আর্টিফিসিয়াল ইন্টেলিজেন্স (কৃত্রিম বুদ্ধিমত্তা) এবং মেশিন লার্নিং কম্পিউটার বিজ্ঞানের অঙ্গ যা একে অপরের সাথে সম্পর্কযুক্ত। এই দুটি প্রযুক্তি হ’ল সর্বাধিক ট্রেন্ডিং প্রযুক্তি যা বুদ্ধিমান সিস্টেম তৈরিতে ব্যবহৃত হয়।
যদিও এটি দুটি সম্পর্কিত প্রযুক্তি এবং কখনও কখনও লোকেরা একে অপরের প্রতিশব্দ হিসাবে ব্যবহার করে, তবে এখনও উভয়ই বিভিন্ন ক্ষেত্রে দুটি পৃথক পদ।
আর্টিফিসিয়াল ইন্টেলিজেন্স এবং মেশিন লার্নিং-
বুদ্ধিমান মেশিন তৈরির জন্য এআই একটি বৃহত্তর ধারণা যা মানুষের চিন্তাভাবনা এবং আচরণের অনুকরণ করতে পারে, অন্যদিকে, মেশিন লার্নিং এআইয়ের একটি অ্যাপ্লিকেশন বা সাবসেট যা মেশিনগুলিকে স্পষ্টভাবে প্রোগ্রাম না করে ডেটা থেকে শিখতে দেয়।
নীচে কৃত্রিম বুদ্ধিমত্তা এবং মেশিন লার্নিংয়ের ওভারভিউ সহ এআই এবং মেশিন লার্নিংয়ের মধ্যে কিছু প্রধান পার্থক্য তুলে ধরলাম।
কৃত্রিম বুদ্ধিমত্তা-
কৃত্রিম বুদ্ধিমত্তা কম্পিউটার বিজ্ঞানের এমন একটি ক্ষেত্র যা একটি কম্পিউটার সিস্টেম তৈরি করে যা মানুষের বুদ্ধি অনুকরণ করতে পারে। এটি দুটি শব্দ ” কৃত্রিম ” এবং ” বুদ্ধি ” দ্বারা গঠিত, যার অর্থ “একটি মানব-তৈরি চিন্তা শক্তি”। সুতরাং আমরা এটি হিসাবে সংজ্ঞায়িত করতে পারি।
কৃত্রিম বুদ্ধিমত্তা ব্যবস্থার প্রাক-প্রোগ্রামিংয়ের প্রয়োজন হয় না, তার পরিবর্তে তারা এ জাতীয় অ্যালগরিদম ব্যবহার করে যা তাদের নিজস্ব বুদ্ধি দিয়ে কাজ করতে পারে। এটিতে মেশিন লার্নিং অ্যালগরিদম যেমন রিইনফোর্সমেন্ট লার্নিং অ্যালগরিদম এবং গভীর লার্নিং নিউরাল নেটওয়ার্ক জড়িত। আপেলের সিরি, গুগলের আলফাগো, দাবা খেলায় ইত্যাদির মতো একাধিক জায়গায় এআই ব্যবহার করা হচ্ছে।
আর্টিফিসিয়াল ইন্টেলিজেন্সকে তিন ধরণের মধ্যে শ্রেণিবদ্ধ করা যেতে পারে-
দুর্বল এআই (Weak AI)
জেনারেল এআই (General AI)
শক্তিশালী এআই (Strong AI)
বর্তমানে, আমরা দুর্বল এআই এবং সাধারণ এআই সহ কাজ করছি। এআই এর ভবিষ্যতটি স্ট্রং এআই, যার জন্য বলা হয় যে এটি মানুষের চেয়ে বুদ্ধিমান হবে।
মেশিন লার্নিং-
মেশিন লার্নিং হচ্ছে তথ্য থেকে জ্ঞান আহরণ করা। এটি হিসাবে সংজ্ঞায়িত করা যেতে পারে, মেশিন লার্নিং কৃত্রিম বুদ্ধিমত্তার একটি সাবফিল্ড, যা মেশিনগুলিকে স্পষ্টভাবে প্রোগ্রাম না করে অতীতের ডেটা বা অভিজ্ঞতা থেকে শিখতে সক্ষম করে তোলে।
মেশিন লার্নিং কোনও কম্পিউটার সিস্টেমকে স্পষ্টভাবে প্রোগ্রাম না করে ভবিষ্যদ্বাণী করতে বা হিস্টরিকাল ডেটা ব্যবহার করে কিছু সিদ্ধান্ত নিতে সক্ষম করে। মেশিন লার্নিং প্রচুর পরিমাণে কাঠামোগত এবং আধা-কাঠামোগত ডেটা ব্যবহার করে যাতে একটি মেশিন লার্নিং মডেল সঠিক ফলাফল উত্পন্ন করতে পারে বা সেই ডেটার উপর ভিত্তি করে পূর্বাভাস দিতে পারে।
মেশিন লার্নিং অ্যালগরিদমে কাজ করে যা হিস্টরিকাল ডেটা ব্যবহার করে এর নিয়ে শেখে। এটি কেবলমাত্র নির্দিষ্ট ডোমেনের জন্য কাজ করে যেমন আমরা যদি কুকুরের ছবি সনাক্ত করার জন্য একটি মেশিন লার্নিং মডেল তৈরি করছি তবে এটি কেবল কুকুরের চিত্রগুলির জন্য ফলাফল দেবে, তবে আমরা যদি বিড়ালের চিত্রের মতো একটি নতুন ডেটা সরবরাহ করি তবে এটি প্রতিক্রিয়াহীন হয়ে উঠবে। মেশিন লার্নিং বিভিন্ন জায়গায় যেমন গুগল অনুসন্ধান অ্যালগরিদম, ইমেল স্প্যাম ফিল্টার, ফেসবুক অটো বন্ধু ট্যাগিংয়ের পরামর্শ ইত্যাদির জন্য অনলাইনে প্রস্তাবকারী সিস্টেমের জন্য ব্যবহৃত হচ্ছে, এটি তিন ধরণের মধ্যে বিভক্ত করা যেতে পারে-
তত্ত্বাবধান শেখা (Supervised Learning)
নিরীক্ষণশিক্ষা (Unsupervised Learning)
শক্তিবৃদ্ধি শেখা (Reinforcement Learning)
