مصنوعي ذهانت سائنسي ترقي جي منطق جي پيروي نٿو ڪري
اسان MT ۾ ڪيترائي ڀيرا تحقيق ڪندڙن ۽ پيشه ور ماڻهن جي باري ۾ لکيو آهي جيڪي مشين لرننگ سسٽم کي ”بليڪ باڪس“ (1) جي طور تي اعلان ڪن ٿا جيتوڻيڪ انهن لاءِ جيڪي ٺاهي رهيا آهن. اهو نتيجو جو جائزو وٺڻ ۽ اڀرندڙ الگورتھم کي ٻيهر استعمال ڪرڻ ڏکيو بڻائي ٿو.
نيورل نيٽ ورڪ - اها ٽيڪنڪ جيڪا اسان کي ذهين ڪنورٽنگ بوٽس ۽ ذهين ٽيڪسٽ جنريٽر ڏئي ٿي جيڪا شاعري به ٺاهي سگهي ٿي - ٻاهرين مبصرن لاءِ هڪ ناقابل فهم اسرار رهي ٿي.
اهي وڏا ۽ وڌيڪ پيچيده ٿي رهيا آهن، وڏي ڊيٽا سيٽن کي هٿي وٺندي، ۽ وڏي پيماني تي ڪمپيوٽ صفن کي استعمال ڪندي. اهو حاصل ڪيل ماڊلز جي نقل ۽ تجزيو کي قيمتي ۽ ڪڏهن ڪڏهن ناممڪن بڻائي ٿو ٻين محققن لاءِ، سواءِ وڏن مرڪزن جي وڏي بجيٽ سان.
ڪيترائي سائنسدان هن مسئلي کان چڱي ريت واقف آهن. انهن ۾ جويل پينو آهي (2)، NeurIPS جو چيئرمين، پريميئر ڪانفرنس ٻيهر پيداوار تي. هن جي اڳواڻي ۾ ماهر هڪ ”ٻيهر پيداوار جي چڪاس“ ٺاهڻ چاهين ٿا.
اهو خيال، پينو چيو، محققن کي حوصلا افزائي ڪرڻ آهي ٻين کي روڊ ميپ پيش ڪرڻ لاءِ ته جيئن اهي ٻيهر ٺاهي سگهن ۽ اڳ ۾ ڪيل ڪم کي استعمال ڪن. توهان هڪ نئين ٽيڪسٽ جنريٽر جي فصاحت يا وڊيو گيم روبوٽ جي مافوق الفطرت مهارت تي حيران ٿي سگهو ٿا، پر بهترين ماهرن کي به خبر ناهي ته اهي عجب ڪيئن ڪم ڪن ٿا. تنهن ڪري، AI ماڊلز جي ٻيهر پيداوار نه رڳو تحقيق لاء نئين مقصدن ۽ هدايتن جي نشاندهي ڪرڻ لاء اهم آهي، پر پڻ استعمال ڪرڻ لاء هڪ خالص عملي گائيڊ جي طور تي.
ٻيا هن مسئلي کي حل ڪرڻ جي ڪوشش ڪري رهيا آهن. گوگل محقق پيش ڪيا ”ماڊل ڪارڊ“ تفصيل سان بيان ڪرڻ لاءِ ته سسٽم ڪيئن آزمايا ويا، بشمول نتيجا جيڪي امڪاني بگن ڏانهن اشارو ڪن ٿا. ايلن انسٽيٽيوٽ فار آرٽيفيشل انٽيليجنس (AI2) جي محققن هڪ مقالو شايع ڪيو آهي جنهن جو مقصد آهي Pinot reproducibility checklist کي تجرباتي عمل ۾ ٻين مرحلن تائين وڌائڻ. ”پنهنجو ڪم ڏيکاريو،“ هنن زور ڀريو.
ڪڏهن ڪڏهن بنيادي معلومات غائب آهي ڇو ته تحقيقي منصوبي جي ملڪيت آهي، خاص طور تي ڪمپني لاء ڪم ڪندڙ ليبارٽريز طرفان. گهڻو ڪري، تنهن هوندي به، اهو هڪ غير موجودگي جي نشاني آهي جيڪو تبديل ڪرڻ ۽ وڌندڙ پيچيده تحقيقي طريقن کي بيان ڪرڻ جي قابل ناهي. نيورل نيٽ ورڪ هڪ تمام پيچيده علائقو آهي. بھترين نتيجا حاصل ڪرڻ لاءِ، ھزارين ”نوبس ۽ بٽڻ“ جي ٺيڪ ٺاڪ ٺاھڻ جي ضرورت پوندي آھي، جنھن کي ڪي ”ڪارو جادو“ چوندا آھن. بهترين نموني جو انتخاب اڪثر تجربن جي وڏي تعداد سان لاڳاپيل آهي. جادو تمام مهانگو ٿئي ٿو.
مثال طور، جڏهن فيس بوڪ AlphaGo جي ڪم کي نقل ڪرڻ جي ڪوشش ڪئي، ڊيپ مائنڊ الفابيٽ پاران تيار ڪيل هڪ سسٽم، اهو ڪم انتهائي مشڪل ثابت ٿيو. فيس بڪ جي ملازمن جي مطابق، وڏيون ڪمپيوٽري ضرورتون، هزارين ڊوائيسز تي لکين تجربا، ڪيترن ئي ڏينهن ۾، ڪوڊ جي کوٽ سان گڏ، سسٽم کي "تمام ڏکيو، جيڪڏهن ناممڪن نه آهي، ٻيهر ٺاهڻ، ٽيسٽ ڪرڻ، بهتر ڪرڻ ۽ وڌائڻ" بنايو.
مسئلو خاص لڳي ٿو. تنهن هوندي، جيڪڏهن اسان اڳتي سوچيو ته، نتيجن جي پيداوار ۽ ڪارڪردگي سان گڏ مسئلن جو رجحان هڪ تحقيقاتي ٽيم ۽ ٻئي جي وچ ۾ اسان جي ڄاڻ رکندڙ سائنس ۽ تحقيق جي عمل جي ڪم جي سڀني منطق کي نقصان پهچائي ٿو. ضابطي جي طور تي، اڳوڻي تحقيق جي نتيجن کي وڌيڪ تحقيق جي بنياد طور استعمال ڪري سگهجي ٿو جيڪا علم، ٽيڪنالاجي ۽ عام ترقي جي ترقي کي تيز ڪري ٿي.
