গভীর শিক্ষা: এটি কী এবং এটি কীভাবে মেশিন লার্নিংয়ের সাথে সম্পর্কিত?

আমরা কিছু নিবন্ধ চালিয়ে যাচ্ছি, এখানে আমরা ডিপ লার্নিং কী এবং মেশিন লার্নিংয়ের সাথে এর সম্পর্ক সম্পর্কে আলোচনা করব। আমরা যে সমাজে বাস করি তাতে উভয় পদই ক্রমবর্ধমান গুরুত্বপূর্ণ এবং আমাদের চারপাশে কী রয়েছে তা জেনে রাখা সহায়ক হবে।

সূচি সূচি

ডিপ লার্নিং কী?

ডিপ লার্নিং এমন কৌশলগুলির একটি উপসেট যা মেশিন লার্নিংয়ের ফলে 2000 এর দশকে জন্মগ্রহণ করেছিল । এই কারণে, কম্পিউটার বিজ্ঞানের পরিবর্তিত অংশ হয়ে আমাদের এটির একটি শাখা হিসাবে শ্রেণিবদ্ধ করা উচিত।

এই সিস্টেমগুলি তাদের পুরোনো ভাইবোনদের চেয়ে স্বায়ত্তশাসিত, যদিও তাদের কাঠামোটিও যথেষ্ট জটিল। তারা মেশিন লার্নিং অ্যালগরিদমের সাথে অন্যান্য সিস্টেমের তুলনায় একই বা আরও ভাল কাজ সম্পাদন করে যেখানে বিভিন্ন ধরণের কাজ সম্পাদন করার সময় এগুলি তাদের সুস্পষ্ট সুবিধা দেয় ।

এছাড়াও, অন্যান্য কাজ রয়েছে যেখানে ডিপ লার্নিং এর পূর্বসূরীর চেয়ে বেশি দাঁড়িয়ে আছে। সর্বাধিক কুখ্যাত মামলার একটি হ'ল আলফাগো স্টাইলের কৃত্রিম বুদ্ধিমত্তা , গুগলের গোয়েন্দা গো গো বিশ্ব চ্যাম্পিয়নকে পরাস্ত করতে সক্ষম।

এটি আপনার কাছে সামান্য চাইনিজ শোনায় তবে গো একটি খুব বিখ্যাত গেম এবং এটি খুব চাহিদাও বটে। এটিকে প্রসঙ্গে বলতে গেলে গণিতবিদরা দৃhat়তার সাথে দাবি করেন যে এই শখ দাবার চেয়ে যথেষ্ট জটিল।

অন্যদিকে, ডিপ লার্নিং বিগ ডেটার সাথে ঘনিষ্ঠভাবে সম্পর্কিত , যেহেতু তথ্যের এই দুর্দান্ত উত্সগুলি অভিজ্ঞতা শিখতে ও সুসংহত করতে ব্যবহার করা যেতে পারে । তদুপরি, আমরা যে পরিস্থিতিতে আছি তার জন্য ধন্যবাদ, এই প্রযুক্তির বিস্তার ও বিকাশের পরিবেশ তিনটি মূল পয়েন্টের জন্য উপযুক্ত :

1. আজ আমাদের কাছে যে সরঞ্জামগুলি রয়েছে তার সাথে ডেটা দুর্দান্ত জমে থাকে, প্রায় যে কোনও ব্যক্তির কাছ থেকে ডেটা সংগ্রহ করা যায় এবং সংরক্ষণ করা যায়। আমরা যে প্রযুক্তিতে রয়েছি তার ডিগ্রি, যেহেতু উপাদানগুলি সম্মিলিতভাবে যথেষ্ট শক্তি সরবরাহ করতে ভাল। সংস্থাগুলি তাদের পদ্ধতিগুলি উন্নত করার আকাঙ্ক্ষা, যেহেতু পূর্ববর্তী দুটি পয়েন্টের সুযোগ নিয়ে আরও বেশি সংস্থাগুলি কৃত্রিম বুদ্ধিমত্তার উপর বাজি ধরেছে । যদি আপনার সংস্থা হাজার হাজার গ্রাহকের কাছ থেকে ডেটা সঞ্চয় করে থাকে এবং প্রযুক্তি আপনাকে তাদের কাছ থেকে শেখার এবং এটি ব্যবহারের সুযোগ দেয় তবে এটি নিরাপদ বাজি।

