පරිගණක ඉතිහාසයේ විශාලතම දියුණුවක් වූ යන්ත්‍ර ඉගෙනීම විශාල දත්ත සහ විශ්ලේෂණ ක්ෂේත්රයේ වැදගත් කාර්යභාරයක් ඉටු කිරීමට හැකි වී ඇති බව දැන් පෙනේ. විශාල දත්ත විශ්ලේෂණ යනු ව්‍යාපාර දෘෂ්ටි කෝණයකින් දැවැන්ත අභියෝගයකි. උදාහරණයක් වශයෙන් විවිධ දත්ත ආකෘති විශාල ප්‍රමාණයක් අවබෝධ කර ගැනීම, දත්ත සැකසීම විශ්ලේෂණය කිරීම සහ අතිරික්ත දත්ත පෙරීම වැනි ක්‍රියාකාරකම් සම්පත් දැඩි විය හැකිය. දත්ත විද්‍යාඥයින් විශේෂඥයින් බඳවා ගැනීම මිල අධික යෝජනාවක් වන අතර සෑම සමාගමක්ම අවසානයකට ගෙන ඒමට මඟක් නොවේ. විශේෂඥයන් විශ්වාස කරන්නේ යන්ත්‍ර ඉගෙනීමෙන් විශ්ලේෂණ හා සම්බන්ධ බොහෝ කාර්යයන් ස්වයංක්‍රීය කළ හැකි බවයි - සාමාන්‍ය මෙන්ම සංකීර්ණ. ස්වයංක්‍රීය යන්ත්‍ර ඉගෙනීමෙන් වඩාත් සංකීර්ණ හා නව්‍ය වැඩ සඳහා භාවිතා කළ හැකි සැලකිය යුතු සම්පත් නිදහස් කළ හැකිය. යන්ත්‍ර ඉගෙනීම සෑම විටම මෙම දිශාවට ගමන් කරන බව පෙනේ.
තොරතුරු තාක්ෂණ සන්දර්භය තුළ ස්වයංක්රීයකරණය
තොරතුරු තාක්‍ෂණයේදී ස්වයංක්රීයකරණය යනු විවිධ පද්ධති සහ මෘදුකාංග සම්බන්ධ කිරීම වන අතර එමඟින් කිසිදු මිනිස් මැදිහත් වීමකින් තොරව නිශ්චිත කාර්යයන් කිරීමට හැකි වේ. තොරතුරු තාක්‍ෂණයේදී ස්වයංක්‍රීය පද්ධති මඟින් සරල හා සංකීර්ණ කාර්යයන් ඉටු කළ හැකිය. සරල රැකියාවකට උදාහරණයක් නම් පෝරම PDF සමඟ ඒකාබද්ධ කිරීම සහ නිවැරදි ලබන්නා වෙත ලිපි ලේඛන යැවීම සහ වෙබ් අඩවියෙන් පිටත උපස්ථ ලබා දීම සංකීර්ණ රැකියාවකට උදාහරණයක් විය හැකිය.
ඔබේ රැකියාව නිසියාකාරව සිදු කිරීම සඳහා, ඔබ ස්වයංක්‍රීය පද්ධතියට වැඩ සටහන් සකස් කිරීමට හෝ පැහැදිලි උපදෙස් දීමට අවශ්‍යය. එහි කාර්යයේ විෂය පථය වෙනස් කිරීම සඳහා ස්වයංක්‍රීය පද්ධතියක් අවශ්‍ය වන සෑම අවස්ථාවකම, වැඩ සටහන හෝ උපදෙස් මාලාව යමෙකු විසින් යාවත්කාලීන කළ යුතුය. ස්වයංක්‍රීය පද්ධතිය එහි කාර්යයේදී ඵලදායී වුවද විවිධ හේතු නිසා වැරදි සිදුවිය හැක. වැරදි සිදු වූ විට මූලික හේතුව හඳුනාගෙන නිවැරදි කළ යුතුයි. පැහැදිලිවම, එහි කාර්යය ඉටු කිරීම සඳහා, ස්වයංක්‍රීය පද්ධතියක් සම්පූර්ණයෙන්ම මිනිසා මත රඳා පවතී. කාර්යයේ ස්වභාවය වඩාත් සංකීර්ණ වන තරමට වැරදි හා ගැටලු ඇති වීමේ සම්භාවිතාව ඉහළ යයි.
