IBM ವ್ಯಾಟ್ಸನ್ ಕಾಗ್ನಿಟಿವ್ ಸಿಸ್ಟಮ್: ನೈಸರ್ಗಿಕ ಭಾಷೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ತತ್ವಗಳು

ಕಂಪ್ಯೂಟರ್ ಬಹಳಷ್ಟು ಮಾಡಬಹುದು ಕನಿಷ್ಠ, ಮಾಹಿತಿ ಪ್ರಕ್ರಿಯೆಗೆ ಸಂಬಂಧಿಸಿದಂತೆ. ಆದಾಗ್ಯೂ, ಅವನಿಗೆ ನೈಸರ್ಗಿಕ ಭಾಷೆಯನ್ನು ಕಲಿಸುವುದು ಅತ್ಯಂತ ಮಹತ್ವದ್ದಾಗಿದೆ ಕ್ಷುಲ್ಲಕವಲ್ಲದ ಕಾರ್ಯ. ಈ ಸವಾಲು IBM DeepQA ಯೋಜನೆಯ ಆಧಾರವನ್ನು ರೂಪಿಸಿತು, ಇದು ಅರಿವಿನ ತಂತ್ರಜ್ಞಾನದ ಜನನಕ್ಕೆ ಕಾರಣವಾಯಿತು IBM ವ್ಯಾಟ್ಸನ್, IBM ರಚನೆಯಲ್ಲಿ ಮುಂಚೂಣಿಯಲ್ಲಿದ್ದ ಥಾಮಸ್ ವ್ಯಾಟ್ಸನ್ ಅವರ ಗೌರವಾರ್ಥವಾಗಿ.

ವ್ಯಾಟ್ಸನ್ ಏನೆಂದು ವಿವರಿಸಲು ಕಷ್ಟವೇನಲ್ಲ - ಅದು ಅರಿವಿನ ವ್ಯವಸ್ಥೆ, ನೈಸರ್ಗಿಕ ಭಾಷೆಯಲ್ಲಿ ವ್ಯಕ್ತಿಯೊಂದಿಗೆ ಸಂವಹನ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ. ಅಂದರೆ, ಲಿಖಿತ ಭಾಷಣವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ ಮತ್ತು ಅದೇ ರೀತಿಯಲ್ಲಿ ಪ್ರತಿಕ್ರಿಯಿಸಿ. ಮತ್ತು IBM ತಮ್ಮನ್ನು ಇದಕ್ಕೆ ಸೀಮಿತಗೊಳಿಸಿದ್ದರೆ, ವ್ಯಾಟ್ಸನ್ ಇದಕ್ಕಿಂತ ಹೆಚ್ಚೇನೂ ಉಳಿಯುತ್ತಿರಲಿಲ್ಲ ಪ್ರಾಯೋಗಿಕ ಸೆಟಪ್. ಆದರೆ ಅವರಿಗೆ ಶೀಘ್ರವಾಗಿ ಕೆಲಸ ಸಿಕ್ಕಿತು, ಮತ್ತು ಅನೇಕ ಕಂಪನಿಗಳಿಗೆ ಅವರು ನಿಜವಾದ ಅನಿವಾರ್ಯ ಉದ್ಯೋಗಿಯಾದರು.

ದೊಡ್ಡ ಪ್ರಮಾಣದ ರಚನೆಯಿಲ್ಲದ ಡೇಟಾವನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬೇಕಾದಲ್ಲಿ ಈ ಜ್ಞಾನವನ್ನು ಅನ್ವಯಿಸಬಹುದು ಎಂದು ಅದು ಬದಲಾಯಿತು. ಅಂತಹ ಡೇಟಾದ ಉತ್ತಮ-ಗುಣಮಟ್ಟದ ಮತ್ತು ವೇಗದ ವಿಶ್ಲೇಷಣೆಗಾಗಿ, ಲಭ್ಯವಿರುವ ಎಲ್ಲಾ ಆಧುನಿಕ ಸಾಧನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಅವುಗಳನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಬೇಕಾಗಿದೆ. ಕಂಪ್ಯೂಟರ್ ತಂತ್ರಜ್ಞಾನ: ಯಂತ್ರ ಕಲಿಕೆ, ಕಂಪ್ಯೂಟೇಶನಲ್ ಲಿಂಗ್ವಿಸ್ಟಿಕ್ಸ್, ಆನ್ಟೋಲಾಜಿಕಲ್ ಕನ್ಸ್ಟ್ರಕ್ಷನ್ಸ್ ಮತ್ತು ಹೈ-ಪರ್ಫಾರ್ಮೆನ್ಸ್ ಕಂಪ್ಯೂಟಿಂಗ್. ಅದಕ್ಕಾಗಿಯೇ IBM ವ್ಯಾಟ್ಸನ್ ಅನ್ನು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ.

IBM ವ್ಯಾಟ್ಸನ್‌ನ ಪ್ರಮುಖ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ನಾಲ್ಕು ಅಂಶಗಳಲ್ಲಿ ಸಂಕ್ಷಿಪ್ತಗೊಳಿಸಬಹುದು:

ನೈಸರ್ಗಿಕ ಭಾಷಾ ತಿಳುವಳಿಕೆ.
ಸಂಸ್ಕರಿಸಿದ ಡೇಟಾದ ಆಧಾರದ ಮೇಲೆ ಕಲ್ಪನೆಗಳನ್ನು ನಿರ್ಮಿಸುವುದು.
ಕೆಲಸದ ಮೇಲೆ ಕಲಿಯುವುದು.
ತೀರ್ಮಾನವನ್ನು ಆಧರಿಸಿದ ಸಂಗತಿಗಳೊಂದಿಗೆ ಶಿಫಾರಸು ಮಾಡುವುದು.

ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ನಿಜವಾದ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಸಮಂಜಸವಾದ ಸಮಯದಲ್ಲಿ ವಿಶ್ಲೇಷಿಸುವ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿಲ್ಲ, ಮತ್ತು ಯಾವುದೇ ಸಂದರ್ಭದಲ್ಲಿ ಅವನು ಹೆಚ್ಚಿನ ಮಾಹಿತಿಯನ್ನು ತ್ಯಜಿಸಬೇಕಾಗುತ್ತದೆ, ತನ್ನ ಅಭಿಪ್ರಾಯದಲ್ಲಿ, ಮುಖ್ಯ ವಿಷಯವನ್ನು ಎತ್ತಿ ತೋರಿಸುತ್ತದೆ. ದೋಷಗಳು ಇಲ್ಲಿ ಅನಿವಾರ್ಯವಾಗಿವೆ, ಜೊತೆಗೆ, ತಿರಸ್ಕರಿಸಿದ ಡೇಟಾವು ಸಹ ಮುಖ್ಯವಾಗಿದೆ ಮತ್ತು ಫಲಿತಾಂಶದ ಮೇಲೆ ಪ್ರಭಾವ ಬೀರುತ್ತದೆ. ಮತ್ತು ಈ ಅಂಶದಲ್ಲಿ, ವ್ಯಾಟ್ಸನ್ ಮಾನವರಿಗಿಂತ ಹಲವು ಪಟ್ಟು ಶ್ರೇಷ್ಠ: ಇದು ಎಲ್ಲವನ್ನೂ ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಯಾವುದೂ ಇಲ್ಲ ತಿಳಿದಿರುವ ಸತ್ಯಮೆಚ್ಚದೆ ಹೋಗುವುದಿಲ್ಲ.

ಸಿಸ್ಟಮ್‌ನ ಮೊದಲ ಸಾರ್ವಜನಿಕ ಪರೀಕ್ಷೆಯು ಅಮೇರಿಕನ್ ಆಟ ಜೆಪರ್ಡಿಯಲ್ಲಿ ಭಾಗವಹಿಸುವುದು! (ರಷ್ಯನ್ ಸಮಾನ - "ಸ್ವಂತ ಆಟ"). ಇಂಟರ್ನೆಟ್ ಸಂಪರ್ಕವಿಲ್ಲದೆ, ವಿಕಿಪೀಡಿಯಾದ ಸಂಪೂರ್ಣ ಪಠ್ಯ, ಸಾಮಾನ್ಯ ವಿಶ್ವಕೋಶಗಳು ಮತ್ತು ನಿಘಂಟುಗಳಂತಹ ಮುಕ್ತ ಮಾಹಿತಿಯ ಮೂಲಗಳನ್ನು ಬಳಸಿಕೊಂಡು, ವ್ಯಾಟ್ಸನ್ ಈ ಆಟದ ಎರಡು ದಾಖಲೆ ಹೊಂದಿರುವವರನ್ನು ಸೋಲಿಸಲು ಸಾಧ್ಯವಾಯಿತು.

ಸೆಮಿನಾರ್‌ಗಾಗಿ ನಾವು ನಿಮ್ಮನ್ನು IBM ಕ್ಲೈಂಟ್ ಕೇಂದ್ರಕ್ಕೆ ಆಹ್ವಾನಿಸುತ್ತೇವೆ "ವ್ಯಾಟ್ಸನ್ ಅನಾಲಿಟಿಕ್ಸ್" ಮತ್ತು ಅನಾಲಿಟಿಕ್ಸ್ ಕ್ಷೇತ್ರದಲ್ಲಿ ಸುಧಾರಿತ ತಂತ್ರಜ್ಞಾನಗಳು!

IBM ವ್ಯಾಟ್ಸನ್ ಪ್ರಪಂಚದ ಮೊದಲ ಅರಿವಿನ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಈ ವ್ಯವಸ್ಥೆಯು ಬಹಳಷ್ಟು ಮಾಡಬಹುದು, ಇದಕ್ಕೆ ಧನ್ಯವಾದಗಳು ವ್ಯಾಟ್ಸನ್ ಅವರ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಅನೇಕ ಪ್ರದೇಶಗಳಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ - ಅಡುಗೆ ಮಾಡುವುದರಿಂದ ಹಿಡಿದು ಜನನಿಬಿಡ ಪ್ರದೇಶಗಳಲ್ಲಿ ಅಪಘಾತಗಳನ್ನು ಊಹಿಸುವವರೆಗೆ. ಸಾಮಾನ್ಯವಾಗಿ, ವ್ಯಾಟ್ಸನ್‌ನ ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯಗಳು ಅನನ್ಯವಾಗಿಲ್ಲ, ಆದರೆ ಒಟ್ಟಿಗೆ ತೆಗೆದುಕೊಂಡರೆ, ಈ ಎಲ್ಲಾ ಸಾಮರ್ಥ್ಯಗಳು ತುಂಬಾ ಶಕ್ತಿಯುತ ಸಾಧನವಿವಿಧ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು.

ಉದಾಹರಣೆಗೆ - ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಗುರುತಿಸುವಿಕೆ, ಡೈನಾಮಿಕ್ ಸಿಸ್ಟಮ್ ಕಲಿಕೆ, ಕಲ್ಪನೆಗಳ ನಿರ್ಮಾಣ ಮತ್ತು ಮೌಲ್ಯಮಾಪನ. ಇದೆಲ್ಲವೂ IBM ವ್ಯಾಟ್ಸನ್ ನೇರವಾದ, ಸರಿಯಾದ ಉತ್ತರಗಳನ್ನು ನೀಡಲು ಕಲಿಯಲು ಅವಕಾಶ ಮಾಡಿಕೊಟ್ಟಿತು (ಜೊತೆ ಉನ್ನತ ಪದವಿವಿಶ್ವಾಸಾರ್ಹತೆ) ಆಪರೇಟರ್ನ ಪ್ರಶ್ನೆಗಳಿಗೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಅರಿವಿನ ವ್ಯವಸ್ಥೆಯು ಕೆಲಸಕ್ಕಾಗಿ ಜಾಗತಿಕ ರಚನಾತ್ಮಕವಲ್ಲದ ದತ್ತಾಂಶದ ದೊಡ್ಡ ಶ್ರೇಣಿಗಳನ್ನು ಬಳಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ದೊಡ್ಡ ಡೇಟಾ. ಭಾಷೆಯೊಂದಿಗೆ IBM ವ್ಯಾಟ್ಸನ್ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದರ ಮೂಲ ತತ್ವಗಳು ಯಾವುವು? ಮುಂದಿನ ಭಾಗದಲ್ಲಿ ಇದರ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು.

ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಗುರುತಿಸುವಿಕೆಯ ಮುಖ್ಯ ಸವಾಲುಗಳು

ಮನುಷ್ಯರಿಗೆ, ಭಾಷೆಯು ಆಲೋಚನೆಗಳನ್ನು ವ್ಯಕ್ತಪಡಿಸುವ ಸಾಧನವಾಗಿದೆ. ನಮ್ಮ ಅಭಿಪ್ರಾಯಗಳು, ಡೇಟಾ ಮತ್ತು ಮಾಹಿತಿಯನ್ನು ತಿಳಿಸಲು ನಾವು ಭಾಷೆಯನ್ನು ಬಳಸುತ್ತೇವೆ. ನಾವು ಭವಿಷ್ಯವಾಣಿಗಳನ್ನು ಮಾಡಬಹುದು ಮತ್ತು ಸಿದ್ಧಾಂತಗಳನ್ನು ರೂಪಿಸಬಹುದು. ಭಾಷೆಯೇ ನಮ್ಮ ಅರಿವಿನ ಮೂಲಾಧಾರ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಇಲ್ಲಿ ಒಂದು ವಿರೋಧಾಭಾಸವಿದೆ: ಮಾನವ ಭಾಷೆ ತುಂಬಾ ನಿಖರವಾಗಿಲ್ಲ.

ಅನೇಕ ಪದಗಳು ತರ್ಕಬದ್ಧವಾಗಿಲ್ಲ, ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ಸಿಸ್ಟಮ್‌ಗಳು ನಮ್ಮನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ತುಂಬಾ ಕಷ್ಟಕರವಾಗಿರುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, ಧ್ವನಿ ತೆಳುವಾಗಿರುವುದು ಹೇಗೆ? ಅವಮಾನದಿಂದ ನೀವು ಹೇಗೆ ಸುಟ್ಟು ಹೋಗಬಹುದು? ಯಂತ್ರಕ್ಕೆ ಇದು ಸಮಸ್ಯೆಯಾಗಿದೆ, ಆದರೆ ಒಬ್ಬ ವ್ಯಕ್ತಿಗೆ ಇದು ಸಂಪೂರ್ಣವಾಗಿ ಸಾಮಾನ್ಯ ವಿಷಯವಾಗಿದೆ. ಸತ್ಯವೆಂದರೆ ಪ್ರಶ್ನೆಗೆ ಸರಿಯಾಗಿ ಉತ್ತರಿಸಲು, ಅನೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಸಂದರ್ಭವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುವುದು ಅವಶ್ಯಕ. ಸಾಕಷ್ಟು ವಾಸ್ತವಿಕ ಮಾಹಿತಿಯಿಲ್ಲದೆ, ಪ್ರಶ್ನೆಯ ಅಂಶಗಳಿಗೆ ನೀವು ಅಕ್ಷರಶಃ ನಿಖರವಾದ ಉತ್ತರವನ್ನು ಕಂಡುಹಿಡಿಯಬಹುದಾದರೂ, ಪ್ರಶ್ನೆಗೆ ಸರಿಯಾಗಿ ಉತ್ತರಿಸಲು ಕಷ್ಟವಾಗುತ್ತದೆ.

ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ - ಪ್ರಾರಂಭಿಸಲಾಗುತ್ತಿದೆ

ಅನೇಕ ಕಂಪ್ಯೂಟರ್ ವ್ಯವಸ್ಥೆಗಳುಭಾಷೆಯನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಆದರೆ ಅದೇ ಸಮಯದಲ್ಲಿ ಬಾಹ್ಯ ವಿಶ್ಲೇಷಣೆಯನ್ನು ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ. ಇದು ಅರ್ಥಪೂರ್ಣವಾಗಬಹುದು, ಉದಾಹರಣೆಗೆ, ದೊಡ್ಡ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯ ಮೇಲೆ ಭಾವನೆಗಳಲ್ಲಿನ ಬದಲಾವಣೆಗಳ ಪ್ರವೃತ್ತಿಗಳ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ ಮಾನ್ಯವಾದ ಮೌಲ್ಯಮಾಪನವನ್ನು ಮಾಡಲು. ಇಲ್ಲಿ, ಮಾಹಿತಿ ವರ್ಗಾವಣೆಯ ನಿಖರತೆಯು ಬಹಳ ಮುಖ್ಯವಲ್ಲ, ಏಕೆಂದರೆ ತಪ್ಪು ಧನಾತ್ಮಕ ಫಲಿತಾಂಶಗಳ ಸಂಖ್ಯೆಯು ತಪ್ಪು ನಕಾರಾತ್ಮಕ ಫಲಿತಾಂಶಗಳ ಸಂಖ್ಯೆಗೆ ಸರಿಸುಮಾರು ಸಮಾನವಾಗಿರುತ್ತದೆ ಎಂದು ನಾವು ಭಾವಿಸಿದರೂ ಸಹ, ಅವರು ಪರಸ್ಪರ ರದ್ದುಗೊಳಿಸುತ್ತಾರೆ.

