ٹیوٹوریل

مصنوعی ذہانت اور علمی نظام، وہ کیا ہیں اور ممکنہ استعمال

مصنوعی ذہانت کو کاموں ، سرگرمیوں کو انجام دینے اور انسانی ذہن اور قابلیت کے مخصوص مسائل کو حل کرنے کے لئے کمپیوٹیشنل سسٹم کی قابلیت کے طور پر دیکھا جاسکتا ہے۔ 

پڑھنے کا تخمینہ وقت: 7 منٹو

نظم و ضبط انفارمیشن ٹکنالوجی کی ایک شاخ کے طور پر پیدا ہوا تھا ، جس کا مقصد مشینیں بنانے کا تھا:

  • "ہارڈ ویئر اور سافٹ ویئر دونوں"؛
  • ان تمام حالات میں خود مختار طریقے سے کام کرنے کا اہل ہے جس میں کوئی یہ سوچ سکتا ہے کہ صرف ایک انسان ہی سیاق و سباق کو سمجھنے اور اس کے مطابق کام کرنے کے قابل ہے۔

برسوں کے دوران ، مصنوعی ذہانت نے اکثر انسانوں کو مشین سے تبدیل کرنے کے امکانات پر جوابات دینے کے لئے فلسفیانہ بحث کو بھڑکا دیا ہے ... کیا یہ ممکن ہے؟ 

اس سلسلے میں ہم فکر کی دو دھاروں کی شناخت کرسکتے ہیں۔

  • کمزور مصنوعی ذہانت
  • مضبوط مصنوعی ذہانت

ہم کمزور مصنوعی ذہانت (کمزور مصنوعی ذہانت) کے بارے میں بات کرتے ہیں جب اس کا مقصد ایسے نظام کو تشکیل دینا نہیں ہوتا ہے جس میں انسانوں سے موازنہ کرنے والا ذہانت موجود ہو۔ لیکن وہ نظام جو ایک یا زیادہ پیچیدہ انسانی سرگرمیوں میں کامیابی کے ساتھ عمل کر سکتے ہیں ، جیسے متون کا خودکار ترجمہ۔ 

ان معاملات میں ، سافٹ ویئر ، جس کام کے لئے اسے پروگرام کیا گیا تھا اسے انجام دینے میں ، اس طرح کام کرتا ہے جیسے یہ ذہین موضوع ہے ، لیکن اس کے نتیجے کے مقاصد کے لئے اس سے کوئی فرق نہیں پڑتا ہے کہ یہ واقعی ہے یا نہیں۔ 

لہذا ہم ان تمام معاملات میں ضعیف مصنوعی ذہانت کی بات کرتے ہیں جس میں مشین خودمختاری کے ساتھ سوچنے کے قابل نہیں ہے ، لیکن پھر بھی ذہانت کی تقلید کرنے کے قابل ہے۔ 

اس قسم کی AI ان معاملات میں لاگو ہوتی ہے جہاں انسانی علمی عمل کو سمجھنا حتمی نتائج سے متعلق نہیں ہوتا ہے۔ 

ہم مضبوط مصنوعی ذہانت کی بات کرتے ہیں جب مصنوعی ذہانت سے لیس مشین صرف "ٹول" نہیں ہوتی ہے۔ 

اگر صحیح طور پر ترقی یافتہ ہو تو یہ خود ہی ایک سوچنے والا ذہن بن جاتا ہے ، جس میں علمی صلاحیت کے ساتھ انسان سے الگ نہیں ہوتا ہے۔ 

اس فلسفے میں یہ خیال آیا ہے کہ مصنوعی ذہانت کی کچھ شکلیں واقعتا reason انسان کی طرح مسائل کا سبب بن سکتی ہیں اور ان کو حل کرسکتی ہیں ، لہذا مشین یا انسان کے نتائج کی تمیز کرنا ناممکن ہوگا۔

مشین لرننگ (آٹومیٹک لرننگ) کی اصطلاح سے مراد مصنوعی ذہانت کی دنیا سے تعلق رکھنے والے میکانزم کا ایک مجموعہ ہے۔ 

یہ میکانزم ذہین مشین کو وقت کے ساتھ اپنی صلاحیتوں اور کارکردگی کو بہتر بنانے ، خود بخود تجربے کے ساتھ کچھ کام انجام دینے کے ل learning سیکھتے ہیں اور وقت گزرنے کے ساتھ اس کی کارکردگی کو زیادہ سے زیادہ بہتر کرتے ہیں۔ 

اس کی ایک مثال AlphaGo ، سے سافٹ ویئر ہے مشین لرننگ کون مختلف کھلاڑیوں کے دوران گو کے کھلاڑیوں کے لاکھوں چالوں کا مشاہدہ کرکے ، اور خود ہی مشین کے خلاف کھیل کر اس کی تعلیم حاصل کرتا تھا ، اس کا نتیجہ یہ نکلا کہ اس کھیل کو دنیا کا بہترین کھلاڑی سمجھا جاتا ہے۔ 

