आर्टिफिशियल इंटेलिजेंस क्या है? परिचय, इतिहास और AI के प्रकार

आर्टिफिशियल इंटेलिजेंस (AI) क्या है?

AI (आर्टिफिशियल इंटेलिजेंस) एक मशीन की मनुष्यों की तरह संज्ञानात्मक कार्य करने की क्षमता है, जैसे कि समझना, सीखना, तर्क करना और समस्याओं को हल करना। एआई के लिए बेंचमार्क तर्क, भाषण और दृष्टि की टीमों में मानव स्तर है।

इस में आर्टिफिशियल इंटेलिजेंस ट्यूटोरियल, आप निम्नलिखित AI मूल बातें सीखेंगे-

कृत्रिम बुद्धिमत्ता के स्तर का परिचय

आजकल, लगभग सभी उद्योगों में एआई का उपयोग किया जाता है, जिससे बड़े पैमाने पर एआई को एकीकृत करने वाली सभी कंपनियों को तकनीकी बढ़त मिलती है। मैकिन्से के अनुसार, एआई में खुदरा क्षेत्र में 600 बिलियन डॉलर का मूल्य बनाने की क्षमता है, जो अन्य एनालिटिक्स तकनीकों की तुलना में बैंकिंग में 50 प्रतिशत अधिक वृद्धिशील मूल्य लाता है। परिवहन और रसद में, संभावित राजस्व वृद्धि 89% अधिक है।

ठोस रूप से, यदि कोई संगठन अपनी मार्केटिंग टीम के लिए AI का उपयोग करता है, तो यह सामान्य और दोहराव वाले कार्यों को स्वचालित कर सकता है, जिससे बिक्री प्रतिनिधि संबंध निर्माण, लीड पोषण आदि पर ध्यान केंद्रित कर सकता है। गोंग नामक एक कंपनी वार्तालाप खुफिया सेवा प्रदान करती है। हर बार जब कोई बिक्री प्रतिनिधि फ़ोन कॉल करता है, तो मशीन चैट को रिकॉर्ड करती है, ट्रांसक्राइब करती है और उसका विश्लेषण करती है। वीपी जीतने की रणनीति तैयार करने के लिए AI एनालिटिक्स और अनुशंसा का उपयोग कर सकता है।

संक्षेप में, AI जटिल डेटा से निपटने के लिए अत्याधुनिक तकनीक प्रदान करता है जिसे कोई इंसान संभाल नहीं सकता। AI अनावश्यक कार्यों को स्वचालित करता है जिससे कर्मचारी उच्च स्तरीय, मूल्यवर्धित कार्यों पर ध्यान केंद्रित कर सकता है। जब AI को बड़े पैमाने पर लागू किया जाता है, तो इससे लागत में कमी आती है और राजस्व में वृद्धि होती है।

आर्टिफिशियल इंटेलिजेंस का इतिहास

आर्टिफिशियल इंटेलिजेंस आज एक प्रचलित शब्द है, हालाँकि यह शब्द नया नहीं है। 1956 में, विभिन्न पृष्ठभूमियों के अवंत-गार्डे विशेषज्ञों ने AI पर एक ग्रीष्मकालीन शोध परियोजना आयोजित करने का निर्णय लिया। चार प्रतिभाशाली दिमागों ने इस परियोजना का नेतृत्व किया; जॉन मैकार्थी (डार्टमाउथ कॉलेज), मार्विन मिंस्की (हार्वर्ड यूनिवर्सिटी), नाथनियल रोचेस्टर (IBM), और क्लाउड शैनन (बेल टेलीफोन प्रयोगशालाएँ)।

यहां कृत्रिम बुद्धिमत्ता का संक्षिप्त इतिहास दिया गया है:

आर्टिफिशियल इंटेलिजेंस के लक्ष्य

एआई के मुख्य लक्ष्य इस प्रकार हैं:

• यह आपको विशिष्ट कार्यों को करने में लगने वाले समय को कम करने में मदद करता है।
• मनुष्यों के लिए मशीनों के साथ बातचीत करना आसान बनाना।
• मानव-कम्प्यूटर अन्तर्क्रिया को अधिक स्वाभाविक एवं कुशल तरीके से सुगम बनाना।
• चिकित्सा निदान की सटीकता और गति में सुधार करना।
• लोगों को नई जानकारी शीघ्रता से सीखने में सहायता करना।
• मनुष्यों और मशीनों के बीच संचार को बढ़ाना।

