আসুন এখন থেকে 30 বছর আগে ভবিষ্যতের দিকে নজর দিন। আসুন আমরা আশাবাদী হয়ে উঠি এবং ধরে নিই যে মেশিন লার্নিং সম্পর্কিত ক্ষেত্রগুলি আমরা গত 10 বছরে যা দেখেছি তত দ্রুত বিকাশ বজায় রাখে। এটি দুর্দান্ত হবে তবে এই জাতীয় ভবিষ্যতে traditionalতিহ্যবাহী অ্যালগোরিদমিকের ভূমিকা কী হবে?
এখানে "traditionalতিহ্যবাহী অ্যালগোরিদমিক্স" দ্বারা আমি টিসিএস-এ অনুসরণ করা স্বাভাবিক প্রক্রিয়াটি উল্লেখ করি: একটি ভাল-সংজ্ঞায়িত কম্পিউটেশনাল সমস্যাটি আনুষ্ঠানিককরণ করুন , সমস্যাটি সমাধানের জন্য ডিজাইন অ্যালগরিদমগুলি এবং আনুষ্ঠানিক কর্মক্ষমতা গ্যারান্টি প্রমাণিত করুন ।
এখন সেই অ্যাপ্লিকেশন ক্ষেত্রগুলি কী কী যেখানে আমাদের অবশ্যই ভবিষ্যতে traditionalতিহ্যবাহী অ্যালগরিদম নকশা এবং বিশ্লেষণ ব্যবহার করতে হবে , এবং মেশিন লার্নিংয়ের যে কোনও অগ্রগতি ?তিহ্যবাহী অ্যালগোরিদমিকগুলিকে বেশিরভাগ অপ্রাসঙ্গিক করে তুলবে তা খুব সম্ভব নয়?
প্রথমে এটি একটি নির্বোধ প্রশ্নের মতো মনে হতে পারে: অবশ্যই আমাদের ভবিষ্যতেও বাছাই, অনুসন্ধান, সূচীকরণ ইত্যাদি সক্ষম করতে হবে! অবশ্যই আমাদের ফুরিয়ার দক্ষতার সাথে রূপান্তর করতে, বৃহত্তর ম্যাট্রিকগুলিকে গুণ করা, সবচেয়ে ছোট পথ খুঁজে পেতে, রৈখিক অপ্টিমাইজেশনের সমস্যাগুলি সমাধান করতে সক্ষম হতে হবে!
তবে আবার, আপনি যে অ্যাপ্লিকেশনগুলিতে প্রথাগতভাবে আমরা ডিজাইন করেছি সেই অ্যালগরিদমগুলি একবার গভীরভাবে দেখতে শুরু করলে, এটি মোটেও পরিষ্কার নয় যে theতিহ্যবাহী অ্যালগরিদম নকশা এবং বিশ্লেষণ এই জাতীয় সমস্যার সঠিক উত্তর: অনুসন্ধান সম্পর্কিত অ্যাপ্লিকেশনগুলিতে , সাধারণত আমরা এমন কিছু সন্ধান করতে আগ্রহী যা কিছু মানুষের কাছে কিছু অস্পষ্ট-সংজ্ঞায়িত অর্থে (উদাহরণস্বরূপ শব্দার্থিক মিল), যা কিছু গাণিতিক অর্থে অনুকূল নয় (যেমন সর্বনিম্ন সম্পাদনার দূরত্ব)। রুট পরিকল্পনা সম্পর্কিত অ্যাপ্লিকেশনগুলিতে, সাধারণত আমরা উদাহরণগুলির উপর ভিত্তি করে ভাল রুটগুলি খুঁজতে আগ্রহী (যেমন অন্যান্য ব্যক্তিরা এটি পছন্দ করেন), কোনও গাণিতিক দিক থেকে অনুকূল নয় এমন রুটগুলি নয় (উদাহরণস্বরূপ স্বল্পতম দূরত্ব বা সস্তার দাম)। এবং ছবিটিতে একবার আপনার কিছু অস্পষ্ট, অশুচিত-সংজ্ঞায়িত মানব উপাদান তৈরি হয়ে গেলে, এটি একটি ক্ষেত্রে হতে পারে যে কোনও টিসিএস গবেষককে সামনে আসতে দেওয়ার পরিবর্তে উদাহরণের উপর ভিত্তি করে কম্পিউটারকে ভাল উত্তর দেওয়ার জন্য শেখানো আমরা আরও ভাল are প্রথাগত অ্যালগোরিদম নকশা এবং বিশ্লেষণের মাধ্যমে আমরা মোকাবিলা করতে পারি এমন একটি আনুষ্ঠানিক গণনা সমস্যা সহ
সুতরাং প্রয়োগের ক্ষেত্রগুলি কী (অগ্রাধিকারযোগ্য আসল এবং প্রত্যক্ষ শিল্প অ্যাপ্লিকেশন) যা এতে একেবারে স্পষ্ট যে আমরা অতীতে আলগোরিদিমগুলিতে যা করে চলেছি তাও অগ্রগতি করার সঠিক পথ (এবং একমাত্র সম্ভাব্য উপায়) হতে চলেছে ভবিষ্যতে?
মেশিন লার্নিং কৌশলগুলিতে সাববুটিন হিসাবে ব্যবহৃত অ্যালগরিদমগুলি ভবিষ্যতের প্রুফ প্রার্থীর মতো মনে হয়, তবে এটি আমাদের ব্যবহার করা নির্দিষ্ট মেশিন লার্নিং টেকনিকের উপর খুব বেশি নির্ভর করে এবং আমরা গত দশ বছর বা তার পরে যেমন দেখেছি, এটি দ্রুত পরিবর্তন হতে পারে ।