મશીન લર્નિંગ શું છે?

કમ્પ્યુટર્સ લેતા નથી પરંતુ દરરોજ તેઓ સ્માર્ટ થઈ રહ્યાં છે

સરળ શબ્દોમાં, મશીન લર્નિંગ (એમએલ) મશીનો (કમ્પ્યુટર્સ) ના પ્રોગ્રામિંગ છે, જેથી માનવ ડેવલપરથી કોઈ ચોક્કસ વિશિષ્ટ ઇનપુટ વિના , તે સ્વતંત્ર રીતે કાર્ય કરવા માટે ડેટા (માહિતી) નો ઉપયોગ કરીને અને તેનું વિશ્લેષણ કરીને વિનંતી કરી કાર્ય કરી શકે છે.

મશીન લર્નિંગ 101

કૃત્રિમ બુદ્ધિ (એઆઈ) અને કમ્પ્યુટર ગેમિંગના અગ્રણી આર્થર સેમ્યુઅલ દ્વારા 1959 માં આઇબીએમ લેબ્સમાં "મશીન લર્નિંગ" શબ્દનો ઉપયોગ કરવામાં આવ્યો હતો. મશીન શિક્ષણ, પરિણામે, આર્ટિફિશ્યલ ઇન્ટેલિજન્સની એક શાખા છે. સેમ્યુઅલના પક્ષે સમયના કમ્પ્યુટિંગ મોડેલને ઉલટાવી નાખવા અને કમ્પ્યુટર્સને શીખવા માટે અટકાવવાનું હતું.

તેના બદલે, તેઓ ઇચ્છતા હતા કે કમ્પ્યુટર્સ પોતાની જાતે વસ્તુઓ શોધવાનું શરૂ કરે, સિવાય કે માનવીઓ માહિતીના સૌથી નાના ભાગને ઇનપુટ કરે. તે પછી, તેમણે વિચાર્યું, કમ્પ્યુટર્સ માત્ર કાર્યો હાથ ધરશે નહીં પરંતુ અંતે કયા કાર્યો કરવાનું અને ક્યારે અને ક્યારે શા માટે? જેથી કમ્પ્યુટરો કોઈ પણ ક્ષેત્રની કામગીરી માટે જરૂરી માનવીય માણસોને ઘટાડી શકે.

કેવી રીતે મશીન લર્નિંગ વર્ક્સ

ગાણિતીક નિયમો અને ડેટાના ઉપયોગ દ્વારા મશીન શિક્ષણ કાર્ય કરે છે. એક ઍલ્ગરિધમ એ સૂચનો અથવા દિશાનિર્દેશોનો સમૂહ છે જે કમ્પ્યુટરને અથવા કાર્યને કેવી રીતે કાર્ય કરવું તે કહે છે. એમએલ (LL) માં વપરાતા ગાણિતીક નિયમો, માહિતીને ભેગી કરવા, દાખલાઓ ઓળખી કાઢે છે અને કાર્યો પૂર્ણ કરવા તેના પોતાના કાર્યક્રમો અને વિધેયોને અનુરૂપ કરવા માટે તે ડેટાના વિશ્લેષણનો ઉપયોગ કરે છે.

એમએલ ઍલ્ગોરિધમ નિર્ણયો લેવા અને કાર્યો કરવા માટે પ્રક્રિયા માહિતી સ્વયંસંચાલિત કરવા માટે નિયમ સેટ્સ, નિર્ણય વૃક્ષો, ગ્રાફિકલ મોડેલ્સ, કુદરતી ભાષા પ્રક્રિયા અને ન્યુરલ નેટવર્ક્સ (કેટલાક નામ આપવા માટે) નો ઉપયોગ કરે છે. જ્યારે એમએલ એક જટિલ વિષય હોઈ શકે છે, ત્યારે Google ની ટીશએબલ મશીન એ કેવી રીતે ML કાર્ય કરે છે તે એક સરળ હેન્ડ-ઓન ​​પ્રદર્શન પૂરું પાડે છે.

આજે ઉપયોગમાં લેવાતા મશીન શિક્ષણનો સૌથી શક્તિશાળી સ્વરૂપ, ઊંડા શિક્ષણ તરીકે ઓળખાય છે, વિશાળ જથ્થાના ડેટા પર આધારિત, એક મજ્જાતંતુકીય નેટવર્ક કહેવાય એક જટિલ ગાણિતિક રચનાને બનાવે છે. માનવ મગજ અને નર્વસ પ્રણાલીની પ્રક્રિયાની માહિતીમાં ચેતા કોશિકાઓના માધ્યમથી મોડેલ આધારિત એમએલ અને એઆઈમાં નિયોગ્રાફિક નેટવર્ક્સ એલ્ગોરિધમ્સના સમૂહ છે.

