ಯಂತ್ರ ಕಲಿಕೆ

ವಿಕಿಪೀಡಿಯದಿಂದ, ಇದು ಮುಕ್ತ ಹಾಗೂ ಸ್ವತಂತ್ರ ವಿಶ್ವಕೋಶ

ಟೆಂಪ್ಲೇಟು:Portalpar

ಯಂತ್ರಕಲಿಕ ಯು ಸೆನ್ಸಾರ್ ಮಾಹಿತಿ ಅಥವಾ ಮಾಹಿತಿ ಆಧಾರಗಳಂತಹ ಮಾಹಿತಿಗಳನ್ನವಲಂಬಿಸಿ ಕಂಪ್ಯೂಟರ್ಗಳು ಯಾವ ರೀತಿಯಲ್ಲಿ ಕಾರ್ಯವೆಸಗಬೇಕಂಬುದನ್ನು ರೂಪಿಸಲು ಅನುವಾಗಿಸುವ ಆಲ್ಗೋರಿದಮ್ ಗಳ ಯೋಜನೆ ಮತ್ತು ಅಭಿವೃದ್ಧಿ ಸಂಬಂಧಿತ ವಿಜ್ಞಾನದ ಒಂದು ಭಾಗವಾಗಿದೆ. ಯಂತ್ರಕಲಿಕಾ ಸಂಶೋಧನೆಯ ಪ್ರಮುಖ ಉದ್ದೇಶವೆಂದರೆ ಸಂಕೀರ್ಣವಾದ ಯೋಜನೆಗಳನ್ನು ಗುರುತಿಸಿ, ಮಾಹಿತಿಗಳ ಆಧಾರದ ಮೇರೆಗೆ ವಿವೇಕಯುತ ತೀರ್ಮಾನಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದು;ಇದರಲ್ಲಿನ ತೊಡಕೇನೆಂದರೆ ಅಳವಡಿಸಲು ಸಾಧ್ಯವಾದ ಸಕಲ ಮಾಹಿತಿಗಳಿಂದು ಉದ್ಭವಿಸುವ ಎಲ್ಲಾ ನಡವಳಿಕೆಗಳ(ಕ್ರಿಯಾತ್ಮಕತೆಗಳ) ವರ್ಣನೆಯನ್ನು ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಭಾಷೆ(ಕಾರ್ಯಕ್ಷಮತೆ ಪ್ರಚೋದಿಸುವ ಭಾಷೆ)ಯಲ್ಲಿ ಮಾಡುವುದು, ಆ ಕಾರ್ಯವಿಧಾನಗಳು ಬಹಳ ಸಂಕೀರ್ಣವಾದುದಿಂದ, ಬಹಳ ಕಷ್ಟ; ಹೀಗಾಗಿ ಕಾರ್ಯಗಳೇ ಕಾರ್ಯಗಳನ್ನು ಸ್ವಯಂ ವರ್ಣಿಸಬೇಕಾಗುವುದು. ಕೃತಕ ಬುದ್ಧಿವಂತಿಕೆ(artificial intelligence)ಯೂ ಈ ಕ್ಷೇತ್ರಕ್ಕೆ ಬಹಳ ಸಂಬಂಧಿತವಾದುದಾಗಿದ್ದು ಸಂಭಾವ್ಯತಾಶಾಸ್ತ್ರ (probability theory) ಮತ್ತು ಸಂಖ್ಯಾಶಾಸ್ತ್ರ(statistics}, ಮಾಹಿತಿ ಉತ್ಖನನ(data mining), ಮಾದರಿ ಗುರುತಿಸುವಿಕೆ(pattern recognition), ಆಳವಡಿಸತಕ್ಕ ಹತೋಟಿಗಳು(adaptive ಕಂಟ್ರೋಲ್) ಮತ್ತು ತರ್ಕಬದ್ಧ ಗಣಕ ವಿಜ್ಞಾನ(theoretical computer science)ಗಳೂ ಈ ಕ್ಷೇತ್ರಕ್ಕೆ ಸಮೀಪದ ಕ್ಷೇತ್ರಗಳಾಗಿವೆ.

ಉಪಯೋಗಗಳು[ಬದಲಾಯಿಸಿ]

ಯಂತ್ರಕಲಿಕೆಗೆ ಬೇಕಾದ ವಿಷಯಗಳೆಂದರೆ ಯಂತ್ರದ ಬಗ್ಗೆ ತಿಳುವಳಿಕೆ, ಕಂಪ್ಯೂಟರ್ ಜ್ಞಾನ, ನೈಜ ಭಾಷಾ ಸಂಸ್ಕರಣ/ಯೋಜನೆ, ಸಿಂಟಾಕ್ಸ್ ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸುವಿಕೆ, ಪರಿಶೋಧನಾ ಇಂಜಿನ್ ಗಳು, ವೈದ್ಯಕೀಯ ರೋಗಲಕ್ಷಣ ಪರೀಕ್ಷಣ, ಜೈವಿಕ ಮಾಹಿತಿಶಾಸ್ತ್ರ, ಮೆದುಳು-ಯಂತ್ರ ಇಂಟರ್ ಫೇಸ್ ಗಳು ಮತ್ತು ರಾಸಾಯನಿಕ ಮಾಹಿತಿಶಾಸ್ರಗಳು, ಕ್ರೆಡಿಟ್ ಕಾರ್ಡ್ ವಂಚನೆಗಳನ್ನು ಪತ್ತೆಹಚ್ಚುವಿಕೆ, ಷೇರುಪೇಟೆಯ ವಿಶ್ಲೇಷಣೆ, DNA ಆವಳಿಗಳ ವರ್ಗೀಕರಣ, ಮಾತು ಮತ್ತು ಕೈಬರಹವನ್ನು ಗುರುತಿಸುವಿಕೆ, ವಸ್ತುವನ್ನು ಕಂಪ್ಯೂಟರ್ ಗ್ರಹಿಸುವ ರೀತಿಯಲ್ಲಿ ಗ್ರಹಿಸುವಿಕೆ, ಕ್ರೀಡೆಗಳನ್ನು ಆಡುವುದು, ಸಾಫ್ಟ್ ವೇರ್ ಇಂಜಿನಿಯರಿಂಗ್, ಆಳವಡಿಸತಕ್ಕ ವೆಬ್ ಸೈಟ್ ಗಳು ಮತ್ತು ರೋಬಟ್ ಗಳ ಚಲನ.

