मशीन लर्निंग एल्गोरिदम क्या हैं? यहां बताया गया है कि वे कैसे काम करते हैं

• प्रौद्योगिकी समझाया

विज्ञापन

आर्टिफिशियल इंटेलिजेंस और मशीन लर्निंग आज प्रौद्योगिकी उद्योग में हमारे द्वारा देखी जाने वाली कई प्रगति का उत्पादन करते हैं। लेकिन मशीनों को सीखने की क्षमता कैसे दी जाती है? इसके अलावा, जिस तरह से हम अनपेक्षित परिणामों में यह करते हैं?

मशीन सीखने के एल्गोरिदम कैसे काम करते हैं, इसके बारे में हमारे त्वरित व्याख्याकार ने बताया कि मशीन सीखने के कुछ उदाहरणों से डर गया।

मशीन लर्निंग एल्गोरिदम क्या हैं?

मशीन लर्निंग कंप्यूटर विज्ञान की एक शाखा है जो AI को कार्यों को सीखने की क्षमता देने पर केंद्रित है 5 कृत्रिम बुद्धिमत्ता का अन्वेषण करने के लिए 5 सर्वश्रेष्ठ Google AI प्रयोग अभी। मशीन लर्निंग के लिए धन्यवाद, वे आपकी मदद से कल की दुनिया को बदल सकते हैं। अधिक पढ़ें । इसमें प्रोग्रामर के बिना विकासशील क्षमताओं को शामिल करना स्पष्ट रूप से एआई को इन चीजों को कोड करने के लिए है। इसके बजाय, AI खुद को सिखाने के लिए डेटा का उपयोग करने में सक्षम है।

प्रोग्रामर इसे मशीन लर्निंग एल्गोरिदम के माध्यम से हासिल करते हैं। ये एल्गोरिदम वे मॉडल हैं जिन पर एआई सीखने का व्यवहार आधारित है। एल्गोरिदम, प्रशिक्षण डेटासेट के संयोजन में, AI को सीखने में सक्षम बनाता है।

एक एल्गोरिथ्म आमतौर पर एक मॉडल प्रदान करता है जिसे एआई किसी समस्या को हल करने के लिए उपयोग कर सकता है। उदाहरण के लिए, बिल्लियों बनाम कुत्तों की तस्वीरों की पहचान करना सीखना। एआई एल्गोरिथ्म द्वारा निर्धारित मॉडल को एक डेटासेट में लागू करता है जिसमें बिल्लियों और कुत्तों की छवियां शामिल हैं। समय के साथ, एआई सीख लेगा कि कैसे कुत्तों से बिल्लियों की पहचान सही तरीके से और आसानी से की जा सकती है, बिना मानव इनपुट के।

मशीन लर्निंग, खोज इंजन, स्मार्ट होम डिवाइस, ऑनलाइन सेवाओं और स्वायत्त मशीनों जैसे प्रौद्योगिकी में सुधार करता है। यह है कि नेटफ्लिक्स कैसे जानता है कि आपको किन फिल्मों का आनंद लेने की अधिक संभावना है और संगीत स्ट्रीमिंग सेवाएं प्लेलिस्ट की सिफारिश कैसे कर सकती हैं।

लेकिन जब मशीन लर्निंग हमारे जीवन को बहुत आसान बना सकती है, तो कुछ अप्रत्याशित परिणाम भी हो सकते हैं।

7 टाइम्स जब मशीन सीखना गलत हो गया

1. Google छवि खोज परिणाम गलतियाँ

Google खोज ने वेब को पूरी तरह से आसान बना दिया है। इंजन का एल्गोरिथ्म परिणाम पर विचार करते समय कई तरह की बातों को ध्यान में रखता है, जैसे कि कीवर्ड और उछाल दर। लेकिन एल्गोरिथ्म उपयोगकर्ता ट्रैफ़िक से भी सीखता है, जो खोज परिणाम की गुणवत्ता के लिए समस्याएं पैदा कर सकता है।

छवि परिणामों की तुलना में यह कहीं अधिक स्पष्ट नहीं है। चूँकि उच्च ट्रैफ़िक प्राप्त करने वाले पृष्ठों में उनकी छवियों के प्रदर्शित होने की संभावना अधिक होती है, ऐसे कहानियाँ जिनमें क्लिकबैट सहित उपयोगकर्ताओं की उच्च संख्या को आकर्षित किया जाता है, अक्सर प्राथमिकता दी जाती हैं।

