मशीन लर्निंग और ए.आई. के बीच क्या अंतर है? आइए हम आपको पकड़ने में मदद करें

ए.आई. इस समय हर जगह है, और यह हमारे स्मार्टफ़ोन पर वर्चुअल असिस्टेंट से लेकर हर चीज़ के लिए ज़िम्मेदार है सेल्फ-ड्राइविंग कारें जल्द ही हमारी सड़कों पर आपके द्वारा रिपोर्ट की गई अत्याधुनिक इमेज रिकग्निशन सिस्टम से भरी होंगी सचमुच।

जब तक आप पिछले एक दशक से किसी चट्टान के नीचे नहीं रह रहे हैं, इस बात की अच्छी संभावना है कि आपने इसके बारे में पहले सुना हो - और शायद इसका इस्तेमाल भी किया हो। फिलहाल, सिलिकॉन वैली में कृत्रिम बुद्धिमत्ता वही है जो 13 साल की लड़कियों के लिए वन डायरेक्शन है: इसका एक सर्वव्यापी स्रोत जब भी हैरी स्टाइल्स अंततः घर बसाने के लिए तैयार हो, तो अपनी सारी नकदी खर्च करने का जुनून, जबकि शादी करने के बारे में दिवास्वप्न देखना नीचे। (ठीक है, तो हम अभी भी सादृश्य पर काम कर रहे हैं!)

लेकिन वास्तव में क्या है ए.आई.? - और "मशीन लर्निंग," जैसे शब्द हो सकते हैंकृत्रिम तंत्रिका प्रसार," "कृत्रिम बुद्धिमत्ता" और "ज़ैन मलिक" (हम अभी भी उस सादृश्य पर काम कर रहे हैं...) का परस्पर उपयोग किया जा सकता है?

जब लोग ए.आई. के बारे में बात करते हैं तो आपको कुछ प्रचलित शब्दों और शब्दजाल को समझने में मदद करने के लिए, हमने इस सरल मार्गदर्शिका को एक साथ रखा है जो आपको समझने में मदद करेगी कृत्रिम बुद्धि के सभी अलग-अलग स्वादों के बारे में आपका ध्यान - यदि केवल इसलिए कि जब मशीनें अंततः काम में आएँ तो आप कोई ग़लती न करें ऊपर।

कृत्रिम होशियारी

हम ए.आई. के इतिहास में बहुत गहराई से नहीं जाएंगे। यहां, लेकिन ध्यान देने वाली महत्वपूर्ण बात यह है कि कृत्रिम बुद्धिमत्ता वह पेड़ है जिस पर निम्नलिखित सभी शब्द शाखाएं हैं। उदाहरण के लिए, सुदृढीकरण सीखना एक प्रकार की मशीन लर्निंग है, जो कृत्रिम बुद्धिमत्ता का एक उपक्षेत्र है। हालाँकि, कृत्रिम बुद्धिमत्ता (आवश्यक रूप से) सुदृढीकरण सीखना नहीं है। समझ गया?

ए.आई. क्या है, इस पर कोई आधिकारिक आम सहमति नहीं है। इसका मतलब है (कुछ लोग सुझाव देते हैं कि यह बस अच्छी चीजें हैं जो कंप्यूटर अभी तक नहीं कर सकते हैं), लेकिन अधिकांश इस बात से सहमत होंगे कि यह कंप्यूटर से ऐसे कार्य कराने के बारे में है जिन्हें बुद्धिमान माना जाएगा यदि उन्हें किसी द्वारा किया जाए व्यक्ति।

यह शब्द पहली बार 1956 में गढ़ा गया था डार्टमाउथ कॉलेज में ग्रीष्मकालीन कार्यशाला न्यू हैम्पशायर में. ए.आई. में बड़ा वर्तमान अंतर वर्तमान डोमेन-विशिष्ट के बीच है संकीर्ण ए.आई. और कृत्रिम सामान्य बुद्धि. अब तक, किसी ने भी सामान्य बुद्धि का निर्माण नहीं किया है। एक बार जब वे ऐसा कर लेते हैं, तो सभी दांव बंद हो जाते हैं...

प्रतीकात्मक ए.आई.

