காட்சி தரவை விளக்குவதில் மக்களை விட கணினிகள் மிகவும் துல்லியமான உலகத்தை கற்பனை செய்து பாருங்கள். கணினி பார்வை மற்றும் இயந்திர கற்றல் துறைகள் இந்த யோசனையை உண்மையாக்கியுள்ளன.
கணினி பார்வை மற்றும் இயந்திர கற்றல், AI இன் இரண்டு முக்கிய கூறுகள். அவர்கள் சில நேரங்களில் ஒருவருக்கொருவர் குழப்பமடைகிறார்கள். அவை ஒன்றுக்கொன்று மாற்றாக கூட பயன்படுத்தப்படலாம்.
இருப்பினும், அவை தனித்துவமான முறைகளைக் கொண்ட தனித்தனி பகுதிகள். இந்த இடுகையில், கணினி பார்வை மற்றும் இடையே உள்ள முரண்பாடுகளைப் பற்றி விவாதிப்போம் இயந்திர கற்றல். இந்த புதிரான AI துணைப் புலங்களை நாங்கள் ஆராயும்போது எங்களுடன் சேருங்கள்.
இந்த வேறுபாட்டை நாம் ஏன் செய்ய வேண்டும்?
கணினி பார்வை மற்றும் இயந்திர கற்றல் இரண்டும் செயற்கை நுண்ணறிவின் முக்கியமான பகுதிகள். இருப்பினும், அவர்கள் வெவ்வேறு வழிமுறைகளையும் நோக்கங்களையும் கொண்டுள்ளனர். அவற்றுக்கிடையேயான வேறுபாடுகளை அறிந்துகொள்வதன் மூலம் AI இன் திறனை நாம் சிறப்பாகப் பயன்படுத்தலாம்.
மேலும், எங்கள் திட்டங்களுக்கு சரியான தொழில்நுட்பத்தை நாம் தேர்வு செய்யலாம்.
இரண்டையும் ஒவ்வொன்றாகப் பார்ப்போம்.
கணினி பார்வையைப் புரிந்துகொள்வது
காட்சி உலகத்தை விளக்குவதற்கு கணினிகளின் திறன் கணினி பார்வை என்று அழைக்கப்படுகிறது. டிஜிட்டல் படங்கள் மற்றும் வீடியோக்களை புரிந்துகொள்வதற்கும் பகுப்பாய்வு செய்வதற்கும் கணினிகளுக்கு பயிற்சி அளிப்பது இதில் அடங்கும்.
மனிதர்களின் கண்கள் மற்றும் மூளை எவ்வாறு செயல்படுகிறதோ, அதுபோல் இந்த தொழில்நுட்பம் செயல்படுகிறது. கணினிகள் பொருள்கள், முகங்கள் மற்றும் வடிவங்களை அடையாளம் காண முடியும். அவர்கள் புகைப்படங்களிலிருந்து தரவைப் பிரித்தெடுக்க முடியும். மேலும், அவர்கள் அல்காரிதம்கள் மற்றும் மாதிரிகளைப் பயன்படுத்தி தரவை மதிப்பீடு செய்கிறார்கள்.
உடல்நலம், போக்குவரத்து, பொழுதுபோக்கு மற்றும் பாதுகாப்பு உள்ளிட்ட பல தொழில்கள் கணினி பார்வையிலிருந்து பயனடையலாம். உதாரணமாக, கணினி பார்வை இயக்கி இல்லாத கார்களை வழிநடத்தவும், நோய்களைக் கண்டறிவதில் மருத்துவர்களுக்கு உதவவும் பயன்படுத்தப்படுகிறது.
கணினி பார்வையின் சாத்தியக்கூறுகள் எல்லையற்றவை. மேலும், நாங்கள் அவர்களின் திறனை ஆராயத் தொடங்கினோம்.
