निर्णय लेने की प्रक्रियाओं को अधिक सुगम और नियंत्रणीय बनाने के लिए डिज़ाइन किए गए नए MiCRo मॉडल में चार विशेष मॉड्यूल सहयोग करते हैं।

हाल के वर्षों में मैं लार्ज लैंग्वेज मॉडल या एलएलएम मानव और प्रणालियों के बीच संबंधों में गहरा परिवर्तन आया है। कृत्रिम बुद्धिमत्ताटेक्स्ट जनरेशन से लेकर सॉफ्टवेयर प्रोग्रामिंग तक, जिसमें मशीन ट्रांसलेशन, डॉक्यूमेंट एनालिसिस और वैज्ञानिक अनुसंधान सहायता शामिल है, इन न्यूरल नेटवर्क ने सटीकता के ऐसे स्तर हासिल कर लिए हैं जिनकी कुछ साल पहले कल्पना भी नहीं की जा सकती थी। हालांकि, इनकी बढ़ती लोकप्रियता ने एक ऐसा सवाल खड़ा कर दिया है जो अब वैज्ञानिक बहस के बड़े हिस्से में व्याप्त है: क्या इन प्रणालियों के निष्कर्षों तक पहुँचने के तरीके को सही मायने में समझना संभव है?

यह सवाल सिर्फ अकादमिक नहीं है। चिकित्सा, वित्त, न्याय या औद्योगिक डिजाइन जैसे क्षेत्रों में, किसी एल्गोरिदम द्वारा दिए गए निश्चित उत्तर के पीछे के कारण को जानना, स्वयं उत्तर जितना ही महत्वपूर्ण हो सकता है। हालांकि, आज उपलब्ध अधिकांश मॉडल अभी भी एक एल्गोरिदम की तरह व्यवहार करते हैं। "ब्लैक बॉक्स"इसका परिणाम स्पष्ट रूप से दिखाई देता है, जबकि न्यूरल नेटवर्क द्वारा अपनाई गई गणनात्मक प्रक्रिया इसके डेवलपर्स के लिए भी काफी हद तक अस्पष्ट रहती है।

अनुसंधान ठीक इसी सीमा पर हस्तक्षेप करता है।इकोले पॉलीटेक्निक फ़ेडेरेल डी लॉज़ेन (ईपीएफएल)में स्विजरलैंडविद्वानों के एक समूह ने विकसित किया है MiCRo, जो कि संज्ञानात्मक तर्ककर्ताओं के मिश्रण का संक्षिप्त रूप है।यह एक मॉड्यूलर आर्किटेक्चर है जो ट्रांसफॉर्मर्स पर आधारित है और इसे मॉडल के विभिन्न घटकों के बीच कार्यात्मक विशेषज्ञता को प्रेरित करने के लिए डिज़ाइन किया गया है।

माइक्रो मानव मस्तिष्क की जैविक संरचना को हूबहू दोहराने का प्रयास नहीं करता है, न ही यह दर्शाता है कि कृत्रिम तंत्रिका नेटवर्क मनुष्य की तरह सोचता है। इसके बजाय, यह संज्ञानात्मक तंत्रिका विज्ञान में देखे गए एक सामान्य सिद्धांत पर आधारित है: मानव बुद्धि किसी एक विशिष्ट क्षेत्र पर निर्भर नहीं करती, बल्कि भाषा, तार्किक तर्क, सामाजिक समझ और ज्ञान पुनर्प्राप्ति जैसे विभिन्न कार्यों में विशेषज्ञता प्राप्त नेटवर्क के बीच परस्पर क्रिया पर निर्भर करती है।

यह परियोजना कम्प्यूटेशनल भाषाविज्ञान के बीच हुई मुलाकात से उत्पन्न हुई थी, यंत्र अधिगम और तंत्रिका विज्ञान। लेखक हैं बदर अल-खामिस्सी, निकोलस डी सब्बाटा, ग्रेटा टकुटे, ज़ेमिंग चेन, मार्टिन श्रिम्पफ e एंटोनी बोसेलुतईपीएफएल, मैसाचुसेट्स इंस्टीट्यूट ऑफ टेक्नोलॉजी और हार्वर्ड विश्वविद्यालय से संबद्धता के साथ। यह कार्य चौदहवें संस्करण में शामिल किया गया था।लर्निंग रिप्रेजेंटेशन पर अंतर्राष्ट्रीय सम्मेलन2026 के लिए निर्धारित।

