1689a2fdf9
|
||
|---|---|---|
| .. | ||
| README.md | ||
| assignment.md | ||
README.md
ਚਿੱਤਰ ਦਿਮਿਤਰੀ ਸੋਸ਼ਨਿਕੋਵ ਦੁਆਰਾ
ਜਿਵੇਂ ਜਿਵੇਂ ਸਮਾਂ ਬੀਤਦਾ ਗਿਆ, ਕੰਪਿਊਟਿੰਗ ਸਰੋਤ ਸਸਤੇ ਹੋ ਗਏ ਅਤੇ ਹੋਰ ਡਾਟਾ ਉਪਲਬਧ ਹੋਇਆ, ਇਸ ਲਈ ਨਿਊਰਲ ਨੈਟਵਰਕ ਪਹੁੰਚਾਂ ਨੇ ਕਈ ਖੇਤਰਾਂ ਵਿੱਚ ਮਨੁੱਖਾਂ ਨਾਲ ਮੁਕਾਬਲਾ ਕਰਨ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਪ੍ਰਦਰਸ਼ਨ ਦਿਖਾਇਆ, ਜਿਵੇਂ ਕਿ ਕੰਪਿਊਟਰ ਵਿਜ਼ਨ ਜਾਂ ਬੋਲਚਾਲ ਦੀ ਸਮਝ। ਪਿਛਲੇ ਦਹਾਕੇ ਵਿੱਚ, "ਕ੍ਰਿਤਰਿਮ ਬੁੱਧੀ" ਸ਼ਬਦ ਨੂੰ ਜ਼ਿਆਦਾਤਰ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦਾ ਪਰਿਆਏਵਾਚੀ ਮੰਨਿਆ ਗਿਆ ਹੈ, ਕਿਉਂਕਿ ਜ਼ਿਆਦਾਤਰ AI ਸਫਲਤਾਵਾਂ ਜੋ ਅਸੀਂ ਸੁਣਦੇ ਹਾਂ, ਉਹ ਇਨ੍ਹਾਂ 'ਤੇ ਆਧਾਰਿਤ ਹਨ।
ਅਸੀਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ ਪਹੁੰਚਾਂ ਕਿਵੇਂ ਬਦਲੀਆਂ, ਉਦਾਹਰਣ ਲਈ, ਸ਼ਤਰੰਜ ਖੇਡਣ ਵਾਲੇ ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮ ਬਣਾਉਣ ਵਿੱਚ:
- ਸ਼ੁਰੂਆਤੀ ਸ਼ਤਰੰਜ ਪ੍ਰੋਗਰਾਮ ਖੋਜ 'ਤੇ ਆਧਾਰਿਤ ਸਨ - ਇੱਕ ਪ੍ਰੋਗਰਾਮ ਸਪਸ਼ਟ ਤੌਰ 'ਤੇ ਵਿਰੋਧੀ ਦੇ ਸੰਭਾਵਿਤ ਚਾਲਾਂ ਦਾ ਅੰਦਾਜ਼ਾ ਲਗਾਉਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦਾ ਸੀ ਅਤੇ ਕੁਝ ਚਾਲਾਂ ਵਿੱਚ ਪ੍ਰਾਪਤ ਕੀਤੇ ਜਾ ਸਕਣ ਵਾਲੇ ਵਧੀਆ ਸਥਾਨ ਦੇ ਆਧਾਰ 'ਤੇ ਇੱਕ ਵਧੀਆ ਚਾਲ ਚੁਣਦਾ ਸੀ। ਇਸ ਨੇ ਅਲਫਾ-ਬੀਟਾ ਪ੍ਰੂਨਿੰਗ ਖੋਜ ਐਲਗੋਰਿਥਮ ਦੇ ਵਿਕਾਸ ਨੂੰ ਜਨਮ ਦਿੱਤਾ।