ಆದರೆ ಎಲ್ಲಾ ಪ್ರಕರಣಗಳು ಮುಖ್ಯವಾಗಿದ್ದರೆ, ಬಾಹ್ಯ ಭಾಷಾ ವಿಶ್ಲೇಷಣೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ವ್ಯವಸ್ಥೆಗಳು ಇನ್ನು ಮುಂದೆ ತಮ್ಮ ಕೆಲಸವನ್ನು ಸರಿಯಾಗಿ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ. ಒಂದು ಗಮನಾರ್ಹ ಉದಾಹರಣೆಹೇಳಿರುವುದು ಒಂದು ಕಾರ್ಯವಾಗಿರಬಹುದು ಧ್ವನಿ ಸಹಾಯಕಯಾವುದೇ ಮೊಬೈಲ್ ಸಾಧನಗಳು. "ನನಗೆ ಪಿಜ್ಜಾವನ್ನು ಹುಡುಕಿ" ಎಂದು ನೀವು ಹೇಳಿದರೆ, ಸಹಾಯಕರು ಪಿಜ್ಜೇರಿಯಾಗಳ ಪಟ್ಟಿಯನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತಾರೆ. "ಮ್ಯಾಡ್ರಿಡ್‌ನಲ್ಲಿ ನನಗಾಗಿ ಪಿಜ್ಜಾವನ್ನು ಹುಡುಕಬೇಡಿ" ಎಂದು ನೀವು ಹೇಳಿದರೆ, ಉದಾಹರಣೆಗೆ, ಸಿಸ್ಟಮ್ ಇನ್ನೂ ಹುಡುಕುತ್ತದೆ. ಅಂತಹ ವ್ಯವಸ್ಥೆಗಳು ಕೆಲವು ಕೀವರ್ಡ್‌ಗಳನ್ನು ಗುರುತಿಸುವ ಮೂಲಕ ಮತ್ತು ನಿರ್ದಿಷ್ಟ ನಿಯಮಗಳನ್ನು ಬಳಸುವ ಮೂಲಕ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. ಫಲಿತಾಂಶವು ನಿಖರವಾಗಿರಬಹುದು ವ್ಯವಸ್ಥೆಯನ್ನು ನೀಡಲಾಗಿದೆನಿಯಮಗಳು, ಆದರೆ ತಪ್ಪು.

ಆಳವಾದ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ

ಭಾವನೆಗಳು ಮತ್ತು ಇತರ ಅಂಶಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಸಂಕೀರ್ಣ ಶಬ್ದಾರ್ಥದ ರಚನೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ವ್ಯವಸ್ಥೆಯನ್ನು ಕಲಿಸಲು, ತಜ್ಞರು ಆಳವಾದ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆಯನ್ನು ಬಳಸಿದರು. ಅವುಗಳೆಂದರೆ, ಪ್ರಶ್ನೆ-ಉತ್ತರ ನೀಡುವ ವಿಷಯ ವಿಶ್ಲೇಷಣಾ ವ್ಯವಸ್ಥೆ (ಆಳವಾದ ಪ್ರಶ್ನೆ*ಉತ್ತರ, ಡೀಪ್‌ಕ್ಯೂಎ). ಹೆಚ್ಚಿನ ನಿಖರತೆ ಅಗತ್ಯವಿದ್ದರೆ, ನೀವು ಬಳಸಬೇಕಾಗುತ್ತದೆ ಹೆಚ್ಚುವರಿ ವಿಧಾನಗಳುನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ.
IBM ವ್ಯಾಟ್ಸನ್ ಆಳವಾದ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣಾ ವ್ಯವಸ್ಥೆಯಾಗಿದೆ. ವಿಶ್ಲೇಷಿಸುವಾಗ ನಿರ್ದಿಷ್ಟ ಸಮಸ್ಯೆ, ಸರಿಯಾದ ಉತ್ತರವನ್ನು ನೀಡಲು, ಸಿಸ್ಟಮ್ ಸಾಧ್ಯವಾದಷ್ಟು ವಿಶಾಲವಾದ ಸಂದರ್ಭವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆ. ಇದು ಪ್ರಶ್ನೆಯ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರವಲ್ಲ, ಜ್ಞಾನದ ಮೂಲ ಡೇಟಾವನ್ನು ಸಹ ಬಳಸುತ್ತದೆ.
ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಆಳವಾದ ಸಂಸ್ಕರಣೆಯ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ವ್ಯವಸ್ಥೆಯ ರಚನೆಯು ಮತ್ತೊಂದು ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಸಾಧ್ಯವಾಗಿಸಿತು - ಪ್ರತಿದಿನ ಉತ್ಪತ್ತಿಯಾಗುವ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯ ವಿಶ್ಲೇಷಣೆ. ಇದು ಟ್ವೀಟ್‌ಗಳು, ಸಂದೇಶಗಳಂತಹ ರಚನೆಯಿಲ್ಲದ ಮಾಹಿತಿಯಾಗಿದೆ ಸಾಮಾಜಿಕ ಜಾಲಗಳು, ವರದಿಗಳು, ಲೇಖನಗಳು ಮತ್ತು ಇನ್ನಷ್ಟು. IBM ವ್ಯಾಟ್ಸನ್ ಮಾನವ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಇದನ್ನೆಲ್ಲ ಬಳಸಲು ಕಲಿತಿದ್ದಾರೆ.

IBM ವ್ಯಾಟ್ಸನ್ ಕಾಗ್ನಿಟಿವ್ ಸಿಸ್ಟಮ್

ವ್ಯಾಟ್ಸನ್ ವಿಭಿನ್ನ ಮಟ್ಟದ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಾಮರ್ಥ್ಯ. ಸಿಸ್ಟಮ್ ನೈಸರ್ಗಿಕ ಭಾಷೆಯಲ್ಲಿ ಕೆಲವು ಹೇಳಿಕೆಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಬಹುದು ಮತ್ತು ಈ ಹೇಳಿಕೆಗಳ ನಡುವೆ ಸಂಪರ್ಕವನ್ನು ಕಂಡುಹಿಡಿಯಬಹುದು. ಅದೇ ಸಮಯದಲ್ಲಿ, ವ್ಯಾಟ್ಸನ್ ಕಾರ್ಯವನ್ನು ನಿಭಾಯಿಸುತ್ತಾನೆ, ಅನೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಸಹ ಮನುಷ್ಯನಿಗಿಂತ ಉತ್ತಮ, ದತ್ತಾಂಶ ಸಂಸ್ಕರಣೆಯು ಹೆಚ್ಚು ವೇಗವಾಗಿದ್ದರೂ, ಕೆಲಸವನ್ನು ಹೆಚ್ಚು ಕೈಗೊಳ್ಳಲಾಗುತ್ತದೆ ದೊಡ್ಡ ಸಂಪುಟಗಳು- ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಇದಕ್ಕೆ ಸರಳವಾಗಿ ಅಸಮರ್ಥನಾಗಿದ್ದಾನೆ.

ಅರಿವಿನ ವ್ಯವಸ್ಥೆಯ ಮೂಲ ಗುಣಲಕ್ಷಣಗಳು

ಸಿಸ್ಟಮ್ ಈ ಕ್ರಮದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ:

1. ವ್ಯಾಟ್ಸನ್ ಪ್ರಶ್ನೆಯನ್ನು ಸ್ವೀಕರಿಸಿದಾಗ, ಅದು ಪ್ರಶ್ನೆಯ ಪ್ರಮುಖ ಲಕ್ಷಣಗಳನ್ನು ಹೊರತೆಗೆಯಲು ಅದನ್ನು ಪಾರ್ಸ್ ಮಾಡುತ್ತದೆ.

2. ಕೆಲವು ಹಂತದ ಸಂಭವನೀಯತೆಯೊಂದಿಗೆ, ಅಗತ್ಯವಿರುವ ಉತ್ತರವನ್ನು ಒಳಗೊಂಡಿರುವ ಪದಗುಚ್ಛಗಳ ಹುಡುಕಾಟದಲ್ಲಿ ಕಾರ್ಪಸ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುವ ಮೂಲಕ ಸಿಸ್ಟಮ್ ಊಹೆಗಳ ಸರಣಿಯನ್ನು ರಚಿಸುತ್ತದೆ. ಮುನ್ನಡೆಸುವ ಸಲುವಾಗಿ ಸಮರ್ಥ ಹುಡುಕಾಟರಚನೆಯಿಲ್ಲದ ಮಾಹಿತಿಯ ಸ್ಟ್ರೀಮ್‌ಗಳಲ್ಲಿ, ಸಂಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಾಮರ್ಥ್ಯಗಳು ಅಗತ್ಯವಿದೆ * ಅವುಗಳನ್ನು ಅರಿವಿನ ವ್ಯವಸ್ಥೆಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. (ನನಗೆ ಕೊನೆಯ ವಾಕ್ಯ ಮತ್ತು ನಕ್ಷತ್ರ ಚಿಹ್ನೆಯ ಪಾತ್ರ ಅರ್ಥವಾಗುತ್ತಿಲ್ಲ)

3. ಸಿಸ್ಟಮ್ ನಿರ್ವಹಿಸುತ್ತದೆ ಆಳವಾದ ಹೋಲಿಕೆಪ್ರಶ್ನೆಯ ಭಾಷೆ ಮತ್ತು ಪ್ರತಿ ಸಂಭವನೀಯ ಉತ್ತರದ ಭಾಷೆ, ಬಳಸಿ ವಿವಿಧ ಕ್ರಮಾವಳಿಗಳುತಾರ್ಕಿಕ ತೀರ್ಮಾನ.

ಇದು ಕಠಿಣ ಹಂತವಾಗಿದೆ. ನೂರಾರು ಅನುಮಿತಿ ಅಲ್ಗಾರಿದಮ್‌ಗಳಿವೆ ಮತ್ತು ಅವೆಲ್ಲವೂ ಮಾಡುತ್ತವೆ ವಿಭಿನ್ನ ಹೋಲಿಕೆಗಳು. ಉದಾಹರಣೆಗೆ, ಕೆಲವು ಹೊಂದಾಣಿಕೆಯ ಪದಗಳು ಮತ್ತು ಸಮಾನಾರ್ಥಕಗಳನ್ನು ಹುಡುಕುತ್ತದೆ, ಇತರರು ತಾತ್ಕಾಲಿಕ ಮತ್ತು ಪ್ರಾದೇಶಿಕ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ನೋಡುತ್ತಾರೆ, ಇತರರು ಸಂದರ್ಭೋಚಿತ ಮಾಹಿತಿಯ ಸಂಬಂಧಿತ ಮೂಲಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತಾರೆ.

4. ಅಲ್ಗಾರಿದಮ್‌ನಿಂದ ಪರಿಗಣಿಸಲಾದ ಡೊಮೇನ್‌ನಲ್ಲಿನ ಪ್ರಶ್ನೆಯಿಂದ ಸಂಭವನೀಯ ಉತ್ತರವು ಎಷ್ಟು ಮಟ್ಟಿಗೆ ಅನುಸರಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಸೂಚಿಸುವ ಒಂದು ಅಥವಾ ಹೆಚ್ಚಿನ ಸ್ಕೋರ್‌ಗಳನ್ನು ಪ್ರತಿ ನಿರ್ಣಯ ಅಲ್ಗಾರಿದಮ್ ಒದಗಿಸುತ್ತದೆ.

5. ಪಡೆದ ಪ್ರತಿ ಸ್ಕೋರ್ ಅನ್ನು ಅಂಕಿಅಂಶಗಳ ಮಾದರಿಯ ಪ್ರಕಾರ ತೂಕದ ಗುಣಾಂಕವನ್ನು ನಿಗದಿಪಡಿಸಲಾಗಿದೆ, ಇದು ಅಲ್ಗಾರಿದಮ್ ಗುರುತಿಸುವಲ್ಲಿ ಎಷ್ಟು ಯಶಸ್ವಿಯಾಗಿದೆ ಎಂಬುದನ್ನು ದಾಖಲಿಸುತ್ತದೆ ತಾರ್ಕಿಕ ಸಂಪರ್ಕಗಳುವ್ಯಾಟ್ಸನ್ ಅವರ "ಕಲಿಕೆಯ ಅವಧಿಯಲ್ಲಿ" ಈ ಪ್ರದೇಶದ ಎರಡು ರೀತಿಯ ಪದಗುಚ್ಛಗಳ ನಡುವೆ. ಈ ಅಂಕಿಅಂಶ ಮಾದರಿಯನ್ನು ನಂತರ ವಿಶ್ವಾಸದ ಒಟ್ಟಾರೆ ಮಟ್ಟವನ್ನು ನಿರ್ಧರಿಸಲು ಬಳಸಬಹುದು ವ್ಯಾಟ್ಸನ್ ಸಿಸ್ಟಮ್ಸ್ಎಂಬುದು ಪ್ರಶ್ನೆಯಿಂದ ಸಂಭವನೀಯ ಉತ್ತರವನ್ನು ಅನುಸರಿಸುತ್ತದೆ.

6. ವ್ಯಾಟ್ಸನ್ ಎಲ್ಲರಿಗೂ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪುನರಾವರ್ತಿಸುತ್ತಾನೆ ಸಂಭವನೀಯ ಆಯ್ಕೆಇತರರಿಗಿಂತ ಸರಿಯಾಗಿರಲು ಉತ್ತಮ ಅವಕಾಶವನ್ನು ಹೊಂದಿರುವ ಉತ್ತರಗಳನ್ನು ಅವನು ಕಂಡುಕೊಳ್ಳುವವರೆಗೆ ಉತ್ತರಿಸಿ.

ಮೇಲೆ ಹೇಳಿದಂತೆ, ಪ್ರಶ್ನೆಗೆ ಸರಿಯಾಗಿ ಉತ್ತರಿಸಲು, ಸಿಸ್ಟಮ್ ಅನ್ನು ಸಂಪರ್ಕಿಸಬೇಕು ಹೆಚ್ಚುವರಿ ಮೂಲಗಳುಡೇಟಾ. ಇವು ಪಠ್ಯಪುಸ್ತಕಗಳು, ಕೈಪಿಡಿಗಳು, FAQ ಗಳು, ಸುದ್ದಿಗಳು ಮತ್ತು ಎಲ್ಲವೂ ಆಗಿರಬಹುದು. ವ್ಯಾಟ್ಸನ್ ಸರಿಯಾದ ಉತ್ತರವನ್ನು ಪಡೆಯಲು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತಾನೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಕಂಡುಬರುವ ವಿಷಯವನ್ನು ಸಹ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ, ಹಳೆಯದು ಮತ್ತು ಅನುಪಯುಕ್ತ ಡೇಟಾವನ್ನು ತೆಗೆದುಹಾಕಲಾಗುತ್ತದೆ.

ಅರಿವಿನ ವ್ಯವಸ್ಥೆಯ ಅಂಶಗಳು

ವ್ಯಾಟ್ಸನ್ ಹೆಚ್ಚುವರಿ ಆಧಾರದಿಂದ ಸ್ವೀಕರಿಸಿದ ಮಾಹಿತಿಯಿಂದ ಪಠ್ಯದ ಸಾಮಾನ್ಯ ಅರ್ಥವನ್ನು ಕಳೆಯುತ್ತಾರೆ. ಇದು ಡಾಕ್ಯುಮೆಂಟ್‌ನ ಶೀರ್ಷಿಕೆ, ಡಾಕ್ಯುಮೆಂಟ್‌ನ ಪಠ್ಯದ ಭಾಗ ಅಥವಾ ಎಲ್ಲಾ ಪಠ್ಯವನ್ನು ಬಳಸುತ್ತದೆ.

