AI எல்லா இடங்களிலும் உள்ளது, ஆனால் சில சமயங்களில் சொற்கள் மற்றும் வாசகங்களைப் புரிந்துகொள்வது சவாலாக இருக்கலாம். இந்த வலைப்பதிவு இடுகையில், 50 க்கும் மேற்பட்ட AI விதிமுறைகள் மற்றும் வரையறைகளை நாங்கள் விளக்குகிறோம், இதன் மூலம் வேகமாக வளர்ந்து வரும் இந்த தொழில்நுட்பத்தை நீங்கள் மேலும் புரிந்து கொள்ள முடியும்.
நீங்கள் ஒரு தொடக்கக்காரராக இருந்தாலும் சரி அல்லது நிபுணராக இருந்தாலும் சரி, உங்களுக்குத் தெரியாத சில விதிமுறைகள் இங்கே உள்ளன என்று நாங்கள் பந்தயம் கட்டுகிறோம்!
1. செயற்கை நுண்ணறிவு
செயற்கை நுண்ணறிவு (AI) என்பது மனித நுண்ணறிவைப் பின்பற்றுவதன் மூலம், சுயாதீனமாக கற்கும் மற்றும் செயல்படும் திறன் கொண்ட கணினி அமைப்புகளின் வளர்ச்சியைக் குறிக்கிறது.
இந்த அமைப்புகள் தரவை பகுப்பாய்வு செய்கின்றன, வடிவங்களை அங்கீகரிக்கின்றன, முடிவுகளை எடுக்கின்றன மற்றும் அனுபவத்தின் அடிப்படையில் அவற்றின் நடத்தையை மாற்றியமைக்கின்றன. அல்காரிதம்கள் மற்றும் மாடல்களை மேம்படுத்துவதன் மூலம், AI ஆனது அவற்றின் சுற்றுப்புறங்களை உணர்ந்து புரிந்துகொள்ளும் திறன் கொண்ட அறிவார்ந்த இயந்திரங்களை உருவாக்குவதை நோக்கமாகக் கொண்டுள்ளது.
இயந்திரங்கள் திறமையாக பணிகளைச் செய்வதற்கும், தரவுகளிலிருந்து கற்றுக்கொள்வதற்கும், மனிதர்களைப் போன்ற அறிவாற்றல் திறன்களை வெளிப்படுத்துவதற்கும் இறுதி இலக்கு.
2. அல்காரிதம்
ஒரு அல்காரிதம் என்பது ஒரு சிக்கலைத் தீர்ப்பது அல்லது ஒரு குறிப்பிட்ட பணியை நிறைவேற்றுவதற்கான செயல்முறையை வழிகாட்டும் ஒரு துல்லியமான மற்றும் முறையான வழிமுறைகள் அல்லது விதிகளின் தொகுப்பாகும்.
இது பல்வேறு களங்களில் ஒரு அடிப்படைக் கருத்தாக செயல்படுகிறது மற்றும் கணினி அறிவியல், கணிதம் மற்றும் சிக்கல் தீர்க்கும் துறைகளில் முக்கிய பங்கு வகிக்கிறது. திறமையான மற்றும் கட்டமைக்கப்பட்ட சிக்கலைத் தீர்க்கும் அணுகுமுறைகள், தொழில்நுட்பத்தில் முன்னேற்றம் மற்றும் முடிவெடுக்கும் செயல்முறைகளை செயல்படுத்துவதால், அல்காரிதங்களைப் புரிந்துகொள்வது மிகவும் முக்கியமானது.
3. பெரிய தரவு
பெரிய தரவு என்பது பாரம்பரிய பகுப்பாய்வு முறைகளின் திறன்களை மீறும் மிகப் பெரிய மற்றும் சிக்கலான தரவுத்தொகுப்புகளைக் குறிக்கிறது. இந்த தரவுத்தொகுப்புகள் பொதுவாக அவற்றின் அளவு, வேகம் மற்றும் வகைகளால் வகைப்படுத்தப்படுகின்றன.
வால்யூம் என்பது பல்வேறு ஆதாரங்களில் இருந்து உருவாக்கப்பட்ட தரவுகளின் பரந்த அளவைக் குறிக்கிறது சமூக ஊடகம், சென்சார்கள் மற்றும் பரிவர்த்தனைகள்.
வேகம் என்பது தரவு உருவாக்கப்படும் அதிவேகத்தைக் குறிக்கிறது மற்றும் நிகழ்நேரத்தில் அல்லது நிகழ்நேரத்திற்கு அருகில் செயலாக்கப்பட வேண்டும். கட்டமைக்கப்பட்ட, கட்டமைக்கப்படாத மற்றும் அரை-கட்டமைக்கப்பட்ட தரவு உட்பட பல்வேறு வகையான தரவு மற்றும் வடிவங்களை வெரைட்டி குறிக்கிறது.
4. தரவு சுரங்க
தரவுச் செயலாக்கம் என்பது பரந்த தரவுத்தொகுப்புகளிலிருந்து மதிப்புமிக்க நுண்ணறிவுகளைப் பிரித்தெடுப்பதை நோக்கமாகக் கொண்ட ஒரு விரிவான செயல்முறையாகும்.
இது நான்கு முக்கிய நிலைகளை உள்ளடக்கியது: தரவு சேகரிப்பு, தொடர்புடைய தரவு சேகரிப்பு; தரவு தயாரித்தல், தரவு தரம் மற்றும் இணக்கத்தன்மையை உறுதி செய்தல்; தரவைச் சுரங்கப்படுத்துதல், வடிவங்கள் மற்றும் உறவுகளைக் கண்டறிய அல்காரிதம்களைப் பயன்படுத்துதல்; மற்றும் தரவு பகுப்பாய்வு மற்றும் விளக்கம், அங்கு பிரித்தெடுக்கப்பட்ட அறிவு ஆய்வு செய்யப்பட்டு புரிந்து கொள்ளப்படுகிறது.
5. நியூரல் நெட்வொர்க்
ஒரு கணினி அமைப்பு இது போன்ற வேலை செய்ய வடிவமைக்கப்பட்டுள்ளது மனித மூளை, ஒன்றோடொன்று இணைக்கப்பட்ட முனைகள் அல்லது நியூரான்களால் ஆனது. பெரும்பாலான AI அடிப்படையிலானது என்பதால் இதை இன்னும் கொஞ்சம் புரிந்துகொள்வோம் நரம்பியல் வலையமைப்புகள்.
மேலே உள்ள கிராபிக்ஸில், கடந்த கால வடிவத்திலிருந்து கற்றுக்கொள்வதன் மூலம் புவியியல் இருப்பிடத்தின் ஈரப்பதம் மற்றும் வெப்பநிலையைக் கணிக்கிறோம். உள்ளீடுகள் கடந்த பதிவுக்கான தரவுத்தொகுப்பு ஆகும்.
தி நரம்பியல் நெட்வொர்க் கற்றுக்கொள்கிறது எடைகளுடன் விளையாடுவதன் மூலமும், மறைக்கப்பட்ட அடுக்குகளில் சார்பு மதிப்புகளைப் பயன்படுத்துவதன் மூலமும் முறை. W1, W2….W7 ஆகியவை அந்தந்த எடைகள். இது வழங்கப்பட்ட தரவுத்தொகுப்பில் தன்னைப் பயிற்றுவித்து, ஒரு கணிப்பாக வெளியீட்டை அளிக்கிறது.
இந்த சிக்கலான தகவலால் நீங்கள் அதிகமாக இருக்கலாம். இதுபோன்றால், எங்கள் எளிய வழிகாட்டியுடன் நீங்கள் தொடங்கலாம் இங்கே.
6. இயந்திர கற்றல்
மெஷின் லேர்னிங், தரவுகளிலிருந்து தானாகக் கற்றுக் கொள்ளும் திறன் மற்றும் காலப்போக்கில் அவற்றின் செயல்திறனை மேம்படுத்தும் திறன் கொண்ட அல்காரிதம்கள் மற்றும் மாதிரிகளை உருவாக்குவதில் கவனம் செலுத்துகிறது.
கணினிகள் வடிவங்களை அடையாளம் காணவும், கணிப்புகளை உருவாக்கவும், வெளிப்படையாக திட்டமிடப்படாமல் தரவு சார்ந்த முடிவுகளை எடுக்கவும் புள்ளியியல் நுட்பங்களைப் பயன்படுத்துவதை உள்ளடக்கியது.
இயந்திர கற்றல் வழிமுறைகள் பெரிய தரவுத்தொகுப்புகளிலிருந்து பகுப்பாய்வு செய்து கற்றுக்கொள்வது, அமைப்புகளை அவை செயலாக்கும் தகவலின் அடிப்படையில் அவற்றின் நடத்தையை மாற்றியமைக்கவும் மேம்படுத்தவும் அனுமதிக்கிறது.
7. ஆழ்ந்த கற்றல்
ஆழமான கற்றல், இயந்திர கற்றல் மற்றும் நரம்பியல் நெட்வொர்க்குகளின் துணைப் புலம், மனித மூளையின் சிக்கலான செயல்முறைகளை உருவகப்படுத்துவதன் மூலம் தரவுகளிலிருந்து அறிவைப் பெறுவதற்கு அதிநவீன வழிமுறைகளைப் பயன்படுத்துகிறது.
பல மறைக்கப்பட்ட அடுக்குகளைக் கொண்ட நரம்பியல் நெட்வொர்க்குகளைப் பயன்படுத்துவதன் மூலம், ஆழமான கற்றல் மாதிரிகள் சிக்கலான அம்சங்களையும் வடிவங்களையும் தன்னாட்சி முறையில் பிரித்தெடுக்கலாம், அவை சிக்கலான பணிகளை விதிவிலக்கான துல்லியம் மற்றும் செயல்திறனுடன் சமாளிக்க உதவுகின்றன.
8. வடிவ அங்கீகாரம்
பேட்டர்ன் ரெகக்னிஷன், ஒரு தரவு பகுப்பாய்வு நுட்பம், தரவுத்தொகுப்புகளில் உள்ள வடிவங்கள் மற்றும் ஒழுங்குமுறைகளை தன்னியக்கமாகக் கண்டறிந்து கண்டறிய இயந்திர கற்றல் வழிமுறைகளின் சக்தியைப் பயன்படுத்துகிறது.
கணக்கீட்டு மாதிரிகள் மற்றும் புள்ளியியல் முறைகளை மேம்படுத்துவதன் மூலம், சிக்கலான மற்றும் மாறுபட்ட தரவுகளில் அர்த்தமுள்ள கட்டமைப்புகள், தொடர்புகள் மற்றும் போக்குகளை அமைப்பு அங்கீகாரம் அல்காரிதம்கள் அடையாளம் காண முடியும்.
இந்த செயல்முறை மதிப்புமிக்க நுண்ணறிவுகளைப் பிரித்தெடுக்கவும், தரவை வெவ்வேறு வகைகளாக வகைப்படுத்தவும் மற்றும் அங்கீகரிக்கப்பட்ட வடிவங்களின் அடிப்படையில் எதிர்கால விளைவுகளை கணிக்கவும் உதவுகிறது. வடிவ அங்கீகாரம் என்பது பல்வேறு களங்களில் ஒரு முக்கிய கருவியாகும், முடிவெடுப்பதை மேம்படுத்துகிறது, ஒழுங்கின்மை கண்டறிதல் மற்றும் முன்கணிப்பு மாதிரியாக்கம்.
பயோமெட்ரிக்ஸ் இதற்கு ஒரு உதாரணம். உதாரணமாக, கைரேகை அங்கீகாரத்தில், அல்காரிதம் ஒரு நபரின் கைரேகையின் முகடுகள், வளைவுகள் மற்றும் தனித்துவமான அம்சங்களை பகுப்பாய்வு செய்து டெம்ப்ளேட் எனப்படும் டிஜிட்டல் பிரதிநிதித்துவத்தை உருவாக்குகிறது.
உங்கள் ஸ்மார்ட்போனை திறக்க அல்லது பாதுகாப்பான வசதியை அணுக முயற்சிக்கும்போது, பேட்டர்ன் ரெகக்னிஷன் சிஸ்டம் கைப்பற்றப்பட்ட பயோமெட்ரிக் தரவை (எ.கா. கைரேகை) அதன் தரவுத்தளத்தில் சேமிக்கப்பட்ட டெம்ப்ளேட்களுடன் ஒப்பிடுகிறது.
வடிவங்களைப் பொருத்துவதன் மூலமும், ஒற்றுமையின் அளவை மதிப்பிடுவதன் மூலமும், வழங்கப்பட்ட பயோமெட்ரிக் தரவு சேமிக்கப்பட்ட டெம்ப்ளேட்டுடன் பொருந்துகிறதா என்பதை கணினி தீர்மானிக்க முடியும் மற்றும் அதற்கேற்ப அணுகலை வழங்க முடியும்.
9. மேற்பார்வையிடப்பட்ட கற்றல்
மேற்பார்வையிடப்பட்ட கற்றல் என்பது இயந்திர கற்றல் அணுகுமுறையாகும், இது லேபிளிடப்பட்ட தரவைப் பயன்படுத்தி கணினி அமைப்பைப் பயிற்றுவிப்பதை உள்ளடக்கியது. இந்த முறையில், கணினி உள்ளீடு தரவுகளின் தொகுப்புடன் தொடர்புடைய அறியப்பட்ட லேபிள்கள் அல்லது விளைவுகளுடன் வழங்கப்படுகிறது.
உங்களிடம் பல படங்கள் உள்ளன, சில நாய்களுடன் மற்றும் சில பூனைகளுடன் உள்ளன.
எந்தப் படங்களில் நாய்கள் உள்ளன, எந்தப் படங்களில் பூனைகள் உள்ளன என்பதை நீங்கள் கணினிக்குக் கூறுகிறீர்கள். கணினி பின்னர் நாய்களுக்கும் பூனைகளுக்கும் இடையிலான வேறுபாடுகளை படங்களில் உள்ள வடிவங்களைக் கண்டுபிடிப்பதன் மூலம் அறிய கற்றுக்கொள்கிறது.
