न्यूरो-प्रेरित एआई वास्तविक समय में अल्ट्रा-लो पावर के साथ सीखता है

मानव मस्तिष्क दुनिया का सबसे उन्नत सुपरकंप्यूटर है। यह एक साथ सीख और अनुकूलित हो सकता है बिना आज के एआई सिस्टम की तरह बड़े डेटा सेंटरों के उपयोग के। इस महीने, टेक्सास ए&एम के कंप्यूटर और इलेक्ट्रिकल इंजीनियरिंग विभाग और अन्य प्रमुख संस्थानों की एक टीम ने एक मस्तिष्क‑प्रेरित एआई सिस्टम प्रस्तुत किया जो बेहतर प्रदर्शन को अनलॉक कर सकता है और अधिक स्मार्ट प्रोटोकॉल के द्वार खोल सकता है। यहाँ वह सब कुछ है जो आपको जानना चाहिए। 

परम्परागत एआई की सीमाएँ और ट्यूरिंग आर्किटेक्चर

कृत्रिम बुद्धिमत्ता दुनिया की सबसे तेज़ी से बढ़ती और सबसे रोमांचक तकनीकी उद्योगों में से एक है। कुछ ही वर्षों में, एआई एल्गोरिदम केवल उच्च‑स्तरीय गूगल और माइक्रोसॉफ्ट इंजीनियरों के लिए सुलभ होने से आम व्यक्ति के लिए एक सामान्य उपकरण बन गए हैं। इस यात्रा के दौरान, एआई सिस्टम ने लगातार प्रदर्शन और क्षमताओं में वृद्धि की है। इस प्रदर्शन वृद्धि के साथ, हार्डवेयर क्षमताओं में भी वृद्धि हुई है। 

विशेष रूप से, एआई सिस्टम ट्यूरिंग आर्किटेक्चर पर निर्भर करते हैं। इस प्रकार की कंप्यूटिंग का नाम इसके आविष्कारक एलन ट्यूरिंग के नाम पर रखा गया है। उन्होंने यह सिद्ध किया कि यदि कंप्यूटर के कुछ भागों के संचालन को अलग किया जाए तो बेहतर प्रदर्शन प्राप्त किया जा सकता है। 

इस संरचना का अर्थ है कि कंप्यूटर के प्रोसेसिंग और मेमोरी को चिप डिज़ाइन के भीतर शारीरिक रूप से अलग किया गया है। यह विभाजन तब से मशीनों के हार्डवेयर डिज़ाइन को निर्धारित करता आया है। उनका कंप्यूटर विज़न दशकों बाद भी सबसे अधिक उपयोग की जाने वाली आर्किटेक्चर बनी हुई है, हालांकि यह खोज कई दशकों पुरानी है। 

ऊर्जा संकट: आधुनिक एआई को नई रूपरेखा क्यों चाहिए

इस लेआउट की समस्या यह है कि एआई सिस्टम को विशाल मात्रा में डेटा की आवश्यकता होती है। कुछ मामलों में, पूरे डेटा सेंटर को जमीन से बनाना पड़ता है, जिसमें सिस्टम आवश्यकताओं के हिस्से के रूप में सबसे उन्नत हार्डवेयर का उपयोग किया जाता है। दुर्भाग्यवश, यह संरचना टिकाऊ नहीं है। 

बड़े डेटा सेंटर बड़े ऊर्जा खपतकर्ता होते हैं जो पूरे शहरों जितनी ऊर्जा खपत कर सकते हैं। कई मामलों में, ये सिस्टम नवीकरणीय ऊर्जा पर निर्भर होते हैं, जिससे पर्यावरणीय प्रभाव कम करने में मदद मिलती है। हालांकि, एआई सिस्टम की बढ़ती मांग का अर्थ है कि भविष्य में इन प्रोटोकॉल को टिकाऊ बनाने के लिए दक्षता में सुधार आवश्यक है।