ಅರಿವಿನ ವ್ಯವಸ್ಥೆಗಳು, ಮಾಹಿತಿಯನ್ನು ಸಂಗ್ರಹಿಸುವ, ನೆನಪಿಟ್ಟುಕೊಳ್ಳುವ ಮತ್ತು ಹಿಂಪಡೆಯುವ ಅವರ ವಿಧಾನಗಳು ಮಾನವರು ಮಾಹಿತಿಯನ್ನು ಹೇಗೆ ವಿಶ್ಲೇಷಿಸುತ್ತಾರೆ ಎಂಬುದರಂತೆಯೇ ಇರುತ್ತದೆ. ಈ ಸಂದರ್ಭದಲ್ಲಿ, ಅರಿವಿನ ವ್ಯವಸ್ಥೆಗಳು ಮಾಹಿತಿಯನ್ನು ರವಾನಿಸಬಹುದು ಮತ್ತು ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದು. ಈ ಸಂದರ್ಭದಲ್ಲಿ ಬಳಸಲಾಗುವ ವರ್ತನೆಯ ರಚನೆಗಳ ಉದಾಹರಣೆಗಳು ಇಲ್ಲಿವೆ:

ಊಹೆಗಳನ್ನು ರಚಿಸುವ ಮತ್ತು ಪರೀಕ್ಷಿಸುವ ಸಾಮರ್ಥ್ಯ;
- ಘಟಕಗಳಾಗಿ ವಿಭಜಿಸುವ ಮತ್ತು ಭಾಷೆಯ ಬಗ್ಗೆ ತಾರ್ಕಿಕ ತೀರ್ಮಾನಗಳನ್ನು ನಿರ್ಮಿಸುವ ಸಾಮರ್ಥ್ಯ;
- ಹೊರತೆಗೆಯುವ ಮತ್ತು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ ಉಪಯುಕ್ತ ಮಾಹಿತಿ(ಉದಾಹರಣೆಗೆ ದಿನಾಂಕಗಳು, ಸ್ಥಳಗಳು ಮತ್ತು ಗುಣಲಕ್ಷಣಗಳು).

ಈ ಸಾಮರ್ಥ್ಯಗಳಿಲ್ಲದೆ, ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ಉತ್ತರಗಳ ನಡುವಿನ ಸರಿಯಾದ ಸಂಬಂಧವನ್ನು ನಿರ್ಧರಿಸಲು ಕಂಪ್ಯೂಟರ್ ಅಥವಾ ಮಾನವನಿಗೆ ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ.
ಅರಿವಿನ ಪ್ರಕ್ರಿಯೆಗಳು ಹೆಚ್ಚು ಉನ್ನತ ಆದೇಶಸಾಧಿಸಬಹುದು ಉನ್ನತ ಮಟ್ಟದತಿಳುವಳಿಕೆ, ನಡವಳಿಕೆಯ ಮೂಲ ವಿಧಾನಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುವುದು. ಏನನ್ನಾದರೂ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ನಾವು ಮಾಹಿತಿಯನ್ನು ಸಣ್ಣ ಅಂಶಗಳಾಗಿ ವಿಭಜಿಸಲು ಶಕ್ತರಾಗಿರಬೇಕು, ಅದು ಪ್ರಶ್ನೆಯ ಮಟ್ಟದಲ್ಲಿ ಉತ್ತಮವಾಗಿ ಸಂಘಟಿತವಾಗಿದೆ. ಮಾನವರಲ್ಲಿ ಭೌತಿಕ ಪ್ರಕ್ರಿಯೆಗಳು ಕಾಸ್ಮಿಕ್ ಪ್ರಮಾಣದಲ್ಲಿ ಅಥವಾ ಪ್ರಾಥಮಿಕ ಕಣಗಳ ಮಟ್ಟದಲ್ಲಿ ಪ್ರಕ್ರಿಯೆಗಳಿಂದ ಸಂಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನವಾಗಿ ಮುಂದುವರಿಯುತ್ತದೆ. ಅಂತೆಯೇ, ಅರಿವಿನ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಮಾನವ ಮಟ್ಟದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲಾಗಿದೆ, ಅವುಗಳು ಬೃಹತ್ ವೈವಿಧ್ಯಮಯ ಜನರನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ.

ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಭಾಷೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಹೆಚ್ಚು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದರೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ ಸರಳ ನಿಯಮಗಳುಭಾಷೆ - ಔಪಚಾರಿಕ ವ್ಯಾಕರಣ ಮಾತ್ರವಲ್ಲ, ದಿನನಿತ್ಯದ ಬಳಕೆಯಲ್ಲಿ ಕಂಡುಬರುವ ಅನೌಪಚಾರಿಕ ಸಂಪ್ರದಾಯಗಳು.

ಇದೆಲ್ಲ ಯಾಕೆ?

ಈಗ IBM ವ್ಯಾಟ್ಸನ್ ಕಾಗ್ನಿಟಿವ್ ಸಿಸ್ಟಮ್, ಹಲವು ವರ್ಷಗಳ ತರಬೇತಿ ಮತ್ತು ಸುಧಾರಣೆಗೆ ಧನ್ಯವಾದಗಳು, ಹೆಚ್ಚಿನ ಕೆಲಸವನ್ನು ಮಾಡಬಹುದು ವಿವಿಧ ಪ್ರದೇಶಗಳು. ಇಲ್ಲಿ ನಾವು ಔಷಧ, ಅಡುಗೆ, ಭಾಷಾಶಾಸ್ತ್ರ ಮತ್ತು ವೈಜ್ಞಾನಿಕ ಸಮಸ್ಯೆಗಳೊಂದಿಗೆ ವ್ಯಾಪಾರ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುತ್ತೇವೆ.

ಆರಂಭದಲ್ಲಿ, ಪರಿಣಿತರು ಒಂದು ಆಯ್ಕೆಯನ್ನು ಹೊಂದಿದ್ದರು - ವ್ಯವಸ್ಥೆಯನ್ನು ಸಾರ್ವತ್ರಿಕ ಅಥವಾ ವಿಶೇಷವಾದ ಮಾಡಲು. ಪ್ರತಿಯೊಂದು ಆಯ್ಕೆಯು ತನ್ನದೇ ಆದ ಅನುಕೂಲಗಳು ಮತ್ತು ಅನಾನುಕೂಲಗಳನ್ನು ಹೊಂದಿದೆ, ಆದರೆ ಆಯ್ಕೆಯು ಬಹುಮುಖತೆಯ ದಿಕ್ಕಿನಲ್ಲಿ ಮಾಡಲ್ಪಟ್ಟಿದೆ.

ಕಂಪನಿಯು ತನ್ನ ಆಯ್ಕೆಯು ಸರಿಯಾಗಿದೆ ಎಂದು ಈಗಾಗಲೇ ಹಲವು ಬಾರಿ ಮನವರಿಕೆಯಾಗಿದೆ - ಮೊದಲು

ಆಧುನಿಕ ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್‌ಗಳು ನೆಟ್‌ವರ್ಕ್‌ಗೆ ಸಂಪರ್ಕಗೊಂಡಿರುವ ಹಲವಾರು ಸರ್ವರ್ ಕಂಪ್ಯೂಟರ್‌ಗಳಾಗಿವೆ. ಅವರ ಕಂಪ್ಯೂಟಿಂಗ್ ವೇಗವನ್ನು ಪೆಟಾಫ್ಲಾಪ್‌ಗಳಲ್ಲಿ ಅಳೆಯಲಾಗುತ್ತದೆ.

1 ಪೆಟಾಫ್ಲಾಪ್ಸ್ = ಸೆಕೆಂಡಿಗೆ 10 15 ಕಾರ್ಯಾಚರಣೆಗಳು

ಮಾನವನ ಮೆದುಳಿನ ಸರಾಸರಿ ಕಾರ್ಯಕ್ಷಮತೆ 20 ಪೆಟಾಫ್ಲಾಪ್ಸ್ ಆಗಿದೆ. ಜಗತ್ತಿನಲ್ಲಿ ಕೆಲವೇ ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್‌ಗಳು ಉತ್ತಮ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಹೊಂದಿವೆ, ಆದರೆ ಅವುಗಳಲ್ಲಿ ಯಾವುದೂ ಮಾನವನ ಮೆದುಳನ್ನು ಬದಲಾಯಿಸಲು ಸಾಧ್ಯವಿಲ್ಲ.

ಪ್ರಸ್ತುತ ಜಗತ್ತಿನಲ್ಲಿ ನೂರಾರು ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್‌ಗಳಿವೆ. ಅತ್ಯಂತ ಶಕ್ತಿಯುತವಾದವುಗಳನ್ನು ವಾರ್ಷಿಕ TOP-500 ಶ್ರೇಯಾಂಕದಲ್ಲಿ ಸೇರಿಸಲಾಗಿದೆ. 2016 ರಲ್ಲಿ, ಈ ರೇಟಿಂಗ್ ಅನ್ನು ಚೈನೀಸ್ ಸನ್‌ವೇ ತೈಹುಲೈಟ್ ಅಗ್ರಸ್ಥಾನದಲ್ಲಿದೆ. ಇದಕ್ಕೂ ಮುನ್ನ ಮೂರು ವರ್ಷಗಳ ಕಾಲ ನಾಯಕತ್ವವನ್ನೂ ವಹಿಸಿದ್ದರು ಚೈನೀಸ್ ಕಂಪ್ಯೂಟರ್ಟಿಯಾನ್ಹೆ-2. IBM ಈ ಶ್ರೇಯಾಂಕದಲ್ಲಿ ಎರಡು ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್‌ಗಳನ್ನು ಹೊಂದಿದೆ: ಮೀರಾ ಮತ್ತು ಸಿಕ್ವೊಯಾ. ನಂತರದವರು 2012 ರಲ್ಲಿ ನಾಯಕರಾಗಿದ್ದರು ಮತ್ತು ಈಗ ನಾಲ್ಕನೇ ಸ್ಥಾನದಲ್ಲಿದ್ದಾರೆ.

ಆಂಡ್ರೆ ಫಿಲಾಟೊವ್ ( ಜನರಲ್ ಮ್ಯಾನೇಜರ್ IBM ರಷ್ಯಾ ಮತ್ತು CIS ದೇಶಗಳಲ್ಲಿ) ಅರಿವಿನ ತಂತ್ರಜ್ಞಾನಗಳ ಬಗ್ಗೆ

ಡಾ. ವ್ಯಾಟ್ಸನ್ ಅತ್ಯಂತ ಪ್ರಸಿದ್ಧವಾದ ಸೂಪರ್ ಕಂಪ್ಯೂಟರ್

ವ್ಯಾಟ್ಸನ್‌ನ ಮುಖ್ಯ ಪ್ರಯೋಜನವೆಂದರೆ ಅದು ನೈಸರ್ಗಿಕ ಭಾಷೆಯಲ್ಲಿ ಪ್ರಶ್ನೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತದೆ ಮತ್ತು ಡೇಟಾವನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಉತ್ತರಿಸುತ್ತದೆ. 2011 ರಲ್ಲಿ, ವ್ಯಾಟ್ಸನ್ ಆಟದ ಪ್ರದರ್ಶನದಲ್ಲಿ ಜನರನ್ನು ಸೋಲಿಸಿದರು ಜೆಪರ್ಡಿ!(ರಷ್ಯನ್ ಸಮಾನ - "ಸ್ವಂತ ಆಟ").

ವ್ಯಾಟ್ಸನ್ ಎಂಬ ಅಪ್ಲಿಕೇಶನ್ ತಂತ್ರಜ್ಞಾನಗಳ ಒಂದು ಸೆಟ್ ಆಗಿದೆ " ಕ್ಲೌಡ್ ಸೇವೆಗಳು" ವ್ಯಾಟ್ಸನ್ ಅನ್ನು ವೈದ್ಯಕೀಯದಲ್ಲಿ ಹೆಚ್ಚು ಸಕ್ರಿಯವಾಗಿ ಬಳಸಲಾಗುತ್ತದೆ, ಕ್ಯಾನ್ಸರ್ ಅನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಮತ್ತು ಚಿಕಿತ್ಸೆ ನೀಡಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಇದರ ಸ್ಮರಣೆಯು 600,000 ಕ್ಕೂ ಹೆಚ್ಚು ವೈದ್ಯಕೀಯ ವರದಿಗಳನ್ನು ಒಳಗೊಂಡಿದೆ. ಇದನ್ನು ಸಹ ಬಳಸಲಾಗುತ್ತದೆ ಹಣಕಾಸು ವಲಯ, ಕಾನೂನು, ಹೋಟೆಲ್ ವ್ಯಾಪಾರ ಮತ್ತು ಅನೇಕ ಇತರ ಕೈಗಾರಿಕೆಗಳು. ಇದಲ್ಲದೆ, ಅವರು ಸೆಲೆಬ್ರಿಟಿಗಳೊಂದಿಗೆ ಸಂಭಾಷಣೆಯನ್ನು ನಡೆಸಲು ಸಹ ಸಮರ್ಥರಾಗಿದ್ದಾರೆ.

ಲೋಡ್ ಮಾಡುವಾಗ ದೋಷ ಸಂಭವಿಸಿದೆ.

ವ್ಯಾಟ್ಸನ್ ಅಮೆರಿಕದ ಟೆನಿಸ್ ಆಟಗಾರ್ತಿ ಸೆರೆನಾ ವಿಲಿಯಮ್ಸ್ ಅವರೊಂದಿಗೆ ಮಾತನಾಡಿದ್ದಾರೆ

IBM ವ್ಯಾಟ್ಸನ್‌ಗಾಗಿ ಅರ್ಜಿಗಳು

ಶಿಕ್ಷಣ. US ಶಾಲೆಗಳು ಶಿಕ್ಷಕರ ಸಲಹೆಗಾರರನ್ನು ವ್ಯಾಟ್ಸನ್‌ನೊಂದಿಗೆ ಪರೀಕ್ಷಿಸುತ್ತಿವೆ, ಇದು ಸುಧಾರಣೆಗೆ ಸಲಹೆಗಳನ್ನು ನೀಡುವ ಅರಿವಿನ ಸಾಧನವಾಗಿದೆ. ಪಠ್ಯಕ್ರಮಮತ್ತು ತರಬೇತಿ ಕಾರ್ಯಕ್ರಮಗಳ ವೈಯಕ್ತೀಕರಣ.

ವಿಜ್ಞಾನ. ಜಾನ್ಸನ್ ಮತ್ತು ಜಾನ್ಸನ್ ವೈಜ್ಞಾನಿಕ ಸಾಹಿತ್ಯವನ್ನು ವಿಶ್ಲೇಷಿಸಲು ವ್ಯಾಟ್ಸನ್ ಅನ್ನು ಬಳಸುತ್ತಾರೆ. ಬೃಹತ್ ಪ್ರಮಾಣದ ವಸ್ತುಗಳಿಂದ, ಅವರು ಸಂಶೋಧನೆಗೆ ಅಗತ್ಯವಾದವುಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡುತ್ತಾರೆ ಮತ್ತು ಸಂಶೋಧನೆಯನ್ನು ಹೆಚ್ಚು ವೇಗವಾಗಿ ಮತ್ತು ಹೆಚ್ಚು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಕೈಗೊಳ್ಳಬಹುದು.

ಔದ್ಯೋಗಿಕ ಸುರಕ್ಷತೆ.ರೋಲ್ಡ್ ಸ್ಟೀಲ್ ತಯಾರಕ ನಾರ್ತ್ ಸ್ಟಾರ್ ಬ್ಲೂಸ್ಕೋಪ್ ಸ್ಟೀಲ್ ವಿಪರೀತ ಸಂದರ್ಭಗಳಲ್ಲಿ ಕೆಲಸಗಾರರನ್ನು ರಕ್ಷಿಸಲು ಪರಿಹಾರಗಳನ್ನು ರಚಿಸಲು ವ್ಯಾಟ್ಸನ್ ಇಂಟರ್ನೆಟ್ ಆಫ್ ಥಿಂಗ್ಸ್ ಅನ್ನು ಬಳಸಲು ನೋಡುತ್ತಿದೆ. ಕೆಲಸಗಾರರು ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸಲು ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸಲು ಸಾಧನಗಳನ್ನು ಧರಿಸುತ್ತಾರೆ. ಅಪಾಯಕಾರಿ ಪರಿಸ್ಥಿತಿಗಳು ಸಂಭವಿಸಿದಲ್ಲಿ, ಮಾಹಿತಿಯನ್ನು ತಕ್ಷಣವೇ ನಾರ್ತ್ ಸ್ಟಾರ್ ನಿರ್ವಹಣೆಗೆ ಕಳುಹಿಸಲಾಗುತ್ತದೆ.

