ટૂંકો જવાબ: AI ની શોધ એક જ તારીખે થઈ ન હતી; તે ધીમે ધીમે તર્ક, પ્રારંભિક કમ્પ્યુટિંગ અને તર્કને ઔપચારિક બનાવવાના પ્રયાસોમાંથી ઉભરી આવ્યું. સામાન્ય "સત્તાવાર" શરૂઆત માટે, સંશોધકોએ AI ને એક જ સફળતાને બદલે નામાંકિત વૈજ્ઞાનિક ક્ષેત્ર તરીકે ગોઠવ્યો તે ક્ષણનો ઉપયોગ કરો.
મુખ્ય બાબતો:
વ્યાખ્યા : નક્કી કરો કે તમારો મતલબ વિચાર, ક્ષેત્ર કે આધુનિક ઉત્પાદનો છે.
માઇલસ્ટોન : ક્ષેત્રના નામકરણનો ઉપયોગ સૌથી સરળ, સૌથી વધુ જાહેર-મુખી પ્રારંભિક બિંદુ તરીકે કરો.
પ્રાગૈતિહાસિક : AI ના મૂળને કમ્પ્યુટર પહેલાના તર્ક અને યાંત્રિક તર્ક સાથે જોડો.
પદ્ધતિઓ : AI સમજાવતી વખતે શરૂઆતના નિયમ-આધારિત પ્રણાલીઓને પછીના શિક્ષણ-આધારિત અભિગમોથી અલગ પાડો.
સંદર્ભ : ઉલ્લેખ કરો કે માર્કેટિંગ અને બદલાતી વ્યાખ્યાઓ સમયરેખાને તેના કરતાં વધુ સ્વચ્છ બનાવી શકે છે.
🔗 AI ક્યારે લોકપ્રિય બન્યું? સમયરેખા સમજાવી
2010 ના દાયકામાં સંશોધનથી મુખ્ય પ્રવાહમાં AI ના ઉદયને ટ્રેક કરે છે.
🔗 AI અલ્ગોરિધમ શું છે? સ્પષ્ટ વ્યાખ્યા અને ઉદાહરણો
અલ્ગોરિધમ્સ વિરુદ્ધ મોડેલો, તેમજ સરળ ઉદાહરણો અને મુશ્કેલીઓ સમજાવે છે.
🔗 શું AI ને વધુ પડતું મહત્વ આપવામાં આવ્યું છે? હાઇપ વિરુદ્ધ વાસ્તવિક દુનિયાનું મૂલ્ય
માર્કેટિંગ હાઇપને વ્યવહારુ AI ઉપયોગો અને મર્યાદાઓથી અલગ કરે છે.
🔗 AI એજન્ટ કેવી રીતે બનાવવો: વ્યવહારુ પગલાં
એજન્ટો માટે સ્ટેપ-બાય-સ્ટેપ લૂપ, ટૂલ ડિઝાઇન, મેમરી અને ગાર્ડરેલ્સ.
"AI ની શોધ ક્યારે થઈ?" નો ટૂંકો, થોડો હેરાન કરતો જવાબ ⏳🤷
AI ની શોધ એક જ દિવસે કોઈ એક વ્યક્તિ દ્વારા કરવામાં આવી ન હતી. તે સ્ટેનફોર્ડ AI100 માંથી ઉભરી આવ્યું .
જો તમને સ્વચ્છ, વાર્તા-મૈત્રીપૂર્ણ સંસ્કરણ જોઈતું હોય તો: નામાંકિત ક્ષેત્ર તરીકે AI ની શરૂઆત ત્યારે થઈ જ્યારે સંશોધકોના એક નાના જૂથે મૂળભૂત રીતે કહ્યું, "ચાલો મશીનોને વિચારવા માટે મજબૂર કરવાનો પ્રયાસ કરીએ," અને તેઓએ તેને એક વૈજ્ઞાનિક દિવાસ્વપ્ન કરતાં ગંભીર વૈજ્ઞાનિક પ્રોજેક્ટ તરીકે ગણ્યો. તે ક્ષણને ઘણીવાર AI ના "સત્તાવાર" જન્મ ડાર્ટમાઉથ સ્ટેનફોર્ડ AI100 .