ट्रांसफॉर्मर मॉडल के भीतर चार संज्ञानात्मक "विशेषज्ञ"

MiCRo की विशिष्ट विशेषता यह है कि यह पूर्व-प्रशिक्षित भाषा मॉडल की परतों को विभाजित करता है। चार विशेषज्ञ मॉड्यूलये अनेक संज्ञानात्मक कार्यों से जुड़े होते हैं। ये चार स्वतंत्र प्रणालियाँ नहीं हैं जो एक-दूसरे से परामर्श करती हैं, बल्कि एक ही ट्रांसफ़ॉर्मर आर्किटेक्चर में एकीकृत विशिष्ट घटक हैं।

पहला मॉड्यूल इसके लिए समर्पित है भाषा और मुख्य रूप से भाषाई संरचनाओं के विकास में शामिल है। दूसरा इससे जुड़ा हुआ है। तर्कसमस्या समाधान और अमूर्त तर्क। तीसरा बिंदु इससे संबंधित है... सामाजिक बोधयानी, इरादों, भावनाओं, पारस्परिक संबंधों और अप्रत्यक्ष संचार के रूपों की व्याख्या करने की क्षमता। चौथा भाग निम्नलिखित को एकीकृत करता है: दुनिया का ज्ञानसमय के साथ वितरित सूचनाओं, यादों और कथात्मक अनुक्रमों को आपस में जोड़ना।

यह अंतिम मॉड्यूल तथाकथित "डिफ़ॉल्ट मोड नेटवर्क" से प्रेरणा लेता है, जो मस्तिष्क का एक ऐसा नेटवर्क है जिसका अध्ययन स्मृति पुनर्प्राप्ति, कथात्मक निरूपणों के निर्माण और भविष्य की घटनाओं की कल्पना में इसकी भूमिका के लिए किया गया है। इस संदर्भ का यह अर्थ नहीं है कि कृत्रिम मॉड्यूल मस्तिष्क की जैविक प्रक्रियाओं को पुन: उत्पन्न करता है, बल्कि यह उस प्रकार के कार्य को परिभाषित करने के लिए है जिसे शोधकर्ताओं ने प्रशिक्षण के दौरान प्रेरित करने का प्रयास किया था।

एक सघन ट्रांसफ़ॉर्मर मॉडल की तुलना में, जिसमें समान ब्लॉक विभिन्न प्रकार की प्रोसेसिंग में अंधाधुंध भाग लेते हैं, MiCRo आंतरिक संगठन का अधिक पठनीय रूप प्रस्तुत करता है। एक विशिष्ट रूटर यह तय करता है कि प्रसंस्करण के विभिन्न चरणों में किन विशेषज्ञों को टोकन आवंटित किए जाएं, और प्राप्त अनुरोध के लिए सबसे प्रासंगिक माने जाने वाले घटकों का चयन करता है।

यह दृष्टिकोण "मिक्सचर ऑफ एक्सपर्ट्स" आर्किटेक्चर से कुछ समानताएं रखता है, जिसका उपयोग पहले से ही विभिन्न मॉड्यूल में गणना को वितरित करने के लिए किया जाता है। हालांकि, MiCRo के मामले में, मॉड्यूलरिटी को न केवल दक्षता बढ़ाने के एक उपकरण के रूप में, बल्कि पहचानने योग्य कार्यात्मक विशेषज्ञता को प्रेरित करने और अंतिम समाधान में उनके योगदान का विश्लेषण करने के साधन के रूप में भी परिकल्पित किया गया है।

अधिक "विशेषज्ञ" मॉड्यूल को मार्गदर्शन देने के लिए तीन प्रशिक्षण चरण

प्रशिक्षण प्रक्रिया तीन चरणों में होती है। प्रारंभ में, केवल विशेषज्ञों को चयनित डेटा सेट का उपयोग करके प्रशिक्षित किया जाता है, जिससे प्रत्येक मॉड्यूल को प्रारंभिक कार्यात्मक दिशा मिलती है। इसके बाद, शेष आर्किटेक्चर को स्थिर कर दिया जाता है और राउटर को सबसे प्रासंगिक विशेषज्ञ का चयन करना सिखाया जाता है। तीसरे चरण में, निर्देशों के एक बड़े समूह का उपयोग करके संपूर्ण प्रणाली को संयुक्त रूप से परिष्कृत किया जाता है।

