मधुमक्खियों के दिमाग ने अधिक स्मार्ट AI और रोबोटिक्स को प्रेरित किया

मधुमक्खियाँ, दुनिया की सबसे बड़ी परागणकर्ता, वह जैव विविधता का एक अनिवार्य हिस्सा हैं, जिस पर हम मनुष्य अपनी जीवित रहने के लिए सीधे निर्भर हैं।

ये पंख वाले कीट मुख्यतः उच्च गुणवत्ता वाला भोजन जैसे शहद, साथ ही मोम, प्रोपोलिस, पराग और जेल आदि प्रदान करने के लिए जाने जाते हैं। अधिक महत्वपूर्ण यह है कि वे अनगिनत फूलों वाले पौधों का परागण करने के लिए जिम्मेदार हैं, जिसमें दुनिया की अधिकांश खाद्य फसलें शामिल हैं, जिससे पौधों को प्रजनन और फल, सब्जियाँ तथा बीज उत्पन्न करने में मदद मिलती है। 

इसे हासिल करने के लिए, मधुमक्खियाँ अपने बालों वाले शरीर का उपयोग करके पराग को एक फूल से दूसरे फूल तक स्थानांतरित करती हैं।

जबकि मधुमक्खियाँ इस कार्य में अकेली नहीं हैं, क्योंकि पक्षी, बंदर और यहाँ तक कि मनुष्य भी परागण करते हैं, मधुमक्खियाँ निश्चित रूप से सबसे सामान्य परागणकर्ता हैं। यह अनुमान है कि सभी फूलदार पौधों की 87% से अधिक प्रजातियाँ जानवरों पर निर्भर करती हैं, जिसमें मधुमक्खियाँ परागण के प्रमुख समूह हैं, जो जैव विविधता और खाद्य सुरक्षा के लिए एक आवश्यक पारिस्थितिक सेवा है।

मधुमक्खियाँ वास्तव में बहुत बुद्धिमान कीट हैं, और लोग उनके व्यवहार, आदतों और सामाजिक अंतःक्रियाओं का अध्ययन कर रहे हैं ताकि पारिस्थितिक तंत्र के स्वास्थ्य, पर्यावरणीय परिवर्तन को समझा जा सके और फसल परागण की दक्षता में सुधार किया जा सके।

इसके अलावा, मधुमक्खियों को सहयोगी व्यवहार को समझने और यह मानचित्रित करने के मॉडल के रूप में उपयोग किया जाता है कि कैसे छोटे दिमाग जटिल सामाजिक कार्यों का समन्वय करते हैं। 

वैज्ञानिक भी तकनीक को आगे बढ़ाने के लिए मधुमक्खियों से प्रेरणा लेते हैं। उदाहरण के तौर पर, उनकी नेविगेशन और संचार रणनीतियों को ड्रोन तकनीक में लागू किया गया है। मधुमक्खियों के व्यवहार ने रोबोटिक्स, एल्गोरिदम और AI को भी प्रेरित किया है।

इस संबंध में, शोधकर्ताओं ने अब खोजा है कि मधुमक्खियाँ अपने उड़ान आंदोलनों का उपयोग मस्तिष्क संकेतों को सुधारने के लिए करती हैं, जिससे वे जटिल दृश्य पैटर्न को बड़ी सटीकता से सीख और पहचान सकती हैं। 

नए अध्ययन के अनुसार, यह गति-आधारित धारणा अगली पीढ़ी के AI और रोबोटिक्स के विकास में क्रांति ला सकती है, क्योंकि यह विशाल कंप्यूटिंग शक्ति की तुलना में दक्षता पर ज़ोर देती है।

