একটি সংক্ষিপ্ত পরিচিতি এআই কোর্সে কেন কেবল অ্যালগরিদমগুলি অনুসন্ধান করে?


11

আমি বুঝতে পারি যে অনুসন্ধানের ধারণাটি এআইতে গুরুত্বপূর্ণ। এই বিষয় সম্পর্কে এই ওয়েবসাইটে একটি প্রশ্ন রয়েছে, তবে কেন এটি স্বজ্ঞাতভাবে বুঝতে পারে। আমি এআইয়ের একটি প্রবর্তনীয় কোর্স পেয়েছি, যা একটি সেমিস্টারের অর্ধেক ছিল, সুতরাং অবশ্যই এআইয়ের সমস্ত বিষয় কভার করার যথেষ্ট সময় ছিল না, তবে আমি কিছু এআই তত্ত্ব শিখার আশা করছিলাম (আমি "এজেন্টদের সম্পর্কে শুনেছি) "), তবে আমি যা শিখেছি তা হ'ল মূলত কয়েকটি অনুসন্ধান অ্যালগরিদম, যেমন:

  • এই বি
  • ইউনিফর্ম ব্যয় অনুসন্ধান
  • DFS
  • অনুসন্ধান-গভীরতর অনুসন্ধান
  • দ্বি নির্দেশমূলক অনুসন্ধান

এই অনুসন্ধান অ্যালগরিদমগুলি সাধারণত "অন্ধ" (বা "অজ্ঞাত") হিসাবে শ্রেণীবদ্ধ করা হয়, কারণ তারা লক্ষ্যটির বাকি পথ সম্পর্কিত কোনও তথ্য বিবেচনা করে না।

বা আলগোরিদিমগুলির মতো:

  • তাত্ত্বিক অনুসন্ধান
  • সেরা-প্রথম অনুসন্ধান
  • একজন
  • একটি *
  • আইডিএ *

যা সাধারণত "অবগত" অনুসন্ধান অ্যালগরিদমগুলির বিভাগের অধীনে আসে কারণ তারা লক্ষ্যটির বাকি পথ সম্পর্কে কিছু তথ্য (যেমন "হিউরিস্টিক্স" বা "অনুমান") ব্যবহার করে।

তারপরে আমরা "উন্নত" অনুসন্ধান অ্যালগরিদমও শিখেছি (বিশেষত টিএসপি সমস্যার ক্ষেত্রে প্রয়োগ করা হয়েছে)। এই অ্যালগরিদমগুলি হয় গঠনমূলক (যেমন নিকটতম প্রতিবেশী), স্থানীয় অনুসন্ধান (যেমন, 2-অপ্ট) অ্যালগরিদম বা মেটা-হিউরিস্টিকগুলি (যেমন, পিঁপড়া কলোনী সিস্টেম বা সিমুলেটেড অ্যানিলিং)।

আমরা গেমসটিতে প্রয়োগ করা একটি মিনি-ম্যাক্স সর্বোচ্চ অ্যালগরিদম এবং মিনি-ম্যাক্সের একটি "উন্নত" সংস্করণ অর্থাত্ আলফা-বিটা ছাঁটাই সম্পর্কেও সংক্ষেপে অধ্যয়ন করেছি।

এই কোর্সের পরে, আমার অনুভূতি ছিল যে এআই কেবল "বোকা" বা "আরও বুদ্ধিমানভাবে" অনুসন্ধানের বিষয়ে।

আমার প্রশ্নগুলি হ'ল:

  • কেন একজন অধ্যাপক কেবল এআই কোর্সে অনুসন্ধানের অ্যালগরিদম শেখাতেন? সুবিধা / অসুবিধাগুলি কী কী? পরের প্রশ্নটি এর সাথে খুব জড়িত।

  • পরিচিতি কোর্সে শেখানো যেত এআই-তে "অনুসন্ধান" এর চেয়ে আরও কী কী? এই প্রশ্নটি ব্যক্তিগত জবাব দিতে পারে, তবে আমি আসলে এমন একজনের প্রসঙ্গে জিজ্ঞাসা করছি যা এআই আসলে কী এবং এটি কী বিষয়গুলিতে প্রকৃতপক্ষে আসে তা বোঝার চেষ্টা করছে। স্পষ্টত এবং দুর্ভাগ্যক্রমে, চারপাশে পড়ার পরে, মনে হয় এটি এখনও সাবজেক্টিভ থাকবে।

  • এই ধরনের কোর্সে শেখানো যেতে পারে এমন এআই তত্ত্ব রয়েছে?


