मशिन लर्निंग काय आहे ?
आपल्यापैकी बऱ्याच जणांना मशिन लर्निंग म्हणजे भविष्यातील गोष्ट वाटत असेल. परंतु या तंत्रज्ञानाने आपल्या जीवनात प्रवेश केला आहे. बऱ्याच गोष्टींमध्ये हे तंत्रज्ञान आपल्याला अनुभवायला मिळत असते.गूगलच्या इनबॉक्स मधील ऑटो रिप्लाय चे ऑप्शन आपल्याला माहितच आहे हे मशिन लर्निंग चेच अदाहरण आहे. हे सर्व एकायला सोपे असले तरी बऱ्याच जणांना उत्सुकता असते की नक्की मशीन लर्निंग आहे तरी काय? या तंत्राज्ञानाचे महत्व काय आहे ? एखाद्यया फोटोतील पाळीव कुत्रा किंवा मांजरीचा फोटो ओळखणे प्रत्याक्षात किती किचकट प्रक्रिया आहे हे या लेखामधून आपण जाणून घेणार आहोत.
मशिन लर्निंग काय आहे ?
मशिन लर्निंग काही उदाहणातील पॅटर्न ना ओळखते व त्यानुसार अंदाज बांधण्याचा प्रयत्न करते. थोडक्यात दिलेल्या माहिती चे पृथ:क्करण करुन त्यातीप पॅटर्न ओळखणे व पुढील अंदाज लावणे म्हणजे मशिन लर्निंग होय.
एक उदाहरण बघुयात. समजा एक कोटी लोकांनी आपल्या आवडत्या 10 चित्रपटांबद्दल माहिती दिली आहे. यावरून संगणक या माहितीचे पृथ:क्करण करुन या चित्रपटांमधल समानता शोधते. यावरुन काही निष्कर्ष काढले जातात . उदा. हॉरर चित्रपट आवडणाऱ्या लोकांना रोमॅन्टिक चित्रपट तितकेसे आवडत नाहीत. पण आवडता अभिनेता असेल तर लोक तो चित्रपट पाहतात. एखाद्याला अमिताभ बच्चन चा डॉन चित्रपट आवडत असेत तर त्याला अमिताभ बच्चन चे इतर चित्रपट ही आवडू शकतात याचा आडाखा संगणक बांधते व त्यानुसार युटयूब वरील व्हिडीओ सजेस्ट केले जातात.
मशीन लर्निंग काम कसे करते ?
संकलित माहितीतील पॅटर्न संगणक शिकत असतो प्रत्यक्षात हे पॅटर्न इतके सोपे नसतात. जसे आपण गुगल ला जर कुत्र्याचे फोटो शोधायला लावले तर सर्वप्रथम Dog हे लेबल असलेले लाखो फोटो आपल्याला शोधून देईल. वरील उदाहरणात कुत्र्याच्या फोटो मध्ये काय विशेषता आहे ? हे सर्वप्रथम शोधेल. नंतर मांजरीचे फोटो असलेल्या माहितीवरुन दोन्ही मध्ये काय फार आहे यांची तुलना हे तंत्रज्ञान करेल. या माहितीवर पुन्हा फक्त कुत्र्याच्या विशेषता काय आहेत यांची तुलना करेल. परत या पॅटर्न वरुन कुत्र्याचा फोटो ओळखण्याचा प्रयत्न करुन रिझल्ट बरोबर येतात की नाही याची खात्री करेल. जर चुकत असेल तर आपल्या पॅटर्न मध्ये परत सुधारणा करेल.ही प्रक्रिया अब्जावधी वेळा प्रणाली अचूक होईपर्यंत सुरु राहील. अशा प्रकारे हे मॉडेल ट्रेन केले जाते. यानंतर डीप न्यूरल नेटवर्क सारखे मशिन लर्निंग मॉडेल बनतात. यावरुन नंतर कुठलाही फोटो हे मॉडेल अचूक ओळखतात. अर्थात प्रत्येक फोटो ओळखण्याची प्रक्रीया वरीलप्रमाणेच किचकट आहे.
मशिन लर्निंग आपल्याला कुठे अनुभवायला मिळेल ?
आपल्या रोजच्या जीवनात या तंत्रज्ञानाने कधीचाच प्रवेश केला आहे. उदा. गुगल ट्रान्सलेट वरुन आपण जेव्हा एखाद्या अपरिचित भाषेतील बोर्ड चा फोटो घेतो तेव्हा गुगल त्या फोटोतील भाषा कोणती ते ओळखून आपोआप त्याला आपल्या माहितीतील भाषेत अनुवादित करतो.गुगल ट्रान्सलेट मधेच आपण जेव्हा एका भाषेत बोलतो त्या वेळी आपल्या व्हॉईस ला प्रोसेस करुन गुगल आपोआप दुसऱ्या भाषेतील भाषांतर आपल्याला ऐकवतो. एवढेच काय युट्यूब वर आपण जेव्हा व्हॉईस सर्च करतो तेव्हा लगेच ते टेक्स्ट मध्ये रुपांतरीत होते व आपल्याला युटयूब चे रिझल्ट पहायला मिळतात. ही सर्व मशिन लर्निंग चीच उदाहरणे आहेत.