आज के एआई मॉडल वास्तविक समय में अनुकूलित क्यों नहीं हो सकते

इसके अतिरिक्त, यह संरचना यह दर्शाती है कि इन प्रोटोकॉल की स्केलेबिलिटी उनके हार्डवेयर पर आधारित है, न कि उनके सॉफ़्टवेयर प्रतिबंधों पर। सबसे उन्नत सिस्टम भी डेटा को डिवाइस के हार्डवेयर घटकों के बीच शारीरिक रूप से भेजे जाने की प्रतीक्षा करना पड़ता है। 

 सुपर-ट्यूरिंग एआई का परिचय: मानव मस्तिष्क से प्रेरित

ट्यूरिंग‑आधारित एआई सिस्टम की एक और कमी यह है कि वे पूर्वनिर्धारित डेटा पॉइंट्स पर निर्भर होते हैं। आज के मॉडल संचालन के दौरान अपने प्रदर्शन को संशोधित करने का कोई तरीका नहीं देते। ये सिस्टम बैकप्रॉपेगेशन को पूरा करने के लिए प्रदान किए गए डेटा पर निर्भर होते हैं। 

यह दृष्टिकोण आपके मस्तिष्क से अलग है, जो ज्ञान और पर्यावरणीय स्थितियों के संयोजन का उपयोग करके बहुत कम ऊर्जा में सटीक आकलन करता है। उल्लेखनीय रूप से, बैकप्रॉपेगेशन को जैविक रूप से दोहराना असंभव है क्योंकि इसके लिए व्यक्ति को पहले से ही स्थिति का अनुभव होना आवश्यक है। इन तथ्यों को पहचानते हुए, इंजीनियरों ने एक एआई सिस्टम विकसित करने का प्रयास किया जो मानव सीखने की नकल करता हो।  

सिनैप्टिक रेजिस्टर हमारे मस्तिष्क की तरह कैसे सीखते हैं

अध्ययन “HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system“¹ एक न्यूरोमोर्फिक एआई सिस्टम प्रस्तुत करता है जो मस्तिष्क के सीखने की नकल कर वास्तविक‑समय अनुकूलन प्रदान करता है। यह अध्ययन UCLA, टेक्सास ए&एम और अन्य शोध संस्थानों की एक टीम द्वारा प्रस्तुत किया गया और साइंस एडवांसेज में प्रकाशित हुआ। इस कार्य को पूरा करने के लिए, टीम ने एक “सिनस्टोर” (सिनैप्टिक रेजिस्टर) सर्किट बनाया जो आपके मस्तिष्क की तरह सीख सकता है। 

Source – Texas A&M Department of Computer and Electrical Engineering

मस्तिष्क‑सम समान दक्षता: एआई जो माइक्रोवॉट्स खपत करता है, मेगावॉट्स नहीं

इस अध्ययन के पीछे के इंजीनियर मानते हैं कि मानव मस्तिष्क कई पहलुओं में एआई से अभी भी आगे है, जैसे ऊर्जा खपत और लचीलापन। मस्तिष्क की न्यूरल प्रक्रियाएँ इसे जटिल शारीरिक कार्यों को संचालित करने के साथ‑साथ आपके आसपास की बदलती स्थितियों के अनुसार अनुकूलित करने की अनुमति देती हैं। 

ऊर्जा दक्षता के संदर्भ में, मानव मस्तिष्क को केवल लगभग 20 वाट की आवश्यकता होती है। तुलना में, आज के उन्नत एआई सिस्टम संचालन के दौरान 1 अरब वाट तक की ऊर्जा खपत कर सकते हैं। यह शक्ति खपत प्रोसेसिंग पाथवे और घटकों से आती है, साथ ही एआई सिस्टम की आर्किटेक्चर से भी।  

