"ଆର୍ଟିଫିସିଆଲ ଇଣ୍ଟେଲିଜେନ୍ସ" ପୃଷ୍ଠାର ସଂସ୍କରଣ‌ଗୁଡ଼ିକ ମଧ୍ୟରେ ତଫାତ

ଉଇକିପିଡ଼ିଆ‌ରୁ
Content deleted Content added
ଟିକେ →‎ସମସ୍ୟା: ନୂଆ ତଥ୍ୟ ଯୋଗ ହେଲା
ଟିକେ →‎ଯୋଜନା: ମେସିନ ଲର୍ଣିଂ ଉପରେ ନୂତନ ତଥ୍ୟ ଯୋଗ ହେଲା
୩୩ କ ଧାଡ଼ି: ୩୩ କ ଧାଡ଼ି:


ଯଦି ଆମେ ଗୋଟିଏ ପ୍ରକାରର ଘଟଣାକୁ ବିଚାରକୁ ନେବା ଯେପରି ଜଣେ ପ୍ରତିନିଧି ଯେତେବେଳେ ନିଜର କାମ ଆରମ୍ଭ କରେ, ଏହା ଭାବେ କି ଦୁନିଆରେ କେବଳ ତାହାର କ୍ରିୟାହିଁ ପାର୍ଶ୍ଵ ପରିସ୍ଥିତିକୁ ପ୍ରଭାବିତ କରିବ। ମାତ୍ର ଯଦି ଏଭଳି ନହୁଏ (ଯାହାକି ପ୍ରାୟ ଅଧିକାଂଶ କ୍ଷେତ୍ରରେ ହୋଇଥାଏ ) ତେବେ ଅନିଶ୍ଚିତତାକୁ ଦୃଷ୍ଟିରେ ରଖି ପ୍ରତିନିଧିଟିକୁ କାମ କରିବାକୁ ପଡ଼ିଥାଏ । ବହୁଗୁଡ଼ିଏ ପ୍ରତିନିଧି ମିଶି ମଧ୍ୟ ଗୋଟିଏ ଲକ୍ଷରେ ପହଂଚିବା ନିମିତ୍ତ କାମ କରିପାରନ୍ତି।
ଯଦି ଆମେ ଗୋଟିଏ ପ୍ରକାରର ଘଟଣାକୁ ବିଚାରକୁ ନେବା ଯେପରି ଜଣେ ପ୍ରତିନିଧି ଯେତେବେଳେ ନିଜର କାମ ଆରମ୍ଭ କରେ, ଏହା ଭାବେ କି ଦୁନିଆରେ କେବଳ ତାହାର କ୍ରିୟାହିଁ ପାର୍ଶ୍ଵ ପରିସ୍ଥିତିକୁ ପ୍ରଭାବିତ କରିବ। ମାତ୍ର ଯଦି ଏଭଳି ନହୁଏ (ଯାହାକି ପ୍ରାୟ ଅଧିକାଂଶ କ୍ଷେତ୍ରରେ ହୋଇଥାଏ ) ତେବେ ଅନିଶ୍ଚିତତାକୁ ଦୃଷ୍ଟିରେ ରଖି ପ୍ରତିନିଧିଟିକୁ କାମ କରିବାକୁ ପଡ଼ିଥାଏ । ବହୁଗୁଡ଼ିଏ ପ୍ରତିନିଧି ମିଶି ମଧ୍ୟ ଗୋଟିଏ ଲକ୍ଷରେ ପହଂଚିବା ନିମିତ୍ତ କାମ କରିପାରନ୍ତି।