मधुमक्खी बुद्धिमत्ता: छोटे दिमाग AI के बारे में हमें क्या सिखाते हैं

मधुमक्खियों की दृश्य सीखने की क्षमताएँ वास्तव में उल्लेखनीय हैं। यह तथ्य से स्पष्ट है कि वे रंग को इनाम से जोड़ना सीख सकती हैं तथा विशिष्ट विशेषताओं की पहचान करके दृश्य पैटर्न को वर्गीकृत कर सकती हैं। उन्होंने अमूर्त अवधारणाओं को समझने और संख्यात्मक कार्यों को हल करने की क्षमता भी दिखाई है, जिसमें वे उत्तेजना के भीतर तत्वों को क्रमिक रूप से स्कैन करती हैं। 

संज्ञानात्मक विज्ञान में एक मूलभूत अवधारणा, संख्यात्मकता, सेट में वस्तुओं की संख्या को दर्शाती है और आमतौर पर दृश्य धारणा के संदर्भ में अध्ययन की जाती है, जहाँ यह बिना गिनती के दृश्य में वस्तुओं की मात्रा को जल्दी समझने की क्षमता को दर्शाती है। 

इस प्रकार, संख्यात्मक कार्य मस्तिष्क की अंतर्निहित क्षमता का विश्लेषण करते हैं जो मात्रा को महसूस और अनुमानित करने में सक्षम है।

इसलिए, मधुमक्खियों में स्पष्ट रूप से असाधारण क्षमताएँ हैं, जो उन्हें उनके व्यवहारिक प्रतिक्रियाओं का विश्लेषण करके दृश्य सीखने के सिद्धांतों की खोज के लिए एक मूल्यवान पशु मॉडल बनाती हैं।

लेकिन बात यह है, यह अभी भी पूरी तरह ज्ञात नहीं है कि मधुमक्खियाँ जटिल पैटर्न को कैसे पहचानती हैं और अपने आसपास की दुनिया की जटिलताओं को कैसे समझती हैं, जबकि वे परागण करती हैं, क्योंकि उनकी दृश्य संवेदनशीलता कम और न्यूरल संसाधन सीमित माने जाते हैं।

दृश्य संवेदनशील न्यूरॉन्स वास्तव में प्राकृतिक दृश्यों में नियमितताओं का उपयोग करने के लिए विकसित होते हैं। उदाहरण के लिए, अध्ययनों ने दिखाया है कि कीट संवेदनात्मक मार्ग और उनसे जुड़े व्यवहार विभिन्न पर्यावरणीय स्थितियों के अनुसार गतिशील रूप से अनुकूलित होते हैं। प्रतिक्रियाएँ इनपुट डेटा जैसे स्थानिक आवृत्ति, कंट्रास्ट और स्थान-समय संबंधों के आधार पर समायोजित की जाती हैं। 

जब सक्रिय सैंपलिंग रणनीतियों की बात आती है, जहाँ जानवर लगातार अपने पर्यावरण को स्कैन करके समय के साथ दृश्य जानकारी निकालते हैं, ऐसी व्यवहार विभिन्न प्रजातियों में व्यापक रूप से देखा गया है। 

जबकि प्राइमेट्स अपनी आँखों की गति का उपयोग करके सूक्ष्म स्थानिक रिज़ॉल्यूशन को बढ़ाते हैं और प्राकृतिक उत्तेजनाओं के एन्कोडिंग को सुधारते हैं, कीट सिर और शरीर की गति या विशिष्ट दृष्टिकोण पथों को शामिल करने वाली रणनीतियों का उपयोग करते हैं।

मधुमक्खियों के मामले में, वे संभवतः सक्रिय दृष्टि और क्रमिक सैंपलिंग पर निर्भर करती हैं ताकि अपने आसपास के वातावरण की एक मजबूत और लचीली न्यूरल प्रतिनिधित्व बना सकें। 

ये रणनीतियाँ प्रारंभिक दृश्य प्रसंस्करण में एक प्रमुख भूमिका निभाती हैं, अतिरिक्‍तता को कम करती हैं और दृश्य उत्तेजनाओं के एन्कोडिंग को अधिक कुशल बनाती हैं। लेकिन फिर भी, यह समझना कि ये तंत्र मधुमक्खियों को दृश्य नियमितताओं का पता लगाने, प्रतिनिधित्व सीमाओं को पार करने और जटिल कार्यों को हल करने में कैसे सक्षम बनाते हैं, अभी भी अपर्याप्त है।

