डीप लर्निंग बनाम मशीन लर्निंग बनाम एआई: वे एक साथ कैसे चलते हैं?

• प्रौद्योगिकी समझाया

विज्ञापन

टेक में अगली बड़ी चीज मशीन लर्निंग है । या यह गहरी सीख है ? शायद यह कृत्रिम बुद्धि है । यदि आप स्वयं को तीनों के बीच के मतभेदों में उलझते हुए पाते हैं, तो आप अकेले नहीं हैं।

वेंचर कैपिटल मनी को प्रचारित करने और बाहर निकालने के लिए कभी भी किसी को पास नहीं करना चाहिए, कुछ तकनीकी कंपनियां तीनों का उपयोग कर रही हैं। जबकि वे सभी एक ही व्यापक छतरी के नीचे आते हैं, उनके बीच कुछ महत्वपूर्ण अंतर हैं।

आर्टिफिशियल इंटेलिजेंस क्या है?

कृत्रिम बुद्धिमत्ता, जिसे आमतौर पर AI के रूप में जाना जाता है, एक प्रणाली के बजाय एक अवधारणा है। बुद्धिमत्ता को एक विशिष्ट मानवीय गुण माना जाता है। परंपरागत रूप से, मशीनों को ज्ञान प्राप्त करने के लिए सोचा गया है, लेकिन बुद्धि या ज्ञान नहीं। कंप्यूटर वैज्ञानिक एलन ट्यूरिंग ने अपने जीवन के उत्तरार्द्ध का अधिकांश हिस्सा इस बात पर विचार करते हुए बिताया कि क्या मशीनें सोच सकती हैं।

उन्होंने ट्यूरिंग टेस्ट को तैयार किया कि ट्यूरिंग टेस्ट क्या है और क्या यह कभी ख़त्म होगा? ट्यूरिंग टेस्ट क्या है और क्या यह कभी ख़त्म होगा? ट्यूरिंग टेस्ट यह निर्धारित करने के लिए है कि क्या मशीनें सोचती हैं। क्या यूजीन गोस्टमैन कार्यक्रम सही मायने में ट्यूरिंग टेस्ट पास कर गया, या रचनाकारों ने बस धोखा दिया? और पढ़ें जो यह निर्धारित करना है कि क्या मशीन आवश्यक रूप से बुद्धिमान होने के बजाय बुद्धिमान व्यवहार का प्रदर्शन कर सकती है। यह एक महत्वपूर्ण अंतर है क्योंकि हम अभी भी पूरी तरह से विचार या बुद्धि को नहीं समझते हैं।

बुद्धिमता को परिभाषित करने के प्रयास के बजाय, हम ऐसी मशीनें बनाने की आशा करते हैं जो बुद्धिमान व्यवहार प्रदर्शित कर सकें।

स्वयं एक प्रौद्योगिकी होने के बजाय, AI सिस्टम का वर्णन करने का एक साधन है। इन प्रणालियों को नैरो एआई और जनरल एआई के रूप में लेबल किया जा सकता है। नैरो एआई एक ऐसी प्रणाली है जो बुद्धिमान है लेकिन केवल एक विशिष्ट कार्य पर है। जनरल एआई वह प्रकार है जिससे हम पॉप संस्कृति से अधिक परिचित हैं।

इस प्रकार की प्रणालियाँ मानव बुद्धि के सभी तत्वों को प्रदर्शित करने में सक्षम होंगी। टर्मिनेटर फिल्म फ्रैंचाइज़ी से स्काईनेट या 2001 से एचएएल: ए स्पेस ओडिसी जनरल एआई के काल्पनिक उदाहरण हैं। हालाँकि, फ़िल्में आपको क्या बताती हैं, इसके बावजूद सभी सामान्य AI सिस्टम मानवता को नष्ट करने के लिए नहीं हैं।

मशीन लर्निंग क्या है?

