এই দুটি পদ সম্পর্কিত বলে মনে হচ্ছে বিশেষত কম্পিউটার বিজ্ঞান এবং সফটওয়্যার ইঞ্জিনিয়ারিংয়ে তাদের প্রয়োগে। একজন কি অন্যের উপসেট? একটি সরঞ্জাম কি অন্যটির জন্য একটি সিস্টেম তৈরির জন্য ব্যবহৃত হয়? তাদের পার্থক্যগুলি কী এবং কেন তা উল্লেখযোগ্য?
কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিংয়ের মধ্যে পার্থক্য কী?
উত্তর:
মেশিন লার্নিং বিভিন্নভাবে বিভিন্ন দ্বারা সংজ্ঞায়িত করা হয়েছে। একটি সংজ্ঞা বলে যে মেশিন লার্নিং (এমএল) হ'ল অধ্যয়নের ক্ষেত্র যা কম্পিউটারগুলিকে স্পষ্টভাবে প্রোগ্রাম না করেই শেখার ক্ষমতা দেয় ।
উপরের সংজ্ঞাটি প্রদত্ত, আমরা বলতে পারি যে মেশিন লার্নিং এমন সমস্যার দিকে পরিচালিত হয়েছে যার জন্য আমাদের (প্রচুর) ডেটা (অভিজ্ঞতা) রয়েছে, যার থেকে কোনও প্রোগ্রাম শিখতে পারে এবং কোনও কার্যে আরও ভাল হতে পারে।
কৃত্রিম বুদ্ধিমত্তার আরও অনেক দিক রয়েছে, যেখানে মেশিনগুলি ডেটা থেকে শিখে কাজগুলিতে আরও ভাল হয় না, তবে নিয়মগুলির মাধ্যমে বুদ্ধি প্রদর্শন করতে পারে (যেমন মাইসিনের মতো বিশেষজ্ঞ সিস্টেম ), যুক্তি বা অ্যালগরিদম, উদাহরণস্বরূপ পথ সন্ধান করা ।
বই কৃত্রিম বুদ্ধিমত্তা: এ মর্ডান এপ্রোচ এআই আরো গবেষণা ক্ষেত্র, মত দেখায় কনস্ট্রেইন্ট অর্থাৎ সন্তুষ্টি সমস্যা , সম্ভাব্য রিজনিং বা দার্শনিক ভিত্তি ।
কৃত্রিম বুদ্ধিমত্তার সংজ্ঞাগুলি চারটি বিভাগে শ্রেণিবদ্ধ করা যেতে পারে, মানবিকভাবে চিন্তাভাবনা করা, যুক্তিযুক্তভাবে চিন্তাভাবনা করা, মানবিকভাবে অভিনয় করা এবং যৌক্তিকভাবে অভিনয় করা। নিম্নলিখিত চিত্রটি (কৃত্রিম বুদ্ধিমত্তা থেকে: একটি আধুনিক পদ্ধতির) এই সংজ্ঞাগুলির উপরে আলোকপাত করবে:
আমি যে সংজ্ঞাটি পছন্দ করি তা জন ম্যাকার্থির দ্বারা, "এটি বুদ্ধিমান মেশিনগুলি বিশেষত বুদ্ধিমান কম্পিউটার প্রোগ্রাম তৈরির বিজ্ঞান এবং প্রকৌশল is এটি সম্পর্কিত is মানব বুদ্ধি বোঝার জন্য কম্পিউটার ব্যবহার করার অনুরূপ কাজ, তবে এআইকে জৈবিকভাবে পর্যবেক্ষণযোগ্য পদ্ধতিতে নিজেকে আবদ্ধ করতে হবে না। "
অন্যদিকে, মেশিন লার্নিং হল এআইয়ের ক্ষেত্র যা পরিষ্কারভাবে প্রোগ্রাম না করে আউটপুট সম্পর্কে আরও ভাল ভবিষ্যদ্বাণী করার সফ্টওয়্যার তৈরির কাজ করে। ভবিষ্যতের ভবিষ্যদ্বাণী করার জন্য বিভিন্ন অ্যালগরিদম ডেটা সেট করে ব্যবহার করা হয়। মেশিন লার্নিং ডেটা-চালিত এবং ডেটা-ভিত্তিক। মেশিন লার্নিং এআই এর প্যাটার্ন স্বীকৃতি এবং কম্পিউটেশনাল লার্নিং তত্ত্বের অধ্যয়ন থেকে বিকশিত হয়েছে।