அது கற்றுக்கொண்ட பிறகு, நீங்கள் கணினிக்கு புதிய படங்களை கொடுக்கலாம், மேலும் அது லேபிளிடப்பட்ட எடுத்துக்காட்டுகளிலிருந்து கற்றுக்கொண்டவற்றின் அடிப்படையில் நாய்கள் அல்லது பூனைகள் உள்ளனவா என்பதைக் கண்டுபிடிக்க முயற்சிக்கும். தெரிந்த தகவல்களைப் பயன்படுத்தி கணிப்புகளைச் செய்ய கணினியைப் பயிற்றுவிப்பது போன்றது.
10. மேற்பார்வை செய்யப்படாத கற்றல்
மேற்பார்வை செய்யப்படாத கற்றல் என்பது ஒரு வகை இயந்திரக் கற்றல் ஆகும், அங்கு கணினி எந்த குறிப்பிட்ட வழிமுறைகளும் இல்லாமல் வடிவங்கள் அல்லது ஒற்றுமைகளைக் கண்டறிய ஒரு தரவுத்தொகுப்பைத் தானே ஆராய்கிறது.
மேற்பார்வையிடப்பட்ட கற்றல் போன்ற லேபிளிடப்பட்ட எடுத்துக்காட்டுகளை இது சார்ந்திருக்காது. அதற்கு பதிலாக, இது தரவுகளில் மறைக்கப்பட்ட கட்டமைப்புகள் அல்லது குழுக்களைத் தேடுகிறது. எதைப் பார்க்க வேண்டும் என்று ஒரு ஆசிரியர் சொல்லாமல், கணினி தானாகவே விஷயங்களைக் கண்டுபிடிப்பது போன்றது.
இந்த வகையான கற்றல், முன் அறிவு அல்லது வெளிப்படையான வழிகாட்டுதல் தேவையில்லாமல் புதிய நுண்ணறிவுகளைக் கண்டறிய, தரவை ஒழுங்கமைக்க அல்லது அசாதாரணமான விஷயங்களைக் கண்டறிய உதவுகிறது.
11. இயற்கை மொழி செயலாக்கம் (NLP)
இயற்கை மொழி செயலாக்கமானது கணினிகள் மனித மொழியை எவ்வாறு புரிந்துகொள்வது மற்றும் தொடர்புகொள்வது என்பதில் கவனம் செலுத்துகிறது. இது மனித மொழியை நமக்கு மிகவும் இயல்பானதாக உணரும் வகையில் கணினிகளை பகுப்பாய்வு செய்யவும், விளக்கவும் மற்றும் பதிலளிக்கவும் உதவுகிறது.
NLP என்பது குரல் உதவியாளர்கள் மற்றும் சாட்போட்களுடன் தொடர்புகொள்வதை சாத்தியமாக்குகிறது, மேலும் எங்கள் மின்னஞ்சல்களை தானாகவே கோப்புறைகளாக வரிசைப்படுத்துகிறது.
இது வார்த்தைகள், வாக்கியங்கள் மற்றும் முழு உரைகளின் பின்னால் உள்ள பொருளைப் புரிந்துகொள்ள கணினிகளுக்குக் கற்பிப்பதை உள்ளடக்குகிறது, எனவே அவை பல்வேறு பணிகளில் நமக்கு உதவுவதோடு தொழில்நுட்பத்துடனான நமது தொடர்புகளை மேலும் தடையற்றதாக மாற்றும்.
12. கணினி பார்வை
கணினி பார்வை மனிதர்களாகிய நாம் நம் கண்களால் பார்ப்பது போலவே, படங்களையும் வீடியோக்களையும் பார்க்கவும் புரிந்துகொள்ளவும் கணினிகளை அனுமதிக்கும் ஒரு கண்கவர் தொழில்நுட்பம். காட்சித் தகவல்களைப் பகுப்பாய்வு செய்வதற்கும், அவர்கள் பார்ப்பதைப் புரிந்துகொள்ளவும் கணினிகளுக்கு கற்பிப்பது பற்றியது.
எளிமையான சொற்களில், கணினி பார்வை கணினிகள் காட்சி உலகத்தை அடையாளம் காணவும் விளக்கவும் உதவுகிறது. படங்களில் உள்ள குறிப்பிட்ட பொருள்களை அடையாளம் காண்பது, படங்களை வெவ்வேறு வகைகளாக வகைப்படுத்துவது அல்லது படங்களை அர்த்தமுள்ள பகுதிகளாகப் பிரிப்பது போன்ற பணிகளை இது உள்ளடக்கியது.
சாலை மற்றும் அதைச் சுற்றியுள்ள அனைத்தையும் "பார்க்க" கணினி பார்வையைப் பயன்படுத்தி சுயமாக ஓட்டும் காரை கற்பனை செய்து பாருங்கள்.
இது பாதசாரிகள், போக்குவரத்து அறிகுறிகள் மற்றும் பிற வாகனங்களைக் கண்டறிந்து கண்காணிக்க முடியும், அவர்கள் பாதுகாப்பாக செல்ல உதவுகிறது. அல்லது முக அடையாளம் காணும் தொழில்நுட்பம் நமது ஸ்மார்ட்ஃபோன்களைத் திறக்க அல்லது நமது தனித்துவமான முக அம்சங்களை அங்கீகரிப்பதன் மூலம் நமது அடையாளங்களைச் சரிபார்க்க கணினி பார்வையை எவ்வாறு பயன்படுத்துகிறது என்பதைப் பற்றி சிந்தியுங்கள்.
நெரிசலான இடங்களைக் கண்காணிக்கவும், சந்தேகத்திற்கிடமான செயல்களைக் கண்டறியவும் கண்காணிப்பு அமைப்புகளிலும் இது பயன்படுத்தப்படுகிறது.
கணினி பார்வை என்பது ஒரு சக்திவாய்ந்த தொழில்நுட்பமாகும், இது சாத்தியக்கூறுகளின் உலகத்தைத் திறக்கிறது. காட்சித் தகவலைப் பார்க்கவும் புரிந்துகொள்ளவும் கணினிகளை இயக்குவதன் மூலம், நம்மைச் சுற்றியுள்ள உலகத்தை உணர்ந்து விளக்கக்கூடிய பயன்பாடுகள் மற்றும் அமைப்புகளை உருவாக்கலாம், இதனால் நம் வாழ்க்கையை எளிதாகவும், பாதுகாப்பாகவும், மேலும் திறமையாகவும் மாற்றலாம்.
13. சாட்போட்
சாட்பாட் என்பது ஒரு கணினி நிரல் போன்றது, இது உண்மையான மனித உரையாடல் போல் தோன்றும் வகையில் மக்களுடன் பேச முடியும்.
இது பெரும்பாலும் ஆன்லைன் வாடிக்கையாளர் சேவையில் வாடிக்கையாளர்களுக்கு உதவவும், அவர்கள் ஒரு நபருடன் பேசுவதைப் போல உணரவும் பயன்படுத்தப்படுகிறது, இது உண்மையில் கணினியில் இயங்கும் நிரலாக இருந்தாலும் கூட.
சாட்போட் வாடிக்கையாளர்களிடமிருந்து வரும் செய்திகள் அல்லது கேள்விகளைப் புரிந்துகொண்டு பதிலளிக்க முடியும், ஒரு மனித வாடிக்கையாளர் சேவை பிரதிநிதியைப் போலவே பயனுள்ள தகவல்களையும் உதவியையும் வழங்குகிறது.
14. குரல் அங்கீகாரம்
குரல் அங்கீகாரம் என்பது மனித பேச்சைப் புரிந்துகொள்வதற்கும் விளக்குவதற்கும் கணினி அமைப்பின் திறனைக் குறிக்கிறது. இது ஒரு கணினி அல்லது சாதனம் பேசும் வார்த்தைகளை "கேட்க" மற்றும் அது புரிந்துகொள்ளக்கூடிய உரை அல்லது கட்டளைகளாக மாற்றும் தொழில்நுட்பத்தை உள்ளடக்கியது.
உடன் குரல் அங்கீகாரம், தட்டச்சு செய்வதற்குப் பதிலாக அல்லது பிற உள்ளீட்டு முறைகளைப் பயன்படுத்துவதற்குப் பதிலாக சாதனங்கள் அல்லது பயன்பாடுகளுடன் பேசுவதன் மூலம் நீங்கள் தொடர்பு கொள்ளலாம்.
கணினி பேசும் வார்த்தைகளை பகுப்பாய்வு செய்கிறது, வடிவங்கள் மற்றும் ஒலிகளை அங்கீகரிக்கிறது, பின்னர் அவற்றை புரிந்துகொள்ளக்கூடிய உரை அல்லது செயல்களாக மொழிபெயர்க்கிறது. இது தொழில்நுட்பத்துடன் ஹேண்ட்ஸ்-ஃப்ரீ மற்றும் இயற்கையான தகவல்தொடர்புக்கு அனுமதிக்கிறது, குரல் கட்டளைகள், கட்டளையிடல் அல்லது குரல்-கட்டுப்படுத்தப்பட்ட தொடர்புகளை சாத்தியமாக்குகிறது. Siri மற்றும் Google Assistant போன்ற AI உதவியாளர்கள் மிகவும் பொதுவான எடுத்துக்காட்டுகள்.
15. உணர்வு பகுப்பாய்வு
உணர்வு பகுப்பாய்வு உரை அல்லது பேச்சில் வெளிப்படுத்தப்படும் உணர்ச்சிகள், கருத்துகள் மற்றும் அணுகுமுறைகளைப் புரிந்துகொள்வதற்கும் விளக்குவதற்கும் பயன்படுத்தப்படும் ஒரு நுட்பமாகும். வெளிப்படுத்தப்பட்ட உணர்வு நேர்மறை, எதிர்மறை அல்லது நடுநிலை என்பதை தீர்மானிக்க எழுதப்பட்ட அல்லது பேசும் மொழியை பகுப்பாய்வு செய்வதை உள்ளடக்கியது.
மெஷின் லேர்னிங் அல்காரிதம்களைப் பயன்படுத்தி, சென்டிமென்ட் அனாலிசிஸ் அல்காரிதம்கள், வாடிக்கையாளரின் மதிப்புரைகள், சமூக ஊடக இடுகைகள் அல்லது வாடிக்கையாளர் கருத்து போன்ற பெரிய அளவிலான உரைத் தரவை ஸ்கேன் செய்து பகுப்பாய்வு செய்து, வார்த்தைகளுக்குப் பின்னால் உள்ள அடிப்படை உணர்வை அடையாளம் காண முடியும்.
அல்காரிதம்கள் குறிப்பிட்ட சொற்கள், சொற்றொடர்கள் அல்லது உணர்ச்சிகள் அல்லது கருத்துக்களைக் குறிக்கும் வடிவங்களைத் தேடுகின்றன.
இந்த பகுப்பாய்வு வணிகங்கள் அல்லது தனிநபர்கள் ஒரு தயாரிப்பு, சேவை அல்லது தலைப்பைப் பற்றி மக்கள் எப்படி உணருகிறார்கள் என்பதைப் புரிந்துகொள்ள உதவுகிறது மற்றும் தரவு சார்ந்த முடிவுகளை எடுக்க அல்லது வாடிக்கையாளர் விருப்பத்தேர்வுகளைப் பற்றிய நுண்ணறிவுகளைப் பெற பயன்படுத்தலாம்.
எடுத்துக்காட்டாக, ஒரு நிறுவனம் வாடிக்கையாளர் திருப்தியைக் கண்காணிக்க, மேம்பாட்டிற்கான பகுதிகளை அடையாளம் காண அல்லது தங்கள் பிராண்ட் பற்றிய பொதுக் கருத்தைக் கண்காணிக்க உணர்வுப் பகுப்பாய்வைப் பயன்படுத்தலாம்.
16. இயந்திர மொழிபெயர்ப்பு
இயந்திர மொழிபெயர்ப்பு, AI இன் சூழலில், ஒரு மொழியிலிருந்து மற்றொரு மொழிக்கு தானாக உரை அல்லது பேச்சை மொழிபெயர்க்க கணினி வழிமுறைகள் மற்றும் செயற்கை நுண்ணறிவு ஆகியவற்றைப் பயன்படுத்துவதைக் குறிக்கிறது.
துல்லியமான மொழிபெயர்ப்புகளை வழங்குவதற்காக மனித மொழிகளைப் புரிந்துகொள்வதற்கும் செயலாக்குவதற்கும் கணினிகளுக்கு கற்பிப்பது இதில் அடங்கும். மிகவும் பொதுவான உதாரணம் கூகிள் மொழிபெயர்.
இயந்திர மொழிபெயர்ப்புடன், நீங்கள் ஒரு மொழியில் உரை அல்லது பேச்சை உள்ளிடலாம், மேலும் கணினி உள்ளீட்டை பகுப்பாய்வு செய்து, மற்றொரு மொழியில் தொடர்புடைய மொழிபெயர்ப்பை உருவாக்கும். வெவ்வேறு மொழிகளில் தகவல் தொடர்பு கொள்ளும்போது அல்லது அணுகும்போது இது மிகவும் பயனுள்ளதாக இருக்கும்.
இயந்திர மொழிபெயர்ப்பு அமைப்புகள் மொழியியல் விதிகள், புள்ளிவிவர மாதிரிகள் மற்றும் இயந்திர கற்றல் வழிமுறைகளின் கலவையை நம்பியுள்ளன. காலப்போக்கில் மொழிபெயர்ப்பின் துல்லியத்தை மேம்படுத்த அவர்கள் பரந்த அளவிலான மொழித் தரவிலிருந்து கற்றுக்கொள்கிறார்கள். சில இயந்திர மொழிபெயர்ப்பு அணுகுமுறைகள், மொழிபெயர்ப்புகளின் தரத்தை மேம்படுத்த நரம்பியல் நெட்வொர்க்குகளையும் இணைத்துக் கொள்கின்றன.