नवीनतम अध्ययन के अनुसार, इन रणनीतियों को समझना कीट दृष्टि के मूल सिद्धांतों को उजागर करने और जैविक तथा कृत्रिम प्रणालियों में दृश्य प्रसंस्करण पर उनके व्यापक प्रभावों को समझने के लिए अत्यंत महत्वपूर्ण है।

इसलिए, उनके पिछले अध्ययन पर निर्माण करते हुए, जिसमें सरल दृश्य कार्य के दौरान मधुमक्खियों की उड़ान पथों का मूल्यांकन किया गया था, शोधकर्ता अब मुख्य सर्किट तत्वों की जांच कर रहे हैं जो सक्रिय दृष्टि में एक्रोमैटिक पैटर्न की पहचान में योगदान देते हैं।

अध्ययन का मुख्य लक्ष्य यह निर्धारित करना है कि मधुमक्खियों के स्कैनिंग व्यवहार कैसे उनके दृश्य लोब में न्यूरॉनों के संगठन और कनेक्टिविटी में योगदान देता है।

शेफ़ील्ड विश्वविद्यालय के शोधकर्ताओं ने यह अनुमान लगाया कि स्कैनिंग व्यवहार ने जटिल दृश्य विशेषताओं को इस तरह से नमूना करने के लिए अनुकूलित किया है कि उन्हें लोबुला न्यूरॉनों में अधिक कुशलता से एन्कोड किया जा सके। यह बदले में अनोखे प्रतिनिधित्व को सक्षम बनाता है जो मधुमक्खियों के छोटे दिमाग में सीखने का समर्थन करता है। इस अनुमान का परीक्षण करने के लिए, उन्होंने मधुमक्खी के ऑप्टिक लोब्स का एक न्यूरोमोर्फिक मॉडल विकसित किया।

शोधकर्ताओं ने गैर-सहयोगी प्लास्टिसिटी के एक नवीन मॉडल के माध्यम से कोडिंग सिद्धांतों को शामिल किया। इससे मॉडल को दृश्य लोब के भीतर अपनी कनेक्टिविटी को स्वयं व्यवस्थित करने में सक्षम बनाया, जिससे पर्यावरण के कुशल प्रतिनिधित्व बने और अभिविन्यास-चयनात्मक कोशिकाओं का उद्भव हुआ, जो जटिल दृश्य दृश्यों को एन्कोड करने के लिए आवश्यक हैं।

दृश्य प्रसंस्करण ढाँचे को आगे एक निर्णय-निर्धारण मॉड्यूल को लागू करके सुधारा गया, जो कीटों के सहयोगी सीखने के तंत्रों से प्रेरित था।

शोधकर्ताओं के सिमुलेशन दर्शाते हैं कि लोबुला न्यूरॉनों का एक छोटा उपसमुच्चय, जो विशिष्ट अभिविन्यास और वेग के प्रति संवेदनशील है, जटिल दृश्य वातावरण को फायरिंग दरों के रूप में अभिव्यक्त प्रतिनिधित्व में संकुचित कर सकता है। ये दुर्लभ प्रतिनिधित्व प्लस और गुणा पैटर्न के बीच प्रभावी रूप से अंतर कर सकते हैं, जो मॉडल की व्यापक प्रयोज्यता को उजागर करता है।

अध्ययन में एकत्रित अंतर्दृष्टि जैविक दृष्टि और संज्ञान को समझने में प्रगति करने और दृश्य पहचान कार्यों के लिए नए कम्प्यूटेशनल मॉडलों के विकास को प्रेरित करने में मदद कर सकती है, अध्ययन ने कहा।

