प्रश्न:
"सूचना अड़चन" गहरी शिक्षा में एक महत्वपूर्ण सिद्धांत क्यों है?
ए:कृत्रिम तंत्रिका नेटवर्क (एएनएन) में एक "सूचना अड़चन" का विचार विभिन्न प्रकार के सिग्नलिंग के प्रसार से संबंधित एक विशेष सिद्धांत पर संचालित होता है। इसे व्यापार-अप की जांच के लिए एक व्यावहारिक उपकरण के रूप में देखा जाता है जो इन कृत्रिम खुफिया प्रणालियों को आत्म-अनुकूलन करते हैं। टीशर्ट एट द्वारा प्रस्तुत सूचना अड़चन अवधारणा का वर्णन करने वाला एक वायर्ड लेख। अल। के रूप में अगर "एक अड़चन के माध्यम से जानकारी निचोड़कर" और "केवल सामान्य अवधारणाओं के लिए सबसे अधिक प्रासंगिक सुविधाओं को बनाए रखने के द्वारा" के रूप में अगर बाहरी विवरण के शोर इनपुट डेटा के बारे में बात करता है। "
अपेक्षाकृत नई अवधारणा के रूप में, सूचना अड़चन विचार को बढ़ाने और बदलने में मदद कर सकता है कि हम संज्ञानात्मक कार्य को मॉडल करने के लिए एएनएन और संबंधित प्रणालियों का उपयोग कैसे करते हैं। एक तरीका है कि यह सिद्धांत मदद कर सकता है हमें तंत्रिका नेटवर्क कार्यों का समर्थन करने वाले प्रतिमानों को बेहतर ढंग से समझने में मदद करता है। उदाहरण के लिए, यदि सिद्धांत बताता है कि सिस्टम द्वारा केवल एक निश्चित सुविधा सेट को कैसे बनाए रखा जाता है, तो हम यह देखना शुरू करते हैं कि यह "डेटा भेदभाव" एक नेटवर्क "एप" को मानव मस्तिष्क कैसे बनाता है, और इंजीनियर इसे तंत्रिका नेटवर्क मॉडल में जोड़ सकते हैं। यहां विचार यह है कि, अंततः, तंत्रिका नेटवर्क तकनीक एक "सार्वभौमिक" अवधारणा के रूप में अधिक हो जाएगी, न कि केवल विशेषाधिकार प्राप्त कुछ का प्रांत। वर्तमान में, कंपनियां दुर्लभ एआई प्रतिभा के शिकार पर हैं; सूचना अड़चन सिद्धांत जैसे सिद्धांत तंत्रिका नेटवर्क के बारे में ज्ञान को फैलाने वाले और "मध्यम उपयोगकर्ताओं" में मदद कर सकते हैं - वे जो "विशेषज्ञ" नहीं हो सकते हैं, लेकिन तंत्रिका नेटवर्क प्रौद्योगिकियों के उद्भव और प्रसार में मदद कर सकते हैं।
सूचना अड़चन का एक अन्य महत्वपूर्ण मूल्य यह है कि इंजीनियर अधिक सटीक तरीके से काम करने के लिए सिस्टम को प्रशिक्षित करना शुरू कर सकते हैं। सिस्टम आर्किटेक्चर के लिए कुछ शीर्ष-स्तरीय दिशानिर्देश होने से इस प्रकार की तकनीकों के विकास को सुव्यवस्थित किया जा सकता है, और गहन शिक्षण सिद्धांतों का अधिक परिभाषित विचार होना इसलिए आईटी दुनिया में मूल्यवान है।
सामान्य तौर पर, AI पर काम करने वाले मोहरे विशेष रूप से देखते रहेंगे कि तंत्रिका नेटवर्क कैसे काम करते हैं, जिसमें "प्रासंगिक जानकारी" का विचार भी शामिल है और सिस्टम कार्य करने के लिए कैसे भेदभाव करता है। एक उदाहरण छवि या भाषण प्रसंस्करण में है, जहां सिस्टम को "ऑब्जेक्ट्स" के रूप में कई विविधताओं की पहचान करना सीखना होता है। सामान्य तौर पर, सूचना अड़चन एक विशेष दृष्टिकोण दिखाती है कि एक तंत्रिका नेटवर्क उन वस्तुओं के साथ कैसे काम करेगा, और विशेष रूप से ये डेटा मॉडल कैसे। प्रक्रिया की जानकारी।
