ए आई के विभिन्न प्रकारों के विकास में, मशीन लर्निंग व डीप लर्निंग की है, खास भूमिका

समृद्ध इतिहास और संस्कृति वाला हमारा शहर लखनऊ, अब जनता के लिए नए अवसर पैदा करने हेतु, आर्टिफ़िशियल इंटेलिजेंस (ए आई – Artificial Intelligence) की शक्ति को अपना रहा है। यातायात प्रबंधन और सार्वजनिक सेवाओं में सुधार से लेकर, स्वास्थ्य देखभाल और शिक्षा को बढ़ाने तक, ए आई, धीरे-धीरे लखनऊ में कामकाज़ के तरीके को बदल रहा है। चाहे वह सिरी(Siri) या एलेक्सा(Alexa) जैसे वॉइस असिस्टेंट(Voice assistants) का उपयोग करना हो; ऐप्स पर वैयक्तिकृत सिफ़ारिशें प्राप्त करना हो; या फिर, स्मार्ट स्वास्थ्य सेवाओं तक पहुंच बनाना हो, ए आई पहले से ही हमारी दिनचर्या का हिस्सा है। स्मार्ट सिटी परियोजनाओं के बढ़ने के साथ, ए आई रोज़मर्रा की ज़िंदगी को अधिक कुशल और संयुक्त बनाने में मदद कर रहा है। आज हम, आर्टिफ़िशियल इंटेलिजेंस के प्रकारों पर चर्चा करेंगे, तथा इसकी विभिन्न श्रेणियों की खोज करेंगे। इसके बाद, हम ए आई को आगे बढ़ाने में, मशीन लर्निंग(Machine Learning) और डीप लर्निंग(Deep Learning) की भूमिका पर ध्यान केंद्रित करेंगे। अंत में, हम इसकी मूल अवधारणाओं का अवलोकन प्रदान करते हुए, जांच करेंगे कि, आर्टिफ़िशियल इंटेलिजेंस क्या है।
आर्टिफ़िशियल इंटेलिजेंस के प्रकार:
आर्टिफ़िशियल इंटेलिजेंस को विभिन्न प्रकारों में विभाजित किया जा सकता है। हालांकि, मुख्य रूप से इसके दो मुख्य वर्गीकरण हैं, जो इसकी क्षमताओं एवं कार्यात्मकता पर आधारित हैं।
ए आई प्रकार-1: क्षमताओं के आधार पर
वीक ए आई(Weak AI) या नैरो ए आई(Narrow AI):
नैरो ए आई, कृत्रिम बुद्धिमत्ता के साथ एक समर्पित कार्य करने में सक्षम है। आर्टिफ़िशियल इंटेलिजेंस की दुनिया में, सबसे आम और वर्तमान में उपलब्ध ए आई, नैरो ए आई ही है। यह अपने क्षेत्र या सीमाओं से परे प्रदर्शन नहीं कर सकता, क्योंकि, इसे केवल एक विशिष्ट कार्य के लिए प्रशिक्षित किया जाता है। इसलिए, इसे वीक अर्थात, कमज़ोर ए आई भी कहा जाता है। यदि नैरो ए आई अपनी सीमा से आगे चला जाता है, तो अप्रत्याशित तरीकों से विफ़ल हो सकता है।
ऐप्पल(Apple) का सिरी, नैरो ए आई का एक अच्छा उदाहरण है, जो कार्यों की सीमित पूर्व-निर्धारित सीमा के साथ काम करता है। आई बी एम(IBM) का वॉटसन सुपरकंप्यूटर(Watson supercomputer) भी नैरो ए आई के अंतर्गत आता है, क्योंकि, यह मशीन लर्निंग और प्राकृतिक भाषा प्रसंस्करण(Natural language processing) के साथ, संयुक्त विशेषज्ञ प्रणाली दृष्टिकोण का उपयोग करता है।
नैरो ए आई के कुछ उदाहरण – शतरंज खेलना, ई-कॉमर्स साइट(e-commerce site) पर सुझाव खरीदना, स्वचालित कारें, वाक् एवं छवि पहचान, आदि हैं।
सामान्य या जनरल ए आई(General AI):
जनरल ए आई, किसी भी बौद्धिक कार्य को इंसान की तरह दक्षता के साथ कर सकता है। सामान्य ए आई के पीछे विचार, एक ऐसी प्रणाली बनाने का है, जो अधिक स्मार्ट हो और अपने आप में एक इंसान की तरह सोच सके। फ़िलहाल, ऐसा कोई सिस्टम मौजूद नहीं है, जो सामान्य ए आई के अंतर्गत आ सके और किसी भी कार्य को इंसान की तरह निपुण तरीके से कर सके। दुनिया भर में, शोधकर्ता अब जनरल ए आई के साथ मशीनें विकसित करने पर ध्यान केंद्रित कर रहे हैं। चूंकि, सामान्य ए आई वाले सिस्टम अभी भी अनुसंधान के अधीन हैं, ऐसे सिस्टम विकसित करने में बहुत प्रयास और समय लगेगा।