ಮಾನವನೊಂದಿಗೆ ಪರಸ್ಪರ ಕ್ರಿಯೆ[ಬದಲಾಯಿಸಿ]

ಕೆಲವು ಯಂತ್ರಕಲಿಕಾ ವಿಧಾನಗಳು ಮಾಹಿತಿ ವಿಶ್ಲೇಷಣೆಯ ಬಗ್ಗೆ ಮಾನವನಿಗಿರುವ ಅಂತರ್ಜ್ಞಾನವನ್ನು ದೂರೀಕರಿಸಲು ಯತ್ನಿಸಿದರೆ, ಇನ್ನು ಕೆಲವು ಮಾನವ ಮತ್ತು ಯಂತ್ರಗಳು ಒಟ್ಟೊಟ್ಟಿಗೆ ಕೈಜೋಡಿಸಿ ಕಾರ್ಯವೆಸಗುವ ವಿಧಾನವನ್ನು ಅಳವಡಿಸುತ್ತವೆ. ಆದರೆ ಮಾನವನ ಅಂತರ್ಜ್ಞಾನವನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ತಳ್ಳಿಹಾಕಲಾಗದು, ಏಕೆಂದರೆ, ಯಂತ್ರವನ್ನು ರಚಿಸಿದವನೇ ಮಾಹಿತಿಗಳನ್ನು ಯಾವ ರೀತಿ ಪ್ರಸ್ತುತಪಡಿಸಬೇಕು ಮತ್ತು ಯಾವ ಯಾಂತ್ರಿಕ ತತ್ವಗಳನ್ನು ಅಳವಡಿಸಿ ಶೋಧಿಸುವುದರ ಮೂಲಕ ಮಾಹಿತಿಗಳ ಗುಣಾತ್ಮಕತೆಗಳನ್ನು ಪಡೆಯಬುದು ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸಬೇಕು. ಯಂತ್ರಕಲಿಕೆಯು ವೈಜ್ಞಾನಿಕ ವಿಧಾನಗಳ ಕೆಲವು ಭಾಗಗಳನ್ನು ಯಂತ್ರೀಕರಣಗೊಳಿಸುವ ಒಂದು ಯತ್ನವೆಂದು ಪರಿಗಣಿಸಬಹುದು.[ಸಾಕ್ಷ್ಯಾಧಾರ ಬೇಕಾಗಿದೆ]

ಕೆಲವು ಸಂಖ್ಯಾಶಾಸ್ತ್ರಾಧಾರಿತ ಯಂತ್ರಕಲಿಕಾ ಸಂಶೋಧಕರು ಬಯೇಸಿಯನ್ ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಚೌಕಟ್ಟಿನಲ್ಲಿಯೇ ವಿಧಿವಿಧಾನಗಳನ್ನು ರಚಿಸುವರು.

ಆಲ್ಗೋರಿದಂನ ವಿಧಾನಗಳು[ಬದಲಾಯಿಸಿ]

ಯಂತ್ರಕಲಿಕೆಯ ಆಲ್ಗೋರಿದಂಗಳನ್ನು ಅವುಗಳ ಉದ್ದೇಶಿತ ಫಲಗಳ ಆಧಾರದ ಮೇರೆಗೆ ವರ್ಗೀಕರಣಗೊಳಿಸಲಾಗುತ್ತದೆ.

ಸಾಮಾನ್ಯ ಆಲ್ಗೋರಿದಂ ರೀತಿಗಳು ಯಾವುವೆಂದರೆ:

ಮೇಲ್ವೆಚಾರಣಾ ಸಹಿತ ಕಲಿಕೆ - ಬಯಸಿದ ಫಲಗಳನ್ನು ಪಡೆಯಲು ಬೇಕಾದ ಇನ್-ಪುಟ್(ಮಾಹಿತಿ ಅಳವಡಿಕೆ)ಗಳ ನಕ್ಷೆಯನ್ನು ತಯಾರಿಸುವ ಕಾರ್ಯತಂತ್ರವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಒಂದು ವರ್ಗೀಕರಣ ಸಮಸ್ಯೆಯಲ್ಲಿ, ಕಲಿಯುವಂತಹದು ಕಾರ್ಯಸಂಬಂಧಿತ ಹೂಡಿಕೆ-ಫಲಿತಗಳ ಉದಾಹರಣೆಗಳ ಆಧಾರದ ಮೇಲೆ ಆ ಕಾರ್ಯದ ನಕ್ಷೆಯ ವಾಹಕವನ್ನು ವರ್ಗೀಕರಿಸುವುದರ ಮೂಲಕ ಕಾರ್ಯದ ರೂಪವನ್ನು ಅಂದಾಜಿನ ಮೇಲೆ ಸಿದ್ಧಗೊಳಿಸುತ್ತದೆ.

  • ಮೇಲ್ವಿಚಾರಣಾರಹಿತ ಕಲಿಯುವಿಕೆ - ಕ್ಲಸ್ಟರಿಂಗ್ (ಗುಂಪುಗೂಡಿಸುವಿಕೆ) ರೀತಿಯ ಹೂಡಿಕೆಗಳ ಜೊತೆಯನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸುವಿಕೆ.
  • ಅರೆ-ಮೇಲ್ವಿಚಾರಣಸಹಿತ ಕಲಿಯುವಿಕೆ - ಲಾಂಛನಸಹಿತ ಮತ್ತು ಲಾಂಛನರಹಿತ ಉದಾಹರಣೆಗಳೆರಡನ್ನೂ ಉಪಯೋಗಿಸಿ ಒಂದು ಸುಮಾರಾದ ಕಾರ್ಯವೈಖರಿ ಅಥವಾ ವರ್ಗೀಕರಣಕಾರಕವನ್ನು ಉತ್ಪಾದಿಸುತ್ತದೆ.
  • ದೃಢೀಕರಣ ಕಲಿಕೆ - ಪ್ರಪಂಚವನ್ನು ಗಮನಿಸುದುದನ್ನು ನೀಡಿದರೆ ಹೇಗೆ ಪ್ರತಿಕ್ರಿಯೆ ನೀಡಬೇಕೆಂಬುದನ್ನು ಕಲಿಯುವಿಕೆ. ಪ್ರತಿ ಕ್ರಿಯೆಯೂ ಪರಿಸರದ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುತ್ತದೆ ಮತ್ತು ಪರಿಸರವು ಬಹುಮಾನಗಳ ರೀತಿಯಲ್ಲಿ ತನ್ನ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನೀಡುವುದರ ಮೂಲಕ ಆಲ್ಗೋರಿದಂ ಕಲಿಕೆಗೆ ಮಾರ್ಗಸೂಚಿಯಾಗುತ್ತದೆ.
  • ಶಕ್ತಿಸಂಪ್ರೇಷನ - ತರಬೇತಿ ಹೂಡಿಕೆಗಳು, ತರಬೇತಿ ಫಲಿತಗಳು ಮತ್ತು ಪ್ರಾಯೋಗಿಕ ಹೂಡಿಕೆಗಳ ಆಧಾರದ ಮೇಲೆ ಹೊಸ ಫಲಿತಾಂಶಗಳನ್ನು ಸೂಚಿಸಲು ಯತ್ನಿಸುತ್ತದೆ.

