පටුන[සඟවන්න][පෙන්වන්න]
රොබෝවරු මිනිසුන්ට වඩා දක්ෂයි යන සංකල්පය විද්යා ප්රබන්ධ ඇති තාක් කල් අපගේ සාමූහික පරිකල්පනය ග්රහණය කර ගෙන ඇත.
කෙසේ වෙතත්, Artificial Intelligence (AI) තවමත් එම මට්ටමට පැමිණ නැති අතර, Google, Tesla සහ Uber ස්වයංක්රීයව ධාවනය වන මෝටර් රථ සමඟ පරීක්ෂණ මගින් ඔප්පු කර ඇති පරිදි, යන්ත්ර බුද්ධිය උත්පාදනය කිරීමේදී අපි සැලකිය යුතු ප්රගතියක් ලබා ඇත.
මෙම තාක්ෂණික දියුණුව සක්රීය කරන යන්ත්ර ඉගෙනීමේ ප්රවේශය වන Deep Learning හි පරිමාණය සහ උපයෝගීතාවය, AI හි විශ්ව විද්යාල සහ පර්යේෂණ රසායනාගාරවලින් නිෂ්පාදන වෙත සාර්ථක සංක්රමණය සඳහා අර්ධ වශයෙන් වගකිව යුතුය.
මීළඟ පරිගණක විප්ලවය ගොඩනැගෙන්නේ කෘතිම බුද්ධිය, ගැඹුරු ඉගෙනීම සහ යන්ත්ර ඉගෙනීම.
මෙම තාක්ෂණයන් ගොඩනැගී ඇත්තේ රටා හඳුනාගැනීමේ හැකියාව මත වන අතර අතීතයේ එකතු කරන ලද දත්ත මත පදනම්ව අනාගත සිදුවීම් පුරෝකථනය කරයි. ඔබ අන්තර්ජාලය හරහා මිල දී ගැනීමේදී Amazon අදහස් ඉදිරිපත් කරන්නේ ඇයිද යන්න හෝ Netflix ඔබ 1980 ගණන්වල බිහිසුණු චිත්රපටවලට කැමති වන්නේ කෙසේදැයි මෙය පැහැදිලි කරයි.
AI සංකල්ප භාවිතා කරන පරිගණක සමහර විට "ස්මාර්ට්" ලෙස හැඳින්වුවද, මෙම පද්ධතිවලින් බහුතරයක් තමන් විසින්ම ඉගෙන නොගනී; මානව අන්තර්ක්රියා අවශ්ය වේ.
දත්ත විද්යාඥයින් යෙදෙන විචල්යයන් තෝරාගෙන ආදාන සකස් කරයි පුරෝකථන විශ්ලේෂණ. අනෙක් අතට ගැඹුරු ඉගෙනීමෙන් මෙම කාර්යය ස්වයංක්රීයව සිදු කළ හැක.
මෙම පළ කිරීම ගැඹුරු ඉගෙනීම, එහි පළල සහ අනාගත විභවයන් පිළිබඳ වැඩිදුර ඉගෙන ගැනීමට කැමති ඕනෑම දත්ත ලෝලීන් සඳහා ක්ෂේත්ර මාර්ගෝපදේශයක් ලෙස ක්රියා කරයි.
ගැඹුරු ඉගෙනීම යනු කුමක්ද?
ගැඹුරු ඉගෙනීම යන්ත්ර ඉගෙනීමේ උප කුලකයක් ලෙස සැලකිය හැකිය.
එය පරිගණක ඇල්ගොරිතම පරීක්ෂා කිරීම හරහා ස්වයං ඉගෙනීම සහ වැඩිදියුණු කිරීම මත ගොඩනගා ඇති ක්ෂේත්රයකි.
යන්ත්ර ඉගෙනීමට ප්රතිවිරුද්ධව ගැඹුරු ඉගෙනීම කෘත්රිමව ක්රියා කරයි ස්නායු ජාල, මිනිසුන් සිතන ආකාරය සහ ඉගෙන ගන්නා ආකාරය අනුකරණය කළ යුතුය. මෑතක් වන තුරුම, පරිගණක බල සීමාවන් හේතුවෙන් ස්නායුක ජාල සංකීර්ණත්වය සීමා විය.
