ಕಂಪ್ಯೂಟರ್‌ಗೆ ಮೊದಲೇ ರೂಲ್ಸ್ ಬರೆಯುವ ಬದಲು, ಡೇಟಾ ಮತ್ತು ಉದಾಹರಣೆಗಳನ್ನು ನೀಡಿ, ಅದರಿಂದಲೇ ಕಲಿಯಲು ಬಿಡುತ್ತೇವೆ. ಅದು ತನ್ನ ತಪ್ಪುಗಳಿಂದ ತಾನೇ ಕಲಿತು ದಿನದಿಂದ ದಿನಕ್ಕೆ ಉತ್ತಮಗೊಳ್ಳುತ್ತದೆ.

ಇದನ್ನು ಸುಲಭವಾಗಿ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಒಂದು ಮಜಾವಾದ Analogy (ಹೋಲಿಕೆ) ನೋಡೋಣ. Machine Learning ಎನ್ನುವುದು Practice & Experience (ಅನುಭವದ ಕಲಿಕೆ) ಇದ್ದಂತೆ. ನೀವು ಮೊದಲ ಬಾರಿ ಅಡುಗೆ ಮಾಡುವಾಗ ತಪ್ಪುಗಳಾಗಬಹುದು, ಆದರೆ ಪ್ರತಿದಿನ ಪ್ರಾಕ್ಟೀಸ್ ಮಾಡಿ, ತಪ್ಪುಗಳಿಂದ ಕಲಿತು ಕೊನೆಗೊಂದು ದಿನ ಅದ್ಭುತ ಶೆಫ್ ಆಗುತ್ತೀರಲ್ಲವೇ? ಇದೇ Machine Learning! ಇದು ತನ್ನದೇ ಆದ ಅನುಭವ, ತಪ್ಪುಗಳು ಮತ್ತು ವಿಶ್ಲೇಷಣೆಯಿಂದ ಸ್ವತಃ ರೂಲ್ಸ್ ರೆಡಿ ಮಾಡುತ್ತದೆ.

ಯಂತ್ರ ಕಲಿಕೆಯಲ್ಲಿ ಮುಖ್ಯವಾಗಿ ಮೂರು ವಿಧಗಳಿವೆ: Supervised Learning, Unsupervised Learning, ಮತ್ತು Reinforcement Learning (RL). ಇವುಗಳನ್ನು ನಮ್ಮ ರಿಯಲ್ ಲೈಫ್ ಉದಾಹರಣೆಗಳ ಮೂಲಕ ಅರ್ಥಮಾಡಿಕೊಳ್ಳೋಣ.

೧. Supervised Learning (ಮೇಲ್ವಿಚಾರಣೆಯ ಕಲಿಕೆ)

ಇದು ಒಬ್ಬ ಗುರುಗಳು ಅಥವಾ ಟೀಚರ್ ಕೈಕೆಳಗೆ ಕಲಿಯುವ ಹಾಗೆ. ಇಲ್ಲಿ ನಾವು ಕಂಪ್ಯೂಟರ್‌ಗೆ Labeled Data (ಹೆಸರಿಸಲಾದ ಡೇಟಾ) ನೀಡುತ್ತೇವೆ. ಅಂದರೆ, ಒಂದು ಆಪಲ್ ಮತ್ತು ಬನಾನಾ ಚಿತ್ರಗಳನ್ನು ತೋರಿಸಿ, "ಇದು ಆಪಲ್, ಇದು ಬನಾನಾ" ಎಂದು ಮೊದಲೇ ಹೇಳಿಕೊಡುತ್ತೇವೆ.

  • Analogy: ಒಬ್ಬ ಟೀಚರ್ ಮಗುವಿಗೆ ಫ್ಲ್ಯಾಶ್ ಕಾರ್ಡ್‌ಗಳನ್ನು ತೋರಿಸಿ, "ಇದು 'A', ಇದು 'B'" ಎಂದು ಹೇಳಿಕೊಟ್ಟ ಹಾಗೆ. ಮಗು ಟೀಚರ್ ನೀಡಿದ ಉತ್ತರಗಳನ್ನು ನೋಡಿ ಕಲಿಯುತ್ತದೆ. ನಂತರ ಹೊಸ ಚಿತ್ರ ತೋರಿಸಿದಾಗ, ಅದು ತಾನೇ ಸರಿಯಾಗಿ ಗುರುತಿಸುತ್ತದೆ.

೨. Unsupervised Learning (ಸ್ವತಂತ್ರ ಕಲಿಕೆ)

ಇಲ್ಲಿ ಯಾವುದೇ ಟೀಚರ್ ಇರುವುದಿಲ್ಲ, ಹಾಗೂ ಡೇಟಾಗೆ ಯಾವುದೇ ಲೇಬಲ್ ಇರುವುದಿಲ್ಲ (Unlabeled Data). ಕಂಪ್ಯೂಟರ್‌ಗೆ ಕೇವಲ ಡೇಟಾವನ್ನು ನೀಡಿ, ಅದರಲ್ಲಿರುವ ಪ್ಯಾಟರ್ನ್ ಅಥವಾ ಸಾಮ್ಯತೆಗಳನ್ನು ಸ್ವತಃ ಹುಡುಕಲು ಬಿಡಲಾಗುತ್ತದೆ.

