తెలంగాణ ఒక్క చూపులో

సమాచారానికి అతి చిన్న ప్రమాణం — 0 లేదా 1 అనే ఒకే ఒక విలువ. కంప్యూటర్ నిల్వ చేసేదంతా వీటితోనే నిర్మితం.

ఎనిమిది.

ఇన్‌పుట్‌ను ఫలితంగా మార్చే పరిమితమైన, సందిగ్ధత లేని దశల క్రమం. సూత్రప్రాయంగా దీనికి కంప్యూటర్‌తో సంబంధం లేదు — భాగహారం కూడా ఒక అల్గారిథమే.

ఇవి ఒకదానిలో ఒకటి ఉంటాయి. కృత్రిమ మేధ (AI) అనేది తెలివి అవసరమనిపించే పనులను యంత్రాలతో చేయించాలనే విస్తృత లక్ష్యం. మెషిన్ లెర్నింగ్ అందుకు ఒక మార్గం — నియమాలు చెప్పకుండా డేటా నుంచి నమూనాలు నేర్చుకోవడం. డీప్ లెర్నింగ్ అంటే అనేక పొరల న్యూరల్ నెట్‌వర్క్‌లతో చేసే మెషిన్ లెర్నింగ్.

దానికి చూపిస్తున్న ఉదాహరణలకు దాని ఫలితం దగ్గరయ్యేలా, లోపలి సంఖ్యలను మళ్లీ మళ్లీ సర్దుబాటు చేయడం. మనుషులకు నేర్పినట్టు ఇక్కడ ఏమీ నేర్పడం లేదు; సంఖ్యలను సరిచేస్తున్నారు అంతే.

శిక్షణ సమయంలో సర్దుబాటు అయ్యే, మోడల్ లోపలి సంఖ్యల్లో ఒకటి. ఎక్కువ పరామితులున్న మోడల్ మరింత సంక్లిష్ట నమూనాలను సూచించగలదు — అది మరింత సత్యవంతమని మాత్రం దీని అర్థం కాదు.

సూపర్‌వైజ్డ్ లెర్నింగ్‌లో ఉదాహరణలతో పాటు సరైన జవాబూ ఉంటుంది (లేబుల్ వేసిన ఫొటో, మార్కులు వేసిన వ్యాసం). అన్‌సూపర్‌వైజ్డ్ లెర్నింగ్‌కు జవాబులు లేని డేటా ఇచ్చి, అందులో నిర్మాణాన్ని వెతకమంటారు.

చాలా సరళమైన యూనిట్ల పొరలు. ప్రతి యూనిట్ తన ఇన్‌పుట్‌లను వేర్వేరు బరువులతో కూడి, ఒక సాధారణ ప్రమేయాన్ని వర్తింపజేసి, ఫలితాన్ని ముందుకు పంపుతుంది. ప్రవర్తన ఏ ఒక్క యూనిట్ నుంచీ కాక, అమరిక నుంచీ బరువుల నుంచీ వస్తుంది.

మోడల్ నిజానికి చదివే, రాసే పాఠ్య ముక్క. టోకెన్ ఒక పూర్తి పదం కావచ్చు, పదంలో భాగం కావచ్చు, ఒక అక్షరం కావచ్చు, ఖాళీ కూడా కావచ్చు — అది వ్యాకరణంపై కాక టోకెనైజర్‌పై ఆధారపడుతుంది.

తర్వాతి టోకెన్‌ను ఊహించి, దాన్ని చేర్చి, పొడవైన పాఠ్యాన్ని మళ్లీ ఇన్‌పుట్‌గా ఇచ్చి పునరావృతం చేయడం ద్వారా. వాక్యం అనేది వాక్యాన్ని ప్రణాళిక వేయడం వల్ల కాదు, ఈ పనిని అనేకసార్లు చేయడం వల్ల వచ్చే ఫలితం.

ఎందుకంటే ఆ యంత్రాంగం నమ్మదగినట్టు అనిపించే కొనసాగింపు కోసం పనిచేస్తుంది, నిజం కోసం కాదు. ఏ దశలోనూ ఒక ప్రకటనను వాస్తవ ప్రపంచంతో సరిపోల్చడం జరగదు; కాబట్టి ధారాళమైన తప్పు జవాబూ, ధారాళమైన సరైన జవాబూ ఒకే పద్ధతిలోనే పుడతాయి. మాటల్లోని నమ్మకం ఆధారం కాదు.

తనంతట తానుగా కాదు. సరిచూసుకోవడానికి ధ్రువీకరించిన వాస్తవాల ప్రత్యేక నిల్వ దాని దగ్గర లేదు; కాబట్టి తన ఫలితాన్ని సరైనదో తప్పో అని అది విశ్వసనీయంగా గుర్తించలేదు. ధ్రువీకరణ బయటి నుంచే రావాలి.

ఎందుకంటే సరైనదిలా కనిపించే ఆధారం — నమ్మదగిన రచయిత, నమ్మదగిన సంవత్సరం, నమ్మదగిన శీర్షిక — అసలు ఉనికిలోనే లేకుండా కూడా తయారవుతుంది. మూలాన్ని తెరిచి చూడటమే ఏకైక పరీక్ష. సరిగ్గా ఇలాంటి పొరపాటుకే ఈ సైట్ ఒక సవరణ ప్రచురించింది.

మోడల్ తన శిక్షణ డేటాకు ఎంత దగ్గరగా సరిపోతుందంటే దాన్ని కొంతవరకు కంఠస్థం చేసేస్తుంది; అప్పుడు చూడని కొత్త డేటాపై అది మరింత చెడుగా పనిచేస్తుంది. చదివిన పాఠంలో మంచి మార్కులు రావడం, ఆ విషయం అర్థమైనట్టు కాదు.

ఎందుకంటే శిక్షణ దాదాపు అంతా మాత్రికల గుణకారమే — ఒకేలాంటి సరళ ప్రక్రియలు కోట్ల సంఖ్యలో. జీపీయూ వాటిని ఒకేసారి అనేకం చేస్తుంది; సీపీయూ మాత్రం తక్కువ సంఖ్యలో, వైవిధ్యమైన పనులను వేగంగా చేయడానికి రూపొందింది.

దాని ఫలితంలో వ్యవస్థాగతమైన వంపు — నిలకడగా ఒక వైపుకు మొగ్గడం — సాధారణంగా శిక్షణ డేటా నుంచో, నిర్మాణంలో చేసిన ఎంపికల నుంచో వారసత్వంగా వచ్చేది. ఇది వ్యవస్థ కలిగి ఉన్న అభిప్రాయం కాదు, వ్యవస్థ లక్షణం.

చెడు ఇన్‌పుట్‌ను ఎంత ప్రాసెసింగ్ చేసినా రక్షించలేమని. నమ్మలేని డేటాతో శిక్షణ పొందిన మోడల్, పద్ధతి ఎంత అధునాతనమైనా, నమ్మలేని ఫలితాన్నే ఇస్తుంది.

మోడల్‌కు శిక్షణ ఇవ్వడానికి లేదా పరీక్షించడానికి వాడే ఉదాహరణల సమాహారం. అందులో ఏముంది — ఇంకా ఏది లేదు — అనేది మిగతా చాలా ఎంపికల కంటే ఫలితాన్ని ఎక్కువగా నిర్ణయిస్తుంది.

ఒక ప్రోగ్రామ్ మరో ప్రోగ్రామ్‌ను ఏదైనా అడగడానికి అంగీకరించిన పద్ధతి: ఏమి అడగవచ్చు, ఎలా అడగాలి, తిరిగి ఏమి వస్తుంది. ఒకదాని నిర్మాణం మరొకదానికి తెలియకుండానే ప్రోగ్రామ్‌లు కలిసి పనిచేయడానికి ఇది వీలు కల్పిస్తుంది.

ఇతరులు చదవడానికి, మార్చడానికి, పంచుకోవడానికి అనుమతించే లైసెన్స్ కింద సోర్స్ కోడ్ ప్రచురించిన సాఫ్ట్‌వేర్. ఓపెన్ సోర్స్ అంటే లైసెన్స్‌కూ కోడ్‌కూ సంబంధించినది, ధరకు కాదు.

లాస్‌లెస్ సంపీడనం అసలు దాన్ని యథాతథంగా తిరిగి నిర్మించగలదు. లాసీ సంపీడనం తక్కువ గుర్తించదగినవని భావించిన వివరాలను వదిలేస్తుంది; కాబట్టి అసలు దాన్ని తిరిగి పొందలేం — ఒక ఫొటోను మళ్లీ మళ్లీ సేవ్ చేస్తే నాణ్యత తగ్గడానికి కారణం ఇదే.

అలన్ ట్యూరింగ్ 1950లో Computing Machinery and Intelligence అనే వ్యాసంలో ప్రతిపాదించిన పరీక్ష. “యంత్రాలు ఆలోచించగలవా?” అనే ప్రశ్న స్థానంలో ఒక ఆచరణాత్మక ప్రశ్నను ఆయన సూచించారు: ఒక యంత్రాన్నీ ఒక మనిషినీ ప్రశ్నిస్తున్న వ్యక్తి, ఏది ఏదో గుర్తించగలడా అని.

చిప్‌పై ట్రాన్సిస్టర్ల సంఖ్య ఒక నిర్దిష్ట వ్యవధిలో రెట్టింపు అవుతోందని గోర్డాన్ మూర్ 1965లో చేసిన పరిశీలన — మొదట దాదాపు ఏటా, తర్వాత సుమారు రెండేళ్లకు అని సవరించారు. ఇది ఒక పరిశ్రమలోని ధోరణి, భౌతిక శాస్త్ర నియమం కాదు.

ఎందుకంటే చాలా టోకెనైజర్లు అత్యధికంగా ఇంగ్లిష్ ఉన్న పాఠ్యం నుంచి నిర్మితమయ్యాయి; కాబట్టి ఇంగ్లిష్ పదాలు తరచూ ఒకే టోకెన్‌గా నిలిస్తే, తెలుగు అనేక చిన్న ముక్కలుగా విడిపోతుంది. ఖర్చునూ సందర్భ పరిమితినీ టోకెన్లలోనే లెక్కిస్తారు కాబట్టి, అదే అర్థాన్ని తెలుగులో ప్రాసెస్ చేయడం ఖరీదైనది. ఆ అంతరం ఎంతనే దానిపై ప్రచురితమైన కొలతలు వేర్వేరుగా ఉన్నాయి, కాబట్టి మేము ఒక్క సంఖ్యనూ ముద్రించలేదు.