Dash বছর পরে AlphaGo-এর Lee Sedol-এর সাথে ঐতিহাসিক মেলার পরে, অতীতে এবং বর্তমান AI ক্ষমতার মধ্যে একটি গুরুত্বপূর্ণ পার্থক্য বاقية আছে। ২০১৬ সালে, AlphaGo-এর বিখ্যাত 'মুভ ৩৭' ইনটুইশন এবং গণনার একটি অনন্য মিশ্রণ দেখিয়েছে। Deep Blue-এর বিপরীতে, যা বাল-force গণনায় নির্ভর ছিল, AlphaGo হুঁচ-generating জন্য একটি পলিসি নেটওয়ার্ক ব্যবহার করেছিল এবং ভবিষ্যৎ পরিণামের ওজন দেওয়ার জন্য একটি আলাদা খোঁজ মেশিনারি ব্যবহার করেছিল। এই আর্কিটেকচার মানব সিস্টেম ১ এবং সিস্টেম ২ চিন্তার অনুকরণ করেছিল, যা AI-কে একটি সৃজনশীল चाल বেছে নেওয়ার আগে হাজারো ভবিষ্যৎ গেমের অবস্থা মূল্যায়ন করতে অনুমতি দিয়েছিল।
আজকের বড় ভাষা মডেলগুলি আলাদা ভাবে কাজ করে। তারা পুনরাবৃত্তি করে পরবর্তী টোকেনের পূর্বাভাস দেন, मुख्यত দ্রুত, সংযোজক প্যাটার্ন পূর্ণতায় নির্ভর করে। Enquanto চেন-অফ-থোট প্রম্পটিং जैसी तकनीकें मध्यवर्ती चरणों को प्रोत्साहित करती हैं, वे एक अलग तर्क इंजन नहीं बनाती हैं। मध्यवर्ती आउटपुट अभी भी उसी अगले टोकन पूर्वानुमान प्रक्रिया द्वारा उत्पन्न किया जाता है, जिसका अर्थ है कि आधुनिक AI में AlphaGo की सफलता को चलाने वाली वास्तविक विचारशील मशीनरी की कमी है। विज्ञान और चिकित्सा में विश्वसनीय, novel अंतर्दृष्टि प्राप्त करने के लिए, भविष्य की प्रणालियों को केवल पैटर्न पूर्णता पर निर्भर रहने के बजाय, एक अलग, deliberate तर्क प्रक्रिया को एकीकृत करना चाहिए।
উৎস: MIT Technology Review AI · সারাংশ: HeadlinesBriefing