میں ماہر نظام وہ اصطلاح ہے جو ٹکنالوجی کی دنیا اور تمام اچھی وجوہات کی بناء پر چکر لگاتی ہے۔ اس مضمون میں ہم اس موضوع کو تفصیل سے تلاش کریں گے۔
اس مضمون میں مندرجہ ذیل نکات کا احاطہ کیا جائے گا ،
- مصنوعی ذہانت کیا ہے؟
- مصنوعی ذہانت میں ماہر نظام
- وہ ڈومین جہاں ماہر سسٹم استعمال ہوتے ہیں
- درخواست کے اہم شعبے
- ES ڈیزائن کرنے کے تین مراحل
- پیشہ مواضعات اور حدود
تو آئیے اس مضمون کے ساتھ شروعات کریں ،
مصنوعی ذہانت کیا ہے؟
ٹھیک ہے ، عام طور پر نام مصنوعی ذہانت کسی مشین کی ذہانت کا مشورہ دیتا ہے جو مصنوعی ہے۔ انسان کے پاس موجود ذہانت کو انسانی ذہانت کے نام سے جانا جاتا ہے ، اسی طرح جس طرح کسی مشین کے ذریعہ ظاہر کردہ ذہانت کو مصنوعی ذہانت کے نام سے جانا جاتا ہے۔ کمپیوٹر سائنس میں۔ مصنوعی ذہانت (AI) ، جسے کبھی کبھی مشین انٹیلیجنس کہا جاتا ہے۔ مصنوعی ذہانت کے تحقیقی میدان 1956 میں ڈارٹموت کالج میں ایک ورکشاپ میں پیدا ہوئے تھے۔
حقیقی دنیا میں مصنوعی ذہانت کی درخواستیں:
سری ، کارٹانا جیسے چیٹ بوٹس جس نے آج کل بہت زیادہ مقبولیت حاصل کی ہے۔ دیگر مثالوں جیسے ایوا (الیکٹرانک ورچوئل اسسٹنٹ) ، ایچ آئی ایف سی بینکوں کے اے آئی ریسرچ ڈیپارٹمنٹ کے ذریعہ تیار کردہ ایک اے آئی پر مبنی چیٹ بوٹ جو ہزاروں ذرائع سے علم اکٹھا کرسکتی ہے اور 0.4 سیکنڈ سے بھی کم وقت میں آسان جوابات مہیا کرسکتی ہے۔ AI درخواستوں کی بہت سی مثالیں ہیں جو آپ کو ہمارے معاشرے کے مختلف شعبوں میں پائیں گے۔
مصنوعی ذہانت میں اس ماہر سسٹم کے ساتھ آگے بڑھ رہے ہیں ،
مصنوعی ذہانت میں ماہر نظام
ماہر نظام کیا ہے؟
اسٹینڈ فورڈ یونیورسٹی ، کمپیوٹر سائنس شعبہ کے محققین نے AI کا یہ ڈومین متعارف کرایا ہے اور یہ AI کا ایک ممتاز تحقیقی ڈومین ہے۔ یہ ایک کمپیوٹر ایپلی کیشن ہے جو کسی مخصوص ڈومین کے انتہائی پیچیدہ مسائل کو حل کر سکتی ہے۔ اسے انسانی ذہانت اور مہارت کی اعلی سطح پر سمجھا جاتا ہے کیونکہ یہ ماہر سے حاصل کردہ علم پر مبنی ہے۔ ماہر سسٹم کو کمپیوٹر پر مبنی فیصلہ سازی کا نظام بھی قرار دیا جاسکتا ہے جو حقائق اور ہیوریسٹکس دونوں کا استعمال کرتے ہوئے فیصلہ سازی کے پیچیدہ دشواریوں کو حل کرسکتا ہے۔
مصنوعی ذہانت میں اس ماہر سسٹم کے ساتھ آگے بڑھ رہے ہیں ،
وہ ڈومین جہاں ماہر سسٹم استعمال ہوتے ہیں
آج ماہر سسٹمز