मधुमक्खी-प्रेरित दृष्टि रोबोटिक्स और AI को कैसे आकार दे रही है

नवीनतम अध्ययन, क्वीन मैरी यूनिवर्सिटी ऑफ़ लंदन के साथ सहयोगात्मक प्रयास है और जर्नल eLife में प्रकाशित हुआ, विस्तृत एक डिजिटल मॉडल ऑफ़ ए बीज़ मिनिएचर ब्रेन²।

यह इन कीटों के मस्तिष्क और शरीर को संयोजित करने के आश्चर्यजनक तरीके का उपयोग करके प्रौद्योगिकी को आगे बढ़ाता है और भविष्य के रोबोटों को अधिक स्मार्ट और अधिक कुशल बनाता है। ठीक उसी तरह जैसे मधुमक्खियाँ अपने उड़ान आंदोलनों का उपयोग करके स्पष्ट मस्तिष्क संकेत बनाती हैं और जटिल दृश्य कार्यों को सरल बनाती हैं, अगली पीढ़ी की तकनीक भी बड़े कंप्यूटिंग शक्ति पर निर्भर रहने के बजाय गति के माध्यम से प्रासंगिक जानकारी एकत्र कर सकती है।

अध्ययन ने अंततः यह सिद्ध किया है कि यहाँ तक कि छोटे कीट दिमाग भी जटिल दृश्य कार्यों को हल करने में सक्षम हैं। 

यह तथ्य कि कुछ मस्तिष्क कोशिकाएँ इतनी अधिक कर सकती हैं, यह दर्शाता है कि बुद्धिमत्ता केवल मस्तिष्क का मामला नहीं है, बल्कि मस्तिष्क, शरीर और पर्यावरण के सामंजस्यपूर्ण कार्य का परिणाम है। 

मधुमक्खी के दिमाग का एक डिजिटल संस्करण बनाकर शोधकर्ताओं ने यह खोजा कि उड़ान के दौरान मधुमक्खियों के शरीर की गति उनके दृश्य इनपुट को आकार देने में मदद करती है। ये आंदोलन उनके मस्तिष्क में विशिष्ट विद्युत संकेत भी उत्पन्न करते हैं, जो उन्हें आसपास की पूर्वानुमेय विशेषताओं को आसानी और कुशलता से पहचानने में सक्षम बनाते हैं।

यह मधुमक्खियों की उड़ान के दौरान जटिल दृश्य पैटर्न को सीखने और पहचानने में उल्लेखनीय सटीकता को दर्शाता है।

“इस अध्ययन में, हमने सफलतापूर्वक प्रदर्शित किया है कि सबसे छोटे दिमाग भी गति का उपयोग करके अपने आसपास की दुनिया को महसूस और समझ सकते हैं। यह हमें दिखाता है कि एक छोटा, कुशल प्रणाली—हालांकि यह लाखों वर्षों के विकास का परिणाम है—ऐसे गणनाएँ कर सकती है जो हम पहले सोचते थे उससे कहीं अधिक जटिल हैं।”

– अध्ययन के वरिष्ठ लेखक, प्रोफेसर जेम्स मार्शल, यूनिवर्सिटी ऑफ़ शेफ़ील्ड के सेंटर ऑफ़ मशीन इंटेलिजेंस के निदेशक

प्रकृति के सर्वश्रेष्ठ बौद्धिक डिज़ाइनों का उपयोग करके, मार्शल ने कहा, यह “AI की अगली पीढ़ी के लिए मार्ग प्रशस्त करता है, जो रोबोटिक्स, स्व-चालित वाहनों और वास्तविक दुनिया के सीखने में प्रगति को प्रेरित करता है।”

जैसा कि पहले उल्लेख किया गया, यह अध्ययन उनके पिछले शोध पर आधारित है कि मधुमक्खियाँ सक्रिय दृष्टि का उपयोग कैसे करती हैं, जहाँ उनकी गतियों से दृश्य जानकारी एकत्रित और संसाधित करने में मदद मिलती है। नवीनतम कार्य उनके व्यवहार को संचालित करने वाले मस्तिष्क तंत्रों की गहरी जांच करता है, जो उड़ते हुए विशिष्ट पैटर्न की जाँच करते हैं।

