डीप लर्निंग: यह क्या है और यह मशीन लर्निंग से कैसे संबंधित है?

हमारे द्वारा किए गए कुछ लेखों को जारी रखते हुए, यहां हम बात करेंगे कि डीप लर्निंग क्या है और मशीन लर्निंग के साथ इसका क्या संबंध है। जिस समाज में हम रहते हैं, उसमें दोनों पद महत्वपूर्ण हैं और यह जानना मददगार होगा कि हमें क्या करना है।

सूचकांक को शामिल करता है

डीप लर्निंग क्या है?

डीप लर्निंग , तकनीकों का एक सबसेट है, जो 2000 के दशक के आसपास मशीन लर्निंग के परिणामस्वरूप पैदा हुए थे। इस कारण से, हमें इसे कंप्यूटर विज्ञान के एक हिस्से के रूप में वर्गीकृत करना चाहिए।

ये प्रणाली अपने बड़े भाई-बहनों की तुलना में अधिक स्वायत्त हैं , हालांकि उनकी संरचना भी काफी जटिल है। यह विभिन्न प्रकार के कार्यों को करते समय उन्हें स्पष्ट लाभ देता है जहां वे मशीन लर्निंग एल्गोरिदम के साथ अन्य प्रणालियों की तुलना में समान या बेहतर कार्य करते हैं ।

इसके अलावा, अन्य कार्य भी हैं जहाँ डीप लर्निंग अपने पूर्ववर्ती से अधिक है। सबसे कुख्यात मामलों में से एक अल्फा- स्टाइल आर्टिफिशियल इंटेलिजेंस है , गूगल का इंटेलिजेंस गो के विश्व चैंपियन को हराने में सक्षम है।

हो सकता है कि यह आपको थोड़ा सा चाइनीज लगे, लेकिन गो एक बहुत प्रसिद्ध खेल है, और, बहुत मांग वाला भी। इसे संदर्भ में रखने के लिए, गणितज्ञ सशक्त रूप से दावा करते हैं कि यह शौक शतरंज की तुलना में काफी अधिक जटिल है।

दूसरी ओर, डीप लर्निंग बिग डेटा से निकटता से जुड़ा हुआ है , क्योंकि इन महान स्रोतों की जानकारी को सीखने और अनुभव को समेकित करने के लिए उपयोग किया जा सकता है। इसके अलावा, हम जिस स्थिति में हैं, उसके लिए धन्यवाद, इस तकनीक के प्रसार और विकास के लिए पर्यावरण तीन प्रमुख बिंदुओं के लिए एकदम सही है :

1. डेटा का महान संचय, आज हमारे पास मौजूद उपकरणों के साथ, डेटा लगभग किसी से भी प्राप्त और संग्रहीत किया जा सकता है। प्रौद्योगिकी की डिग्री हम में हैं, क्योंकि घटक सामूहिक रूप से काफी शक्ति प्रदान करने के लिए अच्छे हैं। कंपनियों की अपनी कार्यप्रणाली में सुधार करने की इच्छा, पिछले दो बिंदुओं का लाभ उठाते हुए, अधिक से अधिक कंपनियां आर्टिफिशियल इंटेलिजेंस पर दांव लगा रही हैं। यदि आपकी कंपनी ने हजारों ग्राहकों से डेटा संग्रहीत किया है और प्रौद्योगिकी आपको उनसे सीखने और इसका उपयोग करने का अवसर देती है, तो यह एक सुरक्षित शर्त है।

डीप लर्निंग की संरचना

मशीन लर्निंग के समान एक विकास होने के बावजूद, एल्गोरिदम के इस सेट में कुछ परमाणु अंतर हैं। सबसे महत्वपूर्ण शायद इसकी आंतरिक संरचना है, अर्थात, कोड जो इसके एल्गोरिथ्म को बनाता है।

डीप लर्निंग के बारे में सामान्य विचार

जैसा कि आप छवि में देख सकते हैं, डीप लर्निंग तंत्रिका नेटवर्क से निकटता से संबंधित है। यह अवधारणा नई नहीं है, लेकिन यह लंबे समय से हमारे साथ नहीं है, इसलिए आप इसे नहीं जानते होंगे।