امریکن میڈیکل ایسوسی ایشن نے پہلا ماہر سسٹم منظور کرلیا ہے جو پاتھ فائنڈر سسٹم تھا۔ ہیماتوپیتھولوجی تشخیص کے ل for ، اس کو اسٹینڈ فورڈ یونیورسٹی 1980 میں تعمیر کیا گیا تھا۔ مختصر فیصلہ سازی میں یہ فیصلہ کرنے والا ماہر نظام ، لمف نوڈ کی بیماریوں کی تشخیص کرسکتا ہے۔ آخر میں یہ 60 سے زیادہ بیماریوں سے نمٹتا ہے اور 100 سے زیادہ علامات کو پہچان سکتا ہے۔
کاروبار میں ماہر نظام
حال ہی میں ایک ماہر سسٹم ROSS تیار کیا ، AI وکیل ، ROSS ایک خود سیکھنے کا نظام ہے جو انسانی دماغ کے کام کرنے کے طریقے کی نقل کرنے کے لئے ڈیٹا مائننگ ، پیٹرن کی پہچان ، گہری سیکھنے اور قدرتی زبان پروسیسنگ کا استعمال کرتا ہے۔
مصنوعی ذہانت میں اس ماہر سسٹم کے ساتھ آگے بڑھ رہے ہیں ،
درخواست کے اہم شعبے
- تشریح - اعداد و شمار کی بنیاد پر اعلی سطح کے نتائج اخذ کرنا۔
- پیش گوئی - ممکنہ نتائج پیش کرنا۔
- تشخیص - خرابی ، بیماری ، وغیرہ کی وجہ کا تعین کرنا۔
- ڈیزائن -ہومعیار کی بنیاد پر بہترین ترتیب nding.
- منصوبہ بندی - مقصد کو حاصل کرنے کے ل actions عمل کی ایک سیریز کی تجویز کرنا۔
- نگرانی - مشاہدہ رویے کا متوقع رویے سے موازنہ کرنا۔
- ڈیبگنگ اور مرمت - تجویز اور اس پر عمل درآمد۔
- تعلیم - طلبہ کو سیکھنے میں معاونت کرنا۔
- کنٹرول - ایک نظام کے طرز عمل کو کنٹرول.
ماہر نظام کا مقصد
ایک ماہر نظام کا بنیادی مقصد انسانی ماہرین کے علم کو حاصل کرنا اور کسی خاص علاقے میں انسانی ماہر کے اس علم اور صلاحیتوں کی نقل تیار کرنا ہے۔ تب یہ نظام اس علم اور مہارت کو اس مخصوص علاقے کے پیچیدہ مسائل کو حل کرنے کے ل human انسانی ماہروں کی شرکت کے بغیر استعمال کرے گا۔
ماہر سسٹم کی خصوصیات
- اعلی کارکردگی
- قابل فہم
- قابل اعتماد
- انتہائی ذمہ دار
قاعدہ پر مبنی یا ماہر نظام کے بنیادی اجزاء
اہم اجزاء یہ ہیں:
- علم کی بنیاد
- ورکنگ میموری
- تشخیص انجن
- وضاحت کا نظام
- یوزر انٹرفیس
- علم بیس ایڈیٹر
مصنوعی ذہانت میں اس ماہر سسٹم کے ساتھ آگے بڑھ رہے ہیں ،
ES ڈیزائن کرنے کے تین مراحل
علم حصول:
انٹرویو کے ذریعے یا انسانی ماہرین کے مشاہدے ، مخصوص کتابیں پڑھنے وغیرہ سے ماہرین سے علم حاصل کرنے کا عمل۔
علم کی بنیاد:
علم کی بنیاد اعلی معیار کے علم کا ایک کنٹینر ہے۔ ہنر مشق کے ذریعہ تیار ہوتا ہے اور ذہانت کا علم بغیر علم کے آتا ہے کوئی شخص ثبوت نہیں دے سکتا یا کوئی اپنی ذہانت نہیں دکھا سکتا ، لہذا ہنر کی نشوونما اور ذہانت کی نمائش کے لئے علم بہت ضروری ہے۔ جیسے ، اسی طرح مشین کو بھی اپنی ذہانت کو ظاہر کرنے کے لئے علم کی ضرورت ہوتی ہے۔ پیش گوئی کی درستگی اور نظام کی کارکردگی بھی انتہائی اور بڑے پیمانے پر کامل ، درست اور عین مطابق علم کے جمع کرنے پر منحصر ہے۔
اب علم کیا ہے؟
علم اعداد و شمار یا معلومات ہے۔ ہمارے لئے انسان مضامین کو پڑھ کر اور کتابیں پڑھ کر یا مختلف وسائل سے علم اکھٹا کرتے تھے اگر ہم علم کو حصول و ترویج کا عمل دیکھ سکتے ہیں تو ہمیں معلوم ہوگا کہ کتابیں پڑھنے سے یا مضامین پڑھنے سے یا کسی وسائل سے ہم ہیں مختلف ذرائع سے اعداد و شمار اور معلومات کو بازیافت اور نکالنا جس کو ہم پھر اپنے دماغ میں ذخیرہ کرتے تھے۔ لہذا علم اعداد و شمار ہے ، علم ہی معلومات ہے۔ علم حقائق کا جمع بھی ہے۔
مل کر ڈیٹا ، معلومات اور ماضی کے تجربے کو علم کہا جاتا ہے۔
علم نمائندگی:
علم کی نمائندگی کرنا علم کی نمائندگی کرنے کے لئے انتہائی مناسب ڈھانچے کا انتخاب کرنے کا طریقہ ہے۔ یہ علم کی اساس میں علم کو منظم اور باقاعدہ کرنے کا طریقہ ہے۔ یہ IF-THEN-ELSE قواعد کی شکل میں کیا جاتا ہے۔
علم کی توثیق:
ES کے علم کی جانچ صحیح اور مکمل ہے۔اس سارے عمل کو علم انجینئرنگ کہتے ہیں۔
تشخیص انجن:
علم پر مبنی ES کی صورت میں ، انفرنس انجن کسی خاص حل پر آنے کے لئے علم کے اڈے سے حصول اور جوڑ توڑ کرتا ہے۔
حکمرانی پر مبنی ES کی صورت میں ،
- یہ حقائق پر بار بار قواعد لاگو کرتا ہے ، جو پہلے کے قاعدے کے اطلاق سے حاصل ہوتے ہیں۔
- اگر ضرورت ہو تو اسے علم کے اڈے میں نئے علم کا اضافہ کرنا۔
- یہ قوانین کے تنازعات کو حل کرتا ہے جب کسی خاص کیس پر متعدد قواعد لاگو ہوتے ہیں۔
انفینس انجن مندرجہ ذیل حکمت عملی اور منفی کا استعمال کرتا ہے
- فارورڈ چیننگ
- پسماندہ سلسلہ بندی
فارورڈ چیننگ
فارورڈ چیننگ میں ، انفرنس انجن حالات اور مشتقات کے سلسلے پر عمل کرکے نتیجہ دیتا ہے۔ جو بھی نظام نظام میں فیڈ کیا جاتا ہے وہ ان تمام جانکاریوں اور حقائق سے گزرتا ہے اور کسی حل کو پایہ تکمیل سے قبل اس کی ترتیب دیتا ہے۔ زنجیروں کو آگے کرنے کے طریقہ کار سے ماہر نظام جوابات کی کوشش کرتا ہے ، 'اس کے بعد کیا ہوسکتا ہے؟'
فارورڈ زنجیروں کا اطلاق: مکان کی قیمت کی پیش گوئی ، اسٹاک کی پیشن گوئی ، شیئر مارکیٹ کی پیش گوئی وغیرہ۔
پسماندہ سلسلہ بندی