सुपर ए आई(Super AI):
सुपर ए आई मशीनें, मानव बुद्धि से आगे निकल सकती हैं और संज्ञानात्मक गुणों के साथ किसी भी कार्य को मानव से बेहतर कर सकती हैं। यह सामान्य ए आई का परिणाम है। सुपर ए आई की कुछ प्रमुख विशेषताओं में सोचने, तर्क करने, पहेली सुलझाने, निर्णय लेने, योजना बनाने, सीखने और अपने आप से संवाद करने की क्षमताएं शामिल है।
सुपर ए आई, अभी भी, आर्टिफ़िशियल इंटेलिजेंस की एक काल्पनिक अवधारणा है। वास्तव में, ऐसी प्रणालियों का विकास अभी भी दुनिया बदलने वाला कार्य है।
मशीन लर्निंग और डीप लर्निंग की भूमिका-
सबसे पहले उन प्रौद्योगिकियों को समझना महत्वपूर्ण है, जिन पर जेनरेटिव ए आई(Generative AI) उपकरण बनाए गए हैं। और ये प्रौद्योगिकियां, मशीन लर्निंग (एम एल) और डीप लर्निंग हैं।
•मशीन लर्निंग (एम एल) -
ए आई के ठीक नीचे, हमारे पास मशीन लर्निंग सिस्टम है। इसमें डेटा के आधार पर भविष्यवाणियां, या निर्णय लेने के लिए एल्गोरिथम(Algorithm) को प्रशिक्षित करके, मॉडल बनाना शामिल है। इसमें तकनीकों की एक विस्तृत श्रृंखला शामिल है, जो कंप्यूटरों को विशिष्ट कार्यों के लिए स्पष्ट रूप से प्रोग्राम किए बिना, डेटा से सीखने और उसके आधार पर अनुमान लगाने में सक्षम बनाती है।
मशीन लर्निंग तकनीक या एल्गोरिदम कई प्रकार की होती हैं, जिनमें लीनियर रिग्रेशन(Linear regression), लॉजिस्टिक रिग्रेशन(Logistic regression), डिसीजन ट्री(Decision trees), रैंडम फ़ॉरेस्ट(Random forest), सपोर्ट वेक्टर मशीन (एस वी एम – Support vector machines), के-नियरेस्ट नेबर (के एन एन – k-nearest neighbor), क्लस्टरिंग(Clustering) और बहुत कुछ शामिल हैं। इनमें से प्रत्येक दृष्टिकोण विभिन्न प्रकार की समस्याओं और डेटा के लिए उपयुक्त है।
लेकिन मशीन लर्निंग एल्गोरिथम के सबसे लोकप्रिय प्रकारों में से एक को, न्यूरल नेटवर्क(Neural network) या कृत्रिम तंत्रिका नेटवर्क कहा जाता है। न्यूरल या तंत्रिका नेटवर्क मानव मस्तिष्क की संरचना और कार्य के आधार पर तैयार किए जाते हैं। एक तंत्रिका नेटवर्क में नोड्स(Nodes) की परस्पर जुड़ी परतें होती हैं, जो जटिल डेटा का संसाधन और विश्लेषण करने के लिए, एक साथ काम करती हैं। तंत्रिका नेटवर्क उन कार्यों के लिए उपयुक्त हैं, जिनमें बड़ी मात्रा में, डेटा में जटिल पैटर्न और संबंधों की पहचान करना शामिल है।
•डीप लर्निंग -
डीप लर्निंग, मशीन लर्निंग का एक प्रकार है, जो बहुस्तरीय तंत्रिका नेटवर्क का उपयोग करता है। इसे डीप न्यूरल नेटवर्क कहा जाता है, जो मानव मस्तिष्क की जटिल निर्णय लेने की शक्ति का अधिक बारीकी से अनुकरण करता है। डीप न्यूरल नेटवर्क में एक इनपुट परत; कम से कम तीन, लेकिन आमतौर पर, सैकड़ों छिपी हुई परतें और एक आउटपुट परत शामिल होती है। किसी उत्कृष्ट मशीन लर्निंग मॉडल में उपयोग किए जाने वाले तंत्रिका नेटवर्क के विपरीत, जिसमें आमतौर पर केवल एक या दो छिपी हुई परतें होती हैं, इसमें तीन उपरोक्त परतें होती हैं।
