- ரா. சுவாதி
இயந்திர கற்றல் (Machine Learning) செயற்கை நுண்ணறிவின் (AI) ஒரு துணைப்பிரிவாகும். ஒரு இயந்திரம் அல்லது கணினியின் செயல்திறனை அடிப்படையாக கொண்டு அதற்கு பயிற்சி அளிப்பதே இயந்திர கற்றல். இவ்வாறு பயிற்சி அளிப்பதன் மூலம் ஒரு கணினியையோ அல்லது இயந்திரத்தையோ அவை தானாக கற்றுக்கொண்டு செயல்படுமளவிற்கு மேம்படுத்த முடியும். செயற்கை நுண்ணறிவானது திட்டமிடல், சிந்தித்தல், எண்ணங்களை கற்றுக் கொள்ளுதல் என பல நுண்ணறிவு திறன்களை உள்ளடக்கியது. எனவே, மனிதர்களுக்கு தேவைப்படும் பணிகளை செய்யும் திறன் கொண்ட இயந்திரங்களை வடிவமைப்பதில் இவை முக்கிய பங்காற்றுகின்றன. இவ்வாறு உருவாக்கப்பட்ட இயந்திரங்கள் தானே கணிப்புகளையும் முடிவுகளையும் எடுக்கின்றன. இதற்கென்று அவற்றை பிரத்தேயகமாக ப்ரோக்ராம் செய்ய வேண்டிய அவசியமில்லை.
Machine learning நான்கு வகைகளாக பிரிக்கப்படும். அவை, Supervised, Unsupervised, Semi-supervised மற்றும் Reinforcement Learning எனப்படும். இவற்றில் Supervised (மேற்பார்வையிடப்பட்ட) மற்றும் Unsupervised (மேற்பார்வை செய்யப்படாத) கற்றல் முக்கிய வகைகள் ஆகும்.
மேற்பார்வையிடப்பட்ட கற்றல் (Supervised) : ஒரு கணினி அதில் ப்ரோக்ராம் செய்யப்பட்ட தரவுகளின் அடிப்படையில் கணிப்புகளையும் முடிவுகளையும் வழங்குகிறது
மேற்பார்வையிடப்படாத கற்றல் (Unsupervised) : எந்தவொரு ப்ரோக்ராமும் செய்யாமலேயே ஒரு கணினி ஆனது தரவில் உள்ள வடிவங்களையும் கட்டமைப்புகளையும் பயன்படுத்தி கணிப்பு மற்றும் முடிவுகளை வழங்குகிறது.
இயந்திர கற்றலின் (Machine Learning) பயன்பாடுகளும் பாதிப்புகளும்:
பயன்பாடுகள்
நோயிற்கான அறிகுறிகள் மற்றும் நோயாளியின் நிலையை அடையாளம் காணும் செயல்முறையான Medical Diagnosis இல் பயன்படுகிறது.
துல்லியமாக, கணிப்புகளை கண்டறியும் திறன் கொண்ட இவை பங்குச் சந்தையில் பயன்படுத்தப்படுகின்றன
இவை, தானியங்கி கார்களுக்கு சாலையில் உள்ள பொருட்களை அடையாளம் கண்டு கொள்ள உதவுகின்றன. இவற்றால் பாதசாரிகள் மற்றும் வாகனங்களையும், விலங்குகளையும் அடையாளம் காண முடியும்.
இன்ஸ்டாகிராம், பேஸ்புக் போன்ற சமூக ஊடகங்களை பயன்படுத்தும் போது இடையே வரக் கூடிய Product recommendations-க்கும் இவையே காரணம்.
போக்குவரத்து அமைப்புகளையும் சாலை பாதுகாப்பையும் மேம்படுத்தி நெரிசலை குறைக்க, போக்குவரத்து கண்காணிப்பில் பெரும் பங்கு வகுக்கின்றன.
நன்மைகள் மற்றும் தீமைகள்:
தொழில்நுட்ப மற்றும் ரோபோடிக்ஸ்-இன் செயல்முறைகளை பயன்படுத்தி மனிதர்களின் ஈடுபாட்டை குறைகின்றன.
தொழில்நுட்பம், சுகாதாரம், நிதி போன்ற பல்வேறு தொழில்களில் லாபகரமான வாய்ப்புகளை அமைக்கின்றன.
ஆன்லைன் ஷாப்பிங் மற்றும் தரமான கல்வி மேம்பாட்டிற்கு வழிவகுக்கின்றன.
இவற்றை பயன்படுத்துவதினால் தரவுகள் கையகப்படுத்தப்படுவதுடன், பிழைகள் அதிகரிக்கவும் வாய்ப்புண்டு.
கட்டளைகளை தவறாக புரிந்துகொள்வதன் மூலம் இவ்வியந்திரங்களால் மனிதர்களுக்கு பாதிப்பும் ஏற்பட வாய்ப்புள்ளது. முடிந்தவரையில் முக்கியத் தேவை இருக்கும் இடங்களில் மட்டும் இவற்றை பயன்படுத்திக் கொள்ளலாம்.