एआई साइंस

एआई वैज्ञानिक

एआई वैज्ञानिक एल्गोरिदम के साथ सॉफ्टवेयर बनाते हैं जो ऐसे कार्य कर सकते हैं जिनमें सामान्य रूप से मानव बुद्धि की आवश्यकता होती है।

AI वैज्ञानिक कई AI विषयों के विशेषज्ञ हो सकते हैं:

• व्यावहारिक गणित
• कम्प्यूटेशनल आंकड़े
• कंप्यूटर विज्ञान
• यंत्र अधिगम
• ध्यान लगा के पढ़ना या सीखना

कुछ एआई वैज्ञानिकों के पास भी महत्वपूर्ण बड़ा डेटा अनुभव है:

• व्यापारिक सूचना
• डाटा बेस डिजाइन
• डेटा वेयरहाउस डिज़ाइन
• डेटा माइनिंग
• एसक्यूएल प्रश्न
• एसक्यूएल रिपोर्टिंग

कमजोर एआई

कमजोर आर्टिफिशियल इंटेलिजेंस आज हमारे आस-पास मौजूद अधिकांश एआई जैसे विशिष्ट या संकीर्ण क्षेत्रों तक सीमित है:

• खोज यन्त्र
• सेब का सिरी
• माइक्रोसॉफ्ट का कॉर्टाना
• अमेज़न का एलेक्सा
• आईबीएम के वाटसन

कमजोर एआई को नैरो एआई भी कहा जाता है।

कमजोर एआई मजबूत एआई के विपरीत मानवीय अनुभूति का अनुकरण करता है जिसमें मानवीय अनुभूति होती है ।

मजबूत एआई

मजबूत आर्टिफिशियल इंटेलिजेंस एआई का प्रकार है जो मानव बुद्धि की नकल करता है।

मजबूत एआई सोचने, योजना बनाने, सीखने और संवाद करने की क्षमता को इंगित करता है।

मजबूत एआई एआई का सैद्धांतिक अगला स्तर है: ट्रू इंटेलिजेंस ।

मजबूत AI आत्म-जागरूकता, चेतना और वस्तुनिष्ठ विचारों वाली मशीनों की ओर बढ़ता है।

मशीन लर्निंग (एमएल)

शास्त्रीय प्रोग्रामिंग परिणाम बनाने के लिए कार्यक्रमों का उपयोग करती है:

मशीन लर्निंग प्रोग्राम (एल्गोरिदम) बनाने के लिए परिणामों का उपयोग करता है:

तंत्रिका नेटवर्क (एनएन)

इतिहास में सबसे महत्वपूर्ण खोजों में से एक तंत्रिका नेटवर्क (एनएन) की शक्ति है।

तंत्रिका नेटवर्क में, डेटा के नए स्तरों की गणना करने के लिए न्यूरॉन्स नामक डेटा की कई परतों को एक साथ जोड़ा जाता है या एक दूसरे के ऊपर स्टैक किया जाता है।

आमतौर पर इस्तेमाल किए जाने वाले छोटे नाम:

• डीएनएन डीप न्यूरल नेटवर्क
• सीएनएन कन्वेन्शनल न्यूरल नेटवर्क
• आरएनएन आवर्तक तंत्रिका नेटवर्क

डीप लर्निंग (डीएल)

डीप लर्निंग एल्गोरिदम हैं जो उच्च-स्तरीय डेटा निकालने के लिए तंत्रिका नेटवर्क का उपयोग करते हैं।

प्रत्येक क्रमिक परत पिछली परत को इनपुट के रूप में उपयोग करती है।

उदाहरण के लिए, ऑप्टिकल रीडिंग किनारों की पहचान करने के लिए निम्न परतों और अक्षरों की पहचान करने के लिए उच्च परतों का उपयोग करती है।

डीप लर्निंग के दो चरण हैं:

1. प्रशिक्षण: मॉडल के मापदंडों की गणना के लिए इनपुट डेटा का उपयोग किया जाता है।

2. अनुमान: "प्रशिक्षित" मॉडल किसी दिए गए इनपुट से डेटा आउटपुट करता है।

गहरी शिक्षा क्रांति

गहरी सीखने की क्रांति यहाँ है!

डीप लर्निंग क्रांति 2010 के आसपास शुरू हुई। तब से, डीप लर्निंग का उपयोग कई "अनसुलझी" समस्याओं को हल करने के लिए किया गया है।

उदाहरण

कनवल्शनल न्यूरल नेटवर्क्स (सीएनएन)

डीप सीएनएन जैसे रेसनेटा और इंसेप्शन ने इमेजनेट वर्गीकरण में त्रुटि दर को 2011 में 25% से घटाकर 2017 में 5% कर दिया है।

इमेजनेट वर्डनेट पदानुक्रम के अनुसार व्यवस्थित एक छवि डेटाबेस है, जिसमें पदानुक्रम के प्रत्येक नोड में सैकड़ों और हजारों छवियां होती हैं। इमेजनेट शोधकर्ताओं, शिक्षकों, छात्रों और चित्रों के जुनून के साथ अन्य सभी के लिए एक उपयोगी संसाधन है।

वर्डनेट 200+ भाषाओं में शब्दों के बीच अर्थ संबंधी संबंधों का एक शाब्दिक डेटाबेस है। यह एक शब्दकोश और थिसॉरस के संयोजन के रूप में आयोजित किया जाता है, समानार्थक शब्द, सम्मोहन और पर्यायवाची शब्दों का उपयोग करके शब्दों को एक साथ शब्दार्थ संबंधों में जोड़ता है।

आवर्तक तंत्रिका नेटवर्क (आरएनएन)

RNN संगीत स्कोर और नवीन वाद्य ध्वनियाँ बनाने में मदद कर रहे हैं:
https://magenta.tensorflow.org/demos ।

एआई . का इतिहास