17. ரோபாட்டிக்ஸ்
ரோபோடிக்ஸ் என்பது செயற்கை நுண்ணறிவு மற்றும் இயந்திர பொறியியல் ஆகியவற்றின் கலவையாகும், இது ரோபோக்கள் எனப்படும் அறிவார்ந்த இயந்திரங்களை உருவாக்குகிறது. இந்த ரோபோக்கள் தன்னிச்சையாக அல்லது குறைந்தபட்ச மனித தலையீட்டுடன் பணிகளைச் செய்ய வடிவமைக்கப்பட்டுள்ளன.
ரோபோக்கள் தங்கள் சூழலை உணரக்கூடிய, அந்த உணர்வு உள்ளீட்டின் அடிப்படையில் முடிவுகளை எடுக்கக்கூடிய மற்றும் குறிப்பிட்ட செயல்கள் அல்லது பணிகளைச் செய்யக்கூடிய இயற்பியல் பொருட்கள்.
கேமராக்கள், மைக்ரோஃபோன்கள் அல்லது தொடு உணரிகள் போன்ற பல்வேறு உணரிகளுடன் அவை பொருத்தப்பட்டுள்ளன, அவை சுற்றியுள்ள உலகத்திலிருந்து தகவல்களைச் சேகரிக்க அனுமதிக்கின்றன. AI அல்காரிதம்கள் மற்றும் நிரலாக்கத்தின் உதவியுடன், ரோபோக்கள் இந்தத் தரவை பகுப்பாய்வு செய்யலாம், அதை விளக்கலாம் மற்றும் அவற்றின் நியமிக்கப்பட்ட பணிகளைச் செய்ய அறிவார்ந்த முடிவுகளை எடுக்கலாம்.
AI ஆனது ரோபோட்டிக்ஸில் ஒரு முக்கிய பங்கை வகிக்கிறது, இதன் மூலம் ரோபோக்கள் தங்கள் அனுபவங்களில் இருந்து கற்றுக்கொள்ளவும் வெவ்வேறு சூழ்நிலைகளுக்கு ஏற்பவும் மாற்றியமைக்கிறது.
இயந்திர கற்றல் வழிமுறைகள், பொருட்களை அடையாளம் காணவும், சூழல்களுக்கு செல்லவும் அல்லது மனிதர்களுடன் தொடர்பு கொள்ளவும் ரோபோக்களைப் பயிற்றுவிக்கப் பயன்படும். இது ரோபோக்கள் மிகவும் பல்துறை, நெகிழ்வான மற்றும் சிக்கலான பணிகளைக் கையாளும் திறன் கொண்டதாக மாற அனுமதிக்கிறது.
18. ட்ரான்ஸ்
ட்ரோன்கள் என்பது மனித பைலட் இல்லாமல் காற்றில் பறக்க அல்லது வட்டமிடக்கூடிய ஒரு வகை ரோபோ ஆகும். அவை ஆளில்லா வான்வழி வாகனங்கள் (UAVs) என்றும் அழைக்கப்படுகின்றன. ட்ரோன்களில் கேமராக்கள், ஜிபிஎஸ் மற்றும் கைரோஸ்கோப்கள் போன்ற பல்வேறு சென்சார்கள் பொருத்தப்பட்டுள்ளன.
அவை மனித ஆபரேட்டரால் தொலைவிலிருந்து கட்டுப்படுத்தப்படுகின்றன அல்லது முன் திட்டமிடப்பட்ட வழிமுறைகளைப் பயன்படுத்தி தன்னாட்சி முறையில் செயல்பட முடியும்.
வான்வழி புகைப்படம் எடுத்தல் மற்றும் வீடியோ எடுத்தல், கணக்கெடுப்பு மற்றும் மேப்பிங், டெலிவரி சேவைகள், தேடல் மற்றும் மீட்பு பணிகள், விவசாய கண்காணிப்பு மற்றும் பொழுதுபோக்கு பயன்பாடு உள்ளிட்ட பல்வேறு நோக்கங்களுக்காக ட்ரோன்கள் சேவை செய்கின்றன. மனிதர்களுக்கு கடினமான அல்லது ஆபத்தான தொலைதூர அல்லது அபாயகரமான பகுதிகளை அவர்களால் அணுக முடியும்.
19. ஆக்மென்ட் ரியாலிட்டி (AR)
ஆக்மென்டட் ரியாலிட்டி (ஏஆர்) என்பது நிஜ உலகத்தை மெய்நிகர் பொருள்கள் அல்லது தகவலுடன் இணைத்து, சுற்றுச்சூழலுடனான நமது கருத்து மற்றும் தொடர்புகளை மேம்படுத்தும் தொழில்நுட்பமாகும். இது கணினியால் உருவாக்கப்பட்ட படங்கள், ஒலிகள் அல்லது பிற உணர்ச்சி உள்ளீடுகளை நிஜ உலகில் மேலெழுதுகிறது, இது ஒரு ஆழ்ந்த மற்றும் ஊடாடும் அனுபவத்தை உருவாக்குகிறது.
எளிமையாகச் சொன்னால், உங்களைச் சுற்றியுள்ள உலகத்தைப் பார்க்க சிறப்புக் கண்ணாடிகளை அணிவதையோ அல்லது உங்கள் ஸ்மார்ட்ஃபோனைப் பயன்படுத்துவதையோ கற்பனை செய்து பாருங்கள், ஆனால் கூடுதல் மெய்நிகர் கூறுகள் சேர்க்கப்பட்டுள்ளன.
எடுத்துக்காட்டாக, உங்கள் ஸ்மார்ட்போனை நகரத் தெருவில் சுட்டிக்காட்டி, அருகிலுள்ள உணவகங்களுக்கான திசைகள், மதிப்பீடுகள் மற்றும் மதிப்புரைகளைக் காட்டும் மெய்நிகர் சைன்போஸ்ட்கள் அல்லது உண்மையான சூழலுடன் தொடர்பு கொள்ளும் மெய்நிகர் எழுத்துக்களைப் பார்க்கலாம்.
இந்த மெய்நிகர் கூறுகள் நிஜ உலகத்துடன் தடையின்றி ஒன்றிணைந்து, சுற்றுப்புறத்தைப் பற்றிய உங்கள் புரிதலையும் அனுபவத்தையும் மேம்படுத்துகிறது. ஆக்மென்டட் ரியாலிட்டி கேமிங், கல்வி, கட்டிடக்கலை போன்ற பல்வேறு துறைகளில் பயன்படுத்தப்படலாம், மேலும் வழிசெலுத்தல் அல்லது உங்கள் வீட்டில் புதிய மரச்சாமான்களை வாங்குவதற்கு முன் முயற்சிப்பது போன்ற அன்றாட பணிகளுக்கும் கூட பயன்படுத்தலாம்.
20. மெய்நிகர் ரியாலிட்டி (வி.ஆர்)
விர்ச்சுவல் ரியாலிட்டி (VR) என்பது கணினியில் உருவாக்கப்பட்ட உருவகப்படுத்துதல்களைப் பயன்படுத்தி ஒரு செயற்கையான சூழலை உருவாக்குவதற்கு ஒரு நபர் ஆராய்ந்து தொடர்பு கொள்ளக்கூடிய ஒரு தொழில்நுட்பமாகும். இது பயனரை மெய்நிகர் உலகில் மூழ்கடித்து, நிஜ உலகத்தைத் தடுத்து, அதை டிஜிட்டல் சாம்ராஜ்யத்துடன் மாற்றுகிறது.
எளிமையாகச் சொன்னால், உங்கள் கண்கள் மற்றும் காதுகளை மறைக்கும் ஒரு சிறப்பு ஹெட்செட் அணிந்து உங்களை முற்றிலும் மாறுபட்ட இடத்திற்கு கொண்டு செல்வதை கற்பனை செய்து பாருங்கள். இந்த மெய்நிகர் உலகில், நீங்கள் பார்க்கும் மற்றும் கேட்கும் அனைத்தும் நம்பமுடியாத அளவிற்கு உண்மையானதாக உணர்கிறது, அவை அனைத்தும் ஒரு கணினியால் உருவாக்கப்பட்டிருந்தாலும்.
நீங்கள் சுற்றிச் செல்லலாம், எந்தத் திசையிலும் பார்க்கலாம், பொருள்கள் அல்லது கதாபாத்திரங்கள் உடல் ரீதியாக இருப்பதைப் போலவே தொடர்பு கொள்ளலாம்.
எடுத்துக்காட்டாக, விர்ச்சுவல் ரியாலிட்டி கேமில், இடைக்கால கோட்டைக்குள் நீங்கள் உங்களைக் காணலாம், அங்கு நீங்கள் அதன் தாழ்வாரங்கள் வழியாக நடக்கலாம், ஆயுதங்களை எடுக்கலாம் மற்றும் மெய்நிகர் எதிரிகளுடன் வாள் சண்டையில் ஈடுபடலாம். விர்ச்சுவல் ரியாலிட்டி சூழல் உங்கள் இயக்கங்கள் மற்றும் செயல்களுக்கு பதிலளிக்கிறது, இதனால் நீங்கள் முழுமையாக மூழ்கி அனுபவத்தில் ஈடுபடுவீர்கள்.
விர்ச்சுவல் ரியாலிட்டி என்பது கேமிங்கிற்கு மட்டுமல்ல, விமானிகள், அறுவை சிகிச்சை நிபுணர்கள் அல்லது ராணுவப் பணியாளர்களுக்கான பயிற்சி உருவகப்படுத்துதல்கள், கட்டடக்கலை ஒத்திகைகள், மெய்நிகர் சுற்றுலா மற்றும் சில உளவியல் நிலைமைகளுக்கான சிகிச்சை போன்ற பல்வேறு பயன்பாடுகளுக்கும் பயன்படுத்தப்படுகிறது. இது இருப்பு உணர்வை உருவாக்குகிறது மற்றும் பயனர்களை புதிய மற்றும் அற்புதமான மெய்நிகர் உலகங்களுக்கு கொண்டு செல்கிறது, அனுபவத்தை முடிந்தவரை யதார்த்தத்திற்கு நெருக்கமாக உணர வைக்கிறது.
21. தரவு அறிவியல்
தரவு அறிவியல் தரவுகளிலிருந்து மதிப்புமிக்க அறிவு மற்றும் நுண்ணறிவுகளைப் பிரித்தெடுக்க அறிவியல் முறைகள், கருவிகள் மற்றும் வழிமுறைகளைப் பயன்படுத்துவதை உள்ளடக்கிய ஒரு துறையாகும். இது பெரிய மற்றும் சிக்கலான தரவுத்தொகுப்புகளை பகுப்பாய்வு செய்ய கணிதம், புள்ளியியல், நிரலாக்கம் மற்றும் டொமைன் நிபுணத்துவம் ஆகியவற்றின் கூறுகளை ஒருங்கிணைக்கிறது.
எளிமையான சொற்களில், தரவு அறிவியல் என்பது ஒரு சில தரவுகளுக்குள் மறைந்திருக்கும் அர்த்தமுள்ள தகவல்களையும் வடிவங்களையும் கண்டுபிடிப்பதாகும். தரவுகளை சேகரித்தல், சுத்தம் செய்தல் மற்றும் ஒழுங்கமைத்தல், பின்னர் பல்வேறு நுட்பங்களைப் பயன்படுத்தி அதை ஆராய்ந்து பகுப்பாய்வு செய்வது ஆகியவை இதில் அடங்கும். தரவு விஞ்ஞானிகள் போக்குகளைக் கண்டறியவும், கணிப்புகளைச் செய்யவும், சிக்கல்களைத் தீர்க்கவும் புள்ளிவிவர மாதிரிகள் மற்றும் வழிமுறைகளைப் பயன்படுத்தவும்.
எடுத்துக்காட்டாக, சுகாதாரத் துறையில், நோய்களுக்கான ஆபத்து காரணிகளைக் கண்டறிய, நோயாளியின் விளைவுகளைக் கணிக்க அல்லது சிகிச்சைத் திட்டங்களை மேம்படுத்த நோயாளிகளின் பதிவுகள் மற்றும் மருத்துவத் தரவை பகுப்பாய்வு செய்ய தரவு அறிவியலைப் பயன்படுத்தலாம். வணிகத்தில், வாடிக்கையாளர்களின் விருப்பங்களைப் புரிந்து கொள்ளவும், தயாரிப்புகளைப் பரிந்துரைக்கவும் அல்லது சந்தைப்படுத்தல் உத்திகளை மேம்படுத்தவும் தரவு அறிவியலைப் பயன்படுத்தலாம்.
22. தரவு சண்டை
டேட்டா ரிங்லிங், டேட்டா மங்கிங் என்றும் அழைக்கப்படுகிறது, இது மூலத் தரவை சேகரித்தல், சுத்தம் செய்தல் மற்றும் மாற்றும் செயல்முறையாகும், இது மிகவும் பயனுள்ள மற்றும் பகுப்பாய்வுக்கு ஏற்றது. தரவை அதன் தரம், நிலைத்தன்மை மற்றும் பகுப்பாய்வு கருவிகள் அல்லது மாதிரிகளுடன் பொருந்தக்கூடிய தன்மையை உறுதிப்படுத்த, கையாளுதல் மற்றும் தயாரிப்பது இதில் அடங்கும்.
எளிமையான சொற்களில், தரவு சண்டை என்பது சமையலுக்கு தேவையான பொருட்களை தயாரிப்பது போன்றது. இது பல்வேறு ஆதாரங்களில் இருந்து தரவைச் சேகரித்து, அதை வரிசைப்படுத்துதல் மற்றும் ஏதேனும் பிழைகள், முரண்பாடுகள் அல்லது பொருத்தமற்ற தகவலை அகற்ற சுத்தம் செய்வதை உள்ளடக்கியது.
கூடுதலாக, தரவுகளை மாற்றியமைக்கவோ, மறுகட்டமைக்கவோ அல்லது ஒருங்கிணைத்து வேலை செய்வதையும் எளிதாக்கவும், நுண்ணறிவுகளைப் பிரித்தெடுக்கவும் வேண்டியிருக்கலாம்.