- ਖੋਜ ਰਣਨੀਤੀਆਂ ਖੇਡ ਦੇ ਅੰਤ ਵਿੱਚ ਚੰਗਾ ਕੰਮ ਕਰਦੀਆਂ ਹਨ, ਜਿੱਥੇ ਖੋਜ ਸਥਾਨ ਕੁਝ ਸੰਭਾਵਿਤ ਚਾਲਾਂ ਦੁਆਰਾ ਸੀਮਿਤ ਹੁੰਦਾ ਹੈ। ਹਾਲਾਂਕਿ, ਖੇਡ ਦੇ ਸ਼ੁਰੂ ਵਿੱਚ, ਖੋਜ ਸਥਾਨ ਬਹੁਤ ਵੱਡਾ ਹੁੰਦਾ ਹੈ, ਅਤੇ ਐਲਗੋਰਿਥਮ ਨੂੰ ਮਨੁੱਖੀ ਖਿਡਾਰੀਆਂ ਦੇ ਮੌਜੂਦਾ ਮੈਚਾਂ ਤੋਂ ਸਿੱਖਣ ਦੁਆਰਾ ਸੁਧਾਰਿਆ ਜਾ ਸਕਦਾ ਹੈ। ਅਗਲੇ ਪ੍ਰਯੋਗਾਂ ਨੇ ਕੇਸ-ਅਧਾਰਿਤ ਤਰਕ ਨੂੰ ਰੁਜ਼ਗਾਰ ਦਿੱਤਾ, ਜਿੱਥੇ ਪ੍ਰੋਗਰਾਮ ਮੌਜੂਦਾ ਸਥਿਤੀ ਦੇ ਨਾਲ ਬਹੁਤ ਹੀ ਮਿਲਦੇ ਜੁਲਦੇ ਕੇਸਾਂ ਨੂੰ ਗਿਆਨ ਅਧਾਰ ਵਿੱਚ ਲੱਭਦਾ ਸੀ।
- ਆਧੁਨਿਕ ਪ੍ਰੋਗਰਾਮ ਜੋ ਮਨੁੱਖੀ ਖਿਡਾਰੀਆਂ ਨੂੰ ਹਰਾਉਂਦੇ ਹਨ, ਨਿਊਰਲ ਨੈਟਵਰਕ ਅਤੇ ਰਿਨਫੋਰਸਮੈਂਟ ਲਰਨਿੰਗ 'ਤੇ ਆਧਾਰਿਤ ਹਨ, ਜਿੱਥੇ ਪ੍ਰੋਗਰਾਮ ਸਿਰਫ ਆਪਣੇ ਆਪ ਨਾਲ ਲੰਬੇ ਸਮੇਂ ਤੱਕ ਖੇਡ ਕੇ ਅਤੇ ਆਪਣੀਆਂ ਗਲਤੀਆਂ ਤੋਂ ਸਿੱਖ ਕੇ ਖੇਡਣਾ ਸਿੱਖਦੇ ਹਨ - ਬਿਲਕੁਲ ਮਨੁੱਖਾਂ ਦੀ ਤਰ੍ਹਾਂ। ਹਾਲਾਂਕਿ, ਇੱਕ ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮ ਬਹੁਤ ਘੱਟ ਸਮੇਂ ਵਿੱਚ ਬਹੁਤ ਸਾਰੀਆਂ ਖੇਡਾਂ ਖੇਡ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸ ਲਈ ਬਹੁਤ ਤੇਜ਼ੀ ਨਾਲ ਸਿੱਖ ਸਕਦਾ ਹੈ।
✅ AI ਦੁਆਰਾ ਖੇਡੀਆਂ ਗਈਆਂ ਹੋਰ ਖੇਡਾਂ ਬਾਰੇ ਕੁਝ ਖੋਜ ਕਰੋ।
ਇਸੇ ਤਰ੍ਹਾਂ, ਅਸੀਂ ਦੇਖ ਸਕਦੇ ਹਾਂ ਕਿ "ਬੋਲਣ ਵਾਲੇ ਪ੍ਰੋਗਰਾਮ" (ਜੋ ਟਿਊਰਿੰਗ ਟੈਸਟ ਪਾਸ ਕਰ ਸਕਦੇ ਹਨ) ਬਣਾਉਣ ਵੱਲ ਪਹੁੰਚ ਕਿਵੇਂ ਬਦਲੀ:
- ਇਸ ਕਿਸਮ ਦੇ ਸ਼ੁਰੂਆਤੀ ਪ੍ਰੋਗਰਾਮ, ਜਿਵੇਂ ਕਿ Eliza, ਬਹੁਤ ਹੀ ਸਧਾਰਨ ਵਿਆਕਰਣਕ ਨਿਯਮਾਂ ਅਤੇ ਇਨਪੁਟ ਵਾਕ ਨੂੰ ਇੱਕ ਸਵਾਲ ਵਿੱਚ ਦੁਬਾਰਾ ਬਣਾਉਣ 'ਤੇ ਆਧਾਰਿਤ ਸਨ।
- ਆਧੁਨਿਕ ਸਹਾਇਕ, ਜਿਵੇਂ ਕਿ Cortana, Siri ਜਾਂ Google Assistant, ਸਾਰੇ ਹਾਈਬ੍ਰਿਡ ਸਿਸਟਮ ਹਨ ਜੋ ਬੋਲਚਾਲ ਨੂੰ ਟੈਕਸਟ ਵਿੱਚ ਬਦਲਣ ਅਤੇ ਸਾਡੀ ਮੰਨਸ਼ਾ ਨੂੰ ਪਛਾਣਣ ਲਈ ਨਿਊਰਲ ਨੈਟਵਰਕ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਅਤੇ ਫਿਰ ਜ਼ਰੂਰੀ ਕਾਰਵਾਈ ਕਰਨ ਲਈ ਕੁਝ ਤਰਕ ਜਾਂ ਸਪਸ਼ਟ ਐਲਗੋਰਿਥਮ ਨੂੰ ਰੁਜ਼ਗਾਰ ਦਿੰਦੇ ਹਨ।