इसे सरल बनाने के लिए, हम एक तंत्रिका नेटवर्क को एल्गोरिदम के एक सेट (प्रत्येक को एक परत) के रूप में परिभाषित कर सकते हैं जो जानकारी का इलाज और संचारित करता है। प्रत्येक परत इनपुट मान प्राप्त करती है और आउटपुट वाले रिटर्न देती है, और जैसा कि यह पूरे नेटवर्क से गुजरता है, एक अंतिम परिणामी मान लौटाया जाता है। यह सब, क्रमिक रूप से होता है, आम तौर पर, जहां प्रत्येक परत का एक अलग वजन होता है, जो वांछित परिणाम पर निर्भर करता है।

सुपर मारियो वर्ल्ड खेलने के लिए आर्टिफिशियल इंटेलिजेंस सीखने के बारे में यहां हम आपको एक छोटा वीडियो (अंग्रेजी में) दिखाते हैं :

और आप सोच रहे होंगे, "यह सब तरीका इतना जटिल क्यों है?" । निश्चित रूप से डीप लर्निंग अभी भी उसी चीज से संबंधित है जिसे हम कमजोर आर्टिफिशियल इंटेलिजेंस कहते हैं , लेकिन यह संभवतः मजबूत की ओर पहला कदम है।

यह कार्यप्रणाली शिथिल रूप से प्रेरित होती है कि मस्तिष्क कैसे कार्य करता है। जैसा कि हम "भौतिक दुनिया" में देखते हैं, सिस्टम परतें बनाते हैं और प्रत्येक परत एक न्यूरॉन के समान तरीके से काम करती है । इस तरह, परतें एक-दूसरे से संबंधित हैं, जानकारी साझा करती हैं और सबसे महत्वपूर्ण बात यह है कि सब कुछ स्वायत्त रूप से किया जाता है।

डीप लर्निंग कैसे काम करती है, इसकी बहुत सरल योजना

इस नियम का पालन करते हुए, सबसे पूर्ण इंटेलिजेंस सामान्य रूप से होते हैं, जिनमें अधिक परतें और अधिक परिष्कृत एल्गोरिदम होते हैं।

इस एल्गोरिथ्म के साथ आर्टिफिशियल इंटेलिजेंस कैसे काम करता है?

यदि आपने इस विषय पर हमारे पिछले लेखों को देखा है, तो आपने पहले ही इस जिफ को देखा होगा। यहां आप आर्टिफिशियल इंटेलिजेंस पर हमारा लेख देख सकते हैं और यहां आप मशीन लर्निंग के बारे में थोड़ा पढ़ सकते हैं।

लेकिन हम आपको आखिरी बार दिखाएंगे।

यह छवि अच्छी तरह से और बहुत सरलता से दर्शाती है कि तंत्रिका नेटवर्क का उपयोग करने वाला इंटेलिजेंस कैसे काम करेगा। जैसा कि आप देख सकते हैं, उसकी नौकरी सरल है: चित्रों को वर्गीकृत करें और विभिन्न तस्वीरों में कुत्तों का पता लगाना सीखें जो उसके पास हैं।

प्रत्येक छवि इनपुट फ़ीड में प्रवेश करके शुरू होती है, अर्थात, इनपुट लेयर जहां पहले गणना पहले से शुरू होगी। प्राप्त परिणामों को दूसरी परत या न्यूरॉन से साझा किया जाएगा और, जाहिर है, यह सूचित किया जाता है कि किस न्यूरॉन ने यह गणना की है। इस प्रक्रिया को कई बार दोहराया जाता है क्योंकि हमारे सिस्टम में परतें होती हैं जब तक कि हम आखिरी तक नहीं पहुंच जाते।

