আমরা কি জানি
বিশ্বব্যাংকের একটি পৃষ্ঠা অনুসারে , "বর্তমানে বিশ্বে প্রায় 200 মিলিয়ন উচ্চ শিক্ষার শিক্ষার্থী রয়েছেন, 1998 সালে 89 মিলিয়ন up" কমপক্ষে ১০০ জনের মধ্যে একজনকে গণিতের প্রয়োজনীয়তা হিসাবে একটি উপপাদ্যের জন্য একটি প্রমাণ বিকাশ করতে হয়েছিল, এবং কমপক্ষে 40 বছর পরে বাঁচতে হয়েছিল।
যদিও কমপক্ষে 20 মিলিয়ন নিউরাল জাল রয়েছে যা একটি উপপাদ্য প্রমাণ করতে পারে, তবে তারা উদাহরণগুলির তুলনায় কম যা এই প্রশ্নের উত্তরটি ইতিবাচক বলে দেয়। এই নিউরাল নেটওয়ার্কগুলি জৈবিক, কৃত্রিম নয় এবং এগুলি বেশিরভাগই পূর্ব প্রমাণিত উপপাদ্য প্রমাণিত হয়েছে, কোলাটজ অনুমান বা রিমান অনুমান নয়।
কি কিছু বিশ্বাস
যারা বিশ্বাস করেন যে গভীর কিউ-লার্নিং এবং মনোনিবেশ ভিত্তিক ডিভাইসগুলি অন্যান্য মস্তিষ্কের অনুষদগুলি সিমুলেটেড এবং সম্ভবত অতিক্রম না করা পর্যন্ত অন্যান্য শিক্ষাব্যবস্থার নকশাগুলিতে যোগদান করবে, সম্ভবত সেই মানব ক্ষমতার মধ্যে একটি হিসাবে তাত্ত্বিক প্রমাণিত অন্তর্ভুক্ত থাকবে। এগুলি সম্ভবত কৃত্রিম সিস্টেমে অর্জন করা হবে এমন আরও একটি জটিল জ্ঞানীয় ফাংশন হিসাবে ভবিষ্যদ্বাণীপূর্ণ যুক্তি এবং অনুমানকে ঘোষণা করবে।
যারা বিশ্বাস করেন যে কিছু ক্ষমতা মানুষের মধ্যে নিমগ্ন এবং সংরক্ষিত ক্ষমতা, তারা কেবলমাত্র মানুষের জন্য সংরক্ষিত হিসাবে ভবিষ্যদ্বাণীপূর্ণ যুক্তি এবং অনুমানকে ঘোষণা করতে পারে।
বর্তমান অগ্রগতি অবস্থা
ভবিষ্যদ্বাণীপূর্ণ যুক্তি এবং অনুমান ব্যবহার করে এমনকি সহজ প্রমাণগুলিও প্রমাণ করার ক্ষমতা নির্দেশ করে এমন একাডেমিক নিবন্ধ নেই। এটি সম্ভব যে কোনও সরকারী বা বেসরকারী উদ্যোগ কিছুটা সাফল্য অর্জন করেছে, তবে এগুলি প্রকাশ করা হয়নি।
কৃত্রিম নেটওয়ার্কগুলি যদি প্রশংসনীয়ভাবে বিকশিত হয় তবে তাদের উত্পাদন সবচেয়ে বেশি কার্যকরতার ক্ষেত্রে প্রযোজনা বা নিয়মের ভিত্তিতে তৈরি এআই সিস্টেমগুলি ছাড়িয়ে যেতে পারে এআই এর বিকাশের প্রথম দিকে প্রস্তাব দেওয়া হয়েছিল। এটি তখন বিতর্কিত এবং এখন বিতর্কিত ছিল, তবে যুক্তিগুলি গাণিতিক নয়, সুতরাং এটি অসম্ভব যে কোনও শক্তিশালী ইঙ্গিত নেই।
অবশ্যই মানুষের চিন্তার অন্যান্য জ্ঞানীয় দিকগুলি এআই গবেষণার গুরুত্বপূর্ণ লক্ষ্য। কথোপকথন, স্বয়ংক্রিয় শিক্ষা, পরিকল্পনা, কৌশলগত বিশ্লেষণ এবং যানবাহন চালনা এই সমস্ত উচ্চতর চিন্তার দিক যা ডিকিউএন এর চেয়ে বেশি চাহিদা এবং মনোযোগ ভিত্তিক নেটওয়ার্ক পদ্ধতিগুলি সরবরাহ করতে পারে তবে এই ক্ষেত্রে গবেষণা প্রচেষ্টা প্রশংসনীয় এবং ভাল অর্থায়িত।
সম্ভাব্য পন্থা
