நியூரல் நெட்வொர்க் என்பது செயற்கை நுண்ணறிவு (AI) துறையில் கணினி தரவுகளை மனித மூளையைப் போல செயலாக்க கற்றுத்தர பயன்படுத்தப்படும் ஒரு முறையாகும். குறிப்பாக, இது இயந்திரக் கற்றல் (machine learning) என்ற தொழில்நுட்பத்தின் ஒரு கிளை ஆழமான கற்றல் (deep learning) ஆகும் – இது மூளையின் நியூரான்கள் போன்ற முடிகள் (nodes) ஒன்றிணைந்து அடுக்கு அமைப்பில் செயல்படும் ஒரு கட்டமைப்பை பயன்படுத்துகிறது.

இந்த அமைப்பு தனிமைப்படுத்திக் கொள்ளும் திறன் கொண்டது, அதாவது கணினி தன்னுடைய தவறுகளிலிருந்து கற்றுக்கொண்டு காலத்துடன் தானாக துல்லியத்தை மேம்படுத்திக் கொள்ளும். "கிரகண நரம்பு" என்ற சொல், மூளையில் நியூரான்கள் ஒருவருக்கொருவர் தகவல் பரிமாறும் முறையைப் பின்பற்றும் இந்த வலைமைப்பின் வடிவமைப்பிலிருந்து வந்தது.

கிரகண நரம்பு வலைமைப்பின் கருத்து மிகவும் பழமையானது (Warren McCulloch மற்றும் Walter Pitts 1943-ஆம் ஆண்டில் முதல் கிரகண நியூரான் மாதிரியை உருவாக்கினர்), ஆனால் 1980-களில் இந்த தொழில்நுட்பம் தரவியல் அறிவியலில் பரவலாக பயன்படுத்தத் தொடங்கியது.

இன்றைய காலத்தில், கிரகண நரம்பு வலை பரவலாக வளர்ந்து பல தொழில்துறைகளிலும் முன்னணி செயற்கை நுண்ணறிவு அமைப்புகளின் அடிப்படையாக உள்ளது. இது ஆழமான கற்றல் கணிதக் கோட்பாடுகளின் முதுகெலும்பாகும் – சமீபத்திய AI முன்னேற்றங்களில் பெரும்பாலானவை ஆழமான கிரகண நரம்பு வலைகளால் உருவாக்கப்பட்டவை.

கிரகண நரம்பு வலையின் கட்டமைப்பு மற்றும் செயல்பாட்டு முறை

கிரகண நரம்பு வலை மனித மூளையின் உயிரியல் அமைப்பிலிருந்து ஊக்கமடைந்து உருவாக்கப்பட்டுள்ளது. மனித மூளையில் கோடிக்கணக்கான நியூரான்கள் சிக்கலான இணைப்புகளுடன் மின்னழுத்தக் குறியீடுகளை பரிமாறுகின்றன; அதேபோல், கிரகண நரம்பு வலை பல கிரகண நியூரான்கள் (மென்பொருள் அலகுகள்) ஒன்றிணைந்து ஒரு பணியைச் செய்யும்.

ஒவ்வொரு கிரகண நியூரான் என்பது ஒரு கணக்கீட்டு செயல்பாடு (அதாவது முடி அல்லது node) ஆகும், இது உள்ளீட்டு குறியீடுகளைப் பெற்று அவற்றை செயலாக்கி அடுத்த நியூரானுக்கு வெளியீட்டு குறியீடுகளை அனுப்புகிறது. நியூரான்கள் இடையேயான இணைப்புகள் மனித மூளையின் சினாப்ஸ் (synapse) போன்றவை.