எடுத்துக்காட்டாக, தரவு மோதலில் நகல் உள்ளீடுகளை அகற்றுதல், எழுத்துப்பிழைகளைத் திருத்துதல் அல்லது வடிவமைத்தல் சிக்கல்கள், விடுபட்ட மதிப்புகளைக் கையாளுதல் மற்றும் தரவு வகைகளை மாற்றுதல் ஆகியவை அடங்கும். வெவ்வேறு தரவுத்தொகுப்புகளை ஒன்றாக இணைத்தல் அல்லது இணைத்தல், தரவை துணைக்குழுக்களாகப் பிரித்தல் அல்லது ஏற்கனவே உள்ள தரவுகளின் அடிப்படையில் புதிய மாறிகளை உருவாக்குதல் போன்றவையும் இதில் அடங்கும்.
23. தரவு கதைசொல்லல்
தரவு கதைசொல்லல் ஒரு விவரிப்பு அல்லது செய்தியை திறம்பட தொடர்புகொள்வதற்கான கட்டாய மற்றும் ஈடுபாட்டுடன் தரவை வழங்கும் கலை. இது பயன்படுத்துவதை உள்ளடக்கியது தரவு காட்சிப்படுத்தல், விவரிப்புகள் மற்றும் சூழல் பார்வையாளர்களுக்கு புரிந்துகொள்ளக்கூடிய மற்றும் மறக்கமுடியாத வகையில் நுண்ணறிவு மற்றும் கண்டுபிடிப்புகளை தெரிவிக்கும்.
எளிமையான சொற்களில், தரவு கதைசொல்லல் என்பது ஒரு கதையைச் சொல்ல தரவைப் பயன்படுத்துவதாகும். இது எண்கள் மற்றும் விளக்கப்படங்களை வழங்குவதற்கு அப்பாற்பட்டது. இது தரவைச் சுற்றி ஒரு கதையை உருவாக்குவது, காட்சி கூறுகள் மற்றும் கதை சொல்லும் நுட்பங்களைப் பயன்படுத்தி தரவை உயிர்ப்பித்து பார்வையாளர்களுக்குத் தொடர்புபடுத்துவதை உள்ளடக்குகிறது.
எடுத்துக்காட்டாக, விற்பனை புள்ளிவிவரங்களின் அட்டவணையை வழங்குவதற்குப் பதிலாக, தரவுக் கதைசொல்லலில் ஒரு ஊடாடும் டாஷ்போர்டை உருவாக்குவது அடங்கும், இது பயனர்கள் விற்பனை போக்குகளை பார்வைக்கு ஆராய அனுமதிக்கிறது.
முக்கிய கண்டுபிடிப்புகளை முன்னிலைப்படுத்தும், போக்குகளுக்குப் பின்னால் உள்ள காரணங்களை விளக்கும் மற்றும் தரவின் அடிப்படையில் செயல்படக்கூடிய பரிந்துரைகளை பரிந்துரைக்கும் ஒரு விவரிப்பு இதில் அடங்கும்.
24. தரவு சார்ந்த முடிவெடுத்தல்
தரவு-உந்துதல் முடிவெடுப்பது என்பது பொருத்தமான தரவின் பகுப்பாய்வு மற்றும் விளக்கத்தின் அடிப்படையில் தேர்வுகளை மேற்கொள்வது அல்லது நடவடிக்கைகளை எடுப்பது ஆகும். உள்ளுணர்வு அல்லது தனிப்பட்ட தீர்ப்பை மட்டுமே நம்பாமல், முடிவெடுக்கும் செயல்முறைகளை வழிநடத்தவும் ஆதரிக்கவும் ஒரு அடித்தளமாக தரவைப் பயன்படுத்துகிறது.
எளிமையான சொற்களில், தரவு உந்துதல் முடிவெடுப்பது என்பது நாம் செய்யும் தேர்வுகளைத் தெரிவிக்கவும் வழிகாட்டவும் தரவுகளிலிருந்து உண்மைகள் மற்றும் ஆதாரங்களைப் பயன்படுத்துவதாகும். வடிவங்கள், போக்குகள் மற்றும் உறவுகளைப் புரிந்துகொள்வதற்கான தரவைச் சேகரித்தல் மற்றும் பகுப்பாய்வு செய்தல் மற்றும் தகவலறிந்த முடிவுகளை எடுப்பதற்கும் சிக்கல்களைத் தீர்ப்பதற்கும் அந்த அறிவைப் பயன்படுத்துகிறது.
எடுத்துக்காட்டாக, வணிக அமைப்பில், தரவு உந்துதல் முடிவெடுப்பதில் விற்பனைத் தரவு, வாடிக்கையாளர் கருத்து மற்றும் சந்தைப் போக்குகளை பகுப்பாய்வு செய்வதன் மூலம் மிகவும் பயனுள்ள விலை நிர்ணய உத்தியை தீர்மானிக்க அல்லது தயாரிப்பு மேம்பாட்டில் முன்னேற்றத்திற்கான பகுதிகளை அடையாளம் காண முடியும்.
சுகாதாரப் பராமரிப்பில், சிகிச்சைத் திட்டங்களை மேம்படுத்த அல்லது நோய் விளைவுகளைக் கணிக்க நோயாளியின் தரவை பகுப்பாய்வு செய்வதை உள்ளடக்கியிருக்கலாம்.
25. தரவு ஏரி
தரவு ஏரி என்பது ஒரு மையப்படுத்தப்பட்ட மற்றும் அளவிடக்கூடிய தரவு களஞ்சியமாகும், இது அதன் மூல மற்றும் செயலாக்கப்படாத வடிவத்தில் பரந்த அளவிலான தரவுகளை சேமிக்கிறது. இது பலதரப்பட்ட தரவு வகைகள், வடிவங்கள் மற்றும் கட்டமைப்புகள், கட்டமைக்கப்பட்ட, அரை-கட்டமைக்கப்பட்ட மற்றும் கட்டமைக்கப்படாத தரவு போன்றவற்றை முன்-வரையறுக்கப்பட்ட ஸ்கீமாக்கள் அல்லது தரவு மாற்றங்களின் தேவை இல்லாமல் வைத்திருக்க வடிவமைக்கப்பட்டுள்ளது.
எடுத்துக்காட்டாக, ஒரு நிறுவனம் இணையதள பதிவுகள், வாடிக்கையாளர் பரிவர்த்தனைகள், சமூக ஊடக ஊட்டங்கள் மற்றும் IoT சாதனங்கள் போன்ற பல்வேறு ஆதாரங்களில் இருந்து தரவுகளை சேகரித்து சேமிக்கலாம்.
மேம்பட்ட பகுப்பாய்வுகளை நடத்துதல், இயந்திர கற்றல் அல்காரிதங்களைச் செய்தல் அல்லது வாடிக்கையாளர் நடத்தையின் வடிவங்கள் மற்றும் போக்குகளை ஆராய்தல் போன்ற பல்வேறு நோக்கங்களுக்காக இந்தத் தரவு பயன்படுத்தப்படலாம்.
26. தரவுக் கிடங்கு
தரவுக் கிடங்கு என்பது ஒரு சிறப்பு தரவுத்தள அமைப்பாகும், இது பல்வேறு ஆதாரங்களில் இருந்து பெரிய அளவிலான தரவைச் சேமிப்பதற்காகவும், ஒழுங்கமைக்கவும் மற்றும் பகுப்பாய்வு செய்யவும் வடிவமைக்கப்பட்டுள்ளது. திறமையான தரவு மீட்டெடுப்பு மற்றும் சிக்கலான பகுப்பாய்வு வினவல்களை ஆதரிக்கும் வகையில் இது கட்டமைக்கப்பட்டுள்ளது.
பரிவர்த்தனை தரவுத்தளங்கள், CRM அமைப்புகள் மற்றும் ஒரு நிறுவனத்தில் உள்ள பிற தரவு மூலங்கள் போன்ற பல்வேறு செயல்பாட்டு அமைப்புகளிலிருந்து தரவை ஒருங்கிணைக்கும் ஒரு மைய களஞ்சியமாக இது செயல்படுகிறது.
தரவு மாற்றப்பட்டு, சுத்தப்படுத்தப்பட்டு, பகுப்பாய்வு நோக்கங்களுக்காக உகந்ததாக கட்டமைக்கப்பட்ட வடிவத்தில் தரவுக் கிடங்கில் ஏற்றப்படுகிறது.
27. வணிக நுண்ணறிவு (BI)
வணிக நுண்ணறிவு என்பது வணிகங்கள் தகவலறிந்த முடிவுகளை எடுக்கவும் மதிப்புமிக்க நுண்ணறிவுகளைப் பெறவும் உதவும் வகையில் தரவைச் சேகரித்தல், பகுப்பாய்வு செய்தல் மற்றும் வழங்குதல் ஆகியவற்றைக் குறிக்கிறது. மூலத் தரவை அர்த்தமுள்ள, செயல்படக்கூடிய தகவலாக மாற்றுவதற்கு பல்வேறு கருவிகள், தொழில்நுட்பங்கள் மற்றும் நுட்பங்களைப் பயன்படுத்துவதை உள்ளடக்கியது.
எடுத்துக்காட்டாக, ஒரு வணிக நுண்ணறிவு அமைப்பு மிகவும் இலாபகரமான தயாரிப்புகளை அடையாளம் காணவும், சரக்கு நிலைகளைக் கண்காணிக்கவும் மற்றும் வாடிக்கையாளர் விருப்பங்களைக் கண்காணிக்கவும் விற்பனைத் தரவை பகுப்பாய்வு செய்யலாம்.
வருவாய், வாடிக்கையாளர் கையகப்படுத்தல் அல்லது தயாரிப்பு செயல்திறன் போன்ற முக்கிய செயல்திறன் குறிகாட்டிகள் (கேபிஐக்கள்) பற்றிய நிகழ்நேர நுண்ணறிவுகளை இது வழங்க முடியும், வணிகங்கள் தரவு சார்ந்த முடிவுகளை எடுக்கவும், அவற்றின் செயல்பாடுகளை மேம்படுத்த தகுந்த நடவடிக்கைகளை எடுக்கவும் அனுமதிக்கிறது.
வணிக நுண்ணறிவு கருவிகளில் பெரும்பாலும் தரவு காட்சிப்படுத்தல், தற்காலிக வினவல் மற்றும் தரவு ஆய்வு திறன்கள் போன்ற அம்சங்கள் அடங்கும். இந்த கருவிகள் பயனர்களை செயல்படுத்துகின்றன வணிக ஆய்வாளர்கள் அல்லது மேலாளர்கள், தரவுகளுடன் தொடர்புகொள்வதற்கு, அதை துண்டுகளாக்கி, பகடைகளாக வெட்டி, முக்கியமான நுண்ணறிவுகள் மற்றும் போக்குகளை முன்னிலைப்படுத்தும் அறிக்கைகள் அல்லது காட்சிப் பிரதிநிதித்துவங்களை உருவாக்கவும்.
28. முன்கணிப்பு பகுப்பாய்வு
முன்கணிப்பு பகுப்பாய்வு என்பது எதிர்கால நிகழ்வுகள் அல்லது விளைவுகளைப் பற்றிய தகவலறிந்த கணிப்புகள் அல்லது முன்னறிவிப்புகளைச் செய்ய தரவு மற்றும் புள்ளிவிவர நுட்பங்களைப் பயன்படுத்தும் நடைமுறையாகும். இது வரலாற்றுத் தரவை பகுப்பாய்வு செய்வது, வடிவங்களை அடையாளம் காண்பது மற்றும் எதிர்கால போக்குகள், நடத்தைகள் அல்லது நிகழ்வுகளை விரிவுபடுத்துவதற்கும் மதிப்பிடுவதற்கும் மாதிரிகளை உருவாக்குவதை உள்ளடக்கியது.
இது மாறிகள் இடையே உள்ள உறவுகளை வெளிக்கொணரவும், கணிப்புகளைச் செய்ய அந்தத் தகவலைப் பயன்படுத்தவும் நோக்கமாக உள்ளது. இது கடந்த கால நிகழ்வுகளை எளிமையாக விவரிப்பதற்கு அப்பாற்பட்டது; மாறாக, எதிர்காலத்தில் என்ன நடக்கக்கூடும் என்பதைப் புரிந்துகொள்வதற்கும் எதிர்பார்ப்பதற்கும் வரலாற்றுத் தரவுகளைப் பயன்படுத்துகிறது.
எடுத்துக்காட்டாக, நிதித் துறையில், கணிக்க முன்கணிப்பு பகுப்பாய்வு பயன்படுத்தப்படலாம் பங்கு வரலாற்று சந்தை தரவு, பொருளாதார குறிகாட்டிகள் மற்றும் பிற தொடர்புடைய காரணிகளின் அடிப்படையில் விலைகள்.
சந்தைப்படுத்தலில், வாடிக்கையாளர் நடத்தை மற்றும் விருப்பங்களை கணிக்க இது பயன்படுத்தப்படலாம், இலக்கு விளம்பரம் மற்றும் தனிப்பயனாக்கப்பட்ட சந்தைப்படுத்தல் பிரச்சாரங்களை செயல்படுத்துகிறது.
உடல்நலப் பராமரிப்பில், முன்கணிப்பு பகுப்பாய்வு சில நோய்களுக்கு அதிக ஆபத்தில் உள்ள நோயாளிகளைக் கண்டறிய உதவுகிறது அல்லது மருத்துவ வரலாறு மற்றும் பிற காரணிகளின் அடிப்படையில் மீண்டும் சேர்க்கப்படுவதற்கான சாத்தியக்கூறுகளைக் கணிக்க உதவுகிறது.
