सिंगापूर : कृत्रिम बुद्धिमत्तेच्या (एआय) जगात एक मोठी क्रांती होण्याची शक्यता निर्माण झाली आहे. सिंगापूरमधील ‘सेपियंट’ या कंपनीच्या शास्त्रज्ञांनी एक नवीन प्रकारचे एआय मॉडेल विकसित केले आहे, जे सध्याच्या चॅटजीपीटीसारख्या लँग्वेज मॉडेल्सपेक्षा पूर्णपणे वेगळ्या पद्धतीने विचार करून निष्कर्ष काढते. ‘हयरार्किकल रिझनिंग मॉडेल’ (HRM)) नावाच्या या मॉडेलने अत्यंत कठीण मानल्या जाणार्या चाचण्यांमध्ये OpenAI आणि Anthropic सारख्या मोठ्या कंपन्यांच्या मॉडेल्सना मागे टाकत उल्लेखनीय कामगिरी केली आहे. शास्त्रज्ञांच्या मते, हे नवीन HRM मॉडेल मानवी मेंदूच्या कार्यपद्धतीपासून प्रेरित आहे. आपला मेंदू ज्याप्रमाणे वेगवेगळ्या भागांमध्ये माहितीवर कमी-जास्त वेळेत (मिलिसेकंद ते मिनिटांपर्यंत) प्रक्रिया करून एक अंतिम निष्कर्ष काढतो, त्याच ‘हयरार्किकल’ म्हणजेच श्रेणीबद्ध तत्त्वावर हे मॉडेल काम करते.
या मॉडेलचे सर्वात मोठे वैशिष्ट्य म्हणजे त्याची कार्यक्षमता. सध्याच्या अत्याधुनिक एआय मॉडेल्सना अब्जावधी किंवा अगदी खर्वोन् खर्व पॅरामीटर्स आणि मोठ्या प्रमाणात डेटाची गरज लागते. याउलट, HRM मॉडेल केवळ 2.7 कोटी (27 million) पॅरामीटर्स आणि फक्त 1,000 प्रशिक्षण नमुन्यांवर (training samples) आधारित आहे. तरीही त्याची कामगिरी सरस ठरली आहे. हे संशोधन नुकतेच ‘arXiv’ या प्रिप्रिंट डेटाबेसवर सादर करण्यात आले आहे, ज्याचे अद्याप समवयस्क पुनरावलोकन (peer- review) झालेले नाही.
एआय मॉडेल्स ‘आर्टिफिशियल जनरल इंटेलिजन्स’ (AGI) च्या किती जवळ पोहोचले आहेत, हे तपासण्यासाठी ‘ARC- AGI’ नावाची एक अत्यंत कठीण चाचणी घेतली जाते. या चाचणीत HRM ने प्रभावी यश मिळवले आहे. बहुतेक मोठे लँग्वेज मॉडेल्स (LLMs) ‘चेन-ऑफ-थॉट’ (CoT) म्हणजेच ‘विचार-शृंखला’ पद्धतीचा वापर करतात. यामध्ये एखादी मोठी समस्या सोडवण्यासाठी तिचे छोट्या-छोट्या तार्किक पायर्यांमध्ये विभाजन केले जाते. मात्र, सेपियंटच्या शास्त्रज्ञांच्या मते, या पद्धतीत अनेक त्रुटी आहेत, जसे की कार्यांचे विभाजन योग्य प्रकारे न होणे, प्रचंड डेटाची आवश्यकता आणि प्रतिसाद मिळण्यास लागणारा जास्त वेळ.
याउलट, HRM मॉडेल दोन भागांमध्ये काम करते. एक उच्चस्तरीय विभाग (high- level module) जो संथपणे अमूर्त नियोजन करतो, तर दुसरा निम्नस्तरीय विभाग (low- level module) वेगाने तपशीलवार गणना करतो. हे मॉडेल ‘इटरेटिव्ह रिफाईनमेंट’ नावाचे तंत्र वापरते, ज्यात ते थोड्या-थोड्या ‘विचारांच्या सत्रांमध्ये’ उत्तराला अधिक अचूक बनवत जाते. प्रत्येक सत्रानंतर ते विचार करते की अजून प्रक्रिया करायची आहे की हेच अंतिम उत्तर आहे.