ஒரு அடிப்படை கிரகண நரம்பு வலை பொதுவாக மூன்று அடுக்கு வகைகளை கொண்டுள்ளது:

• உள்ளீட்டு அடுக்கு: வெளிப்புற உலகிலிருந்து தகவலைப் பெறுகிறது. உள்ளீட்டு அடுக்கின் முடிகள் தரவை ஆரம்ப கட்டத்தில் செயலாக்கி (எ.கா: தரவின் சாதாரணப்படுத்தல், எளிய அம்சங்களை எடுத்துக்காட்டுதல்) அடுத்த அடுக்கிற்கு குறியீடுகளை அனுப்புகின்றன.
• மறை அடுக்கு: உள்ளீட்டு அடுக்கிலிருந்து (அல்லது முந்தைய மறை அடுக்கிலிருந்து) குறியீடுகளை பெற்று மேலும் ஆழமான பகுப்பாய்வு செய்கிறது. கிரகண நரம்பு வலை பல மறை அடுக்குகளை கொண்டிருக்கலாம் (அதாவது வலை ஆழமாக இருக்கும்). ஒவ்வொரு மறை அடுக்கும் முந்தைய அடுக்கின் வெளியீட்டிலிருந்து சிக்கலான அம்சங்களை பிரித்து அடுத்த அடுக்கிற்கு அனுப்புகிறது.
• வெளியீட்டு அடுக்கு: முழு தரவை செயலாக்கி வலைவின் இறுதி முடிவுகளை உருவாக்கும். வெளியீட்டு அடுக்கில் ஒரு அல்லது பல முடிகள் இருக்கலாம், அது பணி சார்ந்தது. உதாரணமாக, இரு வகை பிரிவில் (உண்மை/பொய், உள்ளது/இல்லை) ஒரு முடி போதும்; பல வகை பிரிவில் பல முடிகள் இருக்கும், ஒவ்வொன்றும் ஒரு வகையை பிரதிநிதித்துவம் செய்கிறது.

செயலாக்கத்தின் போது, நியூரான்கள் இடையேயான ஒவ்வொரு இணைப்புக்கும் எடை (weight) வழங்கப்படுகிறது, இது குறியீடுகளின் தாக்கத்தை குறிக்கிறது. மேலும், ஒவ்வொரு நியூரானும் ஒரு செயல்பாட்டு செயல்பாடு மற்றும் ஒரு நெருக்கடியை (threshold) பயன்படுத்துகிறது: உள்ளீட்டு குறியீடுகளின் மொத்தம் (எடை மூலம் பெருக்கப்பட்ட பிறகு) நெருக்கடியை மீறினால், நியூரான் "செயல்படும்" (வெளியீட்டு குறியீடு வெளியிடும்), இல்லையெனில் செயல்படாது.

இந்த முறையால், முக்கியமான குறியீடுகள் (உயர் எடை) வலையில் பரிமாறப்படுகின்றன, குறைந்த முக்கியத்துவம் அல்லது சத்தம் கொண்ட குறியீடுகள் கட்டுப்படுத்தப்படுகின்றன.

ஒரு கிரகண நரம்பு வலை இரண்டு அல்லது அதற்கு மேற்பட்ட மறை அடுக்குகளை கொண்டிருந்தால், அதை ஆழமான கிரகண நரம்பு வலை (deep neural network) என்று அழைக்கின்றனர். ஆழமான கிரகண நரம்பு வலை இன்றைய ஆழமான கற்றல் தொழில்நுட்பத்தின் அடித்தளம் ஆகும். இவை கோடிக்கணக்கான எடைகளை கொண்டுள்ளன மற்றும் உள்ளீடு மற்றும் வெளியீடு இடையேயான மிக சிக்கலான அசமமாற்ற உறவுகளை கற்றுக்கொள்ள முடியும்.

ஆனால் இதற்கான விலை என்பது பெரிய அளவிலான பயிற்சி தரவு மற்றும் பாரம்பரிய இயந்திரக் கற்றல் மாதிரிகளுடன் ஒப்பிடுகையில் அதிக கணினி நேரம் ஆகும்.

கிரகண நரம்பு வலை பயிற்சி செயல்முறை

கிரகண நரம்பு வலை என்பது கடுமையான விதிகளால் நிரலாக்கப்பட்ட அமைப்பு அல்ல, ஆனால் தரவு உதாரணங்களின் மூலம் பணியை கற்றுக்கொள்ளும் அமைப்பாகும். இந்த "கற்றல்" செயல்முறை பயிற்சி (training) என அழைக்கப்படுகிறது.

