नोआम ब्राउन एक अमेरिकी कंप्यूटर वैज्ञानिक हैं, जो गेम-प्लेइंग सिस्टम बनाने के लिए जाने जाते हैं जो उन खेलों में शीर्ष मानव पेशेवरों को हराते हैं जिन्हें लंबे समय से AI के लिए प्रतिरोधी माना जाता था, और बाद में OpenAI में रीज़निंग मॉडल पर शोध का नेतृत्व करने के लिए भी प्रसिद्ध हैं।
ब्राउन ने कार्नेगी मेलन विश्वविद्यालय से पीएच.डी. अर्जित की, जहाँ उन्होंने पोकर-प्लेइंग एजेंटों पर टुओमास सैंडहोम के साथ काम किया। उनके सिस्टम लिब्रेटस ने 2017 में हेड्स-अप नो-लिमिट टेक्सास होल्ड'एम में शीर्ष पेशेवर खिलाड़ियों को हराया, और इसके उत्तराधिकारी, प्लुरिबस ने 2019 में छह-खिलाड़ी पोकर में कई पेशेवरों को एक साथ हराया, एक ऐसा परिणाम जो उल्लेखनीय है क्योंकि इसमें एक साथ दो से अधिक प्रतिस्पर्धी एजेंट शामिल थे, जो कि शतरंज या गो जैसे दो-खिलाड़ी शून्य-योग खेलों की तुलना में कहीं अधिक कठिन मल्टी-एजेंट सेटिंग है, जिन्हें AI ने पहले मास्टर किया था।
डिप्लोमेसी और सिसेरो
मेटा AI (तब फेसबुक AI रिसर्च) में शामिल होने के बाद, ब्राउन ने सिसेरो के पीछे की टीम का नेतृत्व करने में मदद की, एक ऐसा सिस्टम जो बोर्ड गेम डिप्लोमेसी खेलता था, जिसके लिए मानव खिलाड़ियों के बीच प्राकृतिक-भाषा बातचीत, अनुनय और रणनीतिक योजना की आवश्यकता होती है। 2022 में साइंस में प्रकाशित, सिसेरो ने संवाद उत्पन्न करने के लिए एक भाषा मॉडल को एक रणनीतिक-तर्क इंजन के साथ जोड़ा, और ऑनलाइन डिप्लोमेसी लीगों में मानव-स्तरीय प्रदर्शन हासिल किया, एक मील का पत्थर जिसे अक्सर इस बात के प्रमाण के रूप में उद्धृत किया जाता है कि AI सहकारी और प्रतिकूल सामाजिक तर्क को संभाल सकता है, न कि केवल पूर्ण जानकारी वाले प्रतिकूल खेलों को।
ओपनएआई और o1 में स्थानांतरण
ब्राउन 2023 में ओपनएआई में शामिल हुए, जहाँ उन्होंने टेस्ट-टाइम कंप्यूट पर काम किया, यह विचार कि एक मॉडल के उत्तर को अनुमान समय पर लंबे समय तक "सोचने" देकर सुधारा जा सकता है, न कि केवल प्रशिक्षण को बढ़ाकर। यह कार्य ओपनएआई o1 में शामिल हुआ, जो 2024 में जारी हुआ, जिसने गणित, कोडिंग और तर्क कार्यों पर प्रदर्शन सुधारने के लिए सुदृढीकरण सीखने के साथ प्रशिक्षित विस्तारित चेन-ऑफ-थॉट तर्क का उपयोग किया। ब्राउन ने सार्वजनिक रूप से तर्क दिया है कि टेस्ट-टाइम कंप्यूट को स्केल करना प्रीट्रेनिंग डेटा और पैरामीटर को स्केल करने के साथ-साथ AI प्रगति की एक दूसरी धुरी का प्रतिनिधित्व करता है, और अपने स्वयं के पोकर एजेंटों के साथ एक सादृश्य बनाते हैं, जो केवल अधिक प्रशिक्षण के बजाय कार्य करने से पहले खोज के लिए अधिक समय दिए जाने पर नाटकीय रूप से बेहतर हुए।
मान्यता
ब्राउन के पोकर और डिप्लोमेसी कार्य को व्यापक रूप से इस प्रमाण के रूप में कवर किया गया है कि गेम-सैद्धांतिक AI तकनीकें संकीर्ण बोर्ड खेलों से परे छिपी जानकारी, बातचीत और कई एक साथ एजेंटों से जुड़ी सेटिंग्स में सामान्यीकृत होती हैं, ऐसे विषय जो उनके बाद के तर्क अनुसंधान में दोहराए जाते हैं। वे सार्वजनिक वार्ताओं और साक्षात्कारों में ओपनएआई के तर्क रोडमैप को समझाने वाली अधिक दृश्यमान शोध आवाज़ों में से एक बन गए हैं, अक्सर टेस्ट-टाइम कंप्यूट स्केलिंग को बड़े प्रीट्रेनिंग रनों से निरंतर लाभ के पूरक के रूप में तैयार करते हैं, न कि प्रतिस्थापन के रूप में।