ஏ.ஐ தரவின்றி கற்றுக்கொள்ள முடியுமா?

ஏ.ஐ மற்றும் தரவின் தொடர்பை புரிந்துகொள்ளுதல்

நீங்கள் "ஏ.ஐ எந்த தரவுமின்றி தானாக கற்றுக்கொள்ள முடியுமா?" என்று ஆச்சரியப்படுகிறீர்களா? மிக விரிவான மற்றும் நியாயமான பதிலை பெற, INVIAI உடன் இந்த தலைப்பை ஆழமாக ஆராய்வோம்.

உதாரணமாக, மேற்பார்வை கற்றல் முறையில், ஏ.ஐ மனிதர்கள் லேபிள் செய்த பெரும் தரவுத்தொகுப்புகளிலிருந்து (படங்கள், உரை, ஒலி போன்றவை) மாதிரிகளை அடையாளம் காண கற்றுக்கொள்ளும்.

மேற்பார்வை இல்லாத கற்றல் முறையிலும், ஏ.ஐ தானாக அந்த தரவுக்குள் மறைந்துள்ள அமைப்புகள் அல்லது மாதிரிகளை கண்டுபிடிக்க மூல, லேபிள் செய்யப்படாத தரவை தேவைப்படுத்துகிறது.

ஆகவே, எந்த முறையிலும் இருந்தாலும், ஏ.ஐ தரவால் "போஷிக்கப்பட வேண்டும்" — லேபிள் செய்யப்பட்ட தரவு, தானாக லேபிள் செய்யும் தரவு (சுய மேற்பார்வை) அல்லது உண்மையான சூழல் தரவு. எந்த உள்ளீட்டு தரவும் இல்லாமல், அமைப்பு புதியதை கற்றுக்கொள்ள முடியாது.

பொதுவான ஏ.ஐ கற்றல் முறைகள்

இன்றைய ஏ.ஐ மாதிரிகள் பெரும்பாலும் கீழ்க்காணும் அணுகுமுறைகளில் கற்றுக்கொள்கின்றன:

வலுப்படுத்தல் கற்றல் என்பது ஒரு மென்பொருள் ஏஜென்டுக்கு சுற்றுச்சூழலில் எப்படி நடந்து கொள்ள வேண்டும் என்பதை அதன் நடவடிக்கைகளின் விளைவுகளை அறிவிப்பதன் மூலம் கற்றுக்கொடுக்கிறது.

— விக்கிப்பீடியா

ஏ.ஐ மாதிரி இதுவரை பார்த்திராத பொருட்கள்/கருத்துக்களை அடையாளம் காண அல்லது வகைப்படுத்த பயிற்சி பெறுகிறது.

— ஐ.பி.எம், சூனிய-ஷாட் கற்றலை வரையறுத்தல்

சுருக்கமாக: இந்த அனைத்து முறைகளும் காட்டுகின்றன, தரவின்றி ஏ.ஐ கற்றுக்கொள்ள எந்த மாயாஜால வழியும் இல்லை — எந்தவொரு வடிவிலும். மனிதர் லேபிள் செய்த தரவை குறைத்துக் கொள்ளலாம் அல்லது அனுபவத்திலிருந்து கற்றுக்கொள்ளலாம், ஆனால் எதுவும் இல்லாமல் கற்றுக்கொள்ள முடியாது.

பிரபலமான ஏ.ஐ கற்றல் முறைகள்

முன்னேற்றமான போக்குகள்: நிலையான தரவுக்கு பதிலாக "அனுபவத்திலிருந்து" கற்றல்

ஆராய்ச்சியாளர்கள் இப்போது மனிதர் வழங்கும் தரவை குறைத்து ஏ.ஐ கற்றுக்கொள்ள வழிகளை ஆராய்கின்றனர். உதாரணமாக, DeepMind சமீபத்தில் "அனுபவ அடிப்படையிலான ஏ.ஐ" காலத்தில் "ஸ்ட்ரீம்ஸ்" மாதிரியை முன்மொழிந்தது, இதில் ஏ.ஐ மனிதர் வடிவமைத்த பிரச்சனைகள் மற்றும் கேள்விகளுக்கு பதிலாக, உலகுடன் தானாக தொடர்பு கொண்டு கற்றுக்கொள்ளும்.

ஏஜென்ட்கள் தங்கள் சொந்த அனுபவங்களிலிருந்து தொடர்ச்சியாக கற்றுக்கொள்ள அனுமதிப்பதன் மூலம் இதை அடையலாம் — அதாவது, சுற்றுச்சூழலுடன் தொடர்பு கொண்டு ஏஜென்ட் தானாக உருவாக்கும் தரவு… அனுபவம் மேம்பாட்டிற்கான முதன்மை வழியாக மாறும், இன்றைய மனிதர் வழங்கும் தரவின் அளவை மீறி.

— DeepMind ஆராய்ச்சி, VentureBeat மூலம் மேற்கோள்

மற்ற வார்த்தையில், எதிர்காலத்தில், ஏ.ஐ தானாகவே பரிசோதனை, கவனிப்பு மற்றும் நடவடிக்கை மாற்றம் மூலம் தன் சொந்த தரவை உருவாக்கும் — மனிதர்கள் உண்மையான அனுபவத்திலிருந்து கற்றுக்கொள்ளும் விதமாக.

வியப்பாக, வெளிப்புற பயிற்சி தரவைப் பயன்படுத்தாமலும், AZR கணித மற்றும் நிரலாக்க பணிகளில் சிறந்த செயல்திறனை அடைகிறது, ஆயிரக்கணக்கான லேபிள் செய்யப்பட்ட உதாரணங்களுடன் பயிற்சி பெற்ற மாதிரிகளை கூட மிஞ்சுகிறது. இது ஏ.ஐ தன் சொந்த "தரவுத்தொகுப்பை" தொடர்ச்சியாக சவால்களை உருவாக்கி தீர்த்து உருவாக்கக்கூடியதைக் காட்டுகிறது.

முன்னேற்ற போக்கு - நிலையான தரவுக்கு பதிலாக "அனுபவத்திலிருந்து" கற்றல்

முக்கியமான எடுத்துக்காட்டுகள்

பதிலாக, ஏ.ஐ மனிதர் வழங்கிய தரவிலிருந்து குறைவாக கற்றுக்கொள்ளலாம்:

• லேபிள் செய்யப்படாத தரவைப் பயன்படுத்தி (மேற்பார்வை இல்லாத கற்றல்)
• சுற்றுச்சூழல் பின்னூட்டத்திலிருந்து கற்றல் (வலுப்படுத்தல் கற்றல்)
• தன் சொந்த சவால்களை உருவாக்கி கற்றல் (உதா: AZR மாதிரி)

பல நிபுணர்கள் எதிர்காலத்தில், ஏ.ஐ தன் சொந்த அனுபவத்திலிருந்து அதிகமாக கற்றுக்கொள்ளும், அதுவே மேம்பாட்டிற்கு உதவும் முக்கிய "தரவு" ஆகும் என்று நம்புகின்றனர்.