এখানে 10 টি মূল পদ রয়েছে যা প্রতিটি এআই উত্সাহী জানা উচিত এবং বুঝতে হবে।
কৃত্রিম বুদ্ধিমত্তা (এআই) শিল্প জুড়ে একটি রূপান্তরকারী শক্তি হয়ে উঠেছে, আমরা প্রযুক্তি এবং আমাদের চারপাশের বিশ্বের সাথে আমরা যেভাবে যোগাযোগ করি তার রূপদান করে। কৃত্রিম বুদ্ধিমত্তার ক্ষেত্রে গভীর যারা তাদের জন্য, অন্তর্নিহিত পরিভাষা বোঝা অত্যন্ত গুরুত্বপূর্ণ।
1। কৃত্রিম বুদ্ধিমত্তা (এআই): এর মূল ভিত্তিতে কৃত্রিম বুদ্ধিমত্তা কম্পিউটার সিস্টেমগুলির বিকাশকে বোঝায় যেগুলি সাধারণত মানব বুদ্ধিমত্তার প্রয়োজন হয় এমন কাজ সম্পাদন করতে সক্ষম। শেখা, যুক্তি, সমস্যা সমাধান, উপলব্ধি এবং ভাষা বোঝার এই কয়েকটি কাজ। এআই সিস্টেমগুলি ডেটা বিশ্লেষণ করতে, এটি থেকে শিখতে এবং মানব বুদ্ধি নকল করে অবহিত সিদ্ধান্ত গ্রহণের জন্য অ্যালগরিদম ব্যবহার করে।
মেশিন লার্নিং (এমএল): মেশিন লার্নিং কৃত্রিম বুদ্ধিমত্তার একটি উপসেট যা অ্যালগরিদমের বিকাশের দিকে মনোনিবেশ করে যা সিস্টেমগুলি সুস্পষ্ট প্রোগ্রামিং ছাড়াই অভিজ্ঞতা থেকে শিখতে এবং উন্নত করতে দেয়। মেশিন লার্নিং অ্যালগরিদমগুলি কম্পিউটারগুলিকে নিদর্শনগুলি সনাক্ত করতে, ভবিষ্যদ্বাণী করতে এবং সময়ের সাথে তাদের কর্মক্ষমতা উন্নত করতে সক্ষম করে কারণ তারা আরও তথ্যের সংস্পর্শে আসে।
3। নিউরাল নেটওয়ার্ক: নিউরাল নেটওয়ার্কগুলি গভীর শিক্ষার একটি মূল উপাদান, মেশিন লার্নিংয়ের একটি উপসেট। মানব মস্তিষ্কের কাঠামো দ্বারা অনুপ্রাণিত, নিউরাল নেটওয়ার্কগুলিতে আন্তঃসংযুক্ত নোডাল স্তর বা কৃত্রিম নিউরন থাকে। এই নেটওয়ার্কগুলি চিত্র এবং বক্তৃতা স্বীকৃতির মতো জটিল কাজগুলি সক্ষম করে নিদর্শনগুলি সনাক্ত করতে এবং সিদ্ধান্ত গ্রহণের জন্য ডেটাতে প্রশিক্ষিত হয়।
প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (এনএলপি): প্রাকৃতিক ভাষা প্রক্রিয়াকরণ কৃত্রিম বুদ্ধিমত্তার একটি ক্ষেত্র যা কম্পিউটার এবং মানব ভাষার মধ্যে মিথস্ক্রিয়াকে কেন্দ্র করে। এনএলপি অ্যালগরিদমগুলি কম্পিউটারগুলিকে মানব ভাষা বোঝার, ব্যাখ্যা এবং উত্পন্ন করার অনুমতি দেয়, চ্যাটবটস, ভাষার অনুবাদ এবং সংবেদন বিশ্লেষণের মতো অ্যাপ্লিকেশনগুলির সুবিধার্থে।