 कृत्रिम बुद्धिमत्ता में सिनैप्टिक प्लास्टिसिटी को समझना

इंजीनियरों ने मस्तिष्क में सिनैप्टिक प्लास्टिसिटी का अध्ययन करके शुरुआत की। आपके मस्तिष्क में लाखों न्यूरॉन होते हैं जो आपकी स्मृति और सीखने को शक्ति प्रदान करते हैं। जहाँ तंत्रिकाएँ मिलती हैं, उन क्षेत्रों को सिनैप्स कहा जाता है। सिनैप्टिक प्लास्टिसिटी मस्तिष्क की वह क्षमता है जो अक्सर उपयोग किए जाने वाले कनेक्शनों को मजबूत करती है। यह मस्तिष्क की नई पाथवे बनाने की क्षमता को भी दर्शाता है जब यह अधिक कुशल माना जाता है। 

मस्तिष्क का रहस्य: ट्यूरिंग और सुपर‑ट्यूरिंग मोड के बीच स्विच करना

ध्यान देने योग्य बात यह है कि मस्तिष्क ट्यूरिंग मोड और सुपर‑ट्यूरिंग मोड दोनों में कार्य कर सकता है। ट्यूरिंग ऑपरेशनल स्थिति में, आपका मस्तिष्क पूर्व‑सीखे कार्यों और क्रियाओं का उपयोग करेगा। जब अप्रत्याशित परिस्थितियाँ उत्पन्न होती हैं या स्थितियाँ ऐसे बदलती हैं जो पूर्वानुमानित नहीं हैं, आपका मस्तिष्क स्वचालित रूप से सुपर‑ट्यूरिंग स्थिति में स्विच कर जाता है। यह दृष्टिकोण आपके मस्तिष्क को हमेशा आपके परिवेश के अनुसार अनुकूलित रहने की अनुमति देता है।

सुपर‑ट्यूरिंग एआई तुरंत कैसे सीखता और अनुकूलित होता है

वैज्ञानिकों ने इस सुपर‑ट्यूरिंग स्थिति को मस्तिष्क की अनूठी क्षमताओं के मूल में पाया। उन्होंने इस संरचना का उपयोग करके एआई आर्किटेक्चर को पुनः कल्पना की, जिससे एक अधिक मानव‑समान ऑपरेशनल फ्लो की कल्पना की गई जहाँ सीखना और निष्कर्षण एक साथ होते हैं। 

यह रणनीति ऊर्जा खपत को काफी कम करती है। हार्डवेयर घटकों के बीच विशाल मात्रा में डेटा को स्थानांतरित करने की आवश्यकता को समाप्त करने से खपत घटती है और प्रदर्शन में सुधार होता है। यह वास्तविक‑समय अनुकूलन का समर्थन करता है जबकि शक्ति खपत को नई न्यूनतम स्तरों तक घटाता है।

सिनस्टोर के अंदर: मानव सीखने की नकल करने वाला फेरोइलेक्ट्रिक सर्किट

इस अध्ययन का मूल बिंदु एक समावेशी सेंसर सर्किट का निर्माण है जो एक साथ प्रोसेस, सीख और सुचारू रूप से संचालित हो सके। टीम ने अपने अध्ययन के हिस्से के रूप में Hf0.5Zr0.5Ο2‑आधारित सिनस्टोर का एक सर्किट तैयार किया।  

यह कस्टम‑बिल्ट सर्किट सिनैप्टिक रेजिस्टर को फ़ेरोइलेक्ट्रिक HfZrO सामग्री के साथ एकीकृत करता है। उल्लेखनीय रूप से, फ़ेरोइलेक्ट्रिक सामग्री, जैसे Hf ऑक्साइड, इंजीनियरों को स्केलेबल, Si‑संगत, नॉन‑वोलैटाइल एनालॉग मेमोरी और न्यूरोमोर्फिक डिवाइस बनाने की क्षमता प्रदान करती हैं। 

