A . I ए आइ

 

A  I

Explore our comprehensive resources, insights, and tools to enhance your understanding of AI technology.

Dive into the world of artificial intelligence with our expert articles, tutorials, and news updates. Stay informed about the future of AI and its applications.

AI तकनीक के बारे में अपनी समझ बढ़ाने के लिए हमारे व्यापक संसाधनों, जानकारियों और उपकरणों का अन्वेषण करें।

हमारे विशेषज्ञ लेखों, ट्यूटोरियल और समाचार अपडेट के साथ कृत्रिम बुद्धिमत्ता की दुनिया में गोता लगाएँ। AI और इसके अनुप्रयोगों के भविष्य के बारे में जानकारी रखें।

कृत्रिम बुद्धिमत्ता (एआई) का क्षेत्र अपनी स्थापना के बाद से वैश्विक प्रभाव तक बढ़ गया है।<a https://textflode.blogspot.com

 एआई में क्या शामिल होना चाहिए और क्या नहीं, इसकी परिभाषा समय के साथ बदल गई है।

विशेषज्ञ मजाक करते हैं कि एआई ही सब कुछ हैजो कंप्यूटर वर्तमान में नहीं कर सकते.

हालाँकि, सतही विचार भी हैं एक अवधारणा है कि बुद्धिमान कंप्यूटरऔर रोबोट विकास का अर्थ है कुछ ऐसा ही निर्माण करनाआज जो नहीं करना है वो करो. आर्टिफिशियल इंटेलिजेंस एक गतिशील लक्ष्य।

 दरअसल, एआई की परिभाषा भी अस्थिर है और समय के साथ बदलती रहती है। 

एआई को "बाहरी डेटा की सटीक व्याख्या करने, ऐसे डेटा से सीखने और लचीले अनुकूलन के माध्यम से विशिष्ट लक्ष्यों और कार्यों को प्राप्त करने के लिए उन सीखों का उपयोग करने की क्षमता" के रूप में परिभाषित किया गया है (कपलान और हेनलेन)पूले और मैकवर्थ (2010) ने एआई को "वह क्षेत्र जो बुद्धिमानी से कार्य करने वाले कम्प्यूटेशनल एजेंटों के संश्लेषण और विश्लेषण का अध्ययन करता है" के रूप में परिभाषित किया है।

एजेंट वह चीज़ (या कोई व्यक्ति) है जो कार्य करता है।एक एजेंट तब बुद्धिमान होता है जब 1, उसके कार्य उसकी परिस्थितियों और उसके लक्ष्यों के लिए उपयुक्त होते हैं, 2, वह बदलते परिवेश और बदलते लक्ष्यों के प्रति लचीला होता है, 3, वह अनुभव से सीखता है, और 4, वह अपनी अवधारणात्मक और कम्प्यूटेशनल सीमाओं के कारण उपयुक्तता चुनता है .रसेल और नॉरविग एआई को "[बुद्धिमान] एजेंटों के अध्ययन के रूप में परिभाषित करते हैं जो पर्यावरण से निर्देश प्राप्त करते हैं और कार्रवाई करते हैं।ऐसे प्रत्येक एजेंट को एक फ़ंक्शन द्वारा कार्यान्वित किया जाता है जो कार्यों की प्राप्ति को मैप करता है, और हम इन कार्यों का प्रतिनिधित्व करने के विभिन्न तरीकों को कवर करते हैं, जैसे उत्पादन प्रणाली, प्रतिक्रियाशील एजेंट, तार्किक योजनाकार, तंत्रिका नेटवर्क और निर्णय-सैद्धांतिक सिस्टम" [रसेल और नॉरविग) .रसेल और नॉरविग ने एआई के लिए चार विचारधाराओं की भी पहचान की। कुछ शोधकर्ता ऐसी मशीनें बनाने पर ध्यान केंद्रित करते हैं जो इंसानों की तरह सोचती हैं।शिक्षा में अनुसंधान किसी तरह से मानव विचार की प्रक्रियाओं, प्रतिनिधित्व और परिणामों को एक मशीन में पुन: पेश करने का प्रयास करता है।

ऐसी मशीनें बनाने पर ध्यान केंद्रित करता है जो दूसरे इंसानों की तरह काम करती हैं।यह उस कार्रवाई पर ध्यान केंद्रित करता है, जो एजेंट या रोबोट वास्तव में दुनिया में करता है, न कि उस कार्रवाई पर पहुंचने की प्रक्रिया पर।तीसरा अनुशासन उन मशीनों के निर्माण पर केंद्रित है जो तर्कसंगत रूप से काम करती हैं। तर्कसंगतता का इष्टतमता से गहरा संबंध है।ये कृत्रिम रूप से बुद्धिमान प्रणालियाँ हमेशा सही काम या सही तरीके से करने के लिए होती हैं।उचित इनपुट और आउटपुट वाले कंप्यूटरों में उसी अर्थ में चेतना होगी जैसे मनुष्य के पास दिमाग है" (सियरल)।स्ट्रॉन्ग अल में, सियरल अल की उपलब्धि को मानव मस्तिष्क की जानकारी के प्रतिनिधित्व से जोड़ता है।अधिकांश एआई शोधकर्ता एक बुद्धिमान एजेंट बनाने से चिंतित नहीं हैं जो सियरल की मजबूत एआई शर्तों को पूरा करता है, ये शोधकर्ता अंततः कई समस्याओं को हल करने के लिए मशीनें बनाना चाहते हैं जिन्हें संकीर्ण रूप से परिभाषित नहीं किया गया है, इस प्रकार एआई का एक लक्ष्य स्वायत्त सिस्टम बनाना है जो कुछ स्तर हासिल करता है सामान्य बुद्धि।

