बियॉन्ड हाइप: आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग और डीप लर्निंग के बीच का अंतर

आर्टिफिशियल इंटेलिजेंस (एआई) एक विस्फोट के साथ हमारे दैनिक जीवन में प्रवेश किया है। विपणन से लेकर चिकित्सा तक, यह हर व्यवसाय और उद्योग को प्रभावित करता है। प्रौद्योगिकी कंपनियां बाजार का प्रबंधन करने और सबसे नवीन और आशाजनक एआई व्यवसायों का अधिग्रहण करने के लिए दौड़ पर हावी होने के लिए संघर्ष कर रही हैं।

आप पहले से ही रोजमर्रा की जिंदगी में एआई का उपयोग कर सकते हैं, जैसे कि भाषण मान्यता, अपने स्मार्टफोन पर आभासी सहायता, शॉपिंग वेबसाइट और संगीत या वीडियो स्ट्रीमिंग एल्गोरिदम, या यहां तक ​​कि जब आप एक डॉक्टर से मिलते हैं और एक्स-रे की तुलना करते हैं। या अन्य चिकित्सा जानकारी के साथ अन्य चिकित्सा चित्र।

और फिर मशीन सीखने और गहन सीखने की धारणा है जो बहुतों को भ्रमित करती है। बहुत बार, उनका उपयोग परस्पर भिन्न रूप से किया जाता है, लेकिन भले ही वे परस्पर जुड़े हों, उनके अलग-अलग अर्थ होते हैं। तो AI, मशीन लर्निंग और डीप लर्निंग में क्या अंतर है?

आर्टिफिशियल इंटेलिजेंस

एक व्यापक अर्थ में, इसके संस्थापकों के अनुसार, AI स्मार्ट मशीनों, विशेष रूप से स्मार्ट कंप्यूटर सॉफ्टवेयर का विज्ञान और इंजीनियरिंग है। यह बुद्धिमानी से सोचने का एक तरीका है, जैसे लोग सोचते हैं, जब कंप्यूटर का उपयोग करते हैं, तो एक कंप्यूटर-नियंत्रित रोबोट, या सॉफ्टवेयर, एक महान गति और शक्ति पर।

संज्ञानात्मक इंजीनियरिंग एआई अनुसंधान का एक महत्वपूर्ण हिस्सा है। अगर लोग दुनिया के बारे में बहुत सारी जानकारी रखते हैं तो मशीनें लोगों की तरह काम कर सकती हैं। एक स्वायत्त कार केवल पर्याप्त पर्यावरणीय ज्ञान के साथ सुरक्षित रूप से ड्राइव कर सकती है। निर्णय एल्गोरिदम केवल इनपुट डेटा के रूप में अच्छे हैं।

दूसरे शब्दों में, कृत्रिम बुद्धिमत्ता में संज्ञानात्मक इंजीनियरिंग को लागू करने के लिए वस्तुओं, श्रेणियों, विशेषताओं और सभी के बीच संबंधों तक पहुंच होनी चाहिए। मशीनों में बुद्धिमत्ता और समस्या सुलझाने की शक्ति का उपयोग करना एक कठिन और थकाऊ दृष्टिकोण है। हम वास्तव में स्मार्ट कारों के बगल में नहीं हैं।

मशीन लर्निंग

जबकि आर्टिफिशियल इंटेलिजेंस मशीन लर्निंग के पूरे स्पेक्ट्रम को कवर करता है, "मशीन लर्निंग" शब्द का एक और अधिक संकीर्ण अर्थ है, "बिना प्रोग्रामिंग सीखने की क्षमता।" संयोग से, सबसे बड़ा परिवर्तन अभी हो रहा है: विशाल डेटा सेट खिला रहा है। लॉग इन करें और परिणामों की प्रतीक्षा करें।