ডিপ লার্নিংয়ের কাঠামো

মেশিন লার্নিংয়ের মতো বেশিরভাগ বিকাশ সত্ত্বেও, এই অ্যালগরিদমের সেটটিতে কিছু পারমাণবিক পার্থক্য রয়েছে। সর্বাধিক গুরুত্বপূর্ণ হ'ল এটির অভ্যন্তরীণ কাঠামো, এটি হল কোডটি যা এর অ্যালগরিদম তৈরি করে।

ডিপ লার্নিং সম্পর্কে সাধারণ ধারণা

আপনি ছবিটিতে দেখতে পাচ্ছেন, ডিপ লার্নিং নিউরাল নেটওয়ার্কগুলির সাথে ঘনিষ্ঠভাবে সম্পর্কিত । এই ধারণাটি নতুন নয়, তবে এটি দীর্ঘকাল আমাদের সাথে নেই, তাই আপনি এটি জানেন না।

এটিকে সরল করার জন্য, আমরা নিউরাল নেটওয়ার্ককে অ্যালগরিদমের একটি সেট হিসাবে সংজ্ঞায়িত করতে পারি (প্রতিটি স্তরকে বলা হয়) যা তথ্যকে চিকিত্সা ও প্রেরণ করে। প্রতিটি স্তর ইনপুট মানগুলি গ্রহণ করে এবং আউটপুট মানগুলি প্রদান করে এবং এটি পুরো নেটওয়ার্কের মধ্য দিয়ে যাওয়ার সাথে সাথে একটি চূড়ান্ত ফলাফল মান ফিরে আসে। এই সমস্ত, ক্রমানুসারে ঘটে, সাধারণত, যেখানে প্রতিটি স্তরের পছন্দসই ফলাফলের উপর নির্ভর করে আলাদা ওজন থাকে ।

এখানে আমরা আপনাকে সুপার মারিও ওয়ার্ল্ড খেলতে শেখার কৃত্রিম বুদ্ধিমত্তার সম্পর্কে একটি ছোট ভিডিও (ইংরাজীতে) দেখাব :

এবং আপনি ভাবতে পারেন, "এই সমস্ত পদ্ধতি এত জটিল কেন?" । অবশ্যই ডিপ লার্নিংটি এখনও আমরা যাকে দুর্বল কৃত্রিম বুদ্ধিমত্তা বলি তার সাথে সম্পর্কিত তবে এটি সম্ভবত শক্তিশালী হওয়ার প্রথম পদক্ষেপ।

এই পদ্ধতিটি কোনও মস্তিষ্ক কীভাবে কাজ করে তা শিথিলভাবে অনুপ্রাণিত। "শারীরিক বিশ্বে" আমরা যা দেখতে পাই তার অনুরূপ, সিস্টেমগুলি স্তর তৈরি করে এবং প্রতিটি স্তর একটি নিউরনের মতো একইভাবে কাজ করে । এইভাবে, স্তরগুলি একে অপরের সাথে সম্পর্কিত, তথ্য ভাগ করে এবং সর্বাধিক গুরুত্বপূর্ণ বিষয় হ'ল সবকিছু স্বায়ত্তশাসিতভাবে করা হয়।

ডিপ লার্নিং কীভাবে কাজ করে তার খুব সরলীকৃত স্কিম

এই নিয়মটি অনুসরণ করে, সর্বাধিক সম্পূর্ণ বুদ্ধি হ'ল সাধারণত, যাদের আরও স্তর এবং আরও পরিশীলিত অ্যালগরিদম থাকে।

এই অ্যালগরিদমের সাথে কীভাবে কৃত্রিম বুদ্ধিমত্তা কাজ করবে?

