मशीन लर्निंग, एआई और दीप लर्निंग के बीच का अंतर

बिल्डिंग एआई जटिल है, लेकिन इसे समझना आवश्यक नहीं है। सबसे मौजूदा कृत्रिम बुद्धिमानी वास्तव में वास्तव में अच्छी अनुमान लगाने वाली मशीनें हैं (हमारे दिमाग की तरह)। आप डेटा के गुच्छा (जैसे कि संख्या 1-10) में फ़ीड करते हैं और इसे मॉडल बनाने के लिए कहते हैं (x + 1, 0 से शुरू) और भविष्यवाणी करें। (अगला नंबर ग्यारह होगा।) मनुष्यों द्वारा किए जाने वाले कार्यों के अलावा कोई जादू नहीं है: हम जो चीजें जानते हैं, उसके बारे में अनुमान लगाने के लिए हम जो जानते हैं उसका उपयोग करके हम नहीं जानते हैं।

अन्य कंप्यूटर कार्यक्रमों के अलावा एआई को क्या सेट करता है यह है कि हमें इसे हर परिदृश्य के लिए विशेष रूप से प्रोग्राम करने की ज़रूरत नहीं है। हम इसे चीजें (मशीन लर्निंग) सिखा सकते हैं, और यह खुद को भी पढ़ा सकता है (गहरी शिक्षा)। जबकि प्रत्येक की कई किस्में हैं, उन्हें व्यापक रूप से निम्नानुसार परिभाषित किया जा सकता है:

आर्टिफिशियल इंटेलिजेंस (एआई): एक मशीन जो मानव व्यवहार की नकल करने में सक्षम है
मशीन लर्निंग: एआई का एक सबसेट जहां लोग डेटा में पैटर्न को पहचानने और भविष्यवाणियां करने के लिए मशीनों को प्रशिक्षित करते हैं
गहरी शिक्षा: मशीन सीखने का एक सबसेट जिसमें मशीन स्वयं को प्रशिक्षित कर सकती है

कृत्रिम होशियारी

एआई की सबसे व्यापक संभावित परिभाषा यह है कि यह एक मशीन है जो मानव की तरह सोचती है। यह लॉजिकल फ्लोचार्ट का पालन करने जितना सरल हो सकता है, या यह लगभग मानव कंप्यूटर हो सकता है जो विभिन्न प्रकार के संवेदी इनपुट से सीख सकता है और उस ज्ञान को नई परिस्थितियों में लागू कर सकता है। वह आखिरी हिस्सा महत्वपूर्ण है - मजबूत एआई जो हर कोई कल्पना करता है वह वह है जो सभी प्रकार के सीखा डेटा बिंदुओं को जोड़ सकता है ताकि वह लगभग किसी भी स्थिति को संभालने की क्षमता दे सके।

अभी एआई अभी भी एक संकीर्ण ट्रैक पर है - एलेक्सा एक अद्भुत बटलर है, लेकिन वह ट्यूरिंग टेस्ट पास नहीं कर सकती है। वर्तमान में हमारे पास एआई का सीमित रूप है, लेकिन यह याद रखना अच्छा है कि परिभाषा इतनी व्यापक है कि आखिरकार यह उन कार्यक्रमों को कवर कर सकता है जो डीपमिंड को कैलकुलेटर की तरह दिखते हैं।

मशीन लर्निंग

मशीन सीखने के बिना, मौजूदा एआई अधिकतर लंबी सूचियों के माध्यम से चलने तक ही सीमित होगी "अगर एक्स सच है, तो करें, अन्यथा, ज़ेड करें।" यह नवाचार कंप्यूटर को स्पष्ट रूप से प्रोग्राम किए बिना चीजों को समझने की शक्ति देता है। एक प्रकार की मशीन लर्निंग के उदाहरण के रूप में, मान लें कि आप चाहते हैं कि कोई प्रोग्राम चित्रों में बिल्लियों की पहचान करने में सक्षम हो:

अपनी एआई को बिल्ली विशेषताओं का एक सेट खोजने के लिए दें - व्यक्तिगत रेखाएं, बड़े आकार, रंग पैटर्न इत्यादि।
एआई के माध्यम से कुछ तस्वीरें चलाएं - कुछ या सभी को "बिल्ली" लेबल किया जा सकता है ताकि मशीन अधिक कुशलतापूर्वक प्रासंगिक बिल्ली सुविधाओं को चुन सके।
कार्यक्रम के बाद पर्याप्त बिल्लियों को देखा गया है, यह पता होना चाहिए कि तस्वीर में एक को कैसे ढूंढें - "अगर चित्र फ़ीचर एक्स, वाई, और / या जेड में है, तो इसमें 9 5% बिल्ली होने की संभावना है।"

