World

રોબોટ્સને માણસો જેવા બનાવવા માટે બ્રેઈન વેવ ડેટાનો ઉપયોગ કરાશે

By GS Team
28 Jul 20262 mins read
TukuTouch Logo
કેલિફોર્નિયામાં, હવે આર્ટિફિશિયલ ઈન્ટેલિજન્સને તાલીમ આપવા માટે માનવ મગજના તરંગોનો ઉપયોગ થશે. રોબોટ્સ અને ભૌતિક AI સિસ્ટમ્સને વાસ્તવિક દુનિયામાં કામ કરવા શીખવવા માટે આ એક નવો અભિગમ છે. આનાથી વીડિયો ડેટાની જરૂરિયાત ઘટશે અને રોબોટ્સ માણસના નિર્ણયોને વધુ સારી રીતે સમજી શકશે. આ પદ્ધતિ ખર્ચાળ હોવા છતાં, તે સચોટ પરિણામો આપશે.

Summarized by AI; it may make mistakes. Check important info

રોબોટ્સને માણસો જેવા બનાવવા માટે બ્રેઈન વેવ ડેટાનો ઉપયોગ કરાશે
  • આપણા મગજના તરંગો એઆઈનો ડેટા સોર્સ બનશે
  • ફિઝિકલ એઆઈને શીખવવા માટે મોટા પ્રમાણમાં ઉપયોગમાં લેવાતા વીડિયો ડેટાની જરૂરિયાત ઘટાડશે

કેલિફોર્નિયા : આર્ટિફિશિયલ ઈન્ટેલિજન્સને ટ્રેનિંગ આપવા માટે ઈન્ટરનેટ પર ઉપલબ્ધ લખાણ, તસવીરો અને વીડિયોનો ઉપયોગ કરવામાં આવતો હતો. હવે, રોબોટ્સ અને રીયલ વર્લ્ડમાં કામ કરી શકે તેવી ફિઝિકલ એઆઈ સિસ્ટમ બનાવવા માટે માણસના બ્રેઈન વેવ્સનો ઉપયોગ કરાશે. જાણકારોના મતે, ભવિષ્યમાં બ્રેઈન વેવ ડેટા રોબોટ્સને માણસના નિર્ણયોને સમજવામાં મદદ કરશે.
ફિઝિકલ એઆઈ એટલે એવા એઆઈ મોડલ્સ કે જે માત્ર સવાલોના જવાબ નથી આપતા. પરંતુ, રોબોટ્સ, ઓટોનોમસ મશીન્સ અને અન્ય ઈન્સ્ટ્રુમેન્ટ્સને વાસ્તવિક દુનિયામાં કામ કરવાનું શીખવે છે. તેમને દરેક પ્રક્રિયા શીખવવા માટે વિશાળ માત્રામાં ડેટાની જરૂર પડે છે. જેમાં, અસંખ્ય વીડિયો કે તસવીરો ઉપયોગમાં લેવામાં આવે છે. હવે, તેમને શીખવવા મગજના તરંગોના ડેટાનો પણ ઉપયોગ કરવામાં આવશે.
જ્યારે, કોઈ વ્યક્તિ કામ કરે છે ત્યારે માત્ર હાથ કે શરીરની હલનચલન જ મહત્વની નથી હોતી, કોઈપણ નિર્ણય લેતા પહેલા મગજ કેવી રીતે કામ કરે છે તે પણ તેટલું જ મહત્વનું હોય છે. જો એઆઈ સિસ્ટમો આ ન્યુરલ સંકેતોને સમજે તો ભવિષ્યના રોબોટ્સ કામ કરવાની સાથે તેના નિર્ણયની પ્રક્રિયાને પણ વધુ સારી રીતે શીખી શકશે. આ કારણે બ્રેઈન વેવ ડેટાને મહત્ત્વપૂર્ણ ટ્રેનિંગ સોર્સ તરીકે જોવામાં આવી રહ્યું છે.
લાર્જ લેંગ્વેજ મોડલ્સ માટે જરૂરી ડેટાનો મોટો ભાગ ઈન્ટરનેટ પર હાજર હતો. પરંતુ, ફિઝિકલ એઆઈ માટે જરૂરી ડેટા તૈયાર કરવો પડી રહ્યો છે. તેમાં, કેમેરા, સેન્સર, હ્યુમન પાર્ટનરશિપ, એનોટેશન અને બ્રેઈન-વેવ રેકોર્ડિંગનો સમાવેશ થાય છે. તે વધુ ખર્ચાળ છે અને તેને એકત્ર કરવામાં વધુ સમય લાગે છે. તે વધુ ખર્ચાળ હોવા છતાં તે સચોટ હોવાથી સંશોધકો તેને અપનાવી રહ્યા છે.