ಸೈಬರ್ ಭದ್ರತೆ. ಸೈಬರ್ ಅಪರಾಧಿಗಳು ಹ್ಯಾಕ್ ಮಾಡುತ್ತಾರೆ ಮಾಹಿತಿ ವ್ಯವಸ್ಥೆಗಳುಉದ್ಯಮಗಳು, ತದನಂತರ "ಕಪ್ಪು" ಇಂಟರ್ನೆಟ್ನಲ್ಲಿ ಅವರಿಗೆ ಪ್ರವೇಶವನ್ನು ಮಾರಾಟ ಮಾಡಿ. ಒಂದು ಭಾಗದಲ್ಲಿ ಇದ್ದರೆ ಗ್ಲೋಬ್ವೈಫಲ್ಯ ಅಥವಾ ವಂಚನೆ ಸಂಭವಿಸಿದಲ್ಲಿ, ವ್ಯಾಟ್ಸನ್ ಸಿಸ್ಟಮ್ ಸಿಸ್ಟಮ್ನ ಇತರ ಬಳಕೆದಾರರನ್ನು ಎಚ್ಚರಿಸುತ್ತದೆ.

ಔಷಧಿ. ಉತ್ತರ ಕೆರೊಲಿನಾ ವಿಶ್ವವಿದ್ಯಾಲಯ ಮತ್ತು 12 ಇತರ ಅಧ್ಯಯನ ಕೇಂದ್ರಗಳು ಆಂಕೊಲಾಜಿಕಲ್ ರೋಗಗಳುರೋಗಿಗಳ ಡಿಎನ್‌ಎಯನ್ನು ವಿಶ್ಲೇಷಿಸಲು ವ್ಯಾಟ್ಸನ್‌ನನ್ನು ಬಳಸಿ ನಂತರ ವೈಯಕ್ತೀಕರಿಸಿದ ಚಿಕಿತ್ಸೆಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸುತ್ತಿದ್ದಾರೆ.

ಅಂತಹ ಬೃಹತ್ ಮಾದರಿಯ ಮಾಹಿತಿಯನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಯಾವುದೇ ವೈದ್ಯರಿಗೆ ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ, ಕೇವಲ ಕಂಪ್ಯೂಟರ್

ಸೆಪ್ಟೆಂಬರ್ 3, 2015 ರಂದು 11:34 ಬೆಳಗ್ಗೆ

IBM ವ್ಯಾಟ್ಸನ್ ಕಾಗ್ನಿಟಿವ್ ಸಿಸ್ಟಮ್: ನೈಸರ್ಗಿಕ ಭಾಷೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ತತ್ವಗಳು

IBM ಬ್ಲಾಗ್,
ಕ್ರಮಾವಳಿಗಳು

IBM ವ್ಯಾಟ್ಸನ್ ಪ್ರಪಂಚದ ಮೊದಲ ಅರಿವಿನ ವ್ಯವಸ್ಥೆಗಳಲ್ಲಿ ಒಂದಾಗಿದೆ. ಈ ವ್ಯವಸ್ಥೆಯು ಬಹಳಷ್ಟು ಮಾಡಬಹುದು, ಇದಕ್ಕೆ ಧನ್ಯವಾದಗಳು ವ್ಯಾಟ್ಸನ್ ಅವರ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಅನೇಕ ಪ್ರದೇಶಗಳಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ - ಅಡುಗೆ ಮಾಡುವುದರಿಂದ ಹಿಡಿದು ಜನನಿಬಿಡ ಪ್ರದೇಶಗಳಲ್ಲಿ ಅಪಘಾತಗಳನ್ನು ಊಹಿಸುವವರೆಗೆ. ಸಾಮಾನ್ಯವಾಗಿ, ವ್ಯಾಟ್ಸನ್‌ನ ಹೆಚ್ಚಿನ ಸಾಮರ್ಥ್ಯಗಳು ಅನನ್ಯವಾಗಿಲ್ಲ, ಆದರೆ ಒಟ್ಟಿಗೆ ತೆಗೆದುಕೊಂಡರೆ, ಈ ಎಲ್ಲಾ ಸಾಮರ್ಥ್ಯಗಳು ವಿವಿಧ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಅತ್ಯಂತ ಶಕ್ತಿಯುತ ಸಾಧನವಾಗಿದೆ.

ಉದಾಹರಣೆಗೆ - ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಗುರುತಿಸುವಿಕೆ, ಡೈನಾಮಿಕ್ ಸಿಸ್ಟಮ್ ಕಲಿಕೆ, ಕಲ್ಪನೆಗಳ ನಿರ್ಮಾಣ ಮತ್ತು ಮೌಲ್ಯಮಾಪನ. ಇದೆಲ್ಲವೂ IBM ವ್ಯಾಟ್ಸನ್ ಆಪರೇಟರ್‌ನ ಪ್ರಶ್ನೆಗಳಿಗೆ ನೇರವಾದ, ಸರಿಯಾದ ಉತ್ತರಗಳನ್ನು (ಹೆಚ್ಚಿನ ಮಟ್ಟದ ವಿಶ್ವಾಸಾರ್ಹತೆಯೊಂದಿಗೆ) ನೀಡಲು ಕಲಿಯಲು ಅವಕಾಶ ಮಾಡಿಕೊಟ್ಟಿತು. ಅದೇ ಸಮಯದಲ್ಲಿ, ಅರಿವಿನ ವ್ಯವಸ್ಥೆಯು ಜಾಗತಿಕ ರಚನೆಯಿಲ್ಲದ ದತ್ತಾಂಶದ ದೊಡ್ಡ ಶ್ರೇಣಿಗಳನ್ನು ಬಳಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಬಿಗ್ ಡೇಟಾ. ಭಾಷೆಯೊಂದಿಗೆ IBM ವ್ಯಾಟ್ಸನ್ ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ ಎಂಬುದರ ಮೂಲ ತತ್ವಗಳು ಯಾವುವು? ಮುಂದಿನ ಭಾಗದಲ್ಲಿ ಇದರ ಬಗ್ಗೆ ಇನ್ನಷ್ಟು.

ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಗುರುತಿಸುವಿಕೆಯ ಮುಖ್ಯ ಸವಾಲುಗಳು

ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ - ಪ್ರಾರಂಭಿಸಲಾಗುತ್ತಿದೆ

ಅನೇಕ ಕಂಪ್ಯೂಟರ್ ವ್ಯವಸ್ಥೆಗಳು ಭಾಷೆಯನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಸಮರ್ಥವಾಗಿವೆ, ಆದರೆ ವಿಶ್ಲೇಷಣೆಯು ಬಾಹ್ಯವಾಗಿದೆ. ಇದು ಅರ್ಥಪೂರ್ಣವಾಗಬಹುದು, ಉದಾಹರಣೆಗೆ, ದೊಡ್ಡ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯ ಮೇಲೆ ಭಾವನೆಗಳಲ್ಲಿನ ಬದಲಾವಣೆಗಳ ಪ್ರವೃತ್ತಿಗಳ ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯವಾಗಿ ಮಾನ್ಯವಾದ ಮೌಲ್ಯಮಾಪನವನ್ನು ಮಾಡಲು. ಇಲ್ಲಿ, ಮಾಹಿತಿ ವರ್ಗಾವಣೆಯ ನಿಖರತೆಯು ಬಹಳ ಮುಖ್ಯವಲ್ಲ, ಏಕೆಂದರೆ ತಪ್ಪು ಧನಾತ್ಮಕ ಫಲಿತಾಂಶಗಳ ಸಂಖ್ಯೆಯು ತಪ್ಪು ನಕಾರಾತ್ಮಕ ಫಲಿತಾಂಶಗಳ ಸಂಖ್ಯೆಗೆ ಸರಿಸುಮಾರು ಸಮಾನವಾಗಿರುತ್ತದೆ ಎಂದು ನಾವು ಭಾವಿಸಿದರೂ ಸಹ, ಅವರು ಪರಸ್ಪರ ರದ್ದುಗೊಳಿಸುತ್ತಾರೆ.

ಆದರೆ ಎಲ್ಲಾ ಪ್ರಕರಣಗಳು ಮುಖ್ಯವಾಗಿದ್ದರೆ, ಬಾಹ್ಯ ಭಾಷಾ ವಿಶ್ಲೇಷಣೆಯೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುವ ವ್ಯವಸ್ಥೆಗಳು ಇನ್ನು ಮುಂದೆ ತಮ್ಮ ಕೆಲಸವನ್ನು ಸರಿಯಾಗಿ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ. ಇದರ ಗಮನಾರ್ಹ ಉದಾಹರಣೆಯೆಂದರೆ ಯಾವುದೇ ಮೊಬೈಲ್ ಸಾಧನದ ಧ್ವನಿ ಸಹಾಯಕರಿಗೆ ಕಾರ್ಯವಾಗಬಹುದು. "ನನಗೆ ಪಿಜ್ಜಾವನ್ನು ಹುಡುಕಿ" ಎಂದು ನೀವು ಹೇಳಿದರೆ, ಸಹಾಯಕರು ಪಿಜ್ಜೇರಿಯಾಗಳ ಪಟ್ಟಿಯನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತಾರೆ. "ಮ್ಯಾಡ್ರಿಡ್‌ನಲ್ಲಿ ನನಗಾಗಿ ಪಿಜ್ಜಾವನ್ನು ಹುಡುಕಬೇಡಿ" ಎಂದು ನೀವು ಹೇಳಿದರೆ, ಉದಾಹರಣೆಗೆ, ಸಿಸ್ಟಮ್ ಇನ್ನೂ ಹುಡುಕುತ್ತದೆ. ಅಂತಹ ವ್ಯವಸ್ಥೆಗಳು ಕೆಲವು ಕೀವರ್ಡ್‌ಗಳನ್ನು ಗುರುತಿಸುವ ಮೂಲಕ ಮತ್ತು ನಿರ್ದಿಷ್ಟ ನಿಯಮಗಳನ್ನು ಬಳಸುವ ಮೂಲಕ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ. ನಿರ್ದಿಷ್ಟ ನಿಯಮಗಳ ವ್ಯವಸ್ಥೆಯಲ್ಲಿ ಫಲಿತಾಂಶವು ನಿಖರವಾಗಿರಬಹುದು, ಆದರೆ ತಪ್ಪಾಗಿದೆ.

ಆಳವಾದ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆ

ಭಾವನೆಗಳು ಮತ್ತು ಇತರ ಅಂಶಗಳನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಂಡು ಸಂಕೀರ್ಣ ಶಬ್ದಾರ್ಥದ ರಚನೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ವ್ಯವಸ್ಥೆಯನ್ನು ಕಲಿಸಲು, ತಜ್ಞರು ಆಳವಾದ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣೆಯನ್ನು ಬಳಸಿದರು. ಅವುಗಳೆಂದರೆ, ಪ್ರಶ್ನೆ-ಉತ್ತರ ನೀಡುವ ವಿಷಯ ವಿಶ್ಲೇಷಣಾ ವ್ಯವಸ್ಥೆ (ಆಳವಾದ ಪ್ರಶ್ನೆ*ಉತ್ತರ, ಡೀಪ್‌ಕ್ಯೂಎ). ಹೆಚ್ಚಿನ ನಿಖರತೆಯ ಅಗತ್ಯವಿದ್ದರೆ, ಹೆಚ್ಚುವರಿ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣಾ ವಿಧಾನಗಳನ್ನು ಬಳಸಬೇಕು.
IBM ವ್ಯಾಟ್ಸನ್ ಆಳವಾದ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣಾ ವ್ಯವಸ್ಥೆಯಾಗಿದೆ. ನಿರ್ದಿಷ್ಟ ಪ್ರಶ್ನೆಯನ್ನು ವಿಶ್ಲೇಷಿಸುವಾಗ, ಸರಿಯಾದ ಉತ್ತರವನ್ನು ನೀಡಲು, ಸಿಸ್ಟಮ್ ಸಾಧ್ಯವಾದಷ್ಟು ವಿಶಾಲವಾದ ಸಂದರ್ಭವನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಲು ಪ್ರಯತ್ನಿಸುತ್ತದೆ. ಇದು ಪ್ರಶ್ನೆಯ ಮಾಹಿತಿಯನ್ನು ಮಾತ್ರವಲ್ಲದೆ ಜ್ಞಾನದ ಮೂಲ ಡೇಟಾವನ್ನು ಸಹ ಬಳಸುತ್ತದೆ.
ನೈಸರ್ಗಿಕ ಭಾಷೆಯ ಆಳವಾದ ಸಂಸ್ಕರಣೆಯ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿರುವ ವ್ಯವಸ್ಥೆಯ ರಚನೆಯು ಮತ್ತೊಂದು ಸಮಸ್ಯೆಯನ್ನು ಪರಿಹರಿಸಲು ಸಾಧ್ಯವಾಗಿಸಿತು - ಪ್ರತಿದಿನ ಉತ್ಪತ್ತಿಯಾಗುವ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯ ವಿಶ್ಲೇಷಣೆ. ಇದು ಟ್ವೀಟ್‌ಗಳು, ಸಾಮಾಜಿಕ ಮಾಧ್ಯಮ ಪೋಸ್ಟ್‌ಗಳು, ವರದಿಗಳು, ಲೇಖನಗಳು ಇತ್ಯಾದಿಗಳಂತಹ ರಚನೆಯಿಲ್ಲದ ಮಾಹಿತಿಯಾಗಿದೆ. IBM ವ್ಯಾಟ್ಸನ್ ಮಾನವ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸಲು ಇದನ್ನೆಲ್ಲ ಬಳಸಲು ಕಲಿತಿದ್ದಾರೆ.

IBM ವ್ಯಾಟ್ಸನ್ ಕಾಗ್ನಿಟಿವ್ ಸಿಸ್ಟಮ್

ವ್ಯಾಟ್ಸನ್ ವಿಭಿನ್ನ ಮಟ್ಟದ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಾಮರ್ಥ್ಯ. ಸಿಸ್ಟಮ್ ನೈಸರ್ಗಿಕ ಭಾಷೆಯಲ್ಲಿ ಕೆಲವು ಹೇಳಿಕೆಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸಬಹುದು ಮತ್ತು ಈ ಹೇಳಿಕೆಗಳ ನಡುವೆ ಸಂಪರ್ಕವನ್ನು ಕಂಡುಹಿಡಿಯಬಹುದು. ಅದೇ ಸಮಯದಲ್ಲಿ, ವ್ಯಾಟ್ಸನ್ ಕಾರ್ಯವನ್ನು ನಿಭಾಯಿಸುತ್ತಾನೆ, ಅನೇಕ ಸಂದರ್ಭಗಳಲ್ಲಿ, ಮಾನವನಿಗಿಂತ ಉತ್ತಮವಾಗಿದೆ, ಆದರೆ ಡೇಟಾ ಸಂಸ್ಕರಣೆಯು ಹೆಚ್ಚು ವೇಗವಾಗಿರುತ್ತದೆ, ಕೆಲಸವನ್ನು ಹೆಚ್ಚು ದೊಡ್ಡ ಪ್ರಮಾಣದಲ್ಲಿ ನಡೆಸಲಾಗುತ್ತದೆ - ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಇದಕ್ಕೆ ಅಸಮರ್ಥನಾಗಿರುತ್ತಾನೆ.