সংক্ষেপে কৃত্রিম বুদ্ধিমত্তা কম্পিউটার বিজ্ঞানের একটি ক্ষেত্র যা মেশিনগুলিকে যৌক্তিক কাজ সম্পাদন করার ক্ষমতা সরবরাহের সাথে সম্পর্কিত। প্রাকৃতিক ভাষা প্রক্রিয়াজাতকরণ, অটোমেশন, চিত্র প্রক্রিয়াকরণ এবং আরও অনেকগুলি এর অংশ।
মেশিন লার্নিং এআই-এর একটি উপসেট যা ডেটা ওরিয়েন্টেড এবং ভবিষ্যদ্বাণী নিয়ে কাজ করে। অনুসন্ধান ইঞ্জিনগুলিতে ব্যবহৃত, ইউটিউব সুপারিশ তালিকা ইত্যাদি
2
মেশিন লার্নিং এটির বৃহত্তম অংশ হলেও প্যাটার্ন স্বীকৃতিতে সীমাবদ্ধ নয়।
—
কেম কল্যাঙ্কু
মেশিন লার্নিং কৃত্রিম বুদ্ধিমত্তার একটি উপসেট। মোটামুটিভাবে বলতে গেলে, এটি তার শেখার দিকের সাথে মিলে যায়। কোনও "অফিসিয়াল" সংজ্ঞা নেই, সীমানা কিছুটা अस्पष्ट।
আমি ভুল হলে আমাকে সংশোধন করুন, তবে আমি মনে করি কৃত্রিম বুদ্ধি মেশিন লার্নিংয়ের একটি উপসেট কারণ মেশিন লার্নিং এমনকি বাইনারি শ্রেণিবিন্যাস হতে পারে।
—
রুশত রায়
আমি বাইনারি শ্রেণিবিন্যাসকে এআই সমস্যা হিসাবে বিবেচনা করব। তবে এই সমস্ত সংজ্ঞা আমি সাবজেক্টিভ ছেড়ে দিয়েছি, আমি সম্মত।
—
ফ্রাঙ্ক ডারননকোর্ট
খুবই সত্য. তারা বেশ সাবজেক্টিভ হয়।
—
রুশত রায়
আমি মনে করি এটি নির্দিষ্ট ক্ষেত্রটি গঠনের জন্য উভয় ক্ষেত্র একে অপরের সাথে ওভারল্যাপ হয়ে গেছে।
—
ইউগনেস
অনেক শব্দের 'বেশিরভাগ' একই অর্থ রয়েছে, এবং তাই পার্থক্যগুলি কেবল জোর, দৃষ্টিভঙ্গি বা historicalতিহাসিক বংশোদ্ভূত। কোন লেবেল সুপারসেট বা উপসেটকে বোঝায় সে সম্পর্কে লোকেরা একমত নয়; এমন কিছু লোক আছেন যারা এআইকে এমএল এর একটি শাখা এবং এমএল কে এআই এর একটি শাখা বলবেন।
আমি সাধারণত মেশিন লার্নিংকে 'প্রয়োগিত পরিসংখ্যানগুলির' রূপ হিসাবে ব্যবহার করা শুনি যেখানে আমরা পর্যাপ্ত বিশদে একটি শেখার সমস্যা নির্দিষ্ট করি যা আমরা কেবল এটির মধ্যে প্রশিক্ষণ ডেটা ফিড করতে পারি এবং অন্যদিকে একটি দরকারী মডেল পেতে পারি।
পরিবেশ বা কোডে এম্বেড থাকা কোনও ধরণের গোয়েন্দা তথ্য উল্লেখ করার জন্য আমি কৃত্রিম বুদ্ধি হিসাবে কৃত্রিম বুদ্ধি সাধারণত শুনি। এটি একটি খুব বিস্তৃত সংজ্ঞা, এবং অন্যরা সংকীর্ণগুলি ব্যবহার করে (যেমন কৃত্রিম সাধারণ বুদ্ধিমত্তায় ফোকাস করা , যা ডোমেন-নির্দিষ্ট নয়)। (চূড়ান্তভাবে নেওয়া, আমার সংস্করণে থার্মোস্ট্যাটগুলি অন্তর্ভুক্ত রয়েছে))