मशीन लर्निंग ध्वनियों के रूप में जटिल के रूप में, इसे निम्नलिखित में उबाला जा सकता है: "मनुष्य कंप्यूटर को बताते हैं कि क्या देखना है, और कंप्यूटर उन मानदंडों को परिशोधित करते हैं जब तक उनके पास मॉडल न हो।" यह काफी सरल, बेहद उपयोगी है, और यह आपके स्पैम को फ़िल्टर करता है, आपके अगले नेटफ्लिक्स शो की अनुशंसा करता है, और आपकी फेसबुक फ़ीड को बदल देता है। त्वरित हाथ से प्रदर्शन के लिए Google की Teachable मशीन आज़माएं!

ध्यान लगा के पढ़ना या सीखना

2018 तक, यह एआई का अत्याधुनिक है। इसे गहरे "तंत्रिका नेटवर्क" के साथ मशीन सीखने के रूप में सोचें जो कुछ हद तक डेटा को मानव मस्तिष्क के रूप में संसाधित करता है। अपने पूर्ववर्ती से महत्वपूर्ण अंतर यह है कि मनुष्यों को एक गहरी सीखने का कार्यक्रम नहीं सिखाया जाता है जो बिल्लियां दिखती हैं। बस बिल्लियों की पर्याप्त तस्वीरें दें, और यह अपने आप से बाहर निकल जाएगा:

बिल्ली की बहुत सारी तस्वीरों को इनपुट करें।
एल्गोरिदम तस्वीरों का निरीक्षण करेगा कि वे कौन सी विशेषताओं में हैं (संकेत: यह बिल्लियों) है।
प्रत्येक तस्वीर को बड़े, सामान्य आकार से छोटी, छोटी रेखाओं तक, विस्तार के कई स्तरों में विभाजित किया जाएगा। यदि कोई आकार या रेखा स्वयं को दोहराती है, तो एल्गोरिदम इसे एक महत्वपूर्ण विशेषता के रूप में लेबल करेगा।
पर्याप्त चित्रों का विश्लेषण करने के बाद, एल्गोरिदम अब जानता है कि कौन से पैटर्न बिल्लियों के सबसे मजबूत सबूत प्रदान करते हैं, और सभी मनुष्यों को कच्चे डेटा प्रदान करना था।

सारांशित करने के लिए: गहरी शिक्षा मशीन सीखना है जहां मशीन स्वयं को प्रशिक्षित करती है, हालांकि यह बिल्लियों से परे है - तंत्रिका नेटवर्क अब तस्वीर में सब कुछ सटीक रूप से वर्णन करने में सक्षम हैं।

गहरी शिक्षा के लिए मशीन सीखने की तुलना में बहुत अधिक प्रारंभिक डेटा और कंप्यूटिंग पावर की आवश्यकता होती है, लेकिन फेसबुक से अमेज़ॅन तक कंपनियों द्वारा इसे तैनात करना शुरू हो गया है। मशीन सीखने का सबसे कुख्यात अभिव्यक्ति, हालांकि, अल्फागो है, एक कंप्यूटर जिसने अपने आप के खिलाफ गो के खेल खेले, जब तक कि यह कई विश्व चैंपियनों को बार-बार हरा करने के लिए पर्याप्त रूप से सर्वोत्तम कदमों की सटीक भविष्यवाणी नहीं कर सकता।

निष्कर्ष: एआई = अपोकैप्लेटिक इंटेलिजेंस?

हॉलीवुड बहुत बुरे विज्ञान के लिए ज़िम्मेदार है, लेकिन जब एआई की बात आती है, तो सच्चाई और कथाएं संभावित रूप से दूर नहीं हैं। यह अकल्पनीय नहीं है कि एक रोबोट एक अंतरिक्ष स्टेशन (2001: ए स्पेस ओडिसी) पर ले जा सकता है, जिससे आप प्यार (उसके) में पड़ जाते हैं, या एक इंसान (ब्लेड रनर, पूर्व माचिना) की तरह व्यवहार करते हैं।

हालांकि, यह एक बुरा शर्त नहीं बनाता है, हालांकि। एआई मानव प्रगति को इससे पहले कहीं भी तेज कर सकता है। और, हालांकि यह संदिग्ध प्रतीत हो सकता है, वास्तविकता यह है कि यदि जिम्मेदार वैज्ञानिक गलत होने की संभावना के कारण एआई से दूर रहते हैं, तो शायद कम सुरक्षा चिंताओं वाले लोगों द्वारा इसे विकसित किया जाएगा। हमने कंप्यूटर को चेकर्स से गो ले लिया है, और अगले कुछ कदम कुछ रोचक स्थानों पर मानवता ले सकते हैं।