अंतिम न्यूरॉन को आउटपुट लेयर के रूप में नामित किया गया है और वह है जो इस उदाहरण में, परिणाम दिखाता है। अन्य मामलों में, आउटपुट लेयर गणना की गई क्रिया को पूरा करता है। इसके अलावा, यदि हम सूत्र को यथासंभव तेज़ करने के लिए रखते हैं (जैसे वीडियो गेम में) , तो परिणाम लगभग तात्कालिक होना चाहिए। हालांकि, हम जिस तकनीकी बिंदु पर हैं, उसके लिए धन्यवाद, यह पहले से ही संभव है।

इसका सबसे स्पष्ट उदाहरण अल्फास्टार आर्टिफिशियल इंटेलिजेंस है, जो Google की ही एक और रचना है।

Google Deepmind Artificial Intelligence

हमने आपको AlphaGo के बारे में बताया है, जो दुनिया के सर्वश्रेष्ठ गो खिलाड़ियों के खिलाफ लड़ने में सक्षम एक AI है। हालांकि, इस छोटे भाई-बहन में कुछ शानदार मील के पत्थर हासिल करने में सक्षम हैं ।

AlphaZero

इस इंटेलिजेंस ने केवल 24 घंटों में शतरंज, शूजी का एक अलौकिक स्तर सीखा और उसके साथ कई प्रसिद्ध खिलाड़ी जीते । इसके अलावा, पराजित विरोधियों की सूची में उन्होंने 3 दिनों के अनुभव के अल्फ़ागो ज़ीरो संस्करण की ओर भी इशारा किया , जो वास्तव में अविश्वसनीय है। यहां इस आर्टिफिशियल इंटेलिजेंस के सीखने की गति सामने आती है ।

सबसे अधिक प्रभावशाली, टीम के पास सीखने की किताबें या डेटाबेस तक पहुंच नहीं थी, इसलिए अभ्यास के साथ उनकी सभी रणनीति सीखी गई थी।

अपने अन्य मुकाबलों में, उन्होंने स्टॉकफिश का सामना किया , जो एक अनुभवी स्वचालित ओपन सोर्स प्रोग्राम है जो शतरंज खेलता है। हालाँकि, केवल चार घंटों में यह अल्फ़ाज़ेरो का प्रभुत्व था ।

यह ध्यान दिया जाना चाहिए कि जबकि यह पहली बार शतरंज में लगभग 70 मिलियन आंदोलनों, अल्फ़ाज़ेरो की गणना करता है, केवल 80 हजार विभिन्न निकासों को ध्यान में रखता है। भविष्यवाणियों में अंतर होनहार नाटकों क्या होगा के बेहतर निर्णय द्वारा ऑफसेट किया गया था।

इस तरह बल के प्रदर्शन के साथ हम नए आर्टिफिशियल इंटेलिजेंस की शक्ति को देख सकते हैं ।

AlphaStar

दूसरी ओर, अल्फास्टार एक एआई है जो आज, आरटीएस स्टारक्राफ्ट II (स्पेनिश में रियल टाइम स्ट्रेटेजी) खेलने में सक्षम है ।

अपने डेमो के समय, अल्फास्टार ने कई पेशेवर खिलाड़ियों को बीच में दस मैचों में जीत दिलाई और केवल आखिरी मैच हार गए।

शतरंज या जाने के विपरीत, Starcraft II एक वास्तविक समय का मैचअप है, इसलिए हर सेकंड आपको चीजें करनी होंगी। इसके कारण, हम देख सकते हैं कि वर्तमान तकनीक गणना और निर्णय की इन उन्मत्त लय को बनाए रखने में सक्षम है ।

इंटेलिजेंस की तैयारी के लिए, लाइव टेस्ट की तारीखों के लिए उनके पास लगभग 200 वर्षों का अनुभव प्रशिक्षण केवल प्रोटोज (उपलब्ध रेस में से एक) के साथ था । यह भी प्रशिक्षित किया गया था कि यह केवल कार्रवाई कर सकता है अगर यह इकाई पर शारीरिक रूप से कैमरा था, इस प्रकार एक व्यक्ति को कैसे खेलेंगे और अधिक आत्मसात।