“हमारे पिछले कार्य में, हमें यह जानकर आश्चर्य हुआ कि मधुमक्खियाँ दृश्य पहेलियों को हल करने के लिए एक चतुर स्कैनिंग शॉर्टकट का उपयोग करती हैं। लेकिन यह केवल हमें यह बताता है कि वे क्या करती हैं; इस अध्ययन के लिए, हम यह समझना चाहते थे कि वे कैसे करती हैं।”

– प्रमुख लेखक, डॉ. हादी माबौदी, यूनिवर्सिटी ऑफ़ शेफ़ील्ड से

मधुमक्खियों की उन्नत दृश्य पैटर्न सीखने की क्षमताएँ वास्तव में लंबे समय से समझी गई हैं। इसमें मानव चेहरों के बीच अंतर करने की उनकी क्षमता शामिल है, लेकिन यह नहीं बताया गया है कि वे इतनी दक्षता से दुनिया में कैसे नेविगेट करती हैं।

“हमारा मधुमक्खी के दिमाग का मॉडल दर्शाता है कि उसके न्यूरल सर्किट दृश्य जानकारी को अलगाव में नहीं, बल्कि प्राकृतिक पर्यावरण में उसकी उड़ान गतियों के साथ सक्रिय अंतःक्रिया के माध्यम से संसाधित करने के लिए अनुकूलित हैं।”

– माबौदी

और यह, उन्होंने कहा, इस सिद्धांत का समर्थन करता है कि बुद्धिमत्ता मस्तिष्क, शरीर और पर्यावरण के सहयोग से उत्पन्न होती है।

“हमने सीखा है कि मधुमक्खियों के दिमाग, जो तिल के बीज से बड़े नहीं होते, केवल दुनिया को नहीं देखते—वे अपनी गतियों के माध्यम से जो देखते हैं उसे सक्रिय रूप से आकार देते हैं। यह एक सुंदर उदाहरण है कि कैसे क्रिया और धारणा गहराई से जुड़ी हुई हैं ताकि न्यूनतम संसाधनों के साथ जटिल समस्याओं को हल किया जा सके।”

– माबौदी

सहयोगात्मक प्रयासों के माध्यम से निर्मित मॉडल दर्शाता है कि मधुमक्खी के न्यूरॉन्स विशिष्ट गतियों और दिशाओं के प्रति अत्यधिक ट्यून हो जाते हैं क्योंकि उनका मस्तिष्क विभिन्न उत्तेजनाओं के बार-बार संपर्क से धीरे-धीरे अनुकूलित होता है। इससे उनकी प्रतिक्रियाएँ सुधारती हैं बिना संघ या सुदृढ़ीकरण पर निर्भर हुए।

इसका मतलब यह है कि मधुमक्खी का मस्तिष्क उड़ान के दौरान केवल अवलोकन के द्वारा अपने पर्यावरण के अनुकूल हो जाता है, बिना तत्काल इनाम की आवश्यकता के।

यह सब कुछ केवल कुछ न्यूरॉन्स का उपयोग करके किया जाता है, जो ऊर्जा और प्रोसेसिंग शक्ति दोनों को बचाता है, जिससे उनका मस्तिष्क अत्यंत कुशल बनता है। अब, मॉडल का परीक्षण करने के लिए, टीम ने इसे वास्तविक मधुमक्खियों द्वारा सामना किए गए समान दृश्य चुनौतियों में डाला। इस मामले में, कम्प्यूटेशनल मॉडल को ‘+’ चिह्न और ‘×’ चिह्न के बीच अंतर करना पड़ा।

वास्तविक मधुमक्खियों की रणनीति की नकल करते हुए, पैटर्न के केवल निचले आधे हिस्से को स्कैन करने पर, मॉडल ने उल्लेखनीय रूप से बेहतर प्रदर्शन दिखाया।