অন্যান্য স্ট্যাকএক্সচেঞ্জ সাইটগুলি ক্রস ভ্যালিডেটেড এবং ডেটা সায়েন্সকে চিহ্নিত করার জন্য এটি একটি ভাল সময় , যা এই সিটের সাথে বেশ কিছুটা ওভারল্যাপ করে।
মেশিন লার্নিং কৃত্রিম বুদ্ধিমত্তার একটি উপ-সেট যা এটির সম্ভাবনার একটি সামান্য অংশ। এটি প্রায়শই পরিসংখ্যান / সম্ভাব্য কৌশল এবং বিবর্তন কৌশল অবলম্বন করে এআই বাস্তবায়নের একটি নির্দিষ্ট উপায়। প্রশ্নঃ
কৃত্রিম বুদ্ধিমত্তা
কৃত্রিম বুদ্ধি হ'ল কম্পিউটার সিস্টেমগুলির তত্ত্ব এবং বিকাশ যা সাধারণত মানুষের বুদ্ধি প্রয়োজন "(যেমন ভিজ্যুয়াল উপলব্ধি, বক্তৃতা স্বীকৃতি, সিদ্ধান্ত গ্রহণ এবং ভাষার মধ্যে অনুবাদ) হিসাবে প্রয়োজনীয় কাজগুলি সম্পাদন করতে সক্ষম ।
আমরা এআইকে মানবেতর সিদ্ধান্ত গ্রহণের প্রশ্ন হিসাবে ভাবতে পারি, যা সমস্যা সমাধান, সিদ্ধান্ত গ্রহণ বা ভাষা যোগাযোগের মতো জ্ঞানীয় মানব-মতো ক্রিয়াকলাপ অনুকরণ করে।
মেশিন লার্নিং
মেশিন লার্নিং (এমএল) মূলত বিল্ড মডেলগুলি প্রয়োগের মাধ্যমে একটি শিক্ষণ যা ডেটা থেকে নিদর্শনগুলি পূর্বাভাস এবং সনাক্ত করতে পারে।
কম্পিউটার সায়েন্সের প্রফেসর স্টেফানি আর টেলর এবং তার বক্তৃতার কাগজের মতে , এবং উইকিপিডিয়া পৃষ্ঠার মতে , 'মেশিন লার্নিং কৃত্রিম বুদ্ধিমত্তার একটি শাখা এবং এটি ডেটা থেকে শিখতে পারে এমন সিস্টেমগুলির নির্মাণ ও অধ্যয়ন সম্পর্কে ' (যেমন বিদ্যমানের উপর ভিত্তি করে স্প্যাম এবং নন-স্প্যামের মধ্যে পার্থক্য কীভাবে তা শিখতে ইমেল বার্তাগুলি
অক্সফোর্ড ডিকোচারেস অনুসারে মেশিন লার্নিং হচ্ছে ' অভিজ্ঞতা থেকে শেখার কম্পিউটারের ক্ষমতা ' (যেমন নতুন অর্জিত তথ্যের ভিত্তিতে এর প্রসেসিংটি পরিবর্তন করুন)।
ভবিষ্যতের ডেটাগুলিতে নিদর্শনগুলির পূর্বাভাস দেওয়ার জন্য আমরা বিদ্যমান ডেটাগুলিতে কম্পিউটারাইজড প্যাটার্ন সনাক্তকরণ হিসাবে এমএলকে ভাবতে পারি। প্রশ্নঃ
অন্য কথায়, মেশিন লার্নিং স্ব-শেখার অ্যালগরিদমগুলির বিকাশের সাথে জড়িত এবং কৃত্রিম বুদ্ধিমত্তা কোনও পরিস্থিতিতে কোনও প্রতিক্রিয়া দেখাতে এবং আচরণ করার জন্য নকল করতে সিস্টেম বা সফ্টওয়্যার বিকাশ জড়িত । কুয়োরা
কিভাবে মেশিন লার্নিং থেকে কৃত্রিম বুদ্ধিমত্তা ভিন্ন https://www.linkedin.com/pulse/how-artificial-intelligence-different-from-machine-learning-singh
যতক্ষণ এই তাত্ত্বিক প্রশ্নের উত্তর হতে পারে, এটা বাঞ্ছনীয় হবে উত্তর অপরিহার্য অংশের এখানে অন্তর্ভুক্ত করা, এবং রেফারেন্স এর জন্য লিঙ্ক প্রদান।
