প্রশ্ন:
কৃত্রিম বুদ্ধি, মেশিন লার্নিং এবং গভীর শিক্ষার মধ্যে পার্থক্য কী?
উত্তর:"কৃত্রিম বুদ্ধিমত্তা, " "মেশিন লার্নিং" এবং "গভীর শিক্ষণ" পদগুলি এমন একটি প্রক্রিয়া বর্ণনা করে যা গত কয়েক দশক ধরে নিজেকে তৈরি করেছিল, কারণ বিশ্ব গণনা শক্তি, ডেটা স্থানান্তর এবং অন্যান্য প্রযুক্তি লক্ষ্যগুলিতে বিশাল অগ্রগতি অর্জন করেছে।
কথোপকথনটি কৃত্রিম বুদ্ধিমত্তার সাথে শুরু করা উচিত, কম্পিউটার বা প্রযুক্তিগুলির যে কোনও দক্ষতার জন্য মানুষের চিন্তাভাবনা বা মস্তিষ্কের ক্রিয়াকলাপ অনুকরণ করার জন্য একটি বিস্তৃত শব্দ। এক অর্থে, কৃত্রিম বুদ্ধিমত্তার সূচনা খুব শীঘ্রই হয়েছিল, সহজ কম্পিউটার দাবা-বাজানো প্রোগ্রাম এবং অন্যান্য প্রোগ্রাম যা মানুষের সিদ্ধান্ত গ্রহণ এবং চিন্তার নকল করতে শুরু করে।
| ফ্রি ডাউনলোড: মেশিন লার্নিং এবং কেন এটি গুরুত্বপূর্ণ |
কৃত্রিম বুদ্ধিমত্তা ব্যক্তিগত কম্পিউটারের প্রথম দিন থেকে ইন্টারনেটের যুগে এবং অবশেষে ক্লাউড কম্পিউটিং, ভার্চুয়ালাইজেশন এবং অত্যাধুনিক নেটওয়ার্কগুলির যুগে অগ্রসর হতে থাকে। কৃত্রিম বুদ্ধিমত্তা একটি মূল প্রযুক্তি শিল্প হিসাবে বিভিন্ন উপায়ে বৃদ্ধি এবং প্রসারিত হয়েছে।
কৃত্রিম বুদ্ধিমত্তার অন্যতম মাইলফলক হ'ল মেশিন লার্নিংয়ের উত্থান এবং গ্রহণ, কৃত্রিম বুদ্ধিমত্তার লক্ষ্য অর্জনের জন্য একটি বিশেষ পদ্ধতি।
মেশিন লার্নিং কম্পিউটার সফ্টওয়্যারকে পারফরম্যান্সের পরিবেশে নির্দিষ্ট কিছু সিদ্ধান্ত নিতে আরও উন্নত করতে সহায়তা করতে পরিশীলিত অ্যালগরিদম এবং প্রোগ্রামগুলি ব্যবহার করে। একটি কম্পিউটারকে বারবার এক সেট করার জন্য কেবল প্রোগ্রামিংয়ের পরিবর্তে, যেমনটি 1970 এবং 1980 এর দশকের হাত-কোডেড প্রোগ্রামগুলির ক্ষেত্রে হয়েছিল, মেশিন লার্নিং হিউরিস্টিক্স, আচরণের মডেলিং এবং অন্যান্য ধরণের অনুমানগুলি ব্যবহার করার অনুমতি দেয় প্রযুক্তি তার সিদ্ধান্ত গ্রহণের উন্নতি করতে এবং সময়ের সাথে সাথে বিকশিত হয়। স্প্যাম ইমেলের বিরুদ্ধে লড়াই করা, আইবিএম ওয়াটসনের মতো কৃত্রিম বুদ্ধিমত্তার ব্যক্তিত্ব বাস্তবায়ন এবং কৃত্রিম বুদ্ধিমত্তার লক্ষ্য অর্জনে অন্যান্য উপায়ে মেশিন লার্নিং প্রয়োগ করা হয়েছে।
ডিপ লার্নিং, ঘুরে, মেশিন লার্নিংয়ের উপর ভিত্তি করে। বিশেষজ্ঞরা গভীর শিক্ষাকে উচ্চ-স্তরের বিমূর্ততা চালানোর জন্য অ্যালগরিদমের ব্যবহার হিসাবে যেমন কাজের উপর প্রযুক্তি প্রশিক্ষণের জন্য কৃত্রিম নিউরাল নেটওয়ার্ক ব্যবহার হিসাবে বর্ণনা করেন। গভীর শিক্ষণ প্রকৃত মানুষের মস্তিষ্কের ক্রিয়াকলাপকে মডেল করার চেষ্টা করে এবং কৃত্রিম সিদ্ধান্ত গ্রহণ বা অন্যান্য জ্ঞানীয় কাজের ক্ষেত্রে এটি প্রয়োগ করে মেশিন লার্নিংকে পরবর্তী স্তরে নিয়ে যায়।
গভীর শিক্ষণ যেমন কাটিং-এজ সাপ্লাই চেইন অপ্টিমাইজেশন প্রোগ্রাম, পরীক্ষাগার সরঞ্জাম প্রোগ্রাম এবং অন্যান্য ধরণের উদ্ভাবন যেমন জেনারেটর অ্যাডভারসিয়াল নেটওয়ার্ক, যেখানে দুটি বিপরীত নেটওয়ার্ক, একটি জেনারেটেড এবং ডিস্টিওরটিভ নেটওয়ার্ক, একে অপরের বিরুদ্ধে কাজ করে মানুষের মডেল হিসাবে কাজ করে যেমন উদাহরণের মাধ্যমে প্রদর্শিত হয়েছে বৈষম্যের চিন্তা প্রক্রিয়া। এই বিশেষ ধরণের গভীর শেখার চিত্র প্রক্রিয়াকরণ এবং অন্যান্য ব্যবহারের ক্ষেত্রে প্রয়োগ করা যেতে পারে।
বাস্তবতা হ'ল গভীর শিক্ষণ কৃত্রিম বুদ্ধিমত্তাকে বিশেষজ্ঞরা যেভাবে "শক্তিশালী এআই" বলে মনে করেন তার কাছাকাছি নিয়ে যায় যা অনেকগুলি মানব চিন্তার ক্রিয়াকে প্রতিলিপি করতে কমবেশি পুরোপুরি সক্ষম। এটি কীভাবে এই উদীয়মান প্রযুক্তিগুলি কার্যকরভাবে পরিচালনা করতে পারে এবং কীভাবে এমন একটি পৃথিবীর যত্ন নেওয়া যায় যেখানে কম্পিউটারগুলি আমাদের কিছু পদ্ধতিতে চিন্তা করে।
