செயற்கை நுண்ணறிவு என்றால் என்ன?
செயற்கை நுண்ணறிவு என்பது இயந்திரங்கள், குறிப்பாக கணினி அமைப்புகள் மூலம் மனித நுண்ணறிவு செயல்முறைகளை உருவகப்படுத்துவதாகும். AI-குறிப்பிட்ட பயன்பாடுகளில் நிபுணர் அமைப்புகள், இயற்கை மொழி செயலாக்கம், பேச்சு அங்கீகாரம் மற்றும் கணினி பார்வை ஆகியவை அடங்கும்.
AI ஐ "புத்திசாலித்தனமான இயந்திரங்களை உருவாக்குதல்" என்று வரையறுப்பதில் உள்ள முக்கிய வரம்பு என்னவென்றால், AI என்றால் என்ன மற்றும் இயந்திரங்களை அறிவார்ந்ததாக்குவது எது என்பதை அது உண்மையில் விளக்கவில்லை. செயற்கை நுண்ணறிவு என்பது பல முன்னோக்குகளைக் கொண்ட ஒரு இடைநிலை அறிவியலாகும், ஆனால் இயந்திர கற்றல் மற்றும் ஆழமான கற்றலின் முன்னேற்றங்கள் தொழில்நுட்பத் துறையின் ஒவ்வொரு பகுதியிலும் முன்னுதாரண மாற்றங்களை உருவாக்குகின்றன.
AI எப்படி வேலை செய்கிறது?
AI ஐச் சுற்றி விளம்பரம் அதிகரிக்கும் போது, விற்பனையாளர்கள் தங்கள் தயாரிப்புகள் மற்றும் சேவைகள் AI ஐ எவ்வாறு பயன்படுத்துகின்றன என்பதை விளம்பரப்படுத்துவதில் மும்முரமாக உள்ளனர். பெரும்பாலும் அவர்கள் AI என்று அழைப்பது இயந்திர கற்றல் போன்ற AI இன் ஒரு கூறு மட்டுமே. செயற்கை நுண்ணறிவுக்கு இயந்திர கற்றல் அல்காரிதம்களை எழுதவும் பயிற்சி செய்யவும் சிறப்பு வன்பொருள் மற்றும் மென்பொருளின் அடிப்படை தேவைப்படுகிறது. எந்த நிரலாக்க மொழியும் செயற்கை நுண்ணறிவுக்கு ஒத்ததாக இல்லை, ஆனால் பைதான், ஆர் மற்றும் ஜாவா உட்பட பல மிகவும் பிரபலமானவை.
பொதுவாக, AI அமைப்புகள் அதிக அளவில் பெயரிடப்பட்ட பயிற்சித் தரவை உறிஞ்சி, தொடர்புகள் மற்றும் மாதிரிகளுக்கான தரவை பகுப்பாய்வு செய்து, எதிர்கால நிலைகளைப் பற்றிய கணிப்புகளைச் செய்ய இந்த மாதிரிகளைப் பயன்படுத்துகின்றன. இந்த வழியில், மாதிரி உரை அரட்டைகளால் இயக்கப்படும் சாட்போட்கள், மக்களுடன் யதார்த்தமாக எவ்வாறு தொடர்புகொள்வது என்பதை அறியலாம் அல்லது படத்தை அடையாளம் காணும் கருவிகள் மில்லியன் கணக்கான எடுத்துக்காட்டுகளை ஆராய்வதன் மூலம் படங்களில் உள்ள பொருட்களை அடையாளம் கண்டு விவரிக்க கற்றுக்கொள்ளலாம்.
AI நிரலாக்கமானது மூன்று அறிவாற்றல் திறன்களில் கவனம் செலுத்துகிறது: கற்றல், பகுத்தறிதல் மற்றும் சுய முன்னேற்றம்.
செயற்கை நுண்ணறிவு ஏன் முக்கியமானது?
AI முக்கியமானது, ஏனெனில் இது நிறுவனங்களுக்கு முன்னர் அறிந்திராத அவர்களின் செயல்பாடுகள் பற்றிய நுண்ணறிவுகளை வழங்க முடியும், மேலும் சில சந்தர்ப்பங்களில், AI மனிதர்களை விட சிறப்பாக செயல்பட முடியும். குறிப்பாக தொடர்புடைய துறைகளை சரியாக நிரப்புவதற்கு அதிக அளவிலான சட்ட ஆவணங்களை பகுப்பாய்வு செய்வது போன்ற தொடர்ச்சியான மற்றும் விவரம் சார்ந்த பணிகளைக் கையாளும் போது, AI கருவிகள் பெரும்பாலும் விரைவாகவும் ஒப்பீட்டளவில் சில பிழைகளுடன் வேலையைச் செய்கின்றன. ,
நன்மைகள்
- தரவு-கடுமையான பணிகளுக்கு குறைந்த நேரம்;
- நிலையான முடிவுகளை வழங்குதல்;
- மேலும்செயற்கை நுண்ணறிவை அடிப்படையாகக் கொண்ட மெய்நிகர் முகவர்கள் எப்போதும் கிடைக்கும்.
தீமைகள்
- இதற்கு ஆழ்ந்த தொழில்நுட்ப நிபுணத்துவம் தேவை;
- செயற்கை நுண்ணறிவு உபகரணங்களை தயாரிப்பதற்கு திறமையான தொழிலாளர்களின் வரம்புக்குட்பட்ட விநியோகம்;
- காட்டப்படுவது அவருக்கு மட்டுமே தெரியும்;
- மற்றும் ஒரு பணியிலிருந்து மற்றொன்றுக்கு பொதுமைப்படுத்தும் திறன் இல்லாமை.