—
ব্যবহারকারী 57
কৃত্রিম বুদ্ধিমত্তা (এআই) এবং মেশিন লার্নিং (এমএল) এই মুহূর্তে দুটি খুব উত্তপ্ত বাজওয়ার্ডস এবং এগুলি প্রায়শই আন্তঃবিস্মরণীয়ভাবে ব্যবহৃত হয় বলে মনে হয়।
কৃত্রিম বুদ্ধিমত্তা হ'ল মেশিনগুলি এমনভাবে কার্য সম্পাদন করতে সক্ষম হওয়ার বিস্তৃত ধারণা যা আমরা "স্মার্ট" বিবেচনা করব এবং মেশিন লার্নিং এআইয়ের একটি বর্তমান অ্যাপ্লিকেশন যা এই ধারণার ভিত্তিতে আমাদের সত্যই কেবল মেশিনগুলিকে ডেটাতে অ্যাক্সেস দিতে সক্ষম হওয়া উচিত এবং তাদের নিজের জন্য শিখতে দিন।
আপনি মেশিন লার্নিং এবং কৃত্রিম বুদ্ধি সম্পর্কে আরও তথ্য পেতে পারেন ।
তত্ত্ব-ভিত্তিক এআই হ'ল মেশিন লার্নিংয়ের বিকাশের কারণ। প্রায়শই এআই এর উপসেট হিসাবে উল্লেখ করা হয়, এটি বর্তমানের অত্যাধুনিক প্রযুক্তি হিসাবে ভাবা সত্যিই আরও সঠিক।
মেশিন লার্নিং কিছু স্ব-লার্নিং অ্যালগরিদম ব্যবহার করে ডেটা সম্পর্কে জ্ঞান অর্জন করে এবং এআই এমন একটি ক্ষেত্র যেখানে মেশিন শেখার মাধ্যমে অর্জিত জ্ঞানের উপর ভিত্তি করে মানুষের সমর্থন ব্যতীত কাজ সম্পাদন করে। এমএল এর অর্থ এআই এর সাবসেট।
মেশিন লার্নিং এমন একটি বিজ্ঞান যা স্ব-শিক্ষার অ্যালগরিদমের বিকাশের সাথে জড়িত। এই অ্যালগরিদম প্রকৃতির আরও জেনেরিক যে এটি বিভিন্ন ডোমেন সম্পর্কিত সমস্যার ক্ষেত্রে প্রয়োগ করা যেতে পারে।
কৃত্রিম বুদ্ধিমত্তা এমন একটি বিজ্ঞান যা একটি পরিস্থিতিতে বা প্রতিক্রিয়া হিসাবে আচরণের জন্য মানুষের অনুকরণ করার জন্য একটি সিস্টেম বা সফ্টওয়্যার বিকাশ করে। অত্যন্ত বিস্তৃত সুযোগ সহ ক্ষেত্র হিসাবে, এআই তার লক্ষ্যটিকে একাধিক অংশে সংজ্ঞায়িত করেছে। পরে প্রতিটি চক তার সমস্যা সমাধানের জন্য অধ্যয়নের পৃথক ক্ষেত্রে পরিণত হয়েছে।
কৃত্রিম আন্তঃকরণ: কার্যকরী একটি কৃত্রিম সত্তা জ্ঞানের একটি সম্পত্তি।
মেশিন লার্নিং: কীভাবে একটি কৃত্রিম সত্তা তাঁর জ্ঞানের জন্য তথ্য যুক্ত করতে (শিখুন) করবেন
পুনরায়: এআই, এটি আকর্ষণীয় যে আপনি পারফরম্যান্সের বিপরীতে জ্ঞানের উপর ভিত্তি করে আপনার সংজ্ঞা রেখে
—
গেছেন
সহজ কথায়, কৃত্রিম বুদ্ধিমত্তা বিজ্ঞানের এমন একটি ক্ষেত্র যা মানুষ বা অন্যান্য প্রাণীর আচরণ নকল করার চেষ্টা করছে।
মেশিন লার্নিং কৃত্রিম বুদ্ধিমত্তার পিছনে অন্যতম অন্যতম মূল সরঞ্জাম / প্রযুক্তি।
