යන්ත්ර ඉගෙනීම යනු කුමක්ද?

පරිගණකය නොපවතින නමුත් සෑම දිනකම ඔවුන් වඩාත් ප්රබල වෙමින් තිබේ

සරලම පදනමින්, පරිගණක ඉගෙනුම් (ML) යනු මානව සංවර්ධනකරුවෙකුගෙන් අතිරේක නිශ්චිත ආදානයකින් තොරව එම කාර්යය ස්වාධීනව ඉටු කිරීම සඳහා දත්ත (තොරතුරු) භාවිතා කිරීම මගින් ඉල්ලා සිටින කාර්යය ඉටු කළ හැකි ය.

යන්ත්ර ඉගෙනුම 101

"යන්ත්ර ඉගෙනුම්" යන වචනය 1959 දී IBM පරිගණක විද්යාගාරවලදී කෘතිම බුද්ධිය (AI) සහ පරිගණක සූදුවේ පුරෝගාමියෙකු වන ආතර් සැමුවෙල් විසින් ගවේෂණය කරන ලදී. යන්ත්ර ඉගෙනීම, කෘතිම බුද්ධිය පිලිබඳ ශාඛාවකි. සැමුවෙල්ගේ අදහස වූයේ පරිගණකයේ තොරතුරු ඉගෙන ගැනීම සඳහා පරිගණකය භාවිත කිරීම නවතාලීමයි.

ඒ වෙනුවට, පරිගණකවලට අවශ්ය වූයේ කුඩාතම තොරතුරු සඳහා පවා තොරතුරුවලින් තොරවම දේවල් සොයා ගැනීමයි. එතකොට, ඔහු සිතුවේ, පරිගණක පමණක් කාර්යයන් ඉටු නොකරන නමුත් අවසානයේ දී ඉටු කිරීමට කුමන කර්තව්යයන් කළ හැකි ද යන්න සහ ඒවායේදි තීරණය කළ හැකිය. මන්ද? එබැවින් යම් ප්රදේශයක සිදු කළ යුතු කාර්යයන් සඳහා අවශ්ය කරන වැඩ ප්රමාණය පරිගණක මගින් අඩු කළ හැකිය.

යන්ත්ර ඉගෙනුම් කටයුතු

පරිගණක ඉගෙනුම් ක්රියාවලිය මගින් ඇල්ගොරිතම සහ දත්ත භාවිතා කිරීම හරහා ක්රියා කරයි. ඇල්ගොරිතම යනු කර්තව්යයක් හෝ මාර්ගෝපදේශකයක් වන අතර යම් කාර්යයක් ඉටු කිරීම සඳහා පරිගණකයක් හෝ වැඩසටහනක් ලබාදෙන වැඩසටහනකි. ML හි භාවිතා කරන ඇල්ගොරිතමයන් දත්ත එකතු කිරීම, රටා හඳුනා ගැනීම සහ කාර්යයන් සම්පූර්ණ කිරීම සඳහා තමන්ගේම වැඩසටහන් සහ කාර්යයන් අනුගත කිරීම සඳහා එම දත්ත විශ්ලේෂණය කිරීම.

ML ඇල්ගොරිතමයන් තීරණ හා කාර්යයන් සඳහා සැකසීමේ දත්ත ස්වයංක්රීයකරණය කිරීම සඳහා පාලන කට්ටල, තීරු ගස්, ග්රැෆික් ආකෘති, ස්වාභාවික භාෂා සැකසුම සහ ස්නායුක ජාලයන් (කිහිපයක් නම් කිරීම) භාවිතා කරයි. ML නම් සංකීර්ණ මාතෘකාවක් විය හැකි නමුත්, ගූගල් ගේ ගුප්ත යන්ත්රය, ML ක්රියාත්මක කරන්නේ කෙසේදැයි සරල ලෙස අත්හදා බැලීම මගින් සපයයි.

ගැඹුරු ඉගෙනුම් ලෙස හඳුන්වන යාන්ත්රික ඉගෙනුමෙහි වඩාත් බලවත්ම ආකෘතිය, දත්ත විශාල සංඛ්යාවක් මත පදනම් වූ ස්නායු පද්ධතියක් ලෙස සංකීර්ණ ගණිතමය ව්යුහයක් ගොඩනගා ඇත. ස්නායු පද්ධතිය යනු මිනිස් මොළයේ ස්නායු සෛල හා ස්නායු පද්ධතියේ ක්රියාදාමයේ තොරතුරු ස්වරූපයෙන් ML සහ AI වල ඇල්ගොරිතම වේ.