જો તમને સાચું સંસ્કરણ જોઈએ છે: AI ગણિત, તર્કશાસ્ત્ર, પ્રારંભિક કમ્પ્યુટિંગ, મનોવિજ્ઞાન, ભાષાશાસ્ત્ર, ન્યુરોસાયન્સ અને ઘણી બધી આશાવાદી અતિશય આશાસ્પદ જ્ઞાનાત્મક વિજ્ઞાન (SEP) IBM . જેમ કે... ઘણું બધું. લોકો એવી રીતે આત્મવિશ્વાસ ધરાવતા હતા જે હવે લગભગ મોહક લાગે છે 😬.
તો, AI ની શોધ ક્યારે થઈ?
-
ભાવનામાં - જ્યારે માનવોએ તર્ક અને યાંત્રિક તર્કને ઔપચારિક બનાવવાનું શરૂ કર્યું ક્લાસિકલ લોજિક (SEP) ઓટોમેટેડ રિઝનિંગ (SEP)
-
વ્યવહારમાં - જ્યારે પ્રોગ્રામેબલ કમ્પ્યુટર્સે તે વિચારોને પરીક્ષણયોગ્ય બનાવ્યા ટ્યુરિંગ, ૧૯૫૦
-
એક ક્ષેત્ર તરીકે - જ્યારે "કૃત્રિમ બુદ્ધિ" એક સંગઠિત સંશોધન લક્ષ્ય બન્યું ડાર્ટમાઉથ સ્ટેનફોર્ડ ઓન જોન મેકકાર્થી
-
જાહેર કલ્પનામાં - જ્યારે તે ઉત્પાદનો, હેડલાઇન્સ અને સંસ્કૃતિમાં "સ્માર્ટ મશીનો" તરીકે દેખાવાનું શરૂ થયું સ્ટેનફોર્ડ AI100, SQ2
હા, તે બહુવિધ જવાબો છે. માફ કરશો. અને, ખાસ કરીને માફ કરશો નહીં.
"શોધાયેલ" નો અર્થ અહીં પણ થાય છે (કારણ કે વ્યાખ્યાઓ મહત્વની છે, ઉફ્ફ) 🧠🧩
AI ની શોધ ક્યારે થઈ? નો જવાબ આપતા પહેલા , આપણે નક્કી કરવું પડશે કે AI શું ગણાય છે. લોકો આ વિશે એવી જ દલીલ કરે છે જેવી રીતે લોકો "વાસ્તવિક" પિઝા શું ગણાય તે અંગે દલીલ કરે છે. કેટલાક લોકો ઉગ્ર બની જાય છે.
લોકો શાંતિથી જે સામાન્ય વ્યાખ્યાઓ વાપરે છે તે અહીં છે:
-
માનવ જેવી વિચારસરણી તરીકે AI : તર્ક, શિક્ષણ, ભાષા સમજવી, યોજનાઓ બનાવવી સ્ટેનફોર્ડ જ્ઞાનકોશ ઓફ ફિલોસોફી
-
AI એક વ્યવહારુ મશીન વર્તન તરીકે : વાણીને ઓળખવી, વિડિઓઝની ભલામણ કરવી, છેતરપિંડી શોધવી OECD AI સિદ્ધાંતો સ્ટેનફોર્ડ AI100
-
સંશોધન ક્ષેત્ર તરીકે AI : સહિયારા ધ્યેયો, પરિષદો અને પદ્ધતિઓ ધરાવતો સમુદાય સ્ટેનફોર્ડ AI100
-
બ્રાન્ડ લેબલ તરીકે AI : આ શબ્દ સોફ્ટવેર પર એટલા માટે લગાવવામાં આવ્યો કારણ કે તે વધુ સારું વેચાય છે 😏
તમારી વ્યાખ્યાના આધારે, AI ની "શોધ" ખૂબ જ અલગ અલગ ક્ષણોમાં થઈ શકે છે.
