Netflix ඔබට ඊළඟට නැරඹීමට අවශ්ය දේ හරියටම දනී. ඔබ ටයිප් කිරීම අවසන් කිරීමට පෙර Google ඔබේ වාක්යය සම්පූර්ණ කරයි. මෙය සිදුවන්නේ කෙසේදැයි ඔබ කවදා හෝ කල්පනා කර තිබේද? මේවා සිදුවන්නේ අන් කිසිවක් නිසා නොව කෘත්රීම බුද්ධියේ එක් අංශයක් වන Machine learning මගිනි. Machine learning යනු කුමක්ද? ඒ පිළිබඳවයි මේ සටහන.
බොහෝ විට ML ලෙස කෙටියෙන් හඳුන්වන Machine learning අද වන විට වඩාත්ම බලගතු තාක්ෂණයන්ගෙන් එකක් බවට පත්ව තිබේ. විශේෂත්වය නම් අතිශය සංකීර්ණ, ඉහළ තාක්ෂණික ක්ෂේත්රයක් ලෙස නම් දරා තිබුණද එහි මූලික අදහසේ ඇති සරල බවයි. එම අදහස නම් යන්ත්ර දත්ත වලින් රටා (patterns) ඉගෙන ගෙන අනාවැකි පළ කිරීමට ඒවා භාවිත කිරීමයි.
සාම්ප්රදායික පරිගණක වැඩසටහන් ක්රියාත්මක වන්නේ පැහැදිලි රීති මතය. නිදසුනක් ලෙස, කැල්කියුලේටරයකින් සෑම විටම දෙක සහ තුන එකතු කළ විට පිළිතුර පහක් වීම සළකමු. එය සම්පූර්ණයෙන්ම පුරෝකථනය කළ හැකි ප්රතිඵලයකි. ඒ ආකාරයටම යම් සංඛ්යාවක් ඔත්තේ ද, ඉරට්ටේ ද යන්න පරීක්ෂා කිරීමට කේතයක් ලියන විට, ක්රමලේඛකයා පැහැදිලි රීතියක් නිර්වචනය කරයි. එනම් අදාළ සංඛ්යාව දෙකෙන් බෙදන්න. ඉතිරිය බින්දුව නම් ඉරට්ටේ. නොඑසේ නම් ඔත්තේ.
නමුත් ගැටලුව එතරම් පැහැදිලි නොමැති නම් කුමක් සිදු වේවිද? ඔබ මිතුරෙකුට චිත්රපට නිර්දේශ කරන අවස්තාවක් සලකා බලන්න. ඔබේ මිතුරා මීට පෙර Gladiator, Troy සහ The Lord of the Rings නරඹා රසවිඳ තිබේ නම්, ඔහු Game of Thrones ද රස විඳිනු ඇතැයි අනුමාන කිරීම සාධාරණ ය. මෙම පුරෝකථනය පදනම් වූයේ දැඩි නීති මත නොව, මනාපයන්ගේ රටා හඳුනා ගැනීම මතයි. එබැවින් මේ කාර්යයම පරිගණකයක් මගින් සිදුකරවා ගැනීමට අපේක්ෂා කරන්නේ නම් එය සාම්ප්රදායික පරිගණක වැඩසටහනක් මගින් සිදු කළ නොහැකි බව පැහැදිලිය.
Machine learning හි ආගමනය සිදුවන්නේ මීට විසදුම වශයෙනි. මෙහිදී ඒ ඒ පුද්ගලයාගේ චිත්රපට නැරඹුම් ඉතිහාසය, එකී චිත්රපට ශ්රේණිගත කොට ඇති ආකාරය, වඩාත් ප්රියතම චිත්රපට ප්රභේද වැනි විශාල දත්ත ප්රමාණයක් පරිගණකවලට ලබා දෙනු ලැබේ. මෙම දත්ත කට්ටල විශ්ලේෂණය කිරීමෙන් පසු පුද්ගලයාගෙන් පුද්ගලයාට වෙනස් රටා හඳුනාගැනීමට පරිගණක සමත් වන අතර චිත්රපට නිර්දේශ කිරීමට අවස්තාව ලැබෙන්නේ ඒ අනුවයි. මෙහිදී පරිගණක මගින් සකසන දත්ත වැඩි වන තරමට ඒවායේ පුරෝකථන වඩාත් හොඳ වේ.
Machine learning සාමාන්යයෙන් කාණ්ඩ තුනකට බෙදේ. ඒවා නම් supervised learning, unsupervised learning සහ reinforcement learning නම් වේ.
Supervised learning:
පාසලේදී වෘත්තය, සමචතුරස්රය, සෘජුකෝණාස්රය, ත්රිකෝණය ආදී වශයෙන් හැඩතල ඉගෙන ගත් සිසුන්, පසුව තමන්ට පරිසරයේදී හමුවන විවිධ වස්තූන්ගේ හැඩය කුමක්දැයි හඳුනා ගැනීමට පාසලේදී උගත් දැනුම භාවිත කරයි. ඒ ආකාරයටම Machine learning වලදී පුද්ගලයින් නරඹන චිත්රපටවල අධ්යක්ෂක, නළු නිළියන්, ප්රභේදය වැනි කරුණු නව චිත්රපට නිර්දේශ කිරීමේදී යොදා ගනී.
Unsupervised learning:
කිසිදු පැහැදිලි මග පෙන්වීමක් හෝ උපදෙස් නොමැතිව ලේබල් නොකළ දත්තවල රටා හදුනා ගැනීම මෙහිදී සිදු කෙරේ. නම් නොමැතිව එකම පුද්ගලයාගේ පින්තූර කාණ්ඩ කිරීමට Google Photos සතු හැකියාව මීට කදිම උදාහරණයකි.
Reinforcement learning:
බයිසිකල් පැදීමට ඉගෙන ගන්නා අවධියේ වන සෑම වැටීමක්ම පසුකාලීනව සමබරතාව ඇති කරගැනීමට උපකාර විය. Machine learning වලදීත් එය ඒ ලෙසින්මය. “Up Next” ලෙස නිර්දේශ කරන විශේෂාංගය කෙරෙහි පරිශීලකයා දක්වන ප්රතිචාරය මත පදනම්ව Netflix තම අත්දකීම වැඩි කර ගන්නා අතර ඉදිරියේදී සිදු කරන නිර්දේශයන් කෙරෙහි උපකාරී කර ගනී.
Machine learning තවදුරටත් පර්යේෂණාගාරවලට සීමා නොවේ. එය මේ වන විට කෙමෙන් කෙමෙන් සාමාන්ය දෙයක් බවට පත් වීමට පටන් ගෙන තිබේ. විද්යුත් තැපෑලෙහි spam filters, Siri වැනි හඬ සහායක (voice assistants), self-driving මෝටර් රථ මෙන්ම ඇතැම් රෝග විනිශ්චය කිරීම් සඳහාද machine learning මේ වන විට යොදා ගනී. ඉදිරියේදී එහි භාවිතයන් තවදුරටත් පුළුල් වන බව නිසැකය.
-RD MEDIA UNIT-
