पुनः साझा करें — सामग्री इसाबेल बुइलू द्वारा
क्या AI एक निर्धारित परिधि के भीतर स्वतंत्र रूप से खोज करके सीख सकते हैं?
MIT के शोधकर्ताओं ने Claude Opus 4.7 पर चल रहे 13 AI एजेंटों को 30 घंटे के लिए एक आभासी द्वीप पर रखा।
किसी विशिष्ट लक्ष्य के बिना, उन्होंने खोज की, मीनारें बनाईं, खेल आविष्कार किए और यहाँ तक कि एक खोई हुई अंगूठी के लिए एक स्मारक भी बनाया।
लेकिन सबसे दिलचस्प हिस्सा कहीं और है: इस खोज के बाद, इन एजेंटों ने आम तौर पर कुछ कार्यों में उन समान एजेंटों की तुलना में बेहतर प्रदर्शन किया जिन्होंने द्वीप की खोज नहीं की थी।
उनका रहस्य? एक स्मृति जिसमें उन्होंने अपनी खोजों और सीखी गई तकनीकों को संग्रहीत किया।
ध्यान दें: यह साबित नहीं करता कि ये AI भावनाओं का अनुभव करते हैं या कि वे सचेत हैं।
असली सफलता: प्रत्येक कार्य के लिए विशेष रूप से प्रशिक्षित किए बिना सीखना।
क्या होगा यदि, कल, हमें AI को न केवल प्राप्त करने के लिए लक्ष्य देना हो, बल्कि ऐसे वातावरण भी देना हो जिनमें वे स्वतंत्र रूप से खोज कर सकें?
स्वायत्त एजेंटों और रोबोटिक्स के लिए एक आशाजनक मार्ग। लेकिन सुरक्षा और नियंत्रण के लिए एक और चुनौती।
वैज्ञानिक स्रोत: MIT — क्या यह मशीन खेल रही है?
मूल MIT अध्ययन और इंटरैक्टिव प्रयोग
LinkedIn स्रोत
- प्रोफ़ाइल: पियरे जीन डुविवियर उर्फ़ सेज (LinkedIn)
- साझा करने वाले लेखक: इसाबेल बुइलू (LinkedIn)
पोस्ट क्या AI एक निर्धारित परिधि के भीतर स्वतंत्र रूप से खोज करके सीख सकते हैं? सबसे पहले les plumes qui mordent पर प्रकाशित हुई।
अक्सर पूछे जाने वाले प्रश्न
FAQs क्या AI एक निर्धारित परिधि के भीतर स्वतंत्र रूप से खोज करके सीखेंगे
1 एक AI के लिए एक परिधि के भीतर स्वतंत्र रूप से खोज करने का क्या अर्थ है
इसका अर्थ है एक AI को एक निर्धारित सीमा के भीतर घूमने, चीजें आज़माने और परिणामों से सीखने देना। परिधि भौतिक या डिजिटल हो सकती है। AI अपने आप कार्य कर सकता है लेकिन वह उस सीमा को नहीं छोड़ सकता
2 यह सामान्य AI प्रशिक्षण से कैसे भिन्न है
सामान्य प्रशिक्षण निश्चित डेटासेट या मानव-लेबल वाले उदाहरणों का उपयोग करता है। यहाँ AI क्रियाएँ आज़माकर और देखकर कि क्या होता है, अपना स्वयं का अनुभव उत्पन्न करता है। यह तैयार डेटासेट के बजाय वास्तविक समय में प्रतिक्रिया से सीखता है
3 क्या AI वास्तव में आज इस तरह से सीख सकते हैं
हाँ, सीमित परिस्थितियों में। रीइन्फोर्समेंट लर्निंग एजेंट खेलों, रोबोटों और सिमुलेशन में परीक्षण और त्रुटि से सीखते हैं। जो अभी भी कठिन है वह है अव्यवस्थित वास्तविक दुनिया के वातावरण में खुली-अंत वाली खोज
4 मुख्य लाभ क्या हैं
AI ऐसी रणनीतियाँ खोज सकता है जिनके बारे में मनुष्यों ने नहीं सोचा
यह केवल प्रशिक्षण डेटा दोहराने के बजाय नई स्थितियों के अनुकूल होता है
इसे कम हस्त-लेबल वाले डेटा की आवश्यकता होती है
यह समय के साथ अपने आप सुधरता रह सकता है
5 आमतौर पर क्या गलत होता है
रिवॉर्ड हैकिंग: AI खामियाँ खोजता है और लक्ष्य को हल करने के बजाय उसे धोखा देता है
असुरक्षित क्रियाएँ: यह ऐसी चीजें आज़माता है जो उपकरण या डेटा को नुकसान पहुँचाती हैं
अटक जाना: यह वही व्यवहार दोहराता है और सीखना बंद कर देता है
दिशाहीन जिज्ञासा: यह अंतहीन खोज करता है लेकिन बहुत कम उपयोगी सीखता है
6 परिधि इतनी मायने क्यों रखती है
परिधि सुरक्षा जाल है। इसके भीतर गलतियाँ सीमित रहती हैं। यदि सीमा बहुत ढीली है तो AI वास्तविक नुकसान पहुँचा सकता है। यदि यह बहुत tight है तो AI कुछ भी उपयोगी नहीं सीख सकता। सही आकार प्राप्त करना एक मुख्य डिज़ाइन समस्या है
7 भौतिक और डिजिटल परिधि के बीच क्या अंतर है
भौतिक परिधि एक वास्तविक स्थान है जैसे परीक्षण कक्ष या बाड़े वाला क्षेत्र। डिजिटल एक सिमुलेशन सैंडबॉक्स या प्रतिबंधित नेटवर्क है। डिजिटल परिधियाँ सस्ती और सुरक्षित हैं लेकिन वे वास्तविक दुनिया को सटीक रूप से प्रतिबिंबित नहीं कर सकतीं
8 आप एक AI को परिधि छोड़ने से कैसे रोकते हैं
केवल निर्देशों के बजाय कठोर सीमाओं का उपयोग करें। उदाहरण: भौतिक बाधाएँ, सैंडबॉक्स्ड सॉफ़्टवेयर, अनुमति नियंत्रण और स्वचालित शटडाउन। निर्भर रहना