جب کسی خاص ڈومین میں کچھ ہوا ہے تو ، انفرنس انجن یہ جاننے کی کوشش کرتا ہے کہ اس نتیجے کے لئے ماضی میں کونسی حالت ہوسکتی ہے۔ پسماندہ زنجیروں کے طریقہ کار کے ذریعہ ، ماہر نظام جواب دینے کی کوشش کرتا ہے ، 'ایسا کیوں ہوا؟' پسماندہ زنجیروں کے طریقہ کار کے ذریعہ انجن انجن وجہ یا وجہ تلاش کرنے کی کوشش کرتا ہے۔
مثال کے طور پر: انسانوں میں بلڈ کینسر کی تشخیص۔
ٹیبل ڈیٹا ملاوٹ کام نہیں کررہا ہے
پیشہ مواضعات اور حدود
ماہر نظام کے فوائد
- بڑی مقدار میں معلومات رکھیں
- ملازمین کی تربیت کے اخراجات کو کم سے کم کریں
- فیصلہ سازی کے عمل کو مرکزی بنائیں
- مسائل کو حل کرنے کے لئے درکار وقت کو کم کرکے چیزوں کو زیادہ موثر بنائیں
- مختلف ماہر انسانی ذہانت کو یکجا کریں
- انسانی غلطیوں کی تعداد کو کم کریں
- حکمت عملی اور تقابلی فوائد فراہم کریں جو حریفوں کے لئے مشکلات پیدا کرسکیں
- ان لین دین پر نظر ڈالیں جن کے بارے میں انسانی ماہرین سوچ نہیں سکتے ہیں
- فیصلوں ، عمل اور کاموں کے جو جواب دہراتے ہیں ان کے جوابات فراہم کریں
ماہر نظام کے نقصانات:
- تخلیقی ردعمل کا فقدان جس کے انسانی ماہرین اہل ہیں
- کسی فیصلے کے پیچھے منطق کی وضاحت اور استدلال کے قابل نہیں
- پیچیدہ عملوں کو خود کار بنانا آسان نہیں ہے
- بدلتے ہوئے ماحول کو اپنانے کی لچک اور صلاحیت نہیں ہے
- جواب نہ ہونے پر پہچان نہیں پایا
- فیصلے کرنے میں کوئی عقل استعمال نہیں کی جاتی
حدود:
- یہ تخلیقی جواب دینے میں ناکام ہے کیوں کہ یہ ایک مشین ہے۔
- اگر اعداد و شمار کو جو علمی اساس میں کھایا گیا تھا وہ درست یا درست نہیں ہے تو یہ غلط پیش گوئیاں اور غلط نتائج دے گا۔
- ماہر نظام کی بحالی کی لاگت زیادہ ہے۔
- جب مختلف مسائل آتے ہیں تو انسانی ماہر مختلف مختلف حل اور تخلیقی ردعمل دے سکتا ہے لیکن ماہر نظام تخلیقی ردعمل دینے میں ناکام رہتا ہے۔
یہ مصنوعی ذہانت میں ماہر سسٹمز کے بارے میں اس مضمون کے آخر تک پہنچتا ہے۔
اگر آپ مصنوعی ذہانت اور مشین لرننگ کے مکمل کورس کے لئے داخلہ لینا چاہتے ہیں تو ، ایڈورکا کے پاس خصوصی طور پر تشکیل پایا گیا ہے جو آپ کو نگرانی سیکھنے ، غیر معاشرتی سیکھنے ، اور قدرتی زبان پروسیسنگ جیسی تکنیک میں ماہر بنائے گا۔ اس میں مصنوعی ذہانت اور مشین لرننگ جیسے ڈیپ لرننگ ، گرافیکل ماڈل اور کمک لرننگ سیکھنے میں جدید ترین پیشرفت اور تکنیکی نقطہ نظر کی تربیت شامل ہے۔