مشین لرننگ کے بارے میں آپ کو 10 چیزیں جاننے کی ضرورت ہے۔

مشین لرننگ کی وضاحت کرنے والے ایک شخص کی حیثیت سے ، میں نے مشین لرننگ کی وضاحت کے لئے درج ذیل دس نکات مرتب کیے ہیں۔

• #### 1، مشین لرننگ کا مطلب ہے اعداد و شمار سے سیکھنا؛ اور AI ایک فیشن لفظ ہے۔

مشین لرننگ وہ نہیں ہے جس کے بارے میں یہ اشتہار دیا جاتا ہے کہ آپ صحیح سیکھنے والے الگورتھم کو صحیح ٹریننگ ڈیٹا دے کر ان گنت مسائل کو حل کرسکتے ہیں۔ اسے اے آئی کہتے ہیں اگر اس سے آپ کے اے آئی سسٹم کی فروخت میں مدد ملتی ہے۔ لیکن آپ کو معلوم ہونا چاہئے کہ اے آئی صرف ایک فیشنی لفظ ہے جو لوگوں کی توقعات کی نمائندگی کرتا ہے۔

• #### مشین لرننگ بنیادی طور پر اعداد و شمار اور الگورتھم سے متعلق ہے ، لیکن بنیادی طور پر اعداد و شمار سے متعلق ہے۔

مشین لرننگ الگورتھم خاص طور پر گہری سیکھنے کی ترقی میں بہت ساری دلچسپ چیزیں ہیں۔ لیکن اعداد و شمار مشین لرننگ کو ممکن بنانے کا ایک اہم عنصر ہیں۔ مشین لرننگ پیچیدہ الگورتھم کے بغیر ہوسکتی ہے ، لیکن اچھے اعداد و شمار کے بغیر نہیں۔

• #### 3۔ جب تک آپ کے پاس بہت زیادہ اعداد و شمار نہ ہوں، آپ کو سادہ ماڈل پر عمل کرنا چاہیے۔

مشین لرننگ ماڈل کو اعداد و شمار میں نمونے کے مطابق تربیت دیتی ہے ، پیرامیٹرز کے ذریعہ بیان کردہ ممکنہ ماڈل کی جگہ کو تلاش کرتی ہے۔ اگر پیرامیٹرز کی جگہ بہت بڑی ہے تو ، یہ تربیت کے اعداد و شمار پر زیادہ فٹ بیٹھتا ہے ، اور ایک ایسا ماڈل تیار کرتا ہے جو خود کو عام نہیں کرسکتا ہے۔ اگر اس کی تفصیل سے وضاحت کی جائے تو ، اس میں مزید ریاضیاتی حساب کتاب کی ضرورت ہوگی ، اور آپ کو یہ ایک اصول کے طور پر رکھنا چاہئے ، اپنے ماڈل کو ہر ممکن حد تک آسان بنائیں۔

• #### 4۔ مشین لرننگ کے معیار کا تعلق تربیت کے لیے استعمال ہونے والے ڈیٹا کے معیار سے ہے۔

یہ کہا جاتا ہے کہ آپ کو کمپیوٹر میں گندگی کا ایک ڈھیر ملتا ہے ، اور اس کے نتیجے میں گندگی کا ایک ڈھیر ہوتا ہے۔ اگرچہ یہ جملہ مشین لرننگ سے پہلے موجود ہے ، لیکن یہ مشین لرننگ کی ایک اہم حد ہے۔ مشین لرننگ صرف تربیتی اعداد و شمار میں موجود نمونوں کو ڈھونڈ سکتی ہے۔ مشین لرننگ کے کاموں کی نگرانی کے لئے ، مثال کے طور پر (درجہ بندی) ، آپ کو ایک مضبوط ، مناسب طریقے سے لیبل لگا ہوا ، بھرپور تربیتی ڈیٹا سیٹ کی ضرورت ہے۔

• #### 5۔ مشین لرننگ صرف اس صورت میں کام کرتی ہے جب ٹریننگ کا ڈیٹا نمائندہ ہو۔

oi جیسا کہ فنڈ کے اندراج کے نوٹس میں خبردار کیا گیا ہے کہ ماضی کی کارکردگی مستقبل کے نتائج کی ضمانت نہیں دیتی ہے۔ مشین لرننگ کو بھی اسی طرح کا انتباہی بیان دینا چاہئے: یہ صرف تربیت کے اعداد و شمار کے ساتھ اسی طرح کی تقسیم پر مبنی کام کرسکتا ہے۔ لہذا ، تربیت کے اعداد و شمار اور پیداواری اعداد و شمار کے مابین انحراف کے بارے میں محتاط رہنا چاہئے ، اور ماڈل کو باقاعدگی سے دہرانا چاہئے تاکہ اس بات کا یقین کیا جاسکے کہ یہ متروک نہیں ہوگا۔

