കമ്പ്യൂട്ടറുകൾ ഏറ്റെടുക്കുകയല്ല, മറിച്ച് അവർ ദിവസവും മികച്ച രീതിയിൽ വരുന്നു
ലളിതമായി പറഞ്ഞാൽ, മെഷീൻ ലേണിംഗ് (എംഎൽ) എന്നത് യന്ത്രങ്ങളുടെ പ്രോഗ്രാമാണ് (കമ്പ്യൂട്ടറുകൾ), അതുവഴി മാനുവൽ ഡെവലപ്പർയിൽ നിന്ന് പ്രത്യേക നിർദ്ദിഷ്ട ഇൻപുട്ട് ആവശ്യമില്ലാതെ സ്വതന്ത്രമായ ആ പ്രവർത്തനം നടത്താൻ ഡാറ്റ (വിവരങ്ങൾ) ഉപയോഗിച്ചും വിശകലനം ചെയ്യലും ആവശ്യപ്പെട്ട ചുമതല നിർവഹിക്കാൻ കഴിയും.
മെഷീൻ ലേണിംഗ് 101
"മഷീൻ ലാംഗ്വേജ്" എന്ന വാക്ക് 1959 ൽ ഐ.ബി.എം. ലാബുകളിൽ ആർതർ സാമുവൽ ഉപയോഗിച്ചായിരുന്നു. കൃത്രിമബുദ്ധി (AI), കമ്പ്യൂട്ടർ ഗെയിമിംഗ് എന്നിവയിൽ പയനിയർ. മെഷീൻ പഠനത്തിൻറെ ഫലമായി, കൃത്രിമ ബുദ്ധി പ്രതിഭയുടെ ഒരു ശാഖയാണ്. കമ്പ്യൂട്ടർ കാര്യങ്ങൾ പഠിക്കാൻ നിർത്തുന്ന സമയം നിർത്തിവയ്ക്കേണ്ട സമയമായിരുന്നു കമ്പ്യൂട്ടർ മോഡൽ.
പകരം, കമ്പ്യൂട്ടറുകൾ സ്വന്തമായി കാര്യങ്ങൾ നിർവ്വചിക്കാൻ തുടങ്ങി, മനുഷ്യർക്കുപോലും തക്ക വിവരമില്ല. പിന്നെ, കമ്പ്യൂട്ടറുകൾ പ്രവർത്തിപ്പിക്കാൻ മാത്രമായിരിക്കില്ല എന്നു മാത്രമല്ല, ഏത് ചുമതലകളാണ് നടക്കുവാനും എപ്പോൾ എപ്പോൾ തീരുമാനിക്കുമെന്ന് ആത്യന്തികമായി തീരുമാനിക്കാനും കഴിയുമെന്ന് അദ്ദേഹം കരുതി. എന്തുകൊണ്ട്? അതിനാൽ, ഏതെങ്കിലും കമ്പ്യൂട്ടറിൽ നിർമിക്കാൻ ആവശ്യമായ മനുഷ്യരുടെ അളവ് കുറയ്ക്കാൻ കമ്പ്യൂട്ടറുകൾ കഴിയുന്നു.
എങ്ങനെ മെഷീൻ ലേണിംഗ് വർക്കുകൾ
അൽഗോരിതങ്ങളും ഡാറ്റയും ഉപയോഗിച്ച് മെഷീൻ ലേണിംഗ് പ്രവർത്തിക്കുന്നു. ഒരു കമ്പ്യൂട്ടർ അല്ലെങ്കിൽ ഒരു ചുമതല എങ്ങനെ നിർവഹിക്കണമെന്ന് പ്രോഗ്രാം പറയുന്ന നിർദ്ദേശങ്ങളുടെയോ ഗൈഡ്ലൈനിന്റെയോ ഒരു അൽഗൊരിതം. ML ശേഖരണ ഡാറ്റയിൽ ഉപയോഗിക്കുന്ന അൽഗോരിതങ്ങൾ, പാറ്റേണുകൾ തിരിച്ചറിയുക, ടാസ്ക്കുകൾ പൂർത്തിയാക്കുന്നതിന് സ്വന്തം പ്രോഗ്രാമുകളും ഫംഗ്ഷനുകളും സ്വീകരിക്കാൻ ആ ഡാറ്റയുടെ വിശകലനം ഉപയോഗിക്കുക.
