কি ক্যাপসুল নেটওয়ার্ক ট্র্যাডিশন্যাল নিউরাল নেটওয়ার্ককে প্রতিস্থাপন করবে?

গত কয়েক বছরে আর্টিফিশিয়াল ইন্টেলিজেন্সের সাফল্যকে সরাসরি গভীর নিউরাল নেটওয়ার্কের আশ্রয় দেওয়া যায়। ইমেজ রিকগনিশন থেকে স্মার্ট থার্মোস্ট্যাট এবং সেলফ-ড্রাইভিং কার পর্যন্ত - AI সব কিছুর অ্যাক্সেস পেয়েছে আপনার স্মার্টফোনসহ। এটাই কেমন যেন নিউরাল নেটস Униভার্সাল হয়ে উঠেছে। যাইহোক, একটি বেড়ající চিন্তা আছে যে এই সিস্টেমের কিছু জীবনী মূলনীতি AI-এর সম্মুখীন মূল সমস্যাurations অতিক্রম করতে পারে না। এর মানে "ট্র্যাডিশন্যাল" নিউরাল নেটওয়ার্ক বাজার ছাড়তে পারে এবং সম্ভবত কিছু কাটিং-এজ বা উন্নত অর্থাৎ "ক্যাপসুল" নিউরাল নেট দ্বারা প্রতিস্থাপিত হতে পারে।

ট্র্যাডিশন্যাল/আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক কী এবং এটি কীভাবে কাজ করে?

স্কুল জীবনে, আপনি মস্তিষ্কের একটি একক বায়োলজিক্যাল নিউরনের সিমুলেশন পরীক্ষা করতে হয়তো। এটি তথ্য প্রবাহের প্রক্রিয়া ব্যাখ্যা করে যা বিভিন্ন দিক থেকে আসে, নিউরনে জমা ও প্রসেস হয় এবং সেখান থেকে ফলাফল বাহির হয়। এই প্রক্রিয়া নিউরনকে পূর্বে শিখা প্যাটার্নের ভিত্তিতে রিয়্যাক্ট করার ক্ষমতা দেয়। বিজ্ঞান এই প্রক্রিয়াটি একটি স্ট্রাকচার তৈরি করে রেপ্লিকেট করেছে যা একটি বায়োলজিক্যাল নিউরনের মতো ইনফরমেশন প্রসেস করে। বদলে, টেকনোলজিক্যাল নিউরাল নেটওয়ার্ক ম্যাথেমেটিক্যালি ভিত্তিক, যেখানে ইনফরমেশন আর্টিফিশিয়াল নিউরনের মাধ্যমে পাস করে এবং সেখান থেকে ফলাফল বাহির হয়। এই প্রক্রিয়া এখন একটি গাণিতিক সূত্র হয়ে উঠেছে এবং সহজ সমস্যা সমাধানের জন্য ব্যবহার হয়।

স্রোত: ptgrey

মস্তিষ্কের জন্য, আর্টিফিশিয়াল নিউরন নেটওয়ার্কের শক্তি নেটওয়ার্কের সেটগুলিকে লেয়ারে কানেক্ট করার 데 있습니다। আপনি যখন সেগুলো লেয়ারে কানেক্ট করেন, গাণিতিক সূত্রটি একটি মাল্টি-ডাইমেনশনাল পলিনোমিয়ালের মতো হয়ে যায়। এতে 3D সমাধান সারফেসের মতো জটিল সমস্যাগুলো আবিষ্কার, সমাধান এবং আমাদের সুবিধার জন্য ব্যবহার করা সম্ভব হয়। আগের মতো, ইনফরমেশন প্রবেশ করে এবং ফলাফল বাহির হয় কিন্তু এইবার দ্বিতীয় লেয়ারের মাধ্যমে প্রবাহিত ইনপুট হলো প্রথম লেয়ারের আউটপুট। একক লেয়ারের জন্য এই সঠিক ধাপটি প্রতিটি নিউরাল নেটওয়ার্ক লেয়ারের জন্য সহজেই রিপিট করা হয়। এটাই কীভাবে একটি আর্টিফিশিয়াল নিউরাল নেটওয়ার্ক কাজ করে।

আরও পড়ুন: কি আমাদের মেশিনকে মানবতাবাদ শিখাতে হবে?

