एआई, मशीन लर्निंग और डीप लर्निंग के बीच अंतर

आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग और डीप लर्निंग अब कई उद्यमों का अभिन्न अंग हैं। अक्सर इन शब्दों को समानार्थक शब्द के रूप में उपयोग किया जाता है।

आर्टिफिशियल इंटेलिजेंस विशाल चालों में चलता है - मानवरहित वाहनों के क्षेत्र में उपलब्धियों और स्वचालित ग्राहक सेवा के लिए पोकर और गो जैसे गेम में किसी व्यक्ति को हरा देने की क्षमता। आर्टिफिशियल इंटेलिजेंस एक उन्नत तकनीक है जो व्यापार में क्रांति लाने के लिए तैयार है।

अक्सर कृत्रिम बुद्धिमत्ता, मशीन लर्निंग, और डीप लर्निंग का इस्तेमाल अदल-बदल के रूप में किया जाता है, लेकिन, वास्तव में, उनके बीच मतभेद होते हैं। बाद में ये शब्द कितने अलग होंगे, इसका वर्णन किया जाएगा।

कृत्रिम बुद्धिमत्ता (AI)

उन्नत मशीन इंटेलिजेंस के संबंध में आर्टिफिशियल इंटेलिजेंस एक व्यापक अवधारणा है। 1956 में, डार्टमाउथ में कृत्रिम बुद्धिमत्ता पर एक सम्मेलन में, इस तकनीक का वर्णन इस प्रकार किया गया था: "सीखने के हर पहलू या बुद्धिमत्ता की कोई अन्य विशेषता, सिद्धांत रूप में, इतनी सटीक रूप से वर्णित की जाए कि एक मशीन उनका अनुकरण कर सके।"

आर्टिफिशियल इंटेलिजेंस किसी भी चीज से संबंधित हो सकता है - शतरंज खेलने के लिए कंप्यूटर प्रोग्राम से लेकर स्पीच रिकग्निशन सिस्टम, जैसे, उदाहरण के लिए, अमेज़ॅन एलेक्सा वॉयस असिस्टेंट, जो भाषण को देख सकता है और सवालों के जवाब दे सकता है। सामान्य तौर पर, कृत्रिम बुद्धिमत्ता प्रणाली को तीन समूहों में विभाजित किया जा सकता है: सीमित कृत्रिम बुद्धिमत्ता (नैरो एआई), सामान्य कृत्रिम बुद्धिमत्ता (एजीआई), और अधीक्षणीय कृत्रिम बुद्धिमत्ता।

आईबीएम का डीप ब्लू प्रोग्राम, जिसने 1996 में शतरंज में गैरी कास्पारोव को हराया था, या Google का डीपमाइंड अल्फागो प्रोग्राम, जिसने 2016 में विश्व चैंपियन गुओ ली सेडोल को हराया था, सीमित कृत्रिम बुद्धि के उदाहरण हैं जो एक विशिष्ट समस्या को हल कर सकते हैं। जनरल आर्टिफिशियल इंटेलिजेंस (एजीआई) से इसका मुख्य अंतर है, जो मानव बुद्धि के बराबर है और कई अलग-अलग कार्य कर सकता है।

सुपरमेटिक आर्टिफिशियल इंटेलिजेंस मानव से एक कदम ऊपर है। निक बोस्टरोम इसका वर्णन इस प्रकार करते हैं: यह "एक बुद्धि है जो वैज्ञानिक रचनात्मकता, सामान्य ज्ञान और सामाजिक कौशल सहित लगभग सभी क्षेत्रों में सबसे अच्छे मानव मस्तिष्क की तुलना में अधिक स्मार्ट है।" दूसरे शब्दों में, यह तब है जब कारें हमसे ज्यादा स्मार्ट हो जाती हैं।

मशीन सीखने

मशीन लर्निंग कृत्रिम बुद्धिमत्ता के क्षेत्रों में से एक है। मूल सिद्धांत यह है कि मशीनें डेटा प्राप्त करती हैं और इससे "सीखती हैं"। वर्तमान में, यह कृत्रिम बुद्धिमत्ता पर आधारित व्यवसाय के लिए सबसे आशाजनक उपकरण है। मशीन लर्निंग सिस्टम आपको बड़े डेटा सेट पर प्रशिक्षण के दौरान प्राप्त ज्ञान को जल्दी से लागू करने की अनुमति देता है, जो उन्हें चेहरे की पहचान, भाषण मान्यता, वस्तु मान्यता, अनुवाद और कई अन्य जैसे कार्यों में उत्कृष्टता प्राप्त करने की अनुमति देता है। विशिष्ट कार्यों को करने के लिए मैन्युअल रूप से एन्कोड किए गए निर्देशों के साथ प्रोग्राम के विपरीत, मशीन लर्निंग सिस्टम को पैटर्न को स्वतंत्र रूप से पहचानने और पूर्वानुमान बनाने के तरीके को सीखने की अनुमति देता है।