=== ଶିକ୍ଷ୍ୟା ===
[[ଯନ୍ତ୍ର ଶିକ୍ଷ୍ୟା]] ({{lang-en|machine learning}}; ମେସିନ ଲର୍ଣିଂ) ହେଉଛି କୁତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାର ଏକ ମୁଖ୍ୟ ସ୍ତମ୍ଭ। କମ୍ପ୍ୟୁଟରର ଆଲଗୋରିଥମ କିମ୍ବା ପ୍ରଣାଳୀ ଦ୍ୱାରା ଅଭିଜ୍ଞତାରୁ ଆପେ ଆପେ ଶିଖିବା ହେଉଛି ଏହାର ମୁଖ୍ୟ କାମ। ଯନ୍ତ୍ର ଶିକ୍ଷ୍ୟାକୁ ମୁଖ୍ୟତଃ ତିନି ଭାଗରେ ବିଭକ୍ତ କରାଯାଇଛି।

# [[ପର୍ଯ୍ୟାବେକ୍ଷିତ ଶିକ୍ଷ୍ୟା]] ({{lang-en|supervised learning}}; ସୁପରଭାଇଜ଼ଡ଼ ଲର୍ଣିଂ)
# [[ଅପର୍ଯ୍ୟାବେକ୍ଷିତ ଶିକ୍ଷ୍ୟା]] ({{lang-en|unsupervised learning}}; ଅନସୁପରଭାଇଜ଼ଡ଼ ଲର୍ଣିଂ) ଏବଂ
# [[ସୁଦୃଢ଼ୀକରଣ ଶିକ୍ଷ୍ୟା]] ({{lang-en|reinforcement learning}}; ରିଏନ୍ଫୋର୍ସମେଣ୍ଟ ଲର୍ଣିଂ)


== ଲକ୍ଷ୍ୟ ==
== ଲକ୍ଷ୍ୟ ==

୧୩:୧୨, ୩୦ ଜୁନ ୨୦୧୮ ଅନୁସାରେ କରାଯାଇଥିବା ବଦଳ

କିସ୍ମେଟ , କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାର ଅଧିକାରୀ ଏକ ରୋବଟ[୧]

କୃତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା (English: Artificial intelligence; ଆର୍ଟିଫିସିଆଲ ଇନ୍ଟେଲିଜେନ୍ସ; ଏ.ଆଇ.) କହିଲେ ମନୁଷ୍ୟକୃତ ଯନ୍ତ୍ରାଂଶ ଯେପରିକି ରୋବଟ, କମ୍ପ୍ୟୁଟର ଇତ୍ୟାଦିମାନଙ୍କ ମଧ୍ୟରେ ଥିବା କୂତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାକୁ ବୁଝାଏ । ବିଭିନ୍ନ ପ୍ରୋଗ୍ରାମ, ଆଲୋଗୋରିଦମ ଓ ଶିକ୍ଷାଦ୍ୱାରା କୂତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ସୃଷ୍ଟି କରାଯାଇଥାଏ ।

ଯେକୌଣସି ଯନ୍ତ୍ର ଯାହା ତାର ଆଖପାଖର ପରିବେଶକୁ ବୁଝିପାରି ନିଜର କ୍ରିୟାଦ୍ୱାରା ଲକ୍ଷ୍ୟସ୍ଥଳୀରେ ପହଞ୍ଚିବାର ସମ୍ଭାବନାକୁ ଯଦି ବଢ଼ାଇପାରେ ତାହାକୁ କୁତ୍ରିମ ବୁଦ୍ଧିମତା କୁହାଯାଏ । ଅନ୍ୟଏକ ଅର୍ଥରେ, ଏହା ଏକ ଯନ୍ତ୍ର ଯାହା ମନୁଷ୍ୟର ମସ୍ତିଷ୍କ ଭଳି ଚିନ୍ତା କରି ନୂଆ ଜିନିଷ ଶିଖେ ଏବଂ ସମସ୍ୟାର ସମାଧାନ କରିପାରେ।

