এআই জ্ঞানের মানচিত্র: এআই প্রযুক্তিগুলির শ্রেণিবদ্ধকরণ Class

নতুন এআই প্রযুক্তি ল্যান্ডস্কেপের স্কেচ

এই নিবন্ধটির একটি সংক্ষিপ্ত সংস্করণ প্রথম ফোর্বসে প্রকাশিত হয়েছিল

আর্টিকেলটি কেডনুগেটস দ্বারা আগস্ট 2018 সালের সর্বাধিক পঠিত এবং ভাগ করা নিবন্ধ হিসাবে সিলভার ব্যাজ দ্বারাও ভূষিত করা হয়েছিল।

I. ভূমিকা সম্পর্কিত চিন্তাভাবনা

আমি কিছুদিন ধরে কৃত্রিম বুদ্ধিমত্তার সাথে কাজ করছি এবং আমি সচেতন যে এআই সম্পর্কে চিন্তাভাবনার বিভিন্ন উপায় উপস্থাপন ও ট্র্যাক করার জন্য বিভিন্ন শ্রেণিবিন্যাস, স্বাতন্ত্র্য, ল্যান্ডস্কেপ এবং ইনফোগ্রাফিক্স রয়েছে। আমি এই শ্রেণিবদ্ধকরণ অনুশীলনের একটি বড় অনুরাগী নই, তবে প্রধানত যেহেতু আমি মনে করি পূর্বনির্ধারিত নির্দিষ্ট বাক্সগুলিতে গতিশীল ডেটা পয়েন্টগুলি শ্রেণিবদ্ধ করার ওভারহেড প্রায়শই এই জাতীয় "পরিষ্কার" কাঠামোর (এটি একটি সাধারণীকরণের) সুবিধার জন্য মূল্যহীন নয়, কারণ অবশ্যই এগুলি অনেক সময়ে কার্যকর হয়)।

যখন বিশেষভাবে কৃত্রিম বুদ্ধিমত্তার কথা আসে তখন আমি এও ভাবি যে অনেকগুলি শ্রেণিবদ্ধকরণ অসম্পূর্ণ বা এআইয়ের এই নতুন তরঙ্গের দৃ fundamental় মৌলিক সম্পর্ক এবং দিকগুলি ধরতে অক্ষম।

প্রথমে আমাকে এই পোস্টের কারণগুলি ব্যাখ্যা করতে দিন। কৌশলগত উদ্ভাবনী সংস্থা চুরার সহযোগিতায় আমরা একটি ভিজ্যুয়াল সরঞ্জাম তৈরি করতে চেয়েছিলাম যা ব্যবহারকারীদের এই সরঞ্জামবক্সের জটিলতা এবং গভীরতা এক নজরে দেখতে দেয় এবং এমন একটি মানচিত্র তৈরি করতে পারে যা ব্যবহারকারীদের এআই জঙ্গলে আরও ভালভাবে পরিচালিত করতে সহায়তা করবে। এআই সম্পর্কে বিদ্যমান সমস্ত তথ্য সঠিকভাবে উপস্থাপন না করে বরং এই তথ্যের সংস্থার অংশটি বর্ণনা ও অ্যাক্সেসের জন্য একটি সরঞ্জাম থাকা সত্ত্বেও আপনার নিচের চিত্রটি একটি ধরণের অ্যান্টোলজিতে অনির্দিষ্ট কাঠামোগত জ্ঞানকে সংগঠিত করার উপায় হিসাবে দেখা উচিত।

নিম্নলিখিতটি হ'ল এআই সম্পর্কে জ্ঞান অ্যাক্সেস করার জন্য এবং উত্থিত গতিশীলতা ট্র্যাক করার জন্য একটি আর্কিটেকচার ডিজাইন করার প্রচেষ্টা। এটি বিষয়টিতে পূর্ব-বিদ্যমান জ্ঞানের একটি ভূমিকা, যা আপনি অতিরিক্ত তথ্য অনুসন্ধান করতে এবং শেষ পর্যন্ত এআই সম্পর্কে নতুন জ্ঞান তৈরি করতে ব্যবহার করতে পারেন।