અને ખરેખર, તે કોઈ કોપ-આઉટ નથી. તે જાનવરનો સ્વભાવ છે. AI એ ટોસ્ટર જેવી શોધ નથી. તે "દવા" અથવા "ઉડ્ડયન" જેવું છે. ત્યાં પ્રોટોટાઇપ્સ, સિદ્ધાંતો, ખોટી શરૂઆતો અને પછી આખરે - એવી વસ્તુઓ હતી જે આખરે કામ કરી.
કૃત્રિમ બુદ્ધિ પહેલાનો પ્રાગૈતિહાસિક સમય: માનવોએ યુગોથી વિચારસરણીને બંધ કરવાનો પ્રયાસ કર્યો 🏛️⚙️
કોઈએ કોમ્પ્યુટર બનાવ્યું તે પહેલાં, લોકો પહેલાથી જ વિચારોને નિયમોમાં ફેરવવા માટે ઝનૂની હતા ઓટોમેટેડ રિઝનિંગ (SEP) .
"પ્રાગૈતિહાસિક" તબક્કાના કેટલાક મુખ્ય વિષયો:
-
ઔપચારિક તર્ક : તર્કને માળખાગત પગલાંમાં ફેરવવો ક્લાસિકલ લોજિક (SEP)
-
યાંત્રિક ગણતરી : એવા ઉપકરણો જે દર્શાવે છે કે મશીનો પ્રક્રિયાઓનું પાલન કરી શકે છે
-
પ્રતીકાત્મક વિચારસરણી : વિચારોને ચાલાકી કરી શકાય તેવી વસ્તુઓ (સંખ્યાઓ, શબ્દો, નિયમો) તરીકે ગણવા
-
ઓટોમેશનનું સ્વપ્ન : શરીરની બહાર મન બનાવવાની વારંવાર આવતી માનવ કલ્પના 😳
અહીંથી જ વિચાર શરૂ થાય છે. ટેકનોલોજી નહીં, પણ માનસિકતા: "જો વિચારસરણી પેટર્નને અનુસરે છે, તો કદાચ આપણે પેટર્નનું પુનઃઉત્પાદન કરી શકીએ છીએ."
આગ સમજ્યા વિના ડ્રેગનનું સ્કેચ બનાવવા જેવું છે. સ્કેચ મહત્વપૂર્ણ છે, પણ તે હજુ માર્શમેલો શેકતો નથી.
તો જો તમે પૂછો કે AI ની શોધ ક્યારે થઈ? અને તમારો મતલબ "આ ખ્યાલ ક્યારે શરૂ થયો?" તો સ્પષ્ટ જવાબ છે: તે લાંબા સમયથી માનવ સંસ્કૃતિમાં ઉકળે છે.
એક ક્ષેત્ર તરીકે AI નો "સત્તાવાર જન્મ": જ્યારે લોકોએ આખરે તેનું નામ આપ્યું 🏷️🤖
કે AI ની શોધ ક્યારે થઈ? ત્યારે તેઓ આ ભાગ પર ધ્યાન કેન્દ્રિત કરે છે
ડાર્ટમાઉથ સ્ટેનફોર્ડ ઓન જોન મેકકાર્થીના સંગઠિત મિશન તરીકે ગણવાનું શરૂ કર્યું ત્યારે AI "AI" બની ગયું. તે પરિવર્તન મહત્વનું હતું. કોઈ ક્ષેત્રનું નામકરણ સૌંદર્યલક્ષી લાગે છે, પરંતુ એવું નથી. એક નામ ભંડોળ, વિદ્યાર્થીઓ, પ્રયોગશાળાઓ, સ્પર્ધા, અહંકાર, પ્રગતિ અને નાટક માટે જરૂરી બધા ઘટકોને આકર્ષે છે 🍿.
તે "સત્તાવાર જન્મ" તબક્કામાં, મોટો વિચાર બોલ્ડ અને સરળ હતો:
-
એવા મશીનો બનાવો જે તર્ક આપી શકે
-
તેમને ભાષાનો ઉપયોગ કરાવો
-
તેમને અનુભવમાંથી શીખવા દો
-
બુદ્ધિને એન્જિનિયરિંગમાં ફેરવો ડાર્ટમાઉથ
IBM ના મૂળભૂત ટુકડાઓ મેળવી લીધા પછી માનવ-સ્તરની બુદ્ધિ ઝડપથી ઉકેલાઈ શકે છે . આ આશાવાદ હતો... હું તેને કેવી રીતે હળવાશથી કહી શકું... અત્યંત આશાવાદી.
છતાં, તે ક્ષણે AI માત્ર એક દાર્શનિક જિજ્ઞાસા નહીં, પણ એક ઓળખી શકાય તેવો પ્રોજેક્ટ બન્યો.
પ્રારંભિક AI અભિગમો: નિયમો, પ્રતીકો અને ઘણો આત્મવિશ્વાસ 😬📜
શરૂઆતની AI સિસ્ટમો પ્રતીકાત્મક પદ્ધતિઓ - મૂળભૂત રીતે, જ્ઞાન અને નિયમોને સ્પષ્ટ રીતે લખવા, લોજિક-આધારિત AI (SEP) સ્ટેનફોર્ડ AI100, SQ12 .
વિચારો:
-
જો આ, તો તે
-
જો દર્દીમાં લક્ષણ A અને લક્ષણ B હોય, તો નિદાન C ધ્યાનમાં લો
-
જો ચેસ પોઝિશન X જેવી લાગે, તો Y કરો
આ અભિગમે કેટલાક પ્રભાવશાળી કાર્યો કર્યા, ખાસ કરીને સાંકડા ડોમેન્સમાં સ્ટેનફોર્ડ AI100 . પરંતુ તેની મર્યાદાઓ હતી જે પીડાદાયક રીતે સ્પષ્ટ થઈ ગઈ:
-
વાસ્તવિક જીવન અવ્યવસ્થિત છે
-
માણસો જ્ઞાનને સુઘડ નિયમ યાદી તરીકે સંગ્રહિત કરતા નથી
-
દુનિયામાં અસ્પષ્ટતા, અધૂરી માહિતી અને અપવાદો પર અપવાદોનો ઢગલો છે
-
સૂટ પહેરીને ભાષા એ અશાંતિ છે
સિમ્બોલિક AI એ સ્પ્રેડશીટ વાંચીને જાઝ વગાડવાનો પ્રયાસ કરવા જેવું છે. તમે ચોક્કસ અંદાજ લગાવી શકો છો. પરંતુ કોઈક સમયે, તમારે અનુભૂતિ, અનુકૂલનક્ષમતા અને શીખવાની જરૂર છે.
આ જ કારણ છે કે "AI ની શોધ ક્યારે થઈ?" એ પ્રશ્ન જટિલ છે - સૌથી પહેલું "AI" હવે લોકો જેને AI કહે છે તેના જેવું થોડું દેખાતું હતું, પરંતુ તે સંપૂર્ણપણે વંશનો એક ભાગ હતું.
શીખવા તરફનો ફેરફાર: જ્યારે ડેટા હાથથી લખેલા નિયમોને હરાવવા લાગ્યો 📈🧪
આખરે, ગુરુત્વાકર્ષણ કેન્દ્ર "પ્રોગ્રામ ઇન્ટેલિજન્સ ડાયરેક્ટ" થી "મશીનને પેટર્ન શીખવા દો" તરફ ખસેડ્યું. સ્ટેનફોર્ડ AI100, SQ12 .
આ શિક્ષણ-કેન્દ્રિત તબક્કામાં શામેલ છે:
-
મશીન લર્નિંગ : સ્પષ્ટ નિયમોને બદલે ઉદાહરણો દ્વારા સિસ્ટમો સુધરે છે - મશીન લર્નિંગ પર IBM
-
આંકડાકીય પદ્ધતિઓ સ્ટેનફોર્ડ AI100 ને સંપૂર્ણપણે દૂર કરી શકતા નથી.