කෘත්රිම බුද්ධිය එදිරිව මැජික් ඉගෙනීම හා දත්ත ගබඩාව

AI, ML, සහ දත්ත පතල් කිරීම අතර ඇති සම්බන්ධතාවය වඩාත් හොඳින් තේරුම් ගැනීම සඳහා විවිධ ප්රමාණයේ කුඩ කට්ටලයක් ගැන සිතා බැලීම ප්රයෝජනවත් වේ. AI විශාලතම කුඩයක්. ML කුඩයක් කුඩා වන අතර AI කුඩයට යටින් ගැලපේ. දත්ත ගබඩා කුඩ කුඩ කුඩාම කුඩාම හා ML ආවරණයේ යටට ගැලපේ.

• AI යනු මානව බුද්ධිය පසුභාවිත වූ කරුණු සහ තීරණ ගැනීමේ ක්රමවේදයන් යොදාගනිමින් වඩා බුද්ධිමත් හා "මානව-සමාන" ආකාරයේ කාර්යයන් ඉටු කිරීමට පරිගනක වැඩසටහන් සැකසීමයි.
• ML යනු පරිගණක ස්වයංක්රීය ක්රමවේදයක් තුළ පරිගණක අධ්යයනායතනයක් (පරිගණක) ඉගෙන ගැනීමට (අවශ්ය දත්ත හෝ උදාහරණ එකතු කර ගැනීම) දත්ත-පාලිත, බුද්ධිමත් තීරණ වඩාත් ස්වයංක්රීය ආකාරයකින් හැදෑරීමයි.
• දත්ත පතොරතුරු , රටාවන්, ML, AI සහ රටාවන් පිළිබඳ තොරතුරු විශාල වශයෙන් භාවිතා කරයි. එමගින් රටාවන් සොයා ගැනීමට, වර්ගීකරණයන් නිර්මාණය කිරීමට, ගැටළු හඳුනාගැනීමට සහ සවිස්තරාත්මක දත්ත විශ්ලේෂණයන් සපයයි.

කුමන යන්ත්ර ඉගෙන ගත හැකිද (සහ දැනටමත්)

තත්පරයක කොටස්වල තොරතුරු විශාල සංඛ්යාවක් විශ්ලේෂණය කිරීමට පරිගණකයේ ධාරිතාව කාලය හා නිරවද්යතාව අත්යවශ්ය වන කර්මාන්ත ගණනාවකට ML භාවිතා කරයි.

• වෛද්ය: ක්ෂුද්ර තාක්ෂණය හදිසි රෝග ලක්ෂණ රෝගීන්ට ඉක්මන් රෝග විනිශ්චය ලබා දීම ඇතුළු හදිසි වෛද්ය දෙපාර්තමේන්තුවට උපකාර කිරීම ඇතුළුව ෛවද ක්ෙෂේතය සඳහා විසඳුම් පරාසයක විහිදී ඇත. රෝගියාගේ ලක්ෂණයන් ලයිස්තුවේ රෝග ලක්ෂණ ලැයිස්තුවක් හා ML භාවිතා කිරීම මඟින් වෛද්යවරුන් හට වෛද්ය සාහිත්යය හා අන්තර්ජාලය ටි්රලියන ගණනකට තොරතුරු වාර්තාගත හැකිලීමේ හැකියාව සහ නිර්දේශිත පරීක්ෂණ හෝ ප්රතිකාර පිළිබඳ ලැයිස්තුවක් නැවත ලබා ගත හැකිය.
• අධ්යාපනය: ML භාවිතා කරන අධ්යාපනික මෙවලම් නිර්මාණය කිරීම සඳහා භාවිතා කරන අථත්ය ඉගෙනුම් සහායකයින් සහ වඩාත් අන්තර්ක්රියාකාරී වන විද්යුත් පොත් පෙළ වැනි ඉගෙනුම් අවශ්යතා වලට ගැලපෙන අයුරින් නිර්මාණය කිරීම. කෙටි මෙවලම් හා පුහුණු අභ්යාස භාවිතා කරන ශිෂ්යයා විසින් අවබෝධ කරගත් කුමන සංකල්ප සහ කුසලතා සොයා ගැනීමට මෙම මෙවලම් භාවිතා කරයි. ඉන්පසුව මෙවලම්, කෙටි වීඩියෝ, අමතර උදාහරණ සහ පසුබිම් තොරතුරු සපයන සිසුන්ට අවශ්ය නිපුණතා හෝ සංකල්ප ඉගෙන ගැනීමට උපකාර කරයි.
• මෝටර් රථ: ML ස්වයං-රියදුරු කාර්වල නැගී එන ක්ෂේත්රයේ ප්රධාන අංගයකි (රියදුරු අඩු මෝටර් රථ හෝ ස්වාධීන මෝටර් රථ ලෙස හැඳින්වේ). ස්වයං රිය ධාවනය කරන ලද ස්වයං රිය ධාවනය කරන ලද රියල් එන්ජින් රියල් ටයිම්ස් (රියල් මාර්ග වැනි) හඳුනා ගැනීම සඳහා පාරිසරික මාර්ග පරීක්ෂණ සහ අනුහුරු කිරීම් යන දෙකම ML භාවිතා කරයි.

