இந்த வழிமுறைகள் ஒரு புத்திசாலித்தனமான இயந்திரத்தை காலப்போக்கில் அதன் திறன்களையும் செயல்திறனையும் மேம்படுத்த அனுமதிக்கின்றன, சில பணிகளைச் செய்ய அனுபவத்துடன் தானாகவே கற்றுக்கொள்கின்றன, காலப்போக்கில் அதன் செயல்திறனை மேலும் மேலும் மேம்படுத்துகின்றன.
ஒரு உதாரணம் AlphaGo, Go கேமிற்கான இயந்திர கற்றல் மென்பொருள் உருவாக்கியது Deepmind. AlpaGo ஒரு விமானத்தில் விளையாட்டில் மனித மாஸ்டரை தோற்கடிக்கும் திறன் கொண்ட முதல் மென்பொருள் ஆகும் கோபன் நிலையான அளவு (19 × 19). AlphaGo மென்பொருள் பல்வேறு கேம்களின் போது Go பிளேயர்களால் செய்யப்பட்ட மில்லியன் கணக்கான நகர்வுகளை அவதானித்து, இயந்திரம் தனக்கு எதிராக விளையாடுவதன் மூலம் கல்வி கற்றது, இதன் விளைவாக இந்த விளையாட்டின் உலகின் சிறந்த வீரர் என்று நம்பப்பட்டதை வெல்ல முடிந்தது.
இப்போது இயந்திர கற்றலின் மூன்று முக்கிய வகைகளுக்குள் செல்லலாம்.
கணினி விரும்பிய வெளியீட்டின் படி பெயரிடப்பட்ட எடுத்துக்காட்டுகளைப் பெறுகிறது. அதாவது, இயந்திரத்தை அறிவுறுத்துவதற்கு பயனுள்ள தரவுத்தொகுப்புகள் உள்ளீட்டுத் தரவுகளால் உருவாக்கப்பட்ட உண்மையான சூழ்நிலைகளைக் குறிக்கும் கூறுகளால் ஆனவை "அம்சங்கள்"மற்றும் வெளியீடு தரவுகளிலிருந்து"இலக்கு". கட்டுரையின் உதாரணத்துடன் இயந்திர கற்றல் என்றால் என்ன, அது எதைப் பற்றியது மற்றும் அதன் நோக்கங்கள், எங்களிடம் தனித்தனி வழித்தடங்கள் இருப்பதால், பயிற்சியின் தயாரிப்பு மேற்பார்வையிடப்பட்ட வகையைச் சேர்ந்தது, அவை ஒவ்வொன்றிற்கும் அம்சங்கள் (வாகனம், பாதை) மற்றும் இலக்கு (பயண நேரம்) குறிப்பிடப்பட்டன. தரவுத் தொகுப்புகள் பொதுவாக மிகவும் சிக்கலானவை, உதாரணம் மிகக் குறைவாகவும் செயற்கையாகவும் இருந்தது, மேற்பார்வையிடப்பட்ட இயந்திரக் கற்றலைப் புரிந்துகொள்வதை எளிதாக்கும் நோக்கத்துடன்.
இந்த வகை வழக்கு, பாதை மற்றும் வாகனத்தின் வகை, பயண நேரம் என்னவாக இருக்கும் என்பதை அல்காரிதம் படிக்க அனுமதிக்கிறது. மேற்பார்வையிடப்பட்ட இயந்திரக் கற்றலில் இரண்டு வகையான சிக்கல்கள் உள்ளன:
மோட்டார் பாதைகளின் உதாரணத்தை மறுபரிசீலனை செய்தால், இது ஒரு பின்னடைவு என்று நாம் கூறலாம். இலக்கு பின்வரும் மதிப்பீட்டைக் கொண்டிருந்தால்: ஒரு மணி நேரத்திற்கும் குறைவாக இருந்தால் வேகமாகவும், 1 முதல் இரண்டு மணிநேரத்திற்கும் இடையில் மெதுவாகவும், இரண்டு மணிநேரத்திற்கு மேல் இருந்தால் மிக மெதுவாகவும் இருக்கும். இந்த வழக்கில் இது ஒரு வகைப்பாடு பிரச்சனையாக இருந்திருக்கும்.
லேபிளிடப்பட்ட தரவு எதுவும் இல்லை, இது உள்ளீடுகளிலிருந்து தொடங்கி, தரவில் ஒரு கட்டமைப்பைக் கண்டறிய வேண்டும். எங்களிடம் நடைமுறையில் இலக்குகள் இல்லை, ஆனால் உள்ளீடு தரவு மட்டுமே. எடுத்துக்காட்டில் இருப்பது போல, எங்களிடம் பாதை மற்றும் வாகனத் தரவு மட்டுமே உள்ளது, ஆனால் பயண நேரத் தரவு இல்லை.
இந்த அணுகுமுறையில், தரவுகளில் மறைந்திருக்கும் கட்டமைப்புகளைத் தேடுவதன் மூலம் அல்காரிதம்கள் வகைகளைக் கண்டறிய வேண்டும். மேற்பார்வை செய்யப்படாத அணுகுமுறையில் பயன்படுத்தக்கூடிய முக்கிய கருவிகள் தொகுப்பு மற்றும் சங்க விதிகள்.