আপনি যদি বিষয়টিতে আমাদের পূর্ববর্তী নিবন্ধগুলি দেখে থাকেন তবে আপনি ইতিমধ্যে এই জিএফটি দেখতে পাবেন। এখানে আপনি কৃত্রিম বুদ্ধি সম্পর্কে আমাদের নিবন্ধটি দেখতে পারেন এবং এখানে আপনি মেশিন লার্নিং সম্পর্কে কিছুটা পড়তে পারেন।

তবে আমরা আপনাকে শেষবারের মতো দেখাব।

এই চিত্রটি খুব ভাল এবং খুব সহজেই প্রতিফলিত করে যে নিউরাল নেটওয়ার্কগুলি ব্যবহার করে একটি গোয়েন্দা কীভাবে কাজ করবে। আপনি দেখতে পাচ্ছেন, তাঁর কাজটি সহজ: চিত্রগুলিকে শ্রেণিবদ্ধ করুন এবং বিভিন্ন ছবিতে তাঁর কাছে দেওয়া কুকুর সনাক্ত করতে শিখুন।

প্রতিটি চিত্র ইনপুট ফিডে প্রবেশ করে শুরু হয়, অর্থাৎ ইনপুট স্তর যেখানে প্রথম গণনা ইতিমধ্যে শুরু হবে। প্রাপ্ত ফলাফলগুলি দ্বিতীয় স্তর বা নিউরনের সাথে ভাগ করা হবে এবং স্পষ্টতই, অবহিত করা হয় যে নিউরন এই গণনাটি করেছে। আমরা শেষের দিকে না পৌঁছানো পর্যন্ত আমাদের সিস্টেমের যত স্তর রয়েছে তার যতবার এই প্রক্রিয়াটি পুনরাবৃত্তি হয়।

শেষ নিউরনের আউটপুট স্তর হিসাবে নামকরণ করা হয়েছে এবং এটিই এটির উদাহরণস্বরূপ ফলাফলটি দেখায়। অন্যান্য ক্ষেত্রে, আউটপুট স্তর গণনা করা ক্রিয়াটি শেষ করে । এছাড়াও, যদি আমরা সূত্রটি যত দ্রুত সম্ভব (ভিডিও গেমগুলির মতো) কাজ করতে পারি তবে ফলাফলটি প্রায় তাত্ক্ষণিক হওয়া উচিত। তবে, আমরা যে প্রযুক্তিগত পয়েন্টে আছি তার জন্য ধন্যবাদ, এটি ইতিমধ্যে সম্ভব।

এর স্পষ্ট উদাহরণগুলির মধ্যে একটি হ'ল আলফাস্টার আর্টিফিশিয়াল ইন্টেলিজেন্স, গুগলের নিজেই আরেকটি সৃষ্টি।

গুগল ডিপমাইন্ড কৃত্রিম বুদ্ধিমত্তা

আমরা আপনাকে আলফাগো সম্পর্কে বলেছি , একটি এআই বিশ্বের সেরা গো খেলোয়াড়দের বিরুদ্ধে লড়াইয়ে সক্ষম । যাইহোক, এই এক ছোট ভাইবোন কিছু চমত্কার চিত্তাকর্ষক মাইলফলক অর্জন করতে সক্ষম ।

AlphaZero

এই গোয়েন্দাটি মাত্র ২৪ ঘন্টার মধ্যে একটি অতিমানবিক স্তরের দাবা, শজি এবং শিখতে পেরেছিল যেটি নিয়ে তিনি বেশ কয়েকটি বিখ্যাত খেলোয়াড় জিতেছিলেন । এছাড়াও, পরাজিত বিরোধীদের তালিকায় তিনি আলফাগো জিরো সংস্করণের 3 দিনের অভিজ্ঞতার দিকেও ইঙ্গিত করেছিলেন , যা সত্যিই অবিশ্বাস্য কিছু। এখানে এই কৃত্রিম বুদ্ধিমত্তার শেখার গতি বেরিয়ে আসে ।

সবার মধ্যে সবচেয়ে চিত্তাকর্ষক, এই টিমের কাছে বই বা ডাটাবেস শেখার অ্যাক্সেস ছিল না, তাই তাদের সমস্ত কৌশল অনুশীলনের সাথে শিখেছে।

তাঁর অন্য একটি লড়াইয়ে তিনি স্টকফিশের মুখোমুখি হয়েছিলেন, একজন দাবাড়ী স্বয়ংক্রিয় ওপেন সোর্স প্রোগ্রাম যা দাবা খেলা করে। তবে, মাত্র চার ঘন্টার মধ্যে এটি আলফাজিরোর আধিপত্য বিস্তার করেছিল।