आपने इसके बारे में इतना कुछ नहीं सुना है प्रतीकात्मक ए.आई. आज। इसे पुराने जमाने के अच्छे ए.आई., प्रतीकात्मक ए.आई. के रूप में भी जाना जाता है। तार्किक चरणों के आसपास बनाया गया है जिसे कंप्यूटर को ऊपर से नीचे तरीके से दिया जा सकता है। इसमें कंप्यूटर (या रोबोट) को बहुत सारे नियम प्रदान करना शामिल है कि उसे किसी विशिष्ट परिदृश्य से कैसे निपटना चाहिए।

इससे कई शुरुआती सफलताएँ मिलीं, लेकिन यह पता चला कि ये प्रयोगशालाओं में बहुत अच्छी तरह से काम करती हैं जिसे प्रत्येक चर को पूरी तरह से नियंत्रित किया जा सकता है, लेकिन रोजमर्रा की गड़बड़ी में अक्सर कम अच्छी तरह से नियंत्रित किया जा सकता है ज़िंदगी। जैसा कि एक लेखक ने प्रतीकात्मक ए.आई. के बारे में चुटकी ली, प्रारंभिक ए.आई. प्रणालियाँ कुछ हद तक पुराने नियम के भगवान की तरह थीं - बहुत सारे नियमों के साथ, लेकिन कोई दया नहीं।

आज, शोधकर्ताओं को पसंद है सेल्मर ब्रिंग्सजॉर्ड तर्क-आधारित प्रतीकात्मक ए.आई. पर ध्यान वापस लाने के लिए संघर्ष कर रहे हैं, जो तार्किक प्रणालियों की श्रेष्ठता के इर्द-गिर्द निर्मित है, जिसे उनके रचनाकारों द्वारा समझा जा सकता है।

यंत्र अधिगम

यदि आप किसी बड़े ए.आई. के बारे में सुनते हैं। इन दिनों सफलता, संभावना यह है कि जब तक कि अन्यथा सुझाव देने के लिए कोई बड़ा शोर न मचाया जाए, आप इसके बारे में सुन रहे हैं यंत्र अधिगम. जैसा कि इसके नाम से पता चलता है, मशीन लर्निंग ऐसी मशीनें बनाने के बारे में है जो सीखती हैं।

ए.आई. के शीर्षक की तरह, मशीन लर्निंग में भी कई उपश्रेणियाँ हैं, लेकिन उन सभी में क्या है डेटा लेने और हासिल करने के लिए उस पर एल्गोरिदम लागू करने की सांख्यिकी-केंद्रित क्षमता आम है ज्ञान।

मशीन लर्निंग की बहुत सारी अलग-अलग शाखाएँ हैं, लेकिन जिसके बारे में आप शायद सबसे अधिक सुनेंगे वह है...

तंत्रिका - तंत्र

यदि आपने हमारे कूल टेक अनुभाग में कभी समय बिताया है, तो संभवतः आपने इसके बारे में सुना होगा कृत्रिम तंत्रिका प्रसार. चूँकि मस्तिष्क-प्रेरित प्रणालियाँ मनुष्य के सीखने के तरीके को दोहराने के लिए डिज़ाइन की गई हैं, तंत्रिका नेटवर्क अपने स्वयं के कोड को संशोधित करते हैं उन स्थितियों में जहां यह संबंध जटिल है या इनपुट और आउटपुट - या कारण और प्रभाव - के बीच संबंध ढूंढें अस्पष्ट.

कृत्रिम तंत्रिका नेटवर्क की अवधारणा वास्तव में पुरानी है 1940 के दशक में वापस, लेकिन यह वास्तव में केवल पिछले कुछ दशकों में ही हुआ जब इसने वास्तव में अपनी क्षमता तक जीना शुरू किया: जैसे एल्गोरिदम के आगमन से सहायता मिली।पश्चप्रचार, जो तंत्रिका नेटवर्क को उन स्थितियों में न्यूरॉन्स की छिपी हुई परतों को समायोजित करने की अनुमति देता है जहां परिणाम निर्माता की अपेक्षा से मेल नहीं खाता है। (उदाहरण के लिए, कुत्तों को पहचानने के लिए डिज़ाइन किया गया एक नेटवर्क, जो बिल्ली की गलत पहचान करता है।)

इस दशक में कृत्रिम तंत्रिका नेटवर्क के आगमन से लाभ हुआ है ध्यान लगा के पढ़ना या सीखना, जिसमें नेटवर्क की विभिन्न परतें अलग-अलग सुविधाएँ निकालती हैं जब तक कि वह यह नहीं पहचान लेती कि वह क्या खोज रही है।

तंत्रिका नेटवर्क शीर्षक के भीतर, संभावित नेटवर्क के विभिन्न मॉडल हैं - साथ में फ़ीडफ़ॉरवर्ड और दृढ़ नेटवर्क यदि आप किसी डिनर पार्टी में किसी Google इंजीनियर के बगल में फंस जाते हैं तो संभवतः आपको इनका उल्लेख करना चाहिए।

