Published:Updated:

திறன் பழகு திறமை மேம்படுத்து - இயந்திரங்களுக்குக் கல்வி கற்றுத் தருவோம்!

திறன் பழகு திறமை மேம்படுத்து
பிரீமியம் ஸ்டோரி
News
திறன் பழகு திறமை மேம்படுத்து

ரீஸ்கில்லிங் பற்றிய தொடர் - 12

செயற்கை நுண்ணறிவு (Artificial Intelligence - AI) பற்றி இன்றைய காலகட்டத்தில் நாளிதழ்களில் செய்தி வராத நாளே இல்லை. இதில் அப்படி என்னதான் இருக்கிறது? டெர்மினேட்டர், மேட்ரிக்ஸ் போன்ற ஹாலிவுட் படங்களில் வரும் கதைபோல இருக்குமா? செயற்கை நுண்ணறிவு, அறிவியல் உலகில் செய்துவரும் அற்புதங்களைப் பற்றி இனி பார்ப்போம்.

திறன் பழகு திறமை மேம்படுத்து - இயந்திரங்களுக்குக் கல்வி கற்றுத் தருவோம்!

செயற்கை நுண்ணறிவு

செயற்கை நுண்ணறிவு என்பது கணினியின் மூலம், மனிதர்கள் சாதாரணமாக கண் பார்வை, காது, மற்ற புலன்கள் கொண்டு அவர்களைச் சுற்றி நடப்பதைக் கணித்து, அதற்குத் தகுந்தாற் போல முடிவுகள் எடுத்து வேலைகள் செய்வது ஆகும்.

இந்தத் தொழில்நுட்பம் அதன் முன்னோடிகள் கற்பனை செய்த ஒரு நிலையை முழுமையாக‌ எட்ட‌வில்லை என்றே சொல்லலாம். ஆனால், இதன் மற்ற எளிய‌ வடிவங்கள் பல துறைகளில் வேகமாகப் பரவி வருகின்றன‌. அவற்றில் ஒன்று, மெஷின் லேர்னிங் (Machine Learning) ஆகும். அதாவது, இயந்திரமானது தானே கற்பது என்பதாகும்.

மனிதர்களால் பார்க்கமுடியாத கோணங்களில் தகவலை, கோடிக்கணக்கான பதிவுகளை மற்றும் பரிவர்த்தனைகளைக் கண்ணிமைக்கும் நேரத்தில் அலசி ஆராய்ந்து, மனிதர்கள் சரியான முடிவு எடுக்கும் விதத்தில் இந்தக் கருவி தந்துவிடும்.

மூன்று வகை இயந்திரக் கல்வி

இயந்திரக் கல்வி அதாவது, மெஷின் லேர்னிங் என்பது மூன்று வகைப்படும். அவை கண்காணிக்கப்படும் இயந்திரக் கல்வி (Supervised), கண்காணிப்பார் அல்லாத இயந்திரக் கல்வி (Unsupervised) மற்றும் மீண்டும் மீண்டும் செய்து தன்னைத்தானே வ‌லுப்படுத்திக்கொள்ளும் இயந்திரக் கல்வி (Reinforcement learning.). இந்த மூன்று இயந்திரக் கல்வி வகைகளையும் இனி ஒவ்வொன்றாக விரிவாகப் பார்ப்போம்.

விகடன் Daily

Quiz

சேலஞ்ச்!

ஈஸியா பதில் சொல்லுங்க...

ரூ.1000 பரிசு வெல்லுங்க...

Exclusive on APP only
Start Quiz
திறன் பழகு திறமை மேம்படுத்து - இயந்திரங்களுக்குக் கல்வி கற்றுத் தருவோம்!

கண்காணிக்கப்பட்ட இயந்திரக் கல்வி (Supervised Machine Learning)

இந்த வகை இயந்திரக் கல்வியில் ஏற்கெனவே மனிதர்கள் கொண்டு வகைப்படுத்திய தகவலை வைத்து, கணினிக்குப் பயிற்சி கொடுத்து அதைக்கொண்டு புதிய நிலைமைகளைக் கையாளச் செய்வது. இந்த வகையில் பிரபலமான ஒன்று, நியூரல் நெட்வொர்க் (Neural network.)