ಸಿದ್ಧಾಂತ[ಬದಲಾಯಿಸಿ]

ಯಂತ್ರ ಕಲಿಕೆ[೧] ಕ್ರಮಾವಳಿಗಳ ಗಣಿತ ವಿಶ್ಷೇಷಣೆ ಮತ್ತು ಅವುಗಳ ಕಾರ್ಯ ನಿರ್ವಹಣೆ ಸೈದ್ಧಾಂತಿಕ ಗಣಕ ವಿಜ್ಞಾನದ ಒಂದು ವಿಭಾಗವಾಗಿದ್ದು, ಗಣಕೀಯ ಕಲಿಕೆ ಸಿದ್ಧಾಂತ ಎಂದು ಕರೆಯುತ್ತಾರೆ. ತರಬೇತಿ ಜೋಡಿಗಳು ಗಣನೆಗೆ ಸಿಲುಕುವಂತಹವಾಗಿರುವುದರಿಂದಲೂ ಮತ್ತು ಭವಿಷ್ಯತ್ ಅನಿರ್ದಿಷ್ಟವಾದುದರಿಂದಲೂ, ಕಲಿಕಾ ಸಿದ್ಧಾಂತವು ಆಲ್ಗೋರಿದಂಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯ ಬಗ್ಗೆ ಸಾಮಾನ್ಯವಾಗಿ ಸಂಪೂರ್ಣ ಭರವಸೆಯನ್ನು ನೀಡುವುದಿಲ್ಲ. ಬದಲಿಗೆ, ಕಲ್ಪನಾಭರಿತ ಅಥವಾ ಅನುಮಾನಪೂರಕ ಚೌಕಟ್ಟಿನಲ್ಲಿಯೇ ಇವುಗಳ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಬಣ್ಣಿಸುವುದು ಸಾಮಾನ್ಯವಾದ ಸಂಗತಿಯಾಗಿದೆ.

ಕಾರ್ಯಕ್ಷಮತೆಯ ಚೌಕಟ್ಟಲ್ಲದೆ, ಗಣಕಸಂಬಂಧಿಗ ಕಲಿಕಾ ಸಿದ್ಧಾಂತ ಪ್ರತಿಪಾದಕರು ಸಮಯದ ಸಂಕೀರ್ಣತೆ ಮತ್ತು ಕಲಿಕೆಯ ಔಚಿತ್ಯಗಳ ಬಗ್ಗೆಯೂ ಅಧ್ಯಯನ ನಡೆಸುತ್ತಾರೆ. ಗಣಕಸಂಬಂಧಿತ ಕಲಿಕಾ ಸಿದ್ಧಾಂತದಲ್ಲಿ ಪಾಲಿನಾಮಿಯಲ್ ಸಮಯದಲ್ಲಿ ಗಣಕೀಕರಣ (ಕಂಪ್ಯುಟೇಷನ್) ಮಾಡಿದಲ್ಲಿಮಾತ್ರ ಉಚಿತವೆಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಸಮಯ ಸಂಕೀರ್ಣತೆಯ ಫಲಿತಾಂಶಗಳಲ್ಲಿ ಎರಡು ವಿಧಗಳಿವೆ. ಸಕಾರಾತ್ಮಕ ಫಲಿತಾಂಶಗಳು ಒಂದು ವಿಧಕ್ಕೆ ಸೇರಿದ ಕಾರ್ಯಗಳನ್ನು ಪಾಲಿನಾಮಿಯಲ್ ಸಮಯದಲ್ಲಿ ಕಲಿಯಬಹುದೆಂದು ತೋರ್ಪಡಿಸುತ್ತವೆ. ನಕಾರಾತ್ಮಕ ಫಲಿತಾಂಶಗಳು ಕೆಲವು ವರ್ಗಕ್ಕೆ ಸೇರಿದ ಕಾರ್ಯಗಳನ್ನು ಪಾಲಿನಾಮಿಯಲ್ ಸಮಯದಲ್ಲಿ ಕಲಿಯಲಾಗದೆಂದು ತೋರ್ಪಡಿಸುತ್ತವೆ.

ಉಪಯೋಗಿಸುವ ಶಬ್ದಗಳು/ವಿಧಗಳು ಬೇರೆಬೇರೆಯವಾದರೂ, ಯಂತ್ರಕಲಿಕಾ ಸಿದ್ಧಾಂತ ಮತ್ತು ಸಂಖ್ಯಾಶಾಸ್ತ್ರದಲ್ಲಿ ಬಹಳ ಹೋಲಿಕೆಗಳಿವೆ.

ಇವನ್ನೂ ಗಮನಿಸಿ[ಬದಲಾಯಿಸಿ]

ಹೆಚ್ಚಿನ ಮಾಹಿತಿಗಾಗಿ[ಬದಲಾಯಿಸಿ]