ಅರಿವಿನ ವ್ಯವಸ್ಥೆಯ ಮೂಲ ಗುಣಲಕ್ಷಣಗಳು

ಸಿಸ್ಟಮ್ ಈ ಕ್ರಮದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ:

2. ಕೆಲವು ಹಂತದ ಸಂಭವನೀಯತೆಯೊಂದಿಗೆ, ಅಗತ್ಯವಿರುವ ಉತ್ತರವನ್ನು ಒಳಗೊಂಡಿರುವ ಪದಗುಚ್ಛಗಳ ಹುಡುಕಾಟದಲ್ಲಿ ಕಾರ್ಪಸ್ ಅನ್ನು ಸ್ಕ್ಯಾನ್ ಮಾಡುವ ಮೂಲಕ ಸಿಸ್ಟಮ್ ಊಹೆಗಳ ಸರಣಿಯನ್ನು ರಚಿಸುತ್ತದೆ. ರಚನಾತ್ಮಕವಲ್ಲದ ಮಾಹಿತಿಯ ಸ್ಟ್ರೀಮ್‌ಗಳ ಮೂಲಕ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ಹುಡುಕಲು, ಸಂಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನ ಕಂಪ್ಯೂಟಿಂಗ್ ಸಾಮರ್ಥ್ಯಗಳ ಅಗತ್ಯವಿದೆ - ಅವುಗಳನ್ನು ಅರಿವಿನ ವ್ಯವಸ್ಥೆಗಳು ಎಂದು ಕರೆಯಲಾಗುತ್ತದೆ. (ನನಗೆ ಕೊನೆಯ ವಾಕ್ಯ ಮತ್ತು ನಕ್ಷತ್ರ ಚಿಹ್ನೆಯ ಪಾತ್ರ ನಿಜವಾಗಿಯೂ ಅರ್ಥವಾಗುತ್ತಿಲ್ಲ)

3. ವ್ಯವಸ್ಥೆಯು ಪ್ರಶ್ನೆಯ ಭಾಷೆಯ ಆಳವಾದ ಹೋಲಿಕೆ ಮತ್ತು ಪ್ರತಿಯೊಂದು ಸಂಭವನೀಯ ಉತ್ತರ ಆಯ್ಕೆಗಳ ಭಾಷೆಯ ವಿವಿಧ ನಿರ್ಣಯ ಕ್ರಮಾವಳಿಗಳನ್ನು ಬಳಸುತ್ತದೆ.

ಇದು ಕಷ್ಟಕರವಾದ ಹಂತವಾಗಿದೆ. ನೂರಾರು ನಿರ್ಣಯ ಅಲ್ಗಾರಿದಮ್‌ಗಳಿವೆ, ಮತ್ತು ಅವೆಲ್ಲವೂ ವಿಭಿನ್ನ ಹೋಲಿಕೆಗಳನ್ನು ನಿರ್ವಹಿಸುತ್ತವೆ. ಉದಾಹರಣೆಗೆ, ಕೆಲವು ಹೊಂದಾಣಿಕೆಯ ಪದಗಳು ಮತ್ತು ಸಮಾನಾರ್ಥಕಗಳನ್ನು ಹುಡುಕುತ್ತದೆ, ಇತರರು ತಾತ್ಕಾಲಿಕ ಮತ್ತು ಪ್ರಾದೇಶಿಕ ವೈಶಿಷ್ಟ್ಯಗಳನ್ನು ನೋಡುತ್ತಾರೆ, ಇತರರು ಸಂದರ್ಭೋಚಿತ ಮಾಹಿತಿಯ ಸಂಬಂಧಿತ ಮೂಲಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುತ್ತಾರೆ.

5. ಪಡೆದ ಪ್ರತಿ ಸ್ಕೋರ್‌ಗೆ ಸಂಖ್ಯಾಶಾಸ್ತ್ರದ ಮಾದರಿಯಿಂದ ತೂಕವನ್ನು ನಿಗದಿಪಡಿಸಲಾಗುತ್ತದೆ, ಅದು ವ್ಯಾಟ್ಸನ್‌ನ "ತರಬೇತಿ ಅವಧಿಯಲ್ಲಿ" ಆ ಡೊಮೇನ್‌ನಲ್ಲಿ ಎರಡು ರೀತಿಯ ಪದಗುಚ್ಛಗಳ ನಡುವಿನ ತಾರ್ಕಿಕ ಸಂಪರ್ಕಗಳನ್ನು ಗುರುತಿಸುವಲ್ಲಿ ಅಲ್ಗಾರಿದಮ್ ಎಷ್ಟು ಚೆನ್ನಾಗಿ ಮಾಡಿದೆ ಎಂಬುದನ್ನು ದಾಖಲಿಸುತ್ತದೆ. ಈ ಅಂಕಿಅಂಶಗಳ ಮಾದರಿಯನ್ನು ವ್ಯಾಟ್ಸನ್‌ನ ಒಟ್ಟಾರೆ ಮಟ್ಟದ ಆತ್ಮವಿಶ್ವಾಸವನ್ನು ನಿರ್ಧರಿಸಲು ಬಳಸಬಹುದು, ಅದು ಪ್ರಶ್ನೆಯಿಂದ ಸಂಭವನೀಯ ಉತ್ತರವನ್ನು ಅನುಸರಿಸುತ್ತದೆ.

6. ವ್ಯಾಟ್ಸನ್ ಇತರರಿಗಿಂತ ಸರಿಯಾಗಿರಲು ಉತ್ತಮ ಅವಕಾಶವನ್ನು ಹೊಂದಿರುವ ಉತ್ತರಗಳನ್ನು ಕಂಡುಕೊಳ್ಳುವವರೆಗೆ ಪ್ರತಿಯೊಂದು ಸಂಭವನೀಯ ಉತ್ತರಕ್ಕೂ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಪುನರಾವರ್ತಿಸುತ್ತಾನೆ.

ಮೇಲೆ ಹೇಳಿದಂತೆ, ಪ್ರಶ್ನೆಗೆ ಸರಿಯಾಗಿ ಉತ್ತರಿಸಲು, ಸಿಸ್ಟಮ್ ಹೆಚ್ಚುವರಿ ಡೇಟಾ ಮೂಲಗಳನ್ನು ಪ್ರವೇಶಿಸುವ ಅಗತ್ಯವಿದೆ. ಇವು ಪಠ್ಯಪುಸ್ತಕಗಳು, ಕೈಪಿಡಿಗಳು, FAQ ಗಳು, ಸುದ್ದಿಗಳು ಮತ್ತು ಎಲ್ಲವೂ ಆಗಿರಬಹುದು. ವ್ಯಾಟ್ಸನ್ ಸರಿಯಾದ ಉತ್ತರವನ್ನು ಪಡೆಯಲು ಸೆಕೆಂಡುಗಳಲ್ಲಿ ದೊಡ್ಡ ಪ್ರಮಾಣದ ಮಾಹಿತಿಯನ್ನು ಪ್ರಕ್ರಿಯೆಗೊಳಿಸುತ್ತಾನೆ. ಅದೇ ಸಮಯದಲ್ಲಿ, ಕಂಡುಬರುವ ವಿಷಯವನ್ನು ಸಹ ಪರಿಶೀಲಿಸಲಾಗುತ್ತದೆ, ಹಳೆಯದು ಮತ್ತು ಅನುಪಯುಕ್ತ ಡೇಟಾವನ್ನು ತೆಗೆದುಹಾಕಲಾಗುತ್ತದೆ.

ಅರಿವಿನ ವ್ಯವಸ್ಥೆಯ ಅಂಶಗಳು

ಊಹೆಗಳನ್ನು ರಚಿಸುವ ಮತ್ತು ಪರೀಕ್ಷಿಸುವ ಸಾಮರ್ಥ್ಯ;
- ಘಟಕಗಳಾಗಿ ವಿಭಜಿಸುವ ಮತ್ತು ಭಾಷೆಯ ಬಗ್ಗೆ ತಾರ್ಕಿಕ ತೀರ್ಮಾನಗಳನ್ನು ನಿರ್ಮಿಸುವ ಸಾಮರ್ಥ್ಯ;
- ಉಪಯುಕ್ತ ಮಾಹಿತಿಯನ್ನು ಹಿಂಪಡೆಯುವ ಮತ್ತು ಮೌಲ್ಯಮಾಪನ ಮಾಡುವ ಸಾಮರ್ಥ್ಯ (ಉದಾಹರಣೆಗೆ ದಿನಾಂಕಗಳು, ಸ್ಥಳಗಳು ಮತ್ತು ಗುಣಲಕ್ಷಣಗಳು).

ಈ ಸಾಮರ್ಥ್ಯಗಳಿಲ್ಲದೆ, ಪ್ರಶ್ನೆಗಳು ಮತ್ತು ಉತ್ತರಗಳ ನಡುವಿನ ಸರಿಯಾದ ಸಂಬಂಧವನ್ನು ನಿರ್ಧರಿಸಲು ಕಂಪ್ಯೂಟರ್ ಅಥವಾ ಮಾನವನಿಗೆ ಸಾಧ್ಯವಾಗುವುದಿಲ್ಲ.
ಉನ್ನತ ಕ್ರಮಾಂಕದ ಅರಿವಿನ ಪ್ರಕ್ರಿಯೆಗಳು ವರ್ತನೆಯ ಆಧಾರವಾಗಿರುವ ವಿಧಾನಗಳ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸುವ ಮೂಲಕ ಉನ್ನತ ಮಟ್ಟದ ತಿಳುವಳಿಕೆಯನ್ನು ಸಾಧಿಸಬಹುದು. ಏನನ್ನಾದರೂ ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು, ನಾವು ಮಾಹಿತಿಯನ್ನು ಸಣ್ಣ ಅಂಶಗಳಾಗಿ ವಿಭಜಿಸಲು ಶಕ್ತರಾಗಿರಬೇಕು, ಅದು ಪ್ರಶ್ನೆಯ ಮಟ್ಟದಲ್ಲಿ ಉತ್ತಮವಾಗಿ ಸಂಘಟಿತವಾಗಿದೆ. ಮಾನವರಲ್ಲಿ ಭೌತಿಕ ಪ್ರಕ್ರಿಯೆಗಳು ಕಾಸ್ಮಿಕ್ ಪ್ರಮಾಣದಲ್ಲಿ ಅಥವಾ ಪ್ರಾಥಮಿಕ ಕಣಗಳ ಮಟ್ಟದಲ್ಲಿ ಪ್ರಕ್ರಿಯೆಗಳಿಂದ ಸಂಪೂರ್ಣವಾಗಿ ವಿಭಿನ್ನವಾಗಿ ಮುಂದುವರಿಯುತ್ತದೆ. ಅಂತೆಯೇ, ಅರಿವಿನ ವ್ಯವಸ್ಥೆಗಳು ಮಾನವ ಮಟ್ಟದಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ವಿನ್ಯಾಸಗೊಳಿಸಲ್ಪಟ್ಟಿವೆ, ಅವುಗಳು ಬೃಹತ್ ವೈವಿಧ್ಯಮಯ ಜನರನ್ನು ಪ್ರತಿನಿಧಿಸುತ್ತವೆ.

ಈ ನಿಟ್ಟಿನಲ್ಲಿ, ಭಾಷೆಯನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಭಾಷೆಯ ಸರಳ ನಿಯಮಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದರೊಂದಿಗೆ ಪ್ರಾರಂಭವಾಗುತ್ತದೆ - ಔಪಚಾರಿಕ ವ್ಯಾಕರಣ ಮಾತ್ರವಲ್ಲ, ದೈನಂದಿನ ಬಳಕೆಯಲ್ಲಿ ಆಚರಿಸಲಾಗುವ ಅನೌಪಚಾರಿಕ ಸಂಪ್ರದಾಯಗಳೂ ಸಹ.

ಇದೆಲ್ಲ ಯಾಕೆ?

ಈಗ, ವರ್ಷಗಳ ತರಬೇತಿ ಮತ್ತು ಸುಧಾರಣೆಗೆ ಧನ್ಯವಾದಗಳು, IBM ವ್ಯಾಟ್ಸನ್ ಅರಿವಿನ ವ್ಯವಸ್ಥೆಯು ವಿವಿಧ ಕ್ಷೇತ್ರಗಳಲ್ಲಿ ಕೆಲಸ ಮಾಡಬಹುದು. ಇಲ್ಲಿ ನಾವು ಔಷಧ, ಅಡುಗೆ, ಭಾಷಾಶಾಸ್ತ್ರ ಮತ್ತು ವೈಜ್ಞಾನಿಕ ಸಮಸ್ಯೆಗಳೊಂದಿಗೆ ವ್ಯಾಪಾರ ಸಮಸ್ಯೆಗಳನ್ನು ಪರಿಹರಿಸುತ್ತೇವೆ.

ಕಂಪನಿಯು ತನ್ನ ಆಯ್ಕೆಯು ಸರಿಯಾಗಿದೆ ಎಂದು ಈಗಾಗಲೇ ಹಲವು ಬಾರಿ ಮನವರಿಕೆಯಾಗಿದೆ - ಮೊದಲು

) ಡೇವಿಡ್ ಫೆರುಸ್ಸಿ ನೇತೃತ್ವದ ಸಂಶೋಧಕರ ಗುಂಪಿನಿಂದ ರಚಿಸಲ್ಪಟ್ಟ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ ವ್ಯವಸ್ಥೆಯನ್ನು ಹೊಂದಿರುವ IBM ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್ ಆಗಿದೆ. ಇದರ ರಚನೆಯು DeepQA ಯೋಜನೆಯ ಭಾಗವಾಗಿದೆ. ನೈಸರ್ಗಿಕ ಭಾಷೆಯಲ್ಲಿ ರೂಪಿಸಲಾದ ಪ್ರಶ್ನೆಗಳನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳುವುದು ಮತ್ತು ಡೇಟಾಬೇಸ್‌ನಲ್ಲಿ ಅವುಗಳಿಗೆ ಉತ್ತರಗಳನ್ನು ಕಂಡುಹಿಡಿಯುವುದು ವ್ಯಾಟ್ಸನ್‌ನ ಮುಖ್ಯ ಕಾರ್ಯವಾಗಿದೆ. IBM ಸಂಸ್ಥಾಪಕ ಥಾಮಸ್ ವ್ಯಾಟ್ಸನ್ ಅವರ ಹೆಸರನ್ನು ಇಡಲಾಗಿದೆ.

"ಜೆಪರ್ಡಿ!" ನಲ್ಲಿ ಭಾಗವಹಿಸುವಿಕೆ

ಫೆಬ್ರವರಿ 2011 ರಲ್ಲಿ, ವ್ಯಾಟ್ಸನ್ ಅವರ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು, ಅವರು ದೂರದರ್ಶನ ಕಾರ್ಯಕ್ರಮ ಜೆಪರ್ಡಿಯಲ್ಲಿ ಭಾಗವಹಿಸಿದರು! (ರಷ್ಯನ್ ಸಮಾನ - ಸ್ವಂತ ಆಟ). ಅವರ ಎದುರಾಳಿಗಳೆಂದರೆ ಕಾರ್ಯಕ್ರಮದ ಅತಿ ದೊಡ್ಡ ವಿಜೇತರಾದ ಬ್ರಾಡ್ ರಟರ್ ಮತ್ತು ಕೆನ್ ಜೆನ್ನಿಂಗ್ಸ್, ಅತಿ ಉದ್ದದ ಅಜೇಯ ಸ್ಟ್ರೀಕ್‌ನ ದಾಖಲೆ ಹೊಂದಿರುವವರು. ವ್ಯಾಟ್ಸನ್ $1 ಮಿಲಿಯನ್ ಪಡೆದರೆ, ಜೆನ್ನಿಂಗ್ಸ್ ಮತ್ತು ರಟರ್ ಕ್ರಮವಾಗಿ $300,000 ಮತ್ತು $200,000 ಪಡೆದರು.

ವೇದಿಕೆ

ವ್ಯಾಟ್ಸನ್ 90 Power7 750 ಸರ್ವರ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿದೆ, ಪ್ರತಿಯೊಂದೂ 4 ಅನ್ನು ಹೊಂದಿರುತ್ತದೆ ಎಂಟು-ಕೋರ್ ಪ್ರೊಸೆಸರ್ POWER7. ಒಟ್ಟು RAMವ್ಯಾಟ್ಸನ್ 15 ಟೆರಾಬೈಟ್‌ಗಳಿಗಿಂತ ಹೆಚ್ಚು ಹೊಂದಿದೆ.

ವ್ಯವಸ್ಥೆಯು 4 ಟೆರಾಬೈಟ್‌ಗಳ ಪರಿಮಾಣದೊಂದಿಗೆ ರಚನಾತ್ಮಕ ಮತ್ತು ರಚನೆಯಿಲ್ಲದ ಮಾಹಿತಿಯ 200 ಮಿಲಿಯನ್ ಪುಟಗಳಿಗೆ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿತ್ತು. ಪೂರ್ಣ ಪಠ್ಯವಿಕಿಪೀಡಿಯಾ. ಆಟದ ಸಮಯದಲ್ಲಿ, ವ್ಯಾಟ್ಸನ್ ಇಂಟರ್ನೆಟ್ಗೆ ಪ್ರವೇಶವನ್ನು ಹೊಂದಿರಲಿಲ್ಲ.

