செயற்கை நுண்ணறிவு (AI), இயந்திர வழிகற்றல் (ML) ஆழ்கற்றல் (DL) ஆகிய தொழில்நுட்பங்கள் எவ்வாறு உருவாகின, எந்தெந்த வழிகளில் அவை வேறுபடுகின்றன என்பதை இப்போது காண்போம்.
செயற்கை நுண்ணறிவு (AI), இயந்திரவழி கற்றல் (ML) ஆழ்கற்றல் (DL) ஆகியன பெரும்பாலும் ஒன்றுக்கொன்று மாற்றாகப் பயன்படுத்தப்படுகின்றன;இருப்பினும், அவை ஒரே மாதிரியானவை அல்ல. AI என்பது எல்லாவற்றிலும் பரந்தளவிலான கருத்தமைவாகும், மேலும் இது ஒரு இயந்திரத்திற்கு மனித நடத்தையைப் பின்பற்றும் திறனை வழங்குகிறது. ML என்பது ஒரு அமைப்பில் அல்லது இயந்திரத்தில் AI ஐ செயல்படுத்திடுகின்ற பயன்பாடு ஆகும், இது சுயமாக கற்றுக் கொள்ளவும் தொடர்ந்து மேம்படுத்தவும் உதவுகிறது. DL ஆனது ஒரு குறிப்பிட்ட மாதிரி அல்லது வடிவத்தை மீண்டும் மீண்டும் பயிற்சி செய்ய சிக்கலான வழிமுறைகளையும் ஆழமான நரம்பியல் போன்ற வலை பின்னல்களையும் பயன்படுத்துகிறது .
AI, ML. DL ஆகியன உண்மையில் எதைக் குறிப்பிடுகின்றன என்பதைப் பற்றிய சிறந்த புரிதலைப் பெற இவை ஒவ்வொன்றும் தன்னுடைய வாழ்க்கை பாதையின் பயணத்தையும் அதன் பரிணாமத்தையும் இப்போதுகாண்போம்.
செயற்கை நுண்ணறிவு(AI)
AI கடந்த 70- ஆண்டுகளில் வெகுதூரம் முன்னேறி வந்து கொண்டிருக் கின்றது, நாம் விரும்பினாலும் விரும்பாவிட்டாலும் நம்முடைய வாழ்வின் ஒவ்வொரு அம்சத்திலும் இது ஊடுருவி வருகிறது. கடந்த தசாப்தத்தில் இயந்திரவழி கற்றலில், ஆழ்கற்றலில் ஏற்பட்டமுன்னேற்றங்கள் அனைத்து தொழில்களிலும் நிறுவனங்களிலும் AI இன் முன்னேற்றத்தை உருவாக்கி யுள்ளன. மேககணினி சேவை வழங்குநர்கள் கட்டணமில்லாமல் கிடைக்கும் கட்டற்ற சேவைகளை உருவாக்குவதன் மூலமும் புதிய பயன்பாட்டு நிகழ்வுகளை வழங்குவதன் மூலமும் இதனுடைய வளரச்சியின் வேகத்தைச் கூடுதலாக சேர்த்துள்ளனர்.
AI என்பது 1956 ஆம் ஆண்டிலிருந்து மிக அதிகமாகப் பயன்படுத்தப்பட்ட கருத்தமைவாக இருக்கலாம். 2015 ஆம் ஆண்டளவில், GPUகளின் பரவலான இருப்பு இணையான செயலாக்கத்தை இதனை விரைவாகவும், சக்தி வாய்ந்ததாகவும், மலிவாகவும் மாற்றியது. மலிவான வாய்ப்புகள் மீப்பெரும் தரவின் மிகப்பெரிய சேமிப்பிற்கு வழிவகுத்தன (உருவப்படங்கள் , பதிலிடுதல் போன்றவைகளுக்கு எளிய உரை ). இது தரவு பகுப்பாய்வுக்கான தேவையை உருவாக்கியது, இது தரவு அறிவியல் என்று மிகவும் பிரபலமாக அறியப்பட்டது, இது செயற்கை நுண்ணறிவை அடைவதற்கான அணுகுமுறையாக இயந்திர வழிகற்றலின் பரிணாமத்திற்கு வழிவகுத்தது.