ସମସ୍ୟା

କୁତ୍ରିମ ବୁଦ୍ଧିମତାର ମୁଖ୍ୟତଃ ଲକ୍ଷ ହେଲା ଏଭଳି ଏକ ପ୍ରଦ୍ୟୋଗିକ କୌଶଳ, ଯାହାଦ୍ୱାରା କମ୍ପ୍ୟୁଟର ଓ ଯନ୍ତ୍ରଗୁଡ଼ିକ ବୁଦ୍ଧିମତାର ସହ କାମ କରିବେ । ସାଧାରଣ ସମସ୍ୟାଗୁଡ଼ିକ ଛୋଟ ଛୋଟ ସମସ୍ୟାରେ ବଣ୍ଟାଯାଇ ଏଠାରେ ଦେଖାଯାଇଛି । ନିମ୍ନ ଲିଖିତ ସମସ୍ୟା ଗୁଡ଼ିକ ସବୁଠାରୁ ଅଧିକ ଆକର୍ଷଣର କେନ୍ଦ୍ରବିନ୍ଦୁ ପାଲଟିଥାଏ ।

ତର୍କ ବା ବିଚାର ସହାୟତାରେ ସମସ୍ୟାର ସମାଧାନ

ପ୍ରାରମ୍ଭରେ ଗବେଷଣକାରୀମାନେ ଏକ କଳନା ଶୈଳୀ ବାହାର କରିଥିଲେ ଯାହାଦ୍ୱାରା ମନୁଷ୍ୟର ମନର ପ୍ରତ୍ୟେକ ବିଚାରକୁ ନକଲ କରି ସମସ୍ୟାର ସମାଧାନ ହୋଇପାରୁଥିଲା । ୮୦ ଏବଂ ୯୦ ଦଶକ ବେଳକୁ ଏଆଇ ଗବେଷଣାକରି ଏଭଳି ପ୍ରକ୍ରିୟା ବାହାର ହେଲା ଯାହାଦ୍ୱାରା ଯନ୍ତ୍ର ଆଗରୁ ଦେଖିନଥିବା ବା ଜାଣିନଥିବା ଅନିର୍ଦ୍ଧିଷ୍ଟ ପରିସ୍ଥିତିରେ ପଡି ମଧ୍ୟ ଲକ୍ଷ ହାସଲ କରିପାରିଲା। ଅର୍ଥଶାସ୍ତ୍ର ଏବଂ ସମ୍ଭାବନା ସହାୟତାରେ ଏହା ସମ୍ଭବ ହୋଇପାରିଥିଲା।

ଏ ସବୁ ସତ୍ୱେ ଏହି ପ୍ରଣାଳୀଟି ବଡ଼ ବଡ଼ ବିଚାରାତ୍ମକ ସମସ୍ୟା ସମାଧାନ କରିବାରେ ଅକ୍ଷମ ଅଟେ । ସମସ୍ୟାଟି ଯେତେ ଯେତେ ବଡ଼ ହୋଇ ହୋଇ ଯାଇଥାଏ ସେହିଅନୁସାରେ ଲକ୍ଷ୍ୟସ୍ଥଳରେ ପହଁଚିବା ନିମିତ୍ତ ଦରକାର ହେଉଥିବା ବିଭିନ୍ନପ୍ରକାରର ମେଳର ସଂଖ୍ୟା ମଧ୍ୟ ବଢି ବଢି ଚାଲେ। ମୁଳତଃ ମନୁଷ୍ୟମାନେ ଗୋଟିଏ ପରେ ଗୋଟିଏ ପଦ ନନେଇ ନିଜର ପ୍ରତିବିଜ୍ଞାନ ବୋଧକ ବିଚାର କରି ବଡ଼ ସମସ୍ୟା ସମାଧାନ କରିଥାନ୍ତି।

ଜ୍ଞାନ ନିରୂପଣ

ଜ୍ଞାନ ନିରୂପଣ (English: Knowledge representation; ନଲେଜ ରିପ୍ରେଜେଣ୍ଟେସନ) ଏବଂ ଜ୍ଞାନ ଅଭିଯାନ୍ତ୍ରିକୀ (English: Knowledge engineering; ନଲେଜ ଇଞ୍ଜିନିଅରିଂ) ଉତ୍କୃଷ୍ଟ ଏଆଇର ପ୍ରମୁଖ ସ୍ତମ୍ଭ ଅଟନ୍ତି ।