തീരുമാനങ്ങൾ എടുക്കാനും ചുമതലകൾ ചെയ്യാനും പ്രോസസ്സിംഗ് ഡാറ്റ ഓട്ടോമേറ്റ് ചെയ്യാൻ എം എൽ ആൽഗോരിഥം, റൂൾ സെറ്റുകൾ, ഡിഡി മരങ്ങൾ, ഗ്രാഫിക്കൽ മോഡലുകൾ, നാച്വറൽ ലാംഗ്വേജ് പ്രോസസ്സിംഗ്, ന്യൂറൽ നെറ്റ്വർക്കുകൾ (കുറച്ചു പേര്) എന്നിവ ഉപയോഗിക്കുന്നു. ML ഒരു സങ്കീർണ്ണമായ വിഷയമായിരിക്കില്ല, ML ന്റെ Teachable Machine ML എങ്ങനെ പ്രവർത്തിക്കുന്നു എന്നതിന്റെ ലളിതമായ ഒരു പ്രകടനം നൽകുന്നു.
ആധുനിക പഠനത്തിന്റെ ഏറ്റവും ശക്തമായ രൂപം ഇന്ന്, ആഴത്തിലുള്ള പഠനം , ഒരു വലിയ സങ്കീർണ്ണമായ ഗണിതഘടന നിർമ്മിച്ച്, ന്യൂറൽ നെറ്റ്വർക്കിൽ, വിവരങ്ങളുടെ വിശാലമായ അളവ് അടിസ്ഥാനമാക്കിയാണ്. മനുഷ്യ മസ്തിഷ്കത്തിലെ നാഡീകോശങ്ങളും നാഡീവ്യവസ്ഥാ സംസ്ക്കരണ വിവരങ്ങളും അനുസരിച്ച് മോഡലും എൽ.ഇ.യിലും അൽഗോരിതം നിർമ്മിക്കുന്ന നാരായണ ശൃംഖലകളാണ്.
കൃത്രിമ ഇന്റലിജൻസ് തെരയൂ. മെഷീൻ ലേണിംഗ് vs. ഡാറ്റ മൈനിംഗ്
AI, ML, ഡാറ്റാ മൈനിംഗ് എന്നിവ തമ്മിലുള്ള ബന്ധം നന്നായി മനസ്സിലാക്കുന്നതിന്, വ്യത്യസ്ത വലുപ്പമുള്ള കുടകളെ കുറിച്ചേ ചിന്തിക്കുക. ഏറ്റവും വലിയ കുടയാണ് AI. എംഎൽ കുടയുടെ വലുപ്പം ചെറുതാണ്, എ.ഐ.എ. ഡാറ്റ മൈനിംഗ് കുടയാണ് എം എൽ കുടയ്ക്ക് കീഴിലുള്ളത്.
- കമ്പ്യൂട്ടർ ശാസ്ത്രത്തിന്റെ ഒരു ശാഖയാണ് എ.ഐ.ടി.യാണ് മനുഷ്യനെ വിവേചിച്ചതിനുശേഷം രൂപകൽപന ചെയ്യുന്നതും തീരുമാനമെടുക്കുന്നതുമായ സാങ്കേതിക വിദ്യ ഉപയോഗിച്ച് കൂടുതൽ "ബുദ്ധിശക്തി", "മാനുഷിക-ഇതര" മാർഗ്ഗങ്ങൾക്കായി കമ്പ്യൂട്ടറുകൾ പ്രോഗ്രാം ചെയ്യാൻ ലക്ഷ്യമിടുന്നു.