29. பரிந்துரைக்கப்பட்ட பகுப்பாய்வு
ப்ரிஸ்கிரிப்டிவ் அனலிட்டிக்ஸ் என்பது ஒரு குறிப்பிட்ட சூழ்நிலையில் அல்லது முடிவெடுக்கும் சூழ்நிலையில் எடுக்கக்கூடிய சிறந்த செயல்களைத் தீர்மானிக்க தரவு மற்றும் பகுப்பாய்வுகளின் பயன்பாடு ஆகும்.
இது விளக்கத்திற்கு அப்பாற்பட்டது மற்றும் கணிப்பு பகுப்பாய்வு எதிர்காலத்தில் என்ன நடக்கலாம் என்பதைப் பற்றிய நுண்ணறிவுகளை வழங்குவது மட்டுமல்லாமல், விரும்பிய முடிவை அடைவதற்கான மிகச் சிறந்த நடவடிக்கையையும் பரிந்துரைப்பதன் மூலம்.
இது வரலாற்று தரவு, முன்கணிப்பு மாதிரிகள் மற்றும் தேர்வுமுறை நுட்பங்களை ஒருங்கிணைத்து வெவ்வேறு காட்சிகளை உருவகப்படுத்துகிறது மற்றும் பல்வேறு முடிவுகளின் சாத்தியமான விளைவுகளை மதிப்பிடுகிறது. விரும்பிய முடிவுகளை அதிகரிக்க அல்லது அபாயங்களைக் குறைக்கும் வகையில் செயல்படக்கூடிய பரிந்துரைகளை உருவாக்க பல தடைகள், குறிக்கோள்கள் மற்றும் காரணிகளை இது கருதுகிறது.
உதாரணமாக, இல் விநியோக சங்கிலி மேலாண்மை, பரிந்துரைக்கப்பட்ட பகுப்பாய்வு சரக்கு நிலைகள், உற்பத்தி திறன்கள், போக்குவரத்து செலவுகள் மற்றும் வாடிக்கையாளர் தேவை ஆகியவற்றின் தரவை பகுப்பாய்வு செய்து மிகவும் திறமையான விநியோக திட்டத்தை தீர்மானிக்க முடியும்.
செலவுகளைக் குறைப்பதற்கும், சரியான நேரத்தில் டெலிவரி செய்வதை உறுதி செய்வதற்கும், சரக்கு இருப்பு இடங்கள் அல்லது போக்குவரத்து வழிகள் போன்ற வளங்களின் சிறந்த ஒதுக்கீட்டை இது பரிந்துரைக்கலாம்.
30. தரவு சார்ந்த சந்தைப்படுத்தல்
தரவு-உந்துதல் சந்தைப்படுத்தல் என்பது சந்தைப்படுத்தல் உத்திகள், பிரச்சாரங்கள் மற்றும் முடிவெடுக்கும் செயல்முறைகளை இயக்க தரவு மற்றும் பகுப்பாய்வுகளைப் பயன்படுத்தும் நடைமுறையைக் குறிக்கிறது.
வாடிக்கையாளர் நடத்தை, விருப்பத்தேர்வுகள் மற்றும் போக்குகள் பற்றிய நுண்ணறிவுகளைப் பெற பல்வேறு தரவு ஆதாரங்களை மேம்படுத்துவது மற்றும் சந்தைப்படுத்தல் முயற்சிகளை மேம்படுத்த அந்த தகவலைப் பயன்படுத்துவதை உள்ளடக்கியது.
இணையதள தொடர்புகள், சமூக ஊடக ஈடுபாடு, வாடிக்கையாளர் புள்ளிவிவரங்கள், கொள்முதல் வரலாறு மற்றும் பல போன்ற பல தொடு புள்ளிகளிலிருந்து தரவைச் சேகரித்து பகுப்பாய்வு செய்வதில் இது கவனம் செலுத்துகிறது. இலக்கு பார்வையாளர்கள், அவர்களின் விருப்பத்தேர்வுகள் மற்றும் அவர்களின் தேவைகள் பற்றிய விரிவான புரிதலை உருவாக்க இந்தத் தரவு பயன்படுத்தப்படுகிறது.
தரவைப் பயன்படுத்துவதன் மூலம், வாடிக்கையாளர் பிரிவு, இலக்கு மற்றும் தனிப்பயனாக்கம் குறித்து சந்தைப்படுத்துபவர்கள் தகவலறிந்த முடிவுகளை எடுக்க முடியும்.
மார்க்கெட்டிங் பிரச்சாரங்களுக்கு சாதகமாக பதிலளிக்கக்கூடிய குறிப்பிட்ட வாடிக்கையாளர் பிரிவுகளை அவர்கள் அடையாளம் கண்டு அதற்கேற்ப அவர்களின் செய்திகள் மற்றும் சலுகைகளை வடிவமைக்க முடியும்.
கூடுதலாக, தரவு உந்துதல் சந்தைப்படுத்தல், சந்தைப்படுத்தல் சேனல்களை மேம்படுத்துதல், மிகவும் பயனுள்ள சந்தைப்படுத்தல் கலவையை தீர்மானித்தல் மற்றும் சந்தைப்படுத்தல் முயற்சிகளின் வெற்றியை அளவிடுதல் ஆகியவற்றில் உதவுகிறது.
எடுத்துக்காட்டாக, ஒரு தரவு உந்துதல் சந்தைப்படுத்தல் அணுகுமுறை வாடிக்கையாளர் தரவை பகுப்பாய்வு செய்வதன் மூலம் வாங்கும் நடத்தை மற்றும் விருப்பத்தேர்வுகளின் வடிவங்களைக் கண்டறியலாம். இந்த நுண்ணறிவுகளின் அடிப்படையில், குறிப்பிட்ட வாடிக்கையாளர் பிரிவுகளுடன் எதிரொலிக்கும் தனிப்பயனாக்கப்பட்ட உள்ளடக்கம் மற்றும் சலுகைகள் மூலம் சந்தைப்படுத்துபவர்கள் இலக்கு பிரச்சாரங்களை உருவாக்க முடியும்.
தொடர்ச்சியான பகுப்பாய்வு மற்றும் தேர்வுமுறை மூலம், அவர்கள் தங்கள் சந்தைப்படுத்தல் முயற்சிகளின் செயல்திறனை அளவிட முடியும் மற்றும் காலப்போக்கில் உத்திகளை செம்மைப்படுத்தலாம்.
31. தரவு ஆளுமை
தரவு நிர்வாகம் என்பது அதன் வாழ்க்கைச் சுழற்சி முழுவதும் தரவின் முறையான மேலாண்மை, பாதுகாப்பு மற்றும் ஒருமைப்பாட்டை உறுதி செய்வதற்காக நிறுவனங்கள் பின்பற்றும் கட்டமைப்பு மற்றும் நடைமுறைகளின் தொகுப்பாகும். ஒரு நிறுவனத்திற்குள் தரவு எவ்வாறு சேகரிக்கப்படுகிறது, சேமிக்கப்படுகிறது, அணுகப்படுகிறது, பயன்படுத்தப்படுகிறது மற்றும் பகிரப்படுகிறது என்பதை நிர்வகிக்கும் செயல்முறைகள், கொள்கைகள் மற்றும் நடைமுறைகளை இது உள்ளடக்கியது.
இது பொறுப்பு, பொறுப்பு மற்றும் தரவு சொத்துக்களின் மீதான கட்டுப்பாட்டை நிறுவுவதை நோக்கமாகக் கொண்டுள்ளது. தரவு துல்லியமானது, முழுமையானது, நிலையானது மற்றும் நம்பகமானது என்பதை இது உறுதிசெய்கிறது, நிறுவனங்களுக்கு தகவலறிந்த முடிவுகளை எடுக்கவும், தரவு தரத்தை பராமரிக்கவும் மற்றும் ஒழுங்குமுறை தேவைகளை பூர்த்தி செய்யவும் உதவுகிறது.
தரவு நிர்வாகமானது, தரவு நிர்வாகத்திற்கான பாத்திரங்கள் மற்றும் பொறுப்புகளை வரையறுத்தல், தரவு தரநிலைகள் மற்றும் கொள்கைகளை நிறுவுதல் மற்றும் இணக்கத்தைக் கண்காணித்து செயல்படுத்துவதற்கான செயல்முறைகளை செயல்படுத்துதல் ஆகியவை அடங்கும். தரவு தனியுரிமை, தரவு பாதுகாப்பு, தரவுத் தரம், தரவு வகைப்பாடு மற்றும் தரவு வாழ்க்கைச் சுழற்சி மேலாண்மை உள்ளிட்ட தரவு நிர்வாகத்தின் பல்வேறு அம்சங்களை இது நிவர்த்தி செய்கிறது.
எடுத்துக்காட்டாக, பொதுத் தரவுப் பாதுகாப்பு ஒழுங்குமுறை (GDPR) போன்ற பொருந்தக்கூடிய தனியுரிமை விதிமுறைகளுக்கு இணங்க தனிப்பட்ட அல்லது முக்கியத் தரவு கையாளப்படுவதை உறுதி செய்வதற்கான நடைமுறைகளைச் செயல்படுத்துவதை தரவு ஆளுமை உள்ளடக்கியிருக்கலாம்.
தரவு துல்லியமானது மற்றும் நம்பகமானது என்பதை உறுதிப்படுத்த தரவு தர தரநிலைகளை நிறுவுதல் மற்றும் தரவு சரிபார்ப்பு செயல்முறைகளை செயல்படுத்துதல் ஆகியவை இதில் அடங்கும்.
32. தரவு பாதுகாப்பு
தரவு பாதுகாப்பு என்பது நமது மதிப்புமிக்க தகவல்களை அங்கீகரிக்கப்படாத அணுகல் அல்லது திருடுதல் ஆகியவற்றிலிருந்து பாதுகாப்பாக வைத்திருப்பதாகும். தரவு இரகசியத்தன்மை, ஒருமைப்பாடு மற்றும் கிடைக்கும் தன்மையைப் பாதுகாப்பதற்கான நடவடிக்கைகளை எடுப்பதை உள்ளடக்கியது.
முக்கியமாக, சரியான நபர்கள் மட்டுமே எங்கள் தரவை அணுக முடியும் என்பதையும், அது துல்லியமாகவும் மாற்றப்படாமல் இருப்பதையும், தேவைப்படும்போது அது கிடைக்கும் என்பதையும் உறுதி செய்வதாகும்.
தரவு பாதுகாப்பை அடைய, பல்வேறு உத்திகள் மற்றும் தொழில்நுட்பங்கள் பயன்படுத்தப்படுகின்றன. உதாரணமாக, அணுகல் கட்டுப்பாடுகள் மற்றும் குறியாக்க முறைகள் அங்கீகரிக்கப்பட்ட தனிநபர்கள் அல்லது அமைப்புகளுக்கான அணுகலைக் கட்டுப்படுத்த உதவுகின்றன, இது வெளியாட்கள் எங்கள் தரவை அணுகுவதை கடினமாக்குகிறது.
கண்காணிப்பு அமைப்புகள், ஃபயர்வால்கள் மற்றும் ஊடுருவல் கண்டறிதல் அமைப்புகள் பாதுகாவலர்களாகச் செயல்படுகின்றன, சந்தேகத்திற்கிடமான செயல்களுக்கு நம்மை எச்சரிக்கின்றன மற்றும் அங்கீகரிக்கப்படாத அணுகலைத் தடுக்கின்றன.
33. இன்டர்நெட் ஆஃப் திங்ஸ்
இன்டர்நெட் ஆஃப் திங்ஸ் (IoT) என்பது இயற்பியல் பொருள்களின் வலையமைப்பைக் குறிக்கிறது அல்லது இணையத்துடன் இணைக்கப்பட்ட மற்றும் ஒருவருக்கொருவர் தொடர்பு கொள்ளக்கூடிய "விஷயங்கள்". இது அன்றாடப் பொருள்கள், சாதனங்கள் மற்றும் இயந்திரங்களின் ஒரு பெரிய வலை போன்றது, அவை இணையம் மூலம் தொடர்புகொள்வதன் மூலம் தகவல்களைப் பகிரவும் பணிகளைச் செய்யவும் முடியும்.
எளிமையான சொற்களில், IoT என்பது பாரம்பரியமாக இணையத்துடன் இணைக்கப்படாத பல்வேறு பொருள்கள் அல்லது சாதனங்களுக்கு "ஸ்மார்ட்" திறன்களை வழங்குவதை உள்ளடக்குகிறது. இந்த பொருட்களில் வீட்டு உபகரணங்கள், அணியக்கூடிய சாதனங்கள், தெர்மோஸ்டாட்கள், கார்கள் மற்றும் தொழில்துறை இயந்திரங்கள் கூட இருக்கலாம்.
இந்த பொருட்களை இணையத்துடன் இணைப்பதன் மூலம், அவர்கள் தரவைச் சேகரித்துப் பகிரலாம், வழிமுறைகளைப் பெறலாம் மற்றும் தன்னியக்கமாக அல்லது பயனர் கட்டளைகளுக்குப் பதிலளிக்கும் வகையில் பணிகளைச் செய்யலாம்.
எடுத்துக்காட்டாக, ஸ்மார்ட் தெர்மோஸ்டாட் வெப்பநிலையைக் கண்காணிக்கவும், அமைப்புகளைச் சரிசெய்யவும் மற்றும் ஆற்றல் பயன்பாட்டு அறிக்கைகளை ஸ்மார்ட்போன் பயன்பாட்டிற்கு அனுப்பவும் முடியும். அணியக்கூடிய ஃபிட்னஸ் டிராக்கர் உங்கள் உடல் செயல்பாடுகள் குறித்த தரவைச் சேகரித்து, பகுப்பாய்வுக்காக கிளவுட் அடிப்படையிலான தளத்துடன் ஒத்திசைக்க முடியும்.
34. முடிவு மரம்
முடிவு மரம் என்பது ஒரு காட்சிப் பிரதிநிதித்துவம் அல்லது வரைபடமாகும், இது தொடர்ச்சியான தேர்வுகள் அல்லது நிபந்தனைகளின் அடிப்படையில் முடிவுகளை எடுக்க அல்லது செயல்பாட்டின் போக்கைத் தீர்மானிக்க உதவுகிறது.