हम सभी जानते हैं कि डेटा उपयोगी हो सकता है। चाहे वह यह जानता हो कि कार्यालय के रास्ते पर जाने के लिए या हमारे स्वास्थ्य पर नज़र रखने के लिए, डेटा हमारे फैसलों को सूचित करता है और हमें जीवन के माध्यम से मार्गदर्शन करता है। लेकिन हम हर दिन इतना कुछ उत्पन्न करते हैं कि हमारे लिए मनुष्य का विश्लेषण करना असंभव हो जाता है।

इसलिए, हमें हमारे लिए भारी उठाने के लिए मशीनें मिलनी चाहिए।

Google का मशीन लर्निंग कोर्स मशीन लर्निंग क्या है? Google का नि: शुल्क कोर्स आपके लिए टूटता है मशीन सीखना क्या है? Google का नि: शुल्क पाठ्यक्रम आपके लिए टूट गया है Google ने आपको मशीन सीखने के मूल सिद्धांतों को सिखाने के लिए एक मुफ्त ऑनलाइन पाठ्यक्रम तैयार किया है। और अधिक पढ़ें मशीन सीखने को "सवालों के जवाब देने के लिए डेटा का उपयोग करना" के रूप में सारांशित करता है। वे इसे दो भागों में तोड़ते हैं: प्रशिक्षण, और भविष्यवाणियाँ। कल्पना कीजिए कि आपके पास आकृतियों की छवियों का एक संग्रह है जिसे आप पहचानना चाहते थे। यदि चित्रों को मशीन लर्निंग एल्गोरिदम में खिलाया जाता है, तो सिस्टम उस आकृति की विशेषताओं को सीखना शुरू कर देता है।

जब यह एक नई छवि का सामना करता है, तो आकृति को प्रशिक्षण डेटा से तत्वों के खिलाफ तुलना करके निर्धारित किया जाता है कि क्या यह एक मैच है।

यद्यपि आप इसे पहचान नहीं सकते हैं, व्यक्तिगत खोज परिणाम, Spotify प्लेलिस्ट, और अमेज़न उत्पाद सिफारिशें भी मशीन सीखने का एक परिणाम हैं। नेटफ्लिक्स यहां तक ​​कि आपके द्वारा दिखाए गए आवरण कलाकृति को निजीकृत करने के लिए मशीन लर्निंग एल्गोरिदम का उपयोग करता है।

डीप लर्निंग क्या है?

जबकि हम पूरी तरह से बुद्धिमत्ता को नहीं समझते हैं, वैज्ञानिक यह दिखाने में कामयाब रहे हैं कि मस्तिष्क न्यूरॉन्स के एक जटिल नेटवर्क के माध्यम से जानकारी उत्पन्न करता है। हमारा मस्तिष्क इन विद्युत कनेक्शनों से बना है जो तंत्रिका पथ बनाते हैं। ये रास्ते हमारे शरीर के इर्द-गिर्द जानकारी रखते हैं जिससे हम आगे बढ़ सकते हैं, सांस ले सकते हैं और सोच सकते हैं।

हालांकि, अगर इनमें से प्रत्येक तंत्रिका पथ एक दूसरे से स्वतंत्र थे, तो हमारा प्रतिक्रिया समय अविश्वसनीय रूप से धीमा होगा, और हम विचारों के बीच संबंध बनाने में सक्षम नहीं हो सकते हैं। सिस्टम की सफलता इन सभी रास्तों के बीच संबंधों के लिए नीचे है, जिससे समवर्ती डेटा प्रसंस्करण को बढ़ावा मिलता है।

डीप लर्निंग न्यूरॉन्स के इस घने नेटवर्क की प्रतिकृति बनाने की एक विधि है। एक साथ डेटा की कई धाराओं को संभालकर, कंप्यूटर डेटा को प्रोसेस करने में लगने वाले समय को कम करने में सक्षम हो गया है। इस तकनीक को गहन सीखने के लिए लागू करने से कृत्रिम तंत्रिका नेटवर्क को जन्म दिया गया है क्या हैं तंत्रिका नेटवर्क और वे कैसे काम करते हैं? तंत्रिका नेटवर्क क्या हैं और वे कैसे काम करते हैं? जब भारी संगणना और स्मार्ट एल्गोरिदम की बात आती है तो तंत्रिका नेटवर्क अगली बड़ी चीज होती है। यहां बताया गया है कि वे कैसे काम करते हैं और वे इतने अद्भुत क्यों हैं। अधिक पढ़ें ।

ये नेटवर्क नोड्स की एक श्रृंखला से बना है। डेटा प्राप्त करने के लिए इनपुट नोड्स हैं, परिणामी डेटा के लिए आउटपुट नोड्स और बीच में नोड्स की छिपी हुई परतें हैं। लक्ष्य इनपुट डेटा को कुछ आउटपुट में बदलना है जिसका आउटपुट नोड उपयोग कर सकते हैं। यहीं पर छिपी हुई परतें आती हैं। जैसे ही डेटा इन छिपे हुए नोड्स के माध्यम से आगे बढ़ता है, तंत्रिका नेटवर्क तर्क का उपयोग करके यह तय करता है कि किस नोड को अगले डेटा को पास करना है।