කෙසේ වෙතත්, විශාල දත්ත විශ්ලේෂණවල දියුණුව විශාල, වඩා බලවත් ස්නායුක ජාල සක්රීය කර ඇති අතර, මිනිසුන්ට වඩා ඉක්මනින් සංකීර්ණ තත්වයන් නිරීක්ෂණය කිරීමට, තේරුම් ගැනීමට සහ ඒවාට ප්රතිචාර දැක්වීමට පරිගණකවලට හැකි වේ.
අපි කියවීම නිර්දේශ කරමු - Tesla Neural Network Architecture පැහැදිලි කර ඇත
රූප වර්ගීකරණය, භාෂා පරිවර්තනය සහ කථන හඳුනාගැනීම ගැඹුරු ඉගෙනීමෙන් ප්රයෝජන ගෙන ඇත. එයට මානව අන්තර්ක්රියා අවශ්යතාවයකින් තොරව ඕනෑම රටා හඳුනාගැනීමේ ගැටලුවක් විසඳා ගත හැකිය.
එය මූලික වශයෙන් ස්ථර තුනකින් හෝ වැඩි ගණනකින් සමන්විත වේ ස්නායු ජාලය. මෙම ස්නායුක ජාල මිනිස් මොළයේ ක්රියාකාරිත්වය අනුකරණය කිරීමට උත්සාහ කරයි, සීමිත සාර්ථකත්වයකින් වුවද, අතිවිශාල දත්ත පරිමාවකින් “ඉගෙන ගැනීමට” එය සක්රීය කරයි.
ස්නායුක ජාලයක තනි ස්ථරයකට තවමත් ආසන්න අනාවැකි නිපදවිය හැකි අතර, වඩාත් සැඟවුණු ස්ථර නිරවද්යතාවය සඳහා ප්රශස්ත කිරීමට සහ සුසර කිරීමට උපකාරී වේ.
Neural Network යනු කුමක්ද?
කෘතිම ස්නායු ජාල පදනම් වී ඇත්තේ මිනිස් මොළයේ දක්නට ලැබෙන ස්නායු දැල් මත ය. සාමාන්යයෙන් ස්නායු ජාලයක් ස්ථර තුනකින් සමන්විත වේ.
ආදාන, ප්රතිදානය සහ සැඟවුණු මට්ටම් තුනයි. ක්රියාත්මක වන ස්නායුක ජාලයක් පහත රූප සටහනේ දක්නට ලැබේ.
ඉහත පෙන්වා ඇති ස්නායුක ජාලයට ඇත්තේ එක් සැඟවුණු ස්ථරයක් පමණක් බැවින්, එය "නොගැඹුරු ස්නායු ජාලයක්" ලෙස නම් කර ඇත.
වඩාත් සංකීර්ණ ව්යුහයන් සෑදීම සඳහා එවැනි පද්ධතිවලට තවත් සැඟවුණු ස්ථර එකතු කරනු ලැබේ.
ගැඹුරු ජාලය යනු කුමක්ද?
ගැඹුරු ජාලයක් තුළ, බොහෝ සැඟවුණු ස්ථර එකතු වේ.
ජාලය නිසියාකාරව පුහුණු කිරීමට අවශ්ය කාලය පමණක් නොව අවශ්ය සම්පත් සම්බන්ධයෙන් ද ජාලයේ සැඟවුණු ස්ථර ගණන ඉහළ යන විට එවැනි සැලසුම් පුහුණු කිරීම වඩ වඩාත් සංකීර්ණ වේ.
ආදානයක්, සැඟවුණු ස්ථර හතරක් සහ ප්රතිදානයක් සහිත ගැඹුරු ජාලයක් පහත දැක්වේ.
ගැඹුරු ඉගෙනීම ක්රියා කරන්නේ කෙසේද?