உங்கள் அன்றாட தேவைகளின் அனைத்து பொருட்களையும் சிறந்த தள்ளுபடியில் வாங்க

VIKATAN DEALS

மனிதர்களில் நரம்பு மண்டலத்தை வைத்து வடிவமைக்கப்பட்ட ஒருவகை நுண்ணறிவுதான் இந்த நியூரல் நெட்வொர்க். நம் ஐம்புலன்கள் தங்களுக்குக் கிடைக்கும் தகவல்களை மூளைக்கு அனுப்பி, முடிவு எடுத்து, அதற்குத் தகுந்த நடவடிக்கை எடுக்கிறது. வாசலில் இருக்கும் காலணியைக் கண்ணால் பார்த்து, மலையாளம் கலந்த தமிழில் பேசுவதைக் காதால் கேட்டு, பலாப்பழ வாசனையை மோந்து பார்த்து, இந்த வாரம் நடக்கப்போகும் நுழைவுத் தேர்வினை எழுத வந்திருக்கும் கேரளத்து நண்பர் குடும்பத்தை நினைத்து... இப்படிக் கண்ணிமைக்கும் நேரத்தில் யூகிக்கும் திறன்கொண்டது நம் மூளை. கணினியும் இதுபோல‌ செய்யுமா?

சு.ராமச்சந்திரன், தொழில்நுட்ப ஆலோசகர், Infosys Knowledge Institute
சு.ராமச்சந்திரன், தொழில்நுட்ப ஆலோசகர், Infosys Knowledge Institute

கண்பார்வையைக் கொண்டு படங்களை அடையாளம் காண்பதை முதலில் எடுத்துக்கொள்வோம். செயற்கை நுண்ணறிவின் பயன்பாட்டில் ஒரு பிரபலமான உதாரணம், முகத்தை அடையாளம் காண்பது (facial recognition) ஆகும். ஒரு முகத்தின் படத்தை வைத்து அதில் இருக்கும் அங்கங்களை கணினி அடையாளம் கண்டுவிடும். அதாவது முகத்தின் நிறம், நீளம், அகலம், கண், மூக்கு, வாய் இருக்கும் இடம், அவற்றின் அளவு, வடிவம் ஆகியவற்றை அடையாளம் கண்டுவிடும்.

இந்த அளவீடுகளின் ஒவ்வொரு குறிப்பிட்ட தொகுப்பும் ஒரு நபருக்கு மட்டுமே சேர்ந்தவை. பல படங்கள் கொண்டு இந்தப் படத்தில் இருப்பவர் இவர்தான் என்று பயிற்சி கொடுத்துவிட்டால், அதன்பின் அவர் மாறுவேடம் அணிந்து வந்தாலும் அவரைக் கணினி அடையாளம் கண்டுவிடும்.

இதை முக்கியமாக இரண்டு வழிகளில் பயன்படுத்தலாம். விமான நிலையத்தில் சோதனை செய்ய வந்திருக்கும் ஒருவரை இது அவர்தானா என்று அங்கீக‌ரிக்கலாம். அல்லது ஏற்கெனவே உள்ள பட்டியலில் உள்ள பெயர்களில் ஒன்றைத் தேர்ந்தெடுத்து, ஒரு படத்தை வைத்து அது யார் என்று அடையாளம் காணலாம். இந்தத் தொழில்நுட்பத்தை வைத்துதான் ‘மிஷ‌ன் இம்பாஸிபிள்’ படத்தில் நாயகன் நாயகி இருவரும், உலகின் எந்த மூலைமுடுக்கிற்குப் போனாலும் கண்டுபிடிக்கப்படுகின்றனர்.

இதன் மற்றொரு பிரபலமான உதாரணம், ஆப்டிக்கல் கேரக்டர் ரெக்கக்னிஷன் (Optical Character Recognition). அதாவது, கணினியைக் கொண்டு எழுத்துகளை அடையாளம் காண்பது. இதுவும் ஒருவகை பேர்ட்டன் ரெக்கக்னிஷன் (Pattern Recognition). படங்களில், கோலங் களில் உள்ள சீரான கோடுகள், புள்ளிகள் மற்றும் நெளிவுசுளிவுகளை அடையாளம் காண்பது. கையால் அல்லது பிரின்டர் கொண்டு தயாரித்த வரிகளைப் புகைப்படம் எடுத்து, தேவையற்ற மற்றும் பிழை உண்டாக்கும் தகவலை (Noise) முதலில் வடிகட்டி விடுவதாகும்.

திறன் பழகு திறமை மேம்படுத்து - இயந்திரங்களுக்குக் கல்வி கற்றுத் தருவோம்!

ஓர் எழுத்து என்னென்ன வடிவங்களில் இருக்கலாமோ அத்தனையையும் ஓ.சி.ஆர்-க்கு முன்னரே பயிற்சி அளித்துவிட்டால் அது புதிதாக வழங்க‌ப்படும் ஆவணத்தை தன்னால் முடிந்த துல்லியத்துடன் படித்துவிடும்.

