தரவுச்சுரங்கம் – 30
இயந்திரக்கற்றல் என்றால் என்ன? அது எவ்வாறு நிகழ்கின்றது என்பதை மேலோட்டமாகக் கண்டோம். இந்தப் பகுதியில் அதன் வகைகளைக் காண்போம்.
இயந்திரக் கற்றலின் வகைகள்:
- மேற்பார்வையிடப்பட்ட கற்றல் (Supervised Learning):
o கருத்து: பதில்களுடன் கூடிய தரவுகளை (labeled data) இயந்திரத்திற்குக் கொடுத்துப் பயிற்றுவித்தல் (ஒரு ஆசிரியர் மாணவருக்குச் சொல்லிக் கொடுப்பது போல).
o நோக்கம்: கணித்தல் (Prediction).
o உட்பிரிவுகள்:
வகைப்படுத்தல் (Classification): இது ஸ்பேமா, இல்லையா? (பதில்: ஆம் / இல்லை)
தொடர்புப்போக்கு (Regression): அடுத்த மாத விற்பனை எவ்வளவு இருக்கும்? (பதில்: ஒரு எண்)
- மேற்பார்வையற்ற கற்றல் (Unsupervised Learning):
o கருத்து: பதில்கள் இல்லாத தரவுகளைக் கொடுத்து, அதில் மறைந்திருக்கும் வடிவங்களை (patterns) இயந்திரத்தையே கண்டறியச் செய்தல் (ஆசிரியர் இல்லாமல், சுயமாகக் கற்றுக்கொள்வது போல).
o நோக்கம்: கண்டுபிடித்தல் (Discovery).
o உட்பிரிவு:
தொகுத்தல் (Clustering): "புதன்கிழமை வாடிக்கையாளர்" போல, வாடிக்கையாளர்களைத் தானாகவே பல குழுக்களாகப் பிரித்தல்.
- வலுவூட்டக் கற்றல் (Reinforcement Learning)
o கருத்து: இது "முயன்று தவறி கற்றல்" (Trial and Error) போன்றது. இங்கே கணினிக்கு (முகவர் - Agent) எந்தத் தரவும் முன்பே கொடுக்கப்படுவதில்லை. அதற்குப் பதிலாக, அது ஒரு சூழலில் (Environment) விடப்படுகிறது. அது செய்யும் ஒவ்வொரு செயலுக்கும் ஒரு வெகுமதி (Reward) அல்லது தண்டனை (Penalty) கிடைக்கும். அதிகபட்ச வெகுமதியைப் பெறுவது எப்படி என்று அதுவே அனுபவத்தின் மூலம் கற்றுக்கொள்ளும்.
o 
o பயன்பாடு: இன்று நாம் காணும் தானியங்கி மகிழுந்துகள் (Self-driving cars), செஸ் விளையாட்டில் உலக சாம்பியனையே தோற்கடித்த 'ஆல்ஃபா கோ' (AlphaGo) போன்ற மென்பொருட்கள், மற்றும் தொழிற்சாலைகளில் இயங்கும் ரோபோக்கள் போன்றவை இந்த முறையில்தான் செயல்படுகின்றன. விபத்து இல்லாமல் வண்டி ஓட்டினால் வெகுமதி, இடித்தால் தண்டனை - இதுவே அதன் பாடம்!
ஆழக்கற்றல்:
படங்கள், ஒலி, மற்றும் மொழி போன்ற மிகவும் சிக்கலான தரவுகளைப் புரிந்து கொள்ள, மனித மூளையின் அமைப்பைப் (Neural Networks) பிரதியெடுத்து உருவாக்கப்பட்ட இயந்திரக் கற்றலின் ஒரு சிறப்புப் பிரிவே "ஆழக் கற்றல்". இதுவே இன்றைய செய்யறிவின் (AI) முதுகெலும்பாகும்.