இந்த செயல்முறையில், வலைக்கு பெரிய அளவிலான உள்ளீட்டு தரவுகள் மற்றும் (பொதுவாக) எதிர்பார்க்கப்படும் வெளியீட்டு தகவல்கள் வழங்கப்படுகின்றன, இதனால் வலை தன்னுடைய உள்ளக எடைகளை தானாக சரிசெய்கிறது. கிரகண நரம்பு அதன் முன்னறிவிப்பு முடிவுகளும் எதிர்பார்க்கப்படும் உண்மையான முடிவுகளும் இடையேயான வேறுபாட்டை பயன்படுத்தி எடைகளை சரிசெய்கிறது, இதனால் செயல்திறன் மேம்படுகிறது.

மற்றொரு முறையில் சொன்னால், ஒவ்வொரு முன்னறிவிப்பிற்குப் பிறகு, வலை முன்னறிவிப்பை உண்மையான பதிலுடன் ஒப்பிட்டு, அடுத்த முறையில் துல்லியமான முன்னறிவிப்பு செய்ய எடைகளை மாற்றிக் கொள்கிறது.

பொதுவாக, பயிற்சியில் பயன்படுத்தப்படும் ஒரு பிரபலமான ஆல்கொரிதம் பின்னோக்கி பரவல் (backpropagation) ஆகும். இது ஒரு மீள்பார்வைச் சுற்று: குறியீடுகள் முன்னேறி வெளியீட்டை கணக்கிடும், பின்னர் பிழை (error) வெளியீடு மற்றும் உண்மையான மதிப்புகளுக்கு இடையேயான வேறுபாடு வலையினுள் பின்புறம் பரவுகிறது.

இந்த பிழையின் அடிப்படையில், வலை எடைகளை புதுப்பிக்கிறது – சரியான முன்னறிவிப்புகளை வழங்கிய இணைப்புகளின் எடைகளை அதிகரித்து, தவறானவற்றின் எடைகளை குறைக்கிறது. இந்த செயல்முறை ஆயிரக்கணக்கான முறை மீண்டும் நடைபெறுகிறது, பிழை ஏற்றுக்கொள்ளக்கூடிய அளவுக்குள் குறையும் வரை.

பயிற்சிக்குப் பிறகு, கிரகண நரம்பு பொதுவாக்கம் செய்ய முடியும்: அது கற்றுக்கொண்ட தரவுகளுக்கு மட்டுமல்லாமல், புதிய, முன்பு காணாத தரவுகளுக்கும் முன்னறிவிப்பு செய்யும் திறன் பெறுகிறது. பயிற்சி கணினி கண்காணிப்புடன், கண்காணிப்பின்றி, அல்லது பலன்கள்/தண்டனைகள் மூலம் செய்யப்படலாம், பணி சார்ந்தது.

முக்கியமாக, பயிற்சியடைந்த கிரகண நரம்பு வலை வலுவான கருவியாக மாறி, தரவை வகைப்படுத்த, அடையாளம் காண, அல்லது துல்லியமான முன்னறிவிப்புகளை விரைவாக செய்ய உதவுகிறது – உதாரணமாக, கூகிளின் தேடல் ஆல்கொரிதம் ஒரு பிரபலமான பெரிய அளவிலான கிரகண நரம்பு வலை ஆகும்.

கிரகண நரம்பு வலைக்கான பல்வேறு கட்டமைப்புகள் உருவாக்கப்பட்டுள்ளன, அவை தரவின் வகை மற்றும் பணிக்கேற்ப மாறுபடுகின்றன.

