കൃത്രിമ ബുദ്ധിയുടെ (Artificial Intelligence) സഹായത്തോടെ “സ്വയം” പഠിച്ചു, പ്രത്യേക പ്രോഗ്രാമ്മിങ് കൂടാതെ ജോലികള്‍ ചെയ്യാന്‍ കമ്പ്യുട്ടറിനെ പ്രാപ്തമാക്കുന്ന പ്രക്രിയയ്ക് പറയുന്ന പേരാണ് മെഷിന്‍ ലേണിങ് (Machine Learning).
കാര്യം എളുപ്പത്തില്‍ പറഞ്ഞുതീര്‍ത്തെങ്കിലും അത്ര എളുപ്പമല്ല ഒരു മെഷിന്‍ ലേണിങ് സിസ്റ്റം നിര്‍മ്മിക്കുവാന്‍. കമ്പ്യൂട്ടര്‍ എന്ജിനിയ്റിങ്ങും മാത്തമാറ്റിക്കല്‍ സ്റ്റാറ്റിസ്റ്റിക്സും ആര്‍ട്ടിഫിഷ്യല്‍ ഇന്‍റല്ലിജെന്‍സും അതിന്‍റെ അനുബന്ധ ശാഖകളും കൊണ്ട് സങ്കീര്‍ണ്ണമാണത്. ഡാറ്റ വിശകലനം (Data Analysis) ചെയ്താണ് ഇത് സാദ്ധ്യമാക്കുന്നത്. മാത്രവുമല്ല തുടര്‍ച്ചയായ പഠനം (continuous learning) കൊണ്ട് മാത്രമേ കൂടുതല്‍ കൃത്യതയാര്‍ന്ന തീരുമാനങ്ങളില്‍ എത്താന്‍ കഴിയൂ എന്നതിനാല്‍ ഒരു ഡാറ്റബേസ് സാങ്കേതിക വിദ്യയും ഒപ്പം വേണം. ജോലിയുടെ സങ്കീര്‍ണത കൂടുമ്പോള്‍ വിവരങ്ങള്‍ ശേഖരിച്ചു വയ്ക്കുവാനും അത് വിശകലനം കൂടുതല്‍ ശക്തിയേറിയ CPU ഉം ഡാറ്റ സൂക്ഷിക്കാന്‍ സെര്‍വേറുകളും വേണ്ടിവരും. ക്ലൌഡ് സേവനനങ്ങളും (Cloud Services) ബിഗ് ഡാറ്റ (Big Data) സാങ്കേതിക വിദ്യയും ഉപയോഗപ്പെടുത്തി അത്തരം പോരായ്മകള്‍ ഇല്ലാതാക്കാവുന്നതാണ്. കൂടാതെ, സ്വന്തമായി ഈ സൌകര്യങ്ങള്‍ ഒരുക്കുന്നതിനെക്കാളും വളരെ ചിലവ് കുറവായിരിക്കും Microsoft, Amazon പോലുള്ള സേവന ദാധാക്കള്‍ ലഭ്യമാക്കുന്ന ഇത്തരം സേവനങ്ങള്‍ ഉപയോഗപ്പെടുത്തിയാല്‍.
മെഷിന്‍ ലേണിങ്ന്‍റെ പ്രയോഗിക ഉപയോഗങ്ങള്‍ വളരെയേറെയുണ്ട്. ഫേസ്ബുക്ക് നിങ്ങളുടെയും സുഹൃത്തുക്കളുടെയും മുഖം തിരിച്ചറിയുന്നത് ഈ വിദ്യ കൊണ്ടാണ്. നിങ്ങളുടെ മെയില്‍ ജങ്ക്/സ്പാം (Mail Junk/spam) ഫോള്‍ടറില്‍ അനാവശ്യ മെയിലുകള്‍ കൃത്യമായി വേര്‍തിരിക്കപ്പെടുന്നതിന്റെ കാരണവും ഇത് തന്നെ. ഫൂട്ബാള്‍ കളിയില്‍ ആര് ജയിക്കുമെന്നും ഏത് ഓഹരിയില്‍ നിക്ഷേപിക്കണമെന്നും ഒരു കമ്പനി നഷ്ടത്തിലാകുമോ എന്നും പ്രവചിക്കാന്‍ (Predictive Analysis) വളരെ എളുപ്പത്തില്‍ ഇതിന് കഴിയും. മെഷിന്‍ ലേണിങ് അല്‍ഗൊരിതങ്ങളാണ് (Algorithms) ഇതിനായി നാം എഴുതേണ്ടത്. അല്‍ഗൊരിതമെന്നാല്‍ എന്തു ചെയ്യണമെന്ന് കംപൂട്ടറിനോടു പറഞ്ഞു കൊടുക്കുന്ന ലോജിക് (logic) ആണ്. മെഷിന്‍ ലെയനിങ്ങിന്റെ കാര്യത്തില്‍ അത് അല്പ്പം സങ്കീര്‍ണമാകുമെന്ന് മാത്രം.