مشین لرننگ کی تین اہم اقسام ہیں:

  • زیر نگرانی سیکھنے: نظام کو حاصل کیے جانے والے آؤٹ پٹ کے مطابق لیبل لگنے والی مثالیں موصول ہوتی ہیں اور ، تربیت کے ان اعداد و شمار سے شروع کرتے ہوئے ، اسے ایک عام قاعدہ نکالنا ہوگا جو ہر نئے ان پٹ کے ساتھ صحیح لیبل کو جوڑتا ہے۔
  • غیر نگرانی شدہ: یہاں کوئی لیبل لگا ہوا ڈیٹا موجود نہیں ہے ، یہ وہ نظام ہے جس کی معلومات سے شروع ہونے والے اعداد و شمار میں کوئی ڈھانچہ تلاش کرنا ضروری ہے۔
  • کمک سیکھنے: نظام ماحول سے ان پٹ وصول کرتا ہے اور اقدامات کرتا ہے۔ نظام انعامات کے حصول کے لئے اقدامات کرنے کی کوشش کرتا ہے۔ یہ نظام ان اقدامات کو نافذ کرنے کی کوشش کرے گا جو آس پاس کے ماحول کی حالت کے لحاظ سے اجر کو بہتر بناتے ہیں۔

انوویشن نیوز لیٹر
جدت پر سب سے اہم خبروں کو مت چھوڑیں۔ ای میل کے ذریعے انہیں وصول کرنے کے لیے سائن اپ کریں۔
Il Deep Learning مشین لرننگ کا ایک ذیلی زمرہ ہے ، یعنی مصنوعی ذہانت سے تعلق رکھنے والے طریقوں کا ایک کنبہ دماغ کی ساخت اور اس کی افادیت سے متاثر ہے: یا مصنوعی اعصابی نیٹ ورک (مصنوعی اعصابی نیٹ ورک)۔ 

یہ فن تعمیر مختلف حوالوں سے لگائے جاتے ہیں:

  • کمپیوٹر ویژن
  • آڈیو اور بولی جانے والی زبان کی شناخت
  • قدرتی زبان پروسیسنگ
  • بائیو انفارمیٹکس

کی خصوصیات Deep Learning دیگر AI تکنیکوں کے مقابلے:

  • یہ الگورتھم ہیں جو مختلف سطحوں کے غیر لکیری یونٹوں کا استعمال کرتے ہیں۔ ان سطحوں کو کاسکیڈ میں ایسے کاموں کو انجام دینے کے لئے استعمال کیا جاتا ہے جن کو اعداد و شمار سے نکالی گئی خصوصیات میں تبدیلی کی خصوصیات کے طور پر درجہ بندی کیا جاسکتا ہے۔ ہر سطح پچھلے درجے کے آؤٹ پٹ کو بطور ان پٹ استعمال کرتی ہے۔
  • یہ الگورتھم مشین لرننگ کے اندر اعداد و شمار کی نمائندگی سیکھنے کے الگورتھم کے وسیع طبقے میں آتے ہیں۔
  • یہ نمائندگی کے متعدد درجے کے ذریعہ تشکیل دیئے جاتے ہیں جن کو خلاصہ کی مختلف سطحوں کے طور پر سمجھا جاسکتا ہے ، جو تصورات کا ایک درجہ بندی تشکیل دینے کے قابل ہے۔

Il Deep Learning یہ دماغ کی طرح ہی میکانزم کے ساتھ کام کرتا ہے، مشین مشین لرننگ کی طرح خود مختار طریقے سے سیکھتی ہے، لیکن یہ زیادہ "گہرے" طریقے سے ایسا کرتی ہے جیسا کہ انسانی دماغ بھی کرتا ہے۔ گہرائی سے ہمارا مطلب ہے "متعدد تصوراتی سطحوں پر"۔ 

ایسا لگتا ہے کہ کمپیوٹیشنل صلاحیتوں کی مضبوط مانگ ایک حد ہوسکتی ہے، لیکن اس کی توسیع پذیری Deep Learning دستیاب ڈیٹا اور الگورتھم میں اضافہ وہی ہے جو اسے مشین لرننگ سے مختلف کرتا ہے: 

  • میں نظام Deep Learning اعداد و شمار میں اضافہ کے ساتھ وہ اپنی کارکردگی کو بہتر بناتے ہیں۔
  • مشین لرننگ ایپلی کیشنز ، کارکردگی کی ایک خاص حد تک پہنچ جانے کے بعد ، توسیع پزیر نہیں ہیں۔ 
ایک نظام کو تربیت دینے کے لیے Deep Learning عام طور پر آپ ڈیٹا کو لیبل کرتے ہیں۔ 