பிரபலமான கட்டமைப்புகளில்: முன்னோக்கி பரவல் வலை (feedforward neural network – எளிய வடிவம், உள்ளீட்டிலிருந்து வெளியீட்டிற்கு ஒரே திசையில் குறியீடுகள்), மறுபடியும் நரம்பு வலை (recurrent neural network, RNN – உரை அல்லது ஒலி போன்ற தொடர் தரவுகளுக்கு), கூட்டல் நரம்பு வலை (convolutional neural network, CNN – படங்கள்/வீடியோக்கள் போன்ற தரவுகளுக்கு), மற்றும் தானாக குறியாக்கி (autoencoder – தரவை சுருக்க மற்றும் அம்சங்களை கற்றல்) ஆகியவை அடங்கும்.

ஒவ்வொரு வகை வலையும் சிறிது வேறுபட்ட கட்டமைப்பும் செயல்பாடும் கொண்டாலும், அனைத்தும் பொதுவாக பல நியூரான்கள் இணைந்து தரவிலிருந்து கற்றுக்கொள்வது என்ற அடிப்படையை பின்பற்றுகின்றன.

கிரகண நரம்பு வலையின் நடைமுறை பயன்பாடுகள்

சிக்கலான மாதிரிகளை கற்றுக்கொள்ளும் மற்றும் செயலாக்கும் திறனுக்காக, கிரகண நரம்பு வலை பல துறைகளில் பரவலாக பயன்படுத்தப்படுகிறது. கீழே சில முக்கிய பயன்பாடுகள் கொடுக்கப்பட்டுள்ளன:

கணினி பார்வை:

கிரகண நரம்பு வலை கணினிகளுக்கு படங்கள் மற்றும் வீடியோக்களின் உள்ளடக்கத்தை மனிதர்களைப் போல "பார்க்க" மற்றும் புரிந்துகொள்ள உதவுகிறது. உதாரணமாக, தானாக இயக்கும் வாகனங்களில், கிரகண நரம்பு வலை போக்குவரத்து சின்னங்கள், பாதசாரிகள், வாகனங்கள் போன்றவற்றை கேமரா படங்களிலிருந்து அடையாளம் காண பயன்படுத்தப்படுகிறது.

CNN மாதிரிகள் படங்களில் உள்ள பொருட்களை (முகம் அடையாளம், பூனை மற்றும் நாய் வேறுபாடு போன்றவை) தானாக வகைப்படுத்த உதவுகின்றன மற்றும் துல்லியமாக மாறி வருகின்றன.

குரல் செயலாக்கம்:

ஆமசான் அலெக்சா, கூகிள் அசிஸ்டன்ட், சிரி போன்ற மெய்நிகர் உதவியாளர்கள் கிரகண நரம்பு வலை அடிப்படையில் குரல் அடையாளம் மற்றும் மனித உரையை புரிந்துகொள்கின்றன. இந்த தொழில்நுட்பம் குரலை உரையாக மாற்ற, குரல் கட்டளைகளை செயல்படுத்த, அல்லது குரலை நகலெடுக்க உதவுகிறது.

கிரகண நரம்பு வலை குரல் அம்சங்களை (உதாரணமாக, சுருதி, உச்சரிப்பு) பகுப்பாய்வு செய்து, பேசுபவரின் மண்டல அல்லது மொழி வேறுபாடுகளைப் பொருட்படுத்தாமல் புரிந்துகொள்ள முடியும்.

இயற்கை மொழி செயலாக்கம் (NLP):

மொழி துறையில், கிரகண நரம்பு வலை இயற்கை மொழியை பகுப்பாய்வு செய்து உருவாக்க பயன்படுத்தப்படுகிறது. மொழிபெயர்ப்பு, சாட்பாட், தானியங்கி கேள்வி-பதில் அமைப்புகள் மற்றும் சமூக வலைதளங்களில் உணர்ச்சி பகுப்பாய்வு போன்ற பயன்பாடுகள் RNN அல்லது நவீன Transformer கட்டமைப்புகளைப் பயன்படுத்தி மனித மொழியை புரிந்து பதிலளிக்கின்றன. இதனால் கணினிகள் இலக்கணம், பொருள் மற்றும் சூழலை கற்றுக்கொண்டு இயற்கையான உரையாடலை மேற்கொள்ள முடிகிறது.