மூன்று வகையான கற்றல்
வலுவூட்டப்பட்ட AI கற்றல்: இந்த வகையான கற்றல், AI "முகவர்கள்" தங்கள் வேலையில் அதிகப் பலனைப் பெற எப்படி நடந்து கொள்ள வேண்டும் என்பதில் கவனம் செலுத்துகிறது. இயந்திரம் ஒரு செயல் அல்லது செயல்களின் வரிசையைத் தேர்ந்தெடுத்து வெகுமதியைப் பெறுகிறது. கேம்களை விளையாடுவதற்கும் வெற்றி பெறுவதற்கும் இயந்திரங்களைக் கற்பிக்கும் போது இது பயன்படுத்தப்படுகிறது, ஆனால் எளிய பணிகளைக் கற்றுக்கொள்வது சோதனை மற்றும் பிழையை அதிகம் எடுக்கும்.
மேற்பார்வையிடப்பட்ட கற்றல்: ஒரு குறிப்பிட்ட உள்ளீட்டிற்கான சரியான பதில் என்ன என்பதை ஆராய்ச்சியாளர் இயந்திரத்திற்குச் சொல்லும் போது. உதாரணமாக, ஒரு காரின் படத்தைக் காட்டி, சரியான பதில் "கார்ஸ்" என்று சொல்கிறார்கள். நரம்பியல் நெட்வொர்க்குகள் மற்றும் பிற இயந்திர கற்றல் கட்டமைப்புகளைப் பயிற்றுவிப்பதற்கான மிகவும் பொதுவான நுட்பம் இதுவாகும்.
முன்கணிப்பு கற்றல்/முன்கணிப்பு கற்றல்: மனிதர்களும் விலங்குகளும் பொதுவாக உலகம் எவ்வாறு இயங்குகிறது என்பதைக் கவனிப்பதன் மூலமும் நமது பெற்றோரைக் கவனிப்பதன் மூலமும் கற்றுக்கொள்கிறது. இருப்பினும், நாம் அனுபவிக்கும் ஒவ்வொரு பொருளின் பெயரையும் செயல்பாட்டையும் யாரும் நமக்குச் சொல்வதில்லை, எனவே உலகம் முப்பரிமாணமா, பொருள்கள் தன்னிச்சையாக மறைந்துவிடாதா மற்றும் ஆதரவற்ற பொருள்கள் விழுமா போன்ற அடிப்படைக் கருத்துக்களை நமக்கு நாமே கற்பிக்க வேண்டும். . இன்று இயந்திரங்கள் மூலம் இதை எப்படி செய்வது என்று ஆராய்ச்சியாளர்களுக்குத் தெரியவில்லை, குறைந்தபட்சம் மனிதர்கள் மற்றும் விலங்குகள் எவ்வளவு முடியுமோ அவ்வளவு தூரம்.
ஆனால் AI செழிக்க, இயந்திரக் கற்றல் செயல்திறனில் பெரும் முன்னேற்றங்களைச் செய்ய வேண்டும், மேலும் உயர் செயல்திறன் கொண்ட கம்ப்யூட்டிங்கின் பாரம்பரிய உலகில் இது கிட்டத்தட்ட சாத்தியமற்றது, அங்கு சிக்கல்கள் நன்கு வரையறுக்கப்பட்டு மேம்படுத்தல் வேலைகள் நடந்து வருகின்றன. இது பல ஆண்டுகளாக நடந்து வருகிறது.
இயந்திர கற்றல் என்றால் என்ன?
செயற்கை நுண்ணறிவு மற்றும் இயந்திர கற்றல் ஆகியவை இப்போது பிரபலமாக உள்ளன, மேலும் அவை குழப்பமான சொற்களாகவும் உள்ளன. இயந்திர கற்றல் (ML) என்பது செயற்கை நுண்ணறிவின் துணைக்குழு ஆகும். ML என்பது கடந்த கால நிகழ்வுகளிலிருந்து விஷயங்களைக் கற்றுக்கொள்ளக்கூடிய வழிமுறைகளை வடிவமைத்து செயல்படுத்தும் அறிவியல் ஆகும். கடந்த காலத்தில் ஒரு நடத்தை இருந்திருந்தால், அது மீண்டும் நடக்குமா என்பதை நீங்கள் கணிக்க முடியும். அதாவது, கடந்த வழக்குகள் இல்லை என்றால், கணிப்புகள் இல்லை.
கிரெடிட் கார்டு மோசடியைக் கண்டறிதல், சுய-ஓட்டுநர் கார்களை இயக்குதல் மற்றும் முக அங்கீகாரம் மற்றும் அங்கீகாரம் போன்ற கடினமான சிக்கல்களைத் தீர்க்க ML பயன்படுத்தப்படலாம். ML ஆனது சிக்கலான வழிமுறைகளைப் பயன்படுத்துகிறது, அவை பெரிய தரவுத் தொகுப்புகளில் தொடர்ந்து செயல்படுகின்றன, தரவுகளில் உள்ள வடிவங்களை பகுப்பாய்வு செய்கின்றன, மேலும் வெளிப்படையாக திட்டமிடப்படாத சூழ்நிலைகளுக்கு இயந்திரங்கள் எளிதாகப் பதிலளிக்கின்றன. நம்பகமான முடிவுகளை உருவாக்க இயந்திரங்கள் வரலாற்றிலிருந்து கற்றுக்கொள்கின்றன. பகுத்தறிவு வெளியீட்டைக் கணிக்க எம்எல் அல்காரிதம் கணினி அறிவியல் மற்றும் புள்ளிவிவரங்களைப் பயன்படுத்துகிறது.
No comments:
Post a Comment