पॉल डाउनी | फ़्लिकर
मशीन लर्निंग एक ऐसा मुहावरा है जो अक्सर तेजी से बंद होता जा रहा है, फिर भी कई लोग अभी तक यह नहीं जानते हैं कि यह वास्तव में क्या है । बेशक, इसका एक कारण है। यह अभी भी अपने शुरुआती चरण में है, और कई लोग मानते हैं कि यह कुछ ऐसा नहीं है जो सामान्य आबादी को अभी तक प्रभावित करता है। वास्तव में, यह शायद कुछ के रूप में सच नहीं है।
तो मशीन लर्निंग क्या है? और आज इसका क्या उपयोग हो रहा है? मशीन सीखने के बारे में आपको जो कुछ भी जानने की जरूरत है, उस पर यहां हमारा गाइड है।
मशीन लर्निंग क्या है?
मशीन लर्निंग, सीधे शब्दों में कहें, कृत्रिम बुद्धिमत्ता का एक रूप है जो कंप्यूटर को बिना किसी अतिरिक्त प्रोग्रामिंग के सीखने की अनुमति देता है। दूसरे शब्दों में, सॉफ्टवेयर अपने आप ही नई चीजों को सीखने में सक्षम है, बिना किसी प्रोग्रामर या इंजीनियर के इसे कुछ भी सिखाने की जरूरत नहीं है। मशीन लर्निंग डेटा लेने और पैटर्न का पता लगाने और समाधान खोजने में सक्षम है, फिर उन समाधानों को अन्य समस्याओं पर लागू कर रहा है।
चित्र: K? Rlis Dambr? Ns | फ़्लिकर
यह ध्यान रखना महत्वपूर्ण है कि मशीन सीखना एक अवधारणा के रूप में नया नहीं है - यह अवधारणा के सटीक मूल का पता लगाना मुश्किल है, यह विचार करना कि यह एक है जो प्रौद्योगिकी के अन्य रूपों में और इससे विलय होता है। आप यह तर्क दे सकते हैं कि मशीन लर्निंग ट्यूरिंग टेस्ट के निर्माण के लिए सभी तरह से तारीखें है, जो यह निर्धारित करने के लिए उपयोग किया जाता था कि क्या कंप्यूटर में बुद्धि थी। हालांकि, सीखने वाला पहला कंप्यूटर प्रोग्राम चेकर्स का खेल था, जिसे 1952 में आर्थर सैमुअल द्वारा विकसित किया गया था। यह खेल जितना खेला गया उतना ही बेहतर होता गया।
हालिया तकनीक, हालांकि, मशीन सीखने में काफी सुधार करती है। उदाहरण के लिए, मशीन लर्निंग को बहुत अधिक मात्रा में प्रोसेसिंग पॉवर की आवश्यकता होती है, इतना ही नहीं हमने हाल के इतिहास में केवल बेसिक मशीन लर्निंग विकसित करने में सक्षम होना शुरू किया है।
कुछ मुख्य तरीके प्रोग्रामर मशीन लर्निंग को लागू करते हैं। पहले को 'सुपरवाइज्ड लर्निंग' कहा जाता है। मूल रूप से इसका मतलब यह है कि एक मशीन को ऐसी समस्याएं दी जाती हैं जहां समस्या का समाधान ज्ञात हो। शिक्षण एल्गोरिथ्म वांछित परिणामों के साथ उन समस्याओं को प्राप्त करने में सक्षम है, समस्याओं में पैटर्न की पहचान करने और तदनुसार कार्य कर रहा है। पर्यवेक्षित शिक्षण का उपयोग अक्सर भविष्य की घटनाओं की भविष्यवाणी करने के लिए किया जाता है - जैसे कि जब क्रेडिट कार्ड लेनदेन धोखाधड़ी हो सकती है।
मशीन लर्निंग के दूसरे कार्यान्वयन को 'अनप्रोसेस्ड लर्निंग' कहा जाता है। इस उदाहरण में, किसी समस्या का परिणाम सॉफ़्टवेयर को नहीं दिया जाता है - इसके बजाय, उसे समस्याएँ दी जाती हैं और डेटा में प्रतिमानों का पता लगाना पड़ता है। यहां लक्ष्य डेटा में एक संरचना खोजना है जो इसे दिया गया है।