தொழிற்சாலையில் இயந்திரங்களை நிர்வகிப்பதில் இதை எப்படிப் பயன்படுத்தலாம்? ஓர் இயந்திரம் ப‌ழுதா வதற்குமுன்பே அறிந்து, வருமுன் காக்கும்விதமாக தக்க நடவடிக்கை எடுக்கலாம். அது பழுதாகும் நேரங்களிலெல்லாம் அதன் அதிர்வு, முக்கிய பாகங் களின் வெப்பநிலை, அது எழுப்பும் சத்தம், பயன் படுத்தும் மின்சாரம் போன்ற முக்கிய அளவுகோள்களை அறிந்துவைத்துக் கொண் டால், அதேபோல ஒரு நிலைமையை எதிர்காலத்தில் அந்த இயந்திரம் அணுகும்போது பழுதாகும் முன்னரே எச்சரிக்கை கொடுத்து தகுந்த நடவடிக்கை எடுக்கலாம்.

Follow @ Google News: கூகுள் செய்திகள் பக்கத்தில் விகடன் இணையதளத்தை இங்கே கிளிக் செய்து ஃபாலோ செய்யுங்கள்... செய்திகளை உடனுக்குடன் பெறுங்கள்.

இரண்டு தனித்தனியான‌ அளவீடுகளுக்கு இடையே இருக்கும் தொடர்பைக் கணிப்பது கோரிலேஷன் மற்றும் ரெக்ரேஷன் (Correlation & Regression) எனச் சொல்லப்படுகிறது. உலகச் சந்தையில் கச்சா எண்ணெய்க்கும் உங்கள் கிராமத்தில் வெங்காய விலைக்கும் வலுவான தொடர்புள்ளதாக ஆணித்தரமாக நம்புபவரா நீங்கள்? இந்த இரண்டிற்குமான தகவல்களைத் திரட்டி, அதற்கு ஒரு ஸ்டாட்ஸ்டிஸ்கல் மாடலை (statistical model) உருவாக்கி அதை நீங்கள் சோதனை செய்யலாம்.

திறன் பழகு திறமை மேம்படுத்து - இயந்திரங்களுக்குக் கல்வி கற்றுத் தருவோம்!

உங்கள் மாடல் சரியாக இருந்தால், கச்சா எண்ணெய் ஒவ்வொரு டாலர் ஏறும்போதும் வெங்காய விலை எவ்வளவு உயருமென்று நீங்கள் கணிக்கலாம். இந்த மாடல் சரியாக உள்ளதா என்பதற்கு, கணிதம் மட்டும் இல்லாமல், இந்த இரண்டு துறைகளிலும் உங்களுக்கு நிபுணத்துவமும் இருப்பது முக்கியம்.

உலகில் எந்த இரண்டு அளவீடுகளுக்கும் இடையே தொடர்பு இருக்கவே செய்யும். அது உண்மையானதா என்று தீர்மானிப்பதே மனிதர்களிடம் மட்டும் இருக்கும் அரிய திறன்.

கண்காணிப்பார் இல்லாத இயந்திரக் கல்வி (Unsupervised Machine Learning)

இந்த வகை இயந்திரக் கல்வியில், க‌ணினியே தனக்குக் கொடுக்கப்பட்ட பதிவுகளிலிருந்து நம் கண்ணுக்குப் புலப்படாத, உபயோகமுள்ள தகவல்களை எடுத்துக் காட்டும்.

உதாரணத்திற்கு, புதிதாகத் தயாரிக்கப்பட்ட ஒரு ஸ்மார்ட்போனை எடுத்துக்கொள்வோம். அதை வெளியிடும் நிறுவனத்திற்குத் தங்கள் வாடிக்கையாளர்களில் எத்தனை வகை இருக்கிறார்கள், ஒவ்வொரு வகையையும் எப்படி அணுகினால் நல்ல வியாபாரம் நடக்கும் என்று அறிந்துவைத்திருப்பது மிக அவசியம். இதை எப்படிச் செய்யலாம்?

மனிதர்களில் நரம்பு மண்டலத்தை வைத்து வடிவமைக்கப்பட்ட ஒருவகை நுண்ணறிவுதான் இந்த நியூரல் நெட்வொர்க். நம் ஐம்புலன்கள் தங்களுக்குக் கிடைக்கும் தகவல்களை மூளைக்கு அனுப்பி, முடிவு எடுத்து, அதற்குத் தகுந்த நடவடிக்கை எடுக்கிறது.

இளைஞர்கள், மாணவர்கள், குடும்பத் தலைவர்கள், முதியவர்கள் என்று வாடிக்கை யாளர்களைச் சுலபமாக‌ வகைப்படுத்திவிடாமல், அதையும் தாண்டி அவர்களின் இணையதள பயன்பாடு, செலவு செய்யும் திறன் போன்றவற்றை யெல்லாம் கணக்கில் எடுத்துக்கொண்டு அவர்களை எப்படித் துல்லியமாக வகைப் படுத்தலாம் என்று அந்த நிறுவனம் தீவிரமாக யோசித்தது.