उदाहरण के लिए, "दक्षिण अफ्रीका में स्क्वाटर्स कैंप" के लिए छवि खोज परिणाम विवाद का कारण बन गया जब यह पता चला कि यह मुख्य रूप से सफेद दक्षिण अफ्रीका में चित्रित किया गया था। यह आंकड़े दिखाने के बावजूद है कि अनौपचारिक आवास में रहने वाले लोगों का भारी बहुमत, जैसे कि शेक, काले दक्षिण अफ्रीकी हैं।

Google के एल्गोरिथ्म में उपयोग किए जाने वाले कारकों का अर्थ यह भी है कि इंटरनेट उपयोगकर्ता परिणामों में हेरफेर कर सकते हैं। उदाहरण के लिए, उपयोगकर्ताओं द्वारा किए गए एक अभियान ने Google छवि खोज परिणामों को उस हद तक प्रभावित किया, जब शब्द "इडियट" की खोज अमेरिकी राष्ट्रपति डोनाल्ड ट्रम्प की छवियों को दिखाती है।

2. Microsoft बॉट एक नाजी में बदल गया

एक अच्छी तरह से अर्थ, मशीन सीखने चैटबॉट को भ्रष्ट करने के लिए ट्विटर पर भरोसा करें। यह माइक्रोसॉफ्ट के अब कुख्यात चैटबोट ताई की रिहाई के दिन के भीतर हुआ।

टीए ने एक किशोर लड़की के भाषा पैटर्न की नकल की और अन्य ट्विटर उपयोगकर्ताओं से उसकी बातचीत के माध्यम से सीखा। हालाँकि, वह सबसे बदनाम एआई गलतफहमी में से एक बन गई जब उसने नाजी बयानों और नस्लीय झड़पों को साझा करना शुरू किया। यह पता चलता है कि ट्रोल्स ने इसके खिलाफ एआई की मशीन सीखने का इस्तेमाल किया था, इसे बाढ़ के साथ बातचीत से भरा था।

लंबे समय के बाद, Microsoft ने अच्छे के लिए Tay को ऑफलाइन नहीं लिया।

3. एआई फेशियल रिकॉग्निशन प्रॉब्लम

चेहरे की पहचान एआई अक्सर सभी गलत कारणों से सुर्खियों में आती है, जैसे कि चेहरे की पहचान और गोपनीयता की चिंताओं के बारे में। लेकिन इस AI ने रंग के लोगों को पहचानने का प्रयास करते समय भारी चिंता का कारण बना।

2015 में, उपयोगकर्ताओं ने पाया कि Google फ़ोटो कुछ काले लोगों को गोरिल्ला के रूप में वर्गीकृत कर रहा था। 2018 में, ACLU द्वारा किए गए शोध से पता चला है कि अमेज़ॅन के रिकॉग्निशन फेस आइडेंटिफिकेशन सॉफ़्टवेयर ने अमेरिकी कांग्रेस के 28 सदस्यों को पुलिस संदिग्धों के रूप में पहचाना है, जिनमें झूठी सकारात्मकता रंग के लोगों पर प्रतिकूल प्रभाव डालती है।

एक अन्य घटना में ऐप्पल का फेस आईडी सॉफ़्टवेयर शामिल है एक iPhone X खरीदना? फेस आईडी एक iPhone X खरीदना आपको पुनर्विचार कर सकता है? फेस आईडी हो सकता है आप पर पुनर्विचार करें iPhone X की सबसे उल्लेखनीय विशेषता फेस आईडी डिवाइस अनलॉक सिस्टम है। लेकिन यह कितना सुरक्षित है? क्या Apple के पास सभी के चेहरों के विशाल डेटाबेस तक पहुंच होगी? एक ही व्यक्ति के रूप में दो अलग-अलग चीनी महिलाओं की गलत पहचान करें। नतीजतन, iPhone X के मालिक का सहयोगी फोन को अनलॉक कर सकता है।

इस बीच, एमआईटी के शोधकर्ता जॉय बूलमविनी को पहचानने के लिए सॉफ़्टवेयर प्राप्त करने के लिए चेहरे की पहचान तकनीक पर काम करते समय अक्सर एक सफेद मुखौटा पहनने की आवश्यकता होती है। इस तरह के मुद्दों को हल करने के लिए, Buolamwini और अन्य आईटी पेशेवर इस मुद्दे पर ध्यान दे रहे हैं और AI प्रशिक्षण के लिए अधिक समावेशी डेटासेट की आवश्यकता है।

4. होक्स के लिए प्रयुक्त डीपफेक

जबकि लोगों ने लंबे समय तक फोटोशॉप का इस्तेमाल कर झांसे की छवियां बनाई हैं, मशीन लर्निंग इसे एक नए स्तर पर ले जाती है। FaceApp जैसे सॉफ्टवेयर आपको एक वीडियो से दूसरे वीडियो में विषयों का सामना करने की अनुमति देता है।