නියුරෝන මිනිස් මොළය සෑදෙන ආකාරයට සමාන නෝඩ් ස්ථර වලින් ස්නායුක ජාල ගොඩනගා ඇත. තනි ස්ථර නෝඩ් අසල්වැසි ස්ථර වල නෝඩ් වලට සම්බන්ධ වේ.
ජාලයක ඇති ස්ථර ගණන එහි ගැඹුර පෙන්නුම් කරයි. තනි නියුරෝනයක් මිනිස් මොළය පණිවිඩ දහස් ගණනක් ලැබේ.
කෘත්රිම ස්නායු ජාලයක නෝඩ් අතර සංඥා චලනය වන අතර එමඟින් ඒවාට බර පවරයි.
වැඩි බරක් සහිත නෝඩයක් ඊට පහළින් ඇති නෝඩ් වලට වැඩි බලපෑමක් ඇති කරයි. අවසාන ස්ථරය ප්රතිදානයක් සැපයීම සඳහා බර යෙදවුම් ඒකාබද්ධ කරයි.
විශාල දත්ත ප්රමාණයක් හසුරුවීම සහ ඊට සම්බන්ධ වූ සංකීර්ණ ගණිතමය ගණනය කිරීම් හේතුවෙන් ගැඹුරු ඉගෙනුම් පද්ධතිවලට ශක්තිමත් දෘඪාංග අවශ්ය වේ.
ගැඹුරු ඉගෙනුම් පුහුණු ගණනය කිරීම්, එවැනි සංකීර්ණ තාක්ෂණය සමඟ පවා සති කිහිපයක් ගත විය හැක.
නිවැරදි සොයාගැනීම් සැපයීම සඳහා ගැඹුරු ඉගෙනුම් පද්ධතිවලට සැලකිය යුතු දත්ත ප්රමාණයක් අවශ්ය වේ; එබැවින්, තොරතුරු දැවැන්ත දත්ත කට්ටල ආකාරයෙන් පෝෂණය වේ.
දත්ත සැකසීමේදී, කෘත්රිම ස්නායුක ජාලවලට ඉතා සංකීර්ණ ගණිතමය ගණනය කිරීම් ඇතුළත් ද්විමය ඔව් හෝ අසත්ය ප්රශ්න අනුපිළිවෙලකට ප්රතිචාර මත පදනම්ව තොරතුරු වර්ගීකරණය කළ හැක.
මුහුණු හඳුනාගැනීමේ ඇල්ගොරිතමයක්, උදාහරණයක් ලෙස, මුහුණුවල දාර සහ රේඛා හඳුනා ගැනීමට සහ හඳුනා ගැනීමට ඉගෙන ගනී.
එවිට මුහුණු වල වඩාත් වැදගත් අංග, සහ අවසානයේ මුහුණු වල සම්පූර්ණ නිරූපණයන්.
ඇල්ගොරිතම කාලයත් සමඟම පුහුණු වන අතර, නිවැරදි පිළිතුරු වල සම්භාවිතාව වැඩි කරයි.
මෙම තත්වය තුළ, මුහුණු හඳුනාගැනීමේ ඇල්ගොරිතම කාලයත් සමඟ මුහුණු වඩාත් නිවැරදිව හඳුනා ගනී.
ගැඹුරු ඉගෙනීම VS යන්ත්ර ඉගෙනීම
ගැඹුරු ඉගෙනීම එහි උප කුලකයක් නම් යන්ත්ර ඉගෙනීමෙන් වෙනස් වන්නේ කෙසේද?
ගැඹුරු ඉගෙනීම සම්ප්රදායික යන්ත්ර ඉගෙනීමට වඩා වෙනස් වන්නේ එය භාවිතා කරන දත්ත වර්ග සහ එය ඉගෙන ගැනීමට භාවිතා කරන ක්රම වලිනි.
අනාවැකි නිර්මාණය කිරීම සඳහා, යන්ත්ර ඉගෙනුම් ඇල්ගොරිතම ව්යුහගත, ලේබල් කළ දත්ත භාවිතා කරයි, එයින් අදහස් කරන්නේ ඇතැම් ලක්ෂණ ආකෘතියේ ආදාන දත්ත වලින් නිශ්චිතව දක්වා ඇති අතර වගු වලට කාණ්ඩගත කර ඇති බවයි.