हालांकि, इन बाधाओं के बावजूद, अल्फास्टार ने खेल के प्रतिस्पर्धी पक्ष पर एक परित्यक्त रणनीति का उपयोग करते हुए अपने अधिकांश मुकाबलों को हरा दिया। ध्यान देने वाली एक बात यह है कि अल्फास्टार आमतौर पर एपीएम (क्रिया प्रति मिनट) को कम रखता है, इसलिए इसके निर्णय बहुत कुशल होते हैं।

एअर इंडिया द्वारा और एक पेशेवर खिलाड़ी द्वारा प्रति मिनट औसत क्रियाएं

हालांकि, जब स्थिति इसके लिए बुलाती है, तो वह आसानी से काउंटर को तोड़कर इकाइयों के अलौकिक नियंत्रण का प्रदर्शन करता है ।

यहां आप उनके एक डेमो को पूरा देख सकते हैं:

आर्टिफिशियल इंटेलिजेंस का भविष्य

हमने पहले ही इस विषय पर बात की है, इसलिए हम एक ही बात को बहुत अधिक नहीं दोहराएंगे। दीप लर्निंग का इंतजार करने वाले संभावित वायदे पर प्रकाश डाला जाना चाहिए ।

आर्टिफिशियल इंटेलिजेंस के जाने-माने विशेषज्ञ एंड्रयू यान-टेक एनजी के अनुसार , डीप लर्निंग भविष्य की इंटेलिजेंस की दिशा में एक अच्छा कदम है। अन्य शिक्षण विधियों के विपरीत, यह एक बहुत अधिक कुशल है क्योंकि हम डेटा नमूना बढ़ाते हैं।

हम आपको BABAHU X1 के बारे में बता रहे हैं: AI टूथब्रश अब उपलब्ध है

अगली स्लाइड उनकी प्रस्तुति "डीप लर्निंग के बारे में वैज्ञानिकों को क्या जानकारी होनी चाहिए । " यदि आप रुचि रखते हैं, तो आप इसे इस लिंक पर देख सकते हैं।

व्यर्थ नहीं, प्रौद्योगिकी का विकास नहीं रुका है। हर साल हमारे पास अधिक शक्तिशाली घटक होंगे, इसलिए हमारे पास परीक्षण करने के लिए अधिक से अधिक आँगन होंगे। जैसा कि पुराने AI और मशीन लर्निंग के साथ हुआ था , नए एल्गोरिदम, कार्यप्रणालियाँ और प्रणालियाँ आज के इनोवेटिव डीप लर्निंग को प्रदर्शित और प्रतिस्थापित करेंगी ।

इसके अलावा, जैसा कि आप कल्पना कर सकते हैं, भविष्य अर्ध-बुद्धिमान मशीनों द्वारा निपटा जाता है ।

जैसा कि हमने अन्य लेखों में बताया है, अधिकांश इलेक्ट्रॉनिक उपकरणों में (कुछ पहले से ही शामिल हैं) समर्थन खुफिया । एक बहुत ही उल्लेखनीय मामला इंटेलिजेंस का है जो बेहतर गुणवत्ता वाली तस्वीरें लेने में मदद करता है।

हालाँकि, एक बिंदु जहां यह तकनीक अधिकांश उपयोगकर्ताओं के लिए पनप सकती है वह है IoT (स्पैनिश में इंटरनेट ऑफ थिंग्स)।

इंटरनेट ऑफ थिंग्स

इस शब्द का प्रौद्योगिकी और कंप्यूटिंग के सम्मेलनों में अधिक से अधिक वजन है और अब खुद को समेकित करने का प्रयास करता है।

यह विचार है कि घरेलू उपकरण, विद्युत उपकरण और अन्य पहचान योग्य वस्तुएं हैं, वे एक दूसरे के साथ संवाद कर सकते हैं और इसके अलावा, एक उपकरण के साथ नियंत्रित किया जा सकता है। इस तरह हमारे पास इस बात की गिनती हो सकती है कि एक जगह पर कौन सी वस्तुएं मौजूद हैं, वे कहां हैं, उनके साथ बातचीत करते हैं और यह सब मोबाइल से करते हैं। इसी तरह, ऑब्जेक्ट भी एक दूसरे के साथ बातचीत कर सकते हैं और उदाहरण के लिए यदि कोई भोजन समाप्त हो जाता है, तो शायद जब आप इसे खोलते हैं तो रेफ्रिजरेटर आपको बता सकेगा।