තොරතුරු තාක්ෂණ ක්ෂේත්රයේ ස්වයංක්රීයකරණය පිළිබඳ පොදු උදාහරණයක් නම් වෙබ් පදනම් කරගත් පරිශීලක අතුරුමුහුණත් පරීක්‍ෂා කිරීමේ ස්වයංක්‍රීයකරණයයි. පරීක්ෂණ අවස්ථා ස්වයංක්‍රීය පිටපතට ඇතුළත් කර ඇති අතර පරිශීලක අතුරුමුහුණත ඒ අනුව පරීක්‍ෂා කෙරේ. (යන්ත්‍ර ඉගෙනීමේ ප්‍රායෝගික භාවිතය පිළිබඳ වැඩි විස්තර සඳහා, ඊළඟ පරම්පරාවේ වංචා හඳුනාගැනීමේදී යන්ත්‍ර ඉගෙනීම සහ හැඩූප් බලන්න.)
ස්වයංක්‍රීයකරණයට පක්ෂව ඇති තර්කය නම් එය සාමාන්‍ය හා නැවත නැවත කළ හැකි කාර්යයන් ඉටු කරන අතර වඩාත් සංකීර්ණ හා නිර්මාණාත්මක කාර්යයන් කිරීමට සේවකයින් නිදහස් කරන බවයි. කෙසේ වෙතත්, ස්වයංක්රීයකරණය මඟින් මිනිසා විසින් කලින් ඉටු කළ කාර්යයන් හෝ කාර්යයන් විශාල ප්‍රමාණයක් බැහැර කර ඇති බවට ද තර්ක කෙරේ. දැන්, යන්ත්‍ර ඉගෙනීම විවිධ කර්මාන්ත වලට ඇතුළු වීමත් සමඟ ස්වයංක්‍රීයකරණයට නව මානයක් එකතු කළ හැකිය.
ස්වයංක්‍රීය යන්ත්‍ර ඉගෙනීමේ අනාගතය?
යන්ත්‍ර ඉගෙනීමේ හරය නම් දත්ත වලින් අඛණ්ඩව ඉගෙන ගැනීමට හා මිනිස් මැදිහත් වීමකින් තොරව පරිණාමය වීමට පද්ධතියකට ඇති හැකියාවයි. යන්ත්‍ර ඉගෙනීම මිනිස් මොළයක් මෙන් ක්‍රියා කිරීමේ හැකියාව ඇත. උදාහරණයක් වශයෙන්, ඊ-වාණිජ්‍යය වෙබ් අඩවි වල ඇති නිර්දේශ එන්ජින් මඟින් පරිශීලකයාගේ අද්විතීය මනාපයන් සහ රුචි අරුචිකම් තක්සේරු කළ හැකි අතර තෝරා ගැනීමට වඩාත් සුදුසු නිෂ්පාදන හා සේවාවන් පිළිබඳ නිර්දේශ ලබා දිය හැකිය. මෙම හැකියාව අනුව, විශාල දත්ත සහ විශ්ලේෂණ හා සම්බන්ධ සංකීර්ණ කාර්යයන් ස්වයංක්‍රීය කිරීම සඳහා යන්ත්‍ර ඉගෙනීම සුදුසු යැයි සැලකේ. එය නිතිපතා මිනිස් මැදිහත් වීමකට ඉඩ නොදෙන සාම්ප්‍රදායික ස්වයංක්‍රීය පද්ධති වල ප්‍රධාන සීමාවන් ජයගෙන ඇත. සංකීර්ණ දත්ත විශ්ලේෂණ කාර්යයන් කිරීමට යන්ත්‍ර ඉගෙනීමේ හැකියාව පෙන්නුම් කරන සිද්ධි අධ්‍යයන කිහිපයක් ඇති අතර ඒවා පසුව මෙම ලිපියෙන් සාකච්ඡා කෙරේ.
