تعارف:
انسان ہمیشہ کم انسانی مزدوروں کو استعمال کرتے ہوئے پیداواریت بڑھانے کے طریقے تلاش کرتا رہتا ہے۔ آج مشینوں کا دور ہے۔ ہم اپنی روزمرہ زندگی میں کئی قسم کی مشینری استعمال کرتے ہیں جو ہمیں اپنے کام زیادہ مؤثر طریقے سے انجام دینے میں مدد دیتی ہے۔ فرض کریں آپ نے اپنی کمپنی کے تمام پرانے ریکارڈز اپنے PC پر محفوظ کر رکھے ہیں۔ آپ کا کمپیوٹر پرانے ریکارڈز کے پیٹرنز اور الگورتھمز کے ذریعے سیکھ اور ڈھل سکتا ہے۔ واضح احکامات کے بغیر، آپ کا کمپیوٹر پچھلے ڈیٹا کا جائزہ لیتا اور اس سے اندازہ لگاتا ہے، اور موجودہ ریکارڈز کی بنیاد پر مستقبل کے نتائج کی پیش گوئی کرتا ہے۔ یہ سب مشین لرننگ کی بدولت ممکن ہے۔
مشین لرننگ کیا ہے؟
یہ مصنوعی ذہانت کا ایسا استعمال ہے جو سسٹم کو واضح پروگرامنگ کے بغیر تجربے سے سیکھنے اور بہتر ہونے کے قابل بناتا ہے۔ یہ بنیادی طور پر ایسا سسٹم ہے جو ڈیٹا سے سیکھ سکتا ہے، پیٹرنز پہچان سکتا ہے اور بہت کم یا بغیر انسانی تعاون کے فیصلے کر سکتا ہے۔
مشین لرننگ کی پسِ پردہ کہانی کیا ہے؟
ایلن ٹیورنگ نے 1950 میں ٹیورنگ ٹیسٹ وضع کیا۔ ایلن ٹیورنگ ایک برطانوی ریاضی دان اور کمپیوٹر سائنس دان تھے جو ذہین اور بااثر دونوں تھے۔ یہ ٹیسٹ یہ جانچنے کے لیے بنایا گیا تھا کہ آیا کسی مشین میں انسان جیسی ذہانت ہے۔
مشین لرننگ کس نے ایجاد کی؟
بہت سے لوگوں نے مشین لرننگ کی ترقی میں حصہ لیا ہے، لیکن IBM کے کمپیوٹر سائنس دان آرتھر سیموئل نے 1952 میں "مشین لرننگ" کی اصطلاح ایجاد کی۔
مشین لرننگ کا مقصد کیا ہے؟
مشین لرننگ کا مقصد آپ کے ڈیٹا میں پیٹرنز کو پکڑنا یا تلاش کرنا اور پھر ان پیٹرنز کی بنیاد پر اندازے لگانا ہے، جو عموماً پیچیدہ ہوتے ہیں، تاکہ کاروباری مسائل حل کیے جا سکیں۔ ایسے پیٹرنز اور ڈیزائنز کی نشاندہی اور تجزیہ کریں جو مسائل کے حل میں مدد دیں۔
کاروبار اور دیگر شعبوں میں مشین لرننگ بنیادی طور پر ڈیٹا تجزیے کی ٹیکنالوجی ہے جو ڈیٹا ماڈلز بنانے کے عمل کو خودکار بنا کر کام کرتی ہے۔
مشین لرننگ کیسے کام کرتی ہے؟
مشین لرننگ کی کتنی اقسام ہیں؟
مشین لرننگ کی چار اقسام ہیں۔
سپروائزڈ لرننگ:
اس قسم کی مشین لرننگ میں ڈیٹا سائنٹسٹس الگورتھمز کو لیبل شدہ تربیتی ڈیٹا فراہم کرتے ہیں اور وہ متغیرات متعین کرتے ہیں جن کے درمیان وہ چاہتے ہیں کہ پروگرامر تعلقات تلاش کرے۔ الگورتھم کا ان پٹ اور آؤٹ پٹ دونوں فراہم کیے جاتے ہیں۔[1]
اَن سپروائزڈ لرننگ:
اس قسم کی مشین لرننگ میں ایسے الگورتھمز استعمال ہوتے ہیں جو بغیر لیبل والے ڈیٹا پر تربیت پاتے ہیں۔ پروگرامر ڈیٹا سیٹس میں متعلقہ تعلقات تلاش کرتا ہے۔ الگورتھمز کی تربیت کے لیے استعمال ہونے والا ڈیٹا، نیز ان کی دی ہوئی پیش گوئیاں یا سفارشات، پہلے سے طے شدہ ہوتی ہیں۔[1]
