शोधकर्ताओं ने मेमआरएल नामक एक नई तकनीक विकसित की है जो एआई एजेंटों को महंगे फाइन-ट्यूनिंग की आवश्यकता के बिना नए कौशल सीखने की अनुमति देती है, इस सप्ताह जारी एक अध्ययन के अनुसार। शंघाई जियाओ टोंग विश्वविद्यालय और अन्य संस्थानों के शोधकर्ताओं द्वारा बनाया गया ढांचा, एजेंटों को प्रासंगिक स्मृति से लैस करता है, जिससे वे पिछले अनुभवों को पुनः प्राप्त कर सकते हैं और उपन्यास कार्यों के लिए समाधान तैयार कर सकते हैं।

मेमआरएल एजेंटों को पर्यावरणीय प्रतिक्रिया के आधार पर अपनी समस्या-समाधान रणनीतियों को लगातार परिष्कृत करने की अनुमति देता है। यह दृष्टिकोण एआई अनुसंधान समुदाय के भीतर एआई अनुप्रयोगों के लिए निरंतर सीखने की क्षमता बनाने के लिए एक बड़े आंदोलन का हिस्सा है।

प्रमुख उद्योग बेंचमार्क पर किए गए प्रयोगों में, मेमआरएल ने रिट्रीवल-ऑगमेंटेड जनरेशन (आरएजी) और अन्य मेमोरी संगठन तकनीकों सहित अन्य बेसलाइन विधियों से बेहतर प्रदर्शन किया। यह लाभ विशेष रूप से जटिल वातावरण में स्पष्ट था जो अन्वेषण और प्रयोग की मांग करते हैं। निष्कर्ष बताते हैं कि मेमआरएल गतिशील, वास्तविक दुनिया की सेटिंग्स में कार्य करने के लिए डिज़ाइन किए गए एआई अनुप्रयोगों के निर्माण में एक महत्वपूर्ण घटक बन सकता है जहां आवश्यकताएं और कार्य लगातार विकसित हो रहे हैं।

यह विकास उस समस्या का समाधान करता है जिसे एआई शोधकर्ता "स्थिरता-प्लास्टिसिटी दुविधा" कहते हैं। इस चुनौती में एआई सिस्टम बनाना शामिल है जो पहले से सीखे गए ज्ञान (स्थिरता) को भूले बिना नई जानकारी (प्लास्टिसिटी) के अनुकूल हो सके। मेमआरएल एजेंटों को प्रासंगिक पिछले अनुभवों को संग्रहीत और पुनः प्राप्त करने की अनुमति देकर एक संभावित समाधान प्रदान करता है, जिससे वे अपने मौजूदा ज्ञान आधार को बाधित किए बिना नई स्थितियों के अनुकूल हो सकते हैं।

शोधकर्ताओं ने अपने पेपर में कहा, "मेमआरएल एजेंटों को पर्यावरणीय प्रतिक्रिया का उपयोग करके अपनी समस्या-समाधान रणनीतियों को लगातार परिष्कृत करने की अनुमति देता है।"

इस शोध के निहितार्थ विभिन्न क्षेत्रों तक फैले हुए हैं जहां एआई एजेंटों को तैनात किया जाता है, जिसमें रोबोटिक्स, स्वायत्त ड्राइविंग और व्यक्तिगत चिकित्सा शामिल हैं। एजेंटों को वास्तविक समय में सीखने और अनुकूलित करने में सक्षम करके, मेमआरएल अधिक मजबूत और कुशल एआई सिस्टम का नेतृत्व कर सकता है जो वास्तविक दुनिया की जटिलताओं को संभाल सकते हैं।

शोधकर्ताओं के लिए अगले चरणों में मेमआरएल की स्केलेबिलिटी को और भी अधिक जटिल वातावरण और कार्यों का पता लगाना शामिल है। वे यह भी जांच करने की योजना बना रहे हैं कि एआई एजेंटों की क्षमताओं को और बढ़ाने के लिए मेमआरएल को अन्य शिक्षण तकनीकों के साथ कैसे जोड़ा जा सकता है। यह शोध एआई सिस्टम बनाने के चल रहे प्रयासों पर प्रकाश डालता है जो मनुष्यों के समान तरीके से सीख और अनुकूलित हो सकते हैं, जिससे अधिक बुद्धिमान और बहुमुखी एआई अनुप्रयोगों का मार्ग प्रशस्त होता है।