දැනටමත් සඳහන් කර ඇති පරිදි, විශාල දත්ත විශ්ලේෂණ යනු ව්‍යාපාර සඳහා අභියෝගාත්මක යෝජනාවක් වන අතර එය යන්ත්‍ර ඉගෙනුම් පද්ධති සඳහා අර්ධ වශයෙන් පැවරිය හැකිය. ව්‍යාපාරික දෘෂ්ටිකෝණයකින් බලන විට වඩාත් නිර්මාණාත්මක හා මෙහෙවර සඳහා තීරණාත්මක කාර්යයන් සඳහා දත්ත විද්‍යා සම්පත් නිදහස් කිරීම, වැඩ අධික වීම, වැඩ නිම කිරීමට අඩු කාලය සහ පිරිවැය ඵලදායිතාව වැනි වාසි රාශියක් මෙමගින් ලබා ගත හැකිය.
සිද්ධි අධ්‍යයනය
ගැඹුරු විශේෂාංග සංස්ලේෂණ ඇල්ගොරිතම නම් තාක්‍ෂණය භාවිතා කර අමු දත්ත විශාල ප්‍රමාණයකින් පුරෝකථන දත්ත ආකෘති නිර්මාණය කළ හැකි දත්ත විද්‍යා මෙවලමක් මත එම්අයිටී පර්යේෂකයින් 2015 දී වැඩ කිරීමට පටන් ගත්හ. යන්ත්‍ර ඉගෙනීමේ හොඳම ලක්‍ෂණ ඒකාබද්ධ කිරීමට ඇල්ගොරිතමයට හැකි බව විද්‍යාඥයෝ පවසති. විද්‍යාඥයින්ට අනුව, ඔවුන් එය විවිධ දත්ත කට්ටල තුනකින් පරීක්‍ෂා කර ඇති අතර තවත් ඒවා ඇතුළත් කිරීම සඳහා පරීක්‍ෂණය පුළුල් කරමින් සිටිති. දත්ත විද්‍යාව සහ විශ්ලේෂණ පිළිබඳ ජාත්‍යන්තර සමුළුවේදී ඉදිරිපත් කිරීමට නියමිත පත්‍රිකාවක පර්යේෂකයන් වන ජේම්ස් මැක්ස් කැන්ටර් සහ කල්යාන් වීරමචනෙනි පැවසුවේ “ස්වයංක්‍රීය සුසර කිරීමේ ක්‍රියාවලියක් භාවිතා කරමින් අපි විවිධ දත්ත සමුදායන් වෙත සාමාන්‍යකරණය කිරීමට ඉඩ සලසා දෙමින් මුළු මාර්ගයම ප්‍රශස්ත කරන” බවයි.
කාර්යයේ සංකීර්ණතාව දෙස බලමු: ඇල්ගොරිතමයට ස්වයංක්‍රීයව ගැලපුම් කිරීමේ හැකියාවක් ඇත, එමඟින් අවබෝධයෙන් හෝ වටිනාකම් වලින් අමු දත්ත වලින් (වයස හෝ ස්ත්‍රී පුරුෂ භාවය වැනි) ලබා ගත හැකි හෝ උපුටා ගත හැකි අතර ඉන් පසුව අනාවැකි දත්ත ආකෘති නිර්මාණය කළ හැකිය. ඇල්ගොරිතමයේ සංකීර්ණ ගණිතමය කාර්යයන් සහ ගවුසියානු කොපුල නම් සම්භාවිතා න්‍යාය භාවිතා කෙරේ. එබැවින් ඇල්ගොරිතමයට හැසිරවිය හැකි සංකීර්ණතාවයේ මට්ටම තේරුම් ගැනීම පහසුය. මෙම තාක්‍ෂණය තරඟ වලදී ත්‍යාග ද දිනා ඇත.
යන්ත්‍ර ඉගෙනීමෙන් ගෙදර වැඩ ආදේශ කළ හැකිය
යන්ත්‍ර ඉගෙනීම මඟින් මිනිස් මොළයේ කාර්‍යක්‍ෂමතාවයෙන් යුතු කාර්යයන් ඉටු කරන නිසා රැකියා බොහෝමයක් ප්‍රතිස්ථාපනය කළ හැකි බව ලොව පුරා සාකච්ඡා කෙරෙමින් පවතී. ඇත්ත වශයෙන්ම, යන්ත්‍ර ඉගෙනීම දත්ත විද්‍යාඥයින් වෙනුවට ආදේශ කිරීම ගැන යම් කනස්සල්ලක් ඇති අතර, එවැනි සැලකිල්ලක් දැක්වීමට පදනමක් තිබෙන බව පෙනේ.