কৃত্রিম বুদ্ধিমত্তা (এআই) এবং মেশিন লার্নিং (এমএল) এই মুহূর্তে দুটি খুব উত্তপ্ত বাজওয়ার্ডস এবং এগুলি প্রায়শই আন্তঃবিস্মরণীয়ভাবে ব্যবহৃত হয় বলে মনে হয়। এগুলি মোটামুটি একই জিনিস নয়, তবে তারা যে উপলব্ধি কখনও কখনও কিছু বিভ্রান্তির কারণ হতে পারে। সুতরাং আমি ভেবেছিলাম পার্থক্যটি ব্যাখ্যা করার জন্য এটি একটি টুকরো লেখার পক্ষে মূল্যবান হবে।
মেশিন লার্নিং কৃত্রিম বুদ্ধিমত্তার একটি মূল উপ-অঞ্চল; এটি কম্পিউটারগুলিকে স্পষ্টভাবে প্রোগ্রাম না করে স্ব-শিক্ষার একটি মোডে যেতে সক্ষম করে। নতুন ডেটার সংস্পর্শে এলে এই কম্পিউটার প্রোগ্রামগুলি নিজেরাই শিখতে, বৃদ্ধি করতে, পরিবর্তন করতে এবং বিকাশ করতে সক্ষম হয়।
প্রথমত, আমি আমার এআই ক্লাসগুলির তুলনায় আমার বিজনেস বুদ্ধি ক্লাসে মেশিনলিয়ারিং শব্দটির মুখোমুখি হয়েছি।
আমার এআই অধ্যাপক রল্ফ ফাইফার এটিকে এভাবে রাখতেন: (বুদ্ধি কী কী, এটি কীভাবে সংজ্ঞায়িত করা যায়, বিভিন্ন ধরণের বুদ্ধি ইত্যাদির বিষয়ে দীর্ঘ বক্তব্য রাখার পরে)। এমএল আরও স্থিতিশীল এবং "বোবা", এটি তার ফিসিকাল পরিবেশ সম্পর্কে অবহিত এবং এটির সাথে যোগাযোগ করার জন্য তৈরি করা হয়নি, বা কেবল একটি বিমূর্ততার ভিত্তিতে। এআই এর পরিবেশ সম্পর্কে একটি নির্দিষ্ট সচেতনতা রয়েছে এবং এর সাথে স্বায়ত্তশাসিতভাবে ইন্টারঅ্যাক্ট করে, যার মাধ্যমে প্রতিক্রিয়া লুপের সাথে স্বায়ত্তশাসিত সিদ্ধান্ত নেওয়া হয়। সেই দৃষ্টিকোণ থেকে, ইউগনেস উত্তর সম্ভবত সম্ভবত নিকটতম হবে। তা ছাড়া, অবশ্যই, এমএল এআই-এর একটি উপসেট।
মেশিন লার্নিং কোনও সত্যিকারের বুদ্ধি নয় (ইমো), এটি বেশিরভাগই মানব বুদ্ধি লজিক্যাল অ্যালগরিদমে প্রতিফলিত হয় এবং আমার বিজনেস ইন্টেলিজেন্স অধ্যাপক হিসাবে এটি রাখবেন: তথ্য এবং তার বিশ্লেষণ সম্পর্কে। মেশিন লার্নিংয়ে অনেকগুলি তদারকি করা অ্যালগরিদম রয়েছে যা আসলে কি সঠিক এবং কোনটি ভুল তা শেখার মাধ্যমে মানুষকে শেখার প্রক্রিয়াটি সমর্থন করার প্রয়োজন হয়, সুতরাং তারা স্বাধীন নয়। এবং একবার সেগুলি প্রয়োগ করা হলে, আলগোরিদিমগুলি বেশিরভাগ স্থির থাকে যতক্ষণ না মানুষ সেগুলি পুনরায় প্রয়োগ করে। এমএল-এ আপনার বেশিরভাগ অংশে ব্ল্যাক বক্স ডিজাইন থাকে এবং মূল দিকটি হ'ল ডেটা। ডেটা আসে, ডেটা এনালাইজড হয়ে যায় ("বুদ্ধিমানের সাথে"), ডেটা বেরিয়ে যায় এবং বেশিরভাগ সময়ে লার্নিং পূর্ব-বাস্তবায়ন / শেখার মজাদার ক্ষেত্রে প্রযোজ্য। বেশিরভাগ ক্ষেত্রে এমএল কোনও মেশিনের পরিবেশের বিষয়ে চিন্তা করে না, এটি ডেটা সম্পর্কে।