இது பல்வேறு விருப்பங்களையும் அவற்றின் சாத்தியமான விளைவுகளையும் கருத்தில் கொண்டு முடிவெடுக்கும் செயல்முறையின் மூலம் நம்மை வழிநடத்தும் பாய்வு விளக்கப்படம் போன்றது.
உங்களுக்கு ஒரு சிக்கல் அல்லது கேள்வி இருப்பதாக கற்பனை செய்து பாருங்கள், நீங்கள் ஒரு தேர்வு செய்ய வேண்டும்.
ஒரு முடிவெடுக்கும் மரம், ஒரு ஆரம்பக் கேள்வியில் தொடங்கி, ஒவ்வொரு படிநிலையிலும் உள்ள நிபந்தனைகள் அல்லது அளவுகோல்களின் அடிப்படையில் வெவ்வேறு சாத்தியமான பதில்கள் அல்லது செயல்களாகப் பிரிந்து, முடிவைச் சிறிய படிகளாகப் பிரிக்கிறது.
35. அறிவாற்றல் கணினி
அறிவாற்றல் கம்ப்யூட்டிங், எளிமையான சொற்களில், கற்றல், பகுத்தறிதல், புரிந்துகொள்வது மற்றும் சிக்கலைத் தீர்ப்பது போன்ற மனித அறிவாற்றல் திறன்களைப் பிரதிபலிக்கும் கணினி அமைப்புகள் அல்லது தொழில்நுட்பங்களைக் குறிக்கிறது.
மனித சிந்தனையை ஒத்த விதத்தில் தகவல்களைச் செயலாக்கி விளக்கக்கூடிய கணினி அமைப்புகளை உருவாக்குவது இதில் அடங்கும்.
அறிவாற்றல் கம்ப்யூட்டிங் என்பது மனிதர்களை மிகவும் இயற்கையான மற்றும் புத்திசாலித்தனமான முறையில் புரிந்துகொள்ளவும் தொடர்பு கொள்ளவும் கூடிய இயந்திரங்களை உருவாக்குவதை நோக்கமாகக் கொண்டுள்ளது. இந்த அமைப்புகள் பரந்த அளவிலான தரவுகளை பகுப்பாய்வு செய்யவும், வடிவங்களை அடையாளம் காணவும், கணிப்புகளைச் செய்யவும் மற்றும் அர்த்தமுள்ள நுண்ணறிவுகளை வழங்கவும் வடிவமைக்கப்பட்டுள்ளன.
கணினிகளை மனிதர்களைப் போலவே சிந்திக்கவும் செயல்படவும் செய்யும் ஒரு முயற்சியாக அறிவாற்றல் கம்ப்யூட்டிங்கை நினைத்துப் பாருங்கள்.
இது செயற்கை நுண்ணறிவு, இயந்திர கற்றல், இயற்கை மொழி செயலாக்கம் மற்றும் கணினி பார்வை போன்ற தொழில்நுட்பங்களை மேம்படுத்துவதை உள்ளடக்கியது, இது பாரம்பரியமாக மனித நுண்ணறிவுடன் தொடர்புடைய பணிகளைச் செய்ய கணினிகளை செயல்படுத்துகிறது.
36. கணக்கீட்டு கற்றல் கோட்பாடு
கணக்கீட்டு கற்றல் கோட்பாடு என்பது செயற்கை நுண்ணறிவு மண்டலத்தில் உள்ள ஒரு சிறப்புப் பிரிவாகும், இது தரவுகளிலிருந்து கற்றுக் கொள்வதற்காக வடிவமைக்கப்பட்ட அல்காரிதம்களின் வளர்ச்சி மற்றும் பரிசோதனையைச் சுற்றி வருகிறது.
பெரிய அளவிலான தகவல்களை பகுப்பாய்வு செய்து செயலாக்குவதன் மூலம் அவற்றின் செயல்திறனை தன்னியக்கமாக மேம்படுத்தக்கூடிய அல்காரிதம்களை உருவாக்குவதற்கான பல்வேறு நுட்பங்கள் மற்றும் வழிமுறைகளை இந்தத் துறை ஆராய்கிறது.
தரவின் ஆற்றலைப் பயன்படுத்துவதன் மூலம், கணினி கற்றல் கோட்பாடு வடிவங்கள், உறவுகள் மற்றும் நுண்ணறிவுகளை வெளிக்கொணர்வதை நோக்கமாகக் கொண்டுள்ளது, இது இயந்திரங்கள் அவற்றின் முடிவெடுக்கும் திறன்களை மேம்படுத்துவதற்கும் பணிகளை மிகவும் திறமையாகச் செய்வதற்கும் உதவுகிறது.
செயற்கை நுண்ணறிவு மற்றும் அதன் நடைமுறை பயன்பாடுகளின் முன்னேற்றத்திற்கு பங்களிக்கும், அவர்கள் வெளிப்படுத்திய தரவுகளின் அடிப்படையில் ஏற்ப, பொதுமைப்படுத்த மற்றும் துல்லியமான கணிப்புகளைச் செய்யக்கூடிய வழிமுறைகளை உருவாக்குவதே இறுதி இலக்கு.
37. டூரிங் டெஸ்ட்
புத்திசாலித்தனமான கணிதவியலாளரும் கணினி விஞ்ஞானியுமான ஆலன் டூரிங் என்பவரால் முதலில் முன்மொழியப்பட்ட டூரிங் சோதனையானது, ஒரு இயந்திரம் ஒரு மனிதனுடன் ஒப்பிடக்கூடிய அல்லது நடைமுறையில் வேறுபடுத்த முடியாத அறிவார்ந்த நடத்தையை வெளிப்படுத்த முடியுமா என்பதை மதிப்பிடுவதற்குப் பயன்படுத்தப்படும் ஒரு வசீகரிக்கும் கருத்தாகும்.
டூரிங் சோதனையில், ஒரு மனித மதிப்பீட்டாளர் இயந்திரம் எது என்று தெரியாமல் ஒரு இயந்திரம் மற்றும் மற்றொரு மனித பங்கேற்பாளருடன் இயல்பான மொழி உரையாடலில் ஈடுபடுகிறார்.
மதிப்பீட்டாளரின் பங்கு, எந்த நிறுவனம் இயந்திரம் என்பதை அவர்களின் பதில்களின் அடிப்படையில் மட்டுமே கண்டறிவதாகும். இயந்திரம் மதிப்பீட்டாளரை நம்ப வைக்க முடிந்தால், அது டூரிங் சோதனையில் தேர்ச்சி பெற்றதாகக் கூறப்படுகிறது, இதன் மூலம் மனிதனைப் போன்ற திறன்களை பிரதிபலிக்கும் நுண்ணறிவின் அளவை நிரூபிக்கிறது.
இயந்திர நுண்ணறிவு என்ற கருத்தை ஆராய்வதற்கும், மனித அளவிலான அறிவாற்றலை இயந்திரங்களால் அடைய முடியுமா என்ற கேள்வியை முன்வைப்பதற்கும் ஆலன் டூரிங் இந்த சோதனையை முன்மொழிந்தார்.
மனிதனின் பிரித்தறிய முடியாத தன்மையின் அடிப்படையில் சோதனையை உருவாக்குவதன் மூலம், டூரிங், மனிதர்களிடமிருந்து வேறுபடுத்துவது சவாலானதாக இருக்கும், மிகவும் உறுதியான புத்திசாலித்தனமான நடத்தையை வெளிப்படுத்தும் இயந்திரங்களின் திறனை எடுத்துக்காட்டுகிறது.
டூரிங் சோதனையானது செயற்கை நுண்ணறிவு மற்றும் அறிவாற்றல் அறிவியல் துறைகளில் விரிவான விவாதங்கள் மற்றும் ஆராய்ச்சிகளைத் தூண்டியது. டூரிங் தேர்வில் தேர்ச்சி பெறுவது குறிப்பிடத்தக்க மைல்கல்லாக இருந்தாலும், அது புத்திசாலித்தனத்தின் ஒரே அளவுகோல் அல்ல.
ஆயினும்கூட, சோதனையானது சிந்தனையைத் தூண்டும் அளவுகோலாக செயல்படுகிறது, இது மனிதனைப் போன்ற நுண்ணறிவு மற்றும் நடத்தையைப் பின்பற்றும் திறன் கொண்ட இயந்திரங்களை உருவாக்குவதற்கான தொடர்ச்சியான முயற்சிகளைத் தூண்டுகிறது மற்றும் புத்திசாலித்தனம் என்றால் என்ன என்பதைப் பற்றிய பரந்த ஆய்வுக்கு பங்களிக்கிறது.
38. வலுவூட்டல் கற்றல்
வலுவூட்டல் கற்றல் சோதனை மற்றும் பிழை மூலம் நிகழும் ஒரு வகை கற்றல், அங்கு ஒரு "முகவர்" (கணினி நிரல் அல்லது ரோபோவாக இருக்கலாம்) நல்ல நடத்தைக்கான வெகுமதிகளைப் பெறுவதன் மூலமும், மோசமான நடத்தைக்கான விளைவுகள் அல்லது தண்டனைகளை எதிர்கொள்வதன் மூலமும் பணிகளைச் செய்ய கற்றுக்கொள்கிறார்.
ஒரு பிரமைக்கு வழிசெலுத்துவது போன்ற ஒரு குறிப்பிட்ட பணியை முடிக்க முகவர் முயற்சிக்கும் ஒரு காட்சியை கற்பனை செய்து பாருங்கள். முதலில், ஏஜெண்டுக்கு சரியான பாதை தெரியாது, அதனால் அது வெவ்வேறு செயல்களை முயற்சி செய்து பல்வேறு வழிகளை ஆராய்கிறது.
இலக்கை நெருங்கும் ஒரு நல்ல செயலைத் தேர்ந்தெடுக்கும்போது, அது ஒரு மெய்நிகர் "முதுகில் தட்டுவது" போன்ற வெகுமதியைப் பெறுகிறது. இருப்பினும், அது ஒரு மோசமான முடிவை எடுத்தால் அது ஒரு முட்டுச்சந்திற்கு இட்டுச் சென்றால் அல்லது இலக்கை விட்டு விலகிச் சென்றால், அது தண்டனை அல்லது எதிர்மறையான கருத்துக்களைப் பெறுகிறது.
சோதனை மற்றும் பிழையின் இந்த செயல்முறையின் மூலம், முகவர் சில செயல்களை நேர்மறை அல்லது எதிர்மறையான விளைவுகளுடன் தொடர்புபடுத்த கற்றுக்கொள்கிறார். அதன் வெகுமதிகளை அதிகரிக்கவும், தண்டனைகளைக் குறைக்கவும் சிறந்த செயல்களின் வரிசையை இது படிப்படியாகக் கண்டறிந்து, இறுதியில் பணியில் மிகவும் திறமையானதாகிறது.
வலுவூட்டல் கற்றல் சுற்றுச்சூழலில் இருந்து கருத்துக்களைப் பெறுவதன் மூலம் மனிதர்களும் விலங்குகளும் எவ்வாறு கற்றுக் கொள்கின்றன என்பதிலிருந்து உத்வேகம் பெறுகிறது.
இந்த கருத்தை இயந்திரங்களுக்குப் பயன்படுத்துவதன் மூலம், நேர்மறையான வலுவூட்டல் மற்றும் எதிர்மறையான விளைவுகளின் மூலம் மிகவும் பயனுள்ள நடத்தைகளை தன்னியக்கமாகக் கண்டறிவதன் மூலம் வெவ்வேறு சூழ்நிலைகளைக் கற்றுக் கொள்ளக்கூடிய மற்றும் மாற்றியமைக்கக்கூடிய அறிவார்ந்த அமைப்புகளை உருவாக்குவதை ஆராய்ச்சியாளர்கள் நோக்கமாகக் கொண்டுள்ளனர்.
39. நிறுவனம் பிரித்தெடுத்தல்
உட்பொருளைப் பிரித்தெடுத்தல் என்பது ஒரு உரைத் தொகுதியிலிருந்து முக்கியத் தகவல்களை அடையாளம் கண்டு பிரித்தெடுக்கும் செயல்முறையைக் குறிக்கிறது. இந்த நிறுவனங்கள் மக்களின் பெயர்கள், இடங்களின் பெயர்கள், நிறுவனங்களின் பெயர்கள் மற்றும் பல போன்ற பல்வேறு விஷயங்களாக இருக்கலாம்.
ஒரு செய்திக் கட்டுரையை விவரிக்கும் ஒரு பத்தி உங்களிடம் இருப்பதாக வைத்துக்கொள்வோம்.
உட்பொருளைப் பிரித்தெடுத்தல் என்பது உரையை பகுப்பாய்வு செய்வது மற்றும் தனித்துவமான நிறுவனங்களைக் குறிக்கும் குறிப்பிட்ட பிட்களைத் தேர்ந்தெடுப்பது ஆகியவை அடங்கும். எடுத்துக்காட்டாக, உரையில் “ஜான் ஸ்மித்,” இருப்பிடம் “நியூயார்க் நகரம்” அல்லது “OpenAI” போன்ற நபரின் பெயர் குறிப்பிடப்பட்டால், இவை நாம் அடையாளம் காணவும் பிரித்தெடுக்கவும் நோக்கமாகக் கொண்ட நிறுவனங்களாக இருக்கும்.
உட்பொருளைப் பிரித்தெடுப்பதன் மூலம், உரையிலிருந்து குறிப்பிடத்தக்க கூறுகளை அடையாளம் காணவும் தனிமைப்படுத்தவும் கணினி நிரலுக்கு நாங்கள் முக்கியமாகக் கற்பிக்கிறோம். இந்தச் செயல்முறையானது, தகவல்களை மிகவும் திறம்பட ஒழுங்கமைக்கவும் வகைப்படுத்தவும் உதவுகிறது, இது பெரிய அளவிலான உரைத் தரவுகளிலிருந்து தேடுவது, பகுப்பாய்வு செய்வது மற்றும் நுண்ணறிவுகளைப் பெறுவதை எளிதாக்குகிறது.
