आर्टिफिशियल इंटेलिजन्सवरील मागील लेखामध्ये आपण मशीन लर्निंग तंत्रज्ञानाच्या "सुपरवाईज्ड लर्निंग" या तंत्राचा सखोल आढावा घेतला. अशाच पद्धतीने "अनसुपरवाईज्ड लर्निंग" नावाचे तंत्र देखील मशीन लर्निंगमध्ये मोलाची कामगिरी बजावताना दिसत आहे.
मशीन लर्निंग म्हणजे अनुभवाधारित शिक्षण. आधीच्या अनुभवाद्वारे संगणक घडलेल्या घटनांमधील माहितीच्या साठ्यामध्ये समान रचना शोधतो आणि त्याचाच वापर पुढे काय होईल? या प्रश्नाचे उत्तर शोधण्यासाठी केला जातो. अर्थात या प्रकारामध्ये अनुभवांमध्ये इनपुट अर्थात आदान माहिती आणि आउटपुट अर्थात प्रदान माहिती दोन्हींचाही समावेश असतो. अनसुपरवाईज्ड लर्निंगमध्ये मात्र फक्त इनपुट माहितीचाच वापर केला जातो.
शालेय शिक्षणामध्ये विज्ञान शिकत असताना मिश्रणातून पदार्थ वेगळ्या करण्याच्या पद्धती आपण पाहिल्या असतीलच. एखाद्या मिश्रणामध्ये वेगवेगळ्या प्रकारचे पदार्थ अथवा वस्तू ठेवलेल्या असतील तर वैज्ञानिक समान धाग्याचा वापर करून आपण त्यांना वेगळे करू शकतो. अशाच पद्धतीचा अवलंब करताना संगणक देखील त्याला दिलेल्या माहितीमध्ये समान धागा शोधून ही माहिती निरनिराळ्या समूहामध्ये साठवून ठेवू शकतो. उदाहरणार्थ, दाखवलेल्या आकृतीमध्ये वेगवेगळ्या प्रकारची फळे ठेवलेली आहेत. या फळांच्या वैशिष्ट्यानुसार त्यांचे समूह करता येणे निश्चितच शक्य आहे. कोणीही सामान्य माणूस आपल्या मेंदूचा वापर करून या समूहातील सफरचंद, पेरू आणि स्ट्रॉबेरीची फळे वेगवेगळी करू शकतात. अर्थात हा मानवी अनुभवाचाच भाग आहे. परंतु संगणकाला असे करायला सांगितल्यास तो करू शकतो का? तर होय, निश्चितच संगणकाला देखील ही क्षमता अनसुपरवाईज्ड लर्निंगद्वारे देता येते. या तंत्राचा वापर करून संगणकाला दिलेल्या आदान माहितीमध्ये समानता शोधून त्याचे वेगवेगळे समूह करता येऊ शकतात. समान धागा शोधण्याची प्रक्रिया ही विविध गणिती सूत्रांवर आधारित असते. ज्याचा वापर करून संगणक कोणत्याही मिश्रणातून पदार्थ वेगळे करू शकतात. कधी कधी मानवी आकलनापलीकडे देखील अनेक प्रकारचा समूह असू शकतो. अशा समूहातून देखील संगणक पदार्थ व वस्तू वेगळे करू शकतो. त्यांचे अधिक छोटे छोटे समान समूह बनवू देखील शकतो. विशेष म्हणजे कितीही मोठी माहिती असली तरी देखील संगणक वेगाने ही प्रक्रिया पार पाडू शकतो. याच प्रक्रियेस अनसुपरवाईज्ड लर्निंग असे म्हटले जाते. तसेच या प्रकारच्या अल्गोरिदमला "क्लस्टरिंग" हे देखील नाव आहे.
संगणकाला प्रदान केलेल्या कोणत्याही माहितीमध्ये समान धागा, समूह, नियम अथवा रचना याद्वारे आपल्याला शोधता येऊ शकते. या तंत्रज्ञानाचा वापर करून संगणकाने आजवर मोठ्या प्रमाणात माहितीचे वर्गीकरण केलेले आहे. याशिवाय इंटरनेटवरील विविध वेबसाईटवर वापरण्यात येणाऱ्या "रीकमेंडेशन सिस्टीम" अल्गोरिदममध्ये देखील याचा वापर करण्यात आलेला आहे. उदाहरणार्थ, अमेझॉनच्या वेबसाईटवर जर तुम्ही एखादी वस्तू खरेदी केली तर तुम्हाला त्या वस्तूशी निगडित असणाऱ्या अन्य वस्तू देखील दाखविल्या जातात. ज्याद्वारे तुम्ही ती वस्तू खरेदी करू शकाल आणि अमेझॉनचा फायदा होऊ शकेल. अर्थात यासाठी अमेझॉन वेबसाईटवर पूर्वीच्या ग्राहकांनी तशा वस्तू खरेदी केलेले असतात. याच खरेदीतील मुख्य रचनांचा अभ्यास करूनच अनसुपरवाईज्ड लर्निंगचे अल्गोरिदम कार्य करीत असतात.
आजच्या मशीन लर्निंग तंत्रज्ञानाकडे पाहिल्यास सुमारे वीस ते पंचवीस टक्के अल्गोरिदम हे या प्रकारामध्ये मोडतात. शिवाय अजूनही विविध किचकट गणिती प्रक्रियांचा अवलंब करून नवनवे अल्गोरिदम तयार करण्याची प्रक्रिया सुरूच आहे.
Friday, April 14, 2023
अनसुपरवाईज्ड लर्निंग
Subscribe to:
Post Comments (Atom)
No comments:
Post a Comment
to: tushar.kute@gmail.com