- വിവരസാങ്കേതികവിദ്യ ഉപയോഗിച്ച് അറിവ് നേടാനുള്ള ഒരു പ്രോഗ്രാമാണ് എംഎൽ. പ്രോഗ്രാമിങ് മെഷീനുകൾ (കമ്പ്യൂട്ടറുകൾ) പഠിക്കാൻ (ആവശ്യമായ ഡാറ്റ അല്ലെങ്കിൽ ഉദാഹരണങ്ങൾ ശേഖരിക്കുക) കൂടുതൽ ഓട്ടോമേറ്റഡ് രീതിയിൽ ഇൻറർനെറ്റിലൂടെ തീരുമാനമെടുക്കുക.
- ഡാറ്റ മൈനിംഗ് സ്ഥിതിവിവരക്കണക്കുകൾ, എം.എൽ., എ.ഇ., പാറ്റേൺ കണ്ടെത്താൻ വിവരങ്ങൾ, ഇൻസൈറ്റുകൾ, വർഗ്ഗീകരണം, പ്രശ്നങ്ങൾ തിരിച്ചറിയുക, വിശദമായ ഡാറ്റാ അനലിറ്റിക്സ് എന്നിവ നൽകുന്നതിനുള്ള വിവരങ്ങളുടെ വലിയ ഡാറ്റാബേസുകൾ ഉപയോഗിക്കുന്നു.
ഏത് മെഷീൻ ലേണിംഗ് ചെയ്യാൻ കഴിയും (ഇതിനകം തന്നെ)
ഒരു സെക്കന്റിലെ ഭിന്നസംഖ്യകളുടെ വിശാലമായ അളവുകൾ വിശകലനം ചെയ്യുന്നതിനുള്ള കമ്പ്യൂട്ടറുകളുടെ ശേഷി, സമയവും കൃത്യതയും അത്യന്താപേക്ഷിതമാക്കുന്ന നിരവധി വ്യവസായങ്ങളിൽ ML യൂസ് ഉപയോഗപ്പെടുത്തുന്നു.
- ഔഷധ പഠനം: എംഎൽ ടെക്നോളജി മെഡിക്കൽ മേഖലയ്ക്കായുള്ള പരിഹാരങ്ങളിൽ നടപ്പിലാക്കുന്നു. അസാധാരണമായ ലക്ഷണങ്ങൾ ഉള്ള രോഗികളെ വേഗത്തിൽ രോഗനിർണ്ണയത്തോടെ അടിയന്തിര വകുപ്പ് ഡോക്ടർമാർ സഹായിക്കുന്നു. രോഗികൾക്ക് രോഗിയുടെ ലക്ഷണങ്ങളിൽ പ്രോഗ്രാമിൽ ഉൾപ്പെടുത്താനും, എം എൽ ഉപയോഗിക്കുന്നതുവഴി, സാഹിത്യത്തിൽ നിന്നും ഇന്റർനെറ്റിൽ നിന്നും ട്രില്യൈൻസ് ടെറാബൈറ്റ് വിവരങ്ങളെ ഇന്റർനെറ്റ് ഉപയോഗപ്പെടുത്താൻ കഴിയും, റെക്കോർഡ് സമയങ്ങളിൽ സാധ്യതയുള്ള രോഗനിർണ്ണയങ്ങളും ശുപാർശ ചെയ്യുന്ന പരിശോധനയും ചികിത്സയും ഒരു പട്ടികയിലേക്ക് തിരികെ കൊണ്ടുവരുന്നു.