এটি লক্ষ করা উচিত যে এটি যখন প্রথম প্রায় 70 মিলিয়ন গতিবিধি গণনা করে , দাবাতে আলফাজেরো , কেবলমাত্র 80 হাজার বিভিন্ন প্রস্থানকে অ্যাকাউন্টে নেয় । ভবিষ্যদ্বাণীগুলির মধ্যে পার্থক্যটি কী আশাব্যঞ্জক নাটক হবে তার আরও ভাল রায় দ্বারা অফসেট হয়েছিল।

এর মতো শক্তির বিক্ষোভের মাধ্যমে আমরা নতুন কৃত্রিম বুদ্ধিমত্তার শক্তি দেখতে পাচ্ছি ।

AlphaStar

অন্যদিকে, আলফাস্টার এমন একটি এআই যা আজ আরটিএস স্টারক্রাফ্ট II (স্প্যানিশ ভাষায় রিয়েল টাইম স্ট্র্যাটেজি) খেলতে সক্ষম ।

এর ডেমো হওয়ার সময়, আলফাস্টার একাধিক পেশাদার খেলোয়াড়কে মাঝারিভাবে টানা দশটি ম্যাচ জিতেছে এবং কেবল শেষটি হেরেছে।

দাবা বা যাওয়ার মতো নয়, স্টারক্রাফ্ট II হ'ল একটি রিয়েল-টাইম ম্যাচআপ, সুতরাং প্রতি সেকেন্ডে আপনাকে জিনিসগুলি করতে হবে। এর কারণে, আমরা ঝলক দেখতে পারি যে বর্তমান প্রযুক্তি গণনা এবং সিদ্ধান্তের এই উন্মত্ত ছড়াগুলি বজায় রাখতে সক্ষম ।

গোয়েন্দা বিভাগের প্রস্তুতি হিসাবে, সরাসরি পরীক্ষার তারিখগুলির জন্য তিনি প্রায় 200 বছর অভিজ্ঞতার প্রশিক্ষণ নিয়েছিলেন কেবল প্রোটো (উপলব্ধ রেসের মধ্যে একটি) দিয়ে । এটি এমনভাবে প্রশিক্ষিতও হয়েছিল যাতে ইউনিটটিতে শারীরিকভাবে ক্যামেরা থাকলে এটি কেবল ক্রিয়া সম্পাদন করতে পারে , এইভাবে একজন ব্যক্তি কীভাবে খেলবে তার আরও বেশি সংযোজন করে।

যাইহোক, এই প্রতিবন্ধকতা থাকা সত্ত্বেও, আলফাস্টার তাদের প্রতিযোগিতাগুলির বেশিরভাগটি গেমের প্রতিযোগিতামূলক দিকটিতে একটি পরিত্যক্ত কৌশল ব্যবহার করে পরাস্ত করেছিল । একটি বিষয় লক্ষণীয় যে আলফাস্টার সাধারণত এপিএমগুলিকে (প্রতি মিনিটে অ্যাকশনগুলি) কম রাখে, তাই এর সিদ্ধান্তগুলি খুব কার্যকর।

এআই এবং একজন পেশাদার প্লেয়ার দ্বারা প্রতি মিনিটে গড় ক্রিয়াকলাপ

যাইহোক, পরিস্থিতি যখন এটির আহ্বান জানায়, তখন তিনি সহজেই কাউন্টারটি ভেঙে আক্ষরিকভাবে ইউনিটগুলির অতিমানবীয় নিয়ন্ত্রণ প্রদর্শন করেন।

এখানে আপনি তাঁর একটি ডেমো পুরো দেখতে পাচ্ছেন:

কৃত্রিম বুদ্ধিমত্তার ভবিষ্যত

আমরা ইতিমধ্যে এই বিষয়টি নিয়ে কথা বলেছি, সুতরাং আমরা একই আলোচনার খুব বেশি পুনরাবৃত্তি করব না। ডিপ লার্নিংয়ের জন্য অপেক্ষা করা সম্ভাব্য ফিউচারগুলি যা হাইলাইট করা উচিত ।

