यह लेख मानव मस्तिष्क से प्रेरित उस संरचना को समझाता है जो अधिकतर आधुनिक AI प्रगति को शक्ति देती है।
कृत्रिम न्यूरल नेटवर्क क्या हैं?
उम्मीदवारों को याद रखना चाहिए कि कृत्रिम न्यूरल नेटवर्क जैविक मस्तिष्कों की संरचना से हल्के ढंग से प्रेरित कंप्यूटिंग प्रणालियां हैं, सरल प्रसंस्करण इकाइयों ("न्यूरॉन्स") की परस्पर जुड़ी परतों से बनी — एक इनपुट परत (कच्चा डेटा प्राप्त करना), एक या अधिक छुपी परतें (मध्यवर्ती प्रसंस्करण करना), व एक आउटपुट परत (अंतिम परिणाम उत्पन्न करना) — न्यूरॉन्स के बीच संबंध समायोज्य "वज़न" ले जाते हुए जिन्हें नेटवर्क प्रशिक्षण के दौरान समायोजित करता है।
न्यूरल नेटवर्क कैसे सीखते हैं
उम्मीदवारों को सीखना चाहिए कि न्यूरल नेटवर्क एक प्रक्रिया के माध्यम से इन संबंध वज़नों को समायोजित करके सीखते हैं जिसमें सामान्यतः प्रशिक्षण डेटा को नेटवर्क के माध्यम से आगे भेजना, आउटपुट की सही उत्तर से तुलना करना, व फिर परिणामी त्रुटि को वज़न समायोजित करने हेतु नेटवर्क के माध्यम से पीछे प्रचारित करना शामिल है (एक प्रक्रिया जिसे बैकप्रोपेगेशन के रूप में जाना जाता है) — नेटवर्क की भविष्यवाणियों में सुधार होने तक कई प्रशिक्षण उदाहरणों भर दोहराई जाती है।
परीक्षा नोट: उम्मीदवारों को बैकप्रोपेगेशन गणित के विशिष्ट तकनीकी विवरणों या विशिष्ट नामित न्यूरल नेटवर्क वास्तुकलाओं को स्मृति के बजाय एक मानक संदर्भ के विरुद्ध सत्यापन योग्य मानना चाहिए, क्योंकि इसमें महत्वपूर्ण तकनीकी गहराई शामिल है।
डीप लर्निंग
उम्मीदवारों को पहचानना चाहिए कि डीप लर्निंग विशेष रूप से कई छुपी परतों वाले न्यूरल नेटवर्कों ("डीप" नेटवर्क) को संदर्भित करता है, जो बड़ी मात्रा में कच्चे डेटा (जैसे चित्र, ऑडियो, या पाठ) से सीधे जटिल, पदानुक्रमित पैटर्न को स्वचालित रूप से सीखने में विशेष रूप से प्रभावी साबित हुए हैं — एक क्षमता जिसने कंप्यूटर विज़न व प्राकृतिक भाषा प्रसंस्करण जैसे क्षेत्रों में हाल की अधिकांश प्रगति को आगे बढ़ाया है।
CGPSC के लिए यह क्यों महत्वपूर्ण है
न्यूरल नेटवर्क व डीप लर्निंग प्रश्न इनपुट-छुपी-आउटपुट परत संरचना, बुनियादी बैकप्रोपेगेशन सीखने के तंत्र, व डीप लर्निंग की परिभाषित "कई छुपी परतें" विशेषता को जानने को पुरस्कृत करते हैं — साथी सुपरवाइज़्ड, अनसुपरवाइज़्ड व रीइन्फोर्समेंट लर्निंग लेख के साथ, मशीन लर्निंग विषय को पूर्ण करते हुए।