5। গভীর শিক্ষা: গভীর শিক্ষা হ'ল মেশিন লার্নিংয়ের একটি সাবফিল্ড যা নিউরাল নেটওয়ার্কগুলির একাধিক স্তর (গভীর নিউরাল নেটওয়ার্ক) জড়িত। এই নেটওয়ার্কগুলি স্বয়ংক্রিয়ভাবে ডেটাগুলির শ্রেণিবদ্ধ উপস্থাপনাগুলি শিখতে পারে, এগুলি চিত্র এবং বক্তৃতা স্বীকৃতি এবং প্রাকৃতিক ভাষা প্রক্রিয়াজাতকরণের মতো কাজের জন্য খুব শক্তিশালী করে তোলে।
একটি অ্যালগরিদম হ'ল ধাপে ধাপে নির্দেশাবলী বা নিয়মগুলির একটি সেট যা কোনও কম্পিউটার একটি নির্দিষ্ট সমস্যা সমাধান করতে বা একটি নির্দিষ্ট কাজ সম্পাদন করতে অনুসরণ করে। কৃত্রিম বুদ্ধিমত্তায়, ডেটা প্রক্রিয়াকরণ এবং বিশ্লেষণের জন্য অ্যালগরিদমগুলি গুরুত্বপূর্ণ, মেশিনগুলিকে নিদর্শন এবং তথ্যের ভিত্তিতে সিদ্ধান্ত বা ভবিষ্যদ্বাণী করতে সক্ষম করে।
,, তদারকি করা শেখা: তদারকি করা লার্নিং হ'ল এক ধরণের মেশিন লার্নিং যেখানে অ্যালগরিদমগুলি লেবেলযুক্ত ডেটা সেটগুলিতে প্রশিক্ষণ দেওয়া হয়, যার অর্থ ইনপুট ডেটা কাঙ্ক্ষিত সংশ্লিষ্ট আউটপুটের সাথে মেলে। অ্যালগরিদম সঠিক আউটপুটটিতে ইনপুটটি মানচিত্র করতে শিখেছে, এটি নতুন, অদেখা ডেটা সম্পর্কে ভবিষ্যদ্বাণী করতে দেয়।
৮। নিরীক্ষণকারী শিক্ষণ: তদারকি করা শিক্ষার বিপরীতে, অপ্রচলিত শিক্ষার মধ্যে একটি লেবেলযুক্ত ডেটা সেটে একটি অ্যালগরিদম প্রশিক্ষণ জড়িত। সুস্পষ্ট দিকনির্দেশনার অভাবে, অ্যালগরিদমগুলি অবশ্যই ডেটাতে নিদর্শন এবং লিঙ্কগুলি খুঁজে পেতে হবে। হ্রাস এবং ক্লাস্টারিং দুটি সাধারণ অ্যাপ্লিকেশন।
9। শক্তিবৃদ্ধি শেখা: শক্তিবৃদ্ধি শেখা হ'ল এক ধরণের মেশিন লার্নিং যেখানে এজেন্টরা পরিবেশের সাথে যোগাযোগের মাধ্যমে সিদ্ধান্ত নিতে শেখে। তাদের আচরণের উপর নির্ভর করে, এজেন্ট উত্সাহ বা জরিমানার আকারে প্রতিক্রিয়া গ্রহণ করে, যা ধীরে ধীরে কর্মের সেরা কোর্সটি শিখতে সহায়তা করে।
কম্পিউটার ভিশন: কম্পিউটার ভিশন একটি আন্তঃশৃঙ্খলা ক্ষেত্র যা মেশিনগুলিকে ভিজ্যুয়াল ডেটার উপর ভিত্তি করে সিদ্ধান্তগুলি ব্যাখ্যা করতে এবং সিদ্ধান্ত নিতে সক্ষম করে। এর মধ্যে চিত্র এবং ভিডিও স্বীকৃতি, অবজেক্ট সনাক্তকরণ এবং চিত্র বিভাজনের মতো কাজ অন্তর্ভুক্ত রয়েছে। কম্পিউটার ভিশন মুখের স্বীকৃতি এবং স্ব-ড্রাইভিং গাড়িগুলির মতো অ্যাপ্লিকেশনগুলির একটি অবিচ্ছেদ্য অঙ্গ।