گہری سیکھنے: یہ کیا ہے اور اس کا مشین مشینی سے کیا تعلق ہے؟

ہم نے جو کچھ مضامین جاری رکھے ہیں ان کو جاری رکھنا ، یہاں ہم ڈیپ لرننگ کیا ہے اور مشین لرننگ سے اس کے تعلقات کے بارے میں بات کریں گے۔ جس معاشرے میں ہم رہتے ہیں اس میں دونوں ہی شرائط تیزی سے اہم ہیں اور یہ جاننے میں مدد ملے گی کہ ہمارے آس پاس کیا ہے۔

فہرست فہرست

ڈیپ لرننگ کیا ہے؟

ڈیپ لرننگ تکنیک کا ایک ذیلی سیٹ ہے جو مشین لرننگ کے نتیجے میں 2000 کی دہائی میں پیدا ہوا تھا۔ اس وجہ سے ، ہمیں کمپیوٹر سائنس کا حصہ بننے کی وجہ سے ، اس کی ایک شاخ کے طور پر درجہ بندی کرنا چاہئے۔

یہ سسٹم اپنے بوڑھے بہن بھائیوں سے زیادہ خودمختار ہیں ، حالانکہ ان کی ساخت بھی کافی پیچیدہ ہے۔ مشین لرننگ الگورتھم والے دوسرے نظاموں کے مقابلے میں جہاں وہ ایک جیسے یا بہتر کام انجام دیتے ہیں تو مختلف اقسام کے کاموں کی انجام دہی کرتے وقت یہ انہیں واضح فائدہ دیتا ہے ۔

نیز ، دوسرے کام بھی موجود ہیں جہاں ڈیپ لرننگ اپنے پیشرو سے کہیں زیادہ کھڑی ہے۔ سب سے بدنام معاملات میں سے ایک الفاگو طرز کی مصنوعی ذہانت ، گوگل کی انٹلیجنس گو کے عالمی چیمپیئن کو شکست دینے کی صلاحیت رکھتی ہے۔

ہوسکتا ہے کہ یہ آپ کو تھوڑا سا چینی لگتا ہو ، لیکن گو ایک بہت مشہور کھیل ہے اور ، یہ بھی ، بہت ہی اہم۔ اسے سیاق و سباق میں ڈالنے کے لئے ، ریاضی دان زور کے ساتھ دعویٰ کرتے ہیں کہ یہ شوق شطرنج سے کہیں زیادہ پیچیدہ ہے۔

دوسری طرف ، ڈیپ لرننگ کا بگ ڈیٹا سے گہرا تعلق ہے ، کیونکہ معلومات کے ان عظیم وسائل کو تجربہ سیکھنے اور مستحکم کرنے کے لئے استعمال کیا جاسکتا ہے ۔ مزید یہ کہ ، ہم جس صورتحال میں ہیں اس کی بدولت ، اس ٹیکنالوجی کے پھیلاؤ اور نشوونما کے لئے ماحول تین اہم نکات کے ل perfect بہترین ہے :

1. اعداد و شمار کی زبردست جمع ، چونکہ ہمارے پاس آج موجود ٹولز کے ذریعہ ، ڈیٹا حاصل کیا جاسکتا ہے اور تقریبا almost کسی سے بھی اسٹور کیا جاسکتا ہے۔ ہم جس ٹیکنالوجی میں ہیں اس کی ڈگری ، چونکہ اجزاء اجتماعی طور پر کافی طاقت پیش کرتے ہیں۔ کمپنیوں کی خواہش ہے کہ وہ اپنے طریق کار کو بہتر بنائیں ، چونکہ دو پچھلے نکات کا فائدہ اٹھاتے ہوئے ، زیادہ سے زیادہ کمپنیاں مصنوعی ذہانت پر شرط لگارہی ہیں۔ اگر آپ کی کمپنی نے ہزاروں صارفین سے ڈیٹا ذخیرہ کیا ہے اور ٹکنالوجی آپ کو ان سے سیکھنے اور استعمال کرنے کا موقع فراہم کرتی ہے تو یہ ایک محفوظ شرط ہے۔