तीसरा अप 'अर्ध-पर्यवेक्षणीय शिक्षा है।' मशीन लर्निंग का यह तरीका अक्सर उन्हीं चीजों के लिए इस्तेमाल किया जाता है, जो सुपरवाइज्ड लर्निंग होती हैं, लेकिन यह बिना सॉल्यूशन और डेटा के डेटा लेती हैं। अर्ध-पर्यवेक्षित शिक्षण अक्सर कार्यान्वित किया जाता है जब फंड सीमित होते हैं और कंपनियां सीखने की प्रक्रिया के लिए डेटा का पूरा सेट प्रदान करने में असमर्थ होती हैं।
अंतिम लेकिन कम से कम 'सुदृढीकरण शिक्षा' नहीं है, जिसका उपयोग विशेष रूप से गेमिंग और रोबोट जैसी चीजों के लिए किया जाता है। सुदृढीकरण सीखने को मूल रूप से परीक्षण और त्रुटि के माध्यम से सिखाया जाता है - मशीन चीजों का प्रयास करती है और अपनी सफलताओं या असफलताओं के आधार पर सीखती है। यहाँ मशीन के लिए सबसे अच्छा संभव परिणाम जानने का लक्ष्य है।
बेशक, मशीन लर्निंग के इन सभी तरीकों में एक मशीन को सैकड़ों हज़ारों समस्याओं, और भारी मात्रा में डेटा फीड करना शामिल है। वास्तव में, अधिक डेटा बेहतर है।
आज मशीन लर्निंग का उपयोग कहाँ किया जाता है?
धन के चित्र | फ़्लिकर
दरअसल, आज बहुत से ऐसे स्थान हैं जिनमें मशीन लर्निंग का इस्तेमाल किया जाता है। इनमें से कई पर्दे के पीछे हैं, हालांकि आपको यह जानकर हैरानी होगी कि उनमें से बहुत से ऐसे भी हैं, जिनका उपयोग आप हर एक दिन करते हैं।
शायद जो आप सबसे अधिक उपयोग करते हैं वह आपके व्यक्तिगत सहायक में है - यह सही है, सिरी और Google नाओ की पसंद मशीन लर्निंग का उपयोग करते हैं, मोटे तौर पर बेहतर भाषण पैटर्न को समझने के लिए। सिरी का उपयोग करने वाले लाखों लोगों के साथ, यह प्रणाली गंभीरता से आगे बढ़ने में सक्षम है कि यह कैसे भाषाओं, लहजे और इसी तरह का व्यवहार करता है।
बेशक, सिरी मशीन सीखने का एकमात्र उपभोक्ता अनुप्रयोग नहीं है। एक अन्य उपयोग बैंकिंग में है, जैसे धोखाधड़ी का पता लगाना। उदाहरण के लिए, मशीन लर्निंग एल्गोरिदम खर्च करने वाले पैटर्न को ट्रैक कर सकते हैं, यह निर्धारित करते हुए कि पिछली धोखाधड़ी गतिविधि के आधार पर कौन से पैटर्न धोखाधड़ी की संभावना है।
वास्तव में, यहां तक कि आपका ईमेल भी मशीन सीखने का उपयोग कर सकता है। उदाहरण के लिए, स्पैम ईमेल एक समस्या है, और वे समय के साथ विकसित हुए हैं। ईमेल सिस्टम स्पैम ईमेल पैटर्न को ट्रैक करने के लिए मशीन लर्निंग का उपयोग करते हैं और स्पैम ईमेल कैसे बदलते हैं, फिर उन परिवर्तनों के आधार पर अपने स्पैम फ़ोल्डर में डाल दें।
निष्कर्ष
मशीन लर्निंग का एक बड़ा हिस्सा यह तय करना है कि हम आगे जाने वाली तकनीक का उपयोग कैसे करते हैं, और कैसे तकनीक हमारी मदद कर सकती है। सिरी से यूएस बैंक तक, मशीन सीखना तेजी से व्यापक होता जा रहा है, और यह केवल जारी रहने की संभावना है।