ಯೋಜನೆಯ ಭವಿಷ್ಯ

IBM, Nuance Communications ಜೊತೆಗೆ ಮುಂದಿನ ಎರಡು ವರ್ಷಗಳಲ್ಲಿ ರೋಗಿಗಳನ್ನು ಪತ್ತೆಹಚ್ಚಲು ಮತ್ತು ಚಿಕಿತ್ಸೆ ನೀಡಲು ಸಹಾಯ ಮಾಡುವ ಉದ್ದೇಶದಿಂದ ಉತ್ಪನ್ನವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಯೋಜಿಸಿದೆ. ವಿಮಾ ಪಾಲಿಸಿಗಳನ್ನು ನಿರ್ಣಯಿಸುವುದು ಅಥವಾ ಇಂಧನ ದಕ್ಷತೆಯಂತಹ ಇತರ ಕ್ಷೇತ್ರಗಳಲ್ಲಿನ ಅಪ್ಲಿಕೇಶನ್‌ಗಳನ್ನು ಸಹ ಪರಿಗಣಿಸಲಾಗುತ್ತಿದೆ.

ವ್ಯಾಟ್ಸನ್ ಕಥೆಯು 2006 ರಲ್ಲಿ ಪ್ರಾರಂಭವಾಯಿತು, IBM ನ ಹಿರಿಯ ವ್ಯವಸ್ಥಾಪಕ ಡೇವಿಡ್ ಫೆರುಸಿ ಲಾಕ್ಷಣಿಕ ವಿಶ್ಲೇಷಣೆ, ಹೆಚ್ಚಿನದನ್ನು ಪರೀಕ್ಷಿಸಲು ಪ್ರಾರಂಭಿಸಿದರು ಶಕ್ತಿಶಾಲಿ ಸೂಪರ್ ಕಂಪ್ಯೂಟರ್ಕಂಪನಿಯು ವಿಶ್ವದ 500 ಹೆಚ್ಚು ಉತ್ಪಾದಕ ಕಾರುಗಳಲ್ಲಿ ಅಗ್ರ ಸ್ಥಾನವನ್ನು ಪಡೆದುಕೊಂಡಿದೆ. "ನೈಸರ್ಗಿಕ ಭಾಷೆ"ಯಿಂದ ಉಂಟಾಗುವ ಕಾರ್ಯಗಳನ್ನು ಯಂತ್ರವು ಎಷ್ಟು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ನಿಭಾಯಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಪರೀಕ್ಷಿಸಲು ಫೆರುಸಿ ನಿರ್ಧರಿಸಿದರು ಮತ್ತು ಈಗಾಗಲೇ ನಡೆದ ಜೆಪರ್ಡಿಯಲ್ಲಿ ಕೇಳಲಾದ 500 ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸಲು ಅದನ್ನು ಆಹ್ವಾನಿಸಿದರು! ಫಲಿತಾಂಶಗಳು ವಿನಾಶಕಾರಿಯಾಗಿ ಹೊರಹೊಮ್ಮಿದವು: ಲೈವ್ ಪ್ಲೇಯರ್‌ಗಳಿಗೆ ಹೋಲಿಸಿದರೆ, ಯಂತ್ರವು ಸಾಕಷ್ಟು ಬೇಗನೆ “ಗುಂಡಿಯನ್ನು ಒತ್ತಿ” ಮಾಡಲಿಲ್ಲ (ಅಂದರೆ, ಅದು ಉತ್ತರಿಸಲು ಸಿದ್ಧವಾಗಿದೆ), ಮತ್ತು ಅದು ಇನ್ನೂ ಜನರೊಂದಿಗೆ ಸ್ಪರ್ಧಿಸಬಹುದಾದ ಸಂದರ್ಭದಲ್ಲಿ, ಸಂಖ್ಯೆ ಸರಿಯಾದ ಉತ್ತರಗಳು 15% ಮೀರುವುದಿಲ್ಲ

ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್‌ನ ಈ ನಡವಳಿಕೆಗೆ ಕಾರಣಗಳ ಬಗ್ಗೆ ಫೆರುಸ್ಸಿ ಆಸಕ್ತಿ ಹೊಂದಿದ್ದರು ಮತ್ತು ಇದರ ಪರಿಣಾಮವಾಗಿ, 2007 ರಲ್ಲಿ ಅವರು IBM ಮ್ಯಾನೇಜ್‌ಮೆಂಟ್‌ಗೆ 15 ಜನರ ತಂಡವನ್ನು ನೀಡಲು ಮತ್ತು 3 ರಿಂದ 5 ವರ್ಷಗಳವರೆಗೆ ಪರಿಣಾಮಕಾರಿಯಾಗಿ ರಚಿಸಲು ಮನವೊಲಿಸಲು ಸಾಧ್ಯವಾಯಿತು. ಸ್ವಯಂಚಾಲಿತ ವ್ಯವಸ್ಥೆಅನೌಪಚಾರಿಕ ಪ್ರಶ್ನೆಗಳಿಗೆ ಉತ್ತರಿಸುವ ಸಾಮರ್ಥ್ಯ. ಇಂತಹ ವ್ಯವಸ್ಥೆಯು ಎಲ್ಲಾ ರೀತಿಯ ಕಾಲ್ ಸೆಂಟರ್‌ಗಳು, ಸಹಾಯ ಕೇಂದ್ರಗಳು ಮತ್ತು ಗ್ರಾಹಕರಿಗೆ ಸೇವೆ ಸಲ್ಲಿಸುವ ಯಾವುದೇ ಇತರ ಸೇವೆಗಳಿಗೆ ಉಪಯುಕ್ತವಾಗಿರುತ್ತದೆ. IBM ಈಗಾಗಲೇ ಹೊಂದಿತ್ತು ಯಶಸ್ವಿ ಅನುಭವಮಾನವ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ಸ್ಪರ್ಧಿಸಬಲ್ಲ ಯಂತ್ರವನ್ನು ರಚಿಸುವುದು - ನಾವು ಸೂಪರ್ ಕಂಪ್ಯೂಟರ್ ಡೀಪ್ ಬ್ಲೂ ಬಗ್ಗೆ ಮಾತನಾಡುತ್ತಿದ್ದೇವೆ, ಇದು 1997 ರಲ್ಲಿ ವಿಶ್ವ ಚೆಸ್ ಚಾಂಪಿಯನ್ ಗ್ಯಾರಿ ಕಾಸ್ಪರೋವ್ ಅವರನ್ನು ಸೋಲಿಸಿತು. ಈ ವಿಜಯವು IBM ಗೆ ದೊಡ್ಡ ಜಾಹೀರಾತನ್ನು ಮಾಡಿತು, ಆದರೆ ಅಂತಹ ಅನುಸ್ಥಾಪನೆಗೆ ಯಾವುದೇ ವಾಣಿಜ್ಯ ಅಪ್ಲಿಕೇಶನ್ ಕಂಡುಬಂದಿಲ್ಲ. ಸ್ವಯಂಚಾಲಿತ ಪ್ರಶ್ನೆ ಉತ್ತರಿಸುವ ವ್ಯವಸ್ಥೆಯ ಸಂದರ್ಭದಲ್ಲಿ, ವಾಣಿಜ್ಯ ಸಾಮರ್ಥ್ಯವು ಸಾಕಷ್ಟು ಸ್ಪಷ್ಟವಾಗಿರುತ್ತದೆ.

ಮೂಲಭೂತ ವ್ಯತ್ಯಾಸಡೀಪ್ ಬ್ಲೂ'ಸ್ ವ್ಯಾಟ್ಸನ್ ಎಂದರೆ ಚೆಸ್ ಯಂತ್ರವು ಆಟದ ಕಟ್ಟುನಿಟ್ಟಾದ ತಾರ್ಕಿಕ ನಿಯಮಗಳೊಂದಿಗೆ ವ್ಯವಹರಿಸುವಾಗ, "ನೈಸರ್ಗಿಕ ಭಾಷಣ"ವನ್ನು ಗುರುತಿಸುವ ಯಂತ್ರವು ಹೆಚ್ಚು ಎದುರಿಸುತ್ತದೆ ಸಂಕೀರ್ಣ ನಿಯಮಗಳುಭಾಷೆ ಮತ್ತು ಅವುಗಳಿಂದ ಹಲವಾರು ವಿರೂಪಗಳು ಮತ್ತು ವಿಚಲನಗಳು. ಆದರೆ ದೊಡ್ಡ ಸವಾಲು ಎಂದರೆ ಜನರು ಅದನ್ನು ಅರಿತುಕೊಳ್ಳದೆ ತಮ್ಮ ಸಾಂಸ್ಕೃತಿಕ ಮತ್ತು ಸಾಮಾಜಿಕ ಸನ್ನಿವೇಶದಲ್ಲಿ ಸಂವಹನ ನಡೆಸುತ್ತಾರೆ. ಆಡುಮಾತಿನ ಭಾಷಣವು ಸುಳಿವುಗಳು, ಪ್ರಸ್ತಾಪಗಳು ಮತ್ತು ಅರ್ಥಗಳು, ನಿರ್ದಿಷ್ಟ ಸಾಮಾಜಿಕ ಪರಿಸರಕ್ಕೆ ಸಾಮಾನ್ಯವಾದ ಕೆಲವು ಸಂಗತಿಗಳು, ಪರಿಕಲ್ಪನೆಗಳು ಮತ್ತು ವಿದ್ಯಮಾನಗಳ ಉಲ್ಲೇಖಗಳಿಂದ ತುಂಬಿರುತ್ತದೆ. ಇವುಗಳಲ್ಲಿ ಧಾರ್ಮಿಕ ವಿಚಾರಗಳು, ರಾಜಕೀಯ ನಂಬಿಕೆಗಳು ಮತ್ತು ಎಲ್ಲಾ ರೀತಿಯ ಕಲಾಕೃತಿಗಳು ಸೇರಿವೆ - ಪುಸ್ತಕಗಳು ಮತ್ತು ವರ್ಣಚಿತ್ರಗಳಿಂದ ಚಲನಚಿತ್ರಗಳು ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ಆಟಗಳು.

ಫಾರ್ ಸಮರ್ಥ ಸಂಸ್ಕರಣೆಅಂತಹ ಮಾಹಿತಿಯನ್ನು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅಲ್ಗಾರಿದಮ್‌ಗಳು ಬಳಸುತ್ತವೆ, ಇದು ವಿವಿಧ ರೀತಿಯ ದಾಖಲೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸುವ ಮೂಲಕ ಪರಸ್ಪರ ವಿಭಿನ್ನ ಪರಿಕಲ್ಪನೆಗಳ ಸಂಪರ್ಕವನ್ನು ಸ್ಥಾಪಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ. ಸರಳವಾಗಿ ಹೇಳುವುದಾದರೆ, ಯಾವ ಪದಗಳನ್ನು ಹೆಚ್ಚಾಗಿ ಒಟ್ಟಿಗೆ ಬಳಸಲಾಗುತ್ತದೆ ಎಂಬುದನ್ನು ಇದು ನಿರ್ಧರಿಸುತ್ತದೆ. ಉದಾಹರಣೆಗೆ, "ಕ್ರೆಮ್ಲಿನ್" ಹೆಚ್ಚಾಗಿ "ರಷ್ಯಾ", "ಮಾಸ್ಕೋ" ಪದಗಳೊಂದಿಗೆ ಸಂಬಂಧಿಸಿದೆ, ಸ್ವಲ್ಪ ಕಡಿಮೆ ಬಾರಿ "ಕಜಾನ್", " ನಿಜ್ನಿ ನವ್ಗೊರೊಡ್", ಇನ್ನೂ ಕಡಿಮೆ ಬಾರಿ - "ಕ್ಯಾಥೆಡ್ರಲ್", "ಐಕಾನ್", ಇತ್ಯಾದಿಗಳೊಂದಿಗೆ. ಈ ಅಲ್ಗಾರಿದಮ್‌ಗಳು ದೀರ್ಘಕಾಲದವರೆಗೆ ತಿಳಿದಿದ್ದರೂ, ಕಳೆದ ದಶಕದಲ್ಲಿ ಮಾತ್ರ ಅವುಗಳನ್ನು ಸಂಪೂರ್ಣವಾಗಿ ಅನ್ವಯಿಸಲು ಸಾಧ್ಯವಾಯಿತು - ಉತ್ಪಾದಕತೆಯ ನಾಟಕೀಯ ಹೆಚ್ಚಳದ ನಂತರ ಕಂಪ್ಯೂಟರ್ ತಂತ್ರಜ್ಞಾನಮತ್ತು ಬೃಹತ್ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಸಂಗ್ರಹಿಸುವುದಕ್ಕಾಗಿ ಡ್ರೈವ್‌ಗಳ ವೆಚ್ಚವನ್ನು ಕಡಿಮೆ ಮಾಡುವುದು.

ಫೆರುಸಿಯ ತಂಡವು IBM ವ್ಯಾಟ್ಸನ್ ಅವರ ಸ್ಮರಣೆಯಲ್ಲಿ ಲಕ್ಷಾಂತರ ಎಲ್ಲಾ ರೀತಿಯ ದಾಖಲೆಗಳನ್ನು ಲೋಡ್ ಮಾಡುತ್ತದೆ - ಪಠ್ಯಪುಸ್ತಕಗಳು, ವಿಶ್ವಕೋಶಗಳು, ಉಲ್ಲೇಖ ಪುಸ್ತಕಗಳು, ಕಾದಂಬರಿ ಮತ್ತು ಧಾರ್ಮಿಕ ಸಾಹಿತ್ಯ. ಪ್ರಶ್ನೆಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು, ನೂರಕ್ಕೂ ಹೆಚ್ಚು ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಏಕಕಾಲದಲ್ಲಿ ಬಳಸಲಾಗುತ್ತದೆ, ನೂರಾರು ನೀಡುತ್ತದೆ ಸಂಭವನೀಯ ಪರಿಹಾರಗಳು. ನಂತರ ಇತರ ಕ್ರಮಾವಳಿಗಳು ಸಂಭಾವ್ಯ ಉತ್ತರಗಳ ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡುತ್ತದೆ, ಕಾರಣದಿಂದ ಅಸಾಧ್ಯವಾದವುಗಳನ್ನು ತೆಗೆದುಹಾಕುತ್ತದೆ ವಸ್ತುನಿಷ್ಠ ಕಾರಣಗಳು(ಉದಾಹರಣೆಗೆ, ಘಟನೆಯ ದಿನಾಂಕ ಮತ್ತು ಪಾತ್ರಗಳ ಜೀವನದ ವರ್ಷಗಳ ನಡುವಿನ ವ್ಯತ್ಯಾಸಗಳು) ಮತ್ತು ಅಸಂಭವ. ಹೆಚ್ಚು ಒಂದೇ ರೀತಿಯ ಉತ್ತರಗಳನ್ನು ಸ್ವೀಕರಿಸಿದರೆ, ಅವು ಸರಿಯಾಗಿರುವ ಸಾಧ್ಯತೆ ಹೆಚ್ಚು - ಆಟದ ಸಮಯದಲ್ಲಿ, ಸ್ಕೋರ್‌ಬೋರ್ಡ್ ಹೆಚ್ಚು ಸಾಮಾನ್ಯವಾದ ಉತ್ತರಗಳ ಜೊತೆಗೆ ಹಲವಾರು ಸಂಭಾವ್ಯ ಉತ್ತರಗಳ ರೇಟಿಂಗ್ ಅನ್ನು ಪ್ರದರ್ಶಿಸುತ್ತದೆ.

