रिमोट सेंसिंग और जीआईएस जर्नल

अमूर्त

औद्योगिक स्वचालन को आगे बढ़ाने के लिए आजीवन मशीन लर्निंग आधारित बुद्धिमान रोबोट/सॉफ्टबॉट

इमदाद खान

एक पूरी तरह से सक्षम रोबोट/सॉफ्टबॉट (बुद्धिमान एजेंट) में मानव स्व-शिक्षण, संज्ञानात्मक बुद्धिमत्ता, ज्ञान का निर्माण, अनुभव से सीखना, यह निर्धारित करना कि क्या सीखा जाना चाहिए और इसी तरह की अधिकांश सीखने और निर्णय लेने की क्षमताएँ होनी चाहिए। मौजूदा मशीन लर्निंग (एमएल) एल्गोरिदम में अलग-थलग सीखने का बोलबाला है (उदाहरण के लिए पर्यवेक्षित सीखने में, किसी डोमेन में किसी विशिष्ट कार्य के लिए एक विशिष्ट डेटासेट का उपयोग प्रतिगमन या वर्गीकरण के लिए एमएल को प्रशिक्षित करने के लिए किया जाता है)। ऐसी प्रणालियों की सामान्यीकरण क्षमताएँ प्रशिक्षण के लिए उपयोग किए जाने वाले डेटा, कार्य और डोमेन से निकटता से संबंधित हैं और इसलिए दायरे में सीमित हैं (हालांकि कुछ अनुप्रयोगों के लिए स्थानांतरण सीखना काफी हद तक मदद कर सकता है)। लेकिन ऐसी प्रणालियाँ ज्ञान का निर्माण नहीं करती हैं और कार्यों और डोमेन में पिछले ज्ञान या अनुभव से नहीं सीख सकती हैं। हालाँकि, हाल ही में कुछ अच्छे काम हुए हैं जो आजीवन मशीन लर्निंग (LML) की मदद कर सकते हैं यानी जो सीखा गया था उससे ज्ञान बना सकते हैं, उस ज्ञान का उपयोग अधिक सीखने के लिए कर सकते हैं और प्रक्रिया को दोहरा सकते हैं जैसे वे मनुष्य के रूप में करते हैं। हालाँकि, ऐसे तरीके ज्ञान निर्माण के लिए एल्गोरिदम और सांख्यिकीय दृष्टिकोण का उपयोग करते हैं जो मानव-जैसी सीखने के मॉडल के लिए अच्छी तरह से स्केल नहीं होते हैं और कम लचीले होते हैं। यह मौजूदा संख्यात्मक डेटा संचालित एमएल प्रणालियों में एलएमएल क्षमता को प्रभावी ढंग से सक्षम करेगा और असंरचित डेटा का उपयोग करके एलएमएल प्रणालियों के साथ इसे अच्छी तरह से एकीकृत करेगा - इस प्रकार एक पूर्ण मानव जैसी एलएमएल आधारित बुद्धिमान प्रणाली बनाएगा।