ক্যাপসুল নেটওয়ার্ক কী এবং সেগুলো কীভাবে কাজ করে?

এটি নিউরাল নেটওয়ার্কের একটি নতুন ধরন যা ক্যাপসুল দিয়ে গঠিত। এখানে, নিউরনের ছোট ক্লাস্টারগুলো একটি নির্দিষ্ট অংশের সাথে সংযুক্ত। এই কনসেপ্ট বুঝতে, একটি ছবি কল্পনা করুন যা বিভিন্ন কম্পোনেন্ট দিয়ে গঠিত যা তাদের নিজস্ব নিউরনের সাথে সংযুক্ত। প্রতিটি নিউরনের এক্টিভিটি ইমেজের কম্পোনেন্টের বৈশিষ্ট্য নির্ধারণ করে এবং প্রতিটি ক্যাপসুল একটি একক কম্পোনেন্ট রিকগনাইজ করার জন্য দায়িত্বশীল।

স্রোত: robohub

ক্যাপসুল নেটওয়ার্ক নিউরনের গ্রুপের একটি নেটওয়ার্ক, যেখানে প্রতিটি নিউরন একটি ইমেজের স্বাধীন চেনাযোগ্য এন্টিটি প্রতিনিধিত্ব করে। ক্যাপসুল নেটওয়ার্ক কনভোলিউশন্যাল নিউরাল নেটওয়ার্ক (CNN)-এর অপর্যাপ্ততাগুলো দূর করার জন্য নির্মিত। উদাহরণস্বরূপ, ক্যাপসুল নেটওয়ার্ক একটি ইমেজের প্রতিটি কম্পোনেন্টের অরিয়েন্টেশন, লোকালাইজেশন এবং নির্ভুল লোকেশন নির্দিষ্ট করে, যা ট্র্যাডিশন্যাল নিউরাল নেটওয়ার্কে অনুপস্থিত।

ক্যাপসুল নেটওয়ার্কের অ্যাপ্লিকেশন

ট্র্যাডিশন্যাল নিউরাল নেটওয়ার্কের প্রধান লিমিটেশন হলো কম্পিউটার ভিশন। ক্যাপসুল নেটওয়ার্ক এই সমস্যাটি সমাধান করার লক্ষ্য রাখে, আসলে ক্যাপসুল নেটওয়ার্ক ডেভেলপ করার পুরো ধারণা হচ্ছে এই সমস্যা সমাধান করা।

ট্র্যাডিশন্যাল নিউরাল নেটওয়ার্ক বর্তমানে কম ডেটা থাকলে ইমেজ রিকগনিশন বা ইমেজের কম্পোনেন্টগুলোর মধ্যে কনটেক্সচুয়াল কন্টিনজেন্সি ডিটেক্ট করতে সমস্যা ফেস করছে। ক্যাপসুল নেটওয়ার্ক এখানে সমস্যা সমাধানকারী হতে পারে।

আরও পড়ুন: AI মেশিনের জন্য সেরা প্রোগ্রামিং ল্যাঙ্গুয়েজ কোনটি?

ট্র্যাডিশন্যাল নিউরাল নেটওয়ার্ক বিশাল পরিমাণ ডেটা সোর্সের মাধ্যমে শিখে যখন ক্যাপসুল নেটওয়ার্কের অ্যাডজাস্টমেন্ট ভিন্ন।

যা কিছু ঘোষণা করছে যে ক্যাপসুল নেটওয়ার্ক ট্র্যাডিশন্যাল নিউরাল নেটওয়ার্কের বিদায়ের обещает দিচ্ছে, অনেক গবেষক নির্দেশ করেছেন অ্যাপ্লিকেশনের এমন রেঞ্জ যেখানে এই নেটওয়ার্কগুলো সত্যিকারের ভালো পারফর্ম করতে পারে না। তখন পর্যন্ত, আমরা শুধু অপেক্ষা এবং দেখা করতে পারি। নিউরাল নেটওয়ার্ক সম্পর্কে এটুকু। আপনার কিছু শেয়ার করতে থাকলে, নিচে কমেন্ট সেকশনে কমেন্ট করুন।