इस प्रक्रिया का उद्देश्य मॉड्यूल नामों को महज लेबल बनने से रोकना है। आर्किटेक्चर को सही मायने में सार्थक बनाने के लिए, विभिन्न अनुरोधों को इच्छित विशेषज्ञता के अनुरूप विभिन्न घटकों को सक्रिय करना होगा।

रूटिंग, एब्लेशन और बेंचमार्क विशेषज्ञताओं को सत्यापित करते हैं।

शोधकर्ताओं के विश्लेषण से पता चलता है कि MiCRo चारों विशेषज्ञों को सौंपे गए कार्यों के अनुरूप मार्ग विकसित करता है। अंकगणित की समस्याएं मुख्य रूप से तर्क मॉड्यूल से संबंधित होती हैं, जबकि इरादों और लोगों के बीच संबंधों को समझने से जुड़े कार्य सामाजिक विशेषज्ञ को अधिक सक्रिय करते हैं।

दूसरी ओर, भाषाई मॉड्यूल मॉडल की प्रारंभिक परतों में अक्सर सक्रिय होता है। यह व्यवहार भाषा की अनुप्रस्थ प्रकृति के अनुरूप है, जो तार्किक, सामाजिक या विश्व-ज्ञान संबंधी पहलुओं पर अन्य घटकों के हस्तक्षेप से पहले अनुरोध की व्याख्या करने के लिए आवश्यक है।

यह सत्यापित करने के लिए कि विशेषज्ञों ने वास्तव में अलग-अलग भूमिकाएँ ग्रहण कर ली हैं, समूह ने केवल टोकनों के वितरण का अवलोकन करने तक ही सीमित नहीं रहा। इसने निम्नलिखित परीक्षण भी किए: पृथक करनायह एक प्रायोगिक तकनीक है जिसमें समग्र प्रदर्शन में होने वाले परिवर्तन को मापने के लिए सिस्टम के एक घटक को निष्क्रिय कर दिया जाता है।

तर्क विशेषज्ञ को हटाने से गणितीय मानकों में उल्लेखनीय गिरावट आती है। गणित e GSM8Kसामाजिक मॉड्यूल को बाहर करने से विशुद्ध रूप से संख्यात्मक परीक्षणों में मामूली सुधार हो सकता है, क्योंकि यह उस घटक के योगदान को समाप्त कर देता है जो वर्तमान कार्य के लिए अप्रासंगिक है।

अधिक विषम परीक्षणों के लिए, जैसे कि बेंचमार्क में शामिल परीक्षण एमएमएलयू e बीबीएचयोगदानों का वितरण अधिक जटिल प्रतीत होता है। कुछ उपकार्य मुख्य रूप से एक ही विशेषज्ञ पर निर्भर करते हैं, जबकि अन्य के लिए कई मॉड्यूल के सहयोग की आवश्यकता होती है। यह परिणाम जटिल समस्याओं की प्रकृति के अनुरूप है, जिन्हें शायद ही कभी किसी एक संज्ञानात्मक क्षमता से जोड़ा जा सकता है।

शोधकर्ताओं ने तंत्रिका विज्ञान से प्राप्त कुछ प्रायोगिक उपकरणों को भी मॉडल पर लागू किया। तथाकथित कार्यात्मक लोकेटर इनका उपयोग तीन क्षेत्रों के संबंध में आंतरिक इकाइयों की चयनात्मकता की जांच करने के लिए किया गया है: भाषा, सामान्य तर्क और मन का सिद्धांत, अर्थात् दूसरों के विचारों और इरादों को व्यक्त करने की क्षमता।

इन विश्लेषणों से हमें विशेषज्ञों और विभिन्न स्तरों में वितरित कार्यात्मक रूप से विशिष्ट इकाइयों की पहचान करने में मदद मिली। परिणाम जैविक न्यूरॉन्स और कृत्रिम इकाइयों के बीच प्रत्यक्ष संबंध का संकेत नहीं देते हैं, लेकिन वे यह सत्यापित करने के लिए एक अतिरिक्त उपकरण प्रदान करते हैं कि क्या मॉड्यूलर उपविभाजन वास्तव में विभेदित व्यवहार उत्पन्न करता है।