දත්ත විශ්ලේෂණ කුසලතා නොමැති නමුත් ඔවුන්ගේ දෛනික ජීවිතයේ විවිධ විශ්ලේෂණාත්මක අවශ්‍යතා ඇති සාමාන්‍ය පරිශීලකයෙකුට විශාල දත්ත ප්‍රමාණයක් විශ්ලේෂණය කර විශ්ලේෂණ දත්ත ලබා දිය හැකි පරිගණක භාවිතා කිරීම කළ නොහැකි ය. කෙසේ වෙතත්, ස්වාභාවික මානව භාෂාව පිළිගැනීමට හා සැකසීමට පරිගණක වලට ඉගැන්වීම තුළින් ස්වාභාවික භාෂා සැකසුම් (එන්එල්පී) තාක්ෂණ මඟින් මෙම සීමාව ජය ගත හැකිය. මේ ආකාරයට සාමාන්‍ය පරිශීලකයෙකුට සංකීර්ණ විශ්ලේෂණ කාර්යයන් හෝ කුසලතා අවශ්‍ය නොවේ.
අයිබීඑම් විශ්වාස කරන්නේ එහි නිෂ්පාදනයක් වන වොට්සන් ස්වාභාවික භාෂා විශ්ලේෂණ වේදිකාව තුළින් දත්ත විද්‍යාඥයින්ගේ අවශ්‍යතාවය අවම කිරීම හෝ ඉවත් කිරීම කළ හැකි බවයි. වොට්සන්ගේ විශ්ලේෂණ හා ව්‍යාපාර බුද්ධි අංශයේ උප සභාපති මාර්ක් ඇට්ෂුලර්ට අනුව, “වොට්සන් වැනි සංජානන පද්ධතියක් සමඟ ඔබ ඔබේ ප්‍රශ්නය අසන්න - නැත්නම් ඔබට ප්‍රශ්නයක් නැත්නම් ඔබේ දත්ත උඩුගත කරන්න, වොට්සන්ට එය බැලිය හැකිය. ඔබට දැන ගැනීමට අවශ්‍ය දේ අනුමාන කරන්න. "
නිගමනය
යන්ත්‍ර ඉගෙනීමේ ඊළඟ තාර්කික පියවර ස්වයංක්රීයකරණය වන අතර ඊ-වාණිජ්‍යය වෙබ් අඩවි, ෆේස්බුක් මිත්‍ර යෝජනා, ලින්ක්ඩ්ඉන් ජාල යෝජනා සහ එයාර්බීඑන්බී සෙවුම් ශ්‍රේණිගත කිරීම්-අපගේ එදිනෙදා ජීවිතයේ බලපෑම් අපි දැනටමත් අත්විඳිමින් සිටිමු. ලබා දී ඇති උදාහරණ සලකා බැලීමේදී ස්වයංක්‍රීය යන්ත්‍ර ඉගෙනුම් පද්ධති මඟින් නිපදවන නිමැවුමේ ගුණාත්මක භාවය මෙයට ආරෝපණය කළ හැකි බවට සැකයක් නැත. එහි ඇති සියළුම ගුණාංග සහ ප්‍රතිලාභ සඳහා, විශාල රැකියා වියුක්තියක් ඇති කරන යන්ත්‍ර ඉගෙනීම පිළිබඳ අදහස තරමක් අධික ප්‍රතික්‍රියාවක් ලෙස පෙනේ. දශක ගණනාවක් තිස්සේ අපේ ජීවිතයේ බොහෝ ප්‍රදේශවල යන්ත්‍ර මිනිසුන් වෙනුවට මිනිසුන් ආදේශ කර ඇතත්, මිනිසුන් පරිණාමය වී කර්මාන්තයේ අදාළ වීම සඳහා අනුවර්තනය වී ඇත. දෘෂ්ටි කෝණයට අනුව, යන්ත්‍ර ඉගෙනීම එහි සියලු බාධා කිරීම් සඳහා මිනිසුන් අනුගත විය යුතු තවත් එක් රැල්ලකි.
පශ්චාත් වේලාව: අගෝස්තු-03-2021