கணினி பார்வையின் முக்கிய பணிகள்
பட அங்கீகாரம்
கணினி பார்வையின் ஒரு முக்கியமான செயல்பாடு படத்தை அறிதல். டிஜிட்டல் படங்களை எவ்வாறு அங்கீகரிப்பது மற்றும் வகைப்படுத்துவது என்பதை கணினி அமைப்புகளுக்கு இது கற்பிக்கிறது. கணினிகள் ஒரு படத்தின் கூறுகளை தானாகவே அடையாளம் காணும் திறன் கொண்டவை என்பதை இது குறிக்கிறது.
அவர்கள் பொருள்கள், விலங்குகள் மற்றும் மனிதர்களை வேறுபடுத்தி, அவற்றை சரியான முறையில் குறிக்கலாம்.
பல தொழில்கள் பட அங்கீகாரத்தைப் பயன்படுத்துகின்றன. உதாரணமாக, ஊடுருவும் நபர்களை அடையாளம் காணவும் கண்காணிக்கவும் பாதுகாப்பு அமைப்புகளில் பட அங்கீகாரம் பயன்படுத்தப்படுகிறது. மேலும், நோயறிதல் மற்றும் சிகிச்சையில் மருத்துவர்களுக்கு உதவ ரேடியோகிராஃபியில் இது பயன்படுத்தப்படுகிறது.
பொருள் கண்டறிதல்
இது அசையும் அல்லது நகரும் காட்சி ஊடகத்தில் பொருட்களைக் கண்டறிந்து அடையாளம் காணும் நுட்பமாகும். இந்த வேலைக்கான விண்ணப்பங்களில் ரோபோக்கள், தன்னாட்சி கார்கள் மற்றும் கண்காணிப்பு ஆகியவை அடங்கும். உதாரணமாக, தி நெஸ்ட் கேம் பொருள் கண்டறிதலைப் பயன்படுத்தி இயக்கம் அல்லது ஒலியைக் கண்டறியும் போது வாடிக்கையாளர்களை எச்சரிக்கும் வீட்டுப் பாதுகாப்பு அமைப்பாகும்.
பிரிவாக்கம்
ஒரு படத்தைப் பிரிக்கும் செயல்முறை பல பிரிவுகளாகப் பிரிக்கிறது, ஒவ்வொன்றும் அதன் தனித்துவமான பண்புகளைக் கொண்டுள்ளது. இந்த வேலைக்கான விண்ணப்பங்களில் ஆவண பகுப்பாய்வு, வீடியோ செயலாக்கம் மற்றும் மருத்துவ இமேஜிங் ஆகியவை அடங்கும்.
உதாரணமாக, நன்கு அறியப்பட்ட பட எடிட்டிங் திட்டம் அடோ போட்டோஷாப் ஒரு படத்தில் உள்ள பல்வேறு கூறுகளை தனிமைப்படுத்தவும் ஒவ்வொரு உறுப்புக்கும் பல்வேறு விளைவுகளைப் பயன்படுத்தவும் பிரிவினைப் பயன்படுத்துகிறது.
இயந்திர கற்றலைப் புரிந்துகொள்வது
ஒரு உதாரணம் செயற்கை நுண்ணறிவு இயந்திர கற்றல் ஆகும். இது தரவுகளிலிருந்து கற்றுக்கொள்வதற்கும், அந்தத் தரவின் அடிப்படையில் கணிப்புகளை உருவாக்குவதற்கும் கணினிகளுக்குக் கற்பிக்கிறது. வெளிப்படையாக குறியிடப்படாமல், ஒரு குறிப்பிட்ட செயல்பாட்டில் கணினிகள் சிறப்பாக செயல்பட புள்ளிவிவர மாதிரிகளைப் பயன்படுத்துகிறது.
வேறு விதமாகச் சொன்னால், இயந்திர கற்றல் என்பது பயிற்சியின் செயல்முறையாகும் தரவை வழிகாட்டியாக எடுத்துக் கொள்ளும்போது கணினிகள் தாங்களாகவே கற்றுக்கொள்ளும்.