நிதி - வணிகம்:

நிதி துறையில், கிரகண நரம்பு வலை பங்கு விலை, வெளிநாட்டு நாணய விகிதம், வட்டி விகிதம் போன்ற சந்தை மாற்றங்களை முன்னறிவிப்பு செய்ய பயன்படுகிறது. கடந்த கால தரவுகளில் உள்ள மாதிரிகள் அடையாளம் காண்பதன் மூலம் எதிர்கால போக்குகளை கணிக்கவும், மோசடி (எ.கா., அசாதாரண கிரெடிட் கார்டு பரிவர்த்தனைகள்) கண்டறியவும் உதவுகிறது.

பல வங்கிகள் மற்றும் காப்பீட்டு நிறுவனங்கள் கிரகண நரம்பு வலை மூலம் ஆபத்துக்களை மதிப்பீடு செய்து கடன் அங்கீகாரம், முதலீட்டு மேலாண்மை போன்ற முடிவுகளை சிறப்பாக எடுக்கின்றன.

மருத்துவம் - சுகாதாரம்:

மருத்துவத் துறையில், கிரகண நரம்பு வலை மருத்துவர்கள் நோய்களை கண்டறிந்து சிகிச்சை முடிவுகளை எடுக்க உதவுகிறது. ஒரு எடுத்துக்காட்டு, CNN பயன்படுத்தி எக்ஸ்ரே, எம்ஆர்ஐ, செல்கள் படங்களை பகுப்பாய்வு செய்து மனித கண்களுக்கு தெரியாத நோய்க்குறிகளை கண்டறிதல் ஆகும்.

மேலும், கிரகண நரம்பு வலை தொற்று நோய்களின் பரவலை முன்னறிவித்து, ஜீன் தொடர்களை பகுப்பாய்வு செய்து, பெரிய அளவிலான ஜீன் மற்றும் மருத்துவ பதிவுகளின் அடிப்படையில் தனிப்பட்ட சிகிச்சை திட்டங்களை உருவாக்க உதவுகிறது. இது மருத்துவத் துல்லியத்தையும் சிகிச்சை வேகத்தையும் மேம்படுத்துகிறது.

>>> அறிய கிளிக் செய்யவும்:

கணினி பார்வை என்றால் என்ன? பயன்பாடுகள் மற்றும் செயல்பாட்டு முறை

இயற்கை மொழி செயலாக்கம் என்றால் என்ன?

தெரிந்துகொள்ளலாம், கிரகண நரம்பு வலை இன்றைய AI முன்னேற்றங்களின் முக்கிய அடித்தளமாகும். இந்த தொழில்நுட்பம் கணினிகளுக்கு தரவிலிருந்து கற்றுக்கொள்ள மற்றும் மனிதர்களின் குறைந்த தலையீட்டுடன் புத்திசாலித்தனமான முடிவுகளை எடுக்க உதவுகிறது, ஏனெனில் இது உள்ளீடு மற்றும் வெளியீடு தரவுகளுக்கு இடையேயான சிக்கலான அசமமாற்ற உறவுகளை மாதிரியாக்குகிறது.

படங்கள், ஒலி பகுப்பாய்வு முதல் மொழி புரிதல் மற்றும் போக்குவரத்து முன்னறிவிப்புகள் வரை, கிரகண நரம்பு வலை புதிய வாய்ப்புகளை உருவாக்கியுள்ளது. எதிர்காலத்தில், பெரிய தரவு மற்றும் கணினி சக்தி வளர்ச்சியுடன், கிரகண நரம்பு வலை மேலும் மேம்பட்டு பல புதிய பயன்பாடுகளை கொண்டு வரும், அத்துடன் அடுத்த தலைமுறை புத்திசாலி தொழில்நுட்பங்களை வடிவமைக்க உதவும்.

மேலும் தகவலுக்கு INVIAI ஐ பின்தொடர்ந்து பயனுள்ள தகவல்களை பெறுங்கள்!