கணினி சுற்றுச்சூழலில் இருந்து உள்ளீட்டைப் பெறுகிறது மற்றும் நடவடிக்கைகளை எடுக்கிறது. வெகுமதிகளைப் பெறுவதற்காக அமைப்பு நடவடிக்கைகளை எடுக்க முயற்சிக்கிறது. சுற்றியுள்ள சூழலின் நிலையைப் பொறுத்து வெகுமதியை மேம்படுத்தும் செயல்களைச் செயல்படுத்த கணினி முயற்சிக்கும்.
வெகுமதி முறை என்பது ஒரு கூறு மூலம் செயல்படுத்தப்படுகிறது முகவர். முகவர் சுற்றுச்சூழலில் ஒரு செயலைச் செய்ய முடிவு செய்கிறார், அதிலிருந்து அவர் ஒன்றைப் பெறுகிறார் வெகுமதி மற்றும் தொடங்கப்பட்ட நடவடிக்கையின் விளைவாக, சுற்றுச்சூழலின் நிலை பற்றிய தகவல் இருக்கலாம்.
உதாரணமாக, சதுரங்க விளையாட்டிற்கு அர்ப்பணிக்கப்பட்ட ஒரு அமைப்பைப் பற்றி நாம் நினைத்தால், முகவர் என்பது நகர்வைத் தீர்மானிக்கும் கூறு, சுற்றுச்சூழலே விளையாட்டாகும். முகவரால் செய்யப்படும் ஒவ்வொரு அசைவின் விளைவாக, விளையாட்டின் நிலை மாறுகிறது (தற்போதைய சூழ்நிலை, அனைத்து காய்களின் நிலை, எதிராளியின் நகர்வின் விளைவாகவும் புரிந்து கொள்ளப்படுகிறது), எதிராளியின் துண்டாக உண்ணப்பட்டதைப் போன்ற கருத்துக்களைப் பெறுகிறது. நகர்வுக்கான வெகுமதியாக கருதப்பட்டது. இந்த வழியில் முகவர் கற்றுக்கொள்கிறார், மேலும் தன்னைப் பயிற்றுவிக்கிறார்.
எனவே இயந்திர கற்றல் வகைகளுக்கு இடையிலான தேர்வு சூழலைப் பொறுத்தது என்பது தெளிவாகிறது. அதாவது, ஒவ்வொரு தனிப்பட்ட வழக்கின் (உள்ளீடு) சூழ்நிலைகளின் விளக்கத்தையும் (உள்ளீடு) மற்றும் முடிவு (வெளியீடு) ஆகியவற்றை உள்ளடக்கிய ஒரு வரலாற்றைக் கொண்டிருப்பதற்கான சாத்தியக்கூறுகள் மற்றும் தரவுகளின் அடிப்படையில் அணுகுமுறையின் வகை தேர்ந்தெடுக்கப்படுகிறது. எனவே இந்த வகையான தரவுத் தொகுப்பைக் கொண்டு, நீங்கள் மேற்பார்வையிடப்பட்ட அணுகுமுறையைப் பயன்படுத்தத் தொடரலாம்.
மறுபுறம், வெளியீட்டுத் தரவை (இலக்கு) முன்னோடியாக அறியும் சாத்தியம் உங்களிடம் இல்லையென்றால், அல்லது புதிய இலக்குகளைக் கண்டறிய விரும்பினால், உள்ளீடு தரவுகளுக்கு இடையே உள்ள இணைப்புகளை அடையாளம் கண்டுகொள்வது அவசியம். வரலாறு, அல்லது பரிணாமம் மற்றும் எதிர்வினையாற்றும் சூழலை நோக்கி கற்றலை எதிர்கொள்வது. இந்த வழக்கில் மேற்பார்வை செய்யப்படாத அல்லது வலுவூட்டல் நுட்பங்களைத் தேர்ந்தெடுப்பது அவசியம்.
Ercole Palmeri: புதுமைக்கு அடிமை
கடந்த திங்கட்கிழமை, பைனான்சியல் டைம்ஸ் OpenAI உடன் ஒரு ஒப்பந்தத்தை அறிவித்தது. FT அதன் உலகத் தரம் வாய்ந்த பத்திரிகைக்கு உரிமம் அளிக்கிறது…
மில்லியன் கணக்கான மக்கள் ஸ்ட்ரீமிங் சேவைகளுக்கு பணம் செலுத்துகிறார்கள், மாதாந்திர சந்தா கட்டணத்தை செலுத்துகிறார்கள். நீங்கள் என்பது பொதுவான கருத்து...
Veeam வழங்கும் Coveware இணைய மிரட்டி பணம் பறித்தல் சம்பவத்தின் பதில் சேவைகளை தொடர்ந்து வழங்கும். Coveware தடயவியல் மற்றும் சரிசெய்தல் திறன்களை வழங்கும்…
முன்கணிப்பு பராமரிப்பு எண்ணெய் மற்றும் எரிவாயு துறையில் புரட்சியை ஏற்படுத்துகிறது, ஆலை மேலாண்மைக்கு ஒரு புதுமையான மற்றும் செயல்திறன் மிக்க அணுகுமுறையுடன்.…