ପ୍ରାକୃତିକ ଭାଷା ପ୍ରକ୍ରିୟାକରଣ

ପ୍ରାକୃତିକ ଭାଷା ପ୍ରକ୍ରିୟାକରଣ (English: Natural language processing; ନ୍ୟାଚୁରାଲ ଲାଙ୍ଗୁଏଜ ପ୍ରୋସେସିଂ) ଏକ ଯନ୍ତ୍ରକୁ, ମନୁଷ୍ୟର ଭାଷା ପଢ଼ିବା ଏବଂ ବୁଝିବାର ଶକ୍ତି ପ୍ରଦାନ କରେ।

ଏହାର କେତେକ ପ୍ରୟୋଗ ଆମେ ନିମ୍ନଲିଖିତ ବର୍ଗରେ ଦେଖିବାକୁ ପାଇବା ଯେପରି

ଯୋଜନା

ବୁଦ୍ଧିମାନ ପ୍ରତିନିଧୀ ନିଜେ ନିଜର ଲକ୍ଷ୍ୟ ସ୍ଥିର କରନ୍ତି ଏବଂ ତାହାକୁ ପାଇବାର ସମସ୍ତ କାର୍ଯ୍ୟ ସମ୍ପାଦନ କରିଥାନ୍ତି । ସେମାନଙ୍କୁ ଭବିଷ୍ୟତ ଦେଖିବାର ଗୋଟିଏ ମାଧ୍ୟମ ଆବଶ୍ୟକ, ଯାହାଦ୍ୱାରା ସେମାନେ ଭବିଷ୍ୟତର ଗୋଟିଏ ଅବସ୍ଥା ଦେଖି ତାଙ୍କର ଗତିବିଧି କିଭଳି ଭାବେ ଏହାକୁ ପ୍ରଭାବିତ କରିବ ଏବଂ କଣ ସବୁ ନିର୍ଣ୍ଣୟ ନିଆଗଲେ ଅଧିକ ଲାଭ ମିଳିପାରିବ ସେ ସବୁ ସ୍ଥିର କରିପାରିବେ ।

ଯଦି ଆମେ ଗୋଟିଏ ପ୍ରକାରର ଘଟଣାକୁ ବିଚାରକୁ ନେବା ଯେପରି ଜଣେ ପ୍ରତିନିଧି ଯେତେବେଳେ ନିଜର କାମ ଆରମ୍ଭ କରେ, ଏହା ଭାବେ କି ଦୁନିଆରେ କେବଳ ତାହାର କ୍ରିୟାହିଁ ପାର୍ଶ୍ଵ ପରିସ୍ଥିତିକୁ ପ୍ରଭାବିତ କରିବ। ମାତ୍ର ଯଦି ଏଭଳି ନହୁଏ (ଯାହାକି ପ୍ରାୟ ଅଧିକାଂଶ କ୍ଷେତ୍ରରେ ହୋଇଥାଏ ) ତେବେ ଅନିଶ୍ଚିତତାକୁ ଦୃଷ୍ଟିରେ ରଖି ପ୍ରତିନିଧିଟିକୁ କାମ କରିବାକୁ ପଡ଼ିଥାଏ । ବହୁଗୁଡ଼ିଏ ପ୍ରତିନିଧି ମିଶି ମଧ୍ୟ ଗୋଟିଏ ଲକ୍ଷରେ ପହଂଚିବା ନିମିତ୍ତ କାମ କରିପାରନ୍ତି।

ଶିକ୍ଷ୍ୟା

ଯନ୍ତ୍ର ଶିକ୍ଷ୍ୟା (English: machine learning; ମେସିନ ଲର୍ଣିଂ) ହେଉଛି କୁତ୍ରିମ ବୁଦ୍ଧିମତ୍ତାର ଏକ ମୁଖ୍ୟ ସ୍ତମ୍ଭ। କମ୍ପ୍ୟୁଟରର ଆଲଗୋରିଥମ କିମ୍ବା ପ୍ରଣାଳୀ ଦ୍ୱାରା ଅଭିଜ୍ଞତାରୁ ଆପେ ଆପେ ଶିଖିବା ହେଉଛି ଏହାର ମୁଖ୍ୟ କାମ। ଯନ୍ତ୍ର ଶିକ୍ଷ୍ୟାକୁ ମୁଖ୍ୟତଃ ତିନି ଭାଗରେ ବିଭକ୍ତ କରାଯାଇଛି।

