कंप्यूटर नहीं ले रहे हैं लेकिन वे हर दिन समझदार हो रहे हैं
सबसे सरल शब्दों में, मशीन लर्निंग (एमएल) मशीनों (कंप्यूटर) का प्रोग्रामिंग है ताकि यह मानव कार्यकर्ता से अतिरिक्त विशिष्ट इनपुट के बिना स्वतंत्र रूप से उस कार्य को निष्पादित करने के लिए डेटा (जानकारी) का उपयोग करके और विश्लेषण करके अनुरोध किया गया कार्य कर सके।
मशीन लर्निंग 101
"मशीन लर्निंग" शब्द 1 9 5 9 में आईबीएम प्रयोगशालाओं में कृत्रिम बुद्धि (एआई) और कंप्यूटर गेमिंग में अग्रणी आर्थर सैमुअल द्वारा बनाया गया था। परिणामस्वरूप मशीन सीखना, आर्टिफिशियल इंटेलिजेंस की एक शाखा है। सैमुअल का आधार ऊपर के समय के कंप्यूटिंग मॉडल को फ्लिप करना था और कंप्यूटर चीजों को सीखना बंद करना था।
इसके बजाए, वह चाहते थे कि कंप्यूटर अपने आप को चीजों को समझना शुरू कर दें, इंसानों को सूचना के सबसे छोटे टुकड़े को इनपुट करने के बिना। फिर, उसने सोचा, कंप्यूटर केवल कार्य नहीं करेगा बल्कि आखिरकार यह तय कर सकता है कि कौन से कार्यों को निष्पादित करना है और कब। क्यूं कर? ताकि कंप्यूटर किसी दिए गए क्षेत्र में प्रदर्शन करने के लिए आवश्यक मनुष्यों की मात्रा को कम कर सके।
कैसे मशीन लर्निंग काम करता है
मशीन सीखने एल्गोरिदम और डेटा के उपयोग के माध्यम से काम करता है। एक एल्गोरिदम निर्देशों या दिशानिर्देशों का एक सेट है जो एक कंप्यूटर या प्रोग्राम को बताता है कि कार्य कैसे करें। एमएल में प्रयुक्त एल्गोरिदम डेटा इकट्ठा करते हैं, पैटर्न पहचानते हैं, और कार्यों को पूरा करने के लिए अपने स्वयं के कार्यक्रमों और कार्यों को अनुकूलित करने के लिए उस डेटा के विश्लेषण का उपयोग करते हैं।
एमएल एल्गोरिदम निर्णय लेने और कार्यों को करने के लिए प्रसंस्करण डेटा स्वचालित करने के लिए नियम सेट, निर्णय पेड़, ग्राफिकल मॉडल, प्राकृतिक भाषा प्रसंस्करण, और तंत्रिका नेटवर्क (कुछ नाम देने के लिए) का उपयोग करते हैं। जबकि एमएल एक जटिल विषय हो सकता है, Google की टीचबल मशीन एमएल कैसे काम करती है इसका प्रदर्शन सरल सरलीकृत करती है।
मशीन सीखने का सबसे शक्तिशाली रूप आज इस्तेमाल किया जा रहा है, जिसे गहरी शिक्षा कहा जाता है, विशाल मात्रा में डेटा के आधार पर एक तंत्रिका नेटवर्क नामक एक जटिल गणितीय संरचना बनाता है। तंत्रिका नेटवर्क एमएल और एआई में एल्गोरिदम के सेट होते हैं जो मानव मस्तिष्क और तंत्रिका तंत्र प्रक्रिया की जानकारी में तंत्रिका कोशिकाओं के तरीके के बाद मॉडलिंग होते हैं।
आर्टिफिशियल इंटेलिजेंस बनाम मशीन लर्निंग बनाम डाटा माइनिंग
एआई, एमएल, और डेटा खनन के बीच संबंधों को सर्वोत्तम रूप से समझने के लिए, विभिन्न आकार के छतरियों के सेट के बारे में सोचना उपयोगी होता है। एआई सबसे बड़ी छाता है। एमएल छतरी एक आकार छोटा है और एआई छाता के नीचे फिट बैठता है। डेटा खनन छतरी सबसे छोटी है और एमएल छाता के नीचे फिट बैठती है।
- एआई कंप्यूटर विज्ञान की एक शाखा है जिसका उद्देश्य मानव बुद्धि के बाद मॉडलिंग के तर्क और निर्णय लेने वाली तकनीकों का उपयोग करके कंप्यूटर को अधिक "बुद्धिमान" और "मानव-जैसे" तरीकों से कार्य करने के लिए प्रोग्राम करना है।
- एमएल एआई के भीतर कंप्यूटिंग की एक श्रेणी है जो प्रोग्रामिंग मशीनों (कंप्यूटर) पर केंद्रित है (आवश्यक डेटा या उदाहरण इकट्ठा) ताकि डेटा संचालित, बुद्धिमान निर्णय अधिक स्वचालित तरीके से कर सकें।
- डेटा खनन आंकड़ों, एमएल, एआई, और पैटर्न खोजने के लिए सूचनाओं के विशाल डेटाबेस का उपयोग करता है, अंतर्दृष्टि प्रदान करता है, वर्गीकरण बनाता है, समस्याओं की पहचान करता है, और विस्तृत डेटा विश्लेषण प्रदान करता है।
मशीन लर्निंग क्या कर सकती है (और पहले से ही करता है)
कंप्यूटर की क्षमता एक दूसरे के अंशों में बड़ी मात्रा में जानकारी का विश्लेषण करने की क्षमता एमएल को कई उद्योगों में उपयोगी बनाती है जहां समय और सटीकता आवश्यक होती है।