  • ಸೆರ್ಗಿಯೋಸ್ ಥಿಯೋಡೊರೈಡಿಸ್, ಕಾನ್ಸ್ಟಾಂಟೀನೋಸ್ ಕೌಟ್ರೋವುಂಬಾಸ್(2009) "ಪ್ಯಾಟ್ರನ್ ರೆಕಗ್ನಿಷನ್", 4ನೆಯ ಆವೃತ್ತಿ, ಅಕಾಡೆಮಿಕ್ ಮುದ್ರಣಾಲಯ, ISBN 978-1-59749-272-0.
  • ಎಥೆಮ್ ಆಲ್ಪೇಡಿನ್ (2004)ಇಂಟ್ರೊಡಕ್ಷನ್ ಟು ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ (ಅಡಾಪ್ಟಿವ್ ಕಂಪ್ಯುಟೇಷನ್ ಎಂಡ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್), MIT ಪ್ರೆಸ್, ISBN 0-262-01211-1
  • ಕ್ರಿಸ್ತೋಫರ್ ಎಂ. ಬಿಷಪ್, ಪ್ಯಾಟ್ರನ್ ರೆಕಗಗ್ನಿಷನ್ ಅಂಡ್ ಮೆಷಿನ್ ಲರ್ನಿಂಗ್ , ಸ್ಪ್ರಿಂಗರ್ISBN 0-262-01211-1
  • ಬಿಂಗ್ ಲಿಯೂ(2007), ವೆಬ್ ಡಾಟಾ ಮೈನಿಂಗ್: ಎಕ್ಪ್ಲೋರಿಂಗ್ ಹೈಪರ್ ಲಿಂಕ್ಸ್, ಕಂಟೆಂಟ್ಸ್ ಎಂಡ್ ಯೂಸೇಜ್ ಡಾಟಾ. ಸ್ಪ್ರಿಂಗರ್, ISBN 3-540-37881-2
  • ಟಾಬಿ ಸೀಗ್ರಾಮ್, ಪ್ರೋಗ್ರಾಮಿಂಗ್ ಕಲೆಕ್ಟಿವ್ ಇಂಟೆಲಿಜೆನ್ಸ್ , ಒರೀಲಿ ISBN 0-596-52932-5
  • ರೇ ಸಾಲೋಮನಾಫ್, "ಎನ್ ಇಂಡಕ್ಟಿವ್ ಇನ್ಫರೆನ್ಸ್ ಮೆಷೀನ್" 1956ರ ಡಾರ್ಟ್ ಮೌತ್ ಬೇಸಿಗೆ ಸಂಶೋಧನಾ ಸಮ್ಮೇಳನದಲ್ಲಿ AI ಬಗ್ಗೆ ಖಾಸಗಿಯಾಗಿ ಸುತ್ತೋಲೆಯಾಗಿ ನೀಡಲ್ಪಟ್ಟ ಮಾಹಿತಿ.
  • ರೇ ಸಾಲೋಮನಾಫ್, ಎನ್ ಇಂಡಕ್ಟಿವ್ ಇನ್ಫರೆಜ್ಸ್ ಮೆಷೀನ್ IRE ಸಭೆಯ ದಾಖಲೆ, ಮಾಹಿತಿ ಸಿದ್ಧಾಂತದ ಕುರಿತಾದ ಅಧ್ಯಾಯ, ಭಾಗ 2, ಪುಟಗಳು 56 -62, 1957.
  • ರಿಸ್ ಝಾರ್ಡ್ ಎಸ್. ಮಿಖಾಲ್ಸ್ಕಿ, ಜೇಮೀ ಜಿ. ಕಾರ್ಬೋನೆಲ್, ಟಾಮ್ ಎಂ. ಮಿಚೆಲ್ (1983), ಮೆಷೀನ್ ಲರ್ನಿಂಗ್: ಎನ್ ಆರ್ಟಿಫಿಷಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಅಪ್ರೋಚ್, ಟಿಯೋಗಾ ಪಬ್ಲಿಷಿಂಗ್ ಕಂಪನಿ, ISBN 0-935382-05-4.
  • ರಿಸ್ ಝಾರ್ಡ್ ಎಸ್. ಮಿಖಾಲ್ಸ್ಕಿ, ಜೇಮೀ ಜಿ. ಕಾರ್ಬೋನೆಲ್, ಟಾಮ್ ಎಂ. ಮಿಚೆಲ್ (1986), ಮೆಷೀನ್ ಲರ್ನಿಂಗ್: ಎನ್ ಆರ್ಟಿಫಿಷಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಅಪ್ರೋಚ್, ಸಂಪುಟ II, ಮಾರ್ಗನ್ ಕಾಫ್ ಮನ್, ISBN 0-934613-00-1.
  • ಯೆವೆಸ್ ಕೊಡ್ರಟಾಫ್, ರಿಸ್ ಝಾರ್ಡ್ ಎಸ್. ಮಿಖಾಲ್ಸ್ಕಿ(1990), ಮೆಷೀನ್ ಲರ್ನಿಂಗ್: ಎನ್ ಆರ್ಟಿಫಿಷಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಅಪ್ರೋಚ್, ಸಂಪುಟ III, ಮಾರ್ಗನ್ ಕಾಫ್ ಮನ್, ISBN 1-55860-119-8.
  • ರಿಸ್ ಝಾರ್ಡ್ ಎಸ್. ಮಿಖಾಲ್ಸ್ಕಿ, ಜಾರ್ಜ್ ಟೆಕ್ಯುಸಿ (1994 ), ಮೆಷೀನ್ ಲರ್ನಿಂಗ್: ಎ ಮಲ್ಟಿ ಸ್ಟ್ರಾಟಜಿ ಅಪ್ರೋಚ್, ಸಂಪುಟ IV, ಮಾರ್ಗನ್ ಕಾಫ್ ಮನ್, ISBN 1-55860-251-8.
  • ಭಗತ್, ಪಿ.ಎಂ. (2005 ). ಪಾಟ್ರನ್ ರೆಕಗ್ನಿಷನ್ ಇನ್ ಇಂಡಸ್ಟ್ರಿ , ಎಲ್ಸೆವಿಯರ್. ISBN 0-03-063748-1
  • ಬಿಷಪ್, ಸಿ.ಎಂ. (1995). ನ್ಯೂಟ್ರಲ್ ನೆಟ್ ವರ್ಕ್ಸ್ ಫಾರ್ ಪ್ಯಾಟ್ರನ್ ರೆಕಗ್ನಿಷನ್ , ಆಕ್ಸ್ ಫರ್ಡ್ ಯೂನಿವರ್ಸಿಟಿ ಪ್ರೆಸ್. ISBN 0-03-063748-1
  • ರಿಚರ್ಡ್ ಓ. ಡೂಡ, ಪೀಟರ್ ಇ. ಹಾರ್ಟ್, ಡೇವಿಡ್ ಜಿ. ಸ್ಟಾರ್ಕ್ (2001 ), ಪ್ಯಾಟ್ರನ್ ಕ್ಲಾಸಿಫಿಕೇಷನ್ , (ಸೆಕೆಂಡ್ ಎಡಿಷನ್) ವಿಲ್ಲೀಮ ನ್ಯೂ ಯಾರ್ಕ್, ISBN 0-471-05669-3.
  • ಹುವಾಂಗ್ ಟಿ.-ಎಂ., ಕೆಕ್ಮನ್ ವಿ., ಕೊಪ್ರಿವ ಐ.(2006), ಕೆರ್ನೆಲ್ ಬೇಸ್ಡ್ ಆಲ್ಗೋರಿದಂಸ್ ಫಾರ್ ಮೈನಿಂಗ್ ಹ್ಯೂಜ್ ಡಾಟಾ ಸೆಟ್ಸ್, ಸೂಪರ್ ವೈಝ್ಡ್, ಸೆಮಿ- ಸೂಪರ್ ವೈಝ್ಡ್, ಎಂಡ್ ಅನ್ ಸೂಪರ್ ವೈಝ್ಡ್ ಲರ್ನಿಂಗ್, ಸ್ಪ್ರಿಂಗರ್-ವೆರ್ಲಾಗ್, ಬರ್ಲಿನ್, ಹೀಡೆಲ್ ಬರ್ಗ್, 260 ಪುಟಗಳು, ಇಲ್ಲಸ್., ಹಾರ್ಡ್ ಕವರ್, ISBN 3-540-31681-7.
  • KECMAN ವೋಜಿಸ್ಲಾವ್(2001),ಲರ್ನಿಂಗ್ ಅಂಡ್ ಸಾಫ್ಟ್ ಕಂಪ್ಯೂಟಿಂಗ್, ಸಪೋರ್ಟ್ ವೆಕ್ಟಾರ್ ಮೆಷೀನ್ಸ್, ನ್ಯೂರಲ್ ನೆಟ್ ವರ್ಕ್ಸ್ ಅಂಡ್ ಫಜೀ ಲಾಜಿಕ್ ಮಾಡೆಲ್ಸ್, ದ ಎಂ ಐ ಟಿ ಪ್ರೆಸ್, ಕೇಂಬ್ರಿಡ್ಜ್, MA, 608 ಪುಟಗಳು., 268 illus., ISBN 0-262-11255-8.
  • ಮೆಕ್ಕೇ, ಡಿ. ಜೆ. ಸಿ. (2003). ಇಂಫರ್ಮೇಷನ್ ಥಿಯರಿ, ಇಂಫೆರೆನ್ಸ್, ಅಂಡ್ ಲರ್ನಿಂಗ್ ಆಲ್ಗೋರಿದಂಸ್ , ಕೇಂಬ್ರಿಡ್ಜ್ ಯೂನಿವರ್ಸಿಟಿ ಪ್ರೆಸ್. ISBN 0-03-063748-1
  • ಮಿಚೆಲ್, ಟಿ. (1997). ಮೆಷೀನ್ ಲರ್ನಿಂಗ್ , ಮೆಕ್ ಗ್ರಾ ಹಿಲ್. ISBN 0-471-69059-7.
  • ಇಯಾನ್ ಹೆಚ್, ವಿಟ್ಟೆನ್ ಮತ್ತು ಈಬೆ ಫ್ರಾಂಕ್ ಡಾಟಾ ಮೈನಿಂಗ್: ಪ್ರಾಕ್ಟಿಕಲ್ ಮೆಷೀನ್ ಲರ್ನಿಂಗ್ ಟೂಲ್ಸ್ ಅಂಡ್ ಟೆಕ್ನಿಕ್ಸ್ ಮಾರ್ಗನ್ ಕಾಫ್ ಮನ್ ISBN 0-12-088407-0.
  • ಷೊಲೋಮ್ ವೀಸ್ ಮತ್ತು ಕ್ಯಾಸಿಮಿರ್ ಕುಲಿಕೋವ್ಸ್ಕಿ(1991). ಕಂಪ್ಯೂಟರ್ ಸಿಸ್ಟಮ್ಸ್ ದಟ್ ಲರ್ನ್ , ಮಾರ್ಗನ್ ಕಾಫ್ ಮನ್. ISBN 1-55860-065-5.
  • ಮಿಯೆರ್ಸ್ವಾ, ಇಂಗೋ ಮತ್ತು ವರ್ಸ್ಟ್, ಮಿಚೆಲ್ ಮತ್ತು ಕ್ಲಿನ್ಕೆನ್ ಬರ್ಗ್, ರಾಲ್ಫ್ ಮತ್ತು ಸ್ಖಾಲ್ಝ್, ಮಾರ್ಟಿನ್ ಮತ್ತು ಯೂಲರ್, ಟಿಮ್: ಯೇಲ್: ರಾಪಿಡ್ ಪ್ರೋಟೋಟೈಪಿಂಗ್ ಫಾರ್ ಕಾಂಪ್ಲೆಕ್ಸ್ ಡಾಟಾ ಮೈನಿಂಗ್ ಟಾಸ್ಕ್ಸ್ , 12ನೆಯ ACM ಸಿಗ್ಕ್ದ್ದ್ ಇಂಟರ್ನ್ಯಾಷನಲ್ ಕಾಂಫೆರೆನ್ಸ್ ಆನ್ ನಾಲೆಡ್ಜ್ ಡಿಸ್ಕವರಿ ಎಂಡ್ ಡಾಟಾ ಮೈನಿಂಗ್ ನ ನಡಾವಳಿಗಳಲ್ಲಿ (KDD-06), 2006.
  • ಟ್ರೆವರ್ ಹೇಸ್ಟೀ, ರಾಬರ್ಟ ಟಿಬ್ ಶಿರಾನಿ ಮತ್ತು ಜೆರೋಮ್ ಫ್ರೀಡ್ ಮನ್ (2001). ದ ಎಲಿಮೆಂಟ್ಸ್ ಆಫ್ ಸ್ಟಾಟಿಸ್ಟಿಕಲ್ ಲರ್ನಿಂಗ್ , ಸ್ಪ್ರಿಂಗರ್. ISBN 0-387-95284-5.
  • ವ್ಲಾಡಿಮಿರ್ ವಾಪ್ನಿಕ್ (1998). ಸ್ಟಾಟಿಸ್ಟಿಕಲ್ ಲರ್ನಿಂಗ್ ಥಿಯರಿ . ವಿಲೀ-ಇಂಟರ್ ಸೈನ್ಸ್, ISBN 0-471-03003-1.