مثال کے طور پر ، بصری پہچاننے کے میدان میں ، بلیوں پر مشتمل تصویروں میں میٹا ٹیگ "بلی" داخل کی جاسکتی ہے اور ، اس نظام کو یہ بتائے بغیر کہ اسے کیسے پہچانا جاسکتا ہے ، نظام خود ، متعدد درجہ بندی کے ذریعہ ، اندازہ لگائے گا کہ کیا خصوصیات ہیں ایک بلی (پنجوں ، دم ، فر ، وغیرہ) اور اس ل recognize اس کو پہچاننا سیکھیں۔ 

غیر مرتب اعداد و شمار کا مطالعہ ایک گہری سیکھنے والے ماڈل کے ذریعہ کیا جاسکتا ہے جب یہ تشکیل پائے اور درستگی کی قابل قبول سطح تک پہنچ جائے ، لیکن ابتدائی تربیت کے مرحلے کے ل. نہیں۔

Il Deep Learning آج یہ پہلے ہی مختلف شعبوں میں لاگو ہے:

  • جسمانی ڈرائیور کے بغیر کار
  • ڈرون اور روبوٹ جو پارسل کی فراہمی کے لئے یا ہنگامی انتظامیہ کے لئے استعمال ہوتے ہیں
  • چیٹ بوٹس اور سروس روبوٹس کیلئے تقریر کی پہچان اور ترکیب
  • نگرانی کے لئے چہرے کی شناخت
  • پیشن گوئی کی بحالی
علمی کمپیوٹنگ


جدید ترین ہارڈ ویئر ٹکنالوجیوں کا نفاذ ، اور خود سیکھنے والے الگورتھم استعمال کرنا جیسے:

  • اعداد و شمار کوجھنا
  • بڑی ڈیٹا تجزیات
  • پیٹرن کی شناخت
  • قدرتی زبان پروسیسنگ
  • سگنل پروسیسنگ

تکنیکی پلیٹ فارم بنائے گئے ہیں جو تیزی سے پیچیدہ پروسیسنگ تک پہنچنے کے لئے آسان سرگرمیوں سے شروع کرکے ، انسانی دماغ کی نقل کرنے کی کوشش کرتے ہیں۔

سگنل کسی نظام کی جسمانی حالت یا جسمانی مقدار کی عارضی تغیر ہے جو پیغامات کی نمائندگی اور منتقلی کا کام کرتا ہے ، یہ ایک فاصلے پر معلومات ہے ، لہذا اشاروں کا تجزیہ ایک ایسا جز ہے جو علمی کمپیوٹنگ کی حمایت کرتا ہے۔

گوگل ڈیپ مائنڈاور بیدو منوا آج کی سب سے مشہور مثالوں میں دستیاب ہیں۔

مؤرخ کا تذکرہ نہیں کرنا آئی بی ایم واٹسن۔، اپنی نوعیت کا پہلا تجارتی سپر کمپیوٹر۔

متعلقہ ریڈنگز

Ercole Palmeri

جدت کا عادی


انوویشن نیوز لیٹر
جدت پر سب سے اہم خبروں کو مت چھوڑیں۔ ای میل کے ذریعے انہیں وصول کرنے کے لیے سائن اپ کریں۔

حالیہ مضامین

UK کے عدم اعتماد کے ریگولیٹر نے GenAI پر BigTech کا الارم بڑھا دیا۔

UK CMA نے مصنوعی ذہانت کے بازار میں بگ ٹیک کے رویے کے بارے میں ایک انتباہ جاری کیا ہے۔ وہاں…

اپریل 18 2024

کاسا گرین: اٹلی میں پائیدار مستقبل کے لیے توانائی کا انقلاب

عمارتوں کی توانائی کی کارکردگی کو بڑھانے کے لیے یورپی یونین کی طرف سے تیار کردہ "گرین ہاؤسز" فرمان نے اپنے قانون سازی کے عمل کو اس کے ساتھ ختم کیا ہے…

اپریل 18 2024

Casaleggio Associati کی نئی رپورٹ کے مطابق اٹلی میں ای کامرس +27%

اٹلی میں ای کامرس پر Casaleggio Associati کی سالانہ رپورٹ پیش کی۔ "AI-Commerce: The Frontiers of Ecommerce with Artificial Intelligence" کے عنوان سے رپورٹ۔

اپریل 17 2024

شاندار آئیڈیا: Bandalux Airpure® پیش کرتا ہے، وہ پردہ جو ہوا کو صاف کرتا ہے

مسلسل تکنیکی جدت اور ماحول اور لوگوں کی فلاح و بہبود کے عزم کا نتیجہ۔ Bandalux پیش کرتا ہے Airpure®، ایک خیمہ…

اپریل 12 2024

اپنی زبان میں انوویشن پڑھیں

انوویشن نیوز لیٹر
جدت پر سب سے اہم خبروں کو مت چھوڑیں۔ ای میل کے ذریعے انہیں وصول کرنے کے لیے سائن اپ کریں۔

ہمارے ساتھ چلیے