यहां 10 प्रमुख शब्द दिए गए हैं जो प्रत्येक एआई उत्साही को जानना और समझना चाहिए।
आर्टिफिशियल इंटेलिजेंस (एआई) उद्योगों में एक परिवर्तनकारी बल बन गया है, जिस तरह से हम प्रौद्योगिकी और हमारे आसपास की दुनिया के साथ बातचीत करते हैं। कृत्रिम बुद्धिमत्ता के क्षेत्र में गहरे लोगों के लिए, अंतर्निहित शब्दावली को समझना महत्वपूर्ण है।
1। आर्टिफिशियल इंटेलिजेंस (एआई): इसके मूल में, आर्टिफिशियल इंटेलिजेंस उन कंप्यूटर सिस्टम के विकास को संदर्भित करता है जो उन कार्यों को करने में सक्षम होते हैं जिन्हें सामान्य रूप से मानव बुद्धिमत्ता की आवश्यकता होती है। सीखना, तर्क, समस्या समाधान, धारणा और भाषा की समझ इनमें से कुछ कार्य हैं। एआई सिस्टम डेटा का विश्लेषण करने, इससे सीखने और मानव बुद्धिमत्ता की नकल करने के लिए सूचित निर्णय लेने के लिए एल्गोरिदम का उपयोग करते हैं।
मशीन लर्निंग (एमएल): मशीन लर्निंग आर्टिफिशियल इंटेलिजेंस का एक सबसेट है जो एल्गोरिदम के विकास पर ध्यान केंद्रित करता है जो सिस्टम को स्पष्ट प्रोग्रामिंग के बिना अनुभव से सीखने और सुधारने की अनुमति देता है। मशीन लर्निंग एल्गोरिदम कंप्यूटर को पैटर्न को पहचानने, भविष्यवाणियां करने और समय के साथ अपने प्रदर्शन में सुधार करने में सक्षम बनाता है क्योंकि वे अधिक डेटा के संपर्क में हैं।
3। तंत्रिका नेटवर्क: तंत्रिका नेटवर्क गहरी सीखने का एक प्रमुख घटक है, मशीन लर्निंग का एक सबसेट। मानव मस्तिष्क की संरचना से प्रेरित, तंत्रिका नेटवर्क में परस्पर जुड़े नोडल परतें, या कृत्रिम न्यूरॉन्स शामिल हैं। इन नेटवर्कों को पैटर्न को पहचानने और निर्णय लेने के लिए डेटा पर प्रशिक्षित किया जाता है, जिससे छवि और भाषण मान्यता जैसे जटिल कार्यों को सक्षम किया जाता है।
प्राकृतिक भाषा प्रसंस्करण (एनएलपी): प्राकृतिक भाषा प्रसंस्करण कृत्रिम बुद्धिमत्ता का एक क्षेत्र है जो कंप्यूटर और मानव भाषा के बीच बातचीत पर केंद्रित है। एनएलपी एल्गोरिदम कंप्यूटर को मानव भाषा को समझने, व्याख्या करने और उत्पन्न करने, चैटबॉट, भाषा अनुवाद और भावना विश्लेषण जैसे अनुप्रयोगों को सुविधाजनक बनाने की अनुमति देता है।
5। डीप लर्निंग: डीप लर्निंग मशीन लर्निंग का एक सबफील्ड है जिसमें तंत्रिका नेटवर्क (डीप न्यूरल नेटवर्क) की कई परतें शामिल हैं। ये नेटवर्क स्वचालित रूप से डेटा के पदानुक्रमित प्रतिनिधित्व को सीख सकते हैं, जिससे उन्हें छवि और भाषण मान्यता और प्राकृतिक भाषा प्रसंस्करण जैसे कार्यों के लिए बहुत शक्तिशाली बना दिया जा सकता है।
एक एल्गोरिथ्म चरण-दर-चरण निर्देशों या नियमों का एक सेट है जो एक कंप्यूटर किसी विशिष्ट समस्या को हल करने या एक विशिष्ट कार्य करने के लिए अनुसरण करता है। कृत्रिम बुद्धिमत्ता में, एल्गोरिदम डेटा को संसाधित करने और विश्लेषण करने के लिए महत्वपूर्ण हैं, मशीनों को पैटर्न और सूचना के आधार पर निर्णय या भविष्यवाणियां करने में सक्षम बनाते हैं।
7, पर्यवेक्षित लर्निंग: पर्यवेक्षित लर्निंग एक प्रकार की मशीन लर्निंग है जहां एल्गोरिदम को लेबल किए गए डेटा सेट पर प्रशिक्षित किया जाता है, जिसका अर्थ है कि इनपुट डेटा वांछित संबंधित आउटपुट से मेल खाता है। एल्गोरिथ्म इनपुट को सही आउटपुट के लिए मैप करना सीखता है, जिससे यह नए, अनदेखी डेटा के बारे में भविष्यवाणियां करने की अनुमति देता है।
8। अनसुफ्रिस्टेड लर्निंग: पर्यवेक्षित सीखने के विपरीत, अनसुनीज़ लर्निंग में एक अनबेल्ड डेटा सेट पर एक एल्गोरिथ्म को प्रशिक्षित करना शामिल है। स्पष्ट मार्गदर्शन की अनुपस्थिति में, एल्गोरिदम को डेटा में पैटर्न और लिंक ढूंढना होगा। कमी और क्लस्टरिंग दो सामान्य अनुप्रयोग हैं।
9। सुदृढीकरण सीखना: सुदृढीकरण सीखना एक प्रकार की मशीन सीखने का एक प्रकार है जिसमें एजेंट पर्यावरण के साथ बातचीत करके निर्णय लेना सीखते हैं। उनके व्यवहार के आधार पर, एजेंट प्रोत्साहन या दंड के रूप में प्रतिक्रिया प्राप्त करता है, जो धीरे -धीरे कार्रवाई के सर्वोत्तम पाठ्यक्रम को सीखने में मदद करता है।
कंप्यूटर विजन: कंप्यूटर विजन एक अंतःविषय क्षेत्र है जो मशीनों को दृश्य डेटा के आधार पर निर्णय लेने और निर्णय लेने में सक्षम बनाता है। इसमें छवि और वीडियो पहचान, ऑब्जेक्ट डिटेक्शन और इमेज सेगमेंटेशन जैसे कार्य शामिल हैं। कंप्यूटर विजन अनुप्रयोगों का एक अभिन्न अंग है जैसे कि चेहरे की पहचान और सेल्फ-ड्राइविंग कारें।