इसके अलावा, मॉडल ने सफलतापूर्वक दिखाया कि मधुमक्खियाँ केवल एक छोटे कृत्रिम न्यूरॉन नेटवर्क का उपयोग करके मानव चेहरों को कैसे पहचान सकती हैं, जो उनके दृश्य प्रसंस्करण की बहुमुखी प्रतिभा और शक्ति को उजागर करता है।

“वैज्ञानिक इस प्रश्न से मोहित रहे हैं कि क्या मस्तिष्क का आकार जानवरों में बुद्धिमत्ता की भविष्यवाणी करता है। लेकिन ऐसी अटकलें तब तक अर्थहीन हैं जब तक कोई यह नहीं जानता कि किसी कार्य के पीछे कौन सी न्यूरल गणनाएँ हैं,” कहा प्रोफेसर लार्स चिट्का, क्वीन मैरी यूनिवर्सिटी ऑफ़ लंदन में सेंसरियल और बिहेवियरल इकोलॉजी के प्रोफेसर। “यहाँ हम कठिन दृश्य विभेद कार्यों के लिए आवश्यक न्यूनतम न्यूरॉन्स की संख्या निर्धारित करते हैं और पाते हैं कि ये संख्याएँ अत्यंत छोटी हैं, यहाँ तक कि मानव चेहरा पहचान जैसे जटिल कार्यों के लिए भी। इस प्रकार, कीट माइक्रोब्रेन उन्नत गणनाओं में सक्षम हैं।”

इस प्रकार, अध्ययन इस प्रमाण में जोड़ता है कि जानवर केवल निष्क्रिय रूप से जानकारी प्राप्त नहीं कर रहे हैं। वास्तव में, वे सक्रिय रूप से उसके साथ काम कर रहे हैं।

विशेष रूप से, मधुमक्खियों में उच्च-स्तरीय दृश्य प्रसंस्करण होता है, और मॉडल दर्शाता है कि व्यवहार-प्रेरित स्कैनिंग कैसे संकुचित, सीखने योग्य न्यूरल कोड बना सकती है।

“इन निष्कर्षों के साथ, यह एकीकृत ढाँचा समर्थित होता है जहाँ धारणा, क्रिया और मस्तिष्क गतिशीलता न्यूनतम संसाधनों के साथ जटिल दृश्य कार्यों को हल करने के लिए सह-विकसित होते हैं—जो जीव विज्ञान और AI दोनों के लिए शक्तिशाली अंतर्दृष्टि प्रदान करता है।”

– प्रोफेसर माइको जूउसोला, यूनिवर्सिटी ऑफ़ शेफ़ील्ड के स्कूल ऑफ़ बायोसायंसेस और न्यूरोसाइंस इंस्टीट्यूट में सिस्टम न्यूरोसाइंस के प्रोफेसर

AI कैसे एशियाई हॉर्नेट्स से मधुमक्खियों की रक्षा में मदद कर सकता है, जानने के लिए यहाँ क्लिक करें।

स्क्रॉल करने के लिए स्वाइप करें →

AI तकनीक में निवेश

AI और रोबोटिक्स की दुनिया में, Qualcomm एक प्रसिद्ध नाम है जिसने न्यूरोमोर्फिक और एज-एआई तकनीकों का अन्वेषण किया है। 

एक दशक से अधिक पहले, क्वालकॉम ने क्वालकॉम ज़ेरोथ प्रोसेसर जारी किए ताकि मानव-समान धारणा और सीखने की नकल की जा सके, जैसा कि जैविक मस्तिष्क करते हैं। जैविक-प्रेरित सीखने के अलावा, लक्ष्य यह था कि हमारे मस्तिष्क द्वारा जानकारी संप्रेषित करने की दक्षता को दोहराया जाए और नई प्रोसेसिंग आर्किटेक्चर जिसे न्यूरल प्रोसेसिंग यूनिट (NPU) कहा जाता है, को मानकीकृत किया जाए।