সমাপ্তি কাজের উপযোগিতা, অতএব, আপনাকে তিনটি জিনিস অর্জনে সহায়তা করা উচিত: কী চলছে তা অনুধাবন করুন এবং কোন মানচিত্র রয়েছে যার উপর দিয়ে পথটি অনুসরণ করবেন; আজ কোথায় মেশিন বুদ্ধি ব্যবহৃত হয় তা বোঝেন (যেখানে এটি আগে ব্যবহৃত হয়নি); এআইকে তাদের সমাধান করতে সক্ষম করতে কোনটি এবং কতগুলি বিষয় সতেজ করা হচ্ছে তা বুঝতে (যদি আগ্রাওয়াল এট আল এর কাজের সাথে পরিচিত হন, তবে এগুলি ভবিষ্যদ্বাণীমূলক প্রযুক্তির ব্যয় হ্রাস করার প্রত্যক্ষ পরিণতি)।

নীতিগতভাবে, এই নিবন্ধটি এআইয়ের সাথে শুরু করা লোকদের উভয়কেই উদ্দেশ্য করে, সেখানকার অবস্থার বিষয়ে তাদের একটি বিস্তৃত অন্তর্দৃষ্টি দেওয়ার জন্য, এবং বিশেষজ্ঞ এবং অনুশীলনকারীরা যারা এই প্রযুক্তিগুলির সাথে কিছুক্ষণ পরীক্ষা-নিরীক্ষা করেছেন (আমাকে মতামত দেওয়ার জন্য প্রকাশ অনুরোধ সহ) আপনি কীভাবে এটি বা অন্যান্য প্রযুক্তিগুলি গঠন করবেন যা এআই বর্ণালী দ্বারা ক্যাপচার করা উচিত)।

আমি এটাও জানি যে এটি একটি উচ্চাকাঙ্ক্ষী কাজ। এটি কেবল একটি প্রথম খসড়া হিসাবে মনে করুন বা পাথরের সমাধানে সেট করা চূড়ান্তের চেয়ে এটি করার চেষ্টা set

এই চিত্রটি তৈরি করাই এর লক্ষ্যটি আমি পেয়েছি এমনটি দিয়ে এই ভূমিকাটিও শেষ করবো: এটি খুব, খুব কঠিন। দ্বিমাত্রিক, অ-সুস্পষ্ট মানচিত্রে যথাসম্ভব তথ্য প্রদর্শনের চেষ্টা করা অত্যন্ত কঠিন ছিল। আপনি নিজে এটি করার চেষ্টা না করা পর্যন্ত আপনি এ সম্পর্কে সচেতন হবেন না। আমি আপনার অর্থ বোঝার জন্য সবাইকে অনুরোধ করার জন্য অনুরোধ করছি (বিশ্বাস করুন, এটি মোটেও সহজ নয়, বিশেষত গত 60০ বছর ধরে এআই-তে ব্যবহৃত মতামত, দৃষ্টিভঙ্গি এবং পদ্ধতির ভিন্নতা দেওয়া হয়েছে) ছিল)। এটি আমাকে চূড়ান্ত অস্বীকৃতিতে নিয়ে আসে: নির্ভুলতা এবং স্বচ্ছতার মধ্যে ট্রেড অফ পেতে কখনও কখনও আমাকে আনুমানিক ধারণা বা শ্রেণিবদ্ধকরণ করতে হয়েছিল। সুতরাং, আগে থেকেই, অন্য মানুষের চোখের বিষয়ে কোনও ছোট (বা বড়) ভুল করার জন্য আমাকে ক্ষমা করুন।

এবার আসুন এআই নলেজ ম্যাপে (এআইকেএম) স্যুইচ করুন।

II। সমস্যা ডোমেন + পদ্ধতির = প্রযুক্তি সমাধান

তাহলে এবার চল. আপনি সম্ভবত প্রত্যাশা করেছিলেন, লঞ্চটির কথা বিবেচনা করে, যে একটি অদ্ভুত ভিআর ইঞ্জিন প্রতিটি প্রযুক্তির জন্য একাধিক আলোর আলোর প্রজেক্ট তৈরি করবে, তবে এটি পরিবর্তে এটি পুরানো-দ্বি-মাত্রিক গ্রাফিক্স। এর মত সহজ.