এআই পরিবর্তে মানব বা প্রাণী বুদ্ধি নকল করা সম্পর্কে। আমার অধ্যাপকের পদ্ধতির অনুসরণ করে, এআই প্রয়োজনীয়ভাবে আত্মচেতনা সম্পর্কে নয় তবে পরিবেশের সাথে মিথস্ক্রিয়া সম্পর্কে, তাই এআই তৈরির জন্য আপনাকে পরিবেশটি বোঝার জন্য মেশিন সেন্সর প্রদান করতে হবে, শিখন চালিয়ে যেতে সক্ষম বুদ্ধিমত্তার একটি ধরণ এবং উপাদানগুলি ইন্টারেক্ট করার জন্য পরিবেশ সহ (অস্ত্র ইত্যাদি) মিথস্ক্রিয়াটি স্বায়ত্তশাসিত পদ্ধতিতে এবং আদর্শভাবে হওয়া উচিত, যেমন মানুষের মধ্যে, শেখা উচিত একটি স্বায়ত্তশাসিত, চলমান প্রক্রিয়া।
সুতরাং একটি ড্রোন যা ফসলের মধ্যে আগাছা খুঁজে বের করার জন্য রঙিন নিদর্শনগুলির জন্য একটি লজিক্যাল স্কিমের ক্ষেত্রগুলি স্ক্যান করে। বিশেষত যদি পরে ডেটাগুলি বিশ্লেষণ করে বা যাচাই করা হয় মানুষের দ্বারা বা ব্যবহৃত অ্যালগরিদমটি হ'ল "বুদ্ধি" তে অন্তর্নির্মিত একটি স্ট্যাটিক অ্যালগরিদম তবে পুনরায় সাজানো বা তার পরিবেশের সাথে খাপ খাইয়ে নিতে সক্ষম নয়। একটি ড্রোন যা স্বায়ত্তশাসিতভাবে উড়ে যায়, ব্যাটারি ডাউন হওয়ার সময় নিজেকে চার্জ করে, আগাছা স্ক্যান করে, অজানা লোকগুলি সনাক্ত করতে শেখে এবং তাদের নিজেই ছিঁড়ে ফেলে দেয় এবং যাচাইয়ের জন্য তাদের ফিরিয়ে দেয়, এআই হবে ...
পার্থক্যের মধ্যে আসার আগে তাদের ঠিক কী বোঝায় তা পরিষ্কার হওয়া গুরুত্বপূর্ণ।
কৃত্রিম বুদ্ধি হ'ল কম্পিউটার তৈরির বিজ্ঞান ও প্রকৌশল যা মানুষের আচরণের নকল করতে পারে - অ্যান্ড্রু মুর
মেশিন লার্নিং হল কম্পিউটার অ্যালগরিদমগুলির অধ্যয়ন যা কম্পিউটার প্রোগ্রামগুলি স্বয়ংক্রিয়ভাবে অভিজ্ঞতার মাধ্যমে উন্নত করতে দেয় - টম মিচেল
কৃত্রিম বুদ্ধিমত্তা যদি মানুষের বুদ্ধি প্রদর্শনের জন্য মেশিন তৈরি করে থাকে, তবে মেশিন লার্নিং সেই কৃত্রিম বুদ্ধিমত্তা অর্জনের জন্য একটি পদ্ধতি যা মেশিনে স্পষ্টভাবে প্রোগ্রাম না করেই নিজের দ্বারা শিখতে পারে। সহজভাবে, মেশিন লার্নিং এআই এর একটি অংশ।
পার্থক্যটি সন্ধান করতে আসুন আমরা নিজের উপর একটি পরীক্ষা করি।
পদক্ষেপ 1: আমি একটি শব্দ লিখব এবং আপনাকে এটি উচ্চস্বরে উচ্চারণ করতে হবে।
শব্দটি হ'ল: Stackoverflow
ভাল!!! যাতে আপনি এটি নির্বিঘ্নে উচ্চারণ করতে পারেন
পদক্ষেপ 2: এখন আপনাকে অন্য একটি শব্দ উচ্চারণ করতে হবে।
শব্দটি হ'ল: Worcestershire