-
ન્યુરલ નેટવર્ક્સ : છૂટક મગજ-પ્રેરિત સિસ્ટમો જે સ્તરીય રજૂઆતો શીખે છે બ્રિટાનિકા કનેક્શનિઝમ પર
-
વધુ ગણતરી + વધુ ડેટા : અનોખો કોમ્બો જે ઘણીવાર સ્ટેનફોર્ડ AI100, SQ2 સ્ટેનફોર્ડ AI100, SQ12
આ એવો યુગ હતો જ્યારે AI ને બરડ નિયમ એન્જિન ઓછું અને અનુકૂલનશીલ પેટર્ન મશીનો વધુ લાગવા લાગ્યું. તે માણસની જેમ "વિચાર" કરતું ન હતું, પરંતુ તે માનવીઓ દ્વારા ધારેલા કાર્યોમાં નોંધપાત્ર રીતે સારું બન્યું હતું જે વિચારવાની જરૂર હતી.
તમે જોઈ શકો છો કે લોકો શા માટે પૂછે છે કે AI ની શોધ ક્યારે થઈ? અહીં પણ, કારણ કે ઘણા લોકો માટે, આ તે સમય છે જ્યારે AI મૂર્ત દેખાવા લાગ્યું.
વાસ્તવિક દુનિયામાં AI: શાંત ટેકઓવર જે તમે ભાગ્યે જ જોયું 📱🛒
એક રમુજી વાત બની: AI સામાન્ય સ્ટેનફોર્ડ AI100 .
"રોબોટ બટલર" ની રીતે નહીં, "તમારો ફોન તમારા નજીકના મિત્ર કરતાં તમારી આદતોને વધુ સારી રીતે જાણે છે" ની રીતે. AI એ ઉત્પાદનોમાં આ રીતે પ્રવેશ કર્યો:
-
શોધ અને રેન્કિંગ સિસ્ટમ્સ
-
ભલામણ એન્જિન
-
છેતરપિંડી શોધવી
-
સ્વતઃપૂર્ણ અને જોડણી સુધારણા
-
વાણી ઓળખ
-
છબી ટેગિંગ
-
નેવિગેશન અને રૂટ પ્લાનિંગ
-
ગ્રાહક સપોર્ટ ચેટબોટ્સ (કેટલાક મદદરૂપ છે, કેટલાક... પસંદગી છે) સ્ટેનફોર્ડ AI100 સ્ટેનફોર્ડ AI100, SQ2
આ તે જગ્યા છે જ્યાં "AI" શબ્દ અર્થપૂર્ણ અને લપસણો બંને બન્યો. કારણ કે કંપનીઓએ ઘણી બધી વસ્તુઓને "AI" કહેવાનું શરૂ કર્યું, જેમાં મૂળભૂત રીતે ફેન્સી ઓટોમેશન જેવી વસ્તુઓનો સમાવેશ થાય છે.
તો ફરીથી, AI ની શોધ ક્યારે થઈ? તમારો મતલબ શું છે તેના પર આધાર રાખે છે:
-
"સંશોધન ક્યારે શરૂ થયું?"
-
"તે ક્યારે વ્યવહારુ બન્યું?"
-
"તે ક્યારે મુખ્ય પ્રવાહમાં આવ્યું?"
-
"માર્કેટર્સે AI શબ્દ ક્યારે શોધ્યો?" 😏
સરખામણી કોષ્ટક: "AI ની શોધ ક્યારે થઈ?" ના અલગ અલગ જવાબો, બાજુ-બાજુ 📊🤓
અહીં એક સરખામણી કોષ્ટક છે જે લોકો આ પ્રશ્નનો જવાબ કેવી રીતે આપે છે તે દર્શાવે છે. તે સંપૂર્ણપણે વ્યવસ્થિત નથી, કારણ કે માણસો સંપૂર્ણપણે વ્યવસ્થિત નથી. આ કોષ્ટક પણ નથી.
| વિકલ્પ / કોણ (ટૂલ-ઇશ) | (પ્રેક્ષકો) માટે શ્રેષ્ઠ | તે કેમ કામ કરે છે (અને થોડી નાની ભૂલો) |
|---|---|---|
| "જ્યારે ક્ષેત્રનું નામકરણ થયું ત્યારે AI શરૂ થયું" | વિદ્યાર્થીઓ, સામાન્ય વાચકો | સાદી વાર્તા, રાત્રિભોજનમાં પુનરાવર્તન કરવું સરળ. ઇતિહાસકારોને કદાચ હેરાન કરી શકે છે 🙃 |
| "AI ની શરૂઆત પ્રોગ્રામેબલ કમ્પ્યુટર્સથી થઈ હતી" | ઇજનેરો, વ્યવહારુ લોકો | એઆઈને વાસ્તવિક મશીનરી સાથે જોડે છે. ઓછી કાવ્યાત્મક, હઠીલા રીતે વધુ સચોટ |
| "AI ની શરૂઆત તર્ક અને ઔપચારિક તર્કથી થઈ હતી" | ફિલોસોફી મગજ, નર્ડી કાકાઓ | ઊંડા મૂળને પકડી લે છે. લાંબી વાતચીતો તરફ પણ દોરી જાય છે જેમાંથી તમે છટકી શકતા નથી |
| "જ્યારે મશીનો ડેટામાંથી શીખી શકતા હતા ત્યારે AI ની શરૂઆત થઈ" | આધુનિક ટેકનોલોજી વાચકો | આજે લોકો જે જુએ છે તેના સાથે મેળ ખાય છે. પહેલાની વાતો થોડી કામ કરે છે, પણ તે છે |
| "જ્યારે પણ એઆઈ નવી સીમા પર પહોંચે છે ત્યારે તેની શોધ થાય છે" | ઉત્પાદન ટીમો, ટ્રેન્ડ-નિરીક્ષકો | અપેક્ષાઓના ચક્રને સમજાવે છે. ગોલપોસ્ટ ખસેડવા જેવું લાગે છે... કારણ કે તે |
ધ્યાન આપો કે આમાંથી કોઈ પણ "ખોટા" નથી. તે ફક્ત એક જ કેકના અલગ અલગ ટુકડાઓ છે. કેટલાક ટુકડાઓમાં વધુ ફ્રોસ્ટિંગ હોય છે. કેટલાકમાં વધુ... ગાઢ ફળ હોય છે. તમે સમજી ગયા 🍰.
"AI ની શોધ ક્યારે થઈ?" નું સારું સંસ્કરણ શું બનાવે છે 🧰✅
"AI ની શોધ ક્યારે થઈ?" નો સારો જવાબ કેટલીક બાબતો સારી રીતે કરે છે:
-
તે પ્રારંભિક બિંદુ સોંપતા પહેલા
-
મૂંઝવણમાં પડ્યા વિના અનેક સીમાચિહ્નોને સ્વીકારે છે
-
તે વિચારને અમલીકરણથી અલગ કરે છે
-
તે સ્વીકારે છે કે માર્કેટિંગ અને ફૂલેલા દાવાઓ સમયરેખાને વિકૃત કરે છે (નમ્રતાપૂર્વક, અથવા નમ્રતાપૂર્વક નહીં)
-
તે આદર આપે છે કે "AI" એક ગતિશીલ લક્ષ્ય છે - જેને એક સમયે AI તરીકે ગણવામાં આવતું હતું તે હવે "માત્ર સોફ્ટવેર" હોઈ શકે છે.
જો તમને એવો જવાબ સંભળાય જે ખૂબ જ સ્વચ્છ લાગે, તો તે કદાચ મહત્વપૂર્ણ સંદર્ભને અવગણી રહ્યો છે. તેનો અર્થ એ નથી કે તે અર્થહીન છે. તેનો અર્થ ફક્ત એ છે કે તે વાર્તા કહેવા માટે ઑપ્ટિમાઇઝ કરવામાં આવ્યો છે, ચોકસાઈ માટે નહીં.
અને વાર્તા કહેવાનું પણ મૂલ્ય છે. માણસો વાર્તાઓ પર ચાલે છે. જેમ ફોન બેટરી પર ચાલે છે - સિવાય કે આપણી બેટરી મૂડ અને નાસ્તા પર હોય.
સમયરેખાને અજીબ બનાવતી સામાન્ય ગેરસમજો 🌀😵💫
ચાલો આ વિષયને ગૂંચવતી કેટલીક ગેરસમજો દૂર કરીએ.