එය ව්යුහගත නොකළ දත්ත භාවිතා නොකරන බව මින් අවශ්යයෙන්ම ඇඟවෙන්නේ නැත; ඒ වෙනුවට, එය සිදු කරන්නේ නම්, එය සාමාන්යයෙන් එය ව්යුහගත ආකෘතියකට දැමීම සඳහා යම් පෙර-සැකසුම හරහා ගමන් කරයි.
ගැඹුරු ඉගෙනීම මගින් යන්ත්ර ඉගෙනීම සාමාන්යයෙන් ඇතුළත් වන දත්ත පෙර සැකසුම් වලින් කොටසක් ඉවත් කරයි.
මෙම ඇල්ගොරිතමවලට පෙළ සහ පින්තූර වැනි ව්යුහගත නොවන දත්ත අවශෝෂණය කර අර්ථ නිරූපණය කිරීමට මෙන්ම විශේෂාංග නිස්සාරණය ස්වයංක්රීය කර, මානව විශේෂඥයින් මත යැපීම අඩු කරයි.
අපි හිතමු අපි හිතමු අපිට විවිධ සුරතල් සතුන්ගේ පින්තූර එකතුවක් තිබුණා, ඒවා “පූසා,” “බල්ලා,” “හැම්ස්ටර්,” යනාදී කාණ්ඩවලට සංවිධානය කිරීමට අවශ්ය විය.
ගැඹුරු ඉගෙනුම් ඇල්ගොරිතම මගින් එක් සතෙකුගෙන් තවත් සතෙකු වෙන් කිරීමේදී වඩාත් වැදගත් වන්නේ කුමන ගතිලක්ෂණ (කන් වැනි)දැයි සොයා ගත හැක. මෙම විශේෂාංග ධුරාවලිය යන්ත්ර ඉගෙනීමේ මානව විශේෂඥයෙකු විසින් අතින් නිර්ණය කරනු ලැබේ.
ගැඹුරු ඉගෙනුම් ක්රමය පසුව වෙනස් වී නිරවද්යතාවයට ගැලපේ අනුක්රමණ සම්භවය සහ පසුපස ප්රචාරණය, සතෙකුගේ නැවුම් ඡායාරූපයක් පිළිබඳ වඩාත් නිවැරදි අනාවැකි ජනනය කිරීමට ඉඩ සලසයි.
ගැඹුරු ඉගෙනුම් යෙදුම්
1 චැට්බට්ස්
Chatbots හට තත්පර කිහිපයකින් සේවාදායක ගැටළු නිරාකරණය කළ හැක. chatbot එකක් යනු an කෘතිම බුද්ධිය (AI) ඔබට පෙළ හෝ පෙළ සිට කථනය හරහා මාර්ගගතව සන්නිවේදනය කිරීමට ඉඩ සලසන මෙවලම.
මිනිසුන් කරන ආකාරයටම සන්නිවේදනය කිරීමට සහ ක්රියා කිරීමට එයට හැකිය. Chatbots පාරිභෝගික සේවා, සමාජ මාධ්ය අලෙවිකරණය සහ සේවාලාභී ක්ෂණික පණිවිඩ යැවීමේදී බහුලව භාවිතා වේ.
එය ස්වයංක්රීය පිළිතුරු සමඟින් ඔබේ යෙදවුම්වලට ප්රතිචාර දක්වයි. එය යන්ත්ර ඉගෙනීම සහ ගැඹුරු ඉගෙනුම් ශිල්පීය ක්රම භාවිතයෙන් පිළිතුරු බොහෝ ආකාර ජනනය කරයි.
2. ස්වයං ධාවන මෝටර් රථ
ස්වයංක්රීයව ධාවනය වන මෝටර් රථ යථාර්ථයක් බවට පත්වීමේ මූලික සාධකය ගැඹුරු ඉගෙනීමයි.