कृत्रिम बुद्धिमत्ता के उपक्षेत्र

यहां कृत्रिम बुद्धिमत्ता के कुछ महत्वपूर्ण उपक्षेत्र दिए गए हैं:

मशीन लर्निंग: मशीन लर्निंग एल्गोरिदम का अध्ययन करने की कला है जो उदाहरणों और अनुभवों से सीखती है। मशीन लर्निंग इस विचार पर आधारित है कि डेटा में कुछ पैटर्न की पहचान की गई और भविष्य की भविष्यवाणियों के लिए उनका उपयोग किया गया। हार्डकोडिंग नियमों से अंतर यह है कि मशीन ऐसे नियमों को खोजना सीखती है।

गहरी सीख: डीप लर्निंग मशीन लर्निंग का एक उप-क्षेत्र है। डीप लर्निंग का मतलब यह नहीं है कि मशीन अधिक गहराई से ज्ञान सीखती है; यह डेटा से सीखने के लिए विभिन्न परतों का उपयोग करती है। मॉडल की गहराई मॉडल में परतों की संख्या से दर्शाई जाती है। उदाहरण के लिए, छवि पहचान के लिए Google LeNet मॉडल में 22 परतें हैं।

प्राकृतिक भाषा संसाधन: न्यूरल नेटवर्क कनेक्टेड I/O इकाइयों का एक समूह है, जहाँ प्रत्येक कनेक्शन का अपने कंप्यूटर प्रोग्राम से जुड़ा एक वज़न होता है। यह आपको बड़े डेटाबेस से पूर्वानुमानित मॉडल बनाने में मदद करता है। यह मॉडल मानव तंत्रिका तंत्र पर आधारित है। आप इस मॉडल का उपयोग छवि समझ, मानव सीखने, कंप्यूटर भाषण आदि के संचालन के लिए कर सकते हैं।

विशेषज्ञ प्रणालियां: विशेषज्ञ प्रणाली एक संवादात्मक और विश्वसनीय कंप्यूटर-आधारित निर्णय लेने वाली प्रणाली है जो जटिल निर्णय लेने की समस्याओं को हल करने के लिए तथ्यों और अनुमानों का उपयोग करती है। इसे मानव बुद्धि के उच्चतम स्तर पर भी माना जाता है। विशेषज्ञ प्रणाली का मुख्य लक्ष्य किसी विशिष्ट डोमेन में सबसे जटिल मुद्दों को हल करना है।

अस्पष्ट तर्क: फ़ज़ी लॉजिक को कई-मूल्यवान तर्क के रूप में परिभाषित किया जाता है, जिसमें 0 और 1 के बीच किसी भी वास्तविक संख्या में चर के सत्य मान हो सकते हैं। यह आंशिक सत्य की एक हैंडल अवधारणा है। वास्तविक जीवन में, हम ऐसी स्थिति का सामना कर सकते हैं जहाँ हम यह तय नहीं कर सकते कि कथन सत्य है या असत्य।

आर्टिफिशियल इंटेलिजेंस के प्रकार

कृत्रिम बुद्धिमत्ता के तीन मुख्य प्रकार हैं: नियम-आधारित, निर्णय वृक्ष, और तंत्रिका नेटवर्क।

• संकीर्ण एआई एक प्रकार का एआई है जो आपको बुद्धिमत्ता के साथ एक समर्पित कार्य करने में मदद करता है।
• सामान्य एआई एक प्रकार की एआई बुद्धिमत्ता है जो किसी भी बौद्धिक कार्य को मानव की तरह कुशलतापूर्वक कर सकती है।
• नियम-आधारित AI पूर्व-निर्धारित नियमों के एक सेट पर आधारित है जो इनपुट डेटा सेट पर लागू होते हैं। सिस्टम फिर एक संगत आउटपुट तैयार करता है।
• निर्णय वृक्ष AI नियम-आधारित AI के समान है, जिसमें यह निर्णय लेने के लिए पूर्व-निर्धारित नियमों के सेट का उपयोग करता है। हालाँकि, निर्णय वृक्ष विभिन्न विकल्पों पर विचार करने के लिए शाखाओं और लूपिंग की भी अनुमति देता है।
• सुपर एआई एक प्रकार का एआई है जो कंप्यूटरों को मानव भाषा समझने और स्वाभाविक तरीके से प्रतिक्रिया देने में सक्षम बनाता है।
• रोबोट इंटेलिजेंस एक प्रकार की एआई है जो रोबोट को तर्क, योजना और सीखने सहित जटिल संज्ञानात्मक क्षमताएं प्रदान करती है।