लेकिन बहुत से लोग विभिन्न प्रकार के दुर्भावनापूर्ण उपयोगों के लिए सॉफ़्टवेयर का फायदा उठाते हैं, जिनमें वयस्क वीडियो में सुपरिंपोज करने वाले सेलिब्रिटी चेहरे शामिल हैं या होक्स वीडियो का निर्माण किया जाता है। इस बीच, इंटरनेट उपयोगकर्ताओं ने तकनीक को बेहतर बनाने में मदद की है ताकि असली वीडियो को नकली लोगों से अलग करना मुश्किल हो जाए। नतीजतन, यह इस प्रकार के एआई को नकली समाचार फैलाने के मामले में बहुत शक्तिशाली बनाता है और फेसबुक ऑफर टिप्स आपको हाजिर करने में मदद करता है फेक न्यूज फेसबुक आपको फेक न्यूज की मदद करने के लिए टिप्स देता है जबकि फेसबुक फर्जी समाचार का उत्पादन नहीं करता है, यह कम से कम है। इसके प्रसार के लिए आंशिक रूप से जिम्मेदार है। यही कारण है कि अब यह आपको फैलने से पहले नकली समाचारों को देखने में मदद करने के लिए सुझाव दे रहा है। अधिक पढ़ें ।

प्रौद्योगिकी की शक्ति को दिखाने के लिए, निर्देशक जॉर्डन पील और बज़फीड के सीईओ जोनाह पेतेती ने एक गहरा वीडियो बनाया, जिसमें दिखाया गया है कि पूर्व अमेरिकी राष्ट्रपति बराक ओबामा डीपका की शक्ति पर पीएसए वितरित करते दिख रहे हैं।

5. ट्विटर बॉट्स का उदय

ट्विटर बॉट मूल रूप से ब्रांड के लिए ग्राहक सेवा उत्तरों जैसी चीजों को स्वचालित करने के लिए बनाए गए थे। लेकिन तकनीक अब चिंता का एक प्रमुख कारण है। वास्तव में, अनुसंधान ने अनुमान लगाया है कि ट्विटर पर 48 मिलियन उपयोगकर्ता वास्तव में एआई बॉट हैं।

कुछ हैशटैग का अनुसरण करने या ग्राहक के प्रश्नों का जवाब देने के लिए केवल एल्गोरिदम का उपयोग करने के बजाय, कई बॉट खाते वास्तविक लोगों की नकल करने की कोशिश करते हैं। ये 'लोग' तब झांसा देते हैं और फर्जी खबरों को वायरल करने में मदद करते हैं।

ट्विटर बॉट्स की एक लहर ने भी सार्वजनिक राय को ब्रेक्सिट और 2016 के अमेरिकी राष्ट्रपति चुनाव पर एक हद तक प्रभावित किया। ट्विटर ने खुद स्वीकार किया कि उसने लगभग 50, 000 रूसी निर्मित बॉट का खुलासा किया जो चुनावों के बारे में पोस्ट करता है।

बॉट्स सेवा को फैलाना जारी रखते हैं, जिससे विघटन फैलता है। समस्या इतनी विकट है कि कंपनी के मूल्यांकन पर भी इसका असर पड़ रहा है।

6. कर्मचारी कहते हैं कि अमेज़ॅन एआई ने निर्णय लिया कि किराए पर लेना पुरुषों के लिए बेहतर है

अक्टूबर 2018 में, रॉयटर्स ने बताया कि अमेज़ॅन को सॉफ्टवेयर-एआई द्वारा निर्णय लेने के बाद नौकरी-भर्ती उपकरण को स्क्रैप करना पड़ा कि पुरुष उम्मीदवार तरजीही थे।

गुमनाम रहने की इच्छा रखने वाले कर्मचारी रायटर को परियोजना पर अपने काम के बारे में बताने के लिए आगे आए। डेवलपर्स चाहते थे कि एआई अपने सीवी के आधार पर नौकरी के लिए सर्वश्रेष्ठ उम्मीदवारों की पहचान करे। हालांकि, परियोजना में शामिल लोगों ने जल्द ही देखा कि एआई ने महिला उम्मीदवारों को दंडित किया। उन्होंने बताया कि एआई ने पिछले एक दशक से सीवी का उपयोग किया, जिनमें से अधिकांश इसके प्रशिक्षण डाटासेट के रूप में पुरुषों से थे।

परिणामस्वरूप, AI "महिला" कीवर्ड के आधार पर CVs को फ़िल्टर करना शुरू किया। वे कीवर्ड "महिलाओं के शतरंज क्लब कप्तान" जैसी गतिविधियों के तहत सीवी में दिखाई दिए। डेवलपर्स ने महिलाओं के सीवी के इस दंड को रोकने के लिए एआई को बदल दिया, लेकिन अमेज़न ने अंततः इस परियोजना को खत्म कर दिया।