प्रदर्शन के संदर्भ में, संस्करणों माइक्रो-लामा-1बी e माइक्रो-लामा-3बीएक और तीन अरब मापदंडों वाले मॉडलों पर आधारित मॉडल की तुलना सघन मॉडलों और समान संज्ञानात्मक विशेषज्ञता के बिना मॉड्यूलर विन्यासों से की गई।

लेखकों द्वारा किए गए परीक्षणों में, MiCRo ने GSM8K, Minerva-Math, MMLU और BBH सहित कई गणितीय, सामान्य ज्ञान और तर्क मानकों पर अपेक्षित मानकों के बराबर या उससे बेहतर प्रदर्शन किया। इन परिणामों का यह अर्थ नहीं है कि यह आर्किटेक्चर सभी उपलब्ध भाषा मॉडलों से बेहतर है, लेकिन ये दर्शाते हैं कि विशेषज्ञता को अपनाने से प्रदर्शन में कोई कमी नहीं आती।

इस प्रणाली का मूल्यांकन भी किया गया है कॉगबेंचयह प्रयोगों का एक समूह है जिसमें भाषा मॉडलों के व्यवहार की तुलना मनुष्यों पर किए गए शास्त्रीय मनोवैज्ञानिक परीक्षणों से उभरने वाले पैटर्न से की गई है। MiCRo वेरिएंट ने अपने संबंधित सघन संस्करणों और तुलना के लिए उपयोग किए गए अन्य मॉड्यूलर कॉन्फ़िगरेशन की तुलना में अधिक समानता दिखाई।

यह परिणाम भी यह साबित नहीं करता कि नेटवर्क किसी जैविक, सचेत या सामान्य अर्थ में किसी व्यक्ति की तरह तर्क करता है। बल्कि, यह बताता है कि कार्यात्मक विशेषज्ञता से प्रेरित संरचना संज्ञानात्मक प्रयोगों में देखे गए कुछ विशिष्ट व्यवहारिक पैटर्न को अधिक सटीक रूप से पुन: प्रस्तुत कर सकती है।

संज्ञानात्मक परीक्षणों से लेकर नए मॉडल की प्रभावी पारदर्शिता तक

"कुछ मामलों में, इन प्रणालियों की क्षमताएं हमारी कार्यप्रणाली की समझ से कहीं आगे निकल गई हैं। यदि हम यह बेहतर ढंग से समझ सकें कि ये मशीनें सूचना को कैसे ग्रहण करती हैं, तो हम बेहतर प्रणालियाँ डिज़ाइन कर सकते हैं और अधिक प्रभावी नियम विकसित कर सकते हैं।"

दूसरा एंटोनी बोसेलुतके निदेशक के प्राकृतिक भाषा प्रसंस्करण प्रयोगशाला ईपीएफएल का।

बड़े भाषा मॉडलों के विकास का व्यापक संदर्भ देते हुए, यह चिंतन MiCRo के लक्ष्य को भी प्रभावी ढंग से सारांशित करता है। EPFL में विकसित वास्तुकला मानव मस्तिष्क की नकल करने का प्रयास नहीं करती, बल्कि यह स्पष्ट रूप से देखने योग्य बनाती है कि विभिन्न विशिष्ट घटक प्रतिक्रिया के निर्माण में कैसे योगदान करते हैं, जिससे शोधकर्ताओं को मॉडलों के व्यवहार का विश्लेषण करने के लिए अतिरिक्त उपकरण मिलते हैं।

अब कम्प्यूटेशनल पथ पर अधिक प्रत्यक्ष नियंत्रण।

MiCRo की मॉड्यूलरिटी न केवल आपको यह देखने की अनुमति देती है कि प्रोसेसिंग के दौरान कौन से घटक शामिल हैं, बल्कि यह आर्किटेक्चर आपको अनुमान प्रक्रिया के दौरान मॉडल के व्यवहार को संशोधित करने, टोकन को विशिष्ट विशेषज्ञों की ओर निर्देशित करने या उन्हें अधिक महत्व देने की भी अनुमति देता है।

उदाहरण के लिए, सिस्टम को तार्किक प्रक्रिया की तुलना में सामाजिक प्रक्रिया को प्राथमिकता देने के लिए, या गणितीय कार्य के लिए सबसे प्रासंगिक घटक पर ज़ोर देने के लिए निर्देशित किया जा सकता है। यह संभावना प्रॉम्प्ट में निहित लिखित निर्देशों के माध्यम से किए जाने वाले नियंत्रण की तुलना में अधिक सूक्ष्म नियंत्रण प्रदान करती है।

