क्या है डीप लर्निंग?
डीप लर्निंग एक आर्टिफिशियल इंटेलिजेंस फंक्शन है जो मानव मस्तिष्क के कामकाज को डेटा प्रोसेसिंग में और निर्णय लेने में उपयोग के लिए पैटर्न बनाने की नकल करता है। डीप लर्निंग आर्टिफिशियल इंटेलिजेंस (एआई) में मशीन लर्निंग का एक सबसेट है जिसमें ऐसे नेटवर्क हैं जो बिना डेटा या अनबेल किए हुए डेटा से अनसुनी सीखने में सक्षम हैं। इसे गहरे तंत्रिका सीखने या गहरे तंत्रिका नेटवर्क के रूप में भी जाना जाता है।
डीप लर्निंग कैसे काम करती है
डीप लर्निंग ने डिजिटल युग के साथ हाथ से विकसित किया है, जिसने सभी रूपों और दुनिया के हर क्षेत्र से डेटा का विस्फोट किया है। यह डेटा, जिसे केवल बड़े डेटा के रूप में जाना जाता है, सोशल मीडिया, इंटरनेट सर्च इंजन, ई-कॉमर्स प्लेटफॉर्म और ऑनलाइन सिनेमा जैसे स्रोतों से तैयार किया गया है। यह बड़ी मात्रा में डेटा आसानी से उपलब्ध है और क्लाउड कंप्यूटिंग जैसे फिनटेक अनुप्रयोगों के माध्यम से साझा किया जा सकता है।
हालांकि, डेटा, जो सामान्य रूप से असंरचित है, इतना विशाल है कि मनुष्यों को इसे समझने और प्रासंगिक जानकारी निकालने में दशकों लग सकते हैं। कंपनियों को अविश्वसनीय क्षमता का एहसास होता है जो जानकारी के इस धन को उजागर करने से उत्पन्न हो सकता है और स्वचालित समर्थन के लिए एआई सिस्टम के लिए तेजी से अनुकूल हो रहा है।
डीप लर्निंग अनस्ट्रक्चर्ड डेटा की विशाल मात्रा से सीखता है जो आम तौर पर मनुष्यों को समझने और प्रोसेस करने में दशकों लग सकते हैं।
डीप लर्निंग वर्सेस मशीन लर्निंग
बड़े डेटा को संसाधित करने के लिए उपयोग की जाने वाली सबसे आम AI तकनीकों में से एक है मशीन लर्निंग, एक आत्म-अनुकूली एल्गोरिथ्म जो अनुभव के साथ या नए जोड़े गए डेटा के साथ तेजी से बेहतर विश्लेषण और पैटर्न प्राप्त करता है।
यदि कोई डिजिटल भुगतान कंपनी अपने सिस्टम में धोखाधड़ी की घटना या क्षमता का पता लगाना चाहती है, तो वह इस उद्देश्य के लिए मशीन लर्निंग टूल्स को नियोजित कर सकती है। कंप्यूटर मॉडल में निर्मित कम्प्यूटेशनल एल्गोरिथ्म डिजिटल प्लेटफॉर्म पर होने वाले सभी लेनदेन को संसाधित करेगा, डेटा सेट में पैटर्न ढूंढेगा और पैटर्न द्वारा ज्ञात किसी भी विसंगति को इंगित करेगा।
डीप लर्निंग, मशीन लर्निंग का सबसेट, मशीन लर्निंग की प्रक्रिया को पूरा करने के लिए कृत्रिम तंत्रिका नेटवर्क के एक पदानुक्रमित स्तर का उपयोग करता है। कृत्रिम तंत्रिका नेटवर्क मानव मस्तिष्क की तरह निर्मित होते हैं, जिसमें न्यूरॉन नोड्स एक वेब की तरह एक साथ जुड़े होते हैं। जबकि पारंपरिक कार्यक्रम रैखिक तरीके से डेटा के साथ विश्लेषण का निर्माण करते हैं, गहन शिक्षण प्रणालियों के पदानुक्रमित कार्य मशीनों को एक नॉनलाइन दृष्टिकोण के साथ डेटा को संसाधित करने में सक्षम बनाते हैं।