जबकि दोनों कार्यक्रम - डीप ब्लू और डीपमाइंड - दोनों आर्टिफिशियल इंटेलिजेंस के उपयोग के उदाहरण हैं, डीप ब्लू को नियमों के पूर्व-प्रोग्राम सेट पर बनाया गया था, इसलिए इसका मशीन लर्निंग से कोई लेना-देना नहीं है। दूसरी ओर, दीपमंडी मशीन सीखने का एक उदाहरण है: कार्यक्रम ने अनुभवी खिलाड़ियों द्वारा किए गए चालों के एक बड़े डेटा सेट पर खुद को प्रशिक्षित करके विश्व चैंपियन को गो में हराया।

क्या आपका व्यवसाय आपकी रणनीति में मशीन सीखने को एकीकृत करने में रुचि रखता है? अमेज़ॅन, Baidu, Google, IBM, Microsoft और अन्य पहले से ही मशीन लर्निंग प्लेटफ़ॉर्म प्रदान करते हैं जो उद्यम उपयोग कर सकते हैं।

गहरी सीख

डीप लर्निंग मशीन लर्निंग का सबसेट है। यह तंत्रिका नेटवर्क का उपयोग करके वास्तविक समस्याओं को हल करने के लिए कुछ मशीन सीखने के तरीकों का उपयोग करता है जो मानव निर्णय लेने की नकल कर सकते हैं। डीप लर्निंग महंगी हो सकती है और भारी मात्रा में प्रशिक्षण डेटा की आवश्यकता होती है। यह इस तथ्य के कारण है कि झूठी सकारात्मकता से बचने के लिए प्रशिक्षण एल्गोरिदम के लिए कॉन्फ़िगर किए जाने की आवश्यकता वाले मापदंडों की एक बड़ी संख्या है। उदाहरण के लिए, डीप लर्निंग एल्गोरिदम को "सीखने" का निर्देश दिया जा सकता है जो एक बिल्ली जैसा दिखता है। प्रशिक्षण का उत्पादन करने के लिए, एक छोटे से विवरण के बीच अंतर करने के लिए सीखने के लिए बड़ी संख्या में छवियों की आवश्यकता होगी जो एक बिल्ली, पैंथर या एक पैंथर, या एक लोमड़ी से अलग करना संभव बनाते हैं।

जैसा कि ऊपर उल्लेख किया गया है, मार्च 2016 में, एक बड़ी जीत हासिल की गई जब अल्फाजो डीपमाइंड ने विश्व चैंपियन गुओ ली सेडोल को 5 में से 4 खेलों में हराकर गहरी शिक्षा का उपयोग किया। Google के अनुसार, गहरी सीखने की प्रणाली ने " मोंटे कार्लो विधि के संयोजन में काम किया, जो कि गहरे तंत्रिका नेटवर्क वाले एक पेड़ की खोज के लिए थी, जिसे पेशेवर खेलों में एक शिक्षक के साथ प्रशिक्षित किया गया था और खुद के साथ खेलों में प्रबलित शिक्षण।"

डीप लर्निंग में भी व्यावसायिक अनुप्रयोग हैं। आप डेटा की एक बड़ी राशि ले सकते हैं - लाखों छवियां, और उनकी मदद से कुछ विशेषताओं की पहचान करें। टेक्स्ट सर्च, फ्रॉड डिटेक्शन, स्पैम डिटेक्शन, हैंडराइटिंग रिकग्निशन, इमेज सर्च, स्पीच रिकग्निशन, ट्रांसलेशन - इन सभी कार्यों को डीप लर्निंग का उपयोग करके पूरा किया जा सकता है। उदाहरण के लिए, Google के डीप लर्निंग नेटवर्कों ने कई "नियम-आधारित प्रणालियाँ प्रतिस्थापित की हैं, जिन्हें मैनुअल काम की आवश्यकता होती है।"

यह ध्यान देने योग्य है कि गहरी शिक्षा काफी "पक्षपाती" हो सकती है। उदाहरण के लिए, जब Google की चेहरा पहचान प्रणाली शुरू में तैनात की गई थी, तब इसने गोरिल्ला के रूप में कई काले चेहरों को चिह्नित किया। "यह एक उदाहरण है कि अगर आपके प्रशिक्षण सेट में अफ्रीकी-अमेरिकी लोग नहीं हैं, तो क्या होता है," मिंट एट इंटुइट के प्रमुख डेटा वैज्ञानिक अनु तिवारी ने कहा। "यदि आपके पास सिस्टम पर काम करने वाले अफ्रीकी-अमेरिकी नहीं हैं, अगर आपके पास अफ्रीकी-अमेरिकियों की प्रणाली का परीक्षण नहीं है, तो जब आपका सिस्टम अफ्रीकी-अमेरिकी लोगों का सामना करता है, तो यह नहीं पता होगा कि कैसे व्यवहार करना है।"

एक राय है कि गहन सीखने का विषय बहुत सम्मोहित है । उदाहरण के लिए, Sundown AI , गहन सीखने के बिना मशीन लर्निंग और पॉलिसी ग्राफ एल्गोरिदम के संयोजन का उपयोग करके स्वचालित ग्राहक इंटरैक्शन प्रदान करता है।

मूल लेख " एआई, मशीन सीखने और गहरी सीखने के बीच के अंतर को समझना " है।