7. YouTube किड्स पर अनुचित सामग्री

YouTube किड्स ने कई मूर्खतापूर्ण, सनकी वीडियो बच्चों के मनोरंजन के लिए बनाए हैं। लेकिन इसमें स्पैम वीडियो की भी समस्या है जो प्लेटफॉर्म के एल्गोरिदम में हेरफेर करती है।

ये वीडियो लोकप्रिय टैग पर आधारित हैं। चूंकि छोटे बच्चे बहुत समझदार दर्शक नहीं हैं, इसलिए इन कीवर्ड्स का उपयोग करने वाले रद्दी वीडियो लाखों विचारों को आकर्षित करते हैं। AI स्वचालित रूप से ट्रेंडिंग टैग के आधार पर स्टॉक एनीमेशन तत्वों का उपयोग करके इनमें से कुछ वीडियो उत्पन्न करता है। जब वीडियो एनिमेटरों द्वारा बनाए जाते हैं, तब भी उनके शीर्षक विशेष रूप से कीवर्ड स्टफिंग के लिए उत्पन्न होते हैं।

ये कीवर्ड YouTube के एल्गोरिथ्म में हेरफेर करने में मदद करते हैं ताकि वे सिफारिशों में समाप्त हो जाएं। YouTube किड्स ऐप का उपयोग करने वाले बच्चों के फ़ीड में अनुचित सामग्री का एक महत्वपूर्ण हिस्सा दिखाई दिया। इसमें ऐसी सामग्री शामिल थी जिसमें हिंसा, छलांग और यौन सामग्री को दर्शाया गया है।

क्यों मशीन लर्निंग गलत हो जाता है

अनपेक्षित परिणामों में मशीन सीखने के दो प्रमुख कारण हैं: डेटा और लोग। डेटा के संदर्भ में, "जंक इन, जंक आउट" का मंत्र लागू होता है। यदि एआई को खिलाया जाने वाला डेटा सीमित, पक्षपाती या कम गुणवत्ता वाला है; परिणाम सीमित दायरे या पूर्वाग्रह के साथ एक AI है।

लेकिन भले ही प्रोग्रामर्स को डेटा सही मिले, लोग कामों में भीग सकते हैं। सॉफ़्टवेयर के निर्माता अक्सर महसूस नहीं करते हैं कि लोग प्रौद्योगिकी का उपयोग दुर्भावनापूर्ण रूप से या स्वार्थी उद्देश्यों के लिए कैसे कर सकते हैं। सिनेमा में विशेष प्रभाव को बेहतर बनाने के लिए इस्तेमाल की जाने वाली तकनीक से डीपफेक आया।

अधिक मनोरंजन प्रदान करने के उद्देश्य से शोषित होने पर लोगों का जीवन बर्बाद हो जाता है।

दुर्भावनापूर्ण उपयोग को रोकने के लिए मशीन लर्निंग तकनीक के आसपास सुरक्षा उपायों को बेहतर बनाने की दिशा में काम कर रहे लोग हैं। लेकिन तकनीक यहां पहले से ही मौजूद है। इस बीच, कई कंपनियां इन घटनाओं के दुरुपयोग को रोकने के लिए आवश्यक इच्छाशक्ति नहीं दिखाती हैं।

मशीन लर्निंग एल्गोरिदम हमें मदद कर सकता है

यह थोड़ा कयामत और निराशाजनक लग सकता है जब आपको एहसास होता है कि मशीन सीखने और कृत्रिम बुद्धिमत्ता उम्मीदों से कम है। लेकिन यह हमें कई तरह से मदद करता है - न सिर्फ सुविधा के लिहाज से, बल्कि सामान्य तौर पर हमारे जीवन को बेहतर बनाता है।

यदि आप एआई और मशीन लर्निंग के सकारात्मक प्रभाव के बारे में थोड़ा झिझक महसूस कर रहे हैं, तो कृत्रिम बुद्धिमत्ता से लड़ने के तरीकों के बारे में पता करें कि कैसे कृत्रिम बुद्धिमत्ता आधुनिक हैकर्स और साइबर क्राइम से लड़ेगी, कैसे आर्टिफिशियल इंटेलिजेंस आधुनिक हैकर्स और साइबर क्राइम से लड़ेंगे, एक साइबर सुरक्षा प्रतिभा के साथ। कमी और साइबर अपराध महामारी, कैसे कंपनियां हैकर्स से लड़ सकती हैं? कृत्रिम बुद्धि के साथ! कुछ आशा को बहाल करने के लिए अधिक पढ़ें और हैकर्स।