मशीन लर्निंग बनाम एआई बनाम डीप लर्निंग

जबकि मशीन लर्निंग एक शक्तिशाली उपकरण है जो हमारे द्वारा बनाई गई बड़ी मात्रा में डेटा बनाने में मदद करता है, यह स्वतंत्र विचार प्रदर्शित नहीं करता है। एल्गोरिथ्म प्रोग्रामर्स द्वारा डिज़ाइन किया गया है, और उन्होंने उन नियमों को निर्धारित किया है जिन्हें मशीन लर्निंग सिस्टम द्वारा खेलना है। डेवलपर्स के पूर्वाग्रह, चाहे सचेत हों या न हों, उनके प्रभाव होते हैं।

मशीन लर्निंग के लिए पहला महत्वपूर्ण झटका Google के इंजीनियरों में से एक के सौजन्य से आया। 2015 में, उन्होंने देखा कि कंपनी के फोटो पहचान एल्गोरिथ्म ने उन्हें और उनके काले दोस्तों को गोरिल्ला के रूप में लेबल किया। Google ने तुरंत माफी मांगी और अल्पकालिक सुधारों को लागू किया।

हालाँकि, दो साल बाद, WIRED ने बताया कि गूगल का समाधान प्रशिक्षण डेटा से गोरिल्ला को पूरी तरह से हटा देना था।

दूसरी ओर, गहरी सीख हमें सामान्य कृत्रिम बुद्धिमत्ता के करीब ले जाती है। नोड्स के एक बहु-स्तरित संग्रह के माध्यम से मानव मन को दोहराने की कोशिश करके, गहरी सीखने की संरचनाओं को एक बड़े प्रारंभिक डेटासेट के साथ प्रशिक्षित करने की आवश्यकता नहीं है। वे प्रदान की गई जानकारी और सिस्टम के तर्क के आधार पर निर्णय लेते हैं।

यह तटस्थ नेटवर्क का निर्णय पारदर्शी नहीं है, यह अनावश्यक प्रतीत हो सकता है, लेकिन इसका मतलब है कि यह मानव बुद्धि की नकल करने में सफल होता है। उदाहरण के लिए, हम यह भी पूरी तरह से नहीं समझते हैं कि हम अपने विचारों और निर्णयों के साथ कैसे आते हैं।

आर्टिफिशियल इंटेलिजेंस फॉर एवरीवन

अंत में, मशीन लर्निंग बनाम AI की तुलना करने की आवश्यकता नहीं है, या गहरी लर्निंग बनाम मशीन लर्निंग, क्योंकि वे सभी विभिन्न उद्देश्यों की सेवा करते हैं। AI मशीनों में मानव-शैली की बुद्धिमत्ता की अवधारणा का वर्णन करता है, जबकि मशीन लर्निंग और गहन शिक्षण एक सामान्य AI बनाने की दिशा में प्रयास हैं।

यह कहना नहीं है कि एआई का क्षेत्र पूरी तरह से अमूर्त है। Google अपने सभी उत्पादों में AI जोड़कर अपने विशाल डेटासेट का उपयोग कर रहा है। जीमेल को हाल ही में स्मार्ट रिप्लाई के साथ नया रूप दिया गया, जबकि कंपनी का डुप्लेक्स एआई पूरे अमेरिका में चल रहा है और आपकी ओर से फोन कॉल को संभाल सकता है। लेकिन वे केवल एआई खेल में प्राप्त कर सकते हैं।

आप Google के ऑनलाइन AI प्रयोग के साथ अभी से इसे अपने लिए आज़मा सकते हैं 5 सर्वश्रेष्ठ Google AI प्रयोग आर्टिफिशियल इंटेलिजेंस का अन्वेषण करने के लिए 5 सर्वश्रेष्ठ Google AI प्रयोग आर्टिफिशियल इंटेलिजेंस का अन्वेषण करने के लिए Google के पास कई एआई प्रयोग हैं जिन्हें आप अभी जाकर खेल सकते हैं। मशीन लर्निंग के लिए धन्यवाद, वे आपकी मदद से कल की दुनिया को बदल सकते हैं। अधिक पढ़ें ।

चित्र साभार: sdecoret / Depositphotos

इसके बारे में अधिक जानें: आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग।