Amazon, Apple, Facebook, Google, IBM और Microsoft जैसी प्लेटफ़ॉर्म कंपनियां AI के अध्ययन और निर्माण में निवेश कर रही हैं। वे एआई को कंपनियों के लिए अधिक सुलभ बनाने की दिशा में काम कर रहे हैं।
मशीन लर्निंग और आर्टिफिशियल इंटेलिजेंस के क्षेत्र में तीन आवश्यक पहलू नवाचार की दर को तेज कर रहे हैं।
उन्नत कंप्यूटिंग वास्तुकला
पारंपरिक माइक्रोप्रोसेसर और सीपीयू मशीन लर्निंग की देखभाल करने के लिए नहीं हैं। एक जटिल एमएल संस्करण के प्रशिक्षण के लिए सबसे तेज़ सीपीयू सही चयन नहीं हो सकता है। सॉफ्टवेयर को खुफिया जानकारी प्रदान करने वाले एमएल संस्करणों को कोचिंग और अनुमान लगाने के लिए, सीपीयू को चिप्स की एक नई नस्ल के साथ पूरक होना चाहिए।
एआई के उदय के कारण, ग्राफिक्स प्रोसेसिंग यूनिट (जीपीयू) की मांग रही है। जिसे कभी हाई-एंड जुआ पीसी और वर्कस्टेशन के हिस्से के रूप में माना जाता था, वह सामान्य क्लाउड से बहुत मांग वाला प्रोसेसर बन गया है। सीपीयू के विपरीत, जीपीयू हजारों कोर के साथ आते हैं जो एमएल प्रशिक्षण प्रक्रिया को तेज करते हैं। अनुमान लगाने के लिए एक प्रशिक्षित संस्करण आयोजित करने के लिए भी, GPU आवश्यक हो रहे हैं। आगे बढ़ते हुए, किसी प्रकार का GPU शायद वहाँ होगा जहाँ CPU है। ग्राहक उपकरणों से लेकर क्लाउड से वर्चुअल मशीन तक, GPU AI की कुंजी होंगे।
फील्ड प्रोग्रामेबल गेट एरे या एफपीजीए के प्रकार में निम्नलिखित नवाचार आता है। ये चिप्स एक विशेष प्रकार के कार्यभार को प्राप्त करने के लिए अनुकूलन योग्य और प्रोग्राम योग्य हैं। पारंपरिक सीपीयू सामान्य प्रयोजन की गणना के लिए विकसित किए जाते हैं जबकि एफपीजीए को गढ़े जाने के बाद क्षेत्र से प्रोग्राम किया जा सकता है। FPGA उपकरणों को बाजार कंप्यूटिंग कार्यों जैसे एमएल संस्करणों के प्रशिक्षण के लिए चुना जाता है। सार्वजनिक क्लाउड विक्रेता एआई के लिए अत्यधिक अनुकूलित और अनुकूलित बुनियादी ढांचा प्रदान करने के लिए एफपीजीए का उपयोग कर रहे हैं।
अंत में, क्लाउड से बेयर मेटल सर्वर तक पहुंच वैज्ञानिकों और शोधकर्ताओं को क्लाउड में उच्च-प्रदर्शन कंप्यूटिंग कार्य करने के लिए ला रही है। ये प्रतिबद्ध, एकल-किरायेदार सर्वर वर्ग कार्यक्षमता में सर्वश्रेष्ठ प्रदान करते हैं। वर्चुअल मशीन इस आम और बहु-किरायेदार बुनियादी ढांचे के कारण शोर पड़ोसी मुद्दों में पीड़ित हैं। क्लाउड इन्फ्रास्ट्रक्चर प्रदाता जैसे Amazon EC2 आईबीएम क्लाउड के साथ बेयर मेटल सर्वर की आपूर्ति कर रहे हैं।
ये आविष्कार एयरोस्पेस, स्वास्थ्य, चित्र प्रसंस्करण, विनिर्माण और ऑटोमोटिव जैसे क्षेत्रों में एआई को अपनाने को बढ़ावा देंगे।
डीप न्यूरल नेटवर्क्स में प्रगति
गहन शिक्षण और कृत्रिम तंत्रिका नेटवर्क में प्रगति पर एआई अनुसंधान में अगला और सबसे महत्वपूर्ण तत्व।
कृत्रिम तंत्रिका नेटवर्क (एएनएन) सटीक और सटीक संस्करण विकसित करने के लिए पारंपरिक मशीन लर्निंग संस्करणों को प्रतिस्थापित कर रहे हैं। कन्वेन्शनल न्यूरल नेटवर्क्स (सीएनएन) दृष्टि की निगरानी के लिए गहन सीखने की क्षमता प्रदान करता है। कंप्यूटर विज़न में कई मौजूदा सुधार जैसे एकान्त शॉट मल्टीबॉक्स डिटेक्टर (एसएसडी) और जनरेटिव एडवरसैरियल नेटवर्क (जीएएन) इमेज प्रोसेसिंग की खोज कर रहे हैं। उदाहरण के तौर पर, उन तकनीकों, वीडियो और छवियों में से कुछ को नियोजित करके जो कम रोशनी और बहुत कम रिज़ॉल्यूशन में ली जाती हैं, उन्हें एचडी गुणवत्ता में सुधार किया जा सकता है। कंप्यूटर विज़न में निरंतर अनुसंधान अब स्वास्थ्य देखभाल, सुरक्षा, परिवहन और अन्य डोमेन नामों में चित्र प्रसंस्करण की नींव है।
कैप्सूल न्यूरल नेटवर्क्स (कैप्सनेट) जैसी उभरती हुई एमएल विधियों में से कई मूल रूप से एमएल संस्करणों को तैनात और प्रशिक्षित करने के तरीके को बदल देंगी। उनके पास ऐसे मॉडल बनाने की क्षमता होगी जो प्रतिबंधित डेटा का उपयोग करके प्रशिक्षित होने पर भी सटीकता के साथ पूर्वानुमान लगाते हैं।
ऐतिहासिक डेटा सेट तक पहुंच
क्लाउड के आगे मुख्यधारा बन गया, जानकारी को सहेजना और उस तक पहुंचना महंगा था। क्लाउड-आधारित कंपनियों के परिणामस्वरूप, शिक्षाविद और अधिकारी उस जानकारी को अनलॉक कर रहे हैं जो कभी कैसेट कार्ट्रिज और चुंबकीय डिस्क तक सीमित थी।
डेटा वैज्ञानिक एमएल मॉडल को शिक्षित करने के लिए बड़े ऐतिहासिक डेटासेट तक पहुंच चाहते हैं जो अधिक सटीकता के साथ भविष्यवाणी कर सकते हैं। एमएल संस्करण की प्रभावशीलता सीधे इस डेटासेट की गुणवत्ता और आयामों से निर्धारित होती है। कैंसर की खोज या बारिश बुलाने जैसी जटिल समस्याओं का समाधान करने के लिए, शोधकर्ता विभिन्न डेटा मुद्दों के साथ बड़े डेटासेट चाहते हैं।
सूचना भंडारण और पुनर्प्राप्ति अधिक किफायती होने के साथ, सरकारी एजेंसियां, स्वास्थ्य देखभाल संस्थान और संस्थान अनुसंधान क्षेत्र के लिए सुलभ असंरचित जानकारी का निर्माण कर रहे हैं। नैदानिक इमेजिंग से लेकर ऐतिहासिक बारिश की प्रवृत्ति तक, शोधकर्ताओं के पास अंततः समृद्ध डेटासेट तक पहुंच है। यह चर अकेले AI अनुसंधान को महत्वपूर्ण रूप से प्रभावित करता है।
उच्च प्रदर्शन कंप्यूटिंग उपकरण के साथ प्रचुर मात्रा में डेटा अगली पीढ़ी के एआई विकल्पों को प्रेरित करेगा।
Facebook, Google, IBM और Microsoft AI अनुसंधान में योगदान दे रहे हैं। वे विविध व्यावसायिक कार्यक्षेत्रों से संबंधित AI बनाने के लिए अरबों डॉलर का निवेश कर रहे हैं।
अगली पीढ़ी के कंप्यूटिंग आर्किटेक्चर के साथ समृद्ध डेटासेट तक पहुंच शोधकर्ताओं और सूचना वैज्ञानिकों को तेज गति से नवाचार करने के लिए सशक्त बना रही है। ये चर एआई को उपकरणों और अनुप्रयोगों का एक अनिवार्य हिस्सा बनाएंगे।
Video
- https://www.youtube.com/watch?v=CMPKarLuna4&feature=youtu.be