  • Analogy: ನಿಮ್ಮ ರೂಮ್‌ನಲ್ಲಿ ಒಂದು ದೊಡ್ಡ ಬಾಕ್ಸ್‌ನಲ್ಲಿ ಮಿಕ್ಸ್ ಆಗಿರುವ ನೂರಾರು ಆಟಿಕೆಗಳನ್ನು (Toys) ಸುರಿಯಲಾಗಿದೆ ಎಂದು ಕಲ್ಪಿಸಿಕೊಳ್ಳಿ. ನಿಮಗೆ ಅವುಗಳ ಹೆಸರೇ ಗೊತ್ತಿಲ್ಲದಿದ್ದರೂ, ನೀವು ಅವುಗಳ ಬಣ್ಣ, ಆಕಾರ ಅಥವಾ ಸೈಜ್ ನೋಡಿ ಕಾರ್‌ಗಳನ್ನು ಒಂದು ಕಡೆ, ಗೊಂಬೆಗಳನ್ನು ಇನ್ನೊಂದು ಕಡೆ ಗ್ರೂಪ್ ಮಾಡುತ್ತೀರಲ್ಲವೇ? ಇದನ್ನೇ ಕ್ಲಸ್ಟರಿಂಗ್ (Clustering) ಎನ್ನಲಾಗುತ್ತದೆ. ಕಂಪ್ಯೂಟರ್ ಕೂಡ ಇದೇ ರೀತಿ ಗ್ರೂಪ್ ಮಾಡುತ್ತದೆ.

೩. Reinforcement Learning - RL (ಬಹುಮಾನ ಮತ್ತು ಶಿಕ್ಷೆಯ ಕಲಿಕೆ)

ಇದು ತಪ್ಪು ಮತ್ತು ಒಪ್ಪಿನ ಆಟ. ಇಲ್ಲಿ ಯಾವುದೇ ಡೇಟಾ ಇರುವುದಿಲ್ಲ. ಕಂಪ್ಯೂಟರ್ (ಇದನ್ನು Agent ಎನ್ನಲಾಗುತ್ತದೆ) ಒಂದು ಎನ್ವಿರಾನ್‌ಮೆಂಟ್‌ನಲ್ಲಿ ಸ್ವತಃ ಟ್ರೈ ಮಾಡುತ್ತದೆ. ಒಳ್ಳೆಯ ಕೆಲಸ ಮಾಡಿದರೆ Reward (ಬಹುಮಾನ) ಸಿಗುತ್ತದೆ, ತಪ್ಪು ಮಾಡಿದರೆ Penalty (ಶಿಕ್ಷೆ) ಸಿಗುತ್ತದೆ.

  • Analogy: ಒಂದು ಸಣ್ಣ ನಾಯಿ ಮರಿಗೆ (Puppy) ಟ್ರೈನಿಂಗ್ ಕೊಡುವ ಹಾಗೆ. ನೀವು "ಸಿಟ್" ಅಂದಾಗ ಅದು ಕುಳಿತರೆ ಅದಕ್ಕೆ ಬಿಸ್ಕೆಟ್ (Reward) ಕೊಡುತ್ತೀರಿ. ಅದು ಓಡಿಹೋದರೆ ಬಿಸ್ಕೆಟ್ ಸಿಗಲ್ಲ (Penalty). ಬಿಸ್ಕೆಟ್ ಆಸೆಗೆ ಆ ನಾಯಿಮರಿ ತಾನಾಗಿಯೇ ಕುಳಿತುಕೊಳ್ಳುವುದನ್ನು ಕಲಿಯುತ್ತದೆ. ಕಂಪ್ಯೂಟರ್ ಕೂಡ ಹೆಚ್ಚು ರಿವಾರ್ಡ್ ಗೆಲ್ಲಲು ಸರಿಯಾದ ದಾರಿಯನ್ನು ಕಲಿಯುತ್ತದೆ.

ಮುಕ್ತಾಯ:

ಸೂಪರ್‌ವೈಸ್ಡ್, ಅನ್‌ಸೂಪರ್‌ವೈಸ್ಡ್ ಮತ್ತು ರೀಇನ್‌ಫೋರ್ಸ್‌ಮೆಂಟ್ ಲರ್ನಿಂಗ್‌ಗಳ ಮೂಲಕ ಯಂತ್ರಗಳು ಇಂದು ಮನುಷ್ಯನ ಯೋಚನಾ ಶಕ್ತಿಯನ್ನು ಸವಾಲು ಮಾಡುತ್ತಿವೆ. ಇದು ಕೇವಲ ಆರಂಭವಷ್ಟೇ. ಮೆಷಿನ್ ಲರ್ನಿಂಗ್‌ನ ಈ ಮೂರು ವಿಧಗಳು ಪ್ರಾಯೋಗಿಕವಾಗಿ ಹೇಗೆ ಕೆಲಸ ಮಾಡುತ್ತವೆ ಮತ್ತು ನಮ್ಮ ರಿಯಲ್-ವರ್ಲ್ಡ್ ಸಮಸ್ಯೆಗಳನ್ನು ಹೇಗೆ ಪರಿಹರಿಸುತ್ತವೆ?

ಈ ಕುರಿತು ಆಳವಾದ ಮಾಹಿತಿಯೊಂದಿಗೆ ಮುಂದಿನ ಲೇಖನದಲ್ಲಿ ಭೇಟಿಯಾಗೋಣ. ನಿಮ್ಮ ಅನಿಸಿಕೆಗಳನ್ನು ಕಮೆಂಟ್ ಮೂಲಕ ಹಂಚಿಕೊಳ್ಳಿ!