  1. ପର୍ଯ୍ୟାବେକ୍ଷିତ ଶିକ୍ଷ୍ୟା (English: supervised learning; ସୁପରଭାଇଜ଼ଡ଼ ଲର୍ଣିଂ)
  2. ଅପର୍ଯ୍ୟାବେକ୍ଷିତ ଶିକ୍ଷ୍ୟା (English: unsupervised learning; ଅନସୁପରଭାଇଜ଼ଡ଼ ଲର୍ଣିଂ) ଏବଂ
  3. ସୁଦୃଢ଼ୀକରଣ ଶିକ୍ଷ୍ୟା (English: reinforcement learning; ରିଏନ୍ଫୋର୍ସମେଣ୍ଟ ଲର୍ଣିଂ)

ଲକ୍ଷ୍ୟ

ଏଆଇ ର ସେଭଳି କିଛି ନିର୍ଦ୍ଧିଷ୍ଟ ଲକ୍ଷ୍ୟ ନିର୍ଦ୍ଧାରଣ କରାଯାଇନାହିଁ । ମାତ୍ର ଆମେ ମୂଳ ଭାବେ ଏହାକୁ ନିମ୍ନଲିଖିତ ବିଷୟରେ ବିଭାଜିତ କରିପାରିବା ।

ମାନବର ମସ୍ତିଷ୍କ ଅନୁକରଣ କରିବା

ଆମ ଜ୍ଞାତରେ ଯେତେବି ପ୍ରାଣୀ ଅଛନ୍ତି, ମନୁଷ୍ୟର ଚିନ୍ତନ ଶକ୍ତି ସବୁଠାରୁ ବିକଶିତ ଅଟେ । କୁତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଦ୍ୱାରା ଯନ୍ତ୍ରଗୁଡ଼ିକ କିପରି ମନୁଷ୍ୟ ଭଳି କିମ୍ବା ମନୁଷ୍ୟଠୁ ମଧ୍ୟ ଭଲ ଭାବରେ ଚିନ୍ତା କରି ନିର୍ଣ୍ଣୟ ନେଇପାରିବେ ଏହା ହେଉଛି ଏକ ଲକ୍ଷ୍ୟ ।

ଏହି କ୍ଷେତ୍ରରେ ବର୍ତ୍ତମାନ ସବୁଠାରୁ ଉପରେ ଗୁଗଲର ଡିପ୍ ମାଇଣ୍ଡ ଅଛି। ସେମାନେ ଗୁଗଲ ଡ୍ୟୁପ୍ଲେକ୍ସ[୨] ନାମକ ଏକ ଯୋଜନା ଦ୍ୱାରା କୁତ୍ରିମ ବୁଦ୍ଧିମତ୍ତା ଉପଯୋଗ କରି, ଯନ୍ତ୍ରଦ୍ୱାରା ଭୋଜନାଳୟର ଜାଗା ସଂରକ୍ଷଣ କରିବାଠୁ ଆରମ୍ଭ କରି ବାଳ କାଟିବା ସମୟ ମଧ୍ୟ ଆଗୁଆ ସଂରକ୍ଷଣ କରାଯାଇପାରିହେଲାଣି।

ଉପକରଣ

ପ୍ରୟୋଗ

ଦର୍ଶନ ଏବଂ ବିଚାର

ଏହି ଆଧାରଗୁଡ଼ିକୁ ମଧ୍ୟ ଦେଖନ୍ତୁ

ଆଧାର

  1. "Kismet". MIT Artificial Intelligence Laboratory, Humanoid Robotics Group.
  2. https://ai.googleblog.com/2018/05/duplex-ai-system-for-natural-conversation.html