എന്താണ് ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ്?
ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിന് അതിൻ്റെ തുടക്കം മുതലേ നിരവധി നിർവചനങ്ങൾ ഉണ്ടായിരുന്നു, എന്നാൽ പൊതുവെ വിവരിക്കുന്നത് "കംപ്യൂട്ടർ സയൻസും പ്രശ്നപരിഹാരം പ്രാപ്തമാക്കുന്നതിനുള്ള കരുത്തുറ്റ ഡാറ്റാസെറ്റുകളും" - മറ്റൊരു വിധത്തിൽ പറഞ്ഞാൽ, ഒരു മനുഷ്യനെപ്പോലെ വിവരങ്ങൾ ചിന്തിക്കാനും പ്രവർത്തിക്കാനും പ്രോസസ്സ് ചെയ്യാനും രൂപകൽപ്പന ചെയ്ത കമ്പ്യൂട്ടർ സിസ്റ്റം. . 1950-ൽ അലൻ ട്യൂറിംഗ് ആദ്യമായി നിർദ്ദേശിച്ച ട്യൂറിംഗ് ടെസ്റ്റ്, ഒരു കമ്പ്യൂട്ടറിന് മനുഷ്യനെപ്പോലെ മിടുക്കനാകുമോ എന്ന് നിർണ്ണയിക്കാൻ ശ്രമിക്കുന്ന ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ആദ്യകാല നാഴികക്കല്ലുകളിൽ ഒന്നാണ്. ഐബിഎമ്മിൻ്റെ വാട്‌സൺ, ബൈഡുവിൻ്റെ മിൻവ, ഡീപ്‌മൈൻഡിൻ്റെ ആൽഫാഗോ എന്നിവയാണ് മറ്റ് പ്രശസ്തമായ AI-കൾ.
മൊത്തത്തിൽ രണ്ട് തരം ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസ് ഉണ്ട്: ദുർബലമായ AI, നാരോ AI അല്ലെങ്കിൽ ആർട്ടിഫിഷ്യൽ നാരോ ഇൻ്റലിജൻസ് (ANI) എന്നും അറിയപ്പെടുന്നു, കൂടാതെ ആർട്ടിഫിഷ്യൽ ജനറൽ ഇൻ്റലിജൻസ് (AGI), ആർട്ടിഫിഷ്യൽ സൂപ്പർ ഇൻ്റലിജൻസ് (ASI) എന്നിവ അടങ്ങുന്ന ശക്തമായ AI. ദുർബലമായ AI നിർദ്ദിഷ്ട ടാസ്‌ക്കുകൾ നിർവഹിക്കാൻ സഹായിക്കുന്നു, ആപ്പിളിൻ്റെ സിരി, ആമസോണിൻ്റെ അലക്‌സ എന്നിവ പോലെ ഇന്നത്തെ ഭൂരിഭാഗം AI ആപ്ലിക്കേഷനുകളിലും ഉണ്ട്. ശക്തമായ AI കൂടുതലും സൈദ്ധാന്തികമാണ്, കാരണം അതിന് അതിബുദ്ധിയും അതിൻ്റേതായ ബോധവും ഉണ്ടായിരിക്കണമെന്ന് നിർദ്ദേശിക്കപ്പെട്ടിരിക്കുന്നു. ഇത് നിലവിൽ സയൻസ് ഫിക്ഷനിൽ മാത്രമേ കാണപ്പെടുന്നുള്ളൂ, ഏറ്റവും പ്രശസ്തമായ ഉദാഹരണം 2001: എ സ്‌പേസ് ഒഡീസിയുടെ HAL 9000 ആണ്.
മെഷീൻ ലേണിംഗ് vs. ആഴത്തിലുള്ള പഠനം
കൃത്രിമബുദ്ധിയെക്കുറിച്ച് ചർച്ച ചെയ്യുമ്പോൾ, ആളുകൾ പലപ്പോഴും "മെഷീൻ ലേണിംഗ്", "ഡീപ് ലേണിംഗ്" എന്നീ പദങ്ങൾ ഉൾക്കൊള്ളുന്നു. ആർട്ടിഫിഷ്യൽ ഇൻ്റലിജൻസിൻ്റെ ഒരു ഉപവിഭാഗമാണ് മെഷീൻ ലേണിംഗ് , അവിടെ ഡാറ്റ മോഡലുകൾ ഒരു കമ്പ്യൂട്ടറിനെ എന്താണ് ചെയ്യേണ്ടതെന്നും നിർദ്ദേശങ്ങളില്ലാതെ എങ്ങനെ സ്വയം പഠിക്കാമെന്നും പഠിപ്പിക്കുന്നു. മെഷീൻ ലേണിംഗിൻ്റെ ഒരു ഉപവിഭാഗമാണ് ഡീപ് ലേണിംഗ് , ഇത് കൂടുതൽ വലിയ അളവിലുള്ള ഡാറ്റയും കൂടുതൽ വിശദമായ അൽഗോരിതങ്ങളും ഉപയോഗിക്കുന്നു. മെഷീൻ ലേണിംഗ് ഡാറ്റ അനലിറ്റിക്‌സ്, വ്യക്തിഗത ശുപാർശകൾ, ഇമേജ് പ്രോസസ്സിംഗ് എന്നിവയെ സഹായിക്കുന്നു, അതേസമയം ആഴത്തിലുള്ള പഠനം വഞ്ചന കണ്ടെത്തൽ, വെർച്വൽ സഹായം എന്നിവ പോലുള്ള സങ്കീർണ്ണമായ ജോലികളെ സഹായിക്കുന്നു.