- വിദ്യഭ്യാസം: വിർച്ച്വൽ ലേണിംഗ് അസിസ്റ്റന്റ്സ്, കൂടുതൽ ഇൻററാക്റ്റീവ് ആയ ഇലക്ട്രോണിക് പാഠപുസ്തകങ്ങൾ തുടങ്ങിയ വിദ്യാർത്ഥികളുടെ പഠന ആവശ്യകതകൾക്ക് സ്വയം നൽകുന്ന വിദ്യാഭ്യാസ ഉപകരണങ്ങൾ സൃഷ്ടിക്കാൻ ML ഉപയോഗിക്കുന്നു. ഈ ഉപകരണങ്ങൾ ലളിതമായ ക്വിസുകളും പ്രാക്ടീസ് വ്യായാമകളും ഉപയോഗിച്ച് വിദ്യാർത്ഥികൾ മനസ്സിലാക്കുന്ന ആശയങ്ങളും കഴിവുകളും കണ്ടെത്താൻ ML ഉപയോഗിക്കുന്നു. ഉപകരണങ്ങൾ പിന്നീട് ആവശ്യമായ കഴിവുകളും ആശയങ്ങളും പഠിക്കാൻ സഹായിക്കുന്നതിന് ഹ്രസ്വ വീഡിയോകൾ, അധിക ഉദാഹരണങ്ങൾ, പശ്ചാത്തല വിവരങ്ങൾ എന്നിവ നൽകുന്നു.
- ഓട്ടോമോട്ടീവ്: സ്വയം-ഡ്രൈവിംഗ് കാറുകളുടെ ഉൽപാദന മേഖലയിൽ (ഡ്രൈവർ കുറവ് കാറുകൾ അല്ലെങ്കിൽ സ്വയംഭരണ കാറുകൾ എന്നും അറിയപ്പെടുന്നു) ഒരു പ്രധാന ഘടകം ML ആണ്. സ്വയം-ഡ്രൈവിംഗ് കാറുകൾ പ്രവർത്തിപ്പിക്കുന്ന സോഫ്റ്റ്വെയർ റോഡിലെ അവസ്ഥകളെ (ഉദാഹരണം റോഡുകൾ പോലെയുള്ളവ) കണ്ടെത്താൻ റിയൽ-ലൈഫ് റോഡ് ടെസ്റ്റുകളും സിമുലേഷനുകളും ഉപയോഗിക്കുമ്പോൾ അല്ലെങ്കിൽ റോഡ്വേയിലെ തടസ്സങ്ങളെ തിരിച്ചറിയുകയും അത്തരം സാഹചര്യങ്ങൾ സുരക്ഷിതമായി നാവിഗേറ്റുചെയ്യുന്നതിന് ഉചിതമായ ഡ്രൈവിംഗ് ജോലികൾ മനസിലാക്കുകയും ചെയ്യുന്നു.
നിങ്ങൾക്കറിയാം നിങ്ങൾ ഇതിനകം ML തവണ പല തവണ നേരിടേണ്ടി വന്നിട്ടുണ്ട്. പ്രായോഗിക സംഭാഷണ തിരിച്ചറിയൽ ( സാംസങിന്റെ Bixby , ആപ്പിളിന്റെ സിരി , PC- കളിൽ ഇപ്പോൾ സ്റ്റാൻഡേർഡ് സ്മാർട്ട് പ്രോഗ്രാമുകൾ), നിങ്ങളുടെ ഇമെയിലിനായി സ്പാം ഫിൽട്ടർ ചെയ്യൽ, വാർത്താ ഫീഡുകൾ നിർമ്മിക്കൽ, വഞ്ചന കണ്ടെത്തൽ, വ്യക്തിഗതമാക്കിയത് ഷോപ്പിംഗ് ശുപാർശകൾ, കൂടുതൽ ഫലപ്രദമായ വെബ് തിരയൽ ഫലങ്ങൾ നൽകുന്നു.