தரவு, வழிமுறைகள் மற்றும் பின்னூட்டம் ஆகியவை இயந்திர கற்றலின் மூன்று முக்கிய கூறுகளாகும். தி இயந்திர கற்றல் வழிமுறை வடிவங்களை அடையாளம் காண முதலில் ஒரு தரவுத்தொகுப்பில் பயிற்சியளிக்கப்பட வேண்டும். இரண்டாவதாக, கற்றுக்கொண்ட வடிவங்களைப் பயன்படுத்தி ஒரு புதிய தரவுத்தொகுப்பின் அடிப்படையில் அல்காரிதம் கணிப்புகளைச் செய்கிறது.
இறுதியில், அதன் கணிப்புகள் பற்றிய கருத்துக்களைப் பெற்ற பிறகு, அல்காரிதம் மாற்றங்களைச் செய்கிறது. மேலும், இது அதன் செயல்திறனை அதிகரிக்கிறது.
இயந்திர கற்றலின் முக்கிய வகைகள்
மேற்பார்வை கற்றல்
மேற்பார்வையிடப்பட்ட கற்றலில், பெயரிடப்பட்ட தரவுத்தொகுப்பு அல்காரிதத்தைப் பயிற்றுவிக்கிறது. எனவே, உள்ளீடுகள் மற்றும் பொருந்தக்கூடிய வெளியீடுகள் இணைக்கப்படுகின்றன. வெளியீடுகளுடன் உள்ளீடுகளை இணைக்கக் கற்றுக்கொண்ட பிறகு, அல்காரிதம் புதிய தரவைப் பயன்படுத்தி விளைவுகளைக் கணிக்க முடியும்.
பட அறிதல், ஆடியோ அறிதல் மற்றும் இயற்கை மொழி செயலாக்கம் போன்ற பயன்பாடுகள் கண்காணிக்கப்பட்ட கற்றலைப் பயன்படுத்துகின்றன. ஆப்பிளின் மெய்நிகர் உதவியாளர் ஸ்ரீ, எடுத்துக்காட்டாக, உங்கள் ஆர்டர்களை விளக்குவதற்கும் செயல்படுத்துவதற்கும் மேற்பார்வையிடப்பட்ட கற்றலைப் பயன்படுத்துகிறது.
மேற்பார்வை செய்யப்படாத கற்றல்
மேற்பார்வை செய்யப்படாத கற்றல் என்பது இயந்திரக் கற்றலின் துணைக்குழு ஆகும். இந்த வழக்கில், உள்ளீடுகள் மற்றும் வெளியீடுகள் இணைக்கப்படாத தரவுத்தொகுப்பில் அல்காரிதம் கற்பிக்கப்படுகிறது. கணிப்புகளை உருவாக்க, அல்காரிதம் முதலில் தரவுகளில் உள்ள வடிவங்கள் மற்றும் தொடர்புகளை அடையாளம் காண கற்றுக்கொள்ள வேண்டும்.
தரவு சுருக்கம், ஒழுங்கின்மை கண்டறிதல் மற்றும் கிளஸ்டரிங் போன்ற பயன்பாடுகள் மேற்பார்வை செய்யப்படாத கற்றலைப் பயன்படுத்துகின்றன. உதாரணமாக, அமேசான் நுகர்வோரின் கொள்முதல் வரலாறு மற்றும் மேற்பார்வை செய்யப்படாத கற்றலைப் பயன்படுத்தி உலாவல் பழக்கம் ஆகியவற்றின் அடிப்படையில் பொருட்களைப் பரிந்துரைக்கிறது.
வலுவூட்டல் கற்றல்
இது சுற்றுச்சூழலுடன் தொடர்புகொள்வது மற்றும் வெகுமதிகள் மற்றும் அபராதங்கள் வடிவில் கருத்துக்களைப் பெறுவதை உள்ளடக்கியது. வெகுமதிகளை அதிகரிக்கும் மற்றும் அபராதங்களைக் குறைக்கும் முடிவுகளை எடுக்கும் திறனை அல்காரிதம் பெறுகிறது.
இந்த வகையான இயந்திர கற்றலுக்கான பயன்பாடுகளில் ரோபோக்கள், சுய-ஓட்டுநர் கார்கள் மற்றும் கேமிங் ஆகியவை அடங்கும். உதாரணமாக, Google DeepMind இன் AlphaGo மென்பொருள் கோ விளையாட்டை விளையாட வலுவூட்டல் கற்றலைப் பயன்படுத்துகிறது.
