مشین لرننگ کا ایک اہم سب سیٹ ہونے کی وجہ سے خاص طور پر ان لوگوں میں جو خاص طور پر اے آئی کے لامحدود امکانات کو کھولنے میں دلچسپی رکھتے ہیں ، نے بے حد اضافہ دیکھا ہے۔ڈیپ لرننگ کی بڑھتی ہوئی مقبولیت سے متاثر ہوکر ، میں نے بلاگز کا ایک سلسلہ جاری کرنے کا سوچا جو مصنوعی ذہانت کے میدان میں اس نئے رجحان کے بارے میں آپ کو آگاہ کرے گا اور آپ کو یہ سمجھنے میں مدد کرے گا کہ یہ سب کیا ہے۔ یہ سیریز کے بہت سارے بلاگوں میں پہلا ہے جسے بطور نام دیا جاتا ہے۔ گہری لرننگ ٹیوٹوریل .
دیپ لرننگ ٹیوٹوریل
اس گہری لرننگ ٹیوٹوریل بلاگ میں ، میں آپ کو مندرجہ ذیل چیزوں کے ذریعہ لے جاؤں گا ، جو آئندہ بلاگز کے بنیادی اصولوں کے طور پر کام کریں گے:
- کیا ڈیپ لرننگ کو وجود میں آنے دیتا ہے؟
- ڈیپ لرننگ کیا ہے اور یہ کیسے کام کرتی ہے؟
آپ ڈیپ لرننگ ٹیوٹوریل کی اس ریکارڈنگ سے گزر سکتے ہیں جہاں ہمارے انسٹرکٹر نے مثالوں کے ساتھ عنوانات سے موضوعات کی وضاحت کی ہے جو آپ کو اس تصور کو بہتر طور پر سمجھنے میں مدد فراہم کرے گی۔
گہری لرننگ ٹیوٹوریل | گہری لرننگ عصبی نیٹ ورک | ایڈوریکا
مصنوعی ذہانت اور گہری تعلیم کی درخواستیں
اب اس کے بارے میں سوچیں ، آپ اپنے تمام کام کرنے کے بجائے ، آپ کے لئے ایک مشین رکھتے ہیں کہ آپ اسے ختم کریں یا یہ کوئی ایسا کام کرسکتی ہے جس کے بارے میں آپ کو لگتا تھا کہ یہ بالکل ممکن نہیں تھا۔ مثال کے طور پر:
 | مستقبل کی پیش گوئی کرنا: اس سے قبل ہی زلزلے ، سونامی وغیرہ کی پیشن گوئی کرنے میں ہماری مدد مل سکتی ہے تاکہ متعدد جانوں کو قدرتی آفات کے چنگل میں پڑنے سے بچانے کے لئے احتیاطی تدابیر اختیار کی جاسکیں۔ |
| چیٹ بوٹس: آپ سب نے سری کے بارے میں سنا ہوگا ، جو ایپل کی آواز سے چلنے والا ورچوئل اسسٹنٹ ہے۔ مجھ پر یقین کریں ، ڈیپ لرننگ کی مدد سے یہ ورچوئل امداد دن بدن بہتر ہوتی جارہی ہے۔ در حقیقت ، سری اپنے آپ کو صارف کے مطابق ڈھال سکتا ہے اور بہتر ذاتی مدد فراہم کرسکتا ہے۔ |
| خود سے چلانے والی کاریں: ذرا تصور کریں ، جسمانی طور پر معذور اور بزرگ افراد کے ل it یہ کتنا ناقابل یقین ہوگا کہ جنھیں خود ہی گاڑی چلانے میں دشواری محسوس ہوتی ہے۔ اس کے علاوہ ، یہ لاکھوں بے گناہ زندگیاں بچائے گا جو ہر سال انسانی غلطی کی وجہ سے سڑک حادثے کا سامنا کرتے ہیں۔ |
گوگل AI آئی ڈاکٹر: یہ گوگل کا ایک حالیہ اقدام ہے جہاں وہ ایک آئی سافٹ ویئر تیار کرنے کے لئے انڈین آئی کیئر چین کے ساتھ مل کر کام کر رہے ہیں جو ریٹنا اسکینوں کی جانچ کرسکتا ہے اور ذیابیطس ریٹینیوپیتھی نامی ایسی حالت کی شناخت کرسکتا ہے ، جو اندھے پن کا سبب بن سکتا ہے۔ |