एआई सिस्टम के प्रकारAI सिस्टम विभिन्न प्रकार के होते हैं। हम संक्षेप में केवल कुछ का ही वर्णन करेंगे। ज्ञान प्रतिनिधित्व एक महत्वपूर्ण एआई समस्या है जो यह पता लगाने की कोशिश करती है कि कंप्यूटर को इस जानकारी को व्यवस्थित करने और उपयोग करने के लिए जानकारी का प्रतिनिधित्व कैसे किया जाना चाहिए। 1960 के दशक में, विशेषज्ञ प्रणालियों को ज्ञान प्रणालियों के रूप में पेश किया गया था जिनका उपयोग प्रश्नों का उत्तर देने या हल करने के लिए किया जा सकता था।किसी विशिष्ट डोमेन तक सीमित होने में कठिनाई।उनमें अक्सर अंतर्निहित नियम होते हैं जो मानव विशेषज्ञ के ज्ञान को पकड़ते हैं। बंधक ऋण सलाहकार कार्यक्रम, सामान्य प्रकार की एआई प्रणालियाँ योजना प्रणालियाँ हैं।नियोजन प्रणालियाँ एक ऐसी गतिविधि बनाने और व्यवस्थित करने का प्रयास करती हैं जिसे दुनिया की स्थिति और अज्ञात अनिश्चितताओं पर आधारित किया जा सकता है।उदाहरण के लिए, हबल टेलीस्कोप ने SPIKE नामक AI नियोजन प्रणाली का उपयोग किया। कंप्यूटर विज़न AI का एक उपक्षेत्र हैजो कैमरों से जानकारी का ज्ञान प्रतिनिधित्व है

वीओ टाइम्स एलटीईपरिवर्तन की चुनौती पर ध्यान केंद्रित करता है।ऑब्जेक्ट पहचान एक सामान्य कार्य है जो अक्सर कंप्यूटर विज़न शोधकर्ताओं द्वारा किया जाता है।मशीन लर्निंग एल्गोरिदम के विकास पर केंद्रित है जो कंप्यूटर को किसी विशिष्ट कार्य में अपने प्रदर्शन को बेहतर बनाने के लिए अनुभव का उपयोग करने की अनुमति देता है।प्रतिबंधित वातावरण में सिम्युलेटेड वातावरण शामिल हैं और जहां पिछले डेटा भविष्य की चुनौतियों को सटीक रूप से दर्शाते हैं। इस अर्थ में खुला कि वास्तविक दुनिया में लगातार नई चुनौतियाँ उत्पन्न होती रहती हैं।लोग नई समस्याओं को हल करने के लिए पहले से संबंधित समस्याओं के समाधान का उपयोग करते हैं।एआई सिस्टम एक स्थिति से दूसरी स्थिति में अनुरूप रूप से तर्क करने की क्षमता में सीमित हैं और इस प्रकार निकट से संबंधित समस्याओं के लिए भी उन्हें नए समाधान सीखने पड़ते हैं।सामान्य तौर पर, उनमें समस्याओं के बारे में अमूर्त रूप से तर्क करने और खराब परिभाषित समस्याओं के समाधान विकसित करने के लिए सामान्य ज्ञान का उपयोग करने की क्षमता का अभाव होता है।मशीन लर्निंग क्या है?

मशीन लर्निंग एआई का एक उप-क्षेत्र है जो एल्गोरिदम बनाने पर केंद्रित है।उस कार्य पर अपने प्रदर्शन को बेहतर बनाने के लिए कार्यों की एक श्रेणी में अनुभव और प्रदर्शन उपायों के रूप में फीडबैक का उपयोग करता है।समसामयिक मशीन लर्निंग एक विशाल, तेजी से बदलता क्षेत्र है।एआई के लिए क्या कठिन है उपरोक्त अनुभागों ने संकेत दिया है कि एआई कठिन क्यों है।यह भी ध्यान दिया जाना चाहिए कि सभी सॉफ़्टवेयर AI नहीं हैं।उदाहरण के लिए, सरल छँटाई और खोज एल्गोरिदम को बुद्धिमान नहीं माना जाता है।इसके अलावा, कई गैर-एआई स्मार्ट हैं।उदाहरण के लिए, नियंत्रण एल्गोरिदम और अनुकूलन सॉफ़्टवेयर एयरलाइन आरक्षण प्रणाली से लेकर परमाणु ऊर्जा संयंत्रों के संचालन तक सब कुछ संभाल सकते हैं। लेकिन वे कड़ाई से परिभाषित सीमाओं के भीतर ही सुस्पष्ट कदम उठाते हैं।इस अनुभाग में, हम कुछ मुख्य चुनौतियों पर ध्यान केंद्रित करते हैं जो AI को इतना कठिन बनाती हैं। सेंसर की सीमाएं और परिणामी धारणा की कमी को पहले ही उजागर किया जा चुका है।

एआई सिस्टम सीखी गई अवधारणाओं को सामान्यीकृत करने में शायद ही कभी सक्षम होते हैं।हालाँकि एक क्लासिफायरियर को संबंधित समस्याओं पर प्रशिक्षित किया जा सकता है, आम तौर पर जब अन्य स्रोतों या अन्य तरीकों से डेटा उत्पन्न होता है, तो क्लासिफायर का प्रदर्शन काफी कम हो जाता है।