ආකෘතියක් නිර්මාණය කිරීම සඳහා දත්ත කට්ටල මිලියනයක් පද්ධතියකට පටවනු ලැබේ, ඉගෙනීමට යන්ත්ර පුහුණු කරන්න, පසුව ආරක්ෂිත පරිසරයක් තුළ සොයාගැනීම් ඇගයීම.
Uber කෘතිම බුද්ධිය Pittsburgh හි විද්යාගාර රියදුරන් රහිත මෝටර් රථ වඩාත් සුලභ කිරීමට පමණක් නොව රියදුරු රහිත මෝටර් රථ භාවිතය සමඟ ආහාර බෙදා හැරීමේ හැකියාව වැනි බොහෝ ස්මාර්ට් විශේෂාංග ඒකාබද්ධ කිරීමට උත්සාහ කරයි.
ස්වයං-රිය පැදවීමේ වාහන සංවර්ධනය සඳහා වඩාත්ම හදිසි කරදර වන්නේ අනපේක්ෂිත සිදුවීම් සමඟ කටයුතු කිරීමයි.
ගැඹුරු ඉගෙනුම් ඇල්ගොරිතමවල සාමාන්ය පරීක්ෂණ සහ ක්රියාත්මක කිරීමේ අඛණ්ඩ චක්රයක්, වැඩි වැඩියෙන් සිදුවීම් මිලියන ගණනකට නිරාවරණය වන බැවින් ආරක්ෂිත රිය පැදවීම සහතික කරයි.
3. අතථ්ය සහකාර
අතථ්ය සහකාර යනු ස්වභාවික භාෂා හඬ විධාන හඳුනාගෙන ඔබ වෙනුවෙන් දේවල් කරන වලාකුළු මත පදනම් වූ වැඩසටහන් වේ.
Amazon Alexa, Cortana, Siri සහ Google Assistant වැනි අතථ්ය සහායකයින් පොදු උදාහරණ වේ.
ඔවුන්ගේ හැකියාවන් සම්පූර්ණයෙන් ප්රයෝජනයට ගැනීමට, ඔවුන්ට අන්තර්ජාලයට සම්බන්ධ උපාංග අවශ්ය වේ. සහකරුට විධානයක් ලබා දුන් විට, එය ගැඹුරු ඉගෙනුම් ඇල්ගොරිතම භාවිතා කරමින් පෙර හමුවීම් මත පදනම්ව වඩා හොඳ අත්දැකීමක් ලබා දීමට නැඹුරු වේ.
4. විනෝදාස්වාදය
Netflix, Amazon, YouTube, සහ Spotify වැනි සමාගම් තම පාරිභෝගිකයින්ට ඔවුන්ගේ අත්දැකීම් වැඩිදියුණු කිරීම සඳහා සුදුසු චිත්රපට, ගීත සහ වීඩියෝ යෝජනා සපයයි.
මේ සියල්ලටම Deep Learning වගකිව යුතුය.
සබැඳි ප්රවාහ සමාගම් පුද්ගලයෙකුගේ ගවේෂණ ඉතිහාසය, රුචිකත්වයන් සහ ක්රියාකාරකම් මත පදනම්ව නිෂ්පාදන සහ සේවා නිර්දේශ සපයයි.
ගැඹුරු ඉගෙනුම් ඇල්ගොරිතම ස්වයංක්රීයව උපසිරැසි නිපදවීමට සහ නිහඬ චිත්රපටවලට ශබ්දය එක් කිරීමට ද භාවිතා කරයි.
5. රොබෝ විද්යාව
මිනිසුන්ට සමාන රැකියා කළ හැකි රොබෝවරුන් සංවර්ධනය කිරීමේදී ගැඹුරු ඉගෙනීම බහුලව භාවිතා වේ.
ගැඹුරු ඉගෙනුම් බලයෙන් ක්රියාත්මක වන රොබෝවරු ඔවුන්ගේ මාර්ගයේ ඇති බාධක හඳුනා ගැනීමට සහ ඔවුන්ගේ පාඨමාලාව ඉක්මනින් සකස් කිරීමට තත්ය කාලීන යාවත්කාලීන භාවිත කරති.