• #### 6۔ مشین لرننگ کا زیادہ تر کام ڈیٹا کو تبدیل کرنا ہے۔

مشین لرننگ ٹیکنالوجی کی دھوم دھام کے ساتھ آپ سوچ سکتے ہیں کہ مشین لرننگ بنیادی طور پر الگورتھم کو منتخب اور ایڈجسٹ کرتی ہے۔ لیکن حقیقت یہ ہے کہ آپ کا زیادہ تر وقت اور توانائی ڈیٹا کی صفائی اور خصوصیت انجینئرنگ پر خرچ ہوگی ، یعنی یہ کہ اصل خصوصیت کو ایسی خصوصیت میں تبدیل کیا جائے جو اعداد و شمار کی نمائندگی کرنے والی سگنل کو بہتر بنائے۔

• #### 7۔ گہری سیکھنا ایک انقلابی پیش رفت ہے ، لیکن یہ کوئی جادوئی دوا نہیں ہے۔

چونکہ مشین لرننگ کو بہت سارے شعبوں میں استعمال اور ترقی دی گئی ہے ، لہذا گہری سیکھنے کو بھی بہت زیادہ تشہیر کی گئی ہے۔ اس کے علاوہ ، گہری سیکھنے نے روایتی طور پر خصوصیت انجینئرنگ کے ذریعہ کئے جانے والے کچھ کام کو خودکار بنانے کی حوصلہ افزائی کی ہے ، خاص طور پر تصویری اور ویڈیو ڈیٹا کے ل .

• #### 8۔ مشین لرننگ سسٹم آپریٹرز کی غلطیوں سے متاثر ہوتا ہے۔

این آر اے سے معافی مانگیں ، مشین لرننگ الگورتھم انسانوں کو نہیں مارتے ، وہ انسانوں کو مارتے ہیں۔ جب مشین لرننگ سسٹم میں خرابی ہوتی ہے تو ، اس کی وجہ شاذ و نادر ہی مشین لرننگ الگورتھم میں کوئی مسئلہ ہوتا ہے۔ اس سے زیادہ امکان ہے کہ انسانی غلطی کو تربیتی اعداد و شمار میں متعارف کرایا گیا ہے ، جس سے انحراف یا دیگر نظام کی غلطیاں پیدا ہوتی ہیں۔ ہمیں ہمیشہ شکوک و شبہات کا رویہ رکھنا چاہئے اور مشین لرننگ کے بارے میں سافٹ ویئر انجینئرنگ کے لئے موزوں طریقوں کا استعمال کرنا چاہئے۔

• #### 9۔ مشین لرننگ شاید غیر ارادی طور پر خود کو پورا کرنے والی پیش گوئی پیدا کرے گی۔

مشین لرننگ کی بہت سی ایپلی کیشنز میں ، آج آپ جو فیصلے کرتے ہیں وہ کل جمع کیے جانے والے ٹریننگ ڈیٹا پر اثر انداز ہوتا ہے۔ ایک بار جب مشین لرننگ سسٹم میں تغیرات کو ماڈل میں شامل کیا جاتا ہے ، تو وہ تغیرات سے تقویت یافتہ نئے ٹریننگ ڈیٹا تیار کرتا رہتا ہے۔ مزید یہ کہ ، کچھ تغیرات لوگوں کی زندگیوں کو برباد کرسکتی ہیں۔ براہ کرم ذمہ داری سے کام لیں: خود کو پورا کرنے والی پیش گوئیاں نہ بنائیں۔

• #### 10۔ اے آئی خود کو بیدار نہیں کرے گا، انسانیت کو تباہ نہیں کرے گا۔

کافی لوگوں کو لگتا ہے کہ مصنوعی ذہانت کے بارے میں سائنس فکشن فلموں کے تصورات مل گئے ہیں۔ ہمیں سائنس فکشن سے متاثر ہونا چاہئے ، لیکن اس کے بارے میں اتنا پاگل نہیں ہونا چاہئے کہ وہ حقیقت کے بارے میں غلط فہمی کا شکار ہو۔ شعور کے ساتھ برے انسانوں سے لے کر لاشعوری طور پر خراب مشین سیکھنے والے ماڈل تک ، بہت ساری حقیقت اور خطرات ہیں جن سے پریشان ہونے کی ضرورت ہے۔ لہذا آپ کو اسکائی نیٹ اور سپر انٹیلیجنس کے بارے میں فکر کرنے کی ضرورت نہیں ہے۔

مشین لرننگ میں ان دس نکات کے علاوہ بھی بہت کچھ شامل ہے۔ امید ہے کہ یہ تعارفی مواد غیر پیشہ ور افراد کے لیے مفید ثابت ہوگا۔

عالمی سطح پر مصنوعی ذہانت کے بڑے اعداد و شمار سے ڈاؤن لوڈ کیا گیا