گہری تعلیم کے لئے معلومات میں رکاوٹ کیوں ایک اہم نظریہ ہے؟

سوال:

گہری تعلیم میں "انفارمیشن رکاوٹ" کیوں ایک اہم نظریہ ہے؟

مصنوعی اعصابی نیٹ ورک (اے این این) میں "انفارمیشن رکاوٹ" کا خیال مختلف اقسام کے سگنلنگ کے پھیلاؤ سے متعلق ایک خاص اصول پر چلتا ہے۔ تجارتی دوروں کی جانچ پڑتال کے لئے اسے ایک عملی ٹول کے طور پر دیکھا جاتا ہے جو مصنوعی ذہانت کے نظام کو خود سے بہتر بناتے ہیں۔ ایک وائرڈ مضمون جس میں معلوماتی رکاوٹوں کا تصور بیان کیا گیا تھا جسے ٹشبی ایٹ نے پیش کیا۔ al. "خارجی تفصیلات کے شور ان پٹ کے اعداد و شمار کو چھٹکارا دینے کے بارے میں بات کرتا ہے جیسے کسی مشکلات کے ذریعہ معلومات کو نچوڑ کر" اور "صرف وہی خصوصیات برقرار رکھنا ہے جو عام تصورات سے متعلق ہیں۔"

ایک نسبتا new نئے تصور کے طور پر ، معلومات میں رکاوٹ آئیڈی آئی ٹی کو بڑھانے اور تبدیل کرنے میں مدد دے سکتی ہے کہ ہم علمی فعل کو ماڈل بنانے کے لئے اے این این اور متعلقہ سسٹم کو کس طرح استعمال کرتے ہیں۔ اس نظریہ کی مدد کرنے کا ایک طریقہ یہ ہے کہ اعصابی نیٹ ورک کے افعال کی تائید کرنے والے نمونوں کو بہتر طور پر سمجھنے میں ہماری مدد کی جائے۔ مثال کے طور پر ، اگر یہ اصول واضح کرتا ہے کہ نظام کے ذریعہ صرف ایک خاص خصوصیت کا نظام کس طرح برقرار ہے تو ہم یہ دیکھنا شروع کرتے ہیں کہ یہ "ڈیٹا امتیاز" ایک نیٹ ورک کو انسان کے دماغ کو "بندر" بنا دیتا ہے ، اور انجینئر اس کو عصبی نیٹ ورک کے نمونوں میں شامل کرسکتے ہیں۔ یہاں خیال یہ ہے کہ ، آخر کار ، اعصابی نیٹ ورک کی ٹیکنالوجی ایک "عالمگیر" تصور کی حیثیت اختیار کرلے گی ، نہ کہ صرف ایک مراعات یافتہ افراد کا صوبہ۔ فی الحال ، کمپنیاں بہت کم AI پرتیبھا کی تلاش میں ہیں۔ انفارمیشن بوٹلنک تھیوری جیسے نظریات اعصابی نیٹ ورکس کے بارے میں لاپرسن اور "درمیانی صارفین" تک معلومات پھیلانے میں مدد کرسکتے ہیں - وہ لوگ جو "ماہر" نہیں ہوسکتے ہیں لیکن عصبی نیٹ ورک ٹکنالوجیوں کے ظہور اور پھیلاؤ میں مدد کرسکتے ہیں۔

انفارمیشن رکاوٹ کی ایک اور اہم قدر یہ ہے کہ انجینئر نظام کو زیادہ درست طریقے سے کام کرنے کے لئے تربیت دینا شروع کرسکتے ہیں۔ سسٹم فن تعمیر کے ل for کچھ اعلی سطحی رہنما خطوط رکھنے سے ان قسم کی ٹکنالوجیوں کے ارتقا کو ہموار کیا جاسکتا ہے ، اور گہری سیکھنے کے اصولوں کے بارے میں زیادہ واضح نظریہ رکھنا اس وجہ سے آئی ٹی دنیا میں قابل قدر ہے۔

عام طور پر ، اے آئی پر کام کرنے والا موہرا خاص طور پر یہ دیکھنا جاری رکھے گا کہ اعصابی نیٹ ورک کس طرح کام کرتے ہیں ، جس میں "متعلقہ معلومات" کا نظریہ بھی شامل ہے اور نظام افعال کو انجام دینے میں کس طرح امتیازی سلوک کرتے ہیں۔ اس کی ایک مثال امیج یا اسپیچ پروسیسنگ کی ہے ، جہاں نظاموں کو بہت سی مختلف حالتوں کو "آبجیکٹ" کے طور پر شناخت کرنا سیکھنا پڑتا ہے۔ عام طور پر ، معلومات میں رکاوٹ ایک خاص نظریہ ظاہر کرتی ہے کہ اعصابی نیٹ ورک ان اشیاء کے ساتھ کیسے کام کرے گا ، اور خاص طور پر ان اعداد و شمار کے ماڈل عمل کی معلومات.