আর্টিফিশিয়াল ইন্টেলিজেন্সের সুপরিচিত বিশেষজ্ঞ অ্যান্ড্রু ইয়ান-টাক এনগের মতে , ডিপ লার্নিং ভবিষ্যতের গোয়েন্দা তথ্যের দিকে এক উত্তম পদক্ষেপ। অন্যান্য শিক্ষণ পদ্ধতির মতো নয়, আমরা ডেটা নমুনা বাড়ানোর কারণে এটি বেশ কার্যকর ।

আমরা আপনাকে বাবাহু এক্স 1 অনুসারে: এআই টুথব্রাশ এখন উপলব্ধ

পরবর্তী স্লাইডটি তাঁর উপস্থাপনাটির অন্তর্ভুক্ত "ডিপ লার্নিং সম্পর্কে বিজ্ঞানীদের কী জানা উচিত"। আপনি যদি আগ্রহী হন তবে আপনি এটি এই লিঙ্কটিতে দেখতে পারেন।

নিরর্থক নয়, প্রযুক্তির বিকাশও থামেনি। প্রতি বছর আমাদের আরও শক্তিশালী উপাদান থাকবে, তাই পরীক্ষার জন্য আমাদের আরও বেশি বেশি প্যাটিও থাকবে। পুরানো এআই এবং মেশিন লার্নিংয়ের মতোই , নতুন অ্যালগরিদম, পদ্ধতি এবং সিস্টেম উপস্থিত হবে এবং আজকের উদ্ভাবনী ডিপ লার্নিংকে প্রতিস্থাপন করবে ।

এছাড়াও, আপনি কল্পনা করতে পারেন, ভবিষ্যতে অর্ধ-বুদ্ধিমান মেশিন দ্বারা মোকাবেলা করা হয় ।

যেমনটি আমরা অন্যান্য নিবন্ধগুলিতে উল্লেখ করেছি, বেশিরভাগ বৈদ্যুতিন ডিভাইসগুলিতে (কিছু ইতিমধ্যে তাদের অন্তর্ভুক্ত করা হয়েছে) সমর্থন বুদ্ধি থাকবে । একটি খুব লক্ষণীয় কেস হ'ল বুদ্ধিমত্তা যা আরও ভাল মানের ছবি তুলতে সহায়তা করে।

তবে, এই প্রযুক্তিটি বেশিরভাগ ব্যবহারকারীর জন্য বিকাশ লাভ করতে পারে এমন একটি বিষয় হ'ল আইওটি (স্প্যানিশ ভাষায় ইন্টারনেট অফ থিংস)।

ইন্টারনেট অফ থিংস

এই শব্দটির প্রযুক্তি ও কম্পিউটিংয়ের সম্মেলনে আরও বেশি ওজন রয়েছে এবং এখন আমাদের কাছে যে উপায় আছে তা নিজেকেই সুসংহত করার চেষ্টা করে।

ধারণাটি হ'ল গৃহস্থালী যন্ত্রপাতি, বৈদ্যুতিক সরঞ্জাম এবং অন্যান্যগুলি সনাক্তকরণযোগ্য বস্তু, তারা একে অপরের সাথে যোগাযোগ করতে পারে এবং তদতিরিক্ত, কোনও ডিভাইস দিয়ে নিয়ন্ত্রণ করা যায়। এই উপায়ে আমরা কোনও স্থানে কী কী বস্তুর অস্তিত্ব রয়েছে তার একটি গণনা রাখতে পারি, তারা কোথায় আছে, মোবাইলের মাধ্যমে তাদের সাথে যোগাযোগ করুন এবং এগুলি । তেমনি, বস্তুগুলি একে অপরের সাথেও যোগাযোগ করতে পারে এবং উদাহরণস্বরূপ কোনও খাবারের মেয়াদ শেষ হয়ে যায়, সম্ভবত আপনি যখন এটি খুলবেন তখন ফ্রিজ আপনাকে বলতে সক্ষম হবে।

অন্যদিকে, কৃত্রিম বুদ্ধিমত্তাকে গৃহস্থালীর সরঞ্জামগুলির স্থিতি এবং কার্যকারিতা পর্যবেক্ষণ করতে সক্ষম হওয়া উচিত । এটির সাহায্যে আপনি একটি বিদ্যুৎ পরিকল্পনা স্থাপন করতে পারেন এবং ব্যবহৃত শক্তিটি অনুকূল করতে পারেন।