ඔබ එය දැනටමත් දැනටමත් ML වලට මුහුණ දී නොමැතිව දැනටමත් හමු වී ඇත. ML තාක්ෂණයෙහි වඩාත් බහුලව භාවිත වන සමහරක් ප්රායෝගික කථන හඳුනාගැනීම් ( සැම්සුන් හි Bixby , Apple's Siri සහ දැන් පරිගණකවල සම්මතය වන සම්මත කතා බොහෝ වැඩසටහන්), විද්යුත් තැපැල් සඳහා ස්පෑම් පෙරහන, ප්රවෘත්ති සංග්රහ, වංචා හඳුනා ගැනීම, පුද්ගලිකකරණය කිරීම සාප්පු සවාරීම් නිර්දේශ, වඩා ඵලදායී වෙබ් සෙවුම් ප්රතිඵල ලබා දීම.

ML ඔබේ ෆේස්බුක් ෆීඩ් එකට සම්බන්ධ වේ. ඔබ කැමති විට හෝ මිතුරෙකුගේ පෝස්ටර් නිතරම ක්ලික් කළ විට, දර්ශන පිටුපසින් ඇති ඇල්ගොරිතම සහ ඔබේ පුවත් වලින් සමහර මිතුරන් හෝ පිටු ප්රමුඛතාව ලබා ගැනීම සඳහා ඔබගේ ක්රියාවන්ගෙන් ඉගෙන ගන්න.

කුමන යන්ත්ර ඉගෙන ගත හැකිද?

කෙසේ වෙතත්, ML විසින් කළ හැකි දේ සීමිත වේ. නිදසුනක් වශයෙන්, විවිධ කර්මාන්තවල ML තාක්ෂණය භාවිතා කිරීම සඳහා කර්මාන්තයේ අවශ්යතාවයන් සඳහා වැඩ සටහනක් හෝ පද්ධතියක් විශේෂීකරණය කිරීම සඳහා මිනිසා විසින් සැලකිය යුතු සංවර්ධනයක් සහ ක්රමලේඛනය කිරීම අවශ්ය වේ. නිදසුනක් ලෙස, ඉහත සඳහන් වෛද්ය විද්යාත්මක උදාහරණයේ, හදිසි වෛද්ය දෙපාර්තමේන්තුවේ ML වැඩසටහන විශේෂයෙන් මානව වෛද්ය විද්යාව සඳහා සකස් කරන ලදී. එම නිශ්චිත වැඩ සටහනට ගත හැකි වන අතර, එය සෘජු හදිසි අනතුරු මධ්යස්ථානයක් තුළ එය සෘජුවම ක්රියාත්මක කළ නොහැකිය. එවන් සංක්රමණයට පශු වෛද්ය හෝ සත්ව වෛද්ය විද්යාව සඳහා මෙම කාර්යය ඉටු කිරීමට හැකි වන ආකාරයේ සංස්කාරකයක් නිර්මාණය කිරීම සඳහා මානව වැඩසටහන්කරුවන් විසින් පුළුල් විෙශේෂිත කිරීම සහ සංවර්ධනය සඳහා අවශ්ය ෙව්.

එය තීරණ ගැනීමට හා කාර්යයන් ඉටු කිරීමට අවශ්ය තොරතුරු "ඉගෙන" තොරතුරු සහ උදාහරණ අතිවිශාල සංඛ්යාවක් අවශ්ය වේ. ML ක්රමලේඛවල දත්ත අර්ථ නිරූපණය සහ සංකේතවාදයට එරෙහිව සටන් කිරීමත්, හේතු සහ ප්රතිඵල වැනි දත්ත ප්රතිඵල ඇතුළුව ඇතැම් වර්ගවල සම්බන්ධතාද ඉතා සත්ය වේ.

කෙසේවෙතත්, අඛණ්ඩ දියුණුව නිසා සෑම දිනකම ප්රධාන තාක්ෂණයෙන් ML වඩාත් ප්රචලිත වන අතර, සෑම දිනකම වඩා බුද්ධිමත් පරිගනක නිර්මාණය කරයි.