"কৃত্রিম বুদ্ধিমত্তা" পাতাটির দুইটি সংশোধিত সংস্করণের মধ্যে পার্থক্য

পরিকল্পনা এবং শিক্ষা সংযোজন করা হয়েছে
(কিছু সাধারণ জ্ঞানের প্রতীকী ফর্ম সংযোজন করা হয়েছে)
(পরিকল্পনা এবং শিক্ষা সংযোজন করা হয়েছে)
 
মানুষ যা জানে তার বেশিরভাগই "ঘটনা" বা "বিবৃতি" হিসাবে উপস্থাপিত হয় না যা তারা মৌখিকভাবে প্রকাশ করতে পারে। উদাহরণস্বরূপ, একটি দাবা মাস্টার একটি নির্দিষ্ট দাবা পরিসীমা এড়িয়ে চলবে কারণ এটি "খুব প্রকাশ বোধ করে" বা একজন শিল্প সমালোচক একটি মূর্তির চেহারা দেখেই এটি জাল মনে করতে পারেন। এগুলো মানব মস্তিষ্কের অসচেতন এবং উপ-প্রতীকী স্বরূপ বা প্রবণতা। এই ধরনের জ্ঞান প্রদান, সমর্থন মূলত প্রতীকী এবং সচেতন জ্ঞানের জন্য একটি প্রসঙ্গ দেয়া হয় । সাব-প্রতীকী যুক্তিযুক্ত সমস্যার সাথে সাথে আশা করা হয় যে অবস্থিত এআই, কম্পিউটেশনাল বুদ্ধি বা পরিসংখ্যানগত এআই এই ধরনের জ্ঞান প্রতিনিধিত্ব করার উপায়গুলি প্রদান করবে।
 
===পরিকল্পনা===
 
বুদ্ধিমান প্রতিনিধিকে লক্ষ্য সেট করতে এবং তাদের অর্জন করতে সক্ষম হতে হবে। ভবিষ্যতের দৃশ্যমানতা - বিশ্বের অবস্থার প্রতিনিধিত্ব এবং তাদের কর্মগুলি কীভাবে পরিবর্তন করবে সে বিষয়ে ভবিষ্যদ্বাণী করতে সক্ষম করার জন্য তাদের কিছু পথ থাকা প্রয়োজন - এবং উপলব্ধ পছন্দগুলির (বা "মান") সর্বাধিক পছন্দগুলি চয়ন করতে সক্ষম হতে হবে ।
 
ক্লাসিক্যাল পরিকল্পনা সমস্যাগুলির মধ্যে এজেন্ট অনুমান করতে পারেন যে এটি এজন্যই একমাত্র সিস্টেম যা বিশ্বজুড়ে কাজ করে যা এজেন্টকে তার কর্মের ফলাফল সম্পর্কে নির্দিষ্ট করে দেয়। যাইহোক, যদি এজেন্ট একমাত্র অভিনেতা না হন তাহলে এটি এজেন্টের অনিশ্চয়তার কারণ হতে পারে। এটি একটি এজেন্টের জন্য আহ্বান করে যা শুধুমাত্র তার পরিবেশের মূল্যায়ন এবং পূর্বাভাস তৈরি করতে পারে তা নয় সাথে সাথে তার পূর্বাভাস মূল্যায়ন করে এবং তার মূল্যায়নের উপর নির্ভর করে তা মেনে চলে।
 
বহু এজেন্ট পরিকল্পনা একটি নির্দিষ্ট লক্ষ্য অর্জনের জন্য অনেক এজেন্টের সহযোগিতা এবং প্রতিযোগিতা ব্যবহার করে। জরুরী আচরণ যেমন বিবর্তনীয় অ্যালগরিদম এবং ঘনত্বের বুদ্ধিমত্তা দ্বারা ব্যবহৃত হয় ।
 
===শিক্ষা===
 
মেশিনের শিক্ষণ হল এআই গবেষণার একটি মৌলিক ধারণা যা প্রতিষ্ঠার পরে থেকে কম্পিউটার অ্যালগরিদম অধ্যয়ন যা অভিজ্ঞতার মাধ্যমে স্বয়ংক্রিয়ভাবে উন্নতি করতে সক্ষম।
 
অপর্যাপ্ত শিক্ষণ হচ্ছে ইনপুটের মধ্যে নিদর্শন খুঁজে বের করার ক্ষমতা। তত্ত্বাবধানে থাকা শিক্ষণে ক্লাসিফিকেশন এবং সংখ্যাসূচক রিগ্রেশন উভয়ই অন্তর্ভুক্ত। শ্রেণিবিন্যাসের মাধ্যমে কোন বিভাগের মধ্যে কিছু অন্তর্গত তা নির্ধারণ করতে ব্যবহার করা হয়। রিগ্রেশন একটি ফাংশন তৈরি করার প্রচেষ্টা যা ইনপুট এবং আউটপুটের মধ্যে সম্পর্ক বর্ণনা করে এবং পূর্বাভাস দেয় কিভাবে ইনপুট পরিবর্তনের ফলে আউটপুটগুলি পরিবর্তন করা উচিত। রক্ষণাবেক্ষণ শেখার মধ্যে এজেন্ট ভাল প্রতিক্রিয়ার জন্য পুরস্কৃত করা হয় এবং খারাপ প্রতিক্রিয়ার জন্য শাস্তি দেয়া হয়। এজেন্ট তার পুরস্কার এবং শাস্তি এই অনুক্রম ব্যবহার করে একটি কৌশল গঠন করে তার সমস্যার স্থানে। ইউটিলিটি মত ধারণাগুলি ব্যবহার করে এই তিন ধরনের শেখার সিদ্ধান্ত তত্ত্বের ভিত্তিতে বিশ্লেষণ করা যায়। মেশিন লার্নিং অ্যালগরিদমগুলির গাণিতিক বিশ্লেষণ এবং তাদের পারফরম্যান্স কম্পিউটেশনাল লার্নিং থিওরি নামে পরিচিত যা তাত্ত্বিক কম্পিউটার বিজ্ঞানের একটি শাখা।
 
 
[[বিষয়শ্রেণী:কম্পিউটার বিজ্ঞান]]
৪৬৬টি

সম্পাদনা