29 March Friday

മെഷീൻ ലേർണിംഗ്‌- യന്ത്രങ്ങൾ സ്വയം പഠിക്കുമ്പോൾ

ജയ ജി നായർUpdated: Thursday Dec 3, 2020

ഇന്ന് നാം ദിവസവും പല തരത്തിലുള്ള യന്ത്രം ഉപയോഗിക്കുന്നുണ്ടല്ലോ. കൃത്യസമയത്ത് അലാറം മുഴക്കി ഉണർത്തുന്ന ടൈംപീസ്, രസിപ്പിക്കുന്ന കംപ്യൂട്ടർ ഗെയിം തുടങ്ങി അങ്ങേയറ്റം സുരക്ഷയോടെ വിമാനം പറത്താനും ന്യൂക്ലിയർ റിയാക്ടർ പ്രവർത്തിപ്പിക്കാനുംവരെ യന്ത്രങ്ങൾ സഹായിക്കുന്നു. എത്ര സങ്കീർണമായ യന്ത്രങ്ങളാണെങ്കിലും ഇവയൊക്കെ നേരത്തെ നൽകിയിട്ടുള്ള നിർദേശങ്ങൾ കൃത്യമായി അനുസരിക്കുക മാത്രമാണ് ചെയ്യുന്നത്. അഭിമുഖീകരിക്കേണ്ടി വരാവുന്ന എല്ലാത്തരം സാഹചര്യവും എങ്ങനെ കൈകാര്യം ചെയ്യണമെന്ന് മുൻകൂട്ടി പ്രോഗ്രാം ചെയ്തതുപോലെ പ്രതികരിക്കുക മാത്രം.

അങ്ങനെയല്ലാതെ, എന്തു ചെയ്യണമെന്നത് സ്വയം മനസ്സിലാക്കി പ്രവർത്തിക്കാൻ യന്ത്രങ്ങളെ എങ്ങനെ സജ്ജമാക്കാം. - ഇത്തരം അന്വേഷണങ്ങളാണ് ‘യന്ത്രങ്ങളുടെ സ്വയംപഠനം' അഥവാ ‘മെഷീൻ ലേണിങ്‌’ എന്ന വിജ്ഞാനശാഖ നടത്തുന്നത്.  കൃത്രിമ ബുദ്ധി (ആർട്ടിഫിഷ്യൽ ഇന്റലിജൻസ്) എന്ന ഗവേഷണമേഖലയുടെ ഭാഗമായാണ് പൊതുവെ ഇതും കണക്കാക്കുന്നത്‌.


 

എന്തിന് യന്ത്രങ്ങൾ ഇങ്ങനെ സ്വയം പഠിക്കണം? വളരെ സങ്കീർണമായ പ്രത്യേകതരം പ്രവർത്തനങ്ങൾ നടത്തേണ്ട യന്ത്രങ്ങൾക്ക് എല്ലാത്തരത്തിലുമുള്ള നിർദേശം മുൻകൂട്ടി നൽകാൻ നമുക്കു സാധിക്കില്ല എന്നതുതന്നെ പ്രധാന കാരണം. ഉദാഹരണത്തിന്, മനുഷ്യരുടെ മുഖത്തിന്റെ ചിത്രങ്ങളിൽനിന്ന്‌ ആളെ തിരിച്ചറിയുന്ന ഒരു യന്ത്രം സങ്കൽപ്പിക്കൂ. - ഒരാളുടെ എല്ലാത്തരം ചിത്രവും നേരത്തെകൂട്ടി കാട്ടിക്കൊടുത്ത്‌ പ്രോഗ്രാം ചെയ്യാൻ സാധിക്കില്ല. പ്രവർത്തിച്ചുകൊണ്ട്‌ സ്വയം കൂടുതൽ കൂടുതൽ മനസ്സിലാക്കിയേ പറ്റൂ.

മനുഷ്യർ കാര്യങ്ങൾ പഠിക്കുന്നത് ഇങ്ങനെ തന്നെയാണല്ലോ. അനുഭവങ്ങളിലൂടെ അറിവ് കൂടുതൽ തെളിവുള്ളതാകുന്നു. റോഡിലൂടെ മനുഷ്യസഹായമില്ലാതെ ഡ്രൈവ് ചെയ്യേണ്ട ഒരു ‘ഓട്ടോമാറ്റിക്’ കാറിന്, യാത്രയ്‌ക്കിടെ അഭിമുഖീകരിക്കേണ്ടി വരാവുന്ന എല്ലാത്തരം തടസ്സത്തെപ്പറ്റിയും നേരത്തെ വിവരിച്ചുകൊടുക്കാൻ പറ്റില്ല. തടസ്സങ്ങളെ പൊതുവെ എങ്ങനെ നേരിടണമെന്നു മാത്രമേ പ്രോഗ്രാം ചെയ്യാൻ പറ്റുകയുള്ളൂ. മാറുന്ന സാഹചര്യങ്ങളിൽ യന്ത്രത്തിന്റെ പ്രവർത്തനവും മാറേണ്ടതുണ്ട്. ചെസ്‌ കളിക്കുക, കൈയക്ഷരം നോക്കിവായിക്കുക, രോഗലക്ഷണം കണക്കാക്കി രോഗം നിർണയിക്കുക - ഇത്തരം യന്ത്രങ്ങളൊക്കെ ഉദാഹരണങ്ങളാണ്. ഇന്റർനെറ്റ് ഉപയോഗിക്കുമ്പോൾ നിങ്ങളുടെ താൽപ്പര്യം മനസ്സിലാക്കി ഉൽപ്പന്നങ്ങൾ കാട്ടിത്തരിക, പല ഭാഷ  തമ്മിൽ മൊഴിമാറ്റം നടത്തുക - താരതമ്യേന വിജയകരമായ പ്രയോഗ മേഖലകളാണ്‌ ഇവ.

സൂപ്പർവൈസ്‌ഡ്‌ ലേർണിംഗ്‌‌
എങ്ങനെയാണ് സ്വയം പഠിക്കാൻ ഒരു യന്ത്രത്തെ, - കംപ്യൂട്ടറിനെ - സജ്ജമാക്കുന്നത്? മുൻകൂട്ടി നടത്തുന്ന പരിശീലനമാണ് പ്രധാനം. ഇത് പല രീതിയിൽ ചെയ്യുന്നു. ചെയ്യേണ്ട ജോലിക്ക് പ്രസക്തമായ ഡാറ്റയും (ഇൻപുട്ട്) ആവശ്യമുള്ള പ്രതികരണം അഥവാ ഔട്ട്പുട്ടും കാട്ടിക്കൊടുത്തു നടത്തുന്ന പരിശീലനമാണ് ഒരു രീതി. ഇതിനെ മേൽനോട്ടത്തോടെയുള്ള പഠനം (സൂപ്പർവൈസ്‌ഡ്‌ ലേണിങ്‌) എന്ന് വിളിക്കുന്നു. പരിശീലനം കഴിഞ്ഞാൽ, പിന്നീട് ഇതുവരെ കണ്ടിട്ടില്ലാത്ത ഡാറ്റ അഥവാ സാഹചര്യങ്ങളിലും കംപ്യൂട്ടർ ശരിയായി പ്രവർത്തിക്കുന്നു. ഇനി തെറ്റു പറ്റിയാലും ആ അനുഭവം  പാഠമായി എടുത്ത് തുടർന്നുള്ള പ്രവർത്തനം മെച്ചപ്പെടുത്തുന്നു. പരിശീലനസമയത്ത് ഡാറ്റ മാത്രം നൽകി, കംപ്യൂട്ടർ സ്വയം ഡാറ്റയിലെ ക്രമങ്ങൾ (പാറ്റേണുകൾ) തിരിച്ചറിയുന്ന ‘മേൽനോട്ടമില്ലാത്ത പഠനം' മറ്റൊരു രീതിയാണ്. ‘ശരിയായ’ പ്രതികരണങ്ങൾക്ക് പാരിതോഷികം നൽകി പരിശീലിപ്പിക്കുന്ന രീതിക്ക് ‘റീഇൻഫോഴ്സ്ഡ് ലേണിങ്‌’ എന്നു പറയുന്നു. വേറെയും പല പരിശീലന മാർഗവും ഉപയോഗിക്കാറുണ്ട്.

സ്വയം പഠിക്കുന്ന യന്ത്രങ്ങൾ എന്ന ചിന്ത അത്ര പുതിയതൊന്നുമല്ല. 1950 കളുടെ അന്ത്യംമുതൽ ഇത്തരം പരീക്ഷണം നടത്തിവരുന്നു. പിന്നീടുള്ള ദശകങ്ങളിൽ പ്രത്യേക മേഖലകളിൽ അറിവുള്ള ‘എക്സ്പെർട്ട്‌ സിസ്റ്റം’, മനുഷ്യന്റെ തലച്ചോറിന്റെ പ്രവർത്തനം മാതൃകയാക്കുന്ന ‘ന്യൂറൽ നെറ്റ് വർക്കുകൾ’ – ഇതിലൊക്കെ ശ്രമങ്ങൾ നടന്നു. സ്റ്റാറ്റിസ്റ്റിക്‌സ്, ഡാറ്റാമൈനിങ് – ഇതൊക്കെ ഉപയോഗിക്കുന്നു. ഇന്നിപ്പോൾ ‘ഡീപ് ലേർണിങ്‌’ അഥവാ അഗാധമായ, കൂടുതൽ സങ്കീർണമായ പഠനരീതികളിൽ പരീക്ഷണങ്ങൾ നടക്കുകയാണ്. വളരെ വേഗതയും ശേഷിയുമുള്ള കംപ്യൂട്ടറുകളുടെ ലഭ്യതയാണ് ഇത്തരം അന്വേഷണങ്ങളെ സാധ്യമാക്കുന്നത്.

പരിശീലനം നടത്താൻ ഉപയോഗിക്കുന്ന ഡാറ്റ പിന്നീട് അഭിമുഖീകരിക്കേണ്ടി വരുന്ന യഥാർഥ അനുഭവങ്ങളുടെ ശരിയായ പകർപ്പാകണമെന്നത് വളരെ പ്രധാനമാണ്. പക്ഷപാതം (ബയസ്) ഡാറ്റയിൽ ഉണ്ടാകാൻ പാടില്ല. അല്ലെങ്കിൽ, സ്വയം പ്രവർത്തിക്കുമ്പോൾ യന്ത്രം വലിയ അപകടം വരുത്തിവയ്‌ക്കും. നൈതികതയെ സംബന്ധിക്കുന്ന ചോദ്യങ്ങളും പ്രസക്തമാണ്. നിഷ്‌പക്ഷമായ, പൊതുനന്മ മാത്രം ലക്ഷ്യമിട്ട, ദുരാഗ്രഹം (ഗ്രീഡ്) ഇല്ലാത്ത ഉദ്ദേശ്യ ശുദ്ധി യന്ത്രങ്ങളുടെ നിർമാണത്തിൽ ഉണ്ടാകേണ്ടത് അത്യന്താപേക്ഷിതം. കാരണം, ‘സ്വയംപഠനം’ എന്നു പറയുമ്പോഴും എങ്ങനെ പഠിക്കണമെന്ന് യന്ത്രത്തെ പഠിപ്പിക്കുന്നത് പ്രോഗ്രാം ചെയ്യുന്ന മനുഷ്യൻ തന്നെയാണല്ലോ.
 


ദേശാഭിമാനി വാർത്തകൾ ഇപ്പോള്‍ വാട്സാപ്പിലും ടെലഗ്രാമിലും ലഭ്യമാണ്‌.

വാട്സാപ്പ് ചാനൽ സബ്സ്ക്രൈബ് ചെയ്യുന്നതിന് ക്ലിക് ചെയ്യു..
ടെലഗ്രാം ചാനൽ സബ്സ്ക്രൈബ് ചെയ്യുന്നതിന് ക്ലിക് ചെയ്യു..



മറ്റു വാർത്തകൾ

----
പ്രധാന വാർത്തകൾ
-----
-----
 Top