पेसाच बेन्सन और ओमेर नोवोसेल्स्की द्वारा • 5 नवंबर 2026
येरुशलम, 5 नवंबर, 2026 (टीपीएस-आईएल) — तेल अवीव विश्वविद्यालय और स्टैनफोर्ड विश्वविद्यालय के शोधकर्ताओं ने प्रदर्शित किया है कि कृत्रिम बुद्धिमत्ता (एआई) मॉडल वास्तविक दुनिया के डेटा पर प्रशिक्षित हुए बिना भी सामान्य सीखने की क्षमताएं विकसित कर सकते हैं, जिससे एआई विकास के लिए एक नया मार्ग खुलने की संभावना है क्योंकि उच्च गुणवत्ता वाली प्रशिक्षण सामग्री की कमी लगातार बढ़ती जा रही है।
ये निष्कर्ष उद्योग की सबसे बड़ी बाधाओं में से एक: मानव-निर्मित प्रशिक्षण डेटा की आपूर्ति, को हल करने में मदद कर सकते हैं।
“हम दिखाते हैं कि एक मॉडल वास्तविक पाठ, छवियों, ऑडियो, संगीत, डीएनए और कोड पर कभी भी प्रशिक्षित हुए बिना, उनके बारे में भविष्यवाणी करने में लगातार बेहतर हो सकता है,” डॉ. योआव लेविन ने द प्रेस सर्विस ऑफ इज़रायल को बताया। ऑनलाइन शोध रिपॉजिटरी arXiv पर एक प्रीप्रिंट के रूप में प्रकाशित इस अध्ययन की अभी तक सहकर्मी समीक्षा (पीयर रिव्यू) नहीं हुई है।
यह शोध तेल अवीव विश्वविद्यालय के स्कूल ऑफ कंप्यूटर साइंस एंड एआई के लेविन की देखरेख में हुआ था और स्टैनफोर्ड विश्वविद्यालय के शोधकर्ताओं के सहयोग से डॉ. कफिर डोलेव के पोस्टडॉक्टरल कार्य के हिस्से के रूप में संचालित किया गया था।
पारंपरिक एआई प्रणालियों के विपरीत, जो पुस्तकों, वेबसाइटों, छवियों और रिकॉर्डिंग के विशाल संग्रह से सीखती हैं, यह नया दृष्टिकोण दो नेटवर्कों का उपयोग करता है जो शून्य से शुरुआत करते हैं और एक साथ सीखते हैं। एक नेटवर्क छोटे कंप्यूटर प्रोग्राम बनाता है जो प्रतीकों के अनुक्रम उत्पन्न करते हैं, जबकि दूसरा अगले प्रतीक की भविष्यवाणी करना सीखता है। पहले नेटवर्क को इस बात पर फीडबैक मिलता है कि उसके अभ्यास दूसरे नेटवर्क को सुधारने में कितनी मदद करते हैं, जिससे वह धीरे-धीरे अधिक उपयोगी चुनौतियां उत्पन्न करना सीखता है।
“सामान्य धारणा यह है कि एआई को कंप्यूट और डेटा की आवश्यकता होती है। हम पूछते हैं कि केवल कंप्यूट के आधार पर, बिना डेटा के आप कितनी दूर तक जा सकते हैं,” लेविन ने टीपीएस-आईएल को बताया।
उन्होंने इस दृष्टिकोण की तुलना अल्फाज़ीरो (AlphaZero) से की, जिसने मानव खेलों का अध्ययन करने के बजाय स्व-खेल (सेल्फ-प्ले) के माध्यम से शतरंज और गो सीखा। शोधकर्ताओं ने पाया कि सीखने वाले मॉडल की अपनी प्रगति सफलता के एक पैमाने के रूप में कार्य कर सकती है, जो दूसरे नेटवर्क को तेजी से उपयोगी अभ्यास तैयार करने के लिए निर्देशित करती है।
यह परीक्षण करने के लिए कि क्या ये कौशल कृत्रिम प्रशिक्षण से परे स्थानांतरित हुए हैं, शोधकर्ताओं ने मॉडल का मूल्यांकन वास्तविक दुनिया की ऐसी सामग्री पर किया जिसका उसने पहले कभी सामना नहीं किया था। जैसे-जैसे अधिक कंप्यूटिंग संसाधन जोड़े गए, कई क्षेत्रों में इसकी भविष्य कहने की क्षमता में सुधार हुआ। यह अतिरिक्त प्रशिक्षण के बिना परीक्षण के दौरान प्रस्तुत उदाहरणों से नियमों का निष्कर्ष भी निकाल सकता था।
शोधकर्ताओं ने यह भी पाया कि प्रणाली ने स्वतंत्र रूप से गणितीय संरचनाएं उत्पन्न कीं, जिनमें ज्यामितीय अनुक्रम, फाइबोनैचि-जैसे पैटर्न और द्विघात व त्रिघात अनुक्रम शामिल हैं। लेविन ने कहा कि उसी स्पेस से यादृच्छिक रूप से लिए गए 164 मिलियन प्रोग्रामों में से कोई भी ऐसा नहीं दिखा, जिससे पता चलता है कि प्रणाली ने उन्हें इसलिए खोजा क्योंकि उन्होंने उसके सीखने वाले साथी को बेहतर भविष्यवाणियां करने में मदद की।
