ஆழமான கற்றல்(Deep Learning(DL)), எந்திர கற்றல்(Machine Learning(ML)), செயற்கைநுன்னறிவு (Artificial Intelligence(AI)) இவை தான் இன்றைய தொழில்நுட்பம்.
பொதுவாக நாமனைவரும் இம்மூன்றையும் ஒன்றே என தவறாகப் புரிந்து கொள்கின்றோம். ஆயினும் செயற்கைநுன்னறிவு (AI) ஆரம்ப நாட்களில், ஆராய்ச்சியாளர்கள் குறிக்கோள் மனித புலனாய்வுகளின் சில ஒற்றுமைகளை வெளிப்படுத்தும் திறன்மிக்க சிக்கலான இயந்திரங்களை உருவாக்குவதாகவே இருந்து வந்தது.
அதனால் அறிவியல் புனைகதைகளிலும் அதனை தொடர்ந்து பிரபலமான திரைப்படங்களிலும் இந்த தொழிலநுட்பம் பயன்படுத்தபட்டது.
மிக முக்கியமாக சொல்லவேண்டுமெனில் தற்போது உளவுத்துறையில் இந்த செயற்கை நுண்ணறிவில் ‘உளவுத்துறை’ தரப்படுத்தலுக்காக அடிக்கடி பயன்படுத்தப்படும் டூரிங் டெஸ்ட் ஆக உள்ளதால் இது மனித உளவுத்துறையை விஞ்சிவிடும் என்றும் உலக ஆதிக்கத்தை அடையக்கூடிய சாத்தியம் இதற்கு இருப்பதாக நம்பப்படுவதாலும் வருங்கலாத்தில் மனிதனுடைய வேலை பறிபோவதற்கான சாத்தியம் உள்ளது என அறிவியாலாளர் அஞ்சுகின்றனர்.
தனிநபர்கள் உதவியாளர்களான Siri , Alexa ஆகிய இரண்டும் செயற்கைநுன்னறிவின் (Artificial Intelligence(AI)) அடுத்த பரிணாம வளர்ச்சியாகும்.
இயந்திர கற்றல் (ML) இது கிமி நுட்பங்களில் பொதுவாக ஒருங்கிணைக்கப்பட்ட நடைமுறைகளின் ஒரு துணைக்குறியீடு ஆகும்.
தரவுப் பகுப்பாய்விற்கு வழிவகுக்கும் வழிமுறைகளை விவரிப்பதற்கு இது முதலில் பயன்படுத்தப்பட்டது, அதில் இருந்து கற்றுக்கொள்ளக்கூடிய மாதிரிகள் உருவாக்கப்பட்டு, இறுதியில் இந்த கற்றுக்கொள்ளப்பட்ட அளபுருக்களை பயன்படுத்தி கணிப்புகள் செய்யப்பட்டன.
இது முடிவெடுத்தல், கிளஸ்டிங், ரிக்ரஸன் பேய்சியன் அணுகுமுறைகள் உள்ளிட்ட பல்வேறு உத்திகளை உள்ளடக்கியது. ஆரம்பத்தில், எம்.எல் இன் பிரதான பயன்பாடுகள் கணினியின் காட்சி ,மாதிரி அங்கீகாரமளித்தல் ஆகியவற்றிற்குள் செயல்படுமாறாக மட்டுப்படுத்தப்பட்டன.
ஆயினும் அதனை தொடர்ந்துதற்போது கல்வி கற்பிப்பதற்கான கருவியாக கல்வியாளர்களிடம் அடைக்கலம் புகுந்துள்ளது.
அதைவிட தற்போது கூகுள் தேடல் குழுவின் Page Rank algorithmஎன்பதற்கு பதிலாக RankBrain என்ற ML அல்காரிதமாக பயன்படுத்திடும் சூழலும் முகநூலில் தானாகவே ஒரு படத்தில் குறியிடுவதற்கு நண்பர்கள் பரிந்துரைப்பதிலும் இந்த இயந்திர கற்றல் (ML) மிகமுக்கிய பங்கு வகிக்கின்றது.
