डीप लर्निंग और आर्टिफिशियल इंटेलिजेंस (एआई) तेजी से विकसित हो रहे क्षेत्र हैं जहां नई प्रौद्योगिकियां लगातार विकसित हो रही हैं। इस क्षेत्र में सबसे आशाजनक नए घटनाक्रमों में से 5 फेडरेटेड लर्निंग, जीएएन, एक्सएआई, रीइन्फोर्समेंट स्टडी और स्विच लर्निंग हैं।
इन तकनीकों में छवि पहचान से लेकर गेमिंग तक, विभिन्न मशीन लर्निंग अनुप्रयोगों में क्रांति लाने और शोधकर्ताओं और डेवलपर्स के लिए समान रूप से रोमांचक नए अवसर प्रदान करने की क्षमता है।
संघीय अध्ययन
फेडरेटेड लर्निंग एक मशीन लर्निंग तकनीक है जो कई उपकरणों को एक केंद्रीय सर्वर के साथ अपने डेटा को साझा किए बिना एक मॉडल पर सहयोग करने की अनुमति देती है। यह प्रणाली उन स्थितियों में विशेष रूप से उपयोगी है जहां गोपनीयता एक मामला है।
उदाहरण के लिए, Google ने उपयोगकर्ता की गोपनीयता से समझौता किए बिना अपने टेक्स्ट-रिकग्निशन कीबोर्ड की सटीकता में सुधार करने के लिए फ़ेडरेटेड लर्निंग का उपयोग किया है। मशीन लर्निंग मॉडल आमतौर पर केंद्रीकृत डेटा स्रोतों का उपयोग करके विकसित किए जाते हैं, जिसके लिए उपयोगकर्ता डेटा को केंद्रीय सर्वर के साथ साझा करने की आवश्यकता होती है। हालांकि उपयोगकर्ता अपने डेटा को एक सर्वर पर एकत्र और संग्रहीत करने में असहज महसूस कर सकते हैं, इस प्रणाली से गोपनीयता की समस्या हो सकती है।
फ़ेडरेटेड लर्निंग इस समस्या को हल करती है, डेटा को कभी भी केंद्रीय सर्वर पर भेजे जाने से रोककर डेटा पर मॉडल को प्रशिक्षित करके जो अभी भी ग्राहकों के उपकरणों पर है। इसके अलावा, चूंकि प्रशिक्षण डेटा उपयोगकर्ताओं के उपकरणों पर बना रहता है, इसलिए सिस्टम की कम्प्यूटेशनल और स्टोरेज आवश्यकताओं को कम करते हुए, केंद्रीय सर्वर को बड़ी मात्रा में डेटा भेजने की आवश्यकता नहीं होती है।
संबद्ध: Microsoft ChatGPT के लिए अपनी व्यक्तिगत AI चिप बढ़ा रहा है: रिपोर्ट
जनरेशनल एडवरसियरी नेटवर्क (GANs)
जेनरेटेड एडवरसैरियल नेटवर्क एक प्रकार का तंत्रिका समुदाय है जिसका उपयोग वर्तमान ज्ञान पर आधारित नए, वास्तविक दिखने वाले ज्ञान को उत्पन्न करने के लिए किया जा सकता है। उदाहरण के लिए, GAN का उपयोग व्यक्तियों, जानवरों और यहां तक कि परिदृश्यों की वास्तविक दिखने वाली तस्वीरें बनाने के लिए किया गया है। GAN एक दूसरे के खिलाफ दो तंत्रिका नेटवर्क को खड़ा करके काम करते हैं, जिसमें एक नेटवर्क नकली डेटा का उत्पादन करता है और दूसरा नेटवर्क यह पता लगाने की कोशिश करता है कि डेटा असली है या नकली।
जनरेटिव एडवरसैरियल नेटवर्क, या जीएएन संक्षेप में, वास्तविक दिखने वाले कृत्रिम ज्ञान के उत्पादन के लिए तेजी से एक प्रमुख विशेषज्ञता बन गए हैं। GAN एक प्रकार की तंत्रिका समुदाय संरचना है जिसमें दो नेटवर्क होते हैं: एक g... https://t.co/moU2Dls8Gk pic.twitter.com/0ZSRkeZe3z
- फ़िल.एआई (@phil_ai) अप्रैल १, २०२४
व्याख्या करने योग्य एआई (एक्सएआई)