- ਭਵਿੱਖ ਵਿੱਚ, ਅਸੀਂ ਉਮੀਦ ਕਰ ਸਕਦੇ ਹਾਂ ਕਿ ਡਾਇਲਾਗ ਨੂੰ ਆਪਣੇ ਆਪ ਸੰਭਾਲਣ ਲਈ ਇੱਕ ਪੂਰੀ ਤਰ੍ਹਾਂ ਨਿਊਰਲ-ਅਧਾਰਿਤ ਮਾਡਲ। ਹਾਲ ਹੀ ਦੇ GPT ਅਤੇ Turing-NLG ਨਿਊਰਲ ਨੈਟਵਰਕ ਪਰਿਵਾਰ ਇਸ ਵਿੱਚ ਸ਼ਾਨਦਾਰ ਸਫਲਤਾ ਦਿਖਾਉਂਦੇ ਹਨ।
ਦਿਮਿਤਰੀ ਸੋਸ਼ਨਿਕੋਵ ਦੁਆਰਾ ਚਿੱਤਰ, ਫੋਟੋ ਮਰੀਨਾ ਅਬਰੋਸਿਮੋਵਾ ਦੁਆਰਾ Marina Abrosimova, Unsplash
ਹਾਲੀਆ AI ਖੋਜ
ਨਿਊਰਲ ਨੈਟਵਰਕ ਖੋਜ ਵਿੱਚ ਹਾਲੀਆ ਵੱਡੀ ਵਾਧਾ 2010 ਦੇ ਆਸਪਾਸ ਸ਼ੁਰੂ ਹੋਈ, ਜਦੋਂ ਵੱਡੇ ਜਨਤਕ ਡਾਟਾਸੈਟ ਉਪਲਬਧ ਹੋਣ ਲੱਗੇ। ਚਿੱਤਰਾਂ ਦਾ ਇੱਕ ਵੱਡਾ ਸੰਗ੍ਰਹਿ ImageNet, ਜਿਸ ਵਿੱਚ ਲਗਭਗ 14 ਮਿਲੀਅਨ ਐਨੋਟੇਟ ਚਿੱਤਰ ਹਨ, ਨੇ ImageNet Large Scale Visual Recognition Challenge ਨੂੰ ਜਨਮ ਦਿੱਤਾ।
ਚਿੱਤਰ ਦਿਮਿਤਰੀ ਸੋਸ਼ਨਿਕੋਵ ਦੁਆਰਾ
2012 ਵਿੱਚ, Convolutional Neural Networks ਪਹਿਲੀ ਵਾਰ ਚਿੱਤਰ ਵਰਗੀਕਰਨ ਵਿੱਚ ਵਰਤੀ ਗਈਆਂ, ਜਿਸ ਨਾਲ ਵਰਗੀਕਰਨ ਗਲਤੀਆਂ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਕਮੀ ਆਈ (ਲਗਭਗ 30% ਤੋਂ 16.4% ਤੱਕ)। 2015 ਵਿੱਚ, ਮਾਈਕਰੋਸਾਫਟ ਰਿਸਰਚ ਦੀ ResNet ਆਰਕੀਟੈਕਚਰ ਨੇ ਮਨੁੱਖੀ-ਸਤਰ ਦੀ ਸ਼ੁੱਧਤਾ ਹਾਸਲ ਕੀਤੀ।
ਤਦ ਤੋਂ, ਨਿਊਰਲ ਨੈਟਵਰਕ ਨੇ ਕਈ ਕੰਮਾਂ ਵਿੱਚ ਬਹੁਤ ਸਫਲ ਵਿਹਾਰ ਦਿਖਾਇਆ ਹੈ:
| ਸਾਲ | ਮਨੁੱਖੀ ਸਮਰੱਥਾ ਹਾਸਲ ਕੀਤੀ |
|---|---|
| 2015 | ਚਿੱਤਰ ਵਰਗੀਕਰਨ |
| 2016 | ਵਾਤਚੀਤ ਵਾਲੀ ਬੋਲਚਾਲ ਦੀ ਪਛਾਣ |
| 2018 | ਆਟੋਮੈਟਿਕ ਮਸ਼ੀਨ ਅਨੁਵਾਦ (ਚੀਨੀ ਤੋਂ ਅੰਗਰੇਜ਼ੀ) |
| 2020 | ਚਿੱਤਰ ਕੈਪਸ਼ਨਿੰਗ |