ಇತಿಹಾಸ[ಬದಲಾಯಿಸಿ]

ಯಾಂತ್ರಿಕ ಅಥವಾ "ಔಪಚಾರಿಕ" ತರ್ಕದ ಅಧ್ಯಯನವು ಪ್ರಾಚೀನ ಕಾಲದಲ್ಲಿ ಗಣಿತಜ್ಞರೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಯಿತು. ಗಣಿತದ ತರ್ಕದ ಅಧ್ಯಯನವು ಅಲನ್ ಟ್ಯೂರಿಂಗ್‌ನ (ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನಿಯಾಗಿದ್ದ) "ಕಂಪ್ಯೂಟರ್ ಸಿದ್ಧಾಂತ"ಕ್ಕೆ ಕಾರಣವಾಯಿತು. "0" ಮತ್ತು "1" ನಂತಹ ಸರಳ ಚಿಹ್ನೆಗಳನ್ನು ಕುಶಲತೆಯಿಂದ ಯಂತ್ರಗಳು ಯಾವುದೇ ಕಲ್ಪಿತ ಲೆಕ್ಕಾಚಾರವನ್ನು ಮಾಡಬಹುದು ಎಂದು ಈ ಸಿದ್ಧಾಂತವು ಹೊಂದಿದೆ. ಇಂದಿನ ಸಾಮಾನ್ಯ ಕಂಪ್ಯೂಟರ್‌ಗಳು ಅಂತಹ ಯಂತ್ರಗಳಾಗಿವೆ ಎಂದು ಅವರು ಹೇಳುತ್ತಾರೆ. ಕಂಪ್ಯೂಟರ್‌ಗಳು ಔಪಚಾರಿಕ ತರ್ಕದ ಯಾವುದೇ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಅನುಕರಿಸಬಹುದು ಎಂಬ ಈ ದೃಷ್ಟಿಕೋನವನ್ನು ಚರ್ಚ್-ಟ್ಯೂರಿಂಗ್ ಪ್ರಬಂಧ ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. ನ್ಯೂರೋಬಯಾಲಜಿ, ಇನ್ಫರ್ಮ್ಯಾಟಿಕ್ಸ್ ಮತ್ತು ಸೈಬರ್ನೆಟಿಕ್ಸ್ನಲ್ಲಿನ ಆವಿಷ್ಕಾರಗಳು ಸಂಶೋಧಕರು ಎಲೆಕ್ಟ್ರಾನಿಕ್ ಮಿದುಳುಗಳನ್ನು ರಚಿಸುವ ಸಾಧ್ಯತೆಯನ್ನು ಪರಿಗಣಿಸಲು ಕಾರಣವಾಯಿತು. ಟ್ಯೂರಿಂಗ್ (ಕಂಪ್ಯೂಟರ್ ವಿಜ್ಞಾನಿ) ಪ್ರಸ್ತಾಪಿಸಿದರು, "ಮನುಷ್ಯನು ಯಂತ್ರದಿಂದ ಮತ್ತು ಮಾನವನ ಪ್ರತಿಕ್ರಿಯೆಗಳ ನಡುವೆ ವ್ಯತ್ಯಾಸವನ್ನು ಗುರುತಿಸಲು ಸಾಧ್ಯವಾಗದಿದ್ದರೆ, ನಂತರ ಯಂತ್ರವನ್ನು "ಮಾನವನಂತೆ ಬುದ್ಧಿವಂತ" ಎಂದು ಪರಿಗಣಿಸಬಹುದು. ಸಾಮಾನ್ಯವಾಗಿ AI ಎಂದು ಕರೆಯಲ್ಪಡುವ ಮೊದಲ ಕೆಲಸ ಅವನು ಗುರುತಿಸಲ್ಪಟ್ಟಿದ್ದಾನೆ 1943 ರಲ್ಲಿ "ಟ್ಯೂರಿಂಗ್-ಕಂಪ್ಲೀಟ್" "ಕೃತಕ ನ್ಯೂರಾನ್‌ಗಳಿಗಾಗಿ" "ಮ್ಯಾಕ್‌ಕಲ್ಲೋಚ್" ಮತ್ತು "ಪಿಟ್ಸ್" ಔಪಚಾರಿಕ ವಿನ್ಯಾಸದಲ್ಲಿ "ಟ್ಯೂರಿಂಗ್-ಸಂಪೂರ್ಣ" ಯಂತ್ರವು ಯಾವುದೇ ಕಲ್ಪಿಸಬಹುದಾದ ggggg ಕಂಪ್ಯೂಟೇಶನ್ ಅನ್ನು ನಿರ್ವಹಿಸುತ್ತದೆ.

1950 ರ ಹೊತ್ತಿಗೆ, ಯಂತ್ರ ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಹೇಗೆ ಸಾಧಿಸುವುದು ಎಂಬುದರ ಕುರಿತು ಎರಡು ವಿಧಾನಗಳು ಹೊರಹೊಮ್ಮಿದವು. ಸಾಂಕೇತಿಕ AI ಅಥವಾ GOFAI ಎಂದು ಕರೆಯಲ್ಪಡುವ ಒಂದು ದೃಷ್ಟಿ, ಪ್ರಪಂಚದ ಸಾಂಕೇತಿಕ ಪ್ರಾತಿನಿಧ್ಯವನ್ನು ರಚಿಸಲು ಮತ್ತು ಪ್ರಪಂಚದ ಬಗ್ಗೆ ತರ್ಕಿಸಬಹುದಾದ ವ್ಯವಸ್ಥೆಗಳನ್ನು ರಚಿಸಲು ಕಂಪ್ಯೂಟರ್‌ಗಳನ್ನು ಬಳಸುವುದು. ಬೆಂಬಲಿಗರಲ್ಲಿ ಅಲನ್ ನೆವೆಲ್, ಹರ್ಬರ್ಟ್ ಎ. ಸೈಮನ್ ಮತ್ತು ಮಾರ್ವಿನ್ ಮಿನ್ಸ್ಕಿ ಸೇರಿದ್ದಾರೆ. ಈ ವಿಧಾನದೊಂದಿಗೆ ನಿಕಟವಾಗಿ ಸಂಬಂಧಿಸಿರುವುದು "ಹ್ಯೂರಿಸ್ಟಿಕ್ ಹುಡುಕಾಟ" ವಿಧಾನವಾಗಿದೆ, ಇದು ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಉತ್ತರಕ್ಕಾಗಿ ಸಾಧ್ಯತೆಗಳ ಜಾಗವನ್ನು ಹುಡುಕುವ ಸಮಸ್ಯೆಗೆ ಹೋಲಿಸುತ್ತದೆ. ಸಂಪರ್ಕವಾದಿ ವಿಧಾನ ಎಂದು ಕರೆಯಲ್ಪಡುವ ಎರಡನೆಯ ದೃಷ್ಟಿಕೋನವು ಕಲಿಕೆಯ ಮೂಲಕ ಬುದ್ಧಿವಂತಿಕೆಯನ್ನು ಪಡೆಯಲು ಪ್ರಯತ್ನಿಸಿತು. ಈ ವಿಧಾನದ ಪ್ರತಿಪಾದಕರು, ಪ್ರಮುಖವಾಗಿ ಫ್ರಾಂಕ್ ರೋಸೆನ್‌ಬ್ಲಾಟ್, ನ್ಯೂರಾನ್‌ಗಳ ಸಂಪರ್ಕಗಳಿಂದ ಪ್ರೇರಿತವಾದ ರೀತಿಯಲ್ಲಿ ಪರ್ಸೆಪ್ಟ್ರಾನ್‌ಗಳನ್ನು ಸಂಪರ್ಕಿಸಲು ಪ್ರಯತ್ನಿಸಿದರು. ಜೇಮ್ಸ್ ಮಾನ್ಯಿಕಾ ಮತ್ತು ಇತರರು ಮನಸ್ಸಿನ (ಸಾಂಕೇತಿಕ AI) ಮತ್ತು ಮೆದುಳಿನ (ಸಂಪರ್ಕವಾದಿ) ಎರಡು ದೃಷ್ಟಿಕೋನಗಳನ್ನು ಹೋಲಿಸಿದ್ದಾರೆ. ಡೆಸ್ಕಾರ್ಟೆ, ಬೂಲ್, ಗಾಟ್ಲಾಬ್ ಫ್ರೆಜ್, ಬರ್ಟ್ರಾಂಡ್ ರಸ್ಸೆಲ್ ಮತ್ತು ಇತರರ ಬೌದ್ಧಿಕ ಸಂಪ್ರದಾಯಗಳಿಗೆ ಸಂಬಂಧಿಸಿದಂತೆ ಈ ಅವಧಿಯಲ್ಲಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಗೆ ಟೈಪೊಲಾಜಿಕಲ್ ವಿಧಾನವು ಮುಖ್ಯವಾಗಿದೆ ಎಂದು ಮಾನ್ಯಿಕಾ ವಾದಿಸುತ್ತಾರೆ. ಸೈಬರ್ನೆಟಿಕ್ಸ್ ಅಥವಾ ಕೃತಕ ನರಗಳ ಜಾಲಗಳನ್ನು ಆಧರಿಸಿದ ಕನೆಕ್ಷನಿಸ್ಟ್ ವಿಧಾನಗಳು ಹಿನ್ನೆಲೆಗೆ ತಳ್ಳಲ್ಪಟ್ಟವು, ಆದರೆ ಇತ್ತೀಚಿನ ದಶಕಗಳಲ್ಲಿ ಹೊಸ ಪ್ರಾಮುಖ್ಯತೆಯನ್ನು ಗಳಿಸಿವೆ.

ಯಂತ್ರಗಳ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುವ ಸಂಶೋಧನೆಯು 1943 ರಲ್ಲಿ ಪ್ರಾರಂಭವಾದರೂ, 1956 ರಲ್ಲಿ ಡಾರ್ಟ್‌ಮೌತ್ ಸಮ್ಮೇಳನದಲ್ಲಿ ಜಾನ್ ಮೆಕಾರ್ಥಿ ಎಂಬ ಪದಬಂಧದಲ್ಲಿ ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಎಂಬ ಪದವನ್ನು ಬಳಸಲಾಯಿತು ಮತ್ತು ವಿಜ್ಞಾನ ಮತ್ತು ಎಂಜಿನಿಯರಿಂಗ್ ಅನ್ನು ಬಳಸಿಕೊಂಡು ಕಂಪ್ಯೂಟರ್ ಅನ್ನು ತಯಾರಿಸಬಹುದು ಎಂದು ಹೇಳಿದರು. ನಮ್ಮದೇ ಆದ ಮೇಲೆ ಯೋಚಿಸಿ ಮತ್ತು ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಿ, ಅದಕ್ಕಾಗಿಯೇ ನಾವು ಜಾನ್ ಮೆಕಾರ್ಥಿಯನ್ನು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ತಂದೆ ಎಂದು ತಿಳಿದಿದ್ದೇವೆ.

ಕಡಿತ, ತರ್ಕ ಮತ್ತು ಸಮಸ್ಯೆ ಪರಿಹಾರ[ಬದಲಾಯಿಸಿ]

ಹಿಂದೆ, ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಂಶೋಧಕರು ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವಾಗ ಅಥವಾ ತಾರ್ಕಿಕ ನಿರ್ಧಾರಗಳನ್ನು ಮಾಡುವಾಗ ಮಾನವರು ಬಳಸುವ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು. ಅವರು ಅನಿಶ್ಚಿತ ಅಥವಾ ಅಪೂರ್ಣ ಮಾಹಿತಿಯೊಂದಿಗೆ ಸಂಭವನೀಯತೆಯ ಪರಿಕಲ್ಪನೆಯೊಂದಿಗೆ ವ್ಯವಹರಿಸುತ್ತಾರೆ.

ಜ್ಞಾನದ ಪ್ರಾತಿನಿಧ್ಯ[ಬದಲಾಯಿಸಿ]

ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುವಾಗ, ಯಂತ್ರಗಳಿಗೆ ಪ್ರಪಂಚದ ಬಗ್ಗೆ ವ್ಯಾಪಕವಾದ ಜ್ಞಾನದ ಅಗತ್ಯವಿರುತ್ತದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಪ್ರತಿನಿಧಿಸಬೇಕಾದ ವಿಷಯಗಳೆಂದರೆ: ವಸ್ತುಗಳು, ಗುಣಲಕ್ಷಣಗಳು, ವರ್ಗಗಳು, ಪರಿಹಾರಗಳು, ಘಟನೆಗಳು, ಸಮಯ, ಕಾರಣ ಮತ್ತು ಪರಿಣಾಮದ ನಡುವಿನ ಸಂಬಂಧಗಳು ಮತ್ತು ಇತ್ಯಾದಿ.

ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ[ಬದಲಾಯಿಸಿ]

ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆಯ ಸಹಾಯದಿಂದ ಯಂತ್ರಗಳು ಮಾನವ ಭಾಷೆಯನ್ನು ಓದುವ ಮತ್ತು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುತ್ತವೆ. ಸಾಕಷ್ಟು ಶಕ್ತಿಯುತವಾದ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಪನ್ಮೂಲವು ಮಾನವ ಲಿಖಿತ ಮೂಲಗಳಿಂದ ನೇರವಾಗಿ ಇಂಟರ್ನೆಟ್ ಪಠ್ಯಗಳಿಂದ ಜ್ಞಾನವನ್ನು ಹೊರತೆಗೆಯಬಹುದು. ಕೆಲವು ಅಪ್ಲಿಕೇಶನ್‌ಗಳು ಮಾಹಿತಿ ಮರುಪಡೆಯುವಿಕೆ ಮತ್ತು ಯಂತ್ರ ಅನುವಾದವನ್ನು ಒಳಗೊಂಡಿವೆ.

ಉಪಕರಣ[ಬದಲಾಯಿಸಿ]

ತರ್ಕ[ಬದಲಾಯಿಸಿ]

ತರ್ಕಶಾಸ್ತ್ರವನ್ನು ಪ್ರಾಥಮಿಕವಾಗಿ ಜ್ಞಾನ ಪ್ರಾತಿನಿಧ್ಯ ಮತ್ತು ಸಮಸ್ಯೆ ಪರಿಹಾರಕ್ಕಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ. ಆದರೆ ಇತರ ಸಮಸ್ಯೆಗಳಿಗೂ ಇದನ್ನು ಮಾಡಬಹುದು. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸಂಶೋಧನೆಯಲ್ಲಿ ಹಲವು ಬಗೆಯ ತಾರ್ಕಿಕ ವಿಧಾನಗಳನ್ನು ಬಳಸಲಾಗುತ್ತದೆ. ತರ್ಕದ ಸಹಾಯದಿಂದ ನಾವು ಸರಿ ಅಥವಾ ತಪ್ಪು ಯಾವುದು ಎಂದು ನಿರ್ಧರಿಸಬಹುದು.

ಅನಿರ್ದಿಷ್ಟ ತರ್ಕಕ್ಕೆ ಸಂಭವನೀಯ ವಿಧಾನಗಳು[ಬದಲಾಯಿಸಿ]

ಇಲ್ಲಿ ಹೆಚ್ಚಿನ ಸಮಸ್ಯೆಗಳು ಅನಿಶ್ಚಿತ ಮತ್ತು ಅಪೂರ್ಣ ಮಾಹಿತಿಯಾಗಿದೆ. ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ಸಂಶೋಧಕರು ಸಂಭವನೀಯತೆ ಸಿದ್ಧಾಂತ ಮತ್ತು ಅರ್ಥಶಾಸ್ತ್ರದ ವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಈ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಹಲವಾರು ಪ್ರಬಲ ಸಾಧನಗಳನ್ನು ರೂಪಿಸಿದ್ದಾರೆ. ಡೇಟಾವನ್ನು ಫಿಲ್ಟರ್ ಮಾಡಲು ಮತ್ತು ಊಹಿಸಲು ಸಂಭವನೀಯತೆ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸಬಹುದು.

ಅಪ್ಲಿಕೇಶನ್[ಬದಲಾಯಿಸಿ]

ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಸಂಭಾವ್ಯ ಅನ್ವಯಿಕೆಗಳು ಹೇರಳವಾಗಿವೆ. ಅವು ಮನರಂಜನಾ ಉದ್ಯಮ, ಕಂಪ್ಯೂಟರ್ ಆಟಗಳು ಮತ್ತು ರೊಬೊಟಿಕ್ ಸಾಕುಪ್ರಾಣಿಗಳಿಗಾಗಿ. ಆಸ್ಪತ್ರೆಗಳು, ಬ್ಯಾಂಕುಗಳು ಮತ್ತು ವಿಮೆಯಂತಹ ದೊಡ್ಡ ಸಂಸ್ಥೆಗಳು ಗ್ರಾಹಕರ ನಡವಳಿಕೆಯನ್ನು ಊಹಿಸಲು ಮತ್ತು ಪ್ರವೃತ್ತಿಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು AI ಅನ್ನು ಬಳಸಬಹುದು. ಆಪಲ್‌ನ ಸಿರಿ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಉದಾಹರಣೆಯಾಗಿದ್ದು ಅದು ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ವಿನಂತಿಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ. ಪ್ರಸ್ತುತ, ವೈದ್ಯಕೀಯ ವಿಜ್ಞಾನ ಮತ್ತು ಶಸ್ತ್ರಚಿಕಿತ್ಸೆ, ರಕ್ಷಣೆ ಮತ್ತು ಬಾಹ್ಯಾಕಾಶ ಸಂಶೋಧನೆಯಂತಹ ಪ್ರಮುಖ ಕ್ಷೇತ್ರಗಳಲ್ಲಿಯೂ ಕೆಲಸ ಮಾಡಲಾಗುತ್ತಿದೆ.

ಸೃಜನಶೀಲತೆ[ಬದಲಾಯಿಸಿ]

ಸೈದ್ಧಾಂತಿಕವಾಗಿ (ತಾತ್ವಿಕ ಮತ್ತು ಮಾನಸಿಕ ದೃಷ್ಟಿಕೋನದಿಂದ) ಮತ್ತು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಸೃಜನಶೀಲತೆಯನ್ನು ಪರಿಶೋಧಿಸುವ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯ ಉಪ-ಕ್ಷೇತ್ರ (ಸೃಜನಾತ್ಮಕವೆಂದು ಪರಿಗಣಿಸಬಹುದಾದ ವ್ಯವಸ್ಥೆಗಳಿಂದ ಉತ್ಪತ್ತಿಯಾಗುವ ಔಟ್‌ಪುಟ್‌ನಿಂದ ಅಥವಾ ಸೃಜನಶೀಲತೆ ಅನುಷ್ಠಾನಗಳನ್ನು ನಿರ್ದಿಷ್ಟವಾಗಿ ಗುರುತಿಸುವ ಮತ್ತು ನಿರ್ಣಯಿಸುವ ವ್ಯವಸ್ಥೆಗಳಿಂದ). ಕಂಪ್ಯೂಟೇಶನಲ್ ಸಂಶೋಧನೆಯ ಸಂಬಂಧಿತ ಕ್ಷೇತ್ರಗಳು ಕೃತಕ ಅಂತಃಪ್ರಜ್ಞೆ ಮತ್ತು ಕೃತಕ ಚಿಂತನೆ.

ಸಾಮಾನ್ಯ ಜ್ಞಾನ[ಬದಲಾಯಿಸಿ]

ಸಂಶೋಧಕರು ಮತ್ತು ಅವರ ಕೆಲಸ: ಸಾಮಾನ್ಯ ಬುದ್ಧಿಮತ್ತೆ ಹೊಂದಿರುವ ಯಂತ್ರ (ಬಲವಾದ AI ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ), ಇದು ಮೇಲಿನ ಹೆಚ್ಚಿನ ಕೌಶಲ್ಯಗಳು ಮತ್ತು ಮಾನವ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಅಥವಾ ಅವುಗಳೆಲ್ಲದರ ಸಂಯೋಜನೆಯನ್ನು ಸಂಯೋಜಿಸುತ್ತದೆ ಎಂದು ಭಾವಿಸುತ್ತದೆ. ಇಂತಹ ಯೋಜನೆಗೆ ಕೃತಕ ಪ್ರಜ್ಞೆ ಅಥವಾ ಕೃತಕ ಮೆದುಳಿನಂತಹ ಹುಮನಾಯ್ಡ್ ವೈಶಿಷ್ಟ್ಯಗಳು ಬೇಕಾಗಬಹುದು ಎಂದು ಕೆಲವರು ನಂಬುತ್ತಾರೆ. ಮೇಲಿನ ಅನೇಕ ಸಮಸ್ಯೆಗಳಿಗೆ ಸಾಮಾನ್ಯ ಜ್ಞಾನವನ್ನು ಪರಿಹರಿಸಲು ಪರಿಗಣಿಸಬೇಕಾದ ಅಗತ್ಯವಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಯಂತ್ರ ಅನುವಾದದಂತಹ ನೇರವಾದ, ನಿರ್ದಿಷ್ಟವಾದ ಕಾರ್ಯವು ಯಂತ್ರವನ್ನು ಎರಡೂ ಭಾಷೆಗಳಲ್ಲಿ (NLP) ಓದಲು ಮತ್ತು ಬರೆಯುವಂತೆ ಮಾಡುತ್ತದೆ, ಲೇಖಕರ ತರ್ಕವನ್ನು ಅನುಸರಿಸಿ (ಕಾರಣ), ಏನು ಮಾತನಾಡುತ್ತಿದೆ ಎಂಬುದನ್ನು ತಿಳಿಯಿರಿ (ಜ್ಞಾನ). ಅದಕ್ಕೆ ಲೇಖಕರ ಪುನರುತ್ಪಾದನೆಯ ಅಗತ್ಯವಿದೆ ಉದ್ದೇಶ (ಸಾಮಾಜಿಕ ಬುದ್ಧಿಮತ್ತೆ) ಹೆಚ್ಚು ಸತ್ಯವಾಗಿ. ಯಂತ್ರ ಅನುವಾದದಂತಹ ಸಮಸ್ಯೆಯನ್ನು "AI-ಸಂಪೂರ್ಣ" ಎಂದು ಪರಿಗಣಿಸಲಾಗುತ್ತದೆ. ಈ ನಿರ್ದಿಷ್ಟ ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು, ನೀವು ಎಲ್ಲಾ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಬೇಕು.

ಹೊರಗಿನ ಕೊಂಡಿಗಳು[ಬದಲಾಯಿಸಿ]

  1. ಹಿಂದಿಯಲ್ಲಿ ಯಂತ್ರ ಕಲಿಕೆ, ನೀವು ಹಿಂದಿಯನ್ನು ಕನ್ನಡಕ್ಕೆ ಅನುವಾದಿಸಿ ಮತ್ತು ನವೀಕರಿಸಿದ ಮಾಹಿತಿಯನ್ನು ಪಡೆದುಕೊಳ್ಳುತ್ತೀರಿ