इसी बीच, इसका AI-चालित रोबोटिक्स RB6 प्लेटफ़ॉर्म अगली पीढ़ी के रोबोटिक्स और बुद्धिमान मशीनों को शक्ति प्रदान करता है, जिसमें डिलीवरी रोबोट, स्वायत्त मोबाइल रोबोट (AMRs), UAM विमान, निर्माण रोबोट, स्वायत्त रक्षा समाधान और कई अन्य शामिल हैं। यह प्लेटफ़ॉर्म रोबोटों के लिए 5G कनेक्टिविटी के साथ ऊर्जा-कुशल, उन्नत एज-एआई कंप्यूटिंग और वीडियो प्रोसेसिंग प्रदान कर रहा है। प्लेटफ़ॉर्म ऊर्जा-कुशल, उन्नत एज-एआई कंप्यूटिंग और वीडियो प्रोसेसिंग 5G कनेक्टिविटी के साथ रोबोटों के लिए प्रदान कर रहा है

मुख्य रूप से, क्वालकॉम वायरलेस उद्योग के लिए बुनियादी तकनीकों के विकास में शामिल है, जिसमें 3G, 4G, 5G, वायरलेस कनेक्टिविटी, और उच्च-प्रदर्शन तथा कम-शक्ति कंप्यूटिंग।

कृत्रिम बुद्धिमत्ता (AI) में निवेश के बारे में सब कुछ जानने के लिए यहाँ क्लिक करें।

Qualcomm (QCOM )

क्वालकॉम के बाजार प्रदर्शन को देखते हुए, $171.67 बिलियन मार्केट कैप वाली कंपनी के शेयर वर्तमान में $159.54 पर ट्रेड हो रहे हैं, जो इस वर्ष अब तक 3.6% बढ़े हैं।

जबकि इस वर्ष का प्रदर्शन निराशाजनक रहा है, यह पिछले वर्ष जून में QCOM के $215 से ऊपर उछाल के बाद है। इसका EPS (TTM) 10.36 है, P/E (TTM) 15.36, और ROE (TTM) 44.62% है, जबकि शेयरधारकों को 2.24% के डिविडेंड यील्ड से लाभ मिलता है।

वित्तीय पक्ष में, वायरलेस चिपमेकर ने अपने वित्तीय तिमाही के तीसरे तिमाही, जो 29 जून 2025 को समाप्त हुई, में राजस्व में 10% वृद्धि कर $10.4 बिलियन की रिपोर्ट की।

हैंडसेट, IoT और ऑटोमोटिव में ताकत के कारण, QCT राजस्व में साल-दर-साल 11% की वृद्धि होकर $9 बिलियन हो गया, और EBT राजस्व में 22% की उछाल कर $2.7 बिलियन हो गया। इसी बीच, संयुक्त QCT ऑटोमोटिव और IoT राजस्व साल-दर-साल 23% बढ़कर $2.7 बिलियन हो गया।

कंपनी के गैर-GAAP EPS में साल-दर-साल 19% की वृद्धि होकर $2.77 हो गया।

According to CEO Cristiano Amon:

“QCT ऑटोमोटिव और IoT राजस्व में मजबूत वृद्धि का एक और तिमाही हमारे विविधीकरण रणनीति को और अधिक प्रमाणित करती है और हमारे दीर्घकालिक राजस्व लक्ष्यों को प्राप्त करने में विश्वास को बढ़ाती है। AI प्रोसेसिंग, उच्च-प्रदर्शन और कम-शक्ति कंप्यूटिंग, और उन्नत कनेक्टिविटी में हमारी नेतृत्व हमें एज पर AI के स्केल होने के साथ उद्योग के पसंदीदा प्लेटफ़ॉर्म बनने के लिए स्थित करती है।”

इस तिमाही में, क्वालकॉम ने शेयरधारकों को $3.8 बिलियन वापस किया, जिसमें $967 मिलियन, या प्रति शेयर $0.89 नकद डिविडेंड और $2.8 बिलियन शेयर पुनर्खरीद शामिल थे।

