरता के बारे में तर्क कैसे करते हैं। ये मॉडल गिरते टावरों या टकराती गेंदों जैसे परिदृश्यों के बारे में मानवीय निर्णयों को पकड़ते हैं, और उनका उपयोग उन AI प्रणालियों को बेहतर बनाने के लिए किया गया है जो भौतिक वातावरण के साथ बातचीत करती हैं। उनका दृष्टिकोण अक्सर व्यवहारिक प्रयोगों को कम्प्यूटेशनल सिमुलेशन के साथ जोड़ता है, एक पद्धति जो क्षेत्र में मानक बन गई है।

मान्यता और पुरस्कार

2018 में, आर एंड डी पत्रिका ने टेनेनबाम को अपना 'इनोवेटर ऑफ द ईयर' नामित किया, संज्ञानात्मक विज्ञान और कृत्रिम बुद्धिमत्ता को जोड़ने में उनके योगदान को मान्यता देते हुए। पुरस्कार ने अनुभूति के प्रायिकतावादी मॉडल पर उनके कार्य और मनुष्यों की तरह सीखने वाली मशीनों के निर्माण के उनके प्रयासों पर प्रकाश डाला।

अगले वर्ष, 2019 में, टेनेनबाम को मैकआर्थर फेलो नामित किया गया, एक सम्मान जिसे अक्सर 'जीनियस ग्रांट' कहा जाता है। मैकआर्थर फाउंडेशन ने मानव सीखने, तर्क और धारणा पर प्रायिकतावादी और सांख्यिकीय मॉडलिंग को विकसित करने और लागू करने के लिए उनकी प्रशंसा की, और यह दिखाने के लिए कि ये मॉडल मन की इतने कम से इतना कुछ, इतनी जल्दी समझने की क्षमता को कैसे समझाते हैं। फेलोशिप ने उन्हें अपने शोध को आगे बढ़ाने के लिए एक बिना शर्त अनुदान प्रदान किया, जिसका उन्होंने मानव-समान AI पर परियोजनाओं को आगे बढ़ाने के लिए उपयोग किया।

उनके कार्य को कई आमंत्रित व्याख्यानों, मुख्य भाषणों और प्रमुख AI अनुसंधान संगठनों के साथ सहयोग के माध्यम से भी मान्यता मिली है। वे कृत्रिम बुद्धिमत्ता के भविष्य के बारे में चर्चाओं में लगातार योगदानकर्ता हैं, विशेष रूप से मशीन लर्निंग में वर्तमान सीमाओं से आगे बढ़ने के तरीके पर।

हालिया शोध और AI अनुप्रयोग

हाल के वर्षों में, टेनेनबाम ने AI प्रणालियों को मानव सीखने और धारणा की नकल करना सिखाने पर ध्यान केंद्रित किया है। शोध की एक पंक्ति में ऐसे मॉडल विकसित करना शामिल है जो चेहरों को उसी तरह पहचानते हैं जैसे लोग करते हैं, न केवल दृश्य विशेषताओं का उपयोग करके बल्कि सामाजिक संदर्भ और विशिष्ट उपस्थिति के बारे में ज्ञान का भी। इस कार्य का उद्देश्य AI को अधिक मजबूत और मानवीय अपेक्षाओं के साथ अधिक संरेखित बनाना है।

एक और प्रमुख प्रयास AI को कारण और प्रभाव को समझने के लिए प्रोग्राम करना है। टेनेनबाम ने तर्क दिया है कि वर्तमान डीप लर्निंग प्रणालियाँ, जिनमें ट्रांसफॉर्मर और बड़े भाषा मॉडल शामिल हैं, पैटर्न पहचान में शक्तिशाली हैं लेकिन अक्सर उस कारणात्मक समझ की कमी होती है जिस पर मनुष्य भरोसा करते हैं। उनकी प्रयोगशाला ने ऐसे मॉडल विकसित किए हैं जो डेटा से कारण संरचनाएँ सीखते हैं, जिससे वे हस्तक्षेप और प्रतितथ्यात्मक स्थितियों के बारे में तर्क करने में सक्षम होते हैं। इन मॉडलों को रोबोटिक्स, प्राकृतिक भाषा समझ और वैज्ञानिक खोज में समस्याओं पर लागू किया गया है।