ગેરસમજ ૧: AI અચાનક દેખાયો
ના. AI સંચિત છે. પ્રગતિનો ઢગલો. નિષ્ફળતાઓનો પણ ઢગલો.
ગેરસમજ ૨: AI એક વસ્તુ છે
AI એ અભિગમોનો સમૂહ છે. નિયમો, આંકડા, શિક્ષણ, પ્રતિનિધિત્વ, આયોજન, દ્રષ્ટિ. તે એક સંપૂર્ણ ઇકોસિસ્ટમ છે સ્ટેનફોર્ડ એનસાયક્લોપીડિયા ઓફ ફિલોસોફી .
ગેરસમજ ૩: જો તે સભાન ન હોય, તો તે AI નથી
AI ને AI બનવા માટે ચેતનાની જરૂર નથી. મોટાભાગનું AI કાર્ય-કેન્દ્રિત પેટર્ન કાર્ય છે. શક્તિશાળી, હા. સ્વ-જાગૃત - ના સ્ટેનફોર્ડ એનસાયક્લોપીડિયા ઓફ ફિલોસોફી .
ગેરસમજ ૪: AI હંમેશા નવું અને અદ્યતન હોય છે
કેટલીક "AI" તકનીકો પૌત્રો પેદા કરવા માટે પૂરતી જૂની છે. તેઓ ફક્ત વધુ સારા હાર્ડવેર અને વધુ સારા ડેટા ડાયેટ મેળવતા રહે છે. સ્ટેનફોર્ડ AI100 .
તો જ્યારે તમે પૂછો છો કે AI ની શોધ ક્યારે થઈ? , ત્યારે મૂંઝવણનો એક ભાગ એ છે કે લોકો મિશ્રિત થઈ રહ્યા છે:
-
શબ્દ AI
-
ક્ષેત્ર AI
-
AI પાછળની તકનીકો
-
AI ની લોકપ્રિય છબી
તે સંબંધિત છે, પણ સમાન નથી.
વાતચીતમાં તમે ખરેખર ઉપયોગ કરી શકો તેવો વ્યવહારુ જવાબ 🗣️🙂
જો તમને એવા સ્પષ્ટ જવાબની જરૂર હોય જે રૂમને અસ્તવ્યસ્ત ન કરે, તો આનો પ્રયાસ કરો:
જ્યારે સંશોધકોએ ઔપચારિક રીતે કમ્પ્યુટર્સને બુદ્ધિશાળી કાર્યો કરવા માટે તૈયાર કર્યા ત્યારે AI ની "શોધ" થઈ, અને તે ધીમે ધીમે શરૂઆતના નિયમ-આધારિત પ્રણાલીઓથી શિક્ષણ-આધારિત પ્રણાલીઓમાં વિકસિત થયું જે રોજિંદા ઉત્પાદનોમાં વ્યાપકપણે વ્યવહારુ બન્યું.
આ વાક્ય થોડું કડવું છે, પણ તે તમને મજબૂત જમીન પર રાખે છે.
જો તમને અલ્ટ્રા-કેઝ્યુઅલ વર્ઝન જોઈએ છે:
AI અસ્તિત્વમાં નહોતું આવ્યું - તે સમય જતાં વિકસ્યું, એક સંશોધન વિચાર તરીકે શરૂ થયું અને ડેટા અને કમ્પ્યુટિંગ શક્તિના ઉપયોગ પછી વ્યવહારુ સોફ્ટવેરમાં ફેરવાઈ ગયું.
અને જો કોઈ તમને ફરીથી દબાવશે - "હા પણ ક્યારે" - તો તમે હસીને કહી શકો છો:
જન્મદિવસ એક જ નથી હોતો. તે થોડા મોટા સીમાચિહ્નરૂપ ક્ષણો સાથે લાંબા સમયથી ચાલતા પ્રોજેક્ટ જેવું છે.
પછી વિષય બદલીને નાસ્તો કરો. દર વખતે કામ કરે છે 😄🍪.
સમાપન નોંધ: તો, AI ની શોધ ક્યારે થઈ? 🧾🤖
તમે પૂછ્યું કે AI ની શોધ ક્યારે થઈ? અને સૌથી સાચો જવાબ છે: તે "AI" નો અર્થ શું છે અને "શોધાયેલ" નો અર્થ શું છે તેના પર આધાર રાખે છે.