इसका मतलब यह नहीं है कि प्रक्रिया पूरी तरह से नियतात्मक हो जाती है, न ही यह कि हर प्रतिक्रिया का पूर्वानुमान लगाया जा सकता है। रूटिंग एक जटिल और संभाव्य तंत्रिका नेटवर्क का हिस्सा बनी रहती है। हालांकि, विशेषज्ञों के चयन का अवलोकन और संशोधन करने की क्षमता शोधकर्ताओं को गणना पथ पर विश्लेषण और हस्तक्षेप का एक अतिरिक्त स्तर प्रदान करती है।

विशिष्ट अनुप्रयोगों के भविष्य के विकास के लिए यह पहलू दिलचस्प हो सकता है। एक शैक्षिक सहायक तार्किक तर्क और भाषाई स्पष्टता पर अधिक जोर दे सकता है, जबकि मानव अंतःक्रियाओं का विश्लेषण करने के लिए डिज़ाइन की गई प्रणाली सामाजिक मॉड्यूल पर अधिक जोर दे सकती है।

हालांकि, ये अनुप्रयोग की संभावनाएं हैं, न कि अध्ययन द्वारा पहले से ही प्रमाणित उपयोग। ईपीएफएल का कार्य प्रमुख वाणिज्यिक मॉडलों की तुलना में अपेक्षाकृत छोटे आकार के एक प्रायोगिक ढांचे से संबंधित है और स्वास्थ्य सेवा, वित्त, न्याय या सार्वजनिक प्रशासन में इसके उपयोग का प्रत्यक्ष मूल्यांकन नहीं करता है।

इसके अलावा, MiCRo स्वतः ही व्याख्यात्मकता की समस्या का समाधान नहीं करता है। किसी टोकन को तार्किक या सामाजिक विशेषज्ञ को सौंपा जाना किसी दिए गए वाक्य के पीछे के कारणों की पूर्ण व्याख्या के बराबर नहीं है। न ही यह संरचना भ्रम, डेटा विकृतियों, भ्रामक सहसंबंधों या अन्य अप्रत्याशित व्यवहारों को समाप्त करती है।

इसके बजाय, यह आर्किटेक्चर अवलोकन का एक मध्यवर्ती स्तर प्रदान करता है। अरबों पैरामीटरों में फैली जानकारी के अस्पष्ट वितरण का विश्लेषण करने के बजाय, डेवलपर व्यक्तिगत विशेषज्ञों के व्यवहार, राउटर के निर्णयों और किसी घटक को निष्क्रिय करने के परिणामों की जांच कर सकते हैं।

उदाहरण के लिए, यदि कोई मॉडल गणितीय कार्यों में बार-बार कठिनाइयाँ प्रदर्शित करता है, तो विश्लेषण को लॉजिक मॉड्यूल, राउटर या उसके विशिष्टीकरण को प्रेरित करने के लिए उपयोग किए गए डेटा पर केंद्रित करना संभव हो सकता है। मोनोलिथिक मॉडलों में, त्रुटि के स्रोत की पहचान करने के लिए व्यापक और कम निर्णायक जांच की आवश्यकता हो सकती है।

व्याख्यात्मकता, यूरोपीय नियम और एआई की अगली चुनौतियाँ

का शोध लॉज़ेन के संघीय पॉलिटेक्निक यह भाषा मॉडल डिज़ाइन में एक व्यापक बदलाव का हिस्सा है। एक ऐसे चरण के बाद जिसमें मुख्य रूप से पैरामीटर, कम्प्यूटेशनल शक्ति और डेटासेट आकार बढ़ाने पर ज़ोर दिया गया था, अब कई समूह मॉड्यूलरिटी, दक्षता, नियंत्रणीयता और व्याख्यात्मकता पर केंद्रित रणनीतियों की खोज कर रहे हैं।

पैरामीटरों की संख्या एक महत्वपूर्ण कारक बनी हुई है, लेकिन कृत्रिम बुद्धिमत्ता की क्षमताओं को बेहतर बनाने का यह एकमात्र तरीका नहीं है। MiCRo पर किए गए कार्य से पता चलता है कि मॉडल की आंतरिक संरचना और प्रशिक्षण के दौरान विशिष्ट बाधाओं को लागू करने से भी उल्लेखनीय लाभ प्राप्त हो सकते हैं।