கணினி பார்வைக்கும் இயந்திர கற்றலுக்கும் இடையிலான உறவு
கணினி பார்வை பணிகள் இயந்திர கற்றல் அல்காரிதம்களை எவ்வாறு பயன்படுத்தலாம்?
பொருள் அடையாளம் மற்றும் பட வகைப்பாடு உட்பட பல கணினி பார்வை பணிகள் இயந்திர கற்றலைப் பயன்படுத்துகின்றன. பயன்படுத்தப்படும் இயந்திர கற்றல் நுட்பத்தின் பொதுவான வடிவம் மாற்றத்தக்க நரம்பியல் நெட்வொர்க்குகள் (சிஎன்என்கள்).
இது படங்களில் உள்ள வடிவங்களையும் பண்புகளையும் அடையாளம் காண முடியும்.
உதாரணமாக, கூகிள் படங்கள் இயந்திர கற்றல் அல்காரிதம்களைப் பயன்படுத்துகிறது. தற்போதுள்ள பொருட்கள் மற்றும் தனிநபர்களின் அடிப்படையில் புகைப்படங்களை இது தானாகவே அடையாளம் கண்டு வகைப்படுத்துகிறது.
நிஜ உலகில் கணினி பார்வை மற்றும் இயந்திர கற்றலின் பயன்பாடுகள்
பல நிஜ உலக பயன்பாடுகள் கணினி பார்வை மற்றும் இயந்திர கற்றல் ஆகியவற்றை இணைக்கின்றன. ஒரு சிறந்த உதாரணம் சுய-ஓட்டுநர் கார்கள். அவர்கள் கணினி பார்வை மூலம் சாலையில் உள்ள விஷயங்களைக் கண்டறிந்து கண்காணிக்கிறார்கள்.
மேலும், அந்தத் தகவலின் அடிப்படையில் தீர்ப்புகளை வழங்க அவர்கள் இயந்திர கற்றல் வழிமுறைகளைப் பயன்படுத்துகின்றனர். Waymo ஆல்பாபெட் நிறுவனத்திற்கு சொந்தமான ஒரு சுய-ஓட்டுநர் கார் நிறுவனம். பொருள் அங்கீகாரம் மற்றும் மேப்பிங்கிற்கு, இது கணினி பார்வை மற்றும் இயந்திர கற்றல் இரண்டையும் ஒருங்கிணைக்கிறது.
கணினி பார்வை மற்றும் இயந்திர கற்றல் ஆகியவை மருத்துவத் துறையிலும் ஒன்றாகப் பயன்படுத்தப்படுகின்றன. அவர்கள் மருத்துவப் படங்களை ஆய்வு செய்ய நிபுணர்களுக்கு உதவுகிறார்கள் மற்றும் நோயறிதலுக்கு உதவுகிறார்கள். உதாரணமாக, எஃப்.டி.ஏ-அங்கீகரிக்கப்பட்ட நோயறிதல் கருவி ஐ.டி.எக்ஸ்-டி.ஆர் விழித்திரை படங்களை ஆய்வு செய்வதற்கும் நீரிழிவு ரெட்டினோபதியைக் கண்டறியவும் இயந்திரக் கற்றலைப் பயன்படுத்துகிறது. புறக்கணித்தால், குருட்டுத்தன்மை ஏற்படலாம் என்பது ஒரு நிபந்தனை.
இயந்திர கற்றல் மற்றும் கணினி பார்வைக்கு இடையே உள்ள வேறுபாடுகள்
பயன்படுத்தப்படும் தரவு வகைகள்
கணினி பார்வை மற்றும் இயந்திர கற்றல் பயன்படுத்தும் தரவு வகைகள் வேறுபடுகின்றன. எண், உரை மற்றும் ஆடியோ தரவு உட்பட பல்வேறு தரவு வகைகளை இயந்திர கற்றல் கையாள முடியும்.