আপনার সম্ভবত সম্ভবত আপনার প্রস্তাবটি পরিবর্তন করা উচিত যে তালিকাভুক্ত অনুসন্ধান অ্যালগরিদমগুলিকে "অন্ধ" বলা হয় - কারণ এটি ভুল। "অন্ধ" সাধারণত "অজানা" হওয়ার প্রতিশব্দ হিসাবে ব্যবহৃত হয়। তবে, এ *, আইডিএ * এবং হিউরিস্টিক অনুসন্ধান সংজ্ঞায়িতভাবে "অবহিত" অনুসন্ধান অ্যালগরিদমগুলি হয় (কারণ সেগুলি হিউরিস্টিক্সের ভিত্তিতে ", তাই তারা অন্ধ নয় Further আরও, আপনি কি নিশ্চিত যে" অ্যালগোরিদম "আছে? আমি কেবল এ * কে জানি এবং আমি ওয়েব মধ্যে এই algortihm কোন উল্লেখ খুঁজে পেতে সক্ষম ছিল না এটা আসলে যদি থেকেই থাকে, একটি লিঙ্ক সুন্দর হতে (হয়তো মন্তব্য)
Prof.Chaos

@ প্রোফেসোচোস দি অ্যালগরিদম হ'ল * যখন আপনি জানেন না যে হিউরিস্টিকটি সর্বোত্তম। প্রকৃতপক্ষে * এ * আমাদের মাথার মধ্যে কিছু জাগ্রত করা উচিত। "অন্ধ" যুক্তি সম্পর্কিত, সম্ভবত A * কে বিএফএস বা ডিএফএস হিসাবে অন্ধ হিসাবে বিবেচনা করা অন্যায়, সুতরাং আমি আপনার সাথে একমত হই।
nbro

উত্তর:


8

এআই সম্পর্কে প্রচুর ভুল ধারণা রয়েছে, বিশেষত ধারণাটি যে এটি কম্পিউটারকে মানুষের মতো "চিন্তা" করা, মস্তিষ্কের অনুকরণ, বিজ্ঞান ফাই রোবটসকে বিশ্বজুড়ে নিয়ে যাওয়া, মস্তিষ্কের চারপাশের সমস্ত দার্শনিক আলোচনাকে মেশিন হিসাবে বানানো ইত্যাদি সম্পর্কে অনুশীলন / বাস্তবতা এআই এর "সমস্যা সমাধানের জন্য কম্পিউটিং ব্যবহার করা" এর অর্থ হল মূলত আপনি যে কোনও সমস্যা গ্রহণ করেন, এটিকে একটি কম্পিউটিং সমস্যা হিসাবে উপস্থাপন করেন এবং তারপরে মূল সমস্যা সমাধানের দিকে পরিচালিত কম্পিউটিং সমস্যা সমাধানের জন্য অ্যালগরিদম ডিজাইন করেন। এই অনুসন্ধান অ্যালগরিদমগুলি সাধারণ উদ্দেশ্যে গণনা সমস্যাগুলির জন্য সাধারণ উদ্দেশ্য অ্যালগরিদম অর্থাত্ কোনও বাস্তব বিশ্ব সমস্যা এই সাধারণ উদ্দেশ্য কম্পিউটিং সমস্যা দ্বারা প্রতিনিধিত্ব করা যায় এবং তারপরে এই অ্যালগোরিদমগুলি তাদের সমাধানের জন্য ব্যবহার করা যেতে পারে।

মনে রাখবেন, সমস্যা সমাধানের বিষয়ে এবং এর সাধারণ উদ্দেশ্য কম্পিউটিং সমস্যাগুলি যা কোনও বাস্তব বিশ্বের সমস্যার প্রতিনিধিত্ব করতে পারে।


6

যা নেমে আসে তা হ'ল বেশিরভাগ এআই সমস্যাগুলি অনুসন্ধানের সমস্যা হিসাবে চিহ্নিত করা যায়। আসুন আমরা কয়েকটি উদাহরণ দিয়ে যাই:

  • অবজেক্টের স্বীকৃতি ও দৃশ্য নির্মাণ (উদাহরণস্বরূপ আপনার চারপাশের অডিও-ভিজ্যুয়াল ইনপুট নেওয়ার পদ্ধতি এবং এটি একটি 3D এবং প্রাসঙ্গিক অর্থে বোঝার প্রক্রিয়া) ইনপুটটিতে পরিচিত বস্তুর সন্ধান হিসাবে বিবেচিত হতে পারে।
  • গাণিতিক সমস্যা সমাধান একটি সমাধান অনুসন্ধান হিসাবে বিবেচনা করা যেতে পারে।
  • একটি ভিডিও গেম খেললে প্রদত্ত গেমস্টেটের সঠিক প্রতিক্রিয়া অনুসন্ধান করার জন্য বিবেচনা করা যেতে পারে।

এমনকি প্রাথমিক চ্যাটবটগুলি মানুষের ভাষা অনুকরণ করার জন্য প্রদত্ত ইনপুট বাক্যাংশের 'সঠিক' প্রতিক্রিয়া সন্ধান করার বৈশিষ্ট্যযুক্ত হতে পারে!

অনুসন্ধানের এই সাধারণীকরণের কারণে অনুসন্ধান এলগরিদমগুলি 'এআই' হিসাবে বিবেচিত প্রথম কয়েকটি অ্যালগরিদমগুলির মধ্যে ছিল এবং প্রায়শই অনেকগুলি এআই শিক্ষণ কোর্সের ভিত্তি তৈরি করে। এই অনুসন্ধানের উপরে অ্যালগরিদমগুলি স্বজ্ঞাত এবং অ-গাণিতিক, যা এআইয়ের কিছুটা ভয়াবহ ক্ষেত্রকে অ্যাক্সেসযোগ্য করে তোলে। এটি হাইপারবোলের মতো শোনাতে পারে তবে আমি গ্যারান্টি দিচ্ছি যে যদি আপনার প্রভাষক ম্যানিফোল্ড লার্নিং টেকনিকগুলি দিয়ে খোলেন তবে আপনার 'ক্লোরিয়ান্স ম্যাট্রিক্সের ইভালভ্যালু'-এর কথা উল্লেখ করার পরে আপনার ক্লাসের অর্ধেক দরজাটি ঘুরিয়ে দিত।

এখন অনুসন্ধান আলগোরিদিমগুলি এই সমস্যাগুলির সমাধানের একমাত্র উপায় নয়। আমি সুপারিশ করি প্রতিটি এআই অনুশীলনকারী ডেটা সায়েন্স এবং মেশিন লার্নিং অ্যালগরিদমগুলির ধারণার সাথে পরিচিত। এমএল প্রায়শই অনুসন্ধান আলগোরিদিমগুলির সাথে সম্পর্কিত তবে তারা যে কৌশলগুলি ব্যবহার করেন সেগুলি শ্রেণিবদ্ধ / রিগ্রেশন (যেমন সি 4.5 একটি সিদ্ধান্ত গাছ তৈরি করে), মেটা-হিউরিস্টিক্স এবং স্ট্যাটিকালি উত্পন্ন উত্পন্ন ক্লাসিফায়ার / রিগ্রেশন থেকে প্রচুর পরিবর্তিত হতে পারে প্রশিক্ষণের তথ্য বিশ্লেষণ (যেমন নাইভ বায়েশিয়ান আক্ষরিক অর্থে ইনপুট ক্ষেত্রগুলি স্বতন্ত্র বলে ধরে নিলেন যে ডেটা বাইসিয়ান বিশ্লেষণের উপর ভিত্তি করে তৈরি করা হয়েছে সেগুলি শ্রেণিবদ্ধকারী - এটি 'भोঁতা' যা থেকে এটি এর নাম পায়)। প্রায়শই এমএল অ্যালগরিদমগুলি এআই গবেষণা গ্রুপগুলিতে তৈরি করা হয় এবং কখনও কখনও সাধারণ ফর্ম অ্যালগরিদম না হয়ে নির্দিষ্ট সমস্যার জন্য ডিজাইন করা যেতে পারে।


4

কেন একজন অধ্যাপক কেবল এআই কোর্সে অনুসন্ধানের অ্যালগরিদম শেখাতেন? সুবিধা / অসুবিধাগুলি কী কী?