එය රෝහල්වල, කර්මාන්තශාලාවල, ගබඩාවල, ඉන්වෙන්ටරි කළමනාකරණය, නිෂ්පාදන නිෂ්පාදනය වැනි දේ ප්රවාහනය කිරීමට භාවිතා කළ හැක.
Boston Dynamics රොබෝවරු මිනිසුන් තල්ලු කරන විට ඒවාට ප්රතිචාර දක්වයි. ඔවුන්ට පිඟන් සෝදන යන්ත්රයක් හිස් කළ හැකිය, ඔවුන් වැටෙන විට ඔවුන් නැඟිටින්න, සහ වෙනත් විවිධ ක්රියාකාරකම් ඉටු කළ හැකිය.
6. සෞඛ්ය සත්කාර
වෛද්යවරුන්ට පැය XNUMX පුරාම ඔවුන්ගේ රෝගීන් සමඟ සිටිය නොහැක, නමුත් අප සෑම විටම පාහේ අප සමඟ ඇති එක් දෙයක් වන්නේ අපගේ දුරකථන ය.
ගැඹුරු ඉගෙනීම මගින් වෛද්ය තාක්ෂණයන්ට අප ග්රහණය කර ගන්නා රූපවලින් දත්ත විශ්ලේෂණය කිරීමට සහ විභව සෞඛ්ය ගැටලු අනාවරණය කර ගැනීමට දත්ත චලනය කිරීමට ඉඩ සලසයි.
උදාහරණයක් ලෙස, AI හි පරිගණක දෘෂ්ඨි වැඩසටහන, පහත වැටීම් මෙන්ම මානසික තත්වයේ වෙනස්වීම් පුරෝකථනය කිරීමට රෝගියාගේ චලන රටා අනුගමනය කිරීමට මෙම දත්ත භාවිතා කරයි.
ඡායාරූප සහ තවත් බොහෝ දේ භාවිතයෙන් සමේ පිළිකා හඳුනා ගැනීමට ගැඹුරු ඉගෙනීම ද භාවිතා කර ඇත.
7. ස්වභාවික භාෂා සැකසීම
ස්වභාවික භාෂා සැකසුම් තාක්ෂණය දියුණු කිරීම මගින් රොබෝවරුන්ට සන්නිවේදනය කියවීමට සහ ඒවායින් අර්ථය ලබා ගැනීමට හැකියාව ලැබී ඇත.
එසේ වුවද, වාක්ය ඛණ්ඩයක අර්ථයට හෝ අරමුණට බලපෑම් කිරීමට වචන සම්බන්ධ වන ආකාරය ගණන් ගැනීමට අපොහොසත් වන ප්රවේශය අතිශයින් සරල කළ හැකිය.
ගැඹුරු ඉගෙනීම ස්වභාවික භාෂා සැකසුම්කරුවන්ට වාක්ය ඛණ්ඩවල වඩාත් සංකීර්ණ රටා හඳුනා ගැනීමට සහ වඩාත් නිවැරදි අර්ථකථන ලබා දීමට උපකාරී වේ.
8. පරිගණක දැක්ම
ගැඹුරු ඉගෙනීම මිනිස් මනස තොරතුරු සකසන ආකාරය සහ රටා හඳුනා ගන්නා ආකාරය ප්රතිනිර්මාණය කිරීමට උත්සාහ කරයි, එය දැක්ම මත පදනම් වූ AI යෙදුම් පුහුණු කිරීම සඳහා කදිම ක්රමයක් බවට පත් කරයි.
එම පද්ධතිවලට ටැග් කළ ඡායාරූප කට්ටල අනුප්රාප්තිය ලබා ගත හැකි අතර භාවිතා කරන ගුවන් යානා, මුහුණු සහ ආයුධ වැනි අයිතම හඳුනා ගැනීමට ඉගෙන ගත හැකිය. ගැඹුරු ඉගෙනුම් ආකෘති.
ක්රියාවෙහි ගැඹුරු ඉගෙනීම
ඔබ කැමති විය හැකි ගීත නිර්දේශ කරන ඔබේ ප්රියතම සංගීත ප්රවාහ සේවාව හැරුණු විට, ගැඹුරු ඉගෙනීම මිනිසුන්ගේ ජීවිත වෙනස් කරන්නේ කෙසේද?