இருப்பினும், கணினி பார்வை மட்டுமே கவனம் செலுத்துகிறது காட்சி தரவு புகைப்படங்கள் மற்றும் வீடியோக்கள் போன்றவை.
ஒவ்வொரு துறையின் இலக்குகள்
இயந்திர கற்றல் மற்றும் கணினி பார்வை பல்வேறு நோக்கங்களைக் கொண்டுள்ளன. கணினி பார்வையின் முக்கிய குறிக்கோள்கள் காட்சி உள்ளீட்டை பகுப்பாய்வு செய்து புரிந்துகொள்வதாகும். பொருள் அங்கீகாரம், இயக்க கண்காணிப்பு மற்றும் பட பகுப்பாய்வு ஆகியவையும் இதில் அடங்கும்.
இருப்பினும், இயந்திர கற்றல் வழிமுறைகள் அனைத்து வகையான செயல்பாடுகளுக்கும் பயன்படுத்தப்படலாம்.
இயந்திரக் கற்றலின் துணைக்குழுவாக கணினி பார்வை
இது ஒரு தனி பகுதி என்றாலும், கணினி பார்வை இயந்திர கற்றலின் ஒரு பகுதியாக பார்க்கப்படுகிறது.
இயந்திர கற்றலில் பயன்படுத்தப்படும் பல முறைகள் மற்றும் ஆதாரங்கள் - போன்றவை ஆழமான கற்றல், நரம்பியல் நெட்வொர்க்குகள் மற்றும் கிளஸ்டரிங் ஆகியவை கணினி பார்வையை உருவாக்கவும் பயன்படுத்தப்படுகின்றன.
உற்சாகமான சாத்தியங்கள் முன்னால்
அவற்றின் குறுக்குவெட்டுக்கான சாத்தியம் மிகவும் கவர்ச்சிகரமானதாக வளர்ந்து வருகிறது. புதிய தொழில்நுட்பங்களின் முன்னேற்றத்துடன், கண்கவர் பயன்பாடுகளை நாம் எதிர்பார்க்கலாம்.
இந்த குறுக்குவெட்டு குறிப்பாக சுவாரஸ்யமான ஒரு துறை ரோபாட்டிக்ஸ் ஆகும். கணினி பார்வை மற்றும் இயந்திர கற்றல் ஆகியவை ரோபோக்கள் சிக்கலான சுற்றுப்புறங்களுக்கு செல்ல அனுமதிப்பதில் முக்கிய பங்கு வகிக்கும்.
அவர்கள் மேலும் சுதந்திரமாக வளரும்போது பொருள்களுடனும் மனிதர்களுடனும் தொடர்புகொள்வார்கள். பல்வேறு வேலைகளில் அதிக திறன் கொண்ட ரோபோக்களை நாம் எதிர்பார்க்கலாம்.
மற்றொரு புதிரான சாத்தியம் மெய்நிகர் உண்மை. கணினி பார்வை மற்றும் இயந்திரக் கற்றல், காட்சி உள்ளீட்டைக் கண்டறிந்து பகுப்பாய்வு செய்யும் திறனுடன், மனிதர்கள் மெய்நிகர் சூழலுடன் மிகவும் இயற்கையாகவும் உள்ளுணர்வுடனும் ஈடுபட அனுமதிக்கும். உண்மையான மற்றும் மெய்நிகர் உலகங்களை சீராக இணைக்க அனுமதிக்கும் பயன்பாடுகளைப் பார்ப்போம். இது பொழுதுபோக்கு, கல்வி மற்றும் பிற நோக்கங்களுக்கான புதிய சாத்தியங்களைக் கொண்டுவரும்.
கணினி பார்வை மற்றும் இயந்திர கற்றலின் எதிர்காலம் நிறைய வாக்குறுதிகளைக் கொண்டுள்ளது. இந்த டொமைன்களின் இன்னும் குறிப்பிடத்தக்க பயன்பாடுகளை அடுத்த ஆண்டுகளில் பார்ப்போம்.
ஒரு பதில் விடவும்