যৌক্তিক জ্ঞানীয় সক্ষমতার দিকে গবেষণার আগেই জেনে নেওয়া প্রমাণগুলি শুরু করা উচিত, যা প্রশ্নের মধ্যে বর্ণিত অনুমানের চেয়ে অনেক সহজ। উদাহরণস্বরূপ, এটি প্রমাণিত হয়েছে যে দুটি অ-নেতিবাচক পূর্ণসংখ্যার যোগফলটি অবশ্যই অন্য অ-নেতিবাচক পূর্ণসংখ্যার হয়। প্রিডিকেট ক্যালকুলাসে, এটি একটি চরিত্রের স্ট্রিং হিসাবে উপস্থাপিত হতে পারে।
∀ a ∈ C, খ ∈ সি: এস = এ + বি⟹s ∈ C
এটি বলে যে a এবং b গণনা সংখ্যার সেটের সদস্য, যে দুটি, এর যোগফল হিসাবে সংজ্ঞায়িত, এছাড়াও গণনা সংখ্যার সেটের সদস্য হতে হবে। এর প্রমাণটি প্রথম-ক্রমের প্রেজিকেট ক্যালকুলাসের চরিত্রের স্ট্রিংগুলির ক্রম হিসাবেও উপস্থাপিত হতে পারে।
কোন ছোট গবেষণা প্রকল্প
এমন উদাহরণ কারও কাছে সহজ বলে মনে হতে পারে যিনি কয়েক বছরের গণিত কোর্স নিয়েছেন এবং প্রমাণ তৈরি করেছেন। কোনও শিশুর পক্ষে এটি সহজ নয় এবং কোনও ক্রিয়াকলাপে রূপান্তরিত করার জন্য একটি কৃত্রিম নেটওয়ার্ক পাওয়া খুব কঠিন, যা যৌক্তিক অনুক্রমের সমস্ত বিধি প্রয়োগ করে এবং একটি পূর্ণাঙ্গ সিস্টেম যেমন যেমন পূর্ণসংখ্যার গাণিতিকের প্রমাণ হিসাবে পৌঁছানোর জন্য মেটা-বিধিগুলিকে অন্তর্ভুক্ত করে।
সম্পূর্ণ নেটওয়ার্ক, যেমন আরএনএন-এর টিউরিংয়ের অবশ্যই এমএলপি (মাল্টিলেয়ার পার্সেপ্ট্রন) এর বেশি সুবিধা থাকবে। মনোযোগ-ভিত্তিক নেটওয়ার্কগুলি যুক্তিসঙ্গত গবেষণা বিকল্প হতে পারে। নীচে রেফারেন্সগুলিতে আরও কিছু নির্দেশিত রয়েছে।
গবেষণার জন্য একটি সমান্তরাল কম্পিউটিং প্ল্যাটফর্মের প্রয়োজন হবে, যেহেতু ইনপুট ভেক্টরটি কয়েকশ কেবিটস হতে পারে। উদাহরণগুলির আকার এবং কতগুলি প্রয়োজন হবে তা গবেষণা প্রক্রিয়ায় এক বা দুই বছর না পেয়ে অনুমান করা কঠিন।
সংখ্যা গণনা সংজ্ঞা, যোগফল চিহ্ন এবং সমান চিহ্নের সংজ্ঞা অবশ্যই সংজ্ঞায়িত করতে হবে এবং সেই সংজ্ঞা এবং বেশ কয়েকটি অ্যাকোরিওম, পোস্টুলেটস, লেমাস এবং করোলারিগুলি অবশ্যই প্রস্তাবের মতো আনুষ্ঠানিক আকারে ইনপুট উদাহরণের অংশ হতে হবে উপরে প্রস্তাবিত পাশাপাশি প্রমাণিত।
এবং এটি কেবল একটি উদাহরণ তৈরি করার কাজ। একটি গভীর নেটওয়ার্কে অনুমানের নিয়ম সম্পর্কে স্বজ্ঞাত জ্ঞান প্রশিক্ষণের জন্য আপনার হাজার হাজার প্রয়োজন। (আমি প্রচলিত তাত্ত্বিক কারণে খুব ইচ্ছাকৃতভাবে শব্দ শব্দটি বেছে নিয়েছি যা ভালভাবে ব্যাখ্যা করতে কমপক্ষে একশ পৃষ্ঠা লাগবে))
এটি কোনও ছোট প্রকল্প নয় যেহেতু উদাহরণস্বরূপ ডেটা সেটটিতে কমপক্ষে কয়েক হাজার কেস থাকতে হবে এবং প্রতিটি ক্ষেত্রে যদিও এটি কিছু তত্ত্ব ভাগ করে নিতে পারে তবে অবশ্যই সেট আপ করতে হবে যাতে প্রস্তাবটি নিখুঁতভাবে গঠিত হয় এবং তত্ত্বের প্রয়োজনীয় অঙ্গও উপস্থাপিত হয় প্রতিটি প্রশিক্ষণের পুনরাবৃত্তি জন্য ইনপুট এ নিখুঁত ফর্ম।
আমার ধারণাটি হ'ল এটি গণিতের সহজ প্রস্তাবগুলির প্রতিক্রিয়া হিসাবে কার্যকর নেটওয়ার্ক প্রমাণ করার জন্য একটি নেটওয়ার্ককে প্রশিক্ষণের জন্য গভীর নেটওয়ার্ক, কনভার্জেনশন, এবং ভবিষ্যদ্বাণীক ক্যালকুলাস সম্পর্কে দশ বছর ধরে সঠিক ধারণা সহ উজ্জ্বল গবেষকদের একটি দল নেবে।
তবে এটি কোনও ছোট অর্জন নয় Small
এটি কারও কাছে একটি অযৌক্তিক প্রচেষ্টা বলে মনে হতে পারে তবে এটি প্রথমবারের মত হবে যে কোনও কম্পিউটার কীভাবে যুক্তিযুক্ত হতে পারে তা শিখিয়েছিল। সক্রেটিসের কোনও জীবকে যৌক্তিক অনুকরণ শেখাতে পৃথিবীর বয়সের নীচে প্রকৃতি লাগল।
লোকেরা ধরে নিয়েছে যেহেতু একটি কম্পিউটার ডিজিটাল সার্কিট দিয়ে তৈরি যা কম্পিউটারগুলি যৌক্তিক বলে ডিজাইনের মাধ্যমে যুক্তি সম্পাদন করে। মজাদার বা অর্থের জন্য হ্যাকিংয়ের চেয়ে গভীর চিন্তা করার প্রবণতা নিয়ে কয়েক দশক ধরে সফ্টওয়্যার বিকাশের চারপাশে থাকা যে কেউ সে আলাদাভাবে জানেন। সতর্কতার সাথে প্রোগ্রামিং করার পরেও কম্পিউটারগুলি যৌক্তিক অনুকরণের অনুকরণ করে না এবং কোনও সালিসী বাগের জন্য তাদের নিজস্ব প্রোগ্রামযুক্ত আচরণটি সংশোধন করতে পারে না। আসলে, সফ্টওয়্যার বিকাশ বেশিরভাগ আজ বাগ ফিক্সিং হয়।
যৌক্তিক চিন্তাকে সিমুলেট করা জ্ঞান এবং মানব ক্ষমতার বিস্তৃত অ্যারের অনুকরণের দিকে এক বড় পদক্ষেপ হবে।
তথ্যসূত্র
জ্যাকব অ্যান্ড্রিয়াস, মার্কাস রোহরবাচ, ট্রেভর ড্যারেল এবং ড্যান ক্লিন ইউসি, বার্কলে ২০১ 2016 https://arxiv.org/pdf/1601.01705.pdf- এর উত্তর দেওয়ার জন্য স্নায়বিক নেটওয়ার্ক রচনা শিখছেন
প্রতিনিধিত্বের একাধিক স্তর শিখছেন জিওফ্রে ই। হিন্টন কম্পিউটার সায়েন্স বিভাগ, টরন্টো ইউনিভার্সিটি ২০০
http:// http://www.csri.utoronto.ca/~hinton/absps/icsdraft.pdf
নিউরাল ট্যুরিং মেশিন (স্লাইডশো) লেখক: অ্যালেক্স গ্রাভস, গ্রেগ ওয়েইন, আইভো দানাহেলকা উপস্থাপন করেছেন: টিঙ্গহুই ওয়াং (স্টিভ)
https://eecs.wsu.edu/~cook/aiseminar/papers/steve.pdf
নিউরাল ট্যুরিং মেশিনস (কাগজ) অ্যালেক্স গ্রাভস, গ্রেগ ওয়েইন, আইভো দানিহেলকা
https://pdfs.semanticscholar.org/c112/6fbffd6b8547a44c58b192b36b08b18299de.pdf
2014
অতিরিক্ত শিক্ষা সংযোজন, নিউরাল টুরিং মেশিন Wojciech Zaremba, ইলিয়া Sutskever ICLR সম্মেলনে কাগজ
https://arxiv.org/pdf/1505.00521.pdf?utm_content=buffer2aaa3&utm_medium=social&utm_source=twitter.com&utm_campaign=buffer
2016
অবিচ্ছিন্ন এবং স্বতন্ত্র ঠিকানা সম্বোধনকারী গতিশীল নিউরাল ট্যুরিং মেশিন ক্যাগলার গুলচেরে 1, সারথ চন্দর 1, কিংঘুন চো 2, যোশুয়া বেনজিও 1
https://arxiv.org/pdf/1607.00036.pdf
2017
একটি অন-লাইন সেলফ-কনস্ট্রাক্টিং নিউরাল ফাজি, ইনফারেন্স নেটওয়ার্ক এবং এর অ্যাপ্লিকেশনগুলি চিয়া-ফেং জুয়াং এবং চিনি-টেং লিন আইইইই লেনদেনগুলি ফাজি সিস্টেমে, v6, n1 1998
https://ir.nctu.edu.tw/bitstream/11536/ 32809/1 / 000072774800002.pdf
গ্যাটেড গ্রাফ সিকোয়েন্স নিউরাল নেটওয়ার্ক ইউজিয়া লি এবং রিচার্ড জেমেল আইসিএলআর সম্মেলন পত্র ২০১ htt
https://arxiv.org/pdf/1511.05493.pdf
বিল্ডিং মেশিনগুলি যা লোকেদের মতো শিখেছে এবং চিন্তা করে ব্রেন্ডেন এম লেক, টোমর ডি। উলমান, জোশুয়া বি টেনেনবাউম, এবং স্যামুয়েল জে গার্মম্যান বিহেভিওরাল অ্যান্ড ব্রেন সায়েন্সেস ২০১ htt
https://arxiv.org/pdf/1604.00289.pdf
বৃহত্তর শব্দভাণ্ডার স্পিচ সনাক্তকরণের জন্য প্রসঙ্গ-নির্ভরশীল পূর্ব-প্রশিক্ষিত গভীর নিউরাল নেটওয়ার্ক জর্জ ই ডাহল, ডং ইউ, লি দেং, এবং অ্যালেক্স এসেরো আইইইই লেনদেন অডিও, স্পিচ এবং ভাষা প্রক্রিয়াজাতকরণ ২০১২
https://s3.amazonaws.com/ academia.edu.documents / 34691735 / dbn4lvcsr-transaslp.pdf? AWSAccessKeyId = AKIAIWOWYYGZ2Y53UL3A & মেয়াদ শেষ = 1534211789 & স্বাক্ষর = 33QcFP0JGFeA% 2FTsqjQZpXYrIGm8% 3D & প্রতিক্রিয়া-সামগ্রী-স্বভাব = ইনলাইন% 3B% 20filename% 3DContext-Dependent_Pre-Trained_Deep_Neura.pdf
জ্ঞান ভিত্তিতে বিসান ইয়াং 1, ওয়েন-তাউ ইহি 2, জিয়াডং হে 2, জিয়ানফেং গাও 2, এবং লি ডেনজি 2 আইসিএলআর সম্মেলনের পেপার 2015 https://arxiv.org/pdf/1412.6575.pdf এ এম্বেডিং সত্তা ও সম্পর্কের এম্বেডিং
ডিপ বিশ্বাসের জন্য একটি দ্রুত শিক্ষার অ্যালগরিদম জেফ্রি ই হিন্টন, সাইমন ওসিন্দরো, ইয়ে-হোয়ে তেহ (ইয়ান লে কুন দ্বারা যোগাযোগ করেছেন) নিউরাল কম্পিউটেশন 18 2006
http://axon.cs.byu.edu/Dan/778/papers/Dip % 20 নেটওয়ার্ক / হিন্টন 1 * .পিডিএফ
এফআইএনএন: দ্রুত, স্কেলেবল বাইনারাইজড নিউরাল নেটওয়ার্ক ইনফারেন্সের জন্য ফ্রেমওয়ার্ক ইয়ামান উমুরোগলু, এট ২০১ 2016
https://arxiv.org/pdf/1612.07119.pdf
মেশিন লার্নিং থেকে মেশিন রিজনিংয়ে লোন বোটোউ 2/8/2011
https://arxiv.org/pdf/1102.1808.pdf
গভীর শেখার ইয়ান লেকুন 1,2, যোশুয়া বেনজিও 3 এবং জেফ্রি হিন্টন 4,5 প্রকৃতি খণ্ড 521 2015
https://www.evl.uic.edu/creativecoding/courses/cs523/slides/week3/DipLearning_LeCun.pdf