मल्टिमोडल एलएलएमहरूले मानव जस्तै वस्तु अवधारणा प्रतिनिधित्व विकास गर्न सक्नेः अध्ययन

काठमाडौं ।

चिनियाँ वैज्ञानिकहरूको एक समूहले, बहुआयामिक ठूला भाषा मोडेलहरू (एलएलएम्स) ले मानव-जस्तै वस्तु अवधारणा प्रतिनिधित्वहरू स्वतः विकास गर्न सक्ने पुष्टि गरेका छन्, जसले कृत्रिम बुद्धिमत्ता (एआई) को संज्ञानात्मक विज्ञानको लागि नयाँ मार्ग र मानव-जस्तै संज्ञानात्मक संरचनाहरू सहित एआई प्रणालीहरू निर्माण गर्न सैद्धान्तिक रूपरेखा प्रदान गर्दछ।

च्याटजीपीटी जस्ता एलएलएमहरुको आगमनसँगै, यी मोडेलहरूले भाषिक र बहुआयामिक डाटाबाट मानवको जस्तै वस्तु अवधारणा प्रतिनिधित्वहरू विकास गर्न सक्छन् कि सक्दैनन् भनेर वैज्ञानिकहरूले सोच्न थालेका छन्।

“प्रकृतिमा वस्तुहरूको अवधारणा बनाउने क्षमतालाई लामो समयदेखि मानव बुद्धिमत्ताको मूल मानिन्छ,” चिनियाँ विज्ञान प्रतिष्ठान (सीएएस) अन्तर्गत स्वचालन संस्थानका अनुसन्धानकर्ता हे हुइगुआङले भनेको सिन्ह्वाले रिपोर्ट गरेको छ।

जब मानिसहरूले कुकुर, कार वा स्याउ जस्ता कुनैपनि वस्तुहरू देख्छन्, तिनीहरूले आकार, रंग र प्रकार जस्ता तिनीहरूका भौतिक विशेषताहरू मात्र पहिचान गर्दैनन, तिनीहरूका कार्यहरू, भावनात्मक मूल्यहरू र सांस्कृतिक महत्त्व पनि बुझ्न सक्छन्। यो बहुआयामिक अवधारणा प्रतिनिधित्वले मानव अनुभूतिको आधारशिला बनाउने, सोमबार नेचर मेसिन इन्टेलिजेन्समा प्रकाशित अध्ययन पत्रका सम्बन्धित लेखक पनि रहेका उनले उल्लेख गरे।

स्वचालन संस्थान र मस्तिष्क विज्ञान र बुद्धिमत्ता प्रविधिमा उत्कृष्टताका लागि सीएएस केन्द्र लगायतका संस्थाहरूका अनुसन्धानकर्ताहरूले एलएलएमहरूमा वस्तु अवधारणा प्रतिनिधित्व र मानव अनुभूति बीचको सम्बन्ध अन्वेषण गर्न व्यवहारिक र न्यूरोइमेजिङ विश्लेषणहरूलाई समाहित गरेका थिए।

तिनीहरूले कम्प्युटेसनल मोडेलिङ, व्यवहारिक प्रयोगहरू र मस्तिष्क विज्ञानलाई एकीकृत गर्ने एक नवीनतम प्रतिमान डिजाइन गरे, र तिनीहरूले एलएलएमहरूको लागि एक अवधारणात्मक नक्सा निर्माण गरेका छन्।

अध्ययनले पत्ता लगाएअनुसार, एलएलएमहरूको व्यवहारिक डाटाबाट निकालिएका ६६ आयामहरू मानव मस्तिष्कको वर्ग-चयनात्मक क्षेत्रहरूमा तन्त्रिका गतिविधि ढाँचाहरूसँग दृढ रूपमा सम्बन्धित छन्। यसले छनोट ढाँचाहरूको सन्दर्भमा मानव व्यवहारसँग धेरै मोडेलहरूको स्थिरताको तुलना पनि गर्यो, बहुविध मोडेलहरूले स्थिरताको सन्दर्भमा राम्रो प्रदर्शन गरेको परिणामहरूले देखाएको रिपोर्टमा उल्लेख छ।

अनुसन्धानले यो पनि पत्ता लगायो कि मानिसहरूले निर्णय लिँदा दृश्यात्मक सुविधाहरू र अर्थपूर्ण जानकारी संयोजन गर्ने गर्छन्, जबकि एलएलएमहरू त्यसभन्दा फरक अर्थपूर्ण लेबलहरू र अमूर्त अवधारणाहरूमा भर पर्न बढी इच्छुक हुन्छन्।