क्यों कृत्रिम बुद्धि सिखाया जाता है करने के लिए अपने को फिर से लिखना कोड?

हाल ही में, एक कंपनी को सक्षम करने के लिए मशीन को प्रभावी ढंग से जानने के उदाहरण पर एक छोटी राशि में और अपने ज्ञान को सुधारने के रूप में नया उदाहरण है । यह कर सकते हैं हर जगह इस्तेमाल किया, उदाहरण के लिए, सिखाने के लिए स्मार्टफोन पहचान करने के लिए उपयोगकर्ता वरीयताओं या मदद करने के लिए स्वायत्त प्रणोदन प्रणालियों के लिए जल्दी से बाधाओं की पहचान है.

पुरानी कहावत "पुनरावृत्ति है सीखने की माँ" अच्छी तरह से लागू करने के लिए मशीनों । कई आधुनिक कृत्रिम बुद्धि में ऑपरेटिंग सिस्टम के उपकरणों पर भरोसा करते हैं कि पुनरावृत्ति सीखने की प्रक्रिया में है । एल्गोरिदम गहरी सीखने के लिए अनुमति ऐ उपकरणों को निकालने के लिए ज्ञान से डेटा सेट और फिर लागू करने के लिए वे क्या सीखा है में विशिष्ट स्थितियों. उदाहरण के लिए, यदि आप फ़ीड एअर इंडिया प्रणाली है कि सबूत है, आम तौर पर नीले रंग की है, और बाद में वह शुरू हो जाएगा जानने के लिए आकाश के बीच छवियों.

इस पद्धति का उपयोग करके यह संभव है कि बाहर ले जाने के लिए जटिल काम है, लेकिन यह, ज़ाहिर है, बहुत पत्ते वांछित होने के लिए. लेकिन यह संभव हो जाएगा प्राप्त करने के लिए एक ही परिणाम अगर तुम न आना प्रणाली, गहरी सीखने एअर इंडिया का उपयोग कर कम उदाहरण है? Gamalon बोस्टन स्टार्टअप विकसित किया गया है के लिए एक नई तकनीक की कोशिश करने के लिए इस सवाल का जवाब है, और इस सप्ताह के शुरू में दो उत्पादों का उपयोग करें कि नया दृष्टिकोण है.

Gamalon की तकनीक का उपयोग करता Bayesian प्रोग्रामिंग, कार्यक्रम के संश्लेषण है । यह आधारित है पर 18 वीं सदी में गणित के द्वारा विकसित गणितज्ञ थॉमस Bayes है । बायेसियन संभावना है प्रयोग किया जाता है परिष्कृत करने के लिए के बारे में भविष्यवाणी का उपयोग कर दुनिया का अनुभव. इस फार्म के संभाव्य प्रोग्रामिंग है जब कोड का उपयोग करता है की संभावना नहीं है, लेकिन एक विशिष्ट मूल्य की आवश्यकता है कम उदाहरणों में एक निष्कर्ष आकर्षित करने के लिए, उदाहरण के लिए, कि आकाश नीले रंग के धब्बे के साथ सफेद बादलों है । इस कार्यक्रम में भी स्पष्ट किया के रूप में अपने ज्ञान और आगे सीखने उदाहरण के लिए, और कोड फिर से लिखा जा सकता सही करने के लिए की संभावना है.

संभाव्य प्रोग्रामिंग

इस नए दृष्टिकोण प्रोग्रामिंग करने के लिए अभी भी अपनी समस्याओं को संबोधित करने की जरूरत है, यह महत्वपूर्ण क्षमता को स्वचालित करने के लिए विकास की मशीन सीखने एल्गोरिदम. "संभाव्य प्रोग्रामिंग आसान मशीन सीखने के लिए शोधकर्ताओं और चिकित्सकों बताते हैं," ब्रेंडन झील, शोधकर्ता में न्यूयॉर्क विश्वविद्यालय है, जो काम पर संभाव्य प्रोग्रामिंग तकनीक में 2015. "वह क्षमता है, की देखभाल करने के लिए जटिल भागों की प्रोग्रामिंग."

महानिदेशक के सीईओ और सह-संस्थापक बेन Vigoda दिखाया एमआईटी प्रौद्योगिकी की समीक्षा नमूना ड्राइंग के लिए आवेदन का उपयोग करता है जो उनकी नई विधि है । यह करने के लिए समान है क्या गूगल, पिछले साल जारी, कि भविष्यवाणी की है क्या व्यक्ति की कोशिश कर रहा है आकर्षित करने के लिए । और अधिक पढ़ें . लेकिन गूगल के विपरीत, पर निर्भर करता है जो नमूने पहले से ही देखा गया है इससे पहले, आवेदन Gamalon पर निर्भर करता है, संभाव्य प्रोग्रामिंग में एक प्रयास करने के लिए पहचान की प्रमुख विशेषताओं में वस्तु. इस प्रकार, यहां तक कि अगर आप एक आकार आकर्षित कि उन लोगों से अलग है आवेदन में डेटाबेस से पहले यह पहचान कर सकते हैं विशिष्ट लक्षण — उदाहरण के लिए, एक वर्ग के साथ एक त्रिकोण के शीर्ष पर (घर में) — यह कर देगा सही भविष्यवाणी.

दो प्रस्तुत Gamalon उत्पाद है कि दिखाने के उनके तरीकों पा सकते हैं वाणिज्यिक आवेदन में निकट समय है । उत्पाद Gamalon संरचना का उपयोग करता है एक Bayesian संश्लेषण सॉफ्टवेयर का पता लगाने के लिए अवधारणाओं से सादे पाठ और पहले से ही दस्तक की प्रभावशीलता पर अन्य कार्यक्रमों के । उदाहरण के लिए, प्राप्त करने के बाद विवरण टीवी के निर्माता से, यह पहचान कर सकते हैं ब्रांड, उत्पाद नाम, स्क्रीन संकल्प, आकार और अन्य सुविधाओं. एक और आवेदन — Gamalon मैच वितरित करता है और उत्पादों की कीमतों में दुकान सूची. दोनों ही मामलों में, इस प्रणाली को जल्दी से पहचान करने के लिए सीखता बदलाव के परिवर्णी शब्द या लघुरूप है.

Vigoda उल्लेख किया है कि वहाँ रहे हैं अन्य संभावित अनुप्रयोगों । उदाहरण के लिए, यदि आप लैस बायेसियन मशीन सीखने मॉडल स्मार्टफोन या लैपटॉप है, वे नहीं होगा साझा करने के लिए व्यक्तिगत डेटा के साथ बड़ी कंपनियों को निर्धारित करने के लिए उपयोगकर्ताओं के हितों; गणना करेगा प्रभावी ढंग से बाहर ले जाने के उपकरण है । स्वायत्त मशीन कर सकते हैं करने के लिए सीखने के लिए अनुकूल वातावरण में बहुत तेजी से इस विधि का उपयोग करने के लिए सीखने के लिए ।

यदि आप को पढ़ाने के लिए कृत्रिम बुद्धि, अपने दम पर जानने के लिए समय लगता है हो सकता है पर एक पट्टा है.