ගැඹුරු ඉගෙනීම, එය පුළුල් පරාසයක යෙදුම් බවට පත්වෙමින් තිබේ. Facebook භාවිතා කරන ඕනෑම කෙනෙකුට ඔබ නව පින්තූර පළ කරන විට, සමාජ වෙබ් අඩවිය නිතරම ඔබේ මිතුරන් හඳුනාගෙන ටැග් කරන බව දකිනු ඇත.
Siri, Cortana, Alexa, සහ Google Now වැනි ඩිජිටල් සහායකයින් විසින් ස්වභාවික භාෂා සැකසීම සහ කථන හඳුනාගැනීම සඳහා ගැඹුරු ඉගෙනීම භාවිතා කරයි.
තත්ය කාලීන පරිවර්තනය ස්කයිප් හරහා සපයනු ලැබේ. බොහෝ විද්යුත් තැපැල් සේවා එන ලිපි වෙත පැමිණීමට පෙර අයාචිත තැපැල් පණිවිඩ හඳුනා ගැනීමේ හැකියාවෙන් දියුණු වී ඇත.
PayPal වංචාකාරී ගෙවීම් වැළැක්වීම සඳහා ගැඹුරු ඉගෙනීම භාවිතා කර ඇත. උදාහරණයක් ලෙස, CamFind, ඔබට ඕනෑම වස්තුවක ඡායාරූපයක් ගැනීමට සහ ජංගම දෘශ්ය සෙවුම් තාක්ෂණය භාවිතයෙන් එය කුමක්දැයි තීරණය කිරීමට ඉඩ සලසයි.
විශේෂයෙන් Google විසින් විසඳුම් ලබා දීමට ගැඹුරු ඉගෙනීම භාවිතා වේ. AlphaGo, Google Deepmind විසින් සංවර්ධනය කරන ලද පරිගණක වැඩසටහනක්, වත්මන් Go ශූරයන් පරාජය කර ඇත.
DeepMind විසින් වැඩි දියුණු කරන ලද WaveNet, දැනට පවතින කථන පද්ධතිවලට වඩා ස්වභාවිකව ශබ්ද කරන කථාවක් නිර්මාණය කළ හැක. වාචික සහ පාඨමය භාෂා පරිවර්තනය කිරීමට, Google Translate ගැඹුරු ඉගෙනීම සහ පින්තූර හඳුනාගැනීම භාවිතා කරයි.
Google Planet භාවිතයෙන් ඕනෑම ඡායාරූපයක් හඳුනා ගත හැක. AI යෙදුම් සංවර්ධනය සඳහා සහාය වීමට, Google විසින් නිර්මාණය කරන ලදී Tensorflow ගැඹුරු ඉගෙනීම මෘදුකාංග දත්ත සමුදාය.
ගැඹුරු ඉගෙනීමේ අනාගතය
තාක්ෂණය පිළිබඳ සාකච්ඡා කිරීමේදී ගැඹුරු ඉගෙනීම නොවැළැක්විය හැකි මාතෘකාවකි. ගැඹුරු ඉගෙනීම තාක්ෂණයේ වඩාත් තීරණාත්මක අංගයක් බවට පරිණාමය වී ඇති බව අමුතුවෙන් කිව යුතු නැත.
AI, ගැඹුරු ඉගෙනීම, යන්ත්ර ඉගෙනීම සහ යනාදිය වැනි තාක්ෂණ ගැන උනන්දු වූයේ සංවිධාන පමණි. පුද්ගලයන් ද, මෙම තාක්ෂණයේ මූලිකාංගය, විශේෂයෙන් ගැඹුරු ඉගෙනීම ගැන උනන්දු වෙති.
ගැඹුරු ඉගෙනීම කෙරෙහි වැඩි අවධානයක් යොමු වීමට බොහෝ හේතු වලින් එකක් වන්නේ අනාවැකි නිරවද්යතාවය වැඩි දියුණු කරන අතරම වඩා හොඳ දත්ත පදනම් කරගත් තීරණ වලට ඉඩ දීමේ හැකියාවයි.