डेटा की बाधा से परे
यह विधि उन क्षेत्रों में प्रशिक्षण सामग्री का एक नया स्रोत प्रदान कर सकती है जहां डेटा दुर्लभ है या प्राप्त करना महंगा है।
“यह तब मायने रखता है जब उच्च गुणवत्ता वाला डेटा अड़चन बन जाता है, जैसा कि कई लोग मानव-निर्मित पाठ या कोड के मामले में होने की उम्मीद करते हैं, और उन क्षेत्रों में और भी अधिक जहां डेटा दुर्लभ या महंगा है,” लेविन ने टीपीएस-आईएल को बताया।
यह पारंपरिक एआई प्रशिक्षण से पहले एक प्रारंभिक प्रशिक्षण चरण के रूप में भी कार्य कर सकता है। अपने प्रयोगों में, शोधकर्ताओं ने पाया कि स्व-निर्मित अभ्यासों से जुड़े मॉडल वास्तविक दुनिया का डेटा दिए जाने पर तेजी से सीखते हैं।
हालाँकि, इसकी महत्वपूर्ण सीमाएँ भी हैं। इन प्रयोगों में 25 मिलियन से कम पैरामीटर वाले मॉडल शामिल थे, जो आज की सबसे बड़ी एआई प्रणालियों की तुलना में 10,000 गुना से अधिक छोटे हैं। क्या परिणाम उस पैमाने पर टिकते हैं, यह अज्ञात बना हुआ है। लेविन ने कहा कि शोधकर्ता अब जांच कर रहे हैं कि क्या इस दृष्टिकोण को काफी बड़े मॉडलों तक बढ़ाया जा सकता है।
स्व-निर्देशित शिक्षण दुनिया के बारे में तथ्यात्मक ज्ञान की जगह भी नहीं ले सकता है। एक प्रणाली गणना के माध्यम से गणितीय पैटर्न खोज सकती है, लेकिन वह भौतिक वास्तविकता को देखे बिना स्वतंत्र रूप से ऐतिहासिक तथ्यों को स्थापित नहीं कर सकती या उसके बारे में नहीं सीख सकती।
“सेल्फ-प्ले सामान्य संरचना सिखाता है, वे पैटर्न जो कई प्रकार के डेटा में साझा होते हैं, लेकिन हमारी दुनिया के बारे में तथ्य नहीं, जैसे कि हेमलेट किसने लिखा,” लेविन ने टीपीएस-आईएल को बताया। “वे अभी भी वास्तविक डेटा से ही आने चाहिए, इसलिए इन पहलुओं में यह मानव डेटा को बदलने के बजाय उसका पूरक बनता है।”
शोधकर्ताओं ने एआई प्रणालियों द्वारा अपनी गलतियों को दोहराने और बढ़ाने के जोखिम पर भी बात की।
“हमारा शिक्षार्थी इस बात पर प्रशिक्षित होता है कि जब प्रोग्राम वास्तव में चलाए जाते हैं तो वे क्या आउटपुट देते हैं। डेटा बिल्कुल वही होता है जो प्रत्येक प्रोग्राम गणना करता है, इसलिए सुदृढ़ करने के लिए कोई भ्रम (हैलुसिनेशन) नहीं होता है,” लेविन ने टीपीएस-आईएल को समझाया। “जिन जोखिमों का हम सामना करते हैं वे हैं प्रोग्राम-लेखक का एक संकीर्ण दायरे में अटक जाना, जो उसने पहले पाया था उसे भूल जाना, या अपने इनाम के साथ हेरफेर करना। हम वास्तविक सीखने की प्रगति को पुरस्कृत करके, विविध प्रोग्रामों का एक संग्रह रखकर, पुराने प्रोग्रामों को फिर से चलाकर ताकि वे भुलाए न जाएं, और जनरेटर को प्रोग्रामों के एक सरल प्रारंभिक वितरण के करीब रखकर इनसे बचाव करते हैं।”
लेविन ने कहा कि अगला बड़ा मील का पत्थर यह प्रदर्शित करना होगा कि यह दृष्टिकोण अरबों पैरामीटर वाले मॉडलों के साथ काम करता है और स्व-निर्मित प्रशिक्षण पारंपरिक प्रशिक्षण डेटा की एक मापने योग्य मात्रा को प्रतिस्थापित कर सकता है। अंततः, शोधकर्ता यह निर्धारित करना चाहते हैं कि क्या कोई एआई मॉडल अपनी उपलब्ध वास्तविक दुनिया की प्रशिक्षण सामग्री समाप्त होने के बाद भी सेल्फ-प्ले के माध्यम से सुधार जारी रख सकता है।