मशीन लर्निंग एआई का प्रकार है जो मशीन सीखने की सुविधा देता है और नए और लगातार बदलते डेटा का सामना करते हुए खुद को विकसित करना सिखाता है। उदाहरण के लिए, फेसबुक की न्यूज फीड एक कंप्यूटर का उपयोग सभी के भोजन को उनकी पसंद के अनुसार अनुकूलित करने के लिए करती है। पारंपरिक मशीन लर्निंग सॉफ़्टवेयर के मुख्य तत्व सांख्यिकीय विश्लेषण और भविष्य कहनेवाला विश्लेषण हैं, जो पैटर्न की पहचान करने और खोजने के लिए जहां प्रोग्रामिंग के बिना पिछले गणना से टिप्पणियों के आधार पर ढूंढते हैं।

मशीन लर्निंग वास्तव में जटिल डेटा सेट के माध्यम से प्राप्त करने की क्षमता के साथ विकसित हुआ है। उन्हें अक्सर "बड़ा डेटा" कहा जाता है। कई लोग यह जानकर आश्चर्यचकित हो सकते हैं कि वे नेटफ्लिक्स और सोशल मीडिया एल्गोरिदम जैसे सामयिक मुद्दों या हैशटैग पर रिपोर्टिंग सेवाओं के माध्यम से अपने दैनिक जीवन में मशीन लर्निंग सॉफ्टवेयर का सामना कर रहे हैं। मशीन लर्निंग में अलग-अलग सुविधाओं को प्रोग्रामर को कंप्यूटर से निर्णय लेने की प्रक्रिया में समय लेने वाली प्रक्रिया की तलाश करने की आवश्यकता होती है। यह मशीन सीखने की ओर भी जाता है जिसके परिणामस्वरूप प्रोग्रामिंग प्रक्रिया में किसी व्यक्ति की त्रुटि के कारण सटीकता में कमी आती है।

गहरी सीख

डीप लर्निंग मशीन लर्निंग का सबसे कम उम्र का क्षेत्र है जिसे मशीन लर्निंग को कृत्रिम बुद्धिमत्ता के करीब लाने के लिए पेश किया गया है।

यह मानव मस्तिष्क में "गहरे तंत्रिका नेटवर्क" के अध्ययन से संबंधित है, और इस संदर्भ में, गहन ज्ञान मानव मस्तिष्क की आंतरिक परतों के कार्यों की नकल करने के लिए सूचना प्रसंस्करण की कई परतों से ज्ञान का निर्माण करता है। मानव मस्तिष्क के बाद गहरी सीखने की तकनीक तैयार की जाती है, हर बार नए डेटा डालने पर इसकी क्षमताओं में सुधार होता है।

एक गहरी सीखने के प्रतिमान के तहत, एक मशीन बड़ी मात्रा में डेटा और एल्गोरिदम का उपयोग कर सकती है ताकि यह सीखने की क्षमता हो कि किसी कार्य को कैसे किया जा सकता है। यह जानकारी तंत्रिका नेटवर्क के माध्यम से प्रेषित की जाती है, जिसमें कई द्विआधारी सही / गलत प्रश्न या संख्यात्मक मान होते हैं, किसी भी जानकारी के बिट्स जो प्राप्त किए गए उत्तरों के अनुसार पारित और वर्गीकृत किए जा सकते हैं। आज, मशीन-लर्निंग मशीनों द्वारा इन-डेप्थ इमेज रिकग्निशन का इस्तेमाल स्वायत्त रोबोट और वाहनों को सिखाने के लिए किया जाता है, ताकि बीमारी के लक्षणों और चिकित्सा में सभी प्रकार की छवियों की पहचान की जा सके।

कुछ समय पहले Google के AlphaGo ने गेम को घंटों तक बार-बार खेलकर सीखा। अधिक से अधिक तेज़ी से सीखने की क्षमता, जिसे सीखा नहीं जाता है, गहरी सीखने के माध्यम से मौजूदा शोर की कुंजी है। लेकिन अगली क्रांतिकारी तकनीक खत्म हो गई है।