ड्रोन सिमुलेशन: मानव बनाम एआई बनाम सिनस्टोर

टीम ने एक ड्रोन उड़ान सिमुलेशन सेट किया और एक परम्परागत एआई, एक मानव, और एक सुपर‑ट्यूरिंग एआई सिस्टम को सिमुलेशन में नेविगेट करने के लिए कहा ताकि उनका सिद्धांत परीक्षण किया जा सके।  किसी भी turbulence या बाधा से पहले, सिनस्टोर सर्किट, मानव ऑपरेटर और ANN ने सफलतापूर्वक ड्रोन को उसके लक्ष्य स्थान की ओर बिना किसी समस्या या देरी के चलाया। 

हालाँकि, जब पेड़ या तेज़ हवाएँ जोड़ी गईं, सभी पक्षों का प्रदर्शन घट गया। विशेष रूप से, मानव और सिनस्टोर सर्किट एआई सिस्टम ने कार्य पूरा किया। परम्परागत एआई सिस्टम नई पर्यावरण के अनुसार अनुकूलित नहीं हो सका और अतिरिक्त बाधाओं के कारण उसका प्रदर्शन घटने के कारण परीक्षण पूरा नहीं कर सका।

एआई अनुकूलन कार्रवाई में: ड्रोन बाधा कोर्स के परिणाम

अध्ययन ने दिखाया कि इंजीनियरों के नए विकसित सिनैप्टिक रेजिस्टर सर्किट प्रभावी और अनुकूलनशील सुपर‑ट्यूरिंग एआई सिस्टम का समर्थन करते हैं जो अनिश्चित और गतिशील वास्तविक‑विश्व पर्यावरण में नेविगेट कर सकते हैं। उन्होंने यह जांचा कि केवल मानव और सिनस्टोर‑संचालित ड्रोन कोर्स को क्यों पूरा कर सके। उनकी सफलता उनके उड़ान के दौरान अनुकूलित होने की क्षमता के कारण थी। 

सिनस्टोर सर्किट सतत एआई में एक बड़ी छलांग क्यों हैं

सिनस्टोर सर्किट एआई सिस्टम बाजार में कई लाभ ला सकते हैं। सबसे पहले, वे अधिक उन्नत और सक्षम एआई विकल्पों के द्वार खोलेंगे। ये प्रोटोकॉल एक साथ वास्तविक‑समय निष्कर्षण और सीखने में सक्षम होंगे, जिससे अगली पीढ़ी के एआई प्रोटोकॉल की दिशा में एक कदम आगे बढ़ेगा। 

Eco-friendly: इंजीनियरों की एआई सिस्टम आर्किटेक्चर पारम्परिक एआई प्रोटोकॉल की तुलना में बहुत कम बिजली का उपयोग करती है। यह उन्नत शक्ति उपयोग सिनस्टोर एआई सिस्टम को डेटा के लिए सबसे इको‑फ्रेंडली एआई आर्किटेक्चर का शीर्षक दिलाता है। जैसे-जैसे इन सेवाओं की मांग बढ़ेगी, सतत विकल्पों की आवश्यकता भी बढ़ेगी। 

Efficiency: इंजीनियरों ने सफलतापूर्वक एक सिस्टम बनाया जो मानव मस्तिष्क की नकल करता है। उनका दृष्टिकोण एआई सिस्टम के लिए ऊर्जा आवश्यकताओं को व्यापक रूप से कम करता है और एआई सिस्टम को नए मॉडल को प्रशिक्षित या निष्पादित करते समय अपनी शक्ति खपत को अधिकतम करने की अनुमति देता है। 

Adaptability: इस एआई संरचना का एक मुख्य लाभ इसकी अनुकूलनशीलता है। एआई सिस्टम को तेज़ और अधिक अनुकूलनशील बनना होगा ताकि उन्हें सौंपे गए कार्यों की बढ़ती संख्या को संभाल सकें। आपके इलेक्ट्रिक वाहन को पायलट करने से लेकर आपके लिए कौन से गाने चलाने हैं, इसका निर्णय लेने तक, भविष्य के एआई सिस्टम अपने प्रोसेसिंग प्रक्रियाओं के हिस्से के रूप में अपने पर्यावरण को ध्यान में रखेंगे। 