ઝડપી રીકેપ
-
વિચાર જૂનો છે - માનવીઓ હંમેશા યાંત્રિક તર્કનો પીછો કરતા આવ્યા છે .
-
જ્યારે સંશોધકોએ તેનું નામકરણ કર્યું અને તેની આસપાસ ગોઠવણ કરી ત્યારે આ ક્ષેત્ર
-
શરૂઆતના AI સ્પષ્ટ નિયમો અને પ્રતીકો પર આધાર રાખતા હતા
-
પાછળથી AI એ ડેટામાંથી શીખવા પર આધાર રાખ્યો, જેના કારણે તે વધુ વ્યવહારુ બન્યું
-
જ્યારે એઆઈ રોજિંદા સોફ્ટવેરમાં શાંતિથી એમ્બેડ થઈ ગયું ત્યારે તે "બધે જ" બની ગયું
-
કોઈ એક જન્મદિવસ નથી હોતો, ફક્ત સફળતાઓ, આંચકો અને નવીનતાઓની સાંકળ હોય છે
અને, એક રીતે, તે યોગ્ય છે. બુદ્ધિમત્તાની પણ કોઈ સ્પષ્ટ શરૂઆત તારીખ હોતી નથી. તે સ્તરવાળી, અસમાન અને એવી ક્લજથી ભરેલી છે જે કોઈક રીતે કામ કરે છે. એક જંક ડ્રોઅરની જેમ જેમાં તમને જે જોઈએ છે તે બરાબર સમાવિષ્ટ હોય છે 🧠🔧.
વારંવાર પૂછાતા પ્રશ્નો
AI ની શોધ ક્યારે થઈ, બરાબર?
એવો કોઈ દિવસ નથી જ્યારે AI ની શોધ થઈ હોય. સૌથી સચોટ જવાબ એ છે કે AI ધીમે ધીમે ઉભરી આવ્યું, પહેલા ઔપચારિક તર્કના વિચાર તરીકે અને પછી એક વ્યવહારુ સંશોધન પ્રયાસ તરીકે, જ્યારે પ્રોગ્રામેબલ કમ્પ્યુટર્સે તે વિચારોને પરીક્ષણયોગ્ય બનાવ્યા. રોજિંદા વાતચીતમાં, લોકો ઘણીવાર AI ના જન્મને તે ક્ષણ તરીકે ગણે છે જ્યારે તે એક નામાંકિત વૈજ્ઞાનિક ક્ષેત્ર બન્યું, સિદ્ધાંતોના છૂટા સમૂહને બદલે.
AI નો એક સ્પષ્ટ જન્મદિવસ કેમ નથી હોતો?
AI એ એક ઉપકરણ કે એક પેટન્ટપાત્ર વસ્તુ નથી, તેથી તે "આજના દિવસે શોધાયેલ" વાર્તામાં બંધબેસતું નથી. તે સમય જતાં તર્કશાસ્ત્ર, ગણિત, કમ્પ્યુટિંગ, મનોવિજ્ઞાન, ભાષાશાસ્ત્ર અને ન્યુરોસાયન્સમાંથી ઉભરી આવ્યું છે. એટલા માટે જુદા જુદા લોકો ખ્યાલ, ટેકનોલોજી, સંશોધન ક્ષેત્ર અથવા જાહેર-મુખી ઉત્પાદન શ્રેણીનો અર્થ શું છે તેના આધારે વિવિધ સીમાચિહ્નો તરફ નિર્દેશ કરે છે.
AI ક્ષેત્ર તરીકેની સત્તાવાર શરૂઆત શું ગણાય છે?
"સત્તાવાર" શરૂઆતનો અર્થ સામાન્ય રીતે એ બિંદુ થાય છે જ્યારે સંશોધકો મશીન ઇન્ટેલિજન્સ ને છૂટાછવાયા જિજ્ઞાસા તરીકે ગણવાને બદલે એક સહિયારા ધ્યેય તરીકે કૃત્