ஒட்டுமொத்தமாக, உட்பொருளைப் பிரித்தெடுத்தல், மக்கள், இடங்கள் மற்றும் நிறுவனங்கள் போன்ற முக்கியமான நிறுவனங்களை உரைக்குள் துல்லியமாகச் சுட்டிக்காட்டி, மதிப்புமிக்க தகவலைப் பிரித்தெடுப்பதை ஒழுங்குபடுத்துகிறது மற்றும் உரைத் தரவைச் செயலாக்கி புரிந்து கொள்ளும் திறனை மேம்படுத்துகிறது.
40. மொழியியல் சிறுகுறிப்பு
மொழியியல் சிறுகுறிப்பு என்பது, பயன்படுத்தப்படும் மொழியைப் பற்றிய நமது புரிதல் மற்றும் பகுப்பாய்வை மேம்படுத்த கூடுதல் மொழியியல் தகவலுடன் உரையை வளப்படுத்துவதை உள்ளடக்குகிறது. இது உரையின் வெவ்வேறு பகுதிகளில் பயனுள்ள லேபிள்கள் அல்லது குறிச்சொற்களைச் சேர்ப்பது போன்றது.
நாங்கள் மொழியியல் சிறுகுறிப்பைச் செய்யும்போது, ஒரு உரையில் உள்ள அடிப்படை சொற்கள் மற்றும் வாக்கியங்களுக்கு அப்பால் சென்று குறிப்பிட்ட கூறுகளை லேபிளிங் அல்லது டேக் செய்ய ஆரம்பிக்கிறோம். எடுத்துக்காட்டாக, ஒவ்வொரு வார்த்தையின் இலக்கண வகையையும் (பெயர்ச்சொல், வினைச்சொல், வினையெச்சம் போன்றவை) குறிக்கும் ஒரு பகுதி-பேச்சு குறிச்சொற்களை நாம் சேர்க்கலாம். ஒரு வாக்கியத்தில் ஒவ்வொரு வார்த்தையும் வகிக்கும் பங்கைப் புரிந்துகொள்ள இது உதவுகிறது.
மொழியியல் சிறுகுறிப்பின் மற்றொரு வடிவமானது, பொருள் அங்கீகாரம் எனப் பெயரிடப்பட்டது, அங்கு நாங்கள் குறிப்பிட்ட பெயரிடப்பட்ட நிறுவனங்களை அடையாளம் கண்டு லேபிளிடுகிறோம், அதாவது நபர்கள், இடங்கள், நிறுவனங்கள் அல்லது தேதிகள். உரையிலிருந்து முக்கியமான தகவல்களை விரைவாகக் கண்டுபிடித்து பிரித்தெடுக்க இது அனுமதிக்கிறது.
இந்த வழிகளில் உரையை சிறுகுறிப்பு செய்வதன் மூலம், மொழியின் மிகவும் கட்டமைக்கப்பட்ட மற்றும் ஒழுங்கமைக்கப்பட்ட பிரதிநிதித்துவத்தை உருவாக்குகிறோம். பல்வேறு பயன்பாடுகளில் இது மிகவும் பயனுள்ளதாக இருக்கும். எடுத்துக்காட்டாக, பயனர் வினவல்களுக்குப் பின்னால் உள்ள நோக்கத்தைப் புரிந்துகொள்வதன் மூலம் தேடுபொறிகளின் துல்லியத்தை மேம்படுத்த இது உதவுகிறது. இது இயந்திர மொழிபெயர்ப்பு, உணர்வு பகுப்பாய்வு, தகவல் பிரித்தெடுத்தல் மற்றும் பல இயற்கை மொழி செயலாக்க பணிகளிலும் உதவுகிறது.
மொழியியல் சிறுகுறிப்பு ஆராய்ச்சியாளர்கள், மொழியியலாளர்கள் மற்றும் டெவலப்பர்களுக்கு ஒரு முக்கிய கருவியாக செயல்படுகிறது, அவர்கள் மொழி வடிவங்களைப் படிக்கவும், மொழி மாதிரிகளை உருவாக்கவும் மற்றும் உரையை சிறப்பாக பகுப்பாய்வு செய்து புரிந்துகொள்ளக்கூடிய அதிநவீன வழிமுறைகளை உருவாக்கவும் உதவுகிறது.
41. உயர் அளவுகோல்
In இயந்திர கற்றல், ஹைப்பர் பாராமீட்டர் என்பது ஒரு மாதிரியைப் பயிற்றுவிப்பதற்கு முன் நாம் தீர்மானிக்க வேண்டிய ஒரு சிறப்பு அமைப்பு அல்லது உள்ளமைவு போன்றது. இது மாதிரியானது தரவுகளிலிருந்து தானாகவே கற்றுக்கொள்ளக்கூடிய ஒன்றல்ல; மாறாக, நாம் அதை முன்கூட்டியே தீர்மானிக்க வேண்டும்.
அதை ஒரு குமிழ் அல்லது சுவிட்ச் என்று நினைத்துப் பாருங்கள், அந்த மாதிரி எவ்வாறு கற்றுக்கொள்கிறது மற்றும் கணிப்புகளைச் செய்கிறது என்பதை நன்றாகச் சரிசெய்ய முடியும். மாதிரியின் சிக்கலான தன்மை, பயிற்சியின் வேகம் மற்றும் துல்லியம் மற்றும் பொதுமைப்படுத்தல் ஆகியவற்றுக்கு இடையேயான பரிமாற்றம் போன்ற கற்றல் செயல்முறையின் பல்வேறு அம்சங்களை இந்த உயர் அளவுருக்கள் நிர்வகிக்கின்றன.
உதாரணமாக, ஒரு நரம்பியல் வலையமைப்பைக் கருத்தில் கொள்வோம். ஒரு முக்கியமான ஹைப்பர் பாராமீட்டர் நெட்வொர்க்கில் உள்ள அடுக்குகளின் எண்ணிக்கை. நெட்வொர்க் எவ்வளவு ஆழமாக இருக்க வேண்டும் என்பதை நாம் தேர்வு செய்ய வேண்டும், மேலும் இந்த முடிவு தரவுகளில் சிக்கலான வடிவங்களைப் பிடிக்கும் திறனைப் பாதிக்கிறது.
மற்ற பொதுவான ஹைபர்பாராமீட்டர்களில் கற்றல் வீதம் அடங்கும், இது மாதிரியானது அதன் உள் அளவுருக்களை பயிற்சித் தரவின் அடிப்படையில் எவ்வளவு விரைவாகச் சரிசெய்கிறது என்பதைத் தீர்மானிக்கிறது, மேலும் முறைப்படுத்தல் வலிமை, இது மாதிரியானது அதிகப் பொருத்தத்தைத் தடுக்க சிக்கலான வடிவங்களுக்கு எவ்வளவு அபராதம் விதிக்கிறது என்பதைக் கட்டுப்படுத்துகிறது.
இந்த உயர் அளவுகோல்களை சரியாக அமைப்பது மிகவும் முக்கியமானது, ஏனெனில் அவை மாதிரியின் செயல்திறன் மற்றும் நடத்தையை கணிசமாக பாதிக்கலாம். இது பெரும்பாலும் சோதனை மற்றும் பிழையை உள்ளடக்கியது, வெவ்வேறு மதிப்புகளுடன் பரிசோதனை செய்வது மற்றும் சரிபார்ப்பு தரவுத்தொகுப்பில் அவை மாதிரியின் செயல்திறனை எவ்வாறு பாதிக்கிறது என்பதைக் கவனிப்பது.
42. மெட்டாடேட்டா
மெட்டாடேட்டா என்பது மற்ற தரவுகளைப் பற்றிய விவரங்களை வழங்கும் கூடுதல் தகவலைக் குறிக்கிறது. இது குறிச்சொற்கள் அல்லது லேபிள்களின் தொகுப்பைப் போன்றது, இது எங்களுக்கு கூடுதல் சூழலைக் கொடுக்கும் அல்லது முக்கிய தரவின் பண்புகளை விவரிக்கிறது.
எங்களிடம் தரவு இருக்கும்போது, அது ஒரு ஆவணமாக இருந்தாலும், புகைப்படமாக இருந்தாலும், வீடியோவாக இருந்தாலும் அல்லது வேறு எந்த வகை தகவலாக இருந்தாலும், அந்தத் தரவின் முக்கிய அம்சங்களைப் புரிந்துகொள்ள மெட்டாடேட்டா நமக்கு உதவுகிறது.
எடுத்துக்காட்டாக, ஒரு ஆவணத்தில், மெட்டாடேட்டாவில் ஆசிரியரின் பெயர், அது உருவாக்கப்பட்ட தேதி அல்லது கோப்பு வடிவம் போன்ற விவரங்கள் இருக்கலாம். ஒரு புகைப்படத்தைப் பொறுத்தவரை, அது எடுக்கப்பட்ட இடம், பயன்படுத்தப்பட்ட கேமரா அமைப்புகள் அல்லது படம் பிடிக்கப்பட்ட தேதி மற்றும் நேரம் ஆகியவற்றை மெட்டாடேட்டா நமக்குத் தெரிவிக்கலாம்.
தரவை மிகவும் திறம்பட ஒழுங்கமைக்கவும், தேடவும் மற்றும் விளக்கவும் மெட்டாடேட்டா உதவுகிறது. இந்த விளக்கமான தகவல்களைச் சேர்ப்பதன் மூலம், குறிப்பிட்ட கோப்புகளை விரைவாகக் கண்டறியலாம் அல்லது அவற்றின் தோற்றம், நோக்கம் அல்லது சூழலை முழு உள்ளடக்கத்தையும் ஆராயாமல் புரிந்து கொள்ளலாம்.
43. பரிமாணக் குறைப்பு
பரிமாணக் குறைப்பு என்பது தரவுத்தொகுப்பில் உள்ள அம்சங்கள் அல்லது மாறிகளின் எண்ணிக்கையைக் குறைப்பதன் மூலம் அதை எளிமைப்படுத்தப் பயன்படும் ஒரு நுட்பமாகும். இது, தரவுத்தொகுப்பில் உள்ள தகவலைச் சுருக்கி அல்லது சுருக்கி, அதை மேலும் நிர்வகிக்கக்கூடியதாகவும், வேலை செய்வதை எளிதாக்கவும் செய்கிறது.
தரவுப் புள்ளிகளின் வெவ்வேறு குணாதிசயங்களைக் குறிக்கும் பல நெடுவரிசைகள் அல்லது பண்புக்கூறுகளைக் கொண்ட தரவுத்தொகுப்பு உங்களிடம் இருப்பதாக கற்பனை செய்து பாருங்கள். ஒவ்வொரு நெடுவரிசையும் இயந்திர கற்றல் வழிமுறைகளின் சிக்கலான மற்றும் கணக்கீட்டுத் தேவைகளைச் சேர்க்கிறது.
சில சந்தர்ப்பங்களில், அதிக எண்ணிக்கையிலான பரிமாணங்களைக் கொண்டிருப்பது, தரவுகளில் அர்த்தமுள்ள வடிவங்கள் அல்லது உறவுகளைக் கண்டறிவது சவாலாக இருக்கும்.
பரிமாணக் குறைப்பு, தரவுத்தொகுப்பை ஒரு குறைந்த பரிமாண பிரதிநிதித்துவமாக மாற்றுவதன் மூலம் இந்த சிக்கலை தீர்க்க உதவுகிறது, அதே நேரத்தில் முடிந்தவரை தொடர்புடைய தகவலைத் தக்க வைத்துக் கொள்கிறது. தேவையற்ற அல்லது குறைவான தகவல் பரிமாணங்களை நிராகரிக்கும் போது, தரவுகளில் உள்ள மிக முக்கியமான அம்சங்கள் அல்லது மாறுபாடுகளைப் படம்பிடிப்பதை இது நோக்கமாகக் கொண்டுள்ளது.
44. உரை வகைப்பாடு
உரை வகைப்பாடு என்பது உரையின் உள்ளடக்கம் அல்லது பொருளின் அடிப்படையில் குறிப்பிட்ட லேபிள்கள் அல்லது வகைகளை ஒதுக்குவதை உள்ளடக்கிய ஒரு செயல்முறையாகும். இது கூடுதல் பகுப்பாய்வு அல்லது முடிவெடுப்பதற்கு வசதியாக உரை தகவல்களை வெவ்வேறு குழுக்கள் அல்லது வகுப்புகளாக வரிசைப்படுத்துவது அல்லது ஒழுங்கமைப்பது போன்றது.
மின்னஞ்சல் வகைப்பாட்டின் உதாரணத்தைக் கருத்தில் கொள்வோம். இந்தச் சூழ்நிலையில், உள்வரும் மின்னஞ்சல் ஸ்பேமா அல்லது ஸ்பேம் அல்லாததா என்பதைத் தீர்மானிக்க விரும்புகிறோம் (ஹாம் என்றும் அழைக்கப்படுகிறது). உரை வகைப்பாடு அல்காரிதம்கள் மின்னஞ்சலின் உள்ளடக்கத்தை ஆய்வு செய்து அதற்கேற்ப லேபிளை ஒதுக்குகின்றன.
மின்னஞ்சல் பொதுவாக ஸ்பேமுடன் தொடர்புடைய பண்புகளை வெளிப்படுத்துகிறது என்பதை அல்காரிதம் தீர்மானித்தால், அது "ஸ்பேம்" என்ற லேபிளை ஒதுக்குகிறது. மாறாக, மின்னஞ்சல் முறையானது மற்றும் ஸ்பேம் அல்லாததாக தோன்றினால், அது "ஸ்பேம் அல்லாதது" அல்லது "ஹாம்" என்ற லேபிளை ஒதுக்குகிறது.