তবে একটি প্রাসঙ্গিক বিষয় যা আমাদের উন্নতির জন্য রয়ে গেছে তা হ'ল ইন্টারনেট সুরক্ষা। এটি এমন একটি জিনিস যা এখনও খুব বেশি হয়রানির শিকার বলে মনে হয় না, তবে আমরা সবাই জানি যে এটি নিরাপদ পরিষেবা হতে চাইলে এটি প্রয়োজনীয় হবে ।

এটি কিছুটা বিমূর্ত ধারণা, তবে এটি আমাদের জীবনে আক্রমণ করার সাথে সাথে আপনি পরিচিত হয়ে উঠবেন।

নতুন প্রযুক্তি এবং ডিপ লার্নিংয়ের গুরুত্ব

এটা ভাবা অপরিহার্য যে কম্পিউটিং এবং কৃত্রিম বুদ্ধিমত্তা আমাদের প্রতীক্ষিত ভবিষ্যতের অনেকাংশ তৈরি করবে। সুতরাং, বিট দ্বারা পরিচালিত বিশ্বে কী ঘটছে সে সম্পর্কে সর্বদা অর্ধেক সচেতন হওয়া জরুরি।

এই মনোভাবকে মনে রেখে আমরা ইতিমধ্যে দেখতে পাচ্ছি যে কীভাবে বিভিন্ন ডিগ্রি, কোর্স এবং ডিগ্রি উপস্থিত হয় যা এই বিষয়গুলিকে গভীরভাবে শিক্ষা দেয়। উদাহরণস্বরূপ, কিছু ডেটা ইঞ্জিনিয়ারিং উপস্থিত হয়েছে, বিগ ডেটাতে অন্যান্য ডিগ্রি এবং স্পষ্টতই, ডিপ লার্নিং এবং কৃত্রিম বুদ্ধিমত্তার কোর্সগুলি।

একই কারণে, আমরা আপনাকে বিষয়টি তদন্ত করার জন্য অনুরোধ করছি । ইন্টারনেট , তার প্লাস এবং বিয়োগগুলি সহ, এখনও স্বায়ত্তশাসিত নয়, নিখুঁত বা সত্যই নিরাপদ নয়, তবে এটি জ্ঞানের প্রায় সীমাহীন উত্স। যে কোনও ভাগ্যের সাথে, আপনি শেখার জন্য একটি জায়গা খুঁজে পাবেন এবং আপনি একটি নতুন ভাষা, বা বরং, একটি নতুন জগত শুরু করতে পারেন ।

যেহেতু মেশিন লার্নিং সামান্য হালকা শৃঙ্খলা , তাই এমন প্রোগ্রাম রয়েছে যা আপনাকে কিছুটা ডেটা নিয়ে গোলমাল করতে দেয়। আপনি যদি বিষয়টি সম্পর্কে আরও কিছুটা জানতে এবং নিজের / এই প্রযুক্তির সীমা পরীক্ষা করতে আগ্রহী হন তবে আপনি আইবিএম ওয়াটসন ডেভেলপার ক্লাউড বা অ্যামাজন মেশিন লার্নিং দেখতে পারেন। আমরা আপনাকে সতর্ক করে দিচ্ছি: আপনাকে একটি অ্যাকাউন্ট তৈরি করতে হবে এবং এটি শেখার সহজ উপায় হবে না তবে সম্ভবত একদিন এটি আপনাকে দুর্দান্ত লক্ষ্য অর্জনে সহায়তা করবে।

এখানের বাইরে আইডিয়া জগত, তাই সবকিছু আপনার হাতে hands এবং আপনার কাছে, আপনি কৃত্রিম বুদ্ধিমত্তা সম্পর্কিত নতুন প্রযুক্তি সম্পর্কে কী ভাবেন? ডিপ লার্নিং অ্যাপ্লিকেশনগুলি আপনি কি জানেন বা দেখতে চান? আপনার ধারণাগুলি নীচের বাক্সে ভাগ করুন।

সোর্স বিজনেস ব্লগ চিন্তা করুন বিগএক্সটাকমাচাইন লার্নিং মাস্টারি