કૃત્રિમ ઇન્ટેલિજન્સ વિ. મશીન લર્નીંગ વિ. ડેટા માઇનીંગ

એઆઈ, એમએલ અને ડેટા માઇનીંગ વચ્ચેના સંબંધને શ્રેષ્ઠ રીતે સમજવા માટે, વિવિધ કદના છત્રીના સેટને ધ્યાનમાં રાખવું તે ઉપયોગી છે. એ.આઈ. સૌથી મોટી છત્ર છે એમએલ છત્ર એક માપ નાના છે અને કૃત્રિમ છત્ર નીચે બંધબેસે છે. માહિતી ખાણકામ છત્ર સૌથી નાનું છે અને એમએલ છત્ર નીચે બંધબેસે છે.

• કૃત્રિમ કમ્પ્યુટર સાયન્સની એક શાખા છે જેનો હેતુ માનવ બુદ્ધિ પછી રચવામાં તર્ક અને નિર્ણાયક તકનીકનો ઉપયોગ કરીને કમ્પ્યુટર્સને વધુ "બુદ્ધિશાળી" અને "માનવી જેવા" રીતોમાં કાર્યો કરવાના હેતુ ધરાવે છે.
• એમએલ એ એઆઇ (A) ની અંદર કમ્પ્યુટિંગની શ્રેણી છે, જે પ્રોગ્રામિંગ મશીનો (કમ્પ્યુટર્સ) પર ધ્યાન કેન્દ્રિત કરે છે (વધુ જરૂરી માહિતી અથવા ઉદાહરણો એકઠી કરે છે), વધુ સ્વચાલિત રીતે ડેટા આધારિત, બુદ્ધિશાળી નિર્ણયો.
• ડેટા માઇનિંગ આંકડા, એમએલ, એઆઇ, અને પેટર્ન શોધવા માટે માહિતીની પુષ્કળ ડેટાબેઝો, અંતઃકરણ પૂરી પાડે છે, વર્ગીકરણો બનાવો, સમસ્યાઓ ઓળખવા અને વિગતવાર ડેટા એનાલિટિક્સ પહોંચાડવાનો ઉપયોગ કરે છે.

મશીન લર્નિંગ શું કરી શકે છે (અને પહેલેથી જ કરે છે)

સેકન્ડના અપૂર્ણાંકમાં વિશાળ પ્રમાણમાં માહિતીનું વિશ્લેષણ કરવા માટે કમ્પ્યુટર્સની ક્ષમતા એમએલ ઉપયોગી ઉદ્યોગોમાં ઉપયોગી છે જ્યાં સમય અને ચોકસાઈ આવશ્યક છે.

• તબીબી: એમએલ ટેકનોલોજી તબીબી ક્ષેત્ર માટે ઉકેલોની શ્રેણીમાં અમલમાં આવી રહી છે, જેમાં અસામાન્ય લક્ષણો ધરાવતા દર્દીઓના ઝડપી નિદાન સાથે કટોકટી વિભાગના ડૉક્ટર્સની સહાયતા ફિઝિશ્યન્સ પ્રોગ્રામમાં દર્દીના લક્ષણોની સૂચિને ઇનપુટ કરી શકે છે અને એમએલનો ઉપયોગ કરી શકે છે, તે પ્રોગ્રામ તબીબી સાહિત્ય અને ઈન્ટરનેટમાંથી માહિતીના ટ્રિલિઅન ટેરાબાઇટ્સને સંભવિત નિદાનની સૂચિ અને રેકોર્ડ સમયની ભલામણ કરાયેલ પરીક્ષણ અથવા સારવારને પરત કરી શકે છે.
• શિક્ષણ: શૈક્ષણિક સાધનો બનાવવા માટે એમએલનો ઉપયોગ કરવામાં આવે છે જે પોતાને વિદ્યાર્થીની શીખવાની આવશ્યકતાઓ અનુસાર તૈયાર કરે છે, જેમ કે વર્ચ્યુઅલ લર્નિંગ સહાયકો અને ઇલેક્ટ્રોનિક પાઠયપુસ્તકો જે વધુ ઇન્ટરેક્ટિવ છે. આ ટૂલ ક્વિઝ અને પ્રેક્ટિસ કસરતોનો ઉપયોગ કરીને વિદ્યાર્થી સમજે છે કે કયા સાધનો અને કૌશલ્યો તે શોધવા માટે આ સાધનો એમએલનો ઉપયોગ કરે છે. વિદ્યાર્થીઓ ટૂંકા વિડિઓઝ, વધારાના ઉદાહરણો અને પૃષ્ઠભૂમિ સામગ્રી પ્રદાન કરે છે જેથી તે વિદ્યાર્થીને આવશ્યક કુશળતા અથવા વિભાવનાઓ શીખી શકે.
• ઓટોમોટિવ: સ્વયં-ડ્રાઇવિંગ કારના ઉભરતા ક્ષેત્ર (એમ પણ કહેવાય છે કે ડ્રાઇવર-ઓછી કાર અથવા સ્વાયત્ત કાર) માં એમએલ પણ મુખ્ય ઘટક છે. સ્વયં-ડ્રાઇવિંગ કાર ચલાવે છે તે સૉફ્ટવેર રસ્તાની સ્થિતિ (જેમ કે બર્ફીલા રસ્તાઓ) ની શોધ કરવા માટે વાસ્તવિક-જીવન માર્ગ પરીક્ષણો અને સિમ્યુલેશન દરમિયાન એમએલ (ML) નો ઉપયોગ કરે છે અથવા રસ્તામાં અવરોધો ઓળખી કાઢે છે અને આવા પરિસ્થિતિઓને સુરક્ષિત રીતે નેવિગેટ કરવા માટે યોગ્ય ડ્રાઇવિંગ કાર્યો શીખે છે.

તમે તેને અનુભૂતિ કર્યા વગર સંભવતઃ ઘણી વખત એમએલની ઘણી વખત આવી છે. એમએલ ટેકનોલોજીના વધુ સામાન્ય ઉપયોગોમાં પ્રાયોગિક વાણી ઓળખ ( સેમસંગની બિકસ્બી , એપલના સિરી અને ઘણા ચર્ચા-થી-ટેક્સ્ટ પ્રોગ્રામ્સ જે હવે પીસી પર પ્રમાણભૂત છે), તમારા ઇમેઇલ માટે સ્પામ ફિલ્ટરિંગ, સમાચાર ફીડ્સનું નિર્માણ, છેતરપિંડી શોધવા, વ્યક્તિગત કરવા શોપિંગ ભલામણો, અને વધુ અસરકારક વેબ શોધ પરિણામો પૂરા પાડે છે.

એમએલ તમારા ફેસબુક ફીડમાં પણ સામેલ છે. જ્યારે તમને મિત્રની પોસ્ટ્સ વારંવાર અથવા ગમે ત્યારે ક્લિક કરો, ત્યારે તમારા ન્યૂઝફીડમાં ચોક્કસ મિત્રો અથવા પૃષ્ઠોને પ્રાથમિકતા આપવા સમય પર તમારી ક્રિયાઓમાંથી દ્રશ્યોની પાછળનું ગાણિતીક નિયમો અને "એમએલ" શીખો.

શું મશીન લર્નિંગ શું કરી શકશે નહીં

જો કે, એમએલ શું કરી શકે તેની મર્યાદા છે. ઉદાહરણ તરીકે, વિવિધ ઉદ્યોગોમાં એમએલ તકનીકનો ઉપયોગ કરવા માટે તે ઉદ્યોગ દ્વારા જરૂરી કાર્યોના પ્રકારો માટે પ્રોગ્રામ અથવા સિસ્ટમના વિશેષતા માટે માનવો દ્વારા વિકાસ અને પ્રોગ્રામિંગની નોંધપાત્ર રકમની જરૂર છે. દાખલા તરીકે, ઉપરોક્ત અમારી તબીબી ઉદાહરણમાં, કટોકટી વિભાગમાં વપરાતા એમએલ પ્રોગ્રામ ખાસ કરીને માનવ દવા માટે વિકસાવવામાં આવ્યા હતા. હાલમાં તે ચોક્કસ પ્રોગ્રામ લેવાનું શક્ય નથી અને તેને પશુચિકિત્સા કટોકટી કેન્દ્રમાં સીધું અમલમાં મૂકવું આવા સંક્રમણને માનવ પ્રોગ્રામરો દ્વારા વ્યાપક વિશિષ્ટતા અને વિકાસની જરૂર છે જેથી વેટરિનરી અથવા એનિમલ મેડિસિન માટે આ કાર્ય કરવા સક્ષમ હોય.

તે પણ માહિતી અકલ્પનીય વિશાળ પ્રમાણમાં અને ઉદાહરણો જરૂર "શીખવા" તે નિર્ણયો લેવા અને કાર્યો કરવા માટે જરૂર ઉદાહરણો. ડેટાના અર્થઘટનમાં એમએલ પ્રોગ્રામ ખૂબ જ શાબ્દિક છે અને પ્રતીકવાદ સાથે સંઘર્ષ અને ડેટા પરિણામોમાં કેટલાક પ્રકારનાં સંબંધો છે, જેમ કે કારણ અને અસર.

જોકે, સતત પ્રગતિઓ, એમએલ વધુ દરરોજ સ્માર્ટ કોમ્પ્યુટર્સ બનાવતી કોર ટેકનોલોજી બનાવે છે.