আসুন এটি ঘনিষ্ঠভাবে দেখুন।

অক্ষগুলিতে আপনি দুটি ম্যাক্রো গ্রুপ পাবেন, i। এইচ। এআই উপমা এবং এআই সমস্যা ডোমেনগুলি। এআই দৃষ্টান্ত (এক্স-অক্ষ) হ'ল এআই গবেষকরা নির্দিষ্ট এআই সমস্যা সমাধানের জন্য ব্যবহৃত পন্থাগুলি (তারা বর্তমানে আমাদের অবগত থাকা পদ্ধতির মধ্যে রয়েছে)। অন্যদিকে, এআই সমস্যাযুক্ত ডোমেনগুলি (ওয়াই-অক্ষ) AIতিহাসিকভাবে এআই সমস্যার সমাধান করতে পারে। এক অর্থে, এটি একটি এআই প্রযুক্তির সম্ভাব্য ক্ষমতাও নির্দেশ করে।

অতএব, আমি নিম্নলিখিত এআই উপমাগুলি সনাক্ত করেছি:

  • লজিক-ভিত্তিক সরঞ্জামগুলি: জ্ঞান উপস্থাপন করতে এবং সমস্যাগুলি সমাধান করতে ব্যবহৃত সরঞ্জামগুলি।
  • জ্ঞান-ভিত্তিক সরঞ্জামগুলি: সরঞ্জামগুলি যা শর্তাদি, তথ্য এবং নিয়মের অনটোলজিস এবং বিস্তৃত ডাটাবেসের উপর ভিত্তি করে।
  • সম্ভাব্য পদ্ধতি: যে সরঞ্জামগুলির সাহায্যে এজেন্ট অসম্পূর্ণ তথ্য পরিস্থিতিতে কাজ করতে পারে;
  • মেশিন লার্নিং: সরঞ্জামগুলি যা কম্পিউটারগুলি ডেটা থেকে শিখতে সক্ষম করে;
  • প্রতিমূর্ত বুদ্ধি: ইঞ্জিনিয়ারিং টুলবক্স যা ধরে নেয় যে একটি বডি (বা কমপক্ষে কিছু কার্য যেমন চলন, উপলব্ধি, মিথস্ক্রিয়া এবং দৃষ্টিভঙ্গি) উচ্চ বুদ্ধির জন্য আবশ্যক।
  • অনুসন্ধান এবং অপ্টিমাইজেশন: এমন সরঞ্জাম যা আপনাকে সম্ভাব্য অনেকগুলি সমাধানের মাধ্যমে বুদ্ধি করে অনুসন্ধান করতে দেয়।

এই ছয়টি দৃষ্টান্তগুলি তিনটি পৃথক ম্যাক্রো-পদ্ধতির মধ্যেও পড়ে, যথা প্রতীকী, উপ-প্রতীকী এবং পরিসংখ্যানগত (বিভিন্ন বর্ণের দ্বারা উপস্থাপিত)। সংক্ষেপে, প্রতীকী পদ্ধতির ভাষায় বলা হয়েছে যে মানব বুদ্ধি চিহ্নগুলির হেরফেরের জন্য হ্রাস পেতে পারে, উপ-প্রতীক যে জ্ঞানের কোনও নির্দিষ্ট উপস্থাপনা প্রাক্তন পূর্বে সরবরাহ করা উচিত নয়, যখন পরিসংখ্যানগত পদ্ধতির নির্দিষ্ট উপ-সমস্যাগুলি সমাধান করার জন্য গাণিতিক সরঞ্জামগুলির উপর ভিত্তি করে ।