ਪਿਛਲੇ ਕੁਝ ਸਾਲਾਂ ਵਿੱਚ, ਬਰਟ ਅਤੇ GPT-3 ਵਰਗੇ ਵੱਡੇ ਭਾਸ਼ਾ ਮਾਡਲਾਂ ਨਾਲ ਬਹੁਤ ਸਫਲਤਾਵਾਂ ਦੇਖੀਆਂ ਗਈਆਂ ਹਨ। ਇਹ ਜ਼ਿਆਦਾਤਰ ਇਸ ਗੱਲ ਕਰਕੇ ਹੋਇਆ ਕਿ ਬਹੁਤ ਸਾਰਾ ਆਮ ਟੈਕਸਟ ਡਾਟਾ ਉਪਲਬਧ ਹੈ ਜੋ ਸਾਨੂੰ ਮਾਡਲਾਂ ਨੂੰ ਟੈਕਸਟ ਦੀ ਬਣਤਰ ਅਤੇ ਅਰਥ ਨੂੰ ਕੈਪਚਰ ਕਰਨ ਲਈ ਸਿਖਾਉਣ ਦੀ ਆਗਿਆ ਦਿੰਦਾ ਹੈ, ਉਨ੍ਹਾਂ ਨੂੰ ਆਮ ਟੈਕਸਟ ਸੰਗ੍ਰਹਿ 'ਤੇ ਪ੍ਰੀ-ਟ੍ਰੇਨ ਕਰਦਾ ਹੈ, ਅਤੇ ਫਿਰ ਉਨ੍ਹਾਂ ਮਾਡਲਾਂ ਨੂੰ ਹੋਰ ਵਿਸ਼ੇਸ਼ ਕੰਮਾਂ ਲਈ ਮਾਹਰ ਬਣਾਉਂਦਾ ਹੈ। ਅਸੀਂ ਇਸ ਕੋਰਸ ਵਿੱਚ ਬਾਅਦ ਵਿੱਚ Natural Language Processing ਬਾਰੇ ਹੋਰ ਸਿੱਖਾਂਗੇ।
🚀 ਚੁਣੌਤੀ
ਇੰਟਰਨੈਟ ਦਾ ਦੌਰਾ ਕਰੋ ਅਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰੋ ਕਿ ਤੁਹਾਡੇ ਵਿਚਾਰ ਵਿੱਚ, AI ਸਭ ਤੋਂ ਪ੍ਰਭਾਵਸ਼ਾਲੀ ਤਰੀਕੇ ਨਾਲ ਕਿੱਥੇ ਵਰਤਿਆ ਜਾ ਰਿਹਾ ਹੈ। ਕੀ ਇਹ ਮੈਪਿੰਗ ਐਪ ਵਿੱਚ ਹੈ, ਜਾਂ ਕੋਈ ਬੋਲ-ਤੋਂ-ਟੈਕਸਟ ਸੇਵਾ ਜਾਂ ਕੋਈ ਵੀਡੀਓ ਗੇਮ? ਖੋਜ ਕਰੋ ਕਿ ਸਿਸਟਮ ਕਿਵੇਂ ਬਣਾਇਆ ਗਿਆ ਸੀ।
ਪੋਸਟ-ਲੈਕਚਰ ਕਵਿਜ਼
ਸਮੀਖਿਆ ਅਤੇ ਸਵੈ ਅਧਿਐਨ
AI ਅਤੇ ML ਦੇ ਇਤਿਹਾਸ ਦੀ ਸਮੀਖਿਆ ਕਰੋ ਇਸ ਪਾਠ ਨੂੰ ਪੜ੍ਹ ਕੇ। ਉਸ ਪਾਠ ਦੇ ਸਿਖੇਚਨੋਟ ਦੇ ਸਿਖਰ ਤੋਂ ਜਾਂ ਇਸ ਪਾਠ ਤੋਂ ਇੱਕ ਤੱਤ ਲਓ ਅਤੇ ਇਸ ਦੇ ਵਿਕਾਸ ਨੂੰ ਜਾਣਨ ਲਈ ਇਸ ਦੇ ਸੱਭਿਆਚਾਰਕ ਸੰਦਰਭ ਵਿੱਚ ਹੋਰ ਗਹਿਰਾਈ ਨਾਲ ਖੋਜ ਕਰੋ।
ਅਸਾਈਨਮੈਂਟ: Game Jam
ਅਸਵੀਕਾਰਨਾ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਹਾਲਾਂਕਿ ਅਸੀਂ ਸਹੀਅਤ ਲਈ ਯਤਨਸ਼ੀਲ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚਨਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਇਸਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।