यूरोपीय नियामक ढांचे में प्रणालियों के व्यवहार का बेहतर विश्लेषण करने की संभावना भी दिलचस्प हो जाती है।एआई एक्ट यह विनियमन 1 अगस्त 2024 से लागू हुआ, जबकि शासन और सामान्य प्रयोजन एआई मॉडल से संबंधित दायित्व 2 अगस्त 2025 से लागू हुए। इस विनियमन में अन्य पहलुओं के अलावा, तकनीकी प्रलेखन, पारदर्शिता, सूचना साझाकरण और जोखिम प्रबंधन से संबंधित दायित्व शामिल हैं।

MiCRo को AI अधिनियम के अनुपालन को सुनिश्चित करने के लिए डिज़ाइन नहीं किया गया था, और इसकी मॉड्यूलर संरचना अकेले नियामक आवश्यकताओं को पूरा करने के लिए अपर्याप्त है। हालांकि, ऐसी संरचनाएं जो आंतरिक प्रक्रियाओं को अधिक अवलोकन योग्य बनाती हैं, अंततः डेवलपर्स और पेशेवर उपयोगकर्ताओं द्वारा किए जाने वाले विश्लेषण, सत्यापन और ऑडिटिंग गतिविधियों में योगदान दे सकती हैं।

कई सवाल अभी भी अनुत्तरित हैं। यह सत्यापित करना आवश्यक होगा कि क्या एक और तीन अरब पैरामीटर वाले मॉडलों में देखी गई विशेषज्ञता को कहीं अधिक बड़े सिस्टमों में बनाए रखा जा सकता है, जिन्हें अधिक विषम डेटासेट पर प्रशिक्षित किया गया हो और जो वास्तविक दुनिया के संदर्भों से अस्पष्ट अनुरोधों के अधीन हों।

दसियों या सैकड़ों अरबों मापदंडों तक विस्तार करने से विशेषज्ञों के बीच स्पष्ट कार्यात्मक सीमाओं को बनाए रखना अधिक कठिन हो सकता है। प्रशिक्षण की गणनात्मक लागत, रूटिंग की स्थिरता, मॉड्यूल द्वारा धीरे-धीरे अपनी विशेषज्ञता खोने की संभावना और पारदर्शिता तथा प्रतिक्रिया की गुणवत्ता के बीच किसी भी प्रकार के समझौते का मूल्यांकन करना भी आवश्यक होगा।

इसलिए यह परियोजना भाषाई मॉडलों की अस्पष्ट प्रकृति का कोई निश्चित समाधान प्रस्तुत नहीं करती है। हालांकि, यह सरल आयामी वृद्धि से परे एक संभावित वैकल्पिक दिशा की ओर इशारा करती है: ऐसी प्रणालियों का निर्माण करना जिनमें क्षमताएं न केवल मापदंडों की मात्रा से, बल्कि पहचानने योग्य कार्यों के अनुसार संगठित आंतरिक संरचना से भी उत्पन्न होती हैं।

एक ऐसे उद्योग में जहां प्रदर्शन तेजी से बढ़ रहा है, लेकिन उपयोगकर्ता का विश्वास और सत्यापनशीलता अभी भी अनसुलझे मुद्दे हैं, यह समझना कि किस घटक ने प्रतिक्रिया में योगदान दिया, प्रतिक्रिया जितनी ही महत्वपूर्ण हो सकती है। भावी पीढ़ियों के लिए चुनौती यह है कि... ध्यान लगा के पढ़ना या सीखना इसलिए, इससे न केवल बेहतर परिणाम प्राप्त होंगे, बल्कि उन परिणामों के निर्माण के तरीके को भी स्पष्ट किया जा सकेगा, जिससे परिवर्तन आएगा। अनुसंधान और विकास इसे अधिक विश्लेषणीय और नियंत्रणीय प्रणालियों के निर्माण के लिए एक उपकरण के रूप में उपयोग करना।

यहां तीन जानकारियां दी गई हैं जिनमें आपकी रुचि हो सकती है:

ईपीएफएल की ओर से अधिक लचीले एआई के लिए एक नया मल्टीमॉडल मॉडल
मस्तिष्क तर्क और भाषा को अलग करता है: एमआईटी से प्रमाण प्राप्त हुए हैं।
एपर्टस एक अधिक पारदर्शी भविष्य के लिए स्विस "ओपन एआई" है।