भविष्य के अनुप्रयोग: कार, पहनने योग्य उपकरण और सैन्य तकनीक में मस्तिष्क‑सम एआई

मस्तिष्क‑प्रेरित एआई सिस्टम उद्योग में क्रांति लाने की क्षमता रखता है। यह इंजीनियरों को सतत एआई विकास का अवसर प्रदान करता है और भविष्य के उन्नत स्वायत्त सिस्टम के निर्माण का समर्थन कर सकता है। यह तकनीक रोबोटिक्स, पहनने योग्य उपकरण और चिकित्सा क्षेत्र में भी अपना रास्ता पाएगी।  

Advanced Computing: आप जल्द ही इस तकनीक का उपयोग करने वाले उन्नत एआई सिस्टम देखेंगे। घटी हुई शक्ति खपत इन सिस्टमों के संचालन लागत को कम करेगी, जिससे वे मौजूदा विकल्पों की तुलना में अधिक आकर्षक बनेंगे। अतिरिक्त रूप से, जैसे ही सिनस्टोर चिप डिज़ाइन सुधरेगा, यह और अधिक अपनाने को प्रेरित करेगा। 

Military: सैन्य एआई के सबसे बड़े समर्थकों में से एक है। एआई सिस्टम ट्रैकिंग, लक्ष्य निर्धारण, योजना और लॉजिस्टिक्स में मदद कर सकते हैं, जिससे किसी भी सेना की संचालन क्षमताएँ बढ़ती हैं। भविष्य में आप एआई सिस्टम को उन्नत लोटरिंग म्यूनीशन और ड्रोन को शक्ति प्रदान करते हुए और योजनाकारों को स्थितिजन्य जागरूकता बनाए रखने में मदद करते हुए देखेंगे। 

Autonomous Vehicles: उन्नत एआई के मुख्य उपयोग मामलों में से एक स्वायत्त वाहनों का पायलटिंग है। पूरी तरह स्वायत्त कारों का सपना धीरे‑धीरे साकार हो रहा है, लेकिन हालिया प्रगति ने इस दृष्टिकोण को पहले से अधिक निकट ला दिया है। यह नवीनतम एआई प्रगति प्रदर्शन में सुधार करेगी और अधिक उन्नत स्वायत्त वाहनों के द्वार खोलेगी जो उड़ान और अधिक क्षमताओं को सक्षम करेंगे। 

यह तकनीक एक दिन समुदायों को सुरक्षित बनाने और आपके दैनिक कार्यों को आसान बनाने में मदद करेगी। हालांकि, अभी भी कुछ विवरण और बाधाएँ हैं जिन्हें मुख्यधारा में आने से पहले पार करना होगा। बाधाओं के बावजूद, संभावित व्यावसायिक अपनाने का अनुमान 5–10 वर्षों के भीतर है, जबकि निकट‑भविष्य में विशेष कम‑शक्ति एआई कार्यों में उपयोग देखा जाएगा। 

इस एआई प्रगति के पीछे की शोध टीम से मिलें

टेक्सास ए&एम के कंप्यूटर और इलेक्ट्रिकल इंजीनियरिंग विभाग और यूनिवर्सिटी ऑफ कैलिफ़ोर्निया‑लॉस एंजिल्स की टीम ने इस अध्ययन को उजागर करने के लिए सहयोग किया। विशेष रूप से, जंगमिन ली, राहुल शेनॉय, और अथर्वा देओ ने शोध का नेतृत्व किया। 