அவர்களுக்கு ஒரு கூட்டமாகச் (clustering) சேர்க்க ஒரு சரியான கருவியாக இருக்கும். வாடிக்கையாளர்களின் வயது, தொழில், வருமானம், மாத செலவுத் திறன், மொபைல் உபயோகம், நண்பர்கள், உறவினர்கள் வட்டம் போன்ற தகவலை அவர்கள் தனியுரிமை மீறாத வகையில் சேகரிக்கவேண்டும். இதை வைத்துக் கொண்டு எத்தனை வகை வாடிக்கையாளர்கள் வேண்டும் என்று இந்த மென்பொருளுக்குச் சொன்னால் அது அனைத்து வாடிக்கையாளர் களையும் ஒரேவிதமான பண்புக‌ள்கொண்ட குழுக்களாக அடையாளம் கண்டுவிடும்.

ஒவ்வொரு குழுவின் தனிப்பட்ட‌ பண்பு என்ன என்பதைக் கூட்டமாக்குவதால் சொல்ல முடியாது. மனித வல்லுநர்கள் அதைப் புரிந்து கொண்டு தக்க நடவடிக்கை எடுக்கலாம். சமூக ஊடகத்தை அதிகம் பயன்படுத்தும் மாணவக் குழுவிற்கு டிஜிட்டல் விளம்பரம் கொடுக்கலாம். பங்குச் சந்தையில் வாங்கி விற்கும் குடும்பத் தலைவருக்கு தொலைக்காட்சியில் விளம்பரம் கொடுக்கலாம். இதை ஒருமுறை செய்த‌பின் புதிதாக வரும் வாடிக்கையாளர் ஒருவரைச் சரியான குழுவில் வகைப்படுத்திவிடலாம்.

இயந்திரம் தன்னைத்தானே வ‌லுப்படுத்திக்கொள்ளும் கல்வி (Reinforcement learning)

இதில், பயிற்சி எதுவும் இல்லாத ஒரு செயற்கை நுண்ணறிவு சாதனம், ஒரு குறிப்பிட்ட நிலைமைக்குத் தகுந்த முடிவை தானே எடுத்து, அதன் விளைவை வைத்து, அதற்கேற்ற‌ ஒரு வெகுமதியை வாங்கிக்கொள்ளும். இதைத் திரும்பத் திரும்ப செய்து தனக்குக் கிடைக்கும் வெகுமதியை அதிகரித்து, தனக்குக் கொடுக்கப் பட்ட வேலையை மேலும் மேலும் சிறப்பாகச் செய்து முடிக்கும். நியூரல் நெட்வொர்க்கில் அதிக அடுக்குகள் கொண்ட‌ ஒரு வடிவம் ஆழ்கல்வி எனப்படும் டீப் லேர்னிங் (Deep Learning).

திறன் வளர்ப்பது...

செயற்கை நுண்ணறிவில் ஆர்வம் உள்ளவரா நீங்கள்? இதற்கு அடிப்படையே நாம் உயர்நிலைப் பள்ளியில், கல்லூரியில் கற்ற கணிதம்தான். அரை நூற்றாண்டிற்கு முன்னரே ஆராய்ச்சிக் கூடங்களிலும் பல்கலைக்கழ‌கங்களிலும் பிரபலமான இந்தத் துறை, கணினியின் வளர்ச்சியால் இன்று அனைத்து நிறுவனங்களும் தனிமனிதர்களும் பயன்படுத்தும் நிலையை எட்டியுள்ளது.

இதைக் கற்றுக்கொள்ளத் தேவையான அனைத்துக் க‌ருவிகளும் உங்கள் கைக்கு எட்டும் தூரத்தில் இருக்கின்றன. ஆர், பைத்தான் போன்ற ஓபன் சோர்ஸ் நிரலாக்க மொழிகளை அணுகி, கற்பது மட்டும் அல்லாமல் பங்களிக்கவும் செய்யலாம். இந்த மொழிகளில் ஜாவா, C++ போல வரிவரியாக மென்பொருள் எழுதத் தேவையில்லை.

ஏற்கெனவே பல வல்லுநர்கள் எழுதிய, சோதனைக்குள்ளான, பலரும் பயன்படுத்திய தொகுப்புகளை (libraries) சில வரிகள் மட்டுமே கோடிங் செய்து பயன்படுத்தலாம். பல்கலைக் கழகங்கள் தங்கள் பாடங்களை இணையதளத்தின் மூலம் பகிர்ந்துகொள்கின்றன. சோதனைக்காகத் தகவல் தொகுப்புகளையும் (data sets) இலவசமாக அளிக்கின்றன. இந்தப் புதிய திறனை வளர்த்துக்கொள்ள நீங்கள் தயாரா?

(திறன் வளரும்)