- चिकित्सा: चिकित्सा क्षेत्र के लिए कई प्रकार के समाधानों में एमएल प्रौद्योगिकी लागू की जा रही है, जिसमें असामान्य लक्षण वाले रोगियों के तेजी से निदान के साथ आपातकालीन विभाग के चिकित्सकों की सहायता करना शामिल है। चिकित्सक कार्यक्रम में रोगी के लक्षणों की एक सूची इनपुट कर सकते हैं और एमएल का उपयोग कर, कार्यक्रम चिकित्सा साहित्य और इंटरनेट से जानकारी के टेराबाइट्स को संभावित निदान की सूची लौटने और रिकॉर्ड समय में परीक्षण या उपचार की सिफारिश करने के लिए कर सकते हैं।
- शिक्षा: एमएल का प्रयोग शैक्षिक उपकरण बनाने के लिए किया जाता है जो छात्र की सीखने की जरूरतों को पूरा करते हैं, जैसे वर्चुअल लर्निंग सहायक और इलेक्ट्रॉनिक पाठ्यपुस्तक जो अधिक इंटरैक्टिव होते हैं। ये टूल एमएल का उपयोग यह पता लगाने के लिए करते हैं कि छात्र कौन सी अवधारणाओं और कौशल को कम क्विज़ और अभ्यास अभ्यास का उपयोग करके समझता है। उपकरण तब आवश्यक वीडियो या अवधारणाओं को सीखने में मदद करने के लिए छोटे वीडियो, अतिरिक्त उदाहरण और पृष्ठभूमि सामग्री प्रदान करते हैं।
- ऑटोमोटिव: एमएल स्वयं ड्राइविंग कारों के उभरते क्षेत्र में भी एक प्रमुख घटक है (जिसे ड्राइवर-कम कार या स्वायत्त कार भी कहा जाता है)। सॉफ्टवेयर जो स्वयं ड्राइविंग कार चलाता है, वास्तविक जीवन सड़क परीक्षणों और सिमुलेशन दोनों के दौरान सड़क की स्थिति (जैसे बर्फीली सड़कों) का पता लगाने या सड़क के रास्ते में बाधाओं की पहचान करने और ऐसी परिस्थितियों को सुरक्षित रूप से नेविगेट करने के लिए उपयुक्त ड्राइविंग कार्यों को सीखने के लिए एमएल का उपयोग करता है।
आप पहले से ही इसे महसूस किए बिना कई बार एमएल का सामना कर चुके हैं। एमएल प्रौद्योगिकी के कुछ अधिक सामान्य उपयोगों में व्यावहारिक भाषण मान्यता ( सैमसंग की बिक्सबी , ऐप्पल की सिरी , और कई टॉक-टू-टेक्स्ट प्रोग्राम जो अब पीसी पर मानक हैं), स्पैम फ़िल्टरिंग आपके ईमेल के लिए, समाचार फ़ीड बनाने, धोखाधड़ी का पता लगाने, व्यक्तिगतकरण खरीदारी की सिफारिशें, और अधिक प्रभावी वेब खोज परिणाम प्रदान करना।
एमएल आपकी फेसबुक फीड में भी शामिल है। जब आप अक्सर किसी मित्र की पोस्ट पर पसंद करते हैं या क्लिक करते हैं, तो दृश्यों के पीछे एल्गोरिदम और एमएल आपके न्यूज़फीड में कुछ दोस्तों या पृष्ठों को प्राथमिकता देने के लिए समय के साथ आपके कार्यों से "सीखें"।
क्या मशीन लर्निंग नहीं कर सकता है
हालांकि, एमएल क्या कर सकता है इसकी सीमाएं हैं। उदाहरण के लिए, विभिन्न उद्योगों में एमएल प्रौद्योगिकी के उपयोग के लिए मनुष्यों द्वारा उस उद्योग द्वारा आवश्यक कार्यों के प्रकार के लिए एक कार्यक्रम या प्रणाली का विशेषज्ञ बनाने के लिए विकास और प्रोग्रामिंग की एक महत्वपूर्ण मात्रा की आवश्यकता होती है। उदाहरण के लिए, उपर्युक्त हमारे चिकित्सा उदाहरण में, आपातकालीन विभाग में उपयोग किए जाने वाले एमएल कार्यक्रम को विशेष रूप से मानव चिकित्सा के लिए विकसित किया गया था। वर्तमान में यह सटीक कार्यक्रम नहीं लेना और इसे पशु चिकित्सा आपातकालीन केंद्र में सीधे लागू करना संभव नहीं है। इस तरह के एक संक्रमण के लिए मानव प्रोग्रामर द्वारा पशु चिकित्सा या पशु चिकित्सा के लिए इस कार्य को करने में सक्षम संस्करण बनाने के लिए व्यापक विशेषज्ञता और विकास की आवश्यकता होती है।
इसे निर्णय लेने और कार्यों को करने के लिए आवश्यक जानकारी को "सीखने" के लिए अविश्वसनीय रूप से विशाल मात्रा में डेटा और उदाहरणों की भी आवश्यकता होती है। एमएल कार्यक्रम डेटा की व्याख्या और प्रतीकवाद के साथ संघर्ष और डेटा परिणामों के भीतर कुछ प्रकार के रिश्ते, जैसे कारण और प्रभाव में भी बहुत शाब्दिक हैं।
हालांकि, निरंतर प्रगति एमएल को कोर प्रौद्योगिकी बनाने के लिए हर दिन स्मार्ट कंप्यूटर बनाती है।