उनके कार्य ने व्यापक AI समुदाय को प्रभावित किया है, जिसमें OpenAI, Google DeepMind, और Anthropic जैसे संगठनों के शोधकर्ता शामिल हैं, जिन्होंने अधिक मानव-समान AI के निर्माण के बारे में चर्चाओं में उनके विचारों का उल्लेख किया है। उन्होंने एक पूर्व छात्र ब्रेंडन लेक के साथ 'रचनात्मक सामान्यीकरण' की अवधारणा पर भी सहयोग किया है, जो यह पता लगाता है कि AI सीखी गई अवधारणाओं को नए तरीकों से कैसे पुनर्संयोजित कर सकता है।

प्रकाशन और प्रभाव

टेनेनबाम अपने MIT वेब पेज और Google Scholar पर प्रकाशनों की एक व्यापक सूची बनाए रखते हैं, जिसमें शीर्ष पत्रिकाओं और सम्मेलनों में सैकड़ों पेपर शामिल हैं। उनके सबसे अधिक उद्धृत कार्यों में अवधारणा सीखने, कारण प्रेरण और सहज भौतिकी के बायेसियन मॉडल पर पेपर शामिल हैं, साथ ही अनुभूति में प्रायिकतावादी अनुमान की भूमिका पर प्रभावशाली समीक्षाएँ भी शामिल हैं। इन पेपरों ने संज्ञानात्मक विज्ञान और मशीन लर्निंग दोनों में शोध को आकार दिया है, और वे अक्सर स्नातक पाठ्यक्रमों में मौलिक संदर्भ के रूप में उपयोग किए जाते हैं।

उनका प्रभाव शिक्षा जगत से परे फैला हुआ है। वे AI के लिए अधिक अंतःविषय दृष्टिकोण के मुखर समर्थक रहे हैं, एक ऐसा दृष्टिकोण जो मनोविज्ञान, तंत्रिका विज्ञान और दर्शन से अंतर्दृष्टि प्राप्त करता है। उन्होंने तर्क दिया है कि कृत्रिम बुद्धिमत्ता में प्रगति के लिए केवल तंत्रिका नेटवर्क को बड़ा करना नहीं बल्कि मानव बुद्धिमत्ता के सिद्धांतों को समझना भी आवश्यक होगा। यह दृष्टि जनरेटिव AI और मशीन लर्निंग पर अधिक व्यापक रूप से काम करने वाले शोधकर्ताओं के साथ प्रतिध्वनित हुई है।

विरासत और चल रहे कार्य

टेनेनबाम MIT में कम्प्यूटेशनल कॉग्निटिव साइंस प्रयोगशाला का नेतृत्व करना जारी रखते हैं, जहाँ वे शोधकर्ताओं की एक नई पीढ़ी को मार्गदर्शन देते हैं। उनकी प्रयोगशाला की परियोजनाएँ कुछ उदाहरणों से सीखने, कारण खोज और ऐसी AI प्रणालियों के निर्माण जैसे विषयों को शामिल करती हैं जो अपने तर्क को समझा सकें। वे MIT क्वेस्ट फॉर इंटेलिजेंस में भी शामिल हैं, जिसका उद्देश्य विश्वविद्यालय और उससे परे अनुसंधान को एकीकृत करना है।

उनके कार्य ने बायेसियन संज्ञानात्मक विज्ञान को एक प्रमुख क्षेत्र के रूप में स्थापित करने में मदद की है, और इसने ऐसे AI के निर्माण के प्रयासों को प्रेरित किया है जो लोगों की तरह अधिक सीखता है। 2020 के दशक की शुरुआत तक, उनके विचार वर्तमान AI प्रणालियों की सीमाओं के बारे में बहसों में तेजी से प्रासंगिक हैं, विशेष रूप से बड़ी मात्रा में डेटा की आवश्यकता और कारण तर्क के साथ उनकी कठिनाई। टेनेनबाम का शोध अधिक कुशल, अधिक लचीली और अधिक मानव-समान बुद्धिमत्ता की ओर एक मार्ग प्रदान करता है, एक लक्ष्य जो संज्ञानात्मक विज्ञान और कृत्रिम बुद्धिमत्ता दोनों के लिए केंद्रीय बना हुआ है।