ये परतें, किसी पर्यवेक्षण के बिना ही, कार्यों को सक्षम बनाती हैं। वे बड़े, बिना लेबल वाले और असंरचित डेटा सेट से, सुविधाओं के निष्कर्षण को स्वचालित कर सकते हैं, और डेटा क्या दर्शाता है, इसके बारे में अपनी भविष्यवाणी कर सकते हैं।
चूंकि, डीप लर्निंग के लिए मानवीय हस्तक्षेप की आवश्यकता नहीं होती है, यह मशीन लर्निंग को ज़बरदस्त पैमाने पर सक्षम बनाता है। यह प्राकृतिक भाषा प्रसंस्करण (एन एल पी (NLP)), कंप्यूटर विज़न(Computer vision) और अन्य कार्यों के लिए उपयुक्त है, जिसमें बड़े डेटा में तेज़, सटीक पहचान जटिल पैटर्न और संबंध शामिल हैं। डीप लर्निंग का कोई न कोई रूप, आज हमारे जीवन में अधिकांश कृत्रिम बुद्धिमत्ता (ए आई) अनुप्रयोगों को शक्ति प्रदान करता है।
ए आई क्या है?
कृत्रिम बुद्धिमत्ता (ए आई), कंप्यूटर विज्ञान की एक शाखा है, जिसका उद्देश्य ऐसे कार्यों को करने में सक्षम मशीनों का निर्माण करना है, जिनके लिए आमतौर पर मानव बुद्धि की आवश्यकता होती है। ए आई, मशीनों को सीखने, समस्या-समाधान, निर्णय लेने और समझने जैसी मानवीय क्षमताओं का अनुकरण करने में सक्षम बनाता है। ए आई के सामान्य अनुप्रयोगों में वाक् पहचान, छवि पहचान, कंटेंट या पाठ निर्माण, अनुशंसा प्रणाली और स्वचालित कारें शामिल हैं।
कृत्रिम बुद्धिमत्ता उन कंप्यूटर प्रणालियों को संदर्भित करती है, जो पारंपरिक रूप से मानव बुद्धि से जुड़े कार्यों को करने में सक्षम हैं, जैसे कि – भविष्यवाणी करना, वस्तुओं की पहचान करना, भाषण की व्याख्या करना और प्राकृतिक भाषा उत्पन्न करना। ए आई सिस्टम भारी मात्रा में डेटा को संसाधित करके और अपने स्वयं के निर्णय लेने में, मॉडल के पैटर्न की तलाश करके ऐसा करना सीखते हैं। कई मामलों में, मनुष्य ए आई की सीखने की प्रक्रिया की निगरानी करेंगे, अच्छे निर्णयों को सुदृढ़ करेंगे और बुरे निर्णयों को हतोत्साहित करेंगे। लेकिन, कुछ ए आई सिस्टम पर्यवेक्षण के बिना सीखने के लिए भी डिज़ाइन किए गए हैं।
समय के साथ, ए आई सिस्टम विशिष्ट कार्यों के प्रदर्शन में सुधार करते हैं, जिससे उन्हें नए इनपुट के अनुकूल होने और ऐसा करने के लिए, स्पष्ट रूप से प्रोग्राम किए बिना निर्णय लेने की अनुमति मिलती है। संक्षेप में, कृत्रिम बुद्धिमत्ता मशीनों को मनुष्यों की तरह सोचने और सीखने के लिए, सिखाने के बारे में है, जिसका लक्ष्य काम को स्वचालित करना और समस्याओं को अधिक कुशलता से हल करना है।

संदर्भ
https://tinyurl.com/2awu4vsu
https://tinyurl.com/2rpe3vyy
https://tinyurl.com/udxhjcem

चित्र संदर्भ
1. रोबोट के साथ शतरंज खेलती महिला को संदर्भित करता एक चित्रण (Pexels)
2. सुपर कंप्यूटर को संदर्भित करता एक चित्रण (wikimedia)
3. कृत्रिम बुद्धिमत्ता के एक उपसमूह के रूप में मशीन लर्निंग को संदर्भित करता एक चित्रण (wikimedia)
4. पर्यवेक्षित और अपर्यवेक्षित शिक्षा के बीच के सचित्र अंतर को संदर्भित करता एक चित्रण (wikimedia)
5. रोबोट के हाथ को संदर्भित करता एक चित्रण (Pexels)