आर्टिफिशीयल इंटेलिजन्स व मशिन लर्निंग एकच आहे का ?
वेगवेगळया संदर्भाने या शब्दांचा अर्थ वेगवेगळा असू शकतो. ढोबळमानाने आर्टिफिशीयल इंटेलिजन्स म्हणजे एखाद्या गोष्टीत मानवी प्रतिक्रियेप्रमाणे संगणकाकडून प्रतिक्रिया अपेक्षित असेल तसे प्रोग्रॉम्स. उदा. एखादे चित्र पाहून त्याचे वर्णन करणे. अर्थात या गोष्टी संगणक उदाहरणांतून शिकत शिकत स्वत:मध्ये बदल घडवत त्याप्रमाणे अचूकतेच्या जवळ जाण्याचा प्रयत्न करत असतो.
मशिन लर्निंग मध्ये संगणकाला स्वत:मध्ये असे बदल घडवत अद्ययावत करण्याचे कोशल्य शिकवले जाते.
असे संगणक प्रोग्रॉम्स बनवायचे आपण एकदा शिकलो, असे मॉडेल आपण बनवले की माहितीच्या महाप्रचंड पसाऱ्यातून हवे ते निकाल आपल्याला तात्काळ मिळू शकतात. मग ते देशातील उर्जेचा वापर सुनियोजित करणे असो वा गुगल सर्च मधील माहितीचे व्यवस्थापन करुन आपल्याला पाहिजे असलेली माहिती अचूकपणे शोधून देणे असो.
मशिन लर्निंग अचानक एवढे चर्चेत का आले ?
मशिन लर्निंग काही नवी गोष्ट नाही. इतिहासात डोकावून पाहीले तर सन 18 व्या शतकापासून मानवाने आकडेवारीतून निष्कर्ष काढायचे काम केले आहे. आताच या तंत्रज्ञानाचा बोलबाला आहे कारण हे काम करण्यासाठी आपल्याला डेटा ची आवश्यकता असतो.जितका डेटा जास्त तितके अचूक निष्कर्ष असू शकतात. इंटरनेट मुळे आज आपल्याकडे माहितीचा महासागर उपलब्ध झाला आहे. या डेटातून आपण संगणकाला ट्रेन करुन मॉडेल विकसित करु शकतो.
अर्थात फक्त डेटातून संगणक शिकेल ही कल्पना हास्यास्पद ठरेल. गेल्या काही काळात दिग्गज आय टी कंपन्यांनी या क्षेत्रात मोठे काम केले आहे.यातून हे प्रोग्राम खूप ताकतीचे झाले आहेत.
अजूनही आपल्याकडे अशी प्रणाली नाही ज्यावर आपण शंभर टक्के विश्वास ठेवू शकू.अजून संगणकाला बराच पल्ला गाठायचा आहे. यात या मॉडेल मध्ये थोडासा जरी बदल करायचा असेत तर परत खूप सारा डेटा प्रोसेस करावा लागतो. या सर्वांसाठी शक्तीशाली संगणक आवश्यक असतात.
अशी गोष्ट जी संगणक करु शकत नाही पण मशीन लर्निंग मुळे शक्य झाली आहे.
काही काळापूर्वीच क्रेडीट कार्ड चे 10 अंक ओळखायलाही संगणकाला खूप अडचण यायची. पण आज पण आज आपण व्हॉईस सर्च व्दारे बोलून सर्च करु शकतो. ही प्रगती खूप मोठी म्हणावी लागेल. कपडयांचेच उदाहरण घेतले तर आवडणाऱ्या ब्रँड मध्ये फिटींग चे कपड्यांच्या खरेदीवरून आपल्याला भविष्यात अचूक सजेशन मिळू शकते.
दहा वर्षानंतर मशिन लर्निंग चे भविष्य काय असेल.
सध्या तरी संशोधक असे मॉडेल विकसित करण्यावर भर देत आहे ज्यात कमीत कमी डेटा मध्ये अचूकता मिळेल. यामुळे वेळ वाचेल. अर्थात यासाठी या प्रणाली ला कॉमन सेन्स देणे आवश्यक आहे. या क्षेत्रात त्याला रेग्यूलरायझेशन म्हणतात. कॉमन सेन्स म्हणजे काय तर मॉडेल मध्ये थोडासा बदल जर असेल तर पूर्ण मॉडेल परत ट्रेन करण्याऐवजी तेवढा फरक विचारात घेवून अचूक रिझल्ट दाखवणे. उदा. कुत्र्याचा फोटो असेल तर हॅट घतलेल्या कुत्र्याचा फोटो ही या प्रणालीने ओळखावा. यात या प्रणालीला हॅट ही महत्वाची गोष्ट नाही हे शिकवणे अभिप्रेत आहे. अर्थात कोणता भाग महत्वाचा व कोणता गौण हे मानव म्हणून आपल्याला कळत असले तरी संगणकासाठी हे ठरवणे मात्र अवघड आहे.