दूसरी ओर, आर्टिफिशियल इंटेलिजेंस को घरेलू उपकरणों की स्थिति और प्रदर्शन की निगरानी करने में सक्षम होना चाहिए । इसके साथ, आप एक बिजली योजना स्थापित कर सकते हैं और उपयोग की जाने वाली ऊर्जा का अनुकूलन कर सकते हैं।

हालाँकि, एक प्रासंगिक बिंदु जो हमारे लिए बेहतर है वह इंटरनेट सुरक्षा होगा। यह कुछ ऐसा है जो अभी भी बहुत उत्पीड़न नहीं लगता है, लेकिन हम सभी जानते हैं कि यदि हम चाहते हैं कि यह एक सुरक्षित सेवा हो तो यह आवश्यक होगा ।

यह कुछ हद तक अमूर्त विचार है, लेकिन जैसा कि यह हमारे जीवन पर आक्रमण करता है, आप परिचित हो जाएंगे।

नई तकनीकों और डीप लर्निंग का महत्व

यह सोचना असंगत है कि कंप्यूटिंग और आर्टिफिशियल इंटेलिजेंस भविष्य का बहुत कुछ आकार देने वाले हैं जो हमारा इंतजार करते हैं। इसलिए, बिट्स द्वारा शासित दुनिया में क्या हो रहा है, इसके बारे में हमेशा आधा जागरूक रहना महत्वपूर्ण है।

उस भावना को ध्यान में रखते हुए, हम पहले से ही देख सकते हैं कि कैसे विभिन्न डिग्री, पाठ्यक्रम और डिग्री दिखाई देते हैं जो इन विषयों को गहराई से सिखाते हैं। उदाहरण के लिए, कुछ डेटा इंजीनियरिंग प्रकट हुए हैं, बिग डेटा पर अन्य डिग्री और, स्पष्ट रूप से, डीप लर्निंग और आर्टिफिशियल इंटेलिजेंस में पाठ्यक्रम।

उसी कारण से, हम आपसे इस विषय की जांच करने का आग्रह करते हैं। इंटरनेट , इसके प्लसस और मिन्यूज़ के साथ, अभी तक स्वायत्त नहीं है, न ही पूर्ण, और न ही वास्तव में सुरक्षित है, लेकिन यह ज्ञान का लगभग असीमित स्रोत है। किसी भी भाग्य के साथ, आपको सीखने के लिए एक जगह मिलेगी और आप एक नई भाषा, या बल्कि, एक नई दुनिया को अपना सकते हैं।

चूंकि मशीन लर्निंग थोड़ा हल्का अनुशासन है , ऐसे प्रोग्राम हैं जो आपको डेटा के साथ थोड़ा गड़बड़ करने की अनुमति देते हैं। यदि आप इस विषय के बारे में थोड़ा और अधिक जानने और इस तकनीक की सीमाओं के बारे में जानने में रुचि रखते हैं, तो आप आईबीएम वाटसन डेवलपर क्लाउड या अमेज़ॅन मशीन लर्निंग पर जा सकते हैं। हम आपको चेतावनी देते हैं: आपको एक खाता बनाना होगा और यह सीखने का एक आसान तरीका नहीं होगा, लेकिन शायद एक दिन यह आपको महान लक्ष्य हासिल करने में मदद करेगा।

यहां से परे विचारों की दुनिया है, इसलिए सब कुछ आपके हाथों में है। और आप के लिए, आप आर्टिफिशियल इंटेलिजेंस से संबंधित नई तकनीकों के बारे में क्या सोचते हैं? आप क्या अन्य डीप लर्निंग एप्लीकेशन जानते हैं या देखना चाहते हैं? नीचे दिए गए बॉक्स में अपने विचारों को साझा करें।

स्रोत व्यवसाय ब्लॉग थिंक बिगएक्सकैटमेकिन लर्निंग मास्टरी