அதாவது இன்று நாம் நமது அன்றாட செயற்பாடுகளுக்கு எவ்விதமாக இந்த இயந்திர கற்றலை (ML) சார்ந்து இருக்கிறோம் என்பதை அறியாமலேயே நாமனைவரும் இந்த ML ஐ பயன்படுத்தி வருகின்றோம்
ஆழமான கற்றல் (DL) சில தசாப்தங்களாக செயலற்ற நிலையில் இருந்த முக்கிய விலி அணுகுமுறை செயற்கை நரம்பியல் வலைபின்னலாகும்.
மேம்பட்ட செயலாக்க திறன்கள் கிடைத்தவுடன் இது இறுதியில் பரவலான அங்கீகாரம் பெற்றது.
ஒரு நரம்பியல் வலைபின்னலானது ஒரு மூளை நரம்பணுக்களின் செயல்பாடு ஒரு அடுக்கு வடிவத்தில் உருவகப்படுத்துகிறது, அதேபோல் தரவுகளை பரப்புவதும் இதேபோன்று நிகழ்கிறது, இது ஒரு குறிப்பிட்ட கணிப்பொறியைப் பற்றி மேலும் அறிய மற்றும் துல்லியமான கணிப்புகளை உருவாக்க உதவுகிறது. இந்த நரம்பியல் வலைபின்னலானது சமீபகாலம் வரை புறக்கணிக்கப்பட்டன.
ஆயினும் ஜியோஃப்ரி ஹின்டனின் என்பவரின் தலைமையிலான ஆராய்ச்சியாளர்கள் இந்த ஆழ் கற்றலை முன்னெடுத்து செல்கின்றனர் இந்த டி.எல். பெரிய அளவிலான வியாபாரப் பயன்பாடுகளால் மில்லியன் கணக்கான ஆய்வுகளில் இருந்து கற்றுக் கொள்ளும் திறன் கொண்டது.
கணக்கியல் ரீதியாக தீவிரமாக இருந்தாலும், அதன் இணையற்ற துல்லியத்தன்மை காரணமாக விருப்பமான மாற்றாக இது விளங்குகின்றது .அதாவது நெட்ஃபிக்ஸ் அமேசான் ஆகிய நிறுவனங்களால் பயன்படும் தன்னியக்க வாகனங்கள், சிபாரிசு முறைமைகள் ஆகியவை இந்த டி.எல் வழிமுறைகளின் மிகவும் பிரபலமான பயன்பாடுகளில் ஒன்றாக இருக்கின்றன.
AI, ML , DL ஆகியவற்றை ஒப்பிடுகையில் ஒரு குறிப்பிட்ட பணிக்காக குறுகிய கிமி சிறந்ததாகும்
விலி ஆனது கிமி இன் துணைக்குழுவாகும் அப்பாச்சி ஸ்பார்க்கின் Mlib,Scikit-llearn எனும் பயன்பாடுகள் பைத்தானின் நூலகம் போன்றவை இந்த வகையில் வருகின்றன மிகமுக்கியமாக Big Data analytics, datamining, pattern regonisation ஆகியவை இதன் கீழ் வருகின்றவையாகும்.
DL என்பது இதே கிமி இன் மற்றொரு துணைக்குழுவாகும் image ,face voiceஆகியவற்றை அங்கீகரிக்க பயன்படுவை இந்த வகையில் வருகின்றன.
பொதுவாக பிரத்யேக படம் , வீடியோ அங்கீகரிப்பு பணிகளை பரந்த பயன்பாட்டிற்கு பயன்படுத்தி தன்னியக்க ஓட்டுநர் மற்றும் வழிசெலுத்தல் பணிக்காக இவை மூன்றும் பயன்படவிருக்கின்றன