இயந்திர வழி கற்றல்(ML)
ML என்பது, செயலாக்க, கற்க, புரிந்துகொள்ள அல்லது கிடைக்கக்கூடிய தரவின் வடிவத்தை கணிக்க உதவுகின்ற தருக்கங்களின் பயன்பாடு ஆகும். மிக சமீபகாலமாக, மென்பொருள் மேம்பாட்டின் அடுத்த பரிமாணமானகுறைந்த-குறிமுறைவரிகள்(Low-Code) குறிமுறைவரிகளற்றவை(No-Code) ஆகிய கருத்தமை வுகள் இயந்திர வழிகற்றலில் குறிப்பிட்ட பணிகளைச் செய்ய குறிப்பிட்ட வழிமுறைகளை வழங்கும் சுய-கற்றல் செயல்முறைகளாகப் பயன்படுத்தப்படு கின்றன. தரவுகளையும், தருக்கங்களையும் பயன்படுத்தி இயந்திரத்திற்கு ‘பயிற்சி’ அளிக்கப்பட்டு, பணியை எப்படிச் செய்வது என்பதைக் கற்றுக் கொள்வதற்கான திறனைக் கொடுத்து, அதைவிட முக்கியமாக, கற்றலை தொடர்ந்து வளர்ச்சியடையச் செய்கிறது.
மேம்படுத்துநர் சமூகம் AI இல் அதிக கவனம் செலுத்தியபோதுதான் இந்த MLஎனும் இயந்திர வழிகற்றல் உருவானது, பின்னர் தருக்கபடிமுறையின் முடிவு செய்தலின்வழி கற்றல்(decision-tree learning) தர்க்க நிரலாக்கம், கொத்தாக்கம், இணை செயலாக்கம், வலுவூட்டல் வழிகற்றல் ஆகியவற்றை உருவாக்கியது. . இவை அனைத்தும் இதனுடைய வளர்ச்சிக்கான சரியான திசையில் நல்ல படிகற்கள் ஆகும் ஆனால் நடைமுறை உலகத்திற்கு ஆர்வமாக இருந்த பயன்பாட்டு வழக்கங்களை தீர்வுசெய்வதற்கு இதுபோதுமானதாக இல்லை.
ஆழ்கற்றல்(DL)
நரம்பியல்போன்ற வலைபின்னல்களி்ன் மேம்படுத்துதல் இயந்திர கற்றலின் பரிணாமம் ஆகியன AI சமூகத்தின் மூளையாகும். குறிப்பிட்ட சூழ்நிலைகளில் மனித மனம் எவ்வாறு செயல்படுகிறது என்பதைப் பற்றி அது கற்றுக் கொள்கிறது, பின்னர் மனிதர்களை விட அந்த பணியைச் சிறப்பாக செய்து விடுகின்றது! உதாரணமாக, IBM இன் வாட்சன் எதிராக செஸ் விளையாட்டின் இறுதியில் உலக சாம்பியனை தோற்கடிக்க மேம்படுத்தபட்டது. கூகுளின் AlphaGo, Go அட்டையில் விளையாட்டினை எப்படி விளையாடுவது என்பதை மீண்டும் மீண்டும் விளையாடுவதன் மூலம் கற்றுக்கொண்டு, சாம்பியனாக ஆனது.
AI, ML , DL ஆகியவை தொடர்ந்து மேம்படுத்தப்பட்டு கொண்டேவருகின்றன. தரவு அறிவியலில் ஈடுபட்டுள்ள அனைவரின் நோக்கமும் நமது அன்றாட வாழ்க்கையை மேம்படுத்த இந்தக் கருத்தமைவுகளை முன்னெடுப்பதே ஆகும். நல்ல செய்தி என்னவென்றால், திறமூல சமூகம், தனியார் நிறுவனங்கள், அறிவியலார்கள் ,அரசு நிறுவனங்கள் ஆகிய அனைவரும் இதற்காகவே ஒன்றிணைந்து செயல்படுகின்றனர் என்பதேயாகும்
முடிவாக, AI ஆனது திறனுடைய நுண்ணறிவு இயந்திரங்களை உருவாக்க உதவுகிறது, ML ஆனது AI-இல்இயக்கப்படும் பயன்பாடுகளை உருவாக்க உதவுகிறது. DL என்பது ML இன் துணைக்குழு ஆகும்; இது பெரிய அளவிலான தரவுகளுக்கு சிக்கலான வழிமுறைகளை மேம்படுத்துவதன் மூலம் ஒரு குறிப்பிட்ட மாதிரியைப் பயிற்றுவிக்கிறது. குறுகியகாலத்தில் AI ஐ உருவாக்குவது மிகவும் கடினம் என்பதால், ML இந்த இடத்தில் உள்ள வாய்ப்புகளை மிகக்கடினமாக முயன்று கணினி மூலம் நிவர்த்தி செய்கிறது. DL ஆனது குறைந்தபட்சபொது AI ஐ உணர்ந்து கொள்வதற்கும். AI , ML ஆகியவற்றை ஒன்றாகக் கொண்டுவருவதற்கும் உதவுகிறது,