2008 ರ ಹೊತ್ತಿಗೆ, IBM ವ್ಯಾಟ್ಸನ್ ಅಂಡರ್‌ಡಾಗ್‌ನಿಂದ ಸ್ಥಳಾಂತರಗೊಂಡಿತು ಮೇಲಿನ ಸಾಲುಗಳು"ವಿಜೇತರ ಮೇಘ" ಎಂದು ಕರೆಯಲ್ಪಡುವ ಜನರು, 50% ಪ್ರಕರಣಗಳಲ್ಲಿ, ಉತ್ತರಕ್ಕಾಗಿ ಸಿಗ್ನಲಿಂಗ್ ಸಿಗ್ನಲಿಂಗ್ ಬಟನ್ ಅನ್ನು ಮೊದಲು ಒತ್ತುವುದನ್ನು ನಿರ್ವಹಿಸುತ್ತಾರೆ ಮತ್ತು ನಂತರ 85-95% ಪ್ರಕರಣಗಳಲ್ಲಿ ಸರಿಯಾದ ಉತ್ತರವನ್ನು ನೀಡುತ್ತಾರೆ. 2010 ರ ಶರತ್ಕಾಲದಲ್ಲಿ ವ್ಯಾಟ್ಸನ್ ಮತ್ತು ಹಿಂದಿನ ವರ್ಷಗಳ ವಿಜೇತರ ಭಾಗವಹಿಸುವಿಕೆಯೊಂದಿಗೆ ವಿಶೇಷ ಸರಣಿ ಆಟಗಳನ್ನು ನಡೆಸಲು ಜೆಪರ್ಡಿ ನಿರ್ಮಾಪಕರೊಂದಿಗೆ IBM ಒಪ್ಪಿಕೊಂಡಿತು. ಈ ಆಟಗಳಿಗೆ ತಯಾರಿ ಮಾಡಲು (ಅಂದರೆ, ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಸುಧಾರಿಸಲು), ರಸಪ್ರಶ್ನೆ ಸ್ಟುಡಿಯೊದ ಅಂದಾಜು ಒಳಾಂಗಣವನ್ನು ಮರುಸೃಷ್ಟಿಸಲಾಗಿದೆ ಮತ್ತು ಲೈವ್ ಆಟಗಾರರು ಮತ್ತು ನಿರೂಪಕರ ಭಾಗವಹಿಸುವಿಕೆಯೊಂದಿಗೆ ಪರೀಕ್ಷೆಗಳನ್ನು ಕೈಗೊಳ್ಳಲು ಪ್ರಾರಂಭಿಸಿತು. ಅದೇ ಸಮಯದಲ್ಲಿ, ನಿರೀಕ್ಷಿಸಿದಂತೆ, "ವ್ಯಾಟ್ಸನ್" ಸಂಶ್ಲೇಷಿತ ಕಂಪ್ಯೂಟರ್ ಧ್ವನಿಯಲ್ಲಿ ತನ್ನ ಉತ್ತರಗಳನ್ನು ಜೋರಾಗಿ ನೀಡುತ್ತಾನೆ, ಇದು ಹಾಜರಿದ್ದವರನ್ನು ಬಹಳವಾಗಿ ರಂಜಿಸುತ್ತದೆ.

"ತರಬೇತಿ" ಸಮಯದಲ್ಲಿ, ಒಂದು ಕುತೂಹಲಕಾರಿ ಸಂಗತಿಯು ಹೊರಹೊಮ್ಮಿತು: ವ್ಯಾಟ್ಸನ್ ಅವರ ಸಂಪೂರ್ಣ ಸಾಮರ್ಥ್ಯವನ್ನು ಹೊಂದಿಲ್ಲದಿದ್ದರೂ, ಅವರು ಹೆಚ್ಚಿನ ಪಂದ್ಯಗಳನ್ನು ಗೆಲ್ಲಲು ಸಾಧ್ಯವಿಲ್ಲ, ಆದರೆ ಅವುಗಳಲ್ಲಿ ಅರ್ಧಕ್ಕಿಂತ ಹೆಚ್ಚಿನದನ್ನು ಕಳೆದುಕೊಳ್ಳಬಹುದು. ಹಲವಾರು ಕಾರಣಗಳಿವೆ: "ಹಿಸ್ ಮೆಜೆಸ್ಟಿಯ ಅವಕಾಶ" ದಿಂದ (ಎದುರಾಳಿಯು ಕೇವಲ ಪಾಲನ್ನು ಹೆಚ್ಚಿಸುವ ಮೂಲಕ, ಕಾರನ್ನು ದಿವಾಳಿಯಾಗಿಸುವ ಮೂಲಕ ಗೆಲ್ಲುವ ಸಂದರ್ಭಗಳು ಸಾಧ್ಯ) ನಿಯಮಗಳ ನಿಶ್ಚಿತಗಳಿಗೆ. ವಿಚಿತ್ರವೆಂದರೆ, ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಯಂತ್ರಕ್ಕಿಂತ ವೇಗವಾಗಿ ಗುಂಡಿಯನ್ನು ಒತ್ತಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಮತ್ತು ಇದು ಆಟದ ನಿಯಮಗಳ ಕಾರಣದಿಂದಾಗಿ, ಅದನ್ನು ಬದಲಾಯಿಸಲಾಗುವುದಿಲ್ಲ.

ಸತ್ಯವೆಂದರೆ ಪ್ರತಿ ಪ್ರಶ್ನೆಯನ್ನು ಪರದೆಯ ಮೇಲೆ ಪ್ರದರ್ಶಿಸಲಾಗುತ್ತದೆ ಮತ್ತು ಪ್ರೆಸೆಂಟರ್ ಓದುತ್ತಾರೆ ಮತ್ತು ಪ್ರಶ್ನೆಯನ್ನು ಓದಿದ ನಂತರವೇ ನೀವು ಬಟನ್ ಅನ್ನು ಒತ್ತಬಹುದು. ವ್ಯಾಟ್ಸನ್ ಪ್ರಶ್ನೆ ಪಠ್ಯವನ್ನು ಸ್ವೀಕರಿಸುತ್ತಾರೆ ಎಲೆಕ್ಟ್ರಾನಿಕ್ ರೂಪಏಕಕಾಲದಲ್ಲಿ ಅದರ ಔಟ್‌ಪುಟ್‌ನೊಂದಿಗೆ ಸ್ಕ್ರೀನ್‌ಗೆ, ಆದರೆ ಆಗಲೂ ಅದು ತಲುಪಲು ಸಮಯ ಹೊಂದಿಲ್ಲ ಸಿದ್ಧ ಪರಿಹಾರ ಮನುಷ್ಯನಿಗಿಂತ ವೇಗವಾಗಿ. ಪ್ರೆಸೆಂಟರ್ ಪ್ರಶ್ನೆಯನ್ನು ಓದುತ್ತಿರುವಾಗ, ಇದು ಆರರಿಂದ ಏಳು ಸೆಕೆಂಡುಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಒಬ್ಬ ಅನುಭವಿ ಆಟಗಾರನು ಸರಿಯಾದ ಉತ್ತರವನ್ನು ನೀಡುವ ಸಾಧ್ಯತೆಗಳನ್ನು ಈಗಾಗಲೇ ನಿರ್ಣಯಿಸಬಹುದು ಮತ್ತು ಕೇವಲ ಹತ್ತಾರು ಮಿಲಿಸೆಕೆಂಡುಗಳಲ್ಲಿ ಗುಂಡಿಯನ್ನು ಒತ್ತಲು ಸಿದ್ಧವಾಗಿದೆ. ನಿಯಮಗಳು ನಂತರದ ಉತ್ತರಕ್ಕಾಗಿ ಇನ್ನೊಂದು ಐದು ಸೆಕೆಂಡುಗಳನ್ನು ಅನುಮತಿಸುತ್ತವೆ.

ಒಂದು ಗುಂಡಿಯನ್ನು ಒತ್ತುವ ಮೂಲಕ, ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಅಪಾಯವನ್ನು ತೆಗೆದುಕೊಳ್ಳುತ್ತಾನೆ: ಅವನು 100 ಘಟಕಗಳ ಪ್ರಶ್ನೆಗೆ ಸರಿಯಾದ ಉತ್ತರವನ್ನು ನೀಡದಿದ್ದರೆ, ಅವನು ವರ್ಚುವಲ್ ಖಾತೆಅದೇ ಮೊತ್ತಕ್ಕೆ ಖಾಲಿ ಇರುತ್ತದೆ. ಕಂಪ್ಯೂಟರ್ ಅಪಾಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಒಲವು ತೋರುವುದಿಲ್ಲ ಮತ್ತು ಎಲ್ಲಾ ಲೆಕ್ಕಾಚಾರಗಳನ್ನು ನಡೆಸಿದ ನಂತರವೇ ಉತ್ತರಗಳನ್ನು ನೀಡುತ್ತದೆ ಮತ್ತು ಈ ಉತ್ತರವು ಸರಿಯಾಗಿದೆ ಎಂದು ವಿಶ್ವಾಸಾರ್ಹತೆ ಮತ್ತು ಸಂಭವನೀಯತೆಯನ್ನು ನಿರ್ಣಯಿಸಲು ಸಾಕಷ್ಟು ಮಾಹಿತಿಯನ್ನು ಹೊಂದಿದ್ದರೆ ಮಾತ್ರ. ವೀಡಿಯೊದಲ್ಲಿ ಆಟದ ಸಮಯದಲ್ಲಿ ಅದು ಹೇಗೆ ಕಾಣುತ್ತದೆ ಎಂಬುದನ್ನು ನೀವು ನೋಡಬಹುದು. ಅಪಾಯಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳುವುದು, ಜೀವಂತ ಆಟಗಾರನು ತನಗೆ ಲಭ್ಯವಿರುವ 11-12 ಸೆಕೆಂಡುಗಳಲ್ಲಿ ಬಯಸಿದ ಉತ್ತರವನ್ನು ನೆನಪಿಸಿಕೊಳ್ಳುವ ಕಾರಣದಿಂದಾಗಿ ಗೆಲ್ಲಬಹುದು.

ಆಟದ ಪ್ರದರ್ಶನಕ್ಕಿಂತ ಸ್ವಲ್ಪ ಹೆಚ್ಚು ಔಪಚಾರಿಕ ಪರಿಸ್ಥಿತಿಯಲ್ಲಿ, ವ್ಯಾಟ್ಸನ್ ಅವರ ಕ್ರಮಾವಳಿಗಳು ಹೆಚ್ಚು ಊಹಿಸಬಹುದಾದ ಮತ್ತು ನಿಖರವಾದ ಉತ್ತರಗಳನ್ನು ಒದಗಿಸುತ್ತವೆ. ನಿರ್ದಿಷ್ಟವಾಗಿ ಹೇಳುವುದಾದರೆ, IBM ನ ಸಂಶೋಧನಾ ವಿಭಾಗದ ಮುಖ್ಯಸ್ಥ, ಜಾನ್ ಕೆಲ್ಲಿ, ಈ ಸಾಧನದ ವೈದ್ಯಕೀಯ ಆವೃತ್ತಿಯನ್ನು ಅನಧಿಕೃತವಾಗಿ ವ್ಯಾಟ್ಸನ್ ಎಂಡಿ ಅಡಿಯಲ್ಲಿ ರಚಿಸಲು ಉದ್ದೇಶಿಸಿದ್ದಾರೆ. ಅಂತಹ ವ್ಯವಸ್ಥೆಯು ವೈದ್ಯರಿಗೆ ತ್ವರಿತವಾಗಿ ಸರಿಯಾದ ನಿರ್ಧಾರಗಳನ್ನು ತೆಗೆದುಕೊಳ್ಳಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ, ರೋಗಿಯ ಬಗ್ಗೆ ಹೆಚ್ಚಿನ ಪ್ರಮಾಣದ ಡೇಟಾವನ್ನು ಗಣನೆಗೆ ತೆಗೆದುಕೊಳ್ಳುತ್ತದೆ, ಇದು ಯಾವಾಗಲೂ ನೆನಪಿನಲ್ಲಿಟ್ಟುಕೊಳ್ಳಲು ದೈಹಿಕವಾಗಿ ಅಸಾಧ್ಯವಾಗಿದೆ. "ವ್ಯಾಟ್ಸನ್" ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿ ಲೈವ್ ಆಪರೇಟರ್ಗಳನ್ನು ಬದಲಿಸಬಹುದು ಮತ್ತು ದೂರವಾಣಿ ಸೇವೆಗಳುವಿ ಚಿಲ್ಲರೆ ವ್ಯಾಪಾರ, ವಿ ಬ್ಯಾಂಕಿಂಗ್ ವಲಯಮತ್ತು ಸಾರಿಗೆಯಲ್ಲಿ.

IBM ವ್ಯಾಟ್ಸನ್-ಕ್ಲಾಸ್ ಸಿಸ್ಟಮ್‌ನ ಬೆಲೆ ಇಂದು ಹಲವಾರು ಮಿಲಿಯನ್ ಡಾಲರ್‌ಗಳಾಗಬಹುದು, ಏಕೆಂದರೆ ಇದು ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಕನಿಷ್ಠ ಒಂದು ಮಿಲಿಯನ್-ಡಾಲರ್ IBM ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್ ಅಗತ್ಯವಿದೆ. ಮುಂದಿನ ಹತ್ತು ವರ್ಷಗಳಲ್ಲಿ, ಅಂತಹ ತಂತ್ರಜ್ಞಾನವನ್ನು ಹೆಚ್ಚು ಅಗ್ಗದ ಸರ್ವರ್ನಲ್ಲಿ ಅಳವಡಿಸಬಹುದೆಂದು ಕೆಲ್ಲಿ ನಂಬುತ್ತಾರೆ ಮತ್ತು ಭವಿಷ್ಯದಲ್ಲಿ ಅಂತಹ ಪ್ರೋಗ್ರಾಂ ಆಧುನಿಕ ಲ್ಯಾಪ್ಟಾಪ್ಗಿಂತ ಹೆಚ್ಚು ದುಬಾರಿಯಲ್ಲದ ಕಂಪ್ಯೂಟರ್ನಲ್ಲಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ.

ತಿಳಿವಳಿಕೆಯುಳ್ಳವರು ಇಂಗ್ಲೀಷ್ ಭಾಷೆದಿ ನ್ಯೂಯಾರ್ಕ್ ಟೈಮ್ಸ್ ವೆಬ್‌ಸೈಟ್‌ನಲ್ಲಿ IBM ವ್ಯಾಟ್ಸನ್ ಆನ್‌ಲೈನ್‌ನಲ್ಲಿ ತೆಗೆದುಕೊಳ್ಳಬಹುದು.

IBM ವ್ಯಾಟ್ಸನ್ ಸೂಪರ್‌ಕಂಪ್ಯೂಟರ್ ಅನ್ನು ಲೈವ್ ಆಪರೇಟರ್‌ಗಳ ಬದಲಿಗೆ ತಾಂತ್ರಿಕ ಬೆಂಬಲ ಸೇವೆಗಳಲ್ಲಿ ಬಳಸಲು ಯೋಜಿಸಲಾಗಿದೆ. ಆದಾಗ್ಯೂ, ತಿಳಿದಿರುವ ಮಾಹಿತಿಯ ಆಧಾರದ ಮೇಲೆ ಬಳಕೆದಾರರ ವಿನಂತಿಗಳಿಗೆ ಸರಿಯಾದ ಉತ್ತರವನ್ನು ಕಂಡುಹಿಡಿಯಲು ಈ ಎಲ್ಲಾ ಕಾರ್ಯಗಳು ಹೆಚ್ಚು ಸಂಬಂಧಿಸಿವೆ. IBM ನಿಜವೆಂದು ನಂಬುತ್ತದೆ ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಸೃಜನಾತ್ಮಕ ಪರಿಹಾರಗಳನ್ನು ಕಂಡುಕೊಳ್ಳಲು, ಹೊಸ ವಿಷಯಗಳನ್ನು ರಚಿಸಲು ಮತ್ತು ಆವಿಷ್ಕರಿಸಲು ಸಾಧ್ಯವಾಗುತ್ತದೆ, ಮತ್ತು ಹಳೆಯದನ್ನು ವಿಶ್ಲೇಷಿಸಬಾರದು.