ഉദാഹരണത്തിന് ഒരു ഓട്ടോമാറ്റിക് ട്രാഫിക് സിഗ്നല്‍ സിസ്റ്റം നിര്‍മിക്കണമെന്നിരിക്കട്ടെ. താങ്കളുടെ പ്രോഗ്രാം, ട്രാഫിക് സിഗ്നലിനോടു ഘടിപ്പിച്ചിരിക്കുന്ന കാമറകള്‍ നല്‍കുന്ന ചിത്രങ്ങള്‍ തുടര്‍ച്ചയായി പഠിച്ചു കൊണ്ടേയിരിക്കും. വാഹനങ്ങളുടെ നിരയുടെ നീളത്തിനനുസരിച്ച് സിഗ്നല്‍ ദീപങ്ങള്‍ ക്രമീകരിച്ച് ട്രാഫിക് നിയന്ത്രിച്ചുകൊണ്ടുമിരിക്കും. പെട്ടന്നു ഒരു അംബുലെന്‍സൊ അഗ്നി ശമന വാഹനമോ വരുകയാണെങ്കില്‍ അവയ്ക്കു വഴി ഒരുക്കാനും ഒരു അപകടം സംഭവിക്കുകയോ, ഒരു വാഹനം അധിക വേഗതയില്‍ വന്നാലോ കണ്‍ട്രോള്‍ റൂമില്‍ വിവരം ഉടനടി എത്തിക്കാനും ഈ സിസ്റ്റത്തിനെ നമുക്ക് പാഠിപ്പിക്കാം. കൂടുതല്‍ കൃത്യതയാര്‍ന്ന സേവനം കൂടുതല്‍ പ്രയോഗിക പരിജ്ഞാനം (wisdom) ഈ സിസ്റ്റത്തിന് ലഭിക്കുമ്പോള്‍ ഉണ്ടാകും. ഒരിക്കല്‍ പാഠിപ്പിച്ചാല്‍ ആ ജ്ഞാനം മറ്റ് പല ആവശ്യങ്ങള്ക്കും പുനര്‍ ഉപയോഗിക്കാമെന്നതും (reusability) ഒരു പ്രത്യേകതയാണ്.
നിലവിലുള്ള ഏത് കമ്പ്യൂട്ടര്‍ പ്രോഗ്രാമ്മിങ് ഭാഷയോ ടെക്നോളജിയോ ഇതിന് ഉപയോഗിക്കാം. പക്ഷേ ആവശ്യത്തിനനുസരിച്ച് (requirements) കൂടുതല്‍ യോജിച്ച സൌകര്യങ്ങള്‍ ഉള്ള ഒരു പ്ലാറ്റ്ഫോം തിരഞ്ഞെടുക്കുന്നതാണ് നല്ലത്. കൂടുതലായി ഉപയോഗിച്ച് കണ്ടുവരുന്നത് Python, F#, C#, R-Language, PHP തുടങ്ങിയവയാണ്. കൂടാതെ Microsoft, IBM തുടങ്ങിയ നിരവധി ദാധാക്കള്‍ അവരുടെ ക്ലൌഡ് സെര്‍വിസ് വഴിയും ഈ സാങ്കേതികവിദ്യ ഉപഭോക്താക്കള്‍ക്ക് ലഭ്യമാക്കുന്നുണ്ട്.
- C# അടിസ്ഥാന പാഠങ്ങൾ – Mathematical Operators – Math - December 10, 2014
- System namespace ( .net Study Guide) - December 10, 2014
- C# അടിസ്ഥാന പാഠങ്ങൾ – Mathematical Operators - November 22, 2014
- ഒരു DOTNET പ്രോഗ്രാം പ്രവർത്തിക്കുന്നത് എങ്ങിനെ? - November 22, 2014
- ആരാണ് ഒരു Systems Analyst? - November 9, 2014
- ഒരു DOTNET പ്രോഗ്രാമ്മിന്റെ ഘടന - November 8, 2014
- Visual Studio – ഒരു Hello World ആമുഖം - November 1, 2014
- Hello World DOTNET - October 25, 2014
- ഐ‌ടി തുടക്കക്കാർക്ക് MTA Certification - October 24, 2014
- ഡോട്ട് നെറ്റ് പഠന പരമ്പര -ആമുഖം - October 22, 2014
TK Sujith
നന്നായിട്ടുണ്ട്. അഭിനന്ദനങ്ങള്‍….
Shyamlal T Pushpan
നന്ദി സുജിത് , എല്ലാ സഹകരണവും പ്രതീക്ഷിക്കുന്നു
Praveen Nair
നന്ദി സുജിത്. വരും നാളുകളില്‍ കൂടുതല്‍ ലേഖനങ്ങള്‍ എഴുതാന്‍ ശ്രമിക്കുന്നുണ്ട്. അഭിപ്രായങ്ങള്‍ പ്രതീക്ഷിക്കുന്നു.
Shanoop Shanu
Very good ….all the best
Kishor Jacob
Great article <3 …