| AI میوزک کمپوزر: ٹھیک ہے ، جس نے سوچا تھا کہ ہم ڈیپ لرننگ کا استعمال کرتے ہوئے ایک AI میوزک کمپوزر رکھتے ہیں۔ لہذا ، مجھے یہ سن کر حیرت نہیں ہوگی کہ اگلی بہترین موسیقی ایک مشین کے ذریعہ دی گئی ہے۔ |
| ایک خواب پڑھنے کی مشین: یہ میرے پسندیدہ میں سے ایک مشین ہے ، جو آپ کے خوابوں کو ویڈیو یا کسی اور چیز کی شکل میں لے سکتی ہے۔ ہم نے ابھی تک AI اور دیپ لرننگ کی بہت ساری غیر حقیقت پسندانہ درخواستوں کے ساتھ ، یہ جان کر مجھے حیرت نہیں ہوئی کہ جاپان میں کچھ سال پہلے تین آزمائشی مضامین پر اس کی کوشش کی گئی تھی اور وہ 60 فیصد درستگی کے حصول میں کامیاب رہے تھے۔ یہ بالکل ناقابل یقین چیز ہے ، لیکن پھر بھی سچ ہے۔ |
مجھے پوری یقین ہے کہ AI اور ڈیپ لرننگ کی کچھ حقیقی زندگی کی ایپلی کیشنز نے آپ کو گوز بپس عطا کیے ہوں گے۔ ٹھیک ہے ، اس سے آپ کے لئے اساس طے ہوتا ہے اور اب ، ہم اس گہری لرننگ ٹیوٹوریل میں آگے بڑھنے اور مصنوعی ذہانت کو سمجھنے کے لئے تیار ہیں۔
مصنوعی ذہانت کیا ہے؟
مصنوعی ذہانت ذہین انسانی طرز عمل کی نقل کرنے کی مشین کی صلاحیت کے سوا کچھ نہیں ہے۔ اے آئی انسان کے دماغ کی نقالی کرتے ہوئے ، کسی مسئلے کو حل کرنے کی کوشش کرتے ہوئے ، یہ کس طرح سوچتا ہے ، سیکھتا ہے ، فیصلہ کرتا ہے ، اور کام کرتا ہے اس سے یہ سمجھا جاتا ہے۔
مثال کے طور پر: شطرنج کھیلنے والی مشین ، یا ایک آواز متحرک سافٹ ویئر جو آپ کو آپ کے فون یا نمبر پلیٹ شناختی نظام میں مختلف چیزوں کی مدد کرتا ہے جو ایک تیز رفتار کار کی نمبر پلیٹ کو اپنی گرفت میں لاتا ہے اور رجسٹریشن نمبر نکالنے اور اس کار کے مالک کی شناخت کرنے کے لئے اس پر کارروائی کرتا ہے . اس سے پہلے ان سب کو نافذ کرنا آسان نہیں تھا گہری لرننگ . آئیے ، اب مصنوعی ذہانت کے مختلف ذیلی ذخائر کو سمجھیں۔
کیا استعمال کیا جاتا ہے؟
مصنوعی ذہانت کے ذیلی سیٹیں
ابھی تک ، آپ مصنوعی ذہانت ، مشین لرننگ اور ڈیپ لرننگ کے بارے میں بہت کچھ سن چکے ہوں گے۔ تاہم ، کیا آپ ان تینوں کے مابین تعلقات جانتے ہیں؟ بنیادی طور پر ، گہری سیکھنے مشین لرننگ کا ایک ذیلی فیلڈ ہے اور مشین لرننگ مصنوعی ذہانت کا ایک ذیلی فیلڈ ہے جیسا کہ ذیل کی تصویر میں دکھایا گیا ہے:
جب ہم کسی ایسی چیز کو دیکھیں الفاگو ، یہ اکثر گہری سیکھنے کے لئے ایک بڑی کامیابی کے طور پر پیش کیا جاتا ہے ، لیکن یہ دراصل AI اور مشین لرننگ کے متعدد مختلف شعبوں سے آئیڈیوں کا مجموعہ ہے۔ در حقیقت ، آپ کو یہ سن کر حیرت ہوگی کہ گہرے عصبی نیٹ ورک کے پیچھے یہ خیال نیا نہیں ہے بلکہ 1950 کا ہے۔ تاہم ، آج کل اعلی وسائل کی وسائل کی اہلیت دستیاب ہونے کی وجہ سے عملی طور پر اس پر عمل درآمد ممکن ہوگیا ہے۔
لہذا ، اس گہری سیکھنے کے سبق بلاگ میں آگے بڑھتے ہوئے آئیے ، مشین لرننگ کو اس کی حدود کے بعد دریافت کریں۔
مشین لرننگ کیا ہے؟
مشین لرننگ مصنوعی ذہانت کا ایک ذیلی سیٹ ہے جو کمپیوٹر کو بغیر کسی پروگرام کے سیکھنے کی صلاحیت فراہم کرتی ہے۔ مشین لرننگ میں ، ہمیں کسی دوسرے پروگرامنگ ایپلی کیشن کی طرح تمام مراحل یا ضوابط واضح طور پر بیان کرنے کی ضرورت نہیں ہے۔ اس کے برعکس ، مشین ایک ٹریننگ ڈیٹاسیٹ پر تربیت حاصل کرتی ہے ، جو ماڈل بنانے کے ل enough کافی ہے ، جو مشین کو اپنی تعلیم کی بنیاد پر فیصلے لینے میں مدد دیتی ہے۔
مثال کے طور پر: ہم مشین سیکھنے کے استعمال سے کسی پھول کی انواع کا تعی wantن کرنا چاہتے ہیں جو اس کی پنکھڑی اور سیپل لمبائی (پھول کے پتے) پر مبنی ہے۔ پھر ، ہم یہ کیسے کریں گے؟
| ہم پھولوں کے ڈیٹا سیٹ کو کھانا کھائیں گے جس میں مختلف مشینوں کے ساتھ مختلف پھولوں کی خصوصیات موجود ہیں جو ہماری مشین میں موجود ہیں اور آپ مندرجہ بالا تصویر میں دیکھ سکتے ہیں۔ اس ان پٹ ڈیٹا سیٹ کا استعمال کرتے ہوئے ، مشین ایک ایسا ماڈل بنائے گی اور اس کی تربیت کرے گی جو پھولوں کو مختلف قسموں میں درجہ بندی کرنے کے لئے استعمال ہوسکتی ہے۔ |
| ہمارے ماڈل کی تربیت حاصل کرنے کے بعد ، ہم ماڈل میں ان پٹ کے بطور خصوصیات کی ایک سیٹ پر منتقل ہوجائیں گے۔ |
| آخر میں ، ہمارا ماڈل ان پٹ ڈیٹا سیٹ میں موجود پھولوں کی پرجاتیوں کو آؤٹ پٹ کرے گا۔ کسی مشین کو ماڈل بنانے اور اسے فیصلہ سازی کے لئے استعمال کرنے کی تربیت دینے کے اس عمل کو کہا جاتا ہے مشین لرننگ . تاہم اس عمل میں کچھ حدود ہیں۔ |
مشین لرننگ کی حدود
مشین لرننگ اعلی جہتی ڈیٹا کو سنبھالنے کے قابل نہیں ہے جہاں ان پٹ اور آؤٹ پٹ کافی زیادہ ہے۔ اس طرح کے ڈیٹا کو سنبھالنا اور اس پر کارروائی کرنا بہت پیچیدہ اور وسائل سے مکمل ہوجاتا ہے۔ یہ کہا جاتا ہے کے طور پر جہت کی لعنت . اسے آسان الفاظ میں سمجھنے کے لئے آئیے ، مندرجہ ذیل تصویر پر غور کریں:
| 100 گز کی لکیر پر غور کریں اور آپ نے لائن پر کہیں سکہ گرا دیا ہے۔ اب ، لائن پر چلنے سے آپ کے لئے سکے ڈھونڈنا کافی آسان ہے۔ یہ لائن ایک واحد جہتی ہستی ہے۔ |