एआई बनाम मशीन लर्निंग

हमारे ज़्यादातर स्मार्टफोन, रोज़मर्रा की डिवाइस या यहाँ तक कि इंटरनेट भी आर्टिफिशियल इंटेलिजेंस का इस्तेमाल करते हैं। अक्सर, AI और मशीन लर्निंग का इस्तेमाल बड़ी कंपनियों द्वारा एक दूसरे के स्थान पर किया जाता है जो अपने नवीनतम इनोवेशन की घोषणा करना चाहती हैं। हालाँकि, मशीन लर्निंग और AI कुछ मायनों में अलग हैं।

AI- कृत्रिम बुद्धिमत्ता- मशीनों को मानवीय कार्य करने के लिए प्रशिक्षित करने का विज्ञान है। इस शब्द का आविष्कार 1950 के दशक में हुआ था जब वैज्ञानिकों ने यह पता लगाना शुरू किया था कि कंप्यूटर किस तरह से समस्याओं को अपने आप हल कर सकते हैं।

आर्टिफिशियल इंटेलिजेंस एक ऐसा कंप्यूटर है जिसमें इंसानों जैसे गुण होते हैं। हमारे दिमाग को ही लें; यह हमारे आस-पास की दुनिया की गणना करने के लिए सहजता और सहजता से काम करता है। आर्टिफिशियल इंटेलिजेंस वह अवधारणा है जिससे कंप्यूटर भी वही कर सकता है। यह कहा जा सकता है कि AI एक बड़ा विज्ञान है जो मानवीय योग्यताओं की नकल करता है।

मशीन लर्निंग एआई का एक अलग उपसमूह है जो मशीन को सीखने के लिए प्रशिक्षित करता है। मशीन लर्निंग मॉडल डेटा में पैटर्न की तलाश करते हैं और निष्कर्ष निकालने की कोशिश करते हैं। संक्षेप में, मशीन को लोगों द्वारा स्पष्ट रूप से प्रोग्राम किए जाने की आवश्यकता नहीं है। प्रोग्रामर कुछ उदाहरण देते हैं, और कंप्यूटर उन नमूनों से सीखता है कि क्या करना है।

डीप लर्निंग और मशीन लर्निंग बनाम एआई के बीच अंतर भी पढ़ें, यहां क्लिक करे.

AI का उपयोग कहां किया जाता है? उदाहरण

अब इस शुरुआती ट्यूटोरियल में, हम AI के विभिन्न अनुप्रयोगों को सीखेंगे:

एआई के व्यापक अनुप्रयोग हैं-

• आर्टिफिशियल इंटेलिजेंस का इस्तेमाल बार-बार दोहराए जाने वाले कामों को कम करने या टालने के लिए किया जाता है। उदाहरण के लिए, AI बिना थके लगातार एक काम को दोहरा सकता है। AI कभी आराम नहीं करता और यह काम को करने के प्रति उदासीन रहता है।
• आर्टिफिशियल इंटेलिजेंस मौजूदा उत्पाद को बेहतर बनाता है। मशीन लर्निंग के युग से पहले, मुख्य उत्पाद हार्ड-कोड नियमों पर बनाए जाते थे। फर्मों ने नए उत्पादों को डिजाइन करने के लिए शुरुआत से शुरू करने के बजाय उत्पाद की कार्यक्षमता को बढ़ाने के लिए आर्टिफिशियल इंटेलिजेंस की शुरुआत की। आप फेसबुक इमेज के बारे में सोच सकते हैं। कुछ साल पहले, आपको अपने दोस्तों को मैन्युअल रूप से टैग करना पड़ता था। आजकल, AI की मदद से फेसबुक आपको एक दोस्त की सिफारिश देता है।

मार्केटिंग से लेकर सप्लाई चेन, फाइनेंस, फूड-प्रोसेसिंग सेक्टर तक सभी उद्योगों में AI का इस्तेमाल किया जाता है। मैकिन्से के एक सर्वेक्षण के अनुसार, वित्तीय सेवाएँ और हाई टेक संचार AI के क्षेत्र में अग्रणी हैं।

अब एआई का तेजी से विकास क्यों हो रहा है?