നിങ്ങളുടെ ഫേസ്ബുക്ക് ഫീഡില് എംഎല് പങ്കുചേരുന്നു. നിങ്ങൾ ഒരു സുഹൃത്തിന്റെ പോസ്റ്റുകൾ പതിവായി ഇഷ്ടപ്പെടുകയോ അല്ലെങ്കിൽ ക്ലിക്കുചെയ്യുമ്പോഴോ, നിങ്ങളുടെ സുഹൃത്തുക്കളിൽ നിന്നും പേജുകൾ മുൻഗണന നൽകുന്നതിന് കാലികപ്രകാരമുള്ള നിങ്ങളുടെ പ്രവർത്തനങ്ങളിൽ നിന്ന് "പഠിക്കാനായി" അൽഗോരിതങ്ങളും എംഎൽസും "പഠിക്കുന്നു.
ഏത് മെഷീൻ ലേണിംഗ് ചെയ്യാൻ കഴിയും
എന്നിരുന്നാലും എംഎൽ ചെയ്യാൻ കഴിയുന്ന പരിമിതികൾ ഉണ്ട്. ഉദാഹരണത്തിന്, വ്യത്യസ്ത വ്യവസായങ്ങളിൽ എംഎൽ സാങ്കേതികവിദ്യ ഉപയോഗിക്കുന്നത് ആ വ്യവസായത്തിനാവശ്യമായ ചുമതലകൾക്കായി ഒരു പ്രോഗ്രാമോ അല്ലെങ്കിൽ സിസ്റ്റമോ പ്രത്യേകമായി മനുഷ്യർ വികസിപ്പിച്ചെടുക്കുന്നതിൽ നിർണായക പങ്കു വഹിക്കുന്നു. ഉദാഹരണത്തിന്, നമ്മുടെ മെഡിക്കൽ മാതൃകയിൽ, അടിയന്തര വകുപ്പിൽ ഉപയോഗിക്കുന്ന ML പ്രോഗ്രാം, മനുഷ്യ മരുന്നുകൾക്കായി പ്രത്യേകമായി വികസിപ്പിച്ചെടുത്തിട്ടുണ്ട്. കൃത്യമായ പരിപാടി എടുത്ത് ഒരു വെറ്റിനറി എമർജൻസി സെന്ററിൽ നേരിട്ട് നടപ്പാക്കാൻ നിലവിൽ സാധ്യമല്ല. അത്തരമൊരു പരിവർത്തനത്തിന് മാനുഷിക പരിപാടികൾ വിപുലമായ സ്പെഷലൈസേഷനും വികസനവും ആവശ്യമാണ്. വെറ്റിനറി അഥവാ മൃഗവൈദഗ്ധ്യത്തിനുവേണ്ടി ഈ കർത്തവ്യ നിർവ്വഹിക്കാൻ കഴിയുന്ന ഒരു പതിപ്പ് സൃഷ്ടിക്കാൻ അത് ആവശ്യമാണ്.
തീരുമാനങ്ങൾ എടുക്കാനും ചുമതലകൾ ചെയ്യാനുമുള്ള വിവരങ്ങൾ "അറിയുക" എന്നതിലേക്ക് അവിശ്വസനീയമായ അളവിൽ ഡാറ്റയും ഉദാഹരണങ്ങളും ആവശ്യമാണ്. ML പ്രോഗ്രാമുകൾ വിവരങ്ങളുടെ വ്യാഖ്യാനത്തിലും പ്രതീകാത്മകതയുടേയും സമരത്തിലും വിവരങ്ങളുടെ ഫലങ്ങളിൽ ചില തരത്തിലുള്ള ബന്ധങ്ങളേയും കുറിച്ചുള്ള വ്യാഖ്യാനങ്ങളും ഫലങ്ങളും പോലുള്ള കാര്യങ്ങളാണ്.
എന്നിരുന്നാലും തുടർന്നുള്ള പുരോഗതികൾ, എല്ലായ്പ്പോഴും മികച്ച കമ്പ്യൂട്ടറുകൾ സൃഷ്ടിക്കുന്ന ഒരു കോർ ടെക്നോളജി കൈകാര്യം ചെയ്യുന്നതിനാണ്.