ගැඹුරු ඉගෙනුම් සංවර්ධන මෙවලම්, පුස්තකාල සහ භාෂා වසර කිහිපයකින් ඕනෑම මෘදුකාංග සංවර්ධන මෙවලම් කට්ටලයක නිත්ය සංරචක බවට පත් විය හැකිය.
මෙම වත්මන් මෙවලම් කට්ටල නව මාදිලියේ සරල නිර්මාණය, සැකසීම සහ පුහුණු කිරීම සඳහා මග පාදයි.
විලාස පරිවර්තනය, ස්වයංක්රීය ටැග් කිරීම, සංගීත නිර්මාණය, සහ අනෙකුත් කාර්යයන් මෙම කුසලතා සමඟ කිරීමට වඩා පහසු වනු ඇත.
වේගවත් කේතීකරණය සඳහා ඇති ඉල්ලුම කිසි විටෙකත් වැඩි වී නැත.
ගැඹුරු ඉගෙනුම් සංවර්ධකයින් අනාගතයේදී පුළුල් පරාසයක පිටත සහ පේනුගත කළ හැකි ඇල්ගොරිතම පුස්තකාල වෙත ප්රවේශ වීමට ඉඩ සලසන ඒකාබද්ධ, විවෘත, වලාකුළු මත පදනම් වූ සංවර්ධන පරිසරයන් වැඩි වැඩියෙන් භාවිතා කරනු ඇත.
ගැඹුරු ඉගෙනීමට ඉතා දීප්තිමත් අනාගතයක් ඇත!
a හි ප්රතිලාභය ස්නායු ජාලය එය විෂමජාතීය දත්ත විශාල ප්රමාණයක් සමඟ ගනුදෙනු කිරීමේදී විශිෂ්ටයි (අපගේ මොළයට සෑම විටම ගනුදෙනු කිරීමට ඇති සියල්ල ගැන සිතන්න).
අතිවිශාල දත්ත ප්රමාණයක් රැස් කළ හැකි බලවත් ස්මාර්ට් සංවේදක ඇති අපගේ යුගයේ මෙය විශේෂයෙන්ම සත්ය වේ. සාම්ප්රදායික පරිගණක පද්ධති බොහෝ දත්ත පෙරීමට, වර්ග කිරීමට සහ නිගමනවලට එළඹීමට අරගල කරයි.
නිගමනය
ගැඹුරු ඉගෙනුම බලතල ස්වයංක්රීයකරණය සහ විශ්ලේෂණ වැඩි දියුණු කළ හැකි බොහෝ කෘතිම බුද්ධි (AI) විසඳුම් ක්රියාවලි.
බොහෝ පුද්ගලයන් අන්තර්ජාලය හෝ ඔවුන්ගේ ජංගම දුරකථන භාවිතා කරන විට දිනපතා ගැඹුරු ඉගෙනීම් සමඟ සම්බන්ධ වේ.
YouTube වීඩියෝ සඳහා උපසිරැසි නිෂ්පාදනය කිරීමට ගැඹුරු ඉගෙනීම භාවිතා කරයි. දුරකථන සහ ස්මාර්ට් ස්පීකර් මත හඬ හඳුනාගැනීම සිදු කරන්න.
රූප සඳහා මුහුණු හඳුනා ගැනීම ලබා දෙන්න, සහ වෙනත් බොහෝ භාවිත අතර ස්වයං-රිය පැදවීමේ මෝටර් රථවලට ඉඩ දෙන්න.
තවද, දත්ත විද්යාඥයින් සහ ශාස්ත්රඥයින් වඩ වඩාත් සංකීර්ණ ලෙස කටයුතු කරයි ගැඹුරු ඉගෙනුම් රාමු භාවිතා කරමින් ගැඹුරු ඉගෙනුම් ව්යාපෘති, මේ ආකාරයේ කෘතිම බුද්ධිය අපගේ දෛනික ජීවිතයේ වඩ වඩාත් වැදගත් අංගයක් බවට පත්වනු ඇත.
ඔබමයි