2025 में आपका स्वागत है!
सुसान से मिलें। आपका मित्र, सहायक, प्रबंधक और वह सब कुछ जो आपको अपनी दिनचर्या में चाहिए। वह आपके ईमेल को व्यवस्थित रखती है, आपकी मीटिंग शेड्यूल करती है। आपके घर की बुनियादी ज़रूरतों को पूरा करता है और जब भी आपका किराने का सामान खत्म होने वाला हो, उसे भर देता है। जब आप उदास हों तो वह आपकी सबसे अच्छी दोस्त हो सकती है। जब आपको आराम करने के लिए थोड़ी सी कला और साहित्य की आवश्यकता होती है तो वह कविता को पेंट और लिखती है।
यह सुनने में काफी हद तक समांथा जैसा लगता है, जिसे HER में स्कारलेट जोहानसन ने आवाज दी है। . आप शायद उस खूबसूरत फिल्म को मिस नहीं कर सकते। ठीक है, कम से कम आपने इसके बारे में तो सुना ही होगा।
सुसान या सामंथा – सीधे शब्दों में कहें तो – सिरी, कोरटाना का अधिक परिष्कृत और तकनीकी संस्करण है। Google सहायता, या Google डीपमाइंड।
टेक कंपनियां - बड़ी और छोटी - एआई को रोजमर्रा की जिंदगी का हिस्सा बनाने के लिए दौड़ रही हैं। डिजिटल दुनिया ऐसे शब्दों से भरी पड़ी है जो केवल रील पर वास्तविक लगते थे - आर्टिफिशियल इंटेलिजेंस, मशीन लर्निंग, डेटा क्रंचिंग, डीप लर्निंग, रीइन्फोर्समेंट लर्निंग। वास्तविक शब्द में बहुत कम या बिना अर्थ वाले बड़े शब्द, बहुत पहले नहीं।
आइए इन दिनों सबसे अधिक बार सुने जाने वाले तीन शब्दों को समझते हैं:"आर्टिफिशियल इंटेलिजेंस", "मशीन लर्निंग" और "डीप लर्निंग"।
क्या अंतर है?
चूंकि इनमें से किसी भी शब्दावलियों की कोई मानक परिभाषा नहीं है, इसलिए इन्हें अक्सर अंतर-परिवर्तनीय शब्दों के रूप में अपेक्षाकृत शिथिल रूप से उपयोग किया जाता है। इसलिए, उन्हें भेद करना और भी मुश्किल हो जाता है। इसके अलावा, इन शब्दों का आम तौर पर समझा जाने वाला अर्थ समय के साथ विकसित हुआ है। 1960 में एआई का जो मतलब था, वह आज के अर्थ से बहुत अलग है।
उनके संबंध के बारे में सोचने का सबसे आसान तरीका उन्हें संकेंद्रित वृत्तों के रूप में देखना है।
<उल शैली ="पाठ्य-संरेखण:औचित्य;">चिंगारी से बिजली तक
AI ने 1956 में डार्टमाउथ सम्मेलनों में शब्द के निर्माण के तुरंत बाद अनुसंधान प्रयोगशालाओं के लिए मार्ग प्रशस्त किया। जबकि प्रौद्योगिकी को हमारी कल्पना के साथ पकड़ने में दशकों लग गए, हम प्रतीत होते हैं अंततः एआई क्रांति के शिखर पर, अधिक उद्यम पूंजी निवेश के साथ, अधिक बड़ी तकनीकी कंपनियां अनुसंधान एवं विकास में शामिल हो रही हैं, और हमारे जीवन में एआई का अधिक दैनिक उपयोग हो रहा है।
आइए देखें कि AI स्पार्क कैसे AI लाइटनिंग में बदल गया।
कृत्रिम बुद्धिमत्ता:मानव बुद्धि के साथ निर्मित मशीनें
आर्टिफिशियल इंटेलिजेंस कंप्यूटर विज्ञान का एक क्षेत्र है जो बुद्धिमान मशीनों के निर्माण पर जोर देता है जो मनुष्यों की तरह काम करते हैं और प्रतिक्रिया करते हैं। यह अध्ययन का क्षेत्र है जो बुद्धिमान व्यवहार करने में सक्षम कंप्यूटर बनाने के तरीकों की तलाश करता है। एक मशीन को 'बुद्धिमान' माना जाता है अगर वह सामान्य रूप से मानव बुद्धि से जुड़े काम कर सकती है।
हमने फिल्मों में इन मशीनों को अच्छे लोगों (स्टार वार्स सीरीज़ में C-3PO) या बुरे आदमी (द टर्मिनेटर में साइबोर्ग हत्यारे) के रूप में देखा है।
कृत्रिम रूप से बुद्धिमान होने के योग्य होने के लिए, एक मशीन को कुछ बुनियादी चीजें करने में सक्षम होना चाहिए जैसे:
<उल शैली ="पाठ्य-संरेखण:औचित्य;">यह सामान्य ज्ञान है कि एआई द्वारा ह्यूमन इंटेलिजेंस के कुछ पहलुओं को प्रदर्शित किया जा सकता है। अब प्रश्न यह है कि यह बुद्धि कहाँ से आती है। वहीं से मशीन लर्निंग आती है।
मशीन लर्निंग:मानव मस्तिष्क के साथ मशीनों को प्राप्त करने का तरीका