व्याख्यात्मक एआई के रूप में जानी जाने वाली एआई तकनीक का उद्देश्य मशीन लर्निंग मॉडल की पारदर्शिता और समझ को बढ़ाना है। XAI महत्वपूर्ण है क्योंकि यह गारंटी दे सकता है कि AI सिस्टम निष्पक्ष और ईमानदार निर्णय लेते हैं। यहाँ एक उदाहरण है कि कैसे XAI का उपयोग किया जा सकता है:
ऐसी स्थिति की कल्पना करें जिसमें एक वित्त समूह मशीन लर्निंग एल्गोरिदम का उपयोग इस संभावना की भविष्यवाणी करने के लिए करता है कि एक ऋण आवेदक अपने ऋण पर डिफ़ॉल्ट होगा। पारंपरिक ब्लैक-बॉक्स एल्गोरिदम के साथ, वित्तीय संस्थान एल्गोरिथम की निर्णय लेने की प्रक्रिया पर ध्यान नहीं देगा और बंधक आवेदक को इसे स्पष्ट करने में सक्षम नहीं हो सकता है।
हालाँकि, XAI का उपयोग करते हुए, एल्गोरिथ्म अपनी पसंद की व्याख्या करने में सक्षम था, जिससे बैंक को यह प्रमाणित करने की अनुमति मिली कि यह उचित चिंताओं पर आधारित था न कि गलत या भेदभावपूर्ण जानकारी पर। उदाहरण के लिए, एल्गोरिथ्म निर्दिष्ट कर सकता है कि यह आवेदक की साख, आय और रोजगार इतिहास के आधार पर जोखिम रेटिंग की गणना करता है। पारदर्शिता और व्याख्यात्मकता का यह चरण एआई कार्यक्रमों में विश्वास बनाने, जवाबदेही बढ़ाने और अंत में उच्च निर्णय लेने में मदद कर सकता है।
सुदृढीकरण अध्ययन
सुदृढीकरण सीखने के रूप में संदर्भित एक प्रकार की मशीन लर्निंग में एजेंटों को आलोचना और प्रोत्साहन के माध्यम से सीखने का निर्देश देना शामिल है। रोबोटिक्स, गेमिंग और यहां तक कि बैंकिंग सहित कई अनुप्रयोगों ने इस तकनीक का लाभ उठाया है। उदाहरण के लिए, डीपमाइंड के अल्फ़ागो ने अपने गेमप्ले को बार-बार बेहतर बनाने के लिए इस पद्धति का उपयोग किया और अंतत: सबसे अच्छे मानव गो गेमर्स को पराजित किया, जटिल निर्णय लेने वाले कार्यों में सुदृढीकरण सीखने की प्रभावशीलता का प्रदर्शन किया।
एआई हमारे सुधार के लिए एक एजेंट होगा। इस विषय पर मैंने जो सबसे दिलचस्प पेपर देखा है, वह डीपमाइंड के अल्फागो के ओपन सोर्स संस्करण लीला को अपनाने से पहले और बाद में पेशेवर गो खिलाड़ियों के प्रदर्शन का एक अध्ययन है। बेहतर प्रतिभागी दक्षता। pic.twitter.com/Tk6qxwOftz
- माइल्स ग्रिमशॉ (@ माइल्सग्रिमशॉ) जनवरी ७,२०२१
एसोसिएटेड: 7 सुपीरियर ह्यूमनॉइड रोबोट्स इन द वर्ल्ड
अध्ययन स्विच करें
ट्रांसफर लर्निंग नामक एक मशीन लर्निंग तकनीक में ब्रांड नई समस्याओं को हल करने के लिए पहले से प्रशिक्षित मॉडल का उपयोग करना शामिल है। यह पद्धति विशेष रूप से सहायक होती है जब एक नई समस्या के लिए बहुत कम जानकारी उपलब्ध होती है।
उदाहरण के लिए, शोधकर्ताओं ने एक चित्र प्रकार (जैसे, चेहरे) के लिए विकसित छवि पहचान मॉडल को एक अलग चित्र प्रकार - जैसे बी जानवरों - को अनुकूलित करने के लिए अनुकूलित करने के लिए स्विच लर्निंग का उपयोग किया है।
यह प्रणाली पहले से प्रशिक्षित मॉडल की खोजी गई विशेषताओं, वजन और पूर्वाग्रहों को नए कार्य में पुन: उपयोग करने की अनुमति देती है, जो मॉडल के प्रदर्शन में काफी सुधार कर सकती है और प्रशिक्षण के लिए आवश्यक ज्ञान की मात्रा को कम कर सकती है।