ವ್ಯಾಟ್ಸನ್ ಅವರ ಸೃಜನಶೀಲ ಸಾಮರ್ಥ್ಯಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು, ಅವರ ಸೃಷ್ಟಿಕರ್ತರು ಪಾಕಶಾಲೆಯ ಕಲೆಯನ್ನು ಆರಿಸಿಕೊಂಡರು. ಇದು ತುಂಬಾ ಅನುಕೂಲಕರ ಪರೀಕ್ಷಾ ಮೈದಾನವಾಗಿದೆ: ಅಡುಗೆ ಬಹಳ "ಮಾನವ", ಅರ್ಥಗರ್ಭಿತ ಪ್ರಕ್ರಿಯೆ, ಅಲ್ಗಾರಿದಮೈಸೇಶನ್ ಮತ್ತು ಪ್ರಮಾಣೀಕರಣಕ್ಕೆ ಕಳಪೆಯಾಗಿ ಹೊಂದಿಕೊಳ್ಳುತ್ತದೆ. ಮತ್ತು ಬೀದಿಯಲ್ಲಿರುವ ಯಾರಾದರೂ ಫಲಿತಾಂಶಗಳನ್ನು ಮೌಲ್ಯಮಾಪನ ಮಾಡಬಹುದು. ಸ್ಪ್ಯಾನಿಷ್ ಶೈಲಿಯ ಬಾದಾಮಿ-ಚಾಕೊಲೇಟ್ ಕುಕೀಗಳು, ಈಕ್ವೆಡಾರ್ ಶೈಲಿಯ ಸ್ಟ್ರಾಬೆರಿ ಸಿಹಿತಿಂಡಿ, ಕೇಸರಿಯೊಂದಿಗೆ ಟೋಸ್ಟ್‌ನಲ್ಲಿ ಸುಟ್ಟ ಟೊಮೆಟೊಗಳು - ಇವುಗಳು ಮತ್ತು ವ್ಯಾಟ್ಸನ್ ರಚಿಸಿದ ಇತರ ಭಕ್ಷ್ಯಗಳನ್ನು ಈಗಾಗಲೇ ಪ್ರಯೋಗಗಳ ಸಮಯದಲ್ಲಿ ತಯಾರಿಸಿ ಸಂತೋಷದಿಂದ ತಿನ್ನಲಾಗಿದೆ. ಮತ್ತು ಒಂದೆರಡು ವಾರಗಳ ಹಿಂದೆ, ಮೂಲ ಪಾಕವಿಧಾನಗಳನ್ನು ರಚಿಸಲು ವ್ಯಾಟ್ಸನ್ ಬಳಸುವ ಅಲ್ಗಾರಿದಮ್‌ಗಳು ಮತ್ತು ಗಣಿತದ ಮಾದರಿಗಳನ್ನು ವಿವರಿಸುವ ಲೇಖನದ ಪ್ರಿಪ್ರಿಂಟ್ ಅನ್ನು ಪ್ರಕಟಿಸಲಾಗಿದೆ.

ಯಾವುದೇ ಸೃಜನಾತ್ಮಕ ಪರಿಹಾರವು ಏಕಕಾಲದಲ್ಲಿ ಎರಡು ಮಾನದಂಡಗಳನ್ನು ಪೂರೈಸಬೇಕು - ಹೊಸದು ಮತ್ತು ಉತ್ತಮ ಗುಣಮಟ್ಟದ. ಪದಾರ್ಥಗಳು ಮತ್ತು ಸಂಸ್ಕರಣಾ ತಂತ್ರಗಳನ್ನು ಸಂಯೋಜಿಸುವ ಮೂಲಕ ನವೀನತೆಯನ್ನು ಸಾಧಿಸುವುದು ತುಲನಾತ್ಮಕವಾಗಿ ಸುಲಭವಾಗಿದೆ. ಆದರೆ ಗುಣಮಟ್ಟದೊಂದಿಗೆ ಪರಿಸ್ಥಿತಿ ಹೆಚ್ಚು ಜಟಿಲವಾಗಿದೆ. ರುಚಿ, ಪರಿಮಳ, ವಿನ್ಯಾಸ ಮತ್ತು ಏನೆಂದು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಲು ಕಂಪ್ಯೂಟರ್ಗೆ ಕಲಿಸಿ ಕಾಣಿಸಿಕೊಂಡಭಕ್ಷ್ಯಗಳು ತುಂಬಾ ಕಷ್ಟ.

ವ್ಯಾಟ್ಸನ್‌ನ ಆರಂಭಿಕ ಡೇಟಾವು ಅಂತರ್ಜಾಲದಲ್ಲಿ ಸಂಗ್ರಹಿಸಲಾದ ಹಲವಾರು ಮಿಲಿಯನ್ ಪಾಕವಿಧಾನಗಳಾಗಿವೆ. ಅವುಗಳನ್ನು ಸಾಬೀತಾದ ನೈಸರ್ಗಿಕ ಭಾಷಾ ಸಂಸ್ಕರಣಾ ಅಲ್ಗಾರಿದಮ್‌ಗಳ ಮೂಲಕ ನಡೆಸಲಾಯಿತು, ಇವುಗಳನ್ನು ರಸಪ್ರಶ್ನೆ ಗೆಲ್ಲಲು ಮತ್ತು ವ್ಯಾಟ್ಸನ್ ಔಷಧವನ್ನು ಕಲಿಸಲು ಬಳಸಲಾಗುತ್ತಿತ್ತು. ಪ್ರಪಂಚದ ವಿವಿಧ ರಾಷ್ಟ್ರಗಳ ಪಾಕಪದ್ಧತಿಗಳ ವಿಶಿಷ್ಟವಾದ ಪದಾರ್ಥಗಳು ಮತ್ತು ಸಂಸ್ಕರಣಾ ತಂತ್ರಗಳ ಬಗ್ಗೆ ವಿಕಿಪೀಡಿಯಾದಿಂದ ಮಾಹಿತಿಯನ್ನು ಹೊರತೆಗೆಯಲಾಗಿದೆ. ಅಂತಿಮವಾಗಿ, ವ್ಯಾಟ್ಸನ್ ರುಚಿ ಮತ್ತು ವಾಸನೆಯ ಮಾನವ ಗ್ರಹಿಕೆಯ ರಸಾಯನಶಾಸ್ತ್ರ ಮತ್ತು ಶರೀರಶಾಸ್ತ್ರದ ಸಂಪೂರ್ಣ ಜ್ಞಾನವನ್ನು ಪಡೆದರು.

ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪಾಕವಿಧಾನಗಳನ್ನು ಬಳಸಿಕೊಂಡು ಹೊಸ ಪಾಕವಿಧಾನಗಳನ್ನು ರಚಿಸಲಾಗಿದೆ ಜೆನೆಟಿಕ್ ಅಲ್ಗಾರಿದಮ್, ನವೀನತೆ, ಆಹ್ಲಾದಕರತೆ ಮತ್ತು ಹೊಂದಾಣಿಕೆಯ ಮೌಲ್ಯಗಳನ್ನು ಫಿಟ್‌ನೆಸ್ ಕಾರ್ಯವಾಗಿ ಬಳಸಲಾಗಿದೆ.

ಗಣಿತದ ಮಾದರಿರೆಸಿಪಿಯ ನವೀನತೆಯ ಮೌಲ್ಯಮಾಪನವು ಬೇಯೆಸ್ ಪ್ರಮೇಯವನ್ನು ಆಧರಿಸಿದೆ, ಇದನ್ನು "ಬೇಸಿಯನ್ ಆಶ್ಚರ್ಯ" ವಿಧಾನವನ್ನು ಬಳಸಲಾಯಿತು, ಮೂಲತಃ ವೀಡಿಯೊವನ್ನು ನೋಡುವಾಗ ಮಾದರಿ ವೀಕ್ಷಕರ ನಡವಳಿಕೆಯನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗಿದೆ. ಸಂಕ್ಷಿಪ್ತವಾಗಿ ಹೇಳುವುದಾದರೆ, ಪಾಕವಿಧಾನದ ಜಾಗದಲ್ಲಿ ಹೊಸದನ್ನು ಸೇರಿಸಿದಾಗ ಉತ್ಪನ್ನಗಳ ನಿರ್ದಿಷ್ಟ ಸಂಯೋಜನೆಯನ್ನು ಎದುರಿಸುವ ಹಿಂದಿನ ಮತ್ತು ಹಿಂಭಾಗದ ಸಂಭವನೀಯತೆಯ ನಡುವಿನ ವ್ಯತ್ಯಾಸವನ್ನು ಅಳೆಯಲಾಗುತ್ತದೆ ಎಂಬುದು ವಿಧಾನದ ಮೂಲತತ್ವವಾಗಿದೆ. ಹೀಗಾಗಿ, ಸಾಸೇಜ್‌ಗಳೊಂದಿಗೆ ಚಾಕೊಲೇಟ್ ಅಥವಾ ಸಾಸಿವೆಗಳೊಂದಿಗೆ ಬೀಜಗಳ ಸಂಯೋಜನೆಯು ಸಂಪೂರ್ಣವಾಗಿ ನೀರಸವಾಗಿದೆ ಮತ್ತು ವಿಭಿನ್ನ ಸಂಯೋಜನೆಗಳ ಸಂಭವನೀಯತೆಗಳಲ್ಲಿ ಯಾವುದೇ ಬದಲಾವಣೆಯನ್ನು ಉಂಟುಮಾಡುವುದಿಲ್ಲ. ಆದರೆ ಚಾಕೊಲೇಟ್ ಮುಚ್ಚಿದ ಸಾಸೇಜ್‌ಗಳು ಈ ಸಂಭವನೀಯತೆಗಳನ್ನು ಹೆಚ್ಚು ಗಮನಾರ್ಹವಾಗಿ ಪರಿಣಾಮ ಬೀರುತ್ತವೆ.

ರಸಾಯನಶಾಸ್ತ್ರವನ್ನು ಪ್ರಾಥಮಿಕವಾಗಿ ಆಹ್ಲಾದಕರತೆಯನ್ನು ನಿರ್ಣಯಿಸಲು ಬಳಸಲಾಗುತ್ತದೆ. ಉತ್ಪನ್ನಗಳ ರಾಸಾಯನಿಕ ಸಂಯೋಜನೆ ಮತ್ತು ಅವುಗಳ ಮಿಶ್ರಣ ಮತ್ತು ಸಂಸ್ಕರಣೆಯ ಕ್ರಮವನ್ನು ತಿಳಿದುಕೊಂಡು, ಯಾವ ಪದಾರ್ಥಗಳು ಭಕ್ಷ್ಯದ ರುಚಿ ಮತ್ತು ವಾಸನೆಯನ್ನು ನಿರ್ಧರಿಸುತ್ತವೆ ಎಂಬುದನ್ನು ಕಂಪ್ಯೂಟರ್ ಲೆಕ್ಕಾಚಾರ ಮಾಡುತ್ತದೆ. ಕುತೂಹಲಕಾರಿಯಾಗಿ, ಭಕ್ಷ್ಯದ ರುಚಿಗಿಂತ ವಾಸನೆಯು ಹೆಚ್ಚು ಮುಖ್ಯವಾಗಿದೆ. ರುಚಿಯ ಬಗ್ಗೆ ನಮ್ಮ ಗ್ರಹಿಕೆಯು ವಾಸನೆ ಮತ್ತು ಪರಿಮಳಕ್ಕೆ ಬಹಳ ನಿಕಟ ಸಂಬಂಧ ಹೊಂದಿದೆ. ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಕೆಲವು ಮೂಲಭೂತ ಅಭಿರುಚಿಗಳನ್ನು ಮಾತ್ರ ಪ್ರತ್ಯೇಕಿಸುತ್ತಾನೆ - ಹುಳಿ, ಸಿಹಿ, ಉಪ್ಪು, ಕಹಿ. ವಿಭಿನ್ನ ಸಂಸ್ಕೃತಿಗಳು ಟಾರ್ಟ್ ಅಥವಾ ಉಮಾಮಿಯಂತಹ ಹಲವಾರು ಮೂಲಭೂತ ಅಭಿರುಚಿಗಳನ್ನು ಪ್ರತ್ಯೇಕಿಸುತ್ತವೆ. ಆದರೆ ವಾಸನೆಗಳ ವೈವಿಧ್ಯತೆಯು ಹೆಚ್ಚು ದೊಡ್ಡದಾಗಿದೆ ಮತ್ತು ಅವುಗಳು ಸರಳವಾದ ಮೂಲಭೂತ ಸಂಯೋಜನೆಗಳಿಗೆ ಕಡಿಮೆಯಾಗುವುದಿಲ್ಲ.

ಅಂತಿಮವಾಗಿ, ಉತ್ಪನ್ನ ಹೊಂದಾಣಿಕೆಯ ಮೌಲ್ಯಮಾಪನವು ಗಂಭೀರವಾದ ವೈಜ್ಞಾನಿಕ ಆಧಾರದ ಮೇಲೆ ಆಧಾರಿತವಾಗಿದೆ, ನಿರ್ದಿಷ್ಟವಾಗಿ, ಅಮೇರಿಕನ್ ಮತ್ತು ಬ್ರಿಟಿಷ್ ವಿಜ್ಞಾನಿಗಳ ಜಂಟಿ ಅಧ್ಯಯನದ ಮೇಲೆ "ಆರೊಮ್ಯಾಟಿಕ್ ನೆಟ್ವರ್ಕ್ಸ್ ಮತ್ತು ಉತ್ಪನ್ನ ಸಂಯೋಜನೆಯ ತತ್ವಗಳು", ಇದರಲ್ಲಿ ಸುಮಾರು 50,000 ಪಾಕವಿಧಾನಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲಾಗಿದೆ ಮತ್ತು ಉತ್ಪನ್ನ ಹೊಂದಾಣಿಕೆ ನಕ್ಷೆಗಳು ವಿಶಿಷ್ಟವಾಗಿದೆ. ಗಾಗಿ ಪಾಕಪದ್ಧತಿಗಳನ್ನು ನಿರ್ಮಿಸಲಾಯಿತು ವಿವಿಧ ಪ್ರದೇಶಗಳು.

ಪರಿಣಾಮವಾಗಿ, ಒಂದು ಅಪ್ಲಿಕೇಶನ್ ಅನ್ನು ರಚಿಸಲಾಗಿದೆ, ಇದರಲ್ಲಿ ನೀವು ಉತ್ಪನ್ನಗಳ ಸೆಟ್, ರಾಷ್ಟ್ರೀಯ ಶೈಲಿ ಮತ್ತು ವಿವಿಧ ಭಕ್ಷ್ಯಗಳನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಬಹುದು, ಅದರ ನಂತರ ವ್ಯಾಟ್ಸನ್ ನವೀನತೆ, ಆಹ್ಲಾದಕರತೆ ಮತ್ತು ಹೊಂದಾಣಿಕೆಯ ಮಟ್ಟದಿಂದ ಆದೇಶಿಸಬಹುದಾದ ಪಾಕವಿಧಾನಗಳ ಗುಂಪನ್ನು ನೀಡಿದರು. ವೈಯಕ್ತಿಕ ಭಕ್ಷ್ಯಗಳ ಜೊತೆಗೆ, ವ್ಯಾಟ್ಸನ್ ಸಂಪೂರ್ಣ ಮೆನುಗಳನ್ನು ರಚಿಸಬಹುದು, ವಿಷಯದ ಮಾದರಿಯ ಬಳಕೆಯ ಮೂಲಕ ವಿವಿಧ ಮತ್ತು ಭಕ್ಷ್ಯಗಳ ಸರಿಯಾದ ಸಂಯೋಜನೆಯನ್ನು ಸಾಧಿಸಬಹುದು. ಸಂಗ್ರಹ ಮಾದರಿಯನ್ನು ನಿರ್ಮಿಸಲು ಇದು ಮಾರ್ಗವಾಗಿದೆ ಪಠ್ಯ ದಾಖಲೆಗಳು, ಇದು ಸಂಗ್ರಹವನ್ನು ವಿಷಯಗಳಾಗಿ ವಿಭಜಿಸುತ್ತದೆ ಮತ್ತು ಪ್ರತಿ ಡಾಕ್ಯುಮೆಂಟ್ ಯಾವ ವಿಷಯಕ್ಕೆ ಸೇರಿದೆ ಎಂಬುದನ್ನು ನಿರ್ಧರಿಸುತ್ತದೆ. ವ್ಯಾಟ್ಸನ್ ಈ ಮಾದರಿಯನ್ನು ಪಾಕವಿಧಾನಗಳಿಗೆ ಅನ್ವಯಿಸುತ್ತಾರೆ - ಹಾಗೆ ಕೀವರ್ಡ್ಗಳುಪ್ರತ್ಯೇಕ ಪದಾರ್ಥಗಳು ದಾಖಲೆಗಳಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ, ಮತ್ತು ಪಾಕವಿಧಾನಗಳು ಸ್ವತಃ ದಾಖಲೆಗಳಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತವೆ.