मशीन लर्निंग के अग्रदूतों को वर्ष 2024 का भौतिकी नोबेल पुरस्कार

• हिंटन ने हॉपफील्ड के कार्य को आगे बढ़ाया और कृत्रिम नेटवर्क विकसित किया, जो अधिक जटिल कार्य कर सकता था।
  • हॉपफील्ड नेटवर्क आकार या ध्वनि के सरल पैटर्न को पहचान सकते थे।
  • हिंटन के उन्नत मॉडल ध्वनियों एवं चित्रों को समझ सकते थे।
• तंत्रिका नेटवर्क (Neural Networks) को मजबूत किया जा सकता है तथा पैटर्न पहचान में उनकी सटीकता को डेटा के बार-बार इनपुट के माध्यम से बढ़ाया जा सकता है, जिसे ट्रेनिंग (Training) कहा जाता है।
  • हिंटन ने बैकप्रोपेगेशन (Backpropagation) नामक एक विधि विकसित की, जिसने कृत्रिम तंत्रिका नेटवर्क को पिछली गलतियों से सीखने एवं स्वयं को बेहतर बनाने में सक्षम बनाया।

मशीन लर्निंग (Machine Learning) के बारे में

• कृत्रिम बुद्धिमत्ता (AI) का एक उपसमूह, यह एल्गोरिदम के विकास पर ध्यान केंद्रित करता है, जो कंप्यूटरों को विशिष्ट कार्यों के लिए स्पष्ट रूप से प्रोग्राम किए बिना, डेटा के आधार पर सीखने एवं निर्णय लेने में सक्षम बनाता है।

• मशीन लर्निंग का सार, डेटा के भीतर पैटर्न को पहचानना और उन पैटर्न के आधार पर भविष्यवाणियाँ या निर्णय लेना होता है। 
• यह कैसे कार्य करता है:-
  • मशीन लर्निंग प्रणालियाँ, डेटा को संशोधित करके तथा आंतरिक चरों या मॉडल मापदंडों को अनुकूलित करके स्वयं को अपग्रेड करती हैं।
  • इसके बाद लर्निंग एल्गोरिदम सीखते समय पैरामीटर संबंधी परिणामों को अद्यतन करता है, जिससे मॉडल को डेटा के आधार पर पूर्वानुमान और निर्णय लेने की सुविधा मिलती है।

मशीन लर्निंग के उदाहरण

• स्पैम फिल्टरिंग (Spam Filtering): स्पैम ईमेल की पहचान करने के लिए डेटा में पैटर्न का उपयोग करता है।
• नेचुरल लैंग्वेज प्रोसेसिंग (Natural Language Processing): यह कंप्यूटर को मानव भाषा को समझने, व्याख्या करने और उत्पन्न करने में सक्षम बनाता है।

• न्यूरल नेटवर्क (Neural Networks): मानव मस्तिष्क के तंत्रिका कनेक्शनों से प्रेरित होकर, इन मॉडलों का उपयोग मशीन लर्निंग में किया जाता है।
• ओवरफिटिंग और अंडरफिटिंग: ओवरफिटिंग तब होती है, जब कोई मॉडल प्रशिक्षण डेटा पर अच्छा प्रदर्शन करता है, लेकिन नए डेटा पर खराब प्रदर्शन करता है। अंडरफिटिंग तब होती है, जब कोई मॉडल बहुत सरल होता है, जो अंतर्निहित पैटर्न को पकड़ने में विफल रहता है।

DOWNLOAD PDF