हाल ही में, क्वालकॉम ने अपने एंटरप्राइज़ ग्राहकों के लिए ड्रैगनविंग Q-6690 लॉन्च किया, जो ड्रैगनविंग उत्पाद श्रृंखला को उजागर करने के छह महीने से कम समय बाद था। कंपनी का दावा है कि यह चिपसेट दुनिया का पहला मोबाइल प्रोसेसर है जिसमें अंतर्निहित अल्ट्रा-हाई फ्रीक्वेंसी RFID क्षमताएँ हैं।

अपने औद्योगिक और एम्बेडेड IoT, नेटवर्किंग, और सेलुलर इन्फ्रास्ट्रक्चर समाधान के साथ, कंपनी उनका उपयोग जटिलता को सरल बनाने, संचालन दक्षता को अनुकूलित करने, और अधिक स्मार्ट निर्णय लेने को सशक्त बनाने के लिए करना चाहती है।

इन सबके बीच, सऊदी अरब की AI कंपनी, Humain, ने रियाद और दम्माम में अपने पहले डेटा सेंटर बनाना शुरू किया है, जिसके लिए उसने क्वालकॉम और AMD, Cisco, तथा Groq के साथ साझेदारी की है। कंपनी इस दशक के अंत तक 1.9 GW डेटा सेंटर क्षमता बनाने की योजना बना रही है।

नवीनतम क्वालकॉम (QCOM) स्टॉक समाचार और विकास

निष्कर्ष

जानवरों ने लंबे समय से प्रौद्योगिकी को प्रेरित किया है, और अब मधुमक्खियाँ हमें दिखाती हैं कि बुद्धिमत्ता मस्तिष्क के आकार के बारे में नहीं, बल्कि दक्षता, अनुकूलनशीलता, और शरीर, मस्तिष्क और पर्यावरण के सहज एकीकरण के बारे में है। ये सबक AI डिजाइन को बदलने में मदद कर सकते हैं।

AI आज के सबसे उन्नत और तेज़ी से विकसित होने वाले क्षेत्रों में से एक है, जो महत्वपूर्ण ध्यान, पूंजी और विकास आकर्षित करता है। विशाल मॉडलों का स्केलिंग, हालांकि, महंगा, ऊर्जा-गहन और अस्थिर है। यहाँ, मधुमक्खी-प्रेरित शोध एक वैकल्पिक समाधान प्रस्तुत करता है: छोटे, कुशल न्यूरल नेटवर्क जो कम में अधिक हासिल कर सकते हैं।

मधुमक्खियों की सक्रिय दृष्टि और संक्षिप्त न्यूरल रणनीतियों का अध्ययन करके, हम भविष्य के AI और रोबोटिक्स को बना सकते हैं जो तेज़ और अधिक सक्षम हों।

रोबोटिक परागणकर्ता क्या वर्टिकल फार्मिंग में भूमिका निभा सकते हैं, जानने के लिए यहाँ क्लिक करें।

संदर्भ:

1. MaBouDi, H., Richter, J., Guiraud, M.-G., Roper, M., Marshall, J.A.R., & Chittka, L. मधुमक्खियों की सक्रिय दृष्टि एक सरल पैटर्न विभेद कार्य में। eLife, 14, e106332, प्रकाशित 20 फरवरी 2025. https://doi.org/10.7554/eLife.106332
2. 2. MaBouDi, H., Roper, M., Guiraud, M.-G., Juusola, M., Chittka, L., & Marshall, J.A.R. सक्रिय दृष्टि का एक न्यूरोमोर्फिक मॉडल दर्शाता है कि लोबुला न्यूरॉन्स में स्थान-समय एन्कोडिंग मधुमक्खियों में पैटर्न पहचान में कैसे मदद कर सकती है। eLife, 14, e89929, प्रकाशित 1 जुलाई 2025. https://doi.org/10.7554/eLife.89929