একটি দ্রুত অতিরিক্ত নোট: আপনি লোকেরা "এআই স্ট্রেন" সম্পর্কে কথা বলতে শুনতে পাবেন, পেড্রো ডোমিংগোস (২০১৫) দ্বারা প্রস্তাবিত একটি ধারণা যা গবেষকরা তাদের সমস্যাগুলি সমাধানের জন্য ব্যবহার করার পদ্ধতির উপর ভিত্তি করে দলবদ্ধ করে। আমাদের দৃষ্টান্ত শ্রেণিবদ্ধকরণ (মূর্ত গোয়েন্দা গোষ্ঠী বিবেচনা না করে) আপনি এই পাঁচটি উপজাতি সহজেই মানচিত্র তৈরি করতে পারেন, অর্থাৎ। এইচ। লজিক-ভিত্তিক পদ্ধতির সাথে প্রতীকবিদ (তারা বিমূর্ত প্রতীকগুলির ভিত্তিতে যৌক্তিক চিন্তাভাবনা ব্যবহার করে)। মেশিন লার্নিং সংযোগবিদ (তারা স্তন্যপায়ী মস্তিষ্ক দ্বারা অনুপ্রাণিত); অনুসন্ধান এবং অপ্টিমাইজেশনের বিবর্তনকারীরা (তারা ডারউইনিয়ান বিবর্তন দ্বারা অনুপ্রাণিত); সম্ভাব্য পদ্ধতিযুক্ত বায়েশিয়ানরা (তারা সম্ভাব্য মডেল ব্যবহার করে); এবং পরিশেষে, জ্ঞান-ভিত্তিক অ্যানালগাইজারগুলি বিদ্যমান জ্ঞান এবং পূর্ববর্তী অনুরূপ কেসগুলি থেকে এক্সপ্লোলেট করার চেষ্টা করার সাথে সাথে।

উল্লম্ব অক্ষটি এআই এর জন্য যে বিষয়গুলির জন্য ব্যবহৃত হয়েছিল তা স্থির করে এবং এখানে শ্রেণিবিন্যাস খুব স্বাভাবিক:

  • যুক্তি: সমস্যা সমাধানের ক্ষমতা;
  • জ্ঞান: বিশ্বের প্রতিনিধিত্ব এবং বোঝার ক্ষমতা;
  • পরিকল্পনা: লক্ষ্য নির্ধারণ এবং অর্জনের ক্ষমতা;
  • যোগাযোগ: ভাষা বোঝার এবং যোগাযোগের ক্ষমতা;
  • অনুধাবন: কাঁচা সংবেদনশীল ইনপুট (যেমন, চিত্র, শব্দ, ইত্যাদি) ব্যবহারের যোগ্য তথ্যে রূপান্তর করার ক্ষমতা।

আমি এখনও আশ্চর্য হই যে এই শ্রেণিবিন্যাসটি বর্তমানে আমরা যে সমস্ত সমস্যার মুখোমুখি হচ্ছি তার সম্পূর্ণ পরিসীমা ক্যাপচার করার জন্য যথেষ্ট বড় কিনা, বা আরও উদাহরণ যুক্ত করা উচিত (যেমন: সৃজনশীলতা বা চলাচল)। আপাতত, তবে, আমি 5-ক্লাস্টার বৈকল্পিকের সাথে লেগে থাকব।

বাক্সগুলির নিদর্শনগুলি পরিবর্তে প্রযুক্তিগুলিকে দুটি গ্রুপে বিভক্ত করে, যেমন। এইচ সংকীর্ণ অ্যাপ্লিকেশন এবং সাধারণ অ্যাপ্লিকেশন। ব্যবহৃত শব্দগুলি উদ্দেশ্যটির জন্য সামান্য বিভ্রান্তিকর, তবে একটি সেকেন্ড নেবে এবং আমি কী বোঝাতে চাইছি তা ব্যাখ্যা করব। যে কেউ এআই দিয়ে শুরু করতে চেয়েছেন তাদের পক্ষে দুর্বল / টাইট এআই (এএনআই), শক্তিশালী / জেনারেল এআই (এজিআই) এবং কৃত্রিম সুপার ইনটেলিজেন্স (এএসআই) এর মধ্যে পার্থক্য জেনে অত্যন্ত গুরুত্ব দেওয়া হচ্ছে। স্পষ্টতার স্বার্থে, এএসআই কেবল একটি বর্তমান জল্পনা, সাধারণ এআই হ'ল গবেষকদের চূড়ান্ত লক্ষ্য এবং পবিত্র ক্রেইল, যখন সংক্ষিপ্ত এআই আজ আমাদের কাছে সত্যই রয়েছে, এমন প্রযুক্তিগুলির একটি সেট যা তাদের বাইরের যে কোনও কিছুই মোকাবেলা করতে পারে না is প্রয়োগের সুযোগ (যা এজিআই থেকে মূল পার্থক্য)।

ডায়াগ্রামে ব্যবহৃত দুটি ধরণের লাইন (সলিড এবং ডটেড) তারপরে এই পার্থক্যটি স্পষ্টভাবে তুলে ধরতে চায় এবং আপনি আত্মবিশ্বাস পোষণ করেন যে আপনি অন্য কোনও প্রবর্তক এআই উপাদান পড়তে পুরোপুরি হারাবেন না। একই সময়ে, পার্থক্যটি এখানে এমন প্রযুক্তিগুলির বিবরণ দেয় যা কেবলমাত্র একটি নির্দিষ্ট কাজ সমাধান করতে পারে (সাধারণত মানুষের চেয়ে ভাল - সংকীর্ণ প্রয়োগসমূহ), এবং অন্যান্য যা এখন বা ভবিষ্যতে একাধিক কার্য সমাধান করতে পারে এবং বিশ্বের সাথে যোগাযোগ করতে পারে (অনেক লোকের চেয়ে ভাল) - সাধারণ অ্যাপ্লিকেশন )।

উপসংহারে, আসুন চিত্রটি নিজেই কী রয়েছে তা দেখুন। মানচিত্র এআই প্রযুক্তির বিভিন্ন শ্রেণি দেখায়। মনে রাখবেন যে আমি উদ্দেশ্যমূলকভাবে নির্দিষ্ট অ্যালগরিদমের নাম রাখি না, বরং তাদেরকে ম্যাক্রো গোষ্ঠীতে বিভক্ত করছি। এছাড়াও, আমি আপনাকে কী কাজ করে এবং কী করে না তার একটি রেটিং দিচ্ছি না, কেবল গবেষকরা এবং তথ্য বিজ্ঞানীরা কী পিছনে পড়তে পারেন তা কেবল তালিকাভুক্ত করছি।

আপনি কীভাবে মানচিত্রটি পড়েন এবং ব্যাখ্যা করেন? আপনাকে এটি করতে সহায়তা করার জন্য আমি আপনাকে দুটি উদাহরণ দিই। প্রাকৃতিক ভাষা প্রক্রিয়াকরণের দিকে তাকালে, অনেকগুলি অ্যালগরিদম এতে এম্বেড করা হয় যা জ্ঞান-ভিত্তিক পদ্ধতির সংমিশ্রণ, মেশিন লার্নিং এবং উপলব্ধির ক্ষেত্রে সমস্যাগুলি সমাধানের জন্য সম্ভাব্য পদ্ধতিগুলির ব্যবহার করে। যাইহোক, আপনি যখন যুক্তি-ভিত্তিক দৃষ্টান্ত এবং যুক্তিযুক্ত সমস্যার মধ্যে ব্যবধানটি দেখেন, আপনি ভাবতে পারেন কেন সেখানে কোনও প্রযুক্তি নেই। মানচিত্র যা জানায় তা এই নয় যে এই স্থানটি পূরণ করতে পারে এমন কোনও স্পষ্টতই কোনও পদ্ধতি নেই, তবে যে ব্যক্তিরা ন্যায়সঙ্গত সমস্যার দিকে এগিয়ে যান তারা উদাহরণস্বরূপ, একটি মেশিন লার্নিং পদ্ধতির পছন্দ করেন।

এই ব্যাখ্যাটি মোড়ানোর জন্য, এটি তাদের নিজস্ব সংজ্ঞায় অন্তর্ভুক্ত প্রযুক্তির সম্পূর্ণ তালিকা:

  • রোবোটিক প্রসেস অটোমেশন (আরপিএ): প্রযুক্তি যা কোনও নির্দিষ্ট কাজ সম্পাদন করে অবশ্যই ব্যবহারকারীকে সম্পাদন করতে হবে এমন নিয়ম এবং ক্রিয়নের তালিকা বের করে।
  • বিশেষজ্ঞ সিস্টেমগুলি: একটি কম্পিউটার প্রোগ্রাম যা মানুষের সিদ্ধান্ত গ্রহণের প্রক্রিয়াটি অনুকরণ করার জন্য দৃ program়ভাবে প্রোগ্রামযুক্ত বিধি ধারণ করে। ফাজি সিস্টেমগুলি নিয়ম-ভিত্তিক সিস্টেমগুলির একটি বিশেষ উদাহরণ যা সনাতন ডিজিটাল যুক্তির বিপরীতে 0 এবং 1 এর মধ্যে মানগুলির ধারাবাহিকতায় পরিবর্তনশীল মানচিত্র করে, যা 0/1 এর ফলাফলের দিকে নিয়ে যায়।
  • কম্পিউটার ভিশন (সিভি): ডিজিটাল চিত্রগুলি ক্যাপচার এবং বোঝার পদ্ধতিগুলি (সাধারণত কার্যকলাপের স্বীকৃতি, চিত্র স্বীকৃতি এবং চিত্র প্রক্রিয়াকরণে বিভক্ত);
  • প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (এনএলপি): সাবফিল্ড যা প্রাকৃতিক ভাষার ডেটা প্রক্রিয়াকরণ করে (তিনটি প্রধান ব্লক এই ক্ষেত্রের অন্তর্গত, অর্থাত্ ভাষা বোঝা, ভাষা উত্পন্নকরণ এবং মেশিন অনুবাদ);
  • নিউরাল নেটওয়ার্কস (এনএনএস বা এএনএন): মানব / প্রাণীর মস্তিষ্কের নিউরাল স্ট্রাকচারের উপর আলগাভাবে একটি শ্রেণির অ্যালগোরিদম মডেল করা হয়েছে যা কীভাবে এটি করা যায় তা স্পষ্টভাবে নির্দেশ না দিয়ে তার কার্যকারিতা উন্নত করে। এনএনএসের দুটি প্রধান বিষয় এবং সুপরিচিত সাবক্লাসগুলি হ'ল গভীর শিক্ষা (বেশ কয়েকটি স্তর সহ একটি নিউরাল নেটওয়ার্ক) এবং জেনারেটর অ্যাডভারসিয়াল নেটওয়ার্ক (জিএএনএস - দুটি নেটওয়ার্ক যা একে অপরকে প্রশিক্ষণ দেয়)।
  • স্বায়ত্তশাসিত সিস্টেম: সাবফিল্ড যা রোবোটিক্স এবং বুদ্ধিমান সিস্টেমগুলির মধ্যে ইন্টারফেসে থাকে (উদাঃ বুদ্ধিমান উপলব্ধি, দক্ষ বস্তু ম্যানিপুলেশন, পরিকল্পনা ভিত্তিক রোবট নিয়ন্ত্রণ ইত্যাদি);
  • বিতরণ কৃত্রিম বুদ্ধিমত্তা (ডিএআই): এক শ্রেণির প্রযুক্তি যা একে অপরের সাথে যোগাযোগ করে স্বায়ত্তশাসিত "এজেন্ট "গুলিতে বিতরণ করে সমস্যার সমাধান করে। মাল্টি-এজেন্ট সিস্টেম (এমএএস), এজেন্ট ভিত্তিক মডেলিং (এবিএম) এবং সোর্ম ইনটেলিজেন্স এই উপগোষ্ঠীর তিনটি দরকারী স্পেসিফিকেশন, যেখানে বিকেন্দ্রীভূত স্ব-সংগঠিত এজেন্টদের মিথস্ক্রিয়া থেকে যৌথ আচরণের ফলাফল হয়।
  • প্রভাবশালী কম্পিউটিং: একটি সাবফিল্ড যা আবেগ সনাক্তকরণ, ব্যাখ্যা এবং সিমুলেশন নিয়ে কাজ করে।
  • বিবর্তনীয় অ্যালগরিদম (ইএ): এটি বিবর্তনীয় গণনা নামে একটি বিস্তৃত কম্পিউটার বিজ্ঞান ডোমেনের একটি উপসেট যা সর্বোত্তম সমাধানগুলির সন্ধানের জন্য জীববিজ্ঞান দ্বারা অনুপ্রাণিত পদ্ধতিগুলি (যেমন, রূপান্তর, প্রজনন, ইত্যাদি) ব্যবহার করে। জেনেটিক অ্যালগরিদমগুলি EA এর সর্বাধিক ব্যবহৃত উপসেট। এগুলি অনুসন্ধানের হিউরিস্টিক্স যা "সবচেয়ে উপযুক্ত" প্রার্থী সমাধান নির্বাচন করতে প্রাকৃতিক নির্বাচন প্রক্রিয়া অনুসরণ করে।
  • ইন্ডাকটিভ লজিক প্রোগ্রামিং (আইএলপি): সাবফিল্ড যা তথ্যগুলির একটি ডাটাবেসকে উপস্থাপন করতে এবং সেই ডেটা থেকে প্রাপ্ত অনুমানগুলি তৈরি করতে ফর্মাল লজিক ব্যবহার করে।
  • সিদ্ধান্ত নেটওয়ার্কগুলি: সর্বাধিক জনপ্রিয় বায়েশিয়ান নেটওয়ার্ক / ইনফারেন্সগুলির একটি সাধারণীকরণ যা একটি মানচিত্রের মাধ্যমে একটি সিরিজ পরিবর্তনশীল এবং তাদের সম্ভাব্য সম্পর্কের প্রতিনিধিত্ব করে (এটি একটি নির্দেশিত অ্যাসাইক্লিক গ্রাফ হিসাবেও পরিচিত);
  • সম্ভাব্য প্রোগ্রামিং: একটি কাঠামো যা আপনাকে হার্ড-কোড নির্দিষ্ট ভেরিয়েবলগুলিতে বাধ্য করে না, তবে সম্ভাব্য মডেলগুলির সাথে কাজ করে। বায়েশিয়ান প্রোগ্রাম সংশ্লেষ (বিপিএস) এক অর্থে, সম্ভাব্য প্রোগ্রামিংয়ের একটি রূপ যেখানে বায়েশিয়ান প্রোগ্রামগুলি নতুন বায়েশীয় প্রোগ্রামগুলি লেখেন (মানুষের পরিবর্তে, সম্ভাব্য প্রোগ্রামিং পদ্ধতির মতো)।
  • অ্যাম্বিয়েন্ট ইন্টেলিজেন্স (এএমআই): এমন একটি কাঠামো যাতে ডিজিটাল পরিবেশে শারীরিক ডিভাইসগুলির বোধ, বোধ এবং বহিরাগত উদ্দীপনা (সাধারণত একটি মানুষের ক্রিয়া দ্বারা চালিত) প্রতিক্রিয়া জানাতে প্রয়োজন।

কোনও নির্দিষ্ট সমস্যা সমাধানের জন্য, আপনি এক বা একাধিক পদ্ধতির অনুসরণ করতে পারেন, যার অর্থ এক বা একাধিক প্রযুক্তি, কারণ তাদের মধ্যে অনেকগুলি পরিপূরক এবং পারস্পরিক একচেটিয়া নয়।

অবশেষে, আরও একটি প্রাসঙ্গিক শ্রেণিবিন্যাস রয়েছে যা আমি উপরের গ্রাফিকটিতে এম্বেড করিনি (অর্থাত্ বিশ্লেষণের বিভিন্ন ধরণের) তবে সম্পূর্ণতার স্বার্থে এটি উল্লেখ করা উচিত। আপনি আসলে পাঁচটি বিভিন্ন ধরণের বিশ্লেষণ জুড়ে আসতে পারেন: বর্ণনামূলক বিশ্লেষণ (যা ঘটেছে); ডায়াগনস্টিক বিশ্লেষণ (কেন কিছু ঘটেছিল); ভবিষ্যদ্বাণীমূলক বিশ্লেষণ (কী হবে); ব্যবস্থাপত্র বিশ্লেষণ (কর্মের জন্য সুপারিশ); এবং স্বয়ংক্রিয় বিশ্লেষণ (স্বয়ংক্রিয়ভাবে পদক্ষেপ নিন)। উপরের প্রযুক্তিগুলিকে শ্রেণিবদ্ধ করার জন্য আপনি এটি ব্যবহার করতেও প্ররোচিত হতে পারেন, তবে বাস্তবে এটি একটি কার্যকরী শ্রেণিবিন্যাস এবং প্রক্রিয়া, কোনও পণ্য নয়। অন্য কথায়, বর্ণালীতে যে কোনও প্রযুক্তি এই পাঁচটি বিশ্লেষণমূলক কার্য সম্পাদন করতে পারে।

III। উপসংহার

স্পষ্টভাবে প্রোগ্রাম না করে কম্পিউটার শিখতে কীভাবে শিখতে হয় এটি একটি কঠিন কাজ যার জন্য একাধিক সংক্ষিপ্তসার পরিচালনা করার জন্য একাধিক প্রযুক্তি প্রয়োজন। এমনকি যদি এই মানচিত্রটি নিখুঁত থেকে দূরে থাকে তবে এটি কৃত্রিম বুদ্ধিমত্তার মতো বিশৃঙ্খল প্রাকৃতিক দৃশ্যকে বোঝার জন্য কমপক্ষে প্রথম প্রচেষ্টা।

আমি ভাল করেই জানি যে এখানে একটি শক্তিশালী পেরেটো নীতিমালা উদ্ভূত হচ্ছে যার অর্থ বর্তমান প্রচেষ্টা এবং ফলাফলের ৮০% (আরও বেশি না হলে) মানচিত্রে চিত্রিত প্রযুক্তির ২০% দ্বারা চালিত হয় (গভীর শিক্ষা, এনএলপি এবং কম্পিউটার) , তবে আমি নিশ্চিত যে একটি পূর্ণ বর্ণালী গবেষক, প্রারম্ভিক এবং বিনিয়োগকারীদের সহায়তা করতে পারে।

এই প্রথম সংস্করণে প্রতিক্রিয়া এবং মতামতগুলি এম্বেড করার এবং অ্যাকাউন্টে নেওয়ার চেষ্টা করার পাশাপাশি, আমি ভবিষ্যতে আরও দুটি পদক্ষেপ নেওয়ার পরিকল্পনা করছি: প্রথমত, এআই যে ধরণের চ্যালেঞ্জের মুখোমুখি হচ্ছে তার একটি স্তর (উদাঃ মেমরি সমস্যা এবং বিপর্যয়ী) ভুলতে). শূন্য এবং এককালীন শেখার মতো জিনিসগুলির সাথে কম ডেটা থেকে শিখতে স্থানান্তরিত শিখন, এবং এই নির্দিষ্ট সমস্যাটি কাটিয়ে উঠতে কী প্রযুক্তি ব্যবহার করা যেতে পারে। দ্বিতীয়ত, বিভিন্ন প্রযুক্তি এবং তাদের সমাধান করা সমস্যাগুলি নয় বরং তাদের তৈরি করা সমস্যাগুলি দেখার জন্য লেন্সগুলি ব্যবহার করার চেষ্টা করুন (উদাঃ নৈতিক সমস্যা, ডেটা নিবিড় সমস্যা, ব্ল্যাক বক্স এবং ব্যাখ্যাযোগ্য সমস্যা ইত্যাদি)।

তারপরে, বিদ্যমান কাজটি কীভাবে উন্নত করবেন বা কীভাবে এই দুটি অতিরিক্ত পদক্ষেপ এম্বেড করবেন সে সম্পর্কে আপনার যদি কোনও মন্তব্য থাকে তবে দয়া করে পৌঁছান!

এবং যদি আপনি এমন কোনও সংস্থা হন যা উপরের যে কোনও প্রযুক্তির সাথে কাজ করে তবে আমি আপনার কাছ থেকে আরও শুনতে আগ্রহী।

প্রকাশ: এআই জ্ঞানের মানচিত্রটি তাদের চর প্ল্যাটফর্মের ক্রিয়াকলাপের জন্য কৌশলগত উদ্ভাবনী পরামর্শক এক্সিলো দিয়ে তৈরি করা হয়েছিল।

তথ্যসূত্র

অগ্রওয়াল, এ। গ্যানস, জে।, গোল্ডফার্ব, এ (2018)। "ভবিষ্যদ্বাণী মেশিনগুলি: কৃত্রিম বুদ্ধিমত্তার সহজ অর্থনীতি"। হার্ভার্ড বিজনেস রিভিউ প্রেস।

ডোমিংগো, পি। (2015)। "মাস্টার অ্যালগরিদম: চূড়ান্ত শেখার মেশিনের অনুসন্ধান কীভাবে আমাদের বিশ্বকে নতুন আকার দেবে"। নিউ ইয়র্ক: বেসিক বই।