मशीन लर्निंग एक आर्टिफिशियल इंटेलिजेंस अनुशासन है जो मानव ज्ञान के तकनीकी विकास की दिशा में तैयार किया गया है। यह दिए गए डेटा से सीखने वाले एल्गोरिदम के विकास की पड़ताल करता है। एक एल्गोरिदम किसी कार्य को पूरा करने के लिए चरणों की एक श्रृंखला है। मशीन लर्निंग सीधे शुरुआती एआई भीड़ के दिमाग से आया था, और एल्गोरिथम दृष्टिकोण में निर्णय ट्री लर्निंग, क्लस्टरिंग, रीइन्फोर्समेंट लर्निंग, एसोसिएशन रूल लर्निंग और पसंद शामिल थे।
ये एल्गोरिदम पिछले अनुभव (यानी दिए गए डेटा) से सीखने में सक्षम हैं और खुद को नई परिस्थितियों के अनुकूल बनाना और कुछ कार्य करना सिखाते हैं। मशीन लर्निंग कंप्यूटर को विश्लेषण, स्व-प्रशिक्षण, अवलोकन और अनुभव के माध्यम से नई स्थितियों को संभालने की अनुमति देता है।
मशीन लर्निंग ने नए परिदृश्यों के संपर्क, परीक्षण और अनुकूलन के माध्यम से कंप्यूटिंग की निरंतर उन्नति की सुविधा प्रदान की है, जबकि बाद की (हालांकि समान नहीं) स्थितियों में बेहतर निर्णयों के लिए पैटर्न और प्रवृत्ति का पता लगाने को नियोजित किया है।
हालांकि बहुत सारे एल्गोरिथम थे, कोई भी AI के अंतिम लक्ष्य को प्राप्त नहीं कर पाया। कंप्यूटर दृष्टि और छवि का पता लगाने का एक कारण हाल ही में मनुष्यों के प्रतिद्वंद्वी के करीब नहीं आया था। पहले, यह बहुत भंगुर और त्रुटियों के लिए प्रवण था।
समय, और सीखने के सही एल्गोरिदम ने बहुत फर्क डाला।
डीप लर्निंग:मशीन के दिमाग को प्रशिक्षित करने की तकनीक
शुरुआती मशीन-लर्निंग क्राउड से एक और एल्गोरिथम दृष्टिकोण। डीप लर्निंग मशीन लर्निंग का एक उपक्षेत्र है जो कृत्रिम तंत्रिका नेटवर्क कहे जाने वाले मस्तिष्क की संरचना और कार्य से प्रेरित एल्गोरिदम से संबंधित है। इसमें एक विशेष प्रकार का गणितीय मॉडल शामिल होता है जिसे एक बहुस्तरीय संरचना में एक निश्चित प्रकार के सरल ब्लॉकों की संरचना के रूप में माना जा सकता है और जहां इनमें से कुछ ब्लॉकों को अंतिम परिणाम का बेहतर अनुमान लगाने के लिए समायोजित किया जा सकता है।
"डीप" शब्द का अर्थ है कि रचना में इनमें से कई ब्लॉक एक दूसरे के ऊपर ढेर हैं, और मुश्किल यह है कि उन ब्लॉकों को कैसे समायोजित किया जाए जो दूर हैं आउटपुट, एक छोटे से परिवर्तन के बाद से आउटपुट पर बहुत अप्रत्यक्ष प्रभाव पड़ सकता है।
डीप लर्निंग मानव मस्तिष्क की आंतरिक परतों के कार्यों का अनुकरण करने की कोशिश करती है, और इसके सफल अनुप्रयोग छवि पहचान, भाषा अनुवाद, या ईमेल सुरक्षा में पाए जाते हैं। डीप लर्निंग सूचना प्रसंस्करण की कई परतों से ज्ञान का निर्माण करती है। डीप लर्निंग तकनीक को मानव मस्तिष्क के मॉडल पर तैयार किया गया है, और हर बार जब नया डेटा डाला जाता है, तो इसकी क्षमताएं बेहतर हो जाती हैं।
डीप लर्निंग ने AI को कैसे बेहतर बनाया है?
डीप लर्निंग ने मशीन लर्निंग के कई व्यावहारिक अनुप्रयोगों और एआई के समग्र क्षेत्र के विस्तार को सक्षम किया है। चालक रहित कारें, निवारक स्वास्थ्य देखभाल, यहां तक कि बेहतर फिल्मों की सिफारिशें, सभी आज या क्षितिज पर हैं।
डीप लर्निंग पहेली का एक महत्वपूर्ण भाग हो सकता है जो अधिक स्मार्ट, अधिक मानवीय-जैसे AI के निर्माण की ओर ले जाता है। डीप लर्निंग प्राकृतिक भाषा प्रसंस्करण से लेकर मशीन विजन तक एआई के सभी पहलुओं में सुधार कर सकती है। इसे एक बेहतर मस्तिष्क के रूप में सोचें जो कंप्यूटर के सीखने के तरीके में सुधार करेगा। यह उन अनुरोधों से निपटने के लिए सिरी या Google नाओ जैसे आभासी सहायकों को बढ़ा सकता है जिनसे वे परिचित नहीं हैं। यह वीडियो को प्रोसेस कर सकता है और सामग्री को सारांशित करने वाली छोटी क्लिप उत्पन्न कर सकता है।
कौन जानता है, शायद एक दिन हर किसी के पास समांथा का अपना संस्करण होगा!