Hmmmm !!! এটিকে কঠিন মনে হলেও তবুও আপনি এটি উচ্চারণ করেছেন, এটি আপনাকে বুদ্ধিমান করে তোলে।
সুতরাং অবিকল, আপনি যখন সমস্যাটি কাটিয়ে উঠেন intelligence।
তবে এখন যদি আমি আপনাকে এটি কীভাবে উচ্চারণ করা হয় এবং আপনি একই পরীক্ষার চেষ্টা করেন তবে আপনি কীভাবে এটি উচ্চারণ করতে শিখেছেন তাতে আপনার অসুবিধা হবে না।
একই জিনিসটি আর্টিকাল ইন্টেলিজেন্স এবং মেশিন লার্নিংয়ের ক্ষেত্রে।
সুতরাং কৃত্রিম বুদ্ধিমত্তা মানব যুক্তি, যুক্তি, বোঝার এবং সমস্যা সমাধানের দক্ষতার মানচিত্রের একটি উপায়।
যদিও মেশিন লার্নিংটি প্যাটার্ন, পরিসংখ্যান এবং অভিজ্ঞতার দ্বারা স্মরণ বা ভবিষ্যদ্বাণী করা।
সুতরাং আর্টিকাল বুদ্ধিমত্তার সমস্যা-সমাধানের দক্ষতা, যুক্তি, যুক্তি, বোঝাপড়া থাকা এখনও তবুও আপনার এই দক্ষতা অর্জন করতে শেখা দরকার, সুতরাং মেশিন লার্নিংটি আর্টিকাল বুদ্ধিমত্তার একটি অংশ।
কম্পিউটার গেমগুলিতে একটি এআই হতে পারে: প্লেয়ার যদি লাফ দেয় তবে গুলি করুন। সুতরাং এআই সহজভাবে আচরণের জন্য পরিষ্কার নির্দেশের একটি সেট হতে পারে। এআই প্রোগ্রামার আগেই সিদ্ধান্ত নিয়েছে যে প্লেয়ার যখন লাফ দিচ্ছে তখন গুলি করা ভাল।
ডিপ লার্নিং হ'ল নির্দেশগুলি আগেই সংজ্ঞায়িত না করা তবে তারা যখন ঘটেছিল তখন সেগুলি শিখতে পারে, তাই এআই শিখতে পারে যে কোনও খেলোয়াড় লাফিয়ে উঠলে শুটিং করা তার সেরা। এটি অন্যান্য সময়েও গুলি করার চেষ্টা করে এবং এটি কম প্রভাব ফেলেছে তা নির্ণয় করে এটি শিখতে পারে।
কৃত্রিম বুদ্ধিমত্তার অর্থ আপনি একটি নির্দিষ্ট কাজ করার জন্য একটি প্রোগ্রাম লিখেছেন এবং আপনি কীভাবে ব্যক্তিগত ব্যবহারকারী প্রোগ্রামটি ব্যবহার করছেন বা প্রোগ্রামের কোন অংশটি তিনি নিয়মিত ব্যবহার করছেন তা আপনি বিবেচনা করছেন না ...
মেশিন লার্নিং এর অর্থ আপনি একই প্রোগ্রামটি লিখেছেন এবং আপনি প্রোগ্রামটিকে এমন কোনও বিষয় প্রস্তাব দেওয়ার জন্য বলুন যাতে ব্যবহারকারী এতে আগ্রহী হবে ...
মেশিন লার্নিংয়ের সর্বোত্তম উদাহরণ হ'ল মুখের স্বীকৃতি
আপনি রঙগুলি, চেহারার আকারগুলি সনাক্ত করার জন্য প্রোগ্রামটি লিখেছিলেন এবং তারপরে এটি কোনও মুখকে চিনে ফেললে আপনি অন্যান্য কাজও করতে পারেন ... এটি মেশিন লার্নিং।
তবে যদি আপনার কাছে ইতিমধ্যে প্রোগ্রামে সজ্জিত বিভিন্ন মুখের চিত্রগুলির ডেটা রয়েছে এবং আপনি এটি কোনও ব্যবহারকারীর সাথে তুলনা করছেন এবং তারপরে আপনি একটি নির্দিষ্ট কাজটি করেন তবে এটি হবে কৃত্রিম বুদ্ধিমত্তা