ڈیپ لرننگ کا ڈھانچہ

مشین لرننگ کی طرح ترقی پانے کے باوجود ، الگورتھم کے اس سیٹ میں کچھ جوہری اختلافات ہیں۔ سب سے اہم شائد اس کی داخلی ڈھانچہ ہے ، یعنی کوڈ جو اس کے الگورتھم کو تشکیل دیتا ہے۔

ڈیپ لرننگ کے بارے میں عمومی خیال

جیسا کہ آپ تصویر میں دیکھ سکتے ہیں ، ڈیپ لرننگ کا نیورل نیٹ ورکس سے گہرا تعلق ہے۔ یہ تصور نیا نہیں ہے ، لیکن یہ ایک طویل عرصے سے ہمارے ساتھ نہیں ہے ، لہذا آپ کو یہ معلوم نہیں ہوگا۔

اس کو آسان بنانے کے ل we ، ہم اعصابی نیٹ ورک کی وضاحت یلگوردمز (جس کو ہر ایک پرت کہتے ہیں) کے ایک سیٹ کے طور پر بیان کرسکتے ہیں جو معلومات کا علاج اور ترسیل کرتے ہیں۔ ہر پرت ان پٹ اقدار وصول کرتی ہے اور آؤٹ پٹ والے کو لوٹاتی ہے ، اور جب یہ پورے نیٹ ورک سے گذرتی ہے تو ، حتمی نتیجے کی قیمت واپس کردی جاتی ہے۔ یہ سب ، ترتیب سے ، عام طور پر ہوتا ہے ، جہاں ہر پرت کا وزن مختلف ہوتا ہے ، مطلوبہ نتائج پر منحصر ہوتا ہے۔

یہاں ہم آپ کو مصنوعی ذہانت سے سپر ماریو ورلڈ کھیلنا سیکھنے کے بارے میں ایک مختصر ویڈیو (انگریزی میں) دکھاتے ہیں۔

اور آپ سوچ رہے ہو گے ، "یہ سارا طریقہ اتنا پیچیدہ کیوں ہے؟" . یقینی طور پر گہری لرننگ اب بھی اسی کی ہے جس کو ہم کمزور مصنوعی ذہانت کہتے ہیں ، لیکن یہ ممکنہ طور پر مضبوط سمت میں پہلا قدم ہے۔

یہ طریقہ کار دماغی کام کرنے سے کس طرح حوصلہ افزائی کرتا ہے۔ "جسمانی دنیا" میں جو کچھ ہم دیکھتے ہیں اسی طرح ، سسٹم پرتیں تشکیل دیتے ہیں اور ہر پرت اسی طرح نیورون کے لئے کام کرتی ہے۔ اس طرح ، تہوں کا تعلق ایک دوسرے سے ہے ، معلومات بانٹنا اور سب سے اہم بات یہ ہے کہ سب کچھ خودمختاری سے کیا جاتا ہے۔

ڈیپ لرننگ کس طرح کام کرتی ہے اس کی بہت آسان اسکیم

اس اصول کے بعد ، سب سے مکمل انٹیلیجنس عام طور پر وہ ہیں جو زیادہ تہہ اور زیادہ نفیس الگورتھم رکھتے ہیں۔

مصنوعی ذہانت اس الگورتھم کے ساتھ کیسے کام کرتی ہے؟

اگر آپ نے اس مضمون سے متعلق ہمارے گذشتہ مضامین دیکھے ہیں تو ، آپ نے پہلے ہی یہ GIF دیکھا ہوگا۔ یہاں آپ مصنوعی ذہانت سے متعلق ہمارے مضمون کو دیکھ سکتے ہیں اور یہاں آپ مشین لرننگ کے بارے میں تھوڑا سا پڑھ سکتے ہیں۔

لیکن ہم آپ کو ایک آخری بار دکھائیں گے۔

اس شبیہہ کی عکاسی اچھی اور آسانی سے ہوتی ہے کہ اعصابی نیٹ ورک استعمال کرنے والی انٹیلی جنس کس طرح کام کرتی ہے۔ جیسا کہ آپ دیکھ سکتے ہیں ، اس کا کام آسان ہے: تصاویر کو درجہ بند کریں اور مختلف تصاویر میں کتوں کا پتہ لگانا سیکھیں جو اسے پہنچایا جاتا ہے۔

ہر شبیہہ ان پٹ فیڈ میں داخل ہونے سے شروع ہوتی ہے ، یعنی ان پٹ لیئر جہاں پہلے گنتی پہلے ہی شروع ہوگی۔ حاصل کردہ نتائج کو دوسری پرت یا نیورون میں بانٹ دیا جائے گا اور ظاہر ہے ، یہ بتایا جاتا ہے کہ کس نیورون نے یہ حساب کتاب کیا ہے۔ جب تک کہ ہم آخری تکمیل تک نہیں پہنچ پاتے ہیں اس عمل کو ہمارے سسٹم میں جتنی بار پرتوں کا اعادہ کیا جاتا ہے اس کو دہرایا جاتا ہے۔

آخری نیورون کو آؤٹ پٹ پرت کے نام سے موسوم کیا گیا ہے اور وہ ہے جو ، اس مثال میں ، نتیجہ ظاہر کرتا ہے۔ دوسرے معاملات میں ، آؤٹ پٹ پرت حساب کی کارروائی انجام دینے پر ختم ہوجاتی ہے ۔ نیز ، اگر ہم جتنا جلد ممکن ہوسکے (جیسے ویڈیو گیمز میں) کام کرنے کے لئے فارمولہ ڈال دیتے ہیں تو نتیجہ تقریبا almost فوری طور پر ملنا چاہئے۔ تاہم ، ہم جس تکنیکی نکتے پر ہیں ، اس کا شکریہ ، یہ پہلے ہی ممکن ہے۔

اس کی واضح مثالوں میں سے ایک الفا اسٹار مصنوعی ذہانت ، خود گوگل کی ایک اور تخلیق ہے۔

گوگل ڈیپ مائنڈ مصنوعی ذہانت

ہم نے آپ کو الفاگو کے بارے میں بتایا ہے ، ایک اے آئی جو دنیا کے بہترین گو کھلاڑیوں کے خلاف لڑنے کے قابل ہے ۔ تاہم ، اس میں چھوٹے بہن بھائی کچھ قابل متاثر کن سنگ میل حاصل کرنے کے اہل ہیں ۔

الفا زیرو

اس انٹلیجنس نے صرف 24 گھنٹوں میں ہی ایک شطرنج ، شوجی کی سطح پر انسان کی سطح کو سیکھا اور اس کے ساتھ ہی اس نے کئی مشہور کھلاڑی جیت لئے ۔ نیز ، شکست خوردہ مخالفین کی فہرست میں اس نے 3 دن کے تجربے کے الفاگو زیرو ورژن کی طرف بھی اشارہ کیا ، واقعی ناقابل یقین چیز۔ یہاں اس مصنوعی ذہانت کے سیکھنے کی رفتار سامنے آتی ہے ۔

سب سے زیادہ متاثر کن ، ٹیم کے پاس کتابیں یا ڈیٹا بیس سیکھنے تک رسائی نہیں تھی ، لہذا ان کی تمام تدبیریں مشق کے ساتھ سیکھی گئیں۔

اپنے ایک اور مقابلوں میں ، اس کا سامنا اسٹاک فش سے ہوا ، جو ایک تجربہ کار خودکار اوپن سورس پروگرام ہے جو شطرنج کھیلتا ہے۔ تاہم ، صرف چار گھنٹوں میں اس پر الفا زیرو کا غلبہ رہا۔

واضح رہے کہ جب یہ پہلی شطرنج میں تقریبا 70 ملین نقل و حرکت کا حساب کتاب کرتا ہے ، الفا زیرو صرف 80 ہزار مختلف اخراجات کو مدنظر رکھتا ہے۔ پیشن گوئیوں میں فرق اس سے بہتر فیصلے کے ذریعہ پھیل گیا کہ کیا وعدے کرنے والے ڈرامے ہوں گے۔

اس طرح کے مظاہرے کے ساتھ ہم نئے مصنوعی ذہانت کی طاقت کو دیکھ سکتے ہیں ۔

الفا اسٹار

دوسری طرف ، الفا اسٹار ایک اے آئی ہے ، جو آج ، آر ٹی ایس اسٹارکراف II (ہسپانوی میں ریئل ٹائم اسٹریٹیجی) کھیلنے کے قابل ہے ۔

اس کے ڈیمو کے وقت ، الفا اسٹار نے درمیانے درجے کے متعدد پیشہ ور کھلاڑیوں کا مقابلہ کیا اور اس نے مسلسل دس کھیل جیت لئے اور صرف آخری میچ ہار گیا ۔

شطرنج یا جانے کے برعکس ، اسٹارکراف II ایک حقیقی وقت کا میچ اپ ہے ، لہذا ہر سیکنڈ میں آپ کو کام کرنا پڑتا ہے۔ اس کی وجہ سے ، ہم یہ جھلک سکتے ہیں کہ موجودہ ٹکنالوجی حساب کتاب اور فیصلے کے ان پاگل پن کو برقرار رکھنے کی اہلیت رکھتی ہے ۔

انٹلیجنس کی تیاری کے بارے میں ، براہ راست ٹیسٹ کی تاریخوں کے لئے ، اس نے صرف پروٹوس (دستیاب ریس میں سے ایک) کے ساتھ 200 کے قریب تجربہ کی تربیت حاصل کی تھی۔ اس کی تربیت بھی کی گئی تھی تاکہ یہ صرف اس صورت حال کو انجام دے سکے جب اس میں یونٹ میں جسمانی طور پر کیمرا موجود ہوتا ، اس طرح اس سے زیادہ ملحق ہوجاتا ہے کہ کوئی شخص کس طرح کھیلے گا۔

تاہم ، ان معذوروں کے باوجود ، الفا اسٹار کھیل کے مسابقتی پہلو کو ترک کرنے والے ہتھکنڈوں کا استعمال کرکے اپنے بیشتر مقابلوں کو شکست دینے میں کامیاب ہوگیا ۔ نوٹ کرنے کی ایک بات یہ ہے کہ الفا اسٹار عام طور پر اے پی ایم (ایکشن فی منٹ منٹ) کم رکھتا ہے ، لہذا اس کے فیصلے بہت موثر ہیں۔

اوسط اعمال ہر منٹ میں AI اور پیشہ ور کھلاڑی کے ذریعہ انجام دیئے جاتے ہیں

تاہم ، جب صورتحال اس کا تقاضا کرتی ہے تو ، وہ آسانی سے کاؤنٹر کو توڑ کر یونٹوں پر مافوق الفطرت کنٹرول کا مظاہرہ کرتا ہے۔

یہاں آپ اس کے ڈیمو میں سے ایک کو مکمل طور پر دیکھ سکتے ہیں:

مصنوعی ذہانت کا مستقبل

ہم پہلے ہی اس موضوع کے بارے میں بات کر چکے ہیں ، لہذا ہم اسی گفتگو کو بہت زیادہ اعادہ نہیں کریں گے۔ ممکنہ مستقبل جو چیزیں روشنی ڈالی جائیں وہ گہری تعلیم کے منتظر ہیں۔

مصنوعی ذہانت کے ایک مشہور ماہر اینڈریو یان تک این جی کے مطابق ، ڈیپ لرننگ مستقبل کی انٹلیجنس کی طرف ایک اچھا قدم ہے۔ دیگر تدریسی طریقوں کے برعکس ، یہ کافی زیادہ موثر ہے کیونکہ ہم اعداد و شمار کے نمونے میں اضافہ کرتے ہیں۔

ہم آپ کو بابا X1 کی تجویز کرتے ہیں: AI دانتوں کا برش اب دستیاب ہے

اگلی سلائڈ ان کی پیش کش سے متعلق ہے "سائنس دانوں کو گہری تعلیم کے بارے میں کیا جاننا چاہئے ۔ " اگر آپ دلچسپی رکھتے ہیں تو ، آپ اسے اس لنک پر دیکھ سکتے ہیں۔

بیکار نہیں ، ٹکنالوجی کی ترقی رک نہیں سکی۔ ہر سال ہمارے پاس زیادہ طاقتور اجزاء ہوں گے ، لہذا ہمارے پاس زیادہ سے زیادہ آنگن کی جانچ ہوگی۔ جیسا کہ پرانا اے آئی اور مشین لرننگ کے ساتھ ہوا ، نئے الگورتھم ، طریقہ کار اور سسٹم آج کے جدید ڈیپ لرننگ کی جگہ لائیں گے اور ان کی جگہ لیں گے۔

نیز ، جیسا کہ آپ تصور کرسکتے ہیں ، نیم ذہین مشینوں کے ذریعہ مستقبل سے نمٹنا ہے ۔

جیسا کہ ہم نے دوسرے مضامین میں اشارہ کیا ، زیادہ تر الیکٹرانک آلات میں (کچھ نے پہلے ہی ان کو شامل کرلیا ہے) سپورٹ انٹیلی جنس ہوگی۔ ایک بہت قابل ذکر معاملہ انٹیلی جنس کا ہے جو بہتر معیار کی تصاویر لینے میں مدد دیتا ہے۔

تاہم ، ایک نکتہ جہاں زیادہ تر صارفین کے لئے یہ ٹکنالوجی پروان چڑھ سکتی ہے وہ ہے IoT (انٹرنیٹ کی چیزیں ، ہسپانوی میں)۔

چیزوں کا انٹرنیٹ

یہ اصطلاح ٹیکنالوجی اور کمپیوٹنگ کی کانفرنسوں میں زیادہ سے زیادہ وزن رکھتی ہے اور اب خود کو مستحکم کرنے کی کوشش کرتی ہے کہ ہمارے پاس وسائل ہیں۔

خیال یہ ہے کہ گھریلو ایپلائینسز ، برقی آلات اور دیگر قابل شناخت اشیاء ہیں ، وہ ایک دوسرے کے ساتھ بات چیت کرسکتے ہیں اور اس کے علاوہ ، کسی آلے کے ذریعہ بھی قابو پاسکتے ہیں۔ اس طرح ہم اس بات کی گنتی کرسکتے ہیں کہ کسی جگہ پر کون سی چیزیں موجود ہیں ، جہاں وہ ہیں ، ان کے ساتھ بات چیت کریں اور یہ سب کچھ موبائل سے۔ اسی طرح ، اشیاء بھی ایک دوسرے کے ساتھ بات چیت کرسکتی ہیں اور اگر مثال کے طور پر کسی کھانے کی میعاد ختم ہوجاتی ہے تو ، شاید جب آپ اسے کھولیں گے تو فریج آپ کو بتاسکے گا۔

دوسری طرف ، مصنوعی ذہانت کو گھریلو ایپلائینسز کی حیثیت اور کارکردگی کی نگرانی کرنے کے قابل ہونا چاہئے ۔ اس کی مدد سے آپ بجلی کا منصوبہ مرتب کرسکتے ہیں اور استعمال شدہ توانائی کو بہتر بناسکتے ہیں۔

تاہم ، ایک متعلقہ نقطہ جو ہمارے لئے بہتری کے لئے باقی ہے وہ انٹرنیٹ سیکیورٹی ہوگا۔ یہ ایسی چیز ہے جس میں ابھی تک زیادہ ہراساں ہونے کا انکشاف نہیں ہوتا ہے ، لیکن ہم سب جانتے ہیں کہ اگر ہم اسے ایک محفوظ خدمت بنانا چاہتے ہیں تو یہ ضروری ہوگا ۔

یہ کسی حد تک تجریدی خیال ہے ، لیکن جیسے جیسے یہ ہماری زندگیوں پر حملہ کرتا ہے ، آپ واقف ہو جائیں گے۔

نئی ٹیکنالوجیز اور ڈیپ لرننگ کی اہمیت

یہ سوچنا ناگزیر ہے کہ کمپیوٹنگ اور مصنوعی ذہانت ہمارے مستقبل کا بہت حصہ بنائے گی۔ لہذا ، بٹس کے زیر انتظام دنیا میں کیا ہورہا ہے اس سے ہمیشہ آدھے واقف رہنا ضروری ہے۔

اس روح کو ذہن میں رکھتے ہوئے ، ہم پہلے ہی دیکھ سکتے ہیں کہ مختلف ڈگری ، نصاب اور ڈگریاں کس طرح ظاہر ہوتی ہیں جو ان موضوعات کو گہرائی میں پڑھاتی ہیں۔ مثال کے طور پر ، کچھ ڈیٹا انجینئرنگ سامنے آئے ہیں ، بگ ڈیٹا پر دوسری ڈگریاں اور واضح طور پر ، ڈیپ لرننگ اور مصنوعی ذہانت کے کورسز۔

اسی وجہ سے ، ہم آپ سے گزارش کرتے ہیں کہ اس موضوع کی چھان بین کریں۔ انٹرنیٹ ، جس کے طفیل اور منحصر ہے ، ابھی تک خود مختار نہیں ہے ، نہ ہی کامل ، نہ ہی واقعی محفوظ ہے ، لیکن یہ علم کا لامحدود لامحدود ذریعہ ہے۔ کسی بھی قسمت کے ساتھ ، آپ کو سیکھنے کے لئے ایک جگہ مل جائے گی اور آپ ایک نئی زبان ، یا اس کے بجائے ، ایک نئی دنیا میں داخل ہوسکتے ہیں۔

چونکہ مشین لرننگ قدرے ہلکے نظم و ضبط کی حیثیت رکھتی ہے ، لہذا ایسے پروگرام موجود ہیں جو آپ کو اعداد و شمار سے تھوڑا سا گڑبڑ کرنے دیتے ہیں۔ اگر آپ اس مضمون کے بارے میں کچھ اور سیکھنے اور اپنے آپ کو / اس ٹیکنالوجی کی حدود کو جانچنے میں دلچسپی رکھتے ہیں تو ، آپ آئی بی ایم واٹسن ڈیولپر کلاؤڈ یا ایمیزون مشین لرننگ ملاحظہ کرسکتے ہیں ۔ ہم آپ کو متنبہ کرتے ہیں: آپ کو ایک اکاؤنٹ بنانا ہوگا اور یہ سیکھنے کا آسان طریقہ نہیں ہوگا ، لیکن شاید ایک دن یہ آپ کو بڑے اہداف کے حصول میں مدد فراہم کرے گا۔

یہاں سے پرے خیالات کی دنیا ہے ، لہذا سب کچھ آپ کے ہاتھ میں ہے۔ اور آپ کے نزدیک ، مصنوعی ذہانت سے متعلق نئی ٹیکنالوجیز کے بارے میں آپ کا کیا خیال ہے؟ آپ کون سی دوسری گہری سیکھنے کی درخواستیں جانتے ہو یا دیکھنا چاہتے ہو؟ اپنے خیالات کو نیچے والے خانے میں بانٹیں۔

ماخذ بزنس بلاگ تھنک بگ ایکسٹاکا مٹیچین لرننگ ماسٹر