سیمی سپروائزڈ:
مشین لرننگ کا یہ طریقہ پچھلے دونوں طریقوں کو ملاتا ہے۔ اگرچہ ڈیٹا سائنٹسٹس الگورتھم کو زیادہ تر "تربیتی ڈیٹا" فراہم کر سکتے ہیں، لیکن ماڈل کو اجازت ہوتی ہے کہ وہ خود ڈیٹا کو کھوجے اور ڈیٹا سیٹ کے بارے میں اپنی سمجھ قائم کرے۔[1]
ری انفورسمنٹ لرننگ:
ری انفورسمنٹ لرننگ عموماً ڈیٹا سائنٹسٹس کسی مشین کو واضح معیارات کے ساتھ کثیر مراحل والا طریقہ کار انجام دینا سکھانے کے لیے استعمال کرتے ہیں۔ ڈیٹا سائنٹسٹس الگورتھم کو کوئی کام انجام دینے کی تربیت دیتے ہیں اور کام مکمل کرنے کے دوران اسے مثبت یا منفی اشارے دیتے ہیں۔ تاہم، زیادہ تر معاملات میں الگورتھم خود منتخب کرتا ہے کہ راستے میں کون سے اقدامات کیے جائیں۔[1]
مشین لرننگ کے کیا فوائد ہیں؟
- ہر چیز کی آٹومیشن
- رجحانات اور پیٹرنز کی نشاندہی
- استعمالات کی وسیع رینج
- بہتری کی گنجائش
- ڈیٹا کا مؤثر استعمال
- تعلیم اور آن لائن شاپنگ کے لیے بہترین
مشین لرننگ کے نقصانات کیا ہیں؟
- زیادہ غلطی کا امکان
- الگورتھم کا انتخاب
- ڈیٹا کا حصول
- وقت اور جگہ
نتیجہ:
مشین لرننگ مصنوعی ذہانت کا ایک ذیلی شعبہ ہے۔ یہ ایسا نظام ہے جس میں کمپیوٹرز بڑی مقدار میں ڈیٹا استعمال کرتے ہیں اور الگورتھمز کے ذریعے واضح پروگرامنگ پر انحصار کیے بغیر خود کو "تربیت" دیتے اور پیش گوئیاں کرتے ہیں۔ مشین لرننگ دراصل ڈیٹا تجزیے کی ایک تکنیک ہے جو کاروبار اور دیگر شعبوں میں ڈیٹا ماڈلز بنانے کے عمل کو خودکار کر کے کام کرتی ہے۔
- Burns, E.machine learning. Available from: https://www.techtarget.com/searchenterpriseai/definition/machine-learning-ML.
مشین لرننگ کی اقسام
| قسم | سیکھتا ہے | مثال |
|---|---|---|
| سپروائزڈ | لیبل شدہ مثالیں | اسپام کی نشاندہی، قیمت کی پیش گوئی |
| اَن سپروائزڈ | بغیر لیبل کا ڈیٹا | کسٹمر سیگمنٹیشن |
| سیمی سپروائزڈ | کم لیبلز + زیادہ بغیر لیبل کا ڈیٹا | محدود لیبلز کے ساتھ امیج کلاسیفکیشن |
| ری انفورسمنٹ | اقدامات سے انعامات | گیم پلیئنگ، روبوٹکس |
مشین لرننگ جو آپ پہلے ہی استعمال کرتے ہیں
ای میل اسپام فلٹرز، نقشوں پر ٹریفک کی پیش گوئی، ویڈیو اور شاپنگ کی سفارشات، وائس ٹائپنگ اور فیس انلاک سب مشین لرننگ پر انحصار کرتے ہیں۔
مشین لرننگ بمقابلہ AI بمقابلہ ڈیپ لرننگ
AI ذہین مشینوں کا وسیع ہدف ہے؛ مشین لرننگ ڈیٹا سے سیکھنے کا طریقہ ہے؛ ڈیپ لرننگ کئی تہوں والے نیورل نیٹ ورکس استعمال کرتی ہے۔ مصنوعی ذہانت کیا ہے دیکھیں۔