उनके साथ सन् यी, दावेई गाओ, डेविड क़ियाओ, मिंगजिए शू, शिवा असापु, ज़िक्सुआन रोंग, धुर्वा नाथन, योंग हेई, धर्मा पलादुगु, जियान‑गुओ झेंग, जे. जोशुआ यांग, आर. स्टैनली विलियम्स, किंग वू, और योंग चेन सहित इंजीनियरों की एक टीम ने मदद की। उल्लेखनीय रूप से, इस अध्ययन को एयर फ़ोर्स ऑफिस ऑफ़ साइंटिफ़िक रिसर्च से वित्तपोषण मिला। 

 व्यावसायिक पहलू: NVIDIA और अन्य न्यूरोमोर्फिक एआई को कैसे आगे बढ़ा रहे हैं

एआई दौड़ चल रही है, और प्रतिस्पर्धी फर्में इस क्षेत्र पर हावी होने के लिए अरबों खर्च कर रही हैं। एआई की अपेक्षाकृत व्यवधानकारी प्रकृति का अर्थ है कि OpenAI जैसी फर्में कहीं से भी उभर कर बाजार में शीर्ष स्थान सुरक्षित कर सकती हैं। जबकि यह निर्धारित करना बहुत कठिन है कि अगले नए खिलाड़ी कौन होगा, यह देखना आसान है कि पिछले कुछ वर्षों में बाजार पर कौन हावी रहा है।  

NVIDIA कॉरपोरेशन

NVIDIA (NVDA ) ने 1993 में बाजार में प्रवेश किया और कैलिफ़ोर्निया में स्थित है। अब विश्व‑प्रसिद्ध 3D ग्राफ़िक्स कार्ड निर्माता ने वर्षों में ASIC और अन्य गेम‑चेंजिंग डिज़ाइनों का अग्रणी कार्य किया। इन उन्नतियों ने कंपनी को एक गेमिंग ग्राफ़िक्स कार्ड फर्म से एआई क्षेत्र के सबसे पहचानने योग्य नामों में बदल दिया।

 NVIDIA की उन्नति अनदेखी नहीं रही। इसका स्टॉक उल्लेखनीय रूप से बढ़ा, और जून 2024 में कंपनी ने $3T मार्केट कैप हासिल किया। आज, NVIDIA न्यूरोमोर्फिक और एज एआई हार्डवेयर में एक नेता है। इस कारण वह एआई निष्कर्षण दक्षता और मस्तिष्क‑प्रेरित आर्किटेक्चर के डिज़ाइन में भारी रूप से शामिल है। जो लोग एक विश्वसनीय और सिद्ध एआई स्टॉक की तलाश में हैं, उन्हें NVIDIA पर अधिक शोध करने के लिए समय निकालना चाहिए। 

For a closer look at NVIDIA, make sure to look over our spotlight of this industry giant.

NVIDIA कॉरपोरेशन पर नवीनतम

एआई का भविष्य: प्राकृतिक बुद्धिमत्ता, कृत्रिम रूप से निर्मित

इस अध्ययन के पीछे के इंजीनियरों ने एआई क्षमता में एक नया स्तर अनलॉक किया है। उनका नया चिप डिज़ाइन एआई को तेज़ और अधिक स्मार्ट एल्गोरिदम विकसित करने की अनुमति देगा। ये सिस्टम एक दिन आपके जीवन के लगभग हर घटक को शक्ति प्रदान करेंगे। अभी के लिए, इस शोध ने दिखाया कि वैज्ञानिक कैसे प्रकृति और मानव शरीर से प्रेरणा लेकर नवाचार को नई ऊँचाइयों तक ले जा सकते हैं.. 

Learn about other cool AI projects now.

संदर्भित अध्ययन:

^{1. Lee, J., Shenoy, R., Deo, A., Yi, S., Gao, D., Qiao, D., Xu, M., Asapu, S., Rong, Z., Nathan, D., Hei, Y., Paladugu, D., Zheng, J.-G., Yang, J. J., Williams, R. S., Wu, Q., & Chen, Y. (2025). HfZrO-based synaptic resistor circuit for a Super-Turing intelligent system. Science Advances, 11(9), eadr2082. https://doi.org/10.1126/sciadv.adr2082}