திரைக்குப் பின்னால் இயந்திரக் கற்றல் ஏன் அதிகம் - பொதுவான பயனரின் பார்வைக்கு வெளியே?

கே:

திரைக்குப் பின்னால் இயந்திரக் கற்றல் ஏன் அதிகம் - பொதுவான பயனரின் பார்வைக்கு வெளியே?

இயந்திர கற்றல் குறித்த இந்த அடிப்படை கேள்வி, இந்த சிக்கலான திட்டங்கள் எவ்வாறு செயல்படுகின்றன, இன்றைய பொருளாதாரத்தில் அவை என்ன பங்கு வகிக்கின்றன என்பதற்கான பல்வேறு அம்சங்களை கணக்கில் எடுத்துக்கொள்கின்றன.

இயந்திர கற்றல் அமைப்புகளின் முக்கியத்துவம் இல்லாததை விளக்க எளிதான வழிகளில் ஒன்று, அவை மறைக்க எளிதானவை. இந்த பின்-இறுதி அமைப்புகள் பரிந்துரை இயந்திரங்கள் மற்றும் பலவற்றின் பின்னால் பதுங்கியிருக்கின்றன, எந்தவொரு இயந்திரக் கற்றலும் நடைபெறுகிறது என்பதை நுகர்வோர் மறக்க அனுமதிக்கிறது. அனைத்து இறுதி பயனர்களுக்கும் தெரியும், சில மனிதர்கள் அதிநவீன வழிமுறைகளை இயக்கும் நரம்பியல் பிணையத்திற்கு பதிலாக தேர்வுகளை கவனமாக தேர்ந்தெடுப்பார்கள்.

அதையும் மீறி, இயந்திரக் கற்றல் குறித்த முறையான கல்வியின் பற்றாக்குறையும் உள்ளது, ஏனென்றால் இது மிகவும் புதியது, மற்றும் ஓரளவு STEM பயிற்சியில் முதலீடு இல்லாததால். ஒரு சமூகமாக, தொழில்நுட்பத்தைப் பற்றி எந்தவொரு பெரிய விவரத்திலும் அறிய முக்கிய நபர்களைத் தேர்ந்தெடுப்பதில் நாங்கள் பொதுவாக சரி என்று தோன்றுகிறது, மேலும் எங்கள் மக்கள்தொகையின் "தொழில்நுட்ப பூசாரிகள்" ஆக வேண்டும். ஒரு விரிவான ஸ்பெக்ட்ரம் உத்தி என்பது உயர்நிலைப் பள்ளிகளில் இரண்டாம் நிலை அளவில் விரிவான இயந்திர கற்றல் மற்றும் தொழில்நுட்ப வழிமுறைகளை நிச்சயமாக சேர்க்க வேண்டும்.

இயந்திரக் கற்றலைச் சுற்றி அணுகக்கூடிய மொழி இல்லாதது மற்றொரு சிக்கல். ஜர்கான் ஏராளமாக உள்ளது - வழிமுறைகளின் லேபிள்களிலிருந்து, செயற்கை நியூரான்களுக்கு சக்தி அளிக்கும் மற்றும் நரம்பியல் நெட்வொர்க்குகள் விளைவிக்கும் செயல்படுத்தும் செயல்பாடுகள் வரை. ஒரு சிறந்த நரம்பியல் வலையமைப்பில் அடுக்குகளை லேபிளிடுதல் மற்றொரு சிறந்த எடுத்துக்காட்டு - திணிப்பு மற்றும் ஸ்ட்ரைடிங் மற்றும் அதிகபட்ச பூலிங் மற்றும் பல. இந்த சொற்கள் எதைக் குறிக்கின்றன என்பதை யாரும் உண்மையில் புரிந்து கொள்ளவில்லை, மேலும் இது இயந்திரக் கற்றலை மேலும் விவரிக்க முடியாததாக ஆக்குகிறது.

வழிமுறைகள் கணிதவியலாளர்களின் பேச்சுவழக்கில் அமைந்திருக்கின்றன. நவீன மற்றும் கிளாசிக்கல் இயற்பியலைப் போலவே, இந்த துறைகளின் மாணவர்களும் அல்காரிதம் செயல்பாடுகளை எளிய மொழியில் வைப்பதை விட சிக்கலான சமன்பாடுகளைப் படிக்கும் கலையில் தேர்ச்சி பெற வேண்டும். இயந்திர கற்றல் தகவல்களை மிகக் குறைவாக அணுகவும் இது உதவுகிறது.

இறுதியாக, "கருப்பு பெட்டி" சிக்கல் உள்ளது, அங்கு பொறியாளர்கள் கூட எத்தனை இயந்திர கற்றல் திட்டங்கள் செயல்படுகின்றன என்பதை முழுமையாக புரிந்து கொள்ளவில்லை. இந்த வழிமுறைகளின் சிக்கலான தன்மை மற்றும் திறனை நாங்கள் அளவிட்டுள்ளதால், மதிப்பீடு மற்றும் பகுப்பாய்வு முடிவுகளுக்கான வெளிப்படைத்தன்மை மற்றும் எளிதான அணுகலை நாங்கள் தியாகம் செய்துள்ளோம். இதைக் கருத்தில் கொண்டு, விளக்கக்கூடிய AI ஐ நோக்கி ஒரு பெரிய இயக்கம் உள்ளது - செயல்பாட்டு இயந்திர கற்றல் மற்றும் செயற்கை நுண்ணறிவை அணுகக்கூடியதாக வைத்திருத்தல் மற்றும் உற்பத்திச் சூழலில் விரும்பத்தகாத ஆச்சரியங்களைத் தவிர்ப்பதற்காக இந்த திட்டங்கள் எவ்வாறு செயல்படுகின்றன என்பதைக் கையாளுதல்.

இன்றைய தொழில்நுட்ப உலகில் இயந்திரக் கற்றல் வளர்ந்து கொண்டே இருந்தாலும், இது பெரும்பாலும் “பார்வைக்கு வெளியே, மனதிற்கு வெளியே” ஏன் என்பதை விளக்க இவை அனைத்தும் உதவுகின்றன.