உரை வகைப்பாடு மின்னஞ்சல் வடிகட்டலுக்கு அப்பால் பல்வேறு களங்களில் பயன்பாடுகளைக் கண்டறியும். வாடிக்கையாளர் மதிப்புரைகளில் (நேர்மறை, எதிர்மறை அல்லது நடுநிலை) வெளிப்படுத்தப்படும் உணர்வைத் தீர்மானிக்க இது உணர்வு பகுப்பாய்வில் பயன்படுத்தப்படுகிறது.
செய்தி கட்டுரைகளை விளையாட்டு, அரசியல், பொழுதுபோக்கு மற்றும் பல போன்ற பல்வேறு தலைப்புகள் அல்லது வகைகளாக வகைப்படுத்தலாம். வாடிக்கையாளர் ஆதரவு அரட்டை பதிவுகள் நோக்கம் அல்லது தீர்க்கப்படும் சிக்கலின் அடிப்படையில் வகைப்படுத்தலாம்.
45. பலவீனமான AI
பலவீனமான AI, குறுகிய AI என்றும் அழைக்கப்படுகிறது, இது செயற்கை நுண்ணறிவு அமைப்புகளைக் குறிக்கிறது, அவை குறிப்பிட்ட பணிகள் அல்லது செயல்பாடுகளைச் செய்ய வடிவமைக்கப்பட்ட மற்றும் திட்டமிடப்பட்டுள்ளன. மனித நுண்ணறிவைப் போலல்லாமல், இது பரந்த அளவிலான அறிவாற்றல் திறன்களை உள்ளடக்கியது, பலவீனமான AI ஒரு குறிப்பிட்ட களம் அல்லது பணிக்கு மட்டுமே.
பலவீனமான AI என்பது சிறப்பு மென்பொருள் அல்லது குறிப்பிட்ட வேலைகளைச் செய்வதில் சிறந்து விளங்கும் இயந்திரங்கள் என்று கருதுங்கள். எடுத்துக்காட்டாக, விளையாட்டு சூழ்நிலைகளை பகுப்பாய்வு செய்யவும், நகர்வுகளை வியூகப்படுத்தவும் மற்றும் மனித வீரர்களுக்கு எதிராக போட்டியிடவும் ஒரு சதுரங்கம் விளையாடும் AI திட்டம் உருவாக்கப்படலாம்.
மற்றொரு உதாரணம் புகைப்படங்கள் அல்லது வீடியோக்களில் உள்ள பொருட்களை அடையாளம் காணக்கூடிய பட அங்கீகார அமைப்பு.
இந்த AI அமைப்புகள் பயிற்சியளிக்கப்பட்டு, அவற்றின் குறிப்பிட்ட நிபுணத்துவப் பகுதிகளில் சிறந்து விளங்கும் வகையில் மேம்படுத்தப்பட்டுள்ளன. அவர்கள் தங்கள் பணிகளை திறம்பட நிறைவேற்ற அல்காரிதம்கள், தரவு மற்றும் முன் வரையறுக்கப்பட்ட விதிகளை நம்பியிருக்கிறார்கள்.
இருப்பினும், அவர்கள் தங்கள் நியமிக்கப்பட்ட டொமைனுக்கு வெளியே பணிகளைப் புரிந்துகொள்ள அல்லது செய்ய அனுமதிக்கும் பொதுவான நுண்ணறிவைக் கொண்டிருக்கவில்லை.
46. வலுவான AI
வலுவான AI, பொது AI அல்லது செயற்கை பொது நுண்ணறிவு (AGI) என்றும் அறியப்படுகிறது, இது செயற்கை நுண்ணறிவின் ஒரு வடிவத்தைக் குறிக்கிறது, இது ஒரு மனிதனால் செய்யக்கூடிய எந்தவொரு அறிவுசார் பணியையும் புரிந்து கொள்ளவும், கற்றுக்கொள்ளவும் மற்றும் செய்யவும்.
குறிப்பிட்ட பணிகளுக்காக வடிவமைக்கப்பட்ட பலவீனமான AI போலல்லாமல், வலுவான AI மனிதனைப் போன்ற நுண்ணறிவு மற்றும் அறிவாற்றல் திறன்களை பிரதிபலிக்கும் நோக்கத்தை கொண்டுள்ளது. இது சிறப்புப் பணிகளில் சிறந்து விளங்கும் இயந்திரங்கள் அல்லது மென்பொருளை உருவாக்க முயல்கிறது, ஆனால் பரந்த அளவிலான அறிவுசார் சவால்களைச் சமாளிக்க ஒரு பரந்த புரிதல் மற்றும் தகவமைப்புத் திறனைக் கொண்டுள்ளது.
வலுவான AI இன் குறிக்கோள், பகுத்தறிவு, சிக்கலான தகவல்களைப் புரிந்துகொள்வது, அனுபவத்திலிருந்து கற்றுக்கொள்வது, இயல்பான மொழி உரையாடல்களில் ஈடுபடுவது, படைப்பாற்றலை வெளிப்படுத்துவது மற்றும் மனித நுண்ணறிவுடன் தொடர்புடைய பிற குணங்களை வெளிப்படுத்தும் அமைப்புகளை உருவாக்குவது.
சாராம்சத்தில், பல களங்களில் மனித அளவிலான சிந்தனை மற்றும் சிக்கலைத் தீர்ப்பதை உருவகப்படுத்த அல்லது பிரதிபலிக்கக்கூடிய AI அமைப்புகளை உருவாக்க இது விரும்புகிறது.
47. முன்னோக்கி சங்கிலி
Forward chaining என்பது பகுத்தறிவு அல்லது தர்க்கத்தின் ஒரு முறையாகும், இது கிடைக்கக்கூடிய தரவுகளுடன் தொடங்குகிறது மற்றும் அனுமானங்களை உருவாக்கவும் புதிய முடிவுகளை எடுக்கவும் பயன்படுத்துகிறது. முன்னோக்கி நகர்த்தவும் கூடுதல் நுண்ணறிவுகளை அடையவும் கையில் உள்ள தகவலைப் பயன்படுத்தி புள்ளிகளை இணைப்பது போன்றது.
உங்களிடம் விதிகள் அல்லது உண்மைகள் உள்ளன என்று கற்பனை செய்து பாருங்கள், மேலும் நீங்கள் புதிய தகவலைப் பெற விரும்புகிறீர்கள் அல்லது அவற்றின் அடிப்படையில் குறிப்பிட்ட முடிவுகளை அடைய விரும்புகிறீர்கள். ஆரம்பத் தரவை ஆராய்வதன் மூலமும், கூடுதல் உண்மைகள் அல்லது முடிவுகளை உருவாக்க தருக்க விதிகளைப் பயன்படுத்துவதன் மூலமும் முன்னோக்கி சங்கிலி வேலை செய்கிறது.
எளிமைப்படுத்த, வானிலை நிலைமைகளின் அடிப்படையில் என்ன அணிய வேண்டும் என்பதைத் தீர்மானிக்கும் எளிய காட்சியைக் கருத்தில் கொள்வோம். “மழை பெய்தால் குடையைக் கொண்டு வாருங்கள்” என்று ஒரு விதியும், “குளிர்ச்சியாக இருந்தால் ஜாக்கெட்டை அணியுங்கள்” என்பதும் உங்களுக்கு ஒரு விதி. இப்போது, உண்மையில் மழை பெய்வதை நீங்கள் கவனித்தால், நீங்கள் ஒரு குடையைக் கொண்டு வர வேண்டும் என்று ஊகிக்க முன்னோக்கி சங்கிலியைப் பயன்படுத்தலாம்.
48. பின்தங்கிய சங்கிலி
பின்தங்கிய சங்கிலி என்பது ஒரு பகுத்தறிவு முறையாகும், இது விரும்பிய முடிவு அல்லது குறிக்கோளுடன் தொடங்குகிறது மற்றும் அந்த முடிவை ஆதரிக்க தேவையான தரவு அல்லது உண்மைகளை தீர்மானிக்க பின்நோக்கி செயல்படுகிறது. விரும்பிய முடிவிலிருந்து அதை அடையத் தேவையான ஆரம்பத் தகவல் வரை உங்கள் படிகளைக் கண்டுபிடிப்பது போன்றது.
பின்னோக்கி சங்கிலியைப் புரிந்து கொள்ள, ஒரு எளிய உதாரணத்தைக் கவனியுங்கள். நீச்சலுக்குச் செல்வது பொருத்தமானதா என்பதை நீங்கள் தீர்மானிக்க விரும்புகிறீர்கள் என்று வைத்துக்கொள்வோம். சில நிபந்தனைகளின் அடிப்படையில் நீச்சல் பொருத்தமானதா இல்லையா என்பதுதான் விரும்பிய முடிவு.
நிபந்தனைகளுடன் தொடங்குவதற்குப் பதிலாக, பின்தங்கிய சங்கிலி முடிவோடு தொடங்குகிறது மற்றும் துணைத் தரவைக் கண்டறிய பின்னோக்கிச் செயல்படுகிறது.
இந்த வழக்கில், பின்தங்கிய சங்கிலி "வானிலை சூடாக உள்ளதா?" போன்ற கேள்விகளைக் கேட்கும். பதில் ஆம் எனில், "ஒரு குளம் கிடைக்குமா?" என்று நீங்கள் கேட்பீர்கள். பதில் ஆம் எனில், "நீச்சலடிக்க போதுமான நேரம் இருக்கிறதா?" போன்ற மேலும் கேள்விகளைக் கேட்பீர்கள்.
இந்தக் கேள்விகளுக்குத் திரும்பத் திரும்பப் பதிலளிப்பதன் மூலமும், பின்னோக்கி வேலை செய்வதன் மூலமும், நீச்சலுக்கான முடிவை ஆதரிப்பதற்குத் தேவையான நிபந்தனைகளை நீங்கள் தீர்மானிக்கலாம்.
49. ஹூரிஸ்டிக்
ஒரு ஹூரிஸ்டிக், எளிமையான சொற்களில், ஒரு நடைமுறை விதி அல்லது உத்தி ஆகும், இது பொதுவாக நமது கடந்த கால அனுபவங்கள் அல்லது உள்ளுணர்வின் அடிப்படையில் முடிவுகளை எடுக்க அல்லது சிக்கல்களைத் தீர்க்க உதவுகிறது. இது ஒரு மன குறுக்குவழி போன்றது, இது ஒரு நீண்ட அல்லது முழுமையான செயல்முறையின் மூலம் விரைவாக ஒரு நியாயமான தீர்வைக் கொண்டு வர அனுமதிக்கிறது.
சிக்கலான சூழ்நிலைகள் அல்லது பணிகளை எதிர்கொள்ளும் போது, ஹூரிஸ்டிக்ஸ் வழிகாட்டும் கொள்கைகளாக அல்லது முடிவெடுப்பதை எளிதாக்கும் "கட்டைவிரல் விதிகளாக" செயல்படுகின்றன. அவை பொதுவான வழிகாட்டுதல்கள் அல்லது உத்திகளை எங்களுக்கு வழங்குகின்றன, அவை சிறந்த தீர்வுக்கு உத்தரவாதம் அளிக்காவிட்டாலும், சில சூழ்நிலைகளில் பயனுள்ளதாக இருக்கும்.
எடுத்துக்காட்டாக, நெரிசலான பகுதியில் பார்க்கிங் இடத்தைக் கண்டுபிடிப்பதற்கான ஒரு ஹூரிஸ்டிக் ஒன்றைக் கருத்தில் கொள்வோம். கிடைக்கக்கூடிய ஒவ்வொரு இடத்தையும் உன்னிப்பாகப் பகுப்பாய்வு செய்வதற்குப் பதிலாக, நிறுத்தப்பட்ட கார்களின் எஞ்சின்கள் இயங்குவதைத் தேடுவதை நீங்கள் நம்பலாம்.
இந்த ஹூரிஸ்டிக் இந்த கார்கள் வெளியேறவுள்ளன என்று கருதுகிறது, இது கிடைக்கக்கூடிய இடத்தைக் கண்டுபிடிப்பதற்கான வாய்ப்புகளை அதிகரிக்கிறது.
50. இயற்கை மொழி மாடலிங்
இயற்கை மொழி மாடலிங், எளிமையான சொற்களில், மனிதர்கள் எவ்வாறு தொடர்பு கொள்கிறார்கள் என்பதைப் போலவே மனித மொழியைப் புரிந்துகொள்வதற்கும் உருவாக்குவதற்கும் கணினி மாதிரிகளைப் பயிற்றுவிக்கும் செயல்முறையாகும். இது இயற்கையான மற்றும் அர்த்தமுள்ள முறையில் உரையை செயலாக்க, விளக்க மற்றும் உருவாக்க கணினிகளுக்கு கற்பிப்பதை உள்ளடக்கியது.
இயற்கை மொழி மாதிரியாக்கத்தின் குறிக்கோள், சரளமான, ஒத்திசைவான மற்றும் சூழலுக்குப் பொருத்தமான வகையில் மனித மொழியைப் புரிந்துகொள்வதற்கும் உருவாக்குவதற்கும் கணினிகளை இயக்குவதே ஆகும்.
மொழியின் வடிவங்கள், கட்டமைப்புகள் மற்றும் சொற்பொருள்களைக் கற்றுக்கொள்வதற்காக புத்தகங்கள், கட்டுரைகள் அல்லது உரையாடல்கள் போன்ற பரந்த அளவிலான உரைத் தரவுகளில் பயிற்சி மாதிரிகளை உள்ளடக்கியது.
பயிற்சி பெற்றவுடன், இந்த மாதிரிகள் மொழி மொழிபெயர்ப்பு, உரை சுருக்கம், கேள்வி பதில், சாட்பாட் தொடர்புகள் மற்றும் பல போன்ற பல்வேறு மொழி தொடர்பான பணிகளைச் செய்ய முடியும்.
அவர்கள் வாக்கியங்களின் பொருளையும் சூழலையும் புரிந்து கொள்ளலாம், தொடர்புடைய தகவலைப் பிரித்தெடுக்கலாம் மற்றும் இலக்கணப்படி சரியான மற்றும் ஒத்திசைவான உரையை உருவாக்கலாம்.
ஒரு பதில் விடவும்