धोखाधड़ी या मनी लॉन्ड्रिंग का पता लगाने के लिए एक पारंपरिक दृष्टिकोण लेनदेन की मात्रा पर भरोसा कर सकता है, जबकि एक गहरी सीखने वाली नॉनलाइन तकनीक में समय, भौगोलिक स्थान, आईपी पता, रिटेलर का प्रकार और कोई अन्य विशेषता शामिल होगी जो धोखाधड़ी गतिविधि को इंगित करने की संभावना है। । तंत्रिका नेटवर्क की पहली परत लेनदेन की मात्रा की तरह एक कच्चे डेटा इनपुट को संसाधित करती है और इसे आउटपुट के रूप में अगली परत पर पास करती है। दूसरी परत उपयोगकर्ता के आईपी पते जैसी अतिरिक्त जानकारी को शामिल करके पिछली परत की जानकारी को संसाधित करती है और इसके परिणाम पर गुजरती है।
अगली परत दूसरी परत की जानकारी लेती है और इसमें भौगोलिक स्थान जैसे कच्चे डेटा शामिल होते हैं और मशीन के पैटर्न को और बेहतर बनाते हैं। यह न्यूरॉन नेटवर्क के सभी स्तरों पर जारी है।
चाबी छीन लेना
- डीप लर्निंग एक एआई फ़ंक्शन है जो निर्णय लेने में उपयोग के लिए प्रसंस्करण डेटा में मानव मस्तिष्क के कामकाज की नकल करता है। डीप लर्निंग एआई उन डेटा से सीखने में सक्षम है जो दोनों असंरचित और गैर-सूचीबद्ध हैं। डीप लर्निंग, मशीन लर्निंग सबसेट, का उपयोग किया जा सकता है। धोखाधड़ी या मनी लॉन्ड्रिंग का पता लगाने में मदद करने के लिए।
गहन अध्ययन का एक उदाहरण
मशीन लर्निंग के साथ ऊपर उल्लिखित धोखाधड़ी का पता लगाने वाली प्रणाली का उपयोग करके, एक गहरा सीखने का उदाहरण बना सकता है। यदि मशीन लर्निंग सिस्टम ने उपयोगकर्ता द्वारा भेजे गए या प्राप्त किए जाने वाले डॉलर की संख्या के आसपास बनाए गए मापदंडों के साथ एक मॉडल बनाया है, तो मशीन-लर्निंग पद्धति गहन परिणाम को सीखने की पेशकश के आधार पर बनाना शुरू कर सकती है।
इसके तंत्रिका नेटवर्क की प्रत्येक परत अपने पिछले लेयर पर एक रिटेलर, प्रेषक, उपयोगकर्ता, सोशल मीडिया इवेंट, क्रेडिट स्कोर, आईपी एड्रेस और अन्य सुविधाओं के एक होस्ट के साथ निर्मित होती है, जो मानव द्वारा संसाधित किए जाने पर जुड़ने में वर्षों लग सकते हैं किया जा रहा है। डीप लर्निंग एल्गोरिदम को सभी लेनदेन से न केवल पैटर्न बनाने के लिए प्रशिक्षित किया जाता है, बल्कि यह भी पता होता है कि कब पैटर्न एक धोखाधड़ी की जांच की आवश्यकता का संकेत दे रहा है। अंतिम परत एक विश्लेषक को संकेत देती है, जो सभी लंबित जांचों को अंतिम रूप दिए जाने तक उपयोगकर्ता के खाते को फ्रीज कर सकता है।
गहन शिक्षण का उपयोग सभी उद्योगों में विभिन्न कार्यों के लिए किया जाता है। व्यावसायिक एप्लिकेशन जो छवि मान्यता का उपयोग करते हैं, उपभोक्ता अनुशंसा ऐप और मेडिकल रिसर्च टूल के साथ ओपन सोर्स प्लेटफ़ॉर्म जो नई बीमारियों के लिए दवाओं के पुन: उपयोग की संभावना का पता लगाते हैं, वे गहन शिक्षण समावेशन के कुछ उदाहरण हैं।
तेजी से तथ्य
इलेक्ट्रॉनिक्स निर्माता पैनासोनिक कंप्यूटर दृष्टि से संबंधित गहन शिक्षण तकनीकों को विकसित करने के लिए विश्वविद्यालयों और अनुसंधान केंद्रों के साथ काम कर रहा है।