अब इस आर्टिफिशियल इंटेलिजेंस टेस्टिंग ट्यूटोरियल में, आइए जानें कि AI आजकल क्यों तेजी से लोकप्रिय हो रहा है। आइए नीचे दिए गए आरेख से समझते हैं।

नब्बे के दशक से ही यान लेकुन के मौलिक शोधपत्र के साथ न्यूरल नेटवर्क की चर्चा हो रही है। हालाँकि, यह वर्ष 2012 के आसपास प्रसिद्ध होना शुरू हुआ। इसकी लोकप्रियता के तीन महत्वपूर्ण कारक हैं:

1. हार्डवेयर
2. जानकारी
3. कलन विधि

मशीन लर्निंग एक प्रयोगात्मक क्षेत्र है, जिसका अर्थ है कि नए विचारों या दृष्टिकोणों का परीक्षण करने के लिए इसे डेटा की आवश्यकता होती है। इंटरनेट के उछाल के साथ, डेटा अधिक आसानी से सुलभ हो गया। इसके अलावा, NVIDIA और AMD जैसी दिग्गज कंपनियों ने गेमिंग बाजार के लिए उच्च-प्रदर्शन ग्राफिक्स चिप्स विकसित किए हैं।

हार्डवेयर

पिछले बीस सालों में, CPU की शक्ति में बहुत वृद्धि हुई है, जिससे उपयोगकर्ता किसी भी लैपटॉप पर एक छोटे डीप-लर्निंग मॉडल को प्रशिक्षित कर सकता है। हालाँकि, कंप्यूटर विज़न या डीप लर्निंग के लिए डीप-लर्निंग मॉडल को प्रोसेस करने के लिए आपको अधिक शक्तिशाली मशीन की आवश्यकता होती है। NVIDIA और AMD के निवेश की बदौलत, GPU (ग्राफ़िकल प्रोसेसिंग यूनिट) की एक नई पीढ़ी उपलब्ध है। ये चिप्स समानांतर गणना की अनुमति देते हैं, और मशीन गणनाओं को गति देने के लिए कई GPU पर गणनाओं को अलग कर सकती है।

उदाहरण के लिए, NVIDIA TITAN X के साथ, नामक मॉडल को प्रशिक्षित करने में दो दिन लगते हैं IMAGEnet पारंपरिक CPU के लिए यह समय सप्ताहों के बराबर है। इसके अलावा, बड़ी कंपनियाँ NVIDIA Tesla K80 के साथ डीप लर्निंग मॉडल को प्रशिक्षित करने के लिए GPU के क्लस्टर का उपयोग करती हैं क्योंकि यह डेटा सेंटर की लागत को कम करने और बेहतर प्रदर्शन प्रदान करने में मदद करता है।

जानकारी

डीप लर्निंग मॉडल की संरचना है, और डेटा उसे जीवंत बनाने के लिए तरल पदार्थ है। डेटा आर्टिफिशियल इंटेलिजेंस को शक्ति प्रदान करता है। डेटा के बिना, कुछ भी नहीं किया जा सकता है। नवीनतम तकनीकों ने डेटा स्टोरेज की सीमाओं को आगे बढ़ाया है, और डेटा सेंटर में बड़ी मात्रा में डेटा स्टोर करना पहले से कहीं ज़्यादा आसान हो गया है।

इंटरनेट क्रांति डेटा संग्रह और वितरण को मशीन लर्निंग एल्गोरिदम को खिलाने के लिए उपलब्ध कराती है। यदि आप इससे परिचित हैं Flickr, इंस्टाग्राम या छवियों के साथ कोई अन्य ऐप, आप उनकी एआई क्षमता का अनुमान लगा सकते हैं। इन वेबसाइटों पर टैग के साथ लाखों तस्वीरें उपलब्ध हैं। वे तस्वीरें डेटा को मैन्युअल रूप से एकत्र करने और लेबल करने की आवश्यकता के बिना तस्वीर पर किसी वस्तु को पहचानने के लिए एक तंत्रिका नेटवर्क मॉडल को प्रशिक्षित कर सकती हैं।

