डीप लर्निंग कृत्रिम बुद्धिमत्ता (आर्टिफिशियल इंटेलिजेंस) की एक ऐसी विधि है जो कंप्यूटर को कई परतों वाले कृत्रिम तंत्रिका नेटवर्क (artificial neural networks) का उपयोग करके बड़ी मात्रा में डेटा से स्वयं पैटर्न सीखने की अनुमति देती है। "डीप लर्निंग का क्या अर्थ है?" इस सवाल के जवाब में, "डीप" शब्द नेटवर्क में मौजूद परतों की बड़ी संख्या को संदर्भित करता है। आज, आपके फोन पर फेस अनलॉक से लेकर चैट असिस्टेंट तक, कई तकनीकें इसी पर आधारित हैं।
तंत्रिका नेटवर्क कैसे काम करता है?
एक तंत्रिका नेटवर्क आपस में जुड़े हुए कृत्रिम "न्यूरॉन्स" से बना होता है। प्रत्येक न्यूरॉन उसे प्राप्त होने वाली संख्याओं को कुछ निश्चित भार (weights) से गुणा करता है, उन्हें जोड़ता है और परिणाम को अगली परत में भेज देता है। पहली परतें सरल विशेषताओं (छवि में किनारे और रंग) को पकड़ती हैं; बाद की परतें उन्हें अधिक जटिल अवधारणाओं (एक आंख, एक चेहरा, एक बिल्ली) में जोड़ती हैं।
सीखने की प्रक्रिया प्रशिक्षण (training) के दौरान होती है: नेटवर्क एक भविष्यवाणी करता है, भविष्यवाणी की तुलना सही उत्तर से की जाती है, और त्रुटि को बैकप्रोपैगेशन (backpropagation) नामक विधि के साथ पीछे की ओर फैलाया जाता है, जिससे भार को छोटे चरणों में समायोजित किया जाता है। लाखों उदाहरणों पर दोहराए जाने के बाद, यह नेटवर्क को ऐसे कार्य करने की अनुमति देता है जिनके लिए किसी ने स्पष्ट नियम नहीं लिखे थे।
डीप लर्निंग और मशीन लर्निंग में क्या अंतर है?
क्लासिक मशीन लर्निंग में, मनुष्य अक्सर यह तय करते हैं कि डेटा की किन विशेषताओं को देखना है। डीप लर्निंग में, नेटवर्क कच्चे डेटा (पिक्सेल, ध्वनि तरंगें, टेक्स्ट) से महत्वपूर्ण विशेषताओं को स्वयं निकालता है। इसकी कीमत यह है कि इसे बहुत अधिक डेटा और कंप्यूटिंग शक्ति की आवश्यकता होती है, विशेष रूप से ग्राफिक्स प्रोसेसर (GPUs) की।
डीप लर्निंग 2012 में क्यों लोकप्रिय हुआ?
तंत्रिका नेटवर्क का विचार 1950 के दशक का है, लेकिन दशकों तक पर्याप्त डेटा या कंप्यूटिंग शक्ति नहीं थी। 2012 में टोरंटो विश्वविद्यालय की एक टीम द्वारा विकसित एलेक्सनेट (AlexNet) ने इमेजनेट छवि पहचान प्रतियोगिता को बड़े अंतर से जीता और जीपीयू पर प्रशिक्षित डीप नेटवर्क की शक्ति को दिखाया। इस क्षेत्र के अग्रदूतों जेफ्री हिंटन, यान लेकुन और योशुआ बेंगियो को 2018 में ट्यूरिंग अवार्ड मिला, और हिंटन ने 2024 का भौतिकी में नोबेल पुरस्कार जॉन हॉपफील्ड के साथ साझा किया।
डीप लर्निंग का उपयोग कहाँ किया जाता है?
- छवियाँ: चेहरे की पहचान, चिकित्सा छवि विश्लेषण, सेल्फ-ड्राइविंग कारों में धारणा।
- वाक् (Speech): वॉयस असिस्टेंट और स्पीच-टू-टेक्स्ट।
- भाषा: मशीन अनुवाद और बड़े भाषा मॉडल जैसे चैटजीपीटी (ChatGPT), जेमिनी (Gemini) और क्लॉड (Claude)।
- विज्ञान: प्रोटीन संरचना भविष्यवाणी, मौसम मॉडल और दवा की खोज।
अक्सर पूछे जाने वाले प्रश्न
क्या डीप लर्निंग और एआई एक ही चीज हैं?
नहीं। एआई सबसे व्यापक अवधारणा है; मशीन लर्निंग इसकी एक शाखा है, और डीप लर्निंग मशीन लर्निंग की एक शाखा है।
डीप लर्निंग सीखने के लिए मुझे क्या जानने की आवश्यकता है?
बुनियादी पायथन प्रोग्रामिंग के साथ-साथ हाई-स्कूल स्तर का रैखिक बीजगणित (linear algebra) और प्रायिकता (probability) एक अच्छी शुरुआत है। आप पायटॉर्च (PyTorch) और टेन्सरफ्लो (TensorFlow) जैसी मुफ्त लाइब्रेरी और ऑनलाइन पाठ्यक्रमों के साथ आगे बढ़ सकते हैं।
डीप लर्निंग की कमजोरियां क्या हैं?
इसे बहुत अधिक डेटा और ऊर्जा की आवश्यकता होती है, इसके निर्णयों को समझाना कठिन होता है ("ब्लैक बॉक्स" समस्या) और यह अपने प्रशिक्षण डेटा से पूर्वाग्रहों को ले सकता है।
स्रोत
- ACM, 2018 ए.एम. ट्यूरिंग अवार्ड घोषणा (बेंगियो, हिंटन, लेकुन)।
- नोबेल फाउंडेशन, 2024 भौतिकी में नोबेल पुरस्कार (हॉपफील्ड और हिंटन)।
- क्रिज़ेव्स्की, सुतस्केवर, हिंटन, "इमेजनेट क्लासिफिकेशन विद डीप कन्वेन्शनल न्यूरल नेटवर्क्स", 2012।
एक टिप्पणी छोड़ें
आपका ईमेल पता प्रकाशित नहीं किया जाएगा। आवश्यक फ़ील्ड * से चिह्नित हैं