सुदृढीकरण सीखना

सुदृढीकरण सीखना मशीन लर्निंग का एक और स्वाद है। यह काफी हद तक व्यवहारवादी मनोविज्ञान से प्रेरित है, और इस विचार पर आधारित है कि सॉफ्टवेयर एजेंट इनाम को अधिकतम करने के लिए पर्यावरण में कार्रवाई करना सीख सकता है।

उदाहरण के तौर पर, 2015 में Google के डीपमाइंड ने एक पेपर जारी किया था जिसमें दिखाया गया था कि यह कैसे हुआ ए.आई. प्रशिक्षित क्लासिक वीडियो गेम खेलने के लिए, ऑन-स्क्रीन स्कोर और प्रत्येक फ़्रेम को बनाने वाले लगभग 30,000 पिक्सेल के अलावा कोई निर्देश नहीं है। अपने स्कोर को अधिकतम करने के लिए कहा गया, सुदृढीकरण सीखने का मतलब है कि सॉफ्टवेयर एजेंट धीरे-धीरे परीक्षण और त्रुटि के माध्यम से गेम खेलना सीख गया।

एक विशेषज्ञ प्रणाली के विपरीत, सुदृढीकरण सीखने को यह बताने के लिए किसी मानव विशेषज्ञ की आवश्यकता नहीं है कि स्कोर को अधिकतम कैसे किया जाए। इसके बजाय, यह समय के साथ इसका पता लगाता है। कुछ मामलों में, यह जो नियम सीख रहा है, वे निश्चित हो सकते हैं (जैसा कि क्लासिक अटारी गेम खेलने के साथ होता है।) अन्य में, समय बीतने के साथ-साथ यह अनुकूलित होता रहता है।

विकासवादी एल्गोरिदम

यदि आपको अभी तक इससे परिचित नहीं कराया गया है, तो इसे एक सामान्य जनसंख्या-आधारित मेटाह्यूरिस्टिक अनुकूलन एल्गोरिदम के रूप में जाना जाता है। विकासवादी एल्गोरिदम मशीन लर्निंग का एक अन्य प्रकार है; कंप्यूटर के अंदर प्राकृतिक चयन की अवधारणा की नकल करने के लिए डिज़ाइन किया गया।

यह प्रक्रिया एक प्रोग्रामर द्वारा उन लक्ष्यों को इनपुट करने से शुरू होती है जिन्हें वह अपने एल्गोरिदम के साथ हासिल करने की कोशिश कर रहा है। उदाहरण के लिए, नासा ने उपग्रह घटकों को डिजाइन करने के लिए विकासवादी एल्गोरिदम का उपयोग किया है। उस स्थिति में, कार्य 10 सेमी x 10 सेमी बॉक्स में फिट होने में सक्षम समाधान के साथ आना हो सकता है, एक गोलाकार या अर्धगोलाकार पैटर्न विकिरण करने में सक्षम, और एक निश्चित वाई-फाई पर काम करने में सक्षम बैंड।

इसके बाद एल्गोरिदम पुनरावृत्त डिज़ाइनों की कई पीढ़ियों के साथ आता है, प्रत्येक को बताए गए लक्ष्यों के विरुद्ध परीक्षण करता है। जब कोई अंततः सभी सही बक्सों पर टिक कर देता है, तो यह बंद हो जाता है। नासा के उपग्रहों को डिजाइन करने में मदद करने के अलावा, विकासवादी एल्गोरिदम अपने काम के लिए कृत्रिम बुद्धिमत्ता का उपयोग करने वाले रचनात्मक लोगों के पसंदीदा हैं: जैसे इस बेहतरीन फ़र्निचर के डिज़ाइनर.

संपादकों की सिफ़ारिशें

• डीप-लर्निंग ए.आई. पुरातत्वविदों को प्राचीन गोलियों का अनुवाद करने में मदद कर रहा है
• गहन शिक्षण ए.आई. प्रतिष्ठित गिटार देवताओं के विरूपण प्रभावों की नकल कर सकते हैं
• दिमाग पढ़ने वाला ए.आई. यह अनुमान लगाने के लिए कि आप कौन सा वीडियो देख रहे हैं, आपके मस्तिष्क की तरंगों का विश्लेषण करता है
• भविष्य का गृह मूल्यांकनकर्ता संभवतः ए.आई. है। कलन विधि
• फोटोरियलिस्टिक ए.आई. उपकरण चेहरों सहित छवियों में रिक्त स्थान भर सकता है