डेटा के साथ संयुक्त कृत्रिम बुद्धिमत्ता नया सोना है। डेटा एक अद्वितीय प्रतिस्पर्धी लाभ है जिसे किसी भी फर्म को नज़रअंदाज़ नहीं करना चाहिए, और AI आपके डेटा से सर्वोत्तम उत्तर प्रदान करता है। जब सभी फर्मों के पास एक जैसी तकनीकें होंगी, तो डेटा वाली फर्म को प्रतिस्पर्धात्मक लाभ होगा। एक विचार देने के लिए, दुनिया हर दिन लगभग 2.2 एक्साबाइट या 2.2 बिलियन गीगाबाइट बनाती है।

किसी कंपनी को पैटर्न ढूंढने और पर्याप्त मात्रा में सीखने के लिए असाधारण रूप से विविध डेटा स्रोतों की आवश्यकता होती है।

कलन विधि

हार्डवेयर पहले से कहीं ज़्यादा शक्तिशाली है, डेटा आसानी से सुलभ है, लेकिन एक चीज़ जो न्यूरल नेटवर्क को ज़्यादा विश्वसनीय बनाती है, वह है ज़्यादा सटीक एल्गोरिदम का विकास। प्राथमिक न्यूरल नेटवर्क बिना गहन सांख्यिकीय गुणों के एक सरल गुणन मैट्रिक्स हैं। 2010 से, न्यूरल नेटवर्क को बेहतर बनाने के लिए उल्लेखनीय खोजें की गई हैं।

आर्टिफिशियल इंटेलिजेंस डेटा को प्रोग्रामिंग करने देने के लिए एक प्रगतिशील शिक्षण एल्गोरिदम का उपयोग करता है। इसका मतलब है कि कंप्यूटर खुद को अलग-अलग कार्य करना सिखा सकता है, जैसे कि विसंगतियों को ढूंढना या चैटबॉट बनना।

सारांश

• एआई का पूर्ण रूप आर्टिफिशियल इंटेलिजेंस है जो मानव कार्यों की नकल या पुनरुत्पादन करने के लिए मशीनों को प्रशिक्षित करने का विज्ञान है।
• एक वैज्ञानिक मशीन को प्रशिक्षित करने के लिए विभिन्न तरीकों का उपयोग कर सकता है। एआई के युग की शुरुआत में, प्रोग्रामर हार्ड-कोडेड प्रोग्राम लिखते थे, जिसमें मशीन के सामने आने वाली हर तार्किक संभावना और प्रतिक्रिया के तरीके को टाइप किया जाता था।
• जब कोई सिस्टम जटिल हो जाता है, तो नियमों का प्रबंधन करना मुश्किल हो जाता है। इस समस्या से निपटने के लिए, मशीन डेटा का उपयोग करके यह सीख सकती है कि किसी दिए गए वातावरण से सभी स्थितियों का ध्यान कैसे रखा जाए।
• एक शक्तिशाली एआई की सबसे महत्वपूर्ण विशेषता यह है कि इसमें काफी विविधता के साथ पर्याप्त डेटा होता है। उदाहरण के लिए, एक मशीन अलग-अलग भाषाएँ सीख सकती है, जब तक कि उसके पास सीखने के लिए पर्याप्त शब्द हों।
• एआई नई अत्याधुनिक तकनीक है। वेंचर कैपिटलिस्ट स्टार्टअप या एआई परियोजनाओं में अरबों डॉलर का निवेश करते हैं, और मैकिन्से का अनुमान है कि एआई हर उद्योग को कम से कम दो अंकों की वृद्धि दर से बढ़ा सकता है।
• सामान्य AI, नियम-आधारित AI, निर्णय वृक्ष AI, सुपर AI कृत्रिम बुद्धिमत्ता के प्रकार हैं। इनमें से कई अवधारणाएँ AI चैटबॉट के निर्माण में लागू की जाती हैं। यदि आप रुचि रखते हैं, तो आप इस बारे में अधिक जान सकते हैं कि इन सिद्धांतों को कुछ में कैसे लागू किया जाता है। सर्वश्रेष्ठ एआई चैटबॉट्स आज उपलब्ध है।

हमारा कृत्रिम बुद्धिमत्ता वीडियो देखें YouTube: यहाँ क्लिक करें