এই প্রশ্নের আমার উত্তরটি হ'ল প্রচুর সমস্যা রয়েছে যেখানে অনুসন্ধান সন্ধানের মাধ্যমে সমাধানটি পাওয়া যায়। টিক টেক টো উদাহরণ নিন। আপনি যদি এটির জন্য কোনও বুদ্ধিমান কম্পিউটার প্লেয়ার ডিজাইন করে থাকেন তবে আপনি যা করবেন তা হ'ল আপনি একটি অনুসন্ধানের জায়গা তৈরি করবেন এবং তারপরে আপনি সর্বাধিক অনুকূল পদক্ষেপের জন্য অনুসন্ধান করবেন যা গেমটি শেষ করার জন্য তৈরি করা যেতে পারে। এর মধ্যে, দৃশ্যের আপনাকে অবশ্যই সর্বোত্তম অনুসন্ধান কৌশল সম্পর্কে সচেতন হতে হবে। আসুন আরেকটি উদাহরণ নেওয়া যাক, ধরুন আপনি যদি গাড়ি চালাচ্ছেন এবং কোনও অচেনা ব্যক্তির বাড়িতে যেতে চান। এটি আপনার জায়গা থেকে অনেক দূরে এবং আপনি জিপিএস ব্যবহারের সিদ্ধান্ত নেন। আপনার গন্তব্যস্থলে পৌঁছানোর জন্য আপনি নিতে পারেন এমন সর্বোত্তম রুটটি অনুসন্ধান করতে আপনার জিপিএস অনুসন্ধান অ্যালগরিদম ব্যবহার করবে (অবশ্যই ট্র্যাফিক ইত্যাদির মতো বিবেচনা করার জন্য প্রচুর কারণ থাকতে হবে তবে এটি মূল ধারণা)।

অসুবিধাগুলি কেবলমাত্র প্রক্রিয়াজাতকরণ এবং সঞ্চয় করার ক্ষেত্রে। ধীর অ্যালগরিদমগুলির জন্য আপনি প্রচুর সিপিইউ সময় এবং স্টোরেজ নষ্ট করবেন তবে ভাল এবং দক্ষ অ্যালগরিদমের জন্য আপনি প্রচুর স্থান সংরক্ষণ করতে পারবেন এবং খুব দ্রুত আপনার কার্য সম্পাদন করতে পারবেন। অবশ্যই, সন্ধানের বিষয়ে সন্ধান করা এআই নয়। এটি আরও অনেক কিছু আছে।

পরিচিতি কোর্সে শেখানো যেত এআই-তে "অনুসন্ধান" এর চেয়ে আরও কী কী?

অনুসন্ধান ছাড়াও এআইতে প্রচুর জিনিস রয়েছে। উদাহরণস্বরূপ, শেখার কৌশলগুলি (তদারকি, নিরীক্ষণ, পুনর্বহাল করা), পরিকল্পনা যখন কেউ এমন একটি সিস্টেম ডিজাইন করতে চায় যা স্বতন্ত্র ও বুদ্ধিদীপ্তভাবে কিছু নির্দিষ্ট কাজ করে, জ্ঞানের প্রতিনিধিত্ব (জ্ঞাত এবং অজানা) এবং এজেন্টগুলির মধ্যে অন্তর্ভুক্তি যার মধ্যে প্রস্তাবিত যুক্তি এবং প্রথম আদেশ রয়েছে যুক্তি ইত্যাদি

এআই এর পিছনে কি তত্ত্ব রয়েছে যা এই ধরণের কোর্সে শেখানো যেতে পারে?

কিছু বিষয় বিভিন্ন ধরণের এজেন্ট (সাধারণ রেফ্লেক্স, মডেল ভিত্তিক, লক্ষ্য ভিত্তিক, ইউটিলিটি ভিত্তিক এবং লার্নিং এজেন্ট), বিভিন্ন ধরণের পরিবেশ যেখানে এজেন্ট কাজ করে, এজেন্টদের মূল্যায়ন সম্পর্কে শেখানো যেতে পারে। প্রাকৃতিক ভাষা প্রক্রিয়াজাতকরণ, বিশেষজ্ঞ সিস্টেম ইত্যাদির মতো কিছু অতিরিক্ত প্রাথমিক ভূমিকা থাকতে পারে

আমাদের সাইট ব্যবহার করে, আপনি স্বীকার করেছেন যে আপনি আমাদের কুকি নীতি এবং গোপনীয়তা নীতিটি পড়েছেন এবং বুঝতে পেরেছেন ।
Licensed under cc by-sa 3.0 with attribution required.