| اگلا ، اس بات پر غور کریں کہ آپ کے اوپر 100 گز کا ایک مربع ہے جیسا کہ مذکورہ تصویر میں دکھایا گیا ہے اور پھر بھی ، آپ نے ایک سکہ کہیں کے درمیان گرا دیا۔ اب ، یہ بالکل واضح ہے کہ آپ پچھلے منظرنامے کے مقابلہ میں اس چوک کے اندر سکہ ڈھونڈنے میں زیادہ وقت لگانے والے ہیں۔ یہ مربع 2 جہتی ہستی ہے۔ |
| ہر ایک طرف 100 گز کے مکعب پر غور کرکے اسے ایک قدم آگے بڑھنے دو اور آپ نے اس کے درمیان کسی جگہ ایک سکے گرا دیا۔ اب ، اس بار سکے ڈھونڈنا اور بھی مشکل ہے۔ یہ مکعب 3 جہتی ہستی ہے۔ |
لہذا ، آپ دیکھ سکتے ہیں کہ طول و عرض میں اضافہ ہونے کے ساتھ ہی پیچیدگی بڑھ رہی ہے۔اور حقیقی زندگی میں ، ہم جس اعلی جہتی اعداد و شمار کے بارے میں بات کر رہے تھے اس میں ہزاروں جہتیں ہیں جن کو سنبھالنا اور اس پر عملدرآمد کرنا انتہائی پیچیدہ بنا دیتا ہے۔ امیج پروسیسنگ ، این ایل پی ، تصویری ترجمہ وغیرہ جیسے استعمال کے معاملات میں اعلی جہتی ڈیٹا آسانی سے پایا جاسکتا ہے۔
جوابی بمقابلہ کٹھ پتلی بمقابلہ شیف
مشین لرننگ ان استعمال معاملات کو حل کرنے کی اہلیت نہیں رکھتی تھی اور اسی وجہ سے ، گہری سیکھنے کو بچانے میں مدد ملی۔ گہری لرننگ اعلی جہتی ڈیٹا کو سنبھالنے کی اہلیت رکھتی ہے اور خود ہی صحیح خصوصیات پر توجہ مرکوز کرنے میں بھی موثر ہے۔ اس عمل کو فیچر نکالنا کہا جاتا ہے۔ آئیے ، اب اس ڈیپ لرننگ ٹیوٹوریل میں آگے بڑھیں اور سمجھیں کہ کتنا گہرا سیکھنے سے کام آتا ہے۔
گہری تعلیم کس طرح کام کرتی ہے؟
انسانی دماغ کو دوبارہ انجینئر کرنے کی کوشش میں ، ڈیپ لرننگ دماغ کے بنیادی اکائی کا مطالعہ کرتا ہے جسے دماغی خلیے یا نیورون کہتے ہیں۔ نیوران سے متاثر ہو کر مصنوعی نیوران یا پرسیپٹرن تیار کیا گیا تھا۔ اب ، آئیے ہم حیاتیاتی نیورون کی فعالیت کو سمجھتے ہیں اور یہ کہ ہم پرسیپٹرون یا مصنوعی نیورون میں اس فعالیت کی نقالی کیسے کرتے ہیں:
اگر ہم حیاتیاتی نیورون کی ساخت پر توجہ دیتے ہیں تو اس میں ڈینڈرائٹس ہوتے ہیں جو آدانوں کو حاصل کرنے کے لئے استعمال ہوتے ہیں۔ ان آدانوں کا خلاصہ سیل باڈی میں کیا جاتا ہے اور ایکسن کا استعمال کرتے ہوئے اسے اگلی حیاتیاتی نیورون تک پہنچایا جاتا ہے جیسا کہ مذکورہ تصویر میں دکھایا گیا ہے۔
اسی طرح ، ایک پرسیپٹرون متعدد آدانوں کو موصول کرتا ہے ، مختلف تبدیلیوں اور افعال کا اطلاق کرتا ہے اور پیداوار فراہم کرتا ہے۔
ہیش ٹیبل اور ہیش کا نقشہ کے درمیان فرق
جیسا کہ ہم جانتے ہیں کہ ہمارا دماغ ایک سے زیادہ منسلک نیورونز پر مشتمل ہے جسے نیورل نیٹ ورک کہا جاتا ہے ، لہذا ہمارے پاس گہری نیورل نیٹ ورک بنانے کے لئے مصنوعی نیوران کا ایک نیٹ ورک بھی ہوسکتا ہے جسے پرسیپٹرسن کہتے ہیں۔ لہذا ، ڈیپ لرننگ ٹیوٹوریل میں یہ سمجھنے کے لئے آگے بڑھیں کہ ڈیپ نیورل نیٹ ورک کیسا لگتا ہے۔
گہری سیکھنے سبق: ڈیپ لرننگ کیا ہے؟
- کوئی گہرا عصبی نیٹ ورک تین طرح کی پرتوں پر مشتمل ہوگا:
- ان پٹ پرت
- پوشیدہ پرت
- آؤٹ پٹ پرت
| مذکورہ آریگرام میں ، پہلی پرت ان پٹ پرت ہے جو تمام ان پٹ کو حاصل کرتی ہے اور آخری پرت آؤٹ پٹ پرت ہے جو مطلوبہ آؤٹ پٹ فراہم کرتی ہے۔ |
| ان پرتوں کے درمیان کی تمام پرتوں کو پوشیدہ پرتیں کہا جاتا ہے۔ ان دنوں دستیاب اعلی وسائل کی بدولت چھپی ہوئی تہوں کی تعداد نہیں ہوسکتی ہے۔ |
| پوشیدہ پرتوں کی تعداد اور ہر پرت میں ماننے والے کی تعداد کا انحصار مکمل طور پر اس استعمال کے معاملے پر ہوگا جو آپ حل کرنے کی کوشش کر رہے ہیں۔ |
اب جب آپ کے پاس گہری نیورل نیٹ ورکس کی تصویر ہے ، تو آئیے اس گہری لرننگ ٹیوٹوریل میں آگے بڑھیں تاکہ یہ معلوم ہوجائے کہ ڈیپ نیورل نیٹ ورک کس طرح تصویری شناخت کے مسئلے کو حل کرتا ہے۔
گہری سیکھنے کے استعمال - کیس
ہم گہرے نیٹ ورکس کا استعمال کرتے ہوئے تصویری شناخت کرنا چاہتے ہیں۔
| یہاں ، ہم اعلی جہتی ڈیٹا کو ان پٹ پرت میں منتقل کر رہے ہیں۔ ان پٹ ڈیٹا کی جہت سے میل کھونے کے ل the ، ان پٹ پرت میں پیسیسیٹرون کی ایک سے زیادہ ذیلی پرتیں شامل ہوں گی تاکہ یہ پورے ان پٹ کو استعمال کر سکے۔ |
| ان پٹ پرت سے موصول ہونے والی آؤٹ پٹ میں نمونوں پر مشتمل ہوگا اور صرف اس کے برعکس سطح کی بنیاد پر امیجوں کے کناروں کی شناخت کرنے کے قابل ہوگا۔ |
| اس آؤٹ پٹ کو پوشیدہ پرت 1 کو کھلایا جائے گا جہاں وہ چہرے کی مختلف خصوصیات جیسے آنکھوں ، ناک ، کانوں کی شناخت کر سکے گا۔ |
| اب ، یہ پوشیدہ پرت 2 کو کھلایا جائے گا جہاں یہ پورے چہرے تشکیل دے سکے گا۔ اس کے بعد ، پرت 2 کا آؤٹ پٹ آؤٹ پٹ پرت کو بھیجا جاتا ہے۔ |
| آخر میں ، آؤٹ پٹ پرت پچھلے سے حاصل کردہ نتائج کی بنیاد پر درجہ بندی کرتی ہے اور نام کی پیش گوئی کرتی ہے۔ |
میں آپ سے ایک سوال پوچھنے دیتا ہوں ، اگر ان میں سے کوئی بھی پرت غائب ہو یا اعصابی نیٹ ورک اتنا گہرا نہ ہو تو پھر کیا ہوگا؟ آسان ، ہم تصاویر کی درست شناخت نہیں کرسکیں گے۔ یہی وجہ ہے کہ ڈیپ لرننگ سے پہلے ان تمام سالوں تک استعمال کے معاملات کا حل نہیں نکلا تھا۔ اس کو مزید آگے بڑھانے کے ل we ، ہم کوشش کریں گے کہ ایم این آئی ایس ٹی ڈیٹا سیٹ پر ڈیپ نیٹ ورکس کا اطلاق کریں۔
منسٹ کے ڈیٹا سیٹ میں 60،000 تربیتی نمونے اور 10،000 ہاتھ سے لکھے ہوئے ہندسوں کی جانچ کے نمونے شامل ہیں۔ یہاں کام ایک ایسے ماڈل کی تربیت کرنا ہے جو تصویر میں موجود ہندسے کی درست شناخت کر سکے۔
- اس استعمال کے معاملے کو حل کرنے کے ل multiple ، ایک گہری نیٹ ورک بنایا جائے گا جس میں ایک سے زیادہ چھپی ہوئی پرتوں کے ساتھ تمام 60،000 امیجوں پر پکسل کے ذریعہ پکسل پروسس کیا جائے گا اور آخر کار ہمیں آؤٹ پٹ پرت ملے گی۔
- آؤٹ پٹ پرت انڈیکس 0 سے 9 کی صف ہوگی ، جہاں ہر انڈیکس متعلقہ ہندسے سے مساوی ہے۔ انڈیکس 0 میں ان پٹ امیج پر 0 کے ہندسے کے ہونے کا امکان موجود ہوتا ہے۔
اسی طرح ، انڈیکس 2 جس کی قیمت 0.1 ہے ، دراصل ان پٹ امیج پر 2 کے ہندسے کے ہونے کا امکان ظاہر کرتا ہے۔ لہذا ، اگر ہم دیکھتے ہیں کہ اس صف میں سب سے زیادہ امکانات 0.8 ہے جو سرنی کے انڈیکس 7 پر موجود ہے۔ لہذا شبیہ پر موجود نمبر 7 ہے۔
نتیجہ اخذ کرنا
تو دوستوں ، یہ سب کچھ مختصر طور پر گہری سیکھنے کے بارے میں تھا۔ اس گہری سیکھنے کے سبق میں ، ہم نے گہری سیکھنے کی مختلف درخواستیں دیکھیں اور AI اور مشین لرننگ کے ساتھ اس کے تعلقات کو سمجھا۔ اس کے بعد ، ہم سمجھ گئے کہ ہم گہرے عصبی نیٹ ورک کی تشکیل کے لcept پرسیپٹرن یا مصنوعی نیورون بنیادی بلڈنگ بلاکس کا استعمال کیسے کرسکتے ہیں جو پیچیدہ کام انجام دے سکتے ہیں۔ آخر کار ، ہم گہری سیکھنے کے استعمال میں سے ایک معاملے سے گزرے جہاں ہم نے گہرے نیورل نیٹ ورکس کا استعمال کرتے ہوئے تصویری شناخت کی اور پردے کے پیچھے ہونے والے تمام اقدامات کو سمجھ لیا۔ اب ، اس ڈیپ لرننگ ٹیوٹوریل سیریز کے اگلے بلاگ میں ، ہم سیکھیں گے کہ کس طرح ٹینسورفلو کا استعمال کرتے ہوئے پیسیپرٹرن لاگو کیا جائے ، جو ڈیپ لرننگ کے لئے ایک ازگر پر مبنی لائبریری ہے۔
اب جب آپ ڈیپ لرننگ کے بارے میں جانتے ہو ، اس کو چیک کریں ایڈوریکا کے ذریعہ ، ایک قابل اعتماد آن لائن سیکھنے والی کمپنی جس کی دنیا بھر میں 250،000 سے زیادہ مطمئن سیکھنے والوں کے نیٹ ورک ہیں۔ ٹینسرفلو سرٹیفیکیشن ٹریننگ کورس کے ساتھ ایڈیورکا ڈیپ لرننگ سیکھنے کو ریئل ٹائم پروجیکٹس اور اسائنمنٹس کے ساتھ ساتھ سافٹ میکس فنکشن ، آٹو انکوڈر نیورل نیٹ ورکس ، ممنوعہ بولٹزمان مشین (آر بی ایم) جیسے تصورات کے ساتھ تربیت اور بنیادی اور مجازی عصبی نیٹ ورک کو بہتر بنانے میں مہارت حاصل کرنے میں مدد کرتا ہے۔
ہمارے لئے ایک سوال ہے؟ برائے کرم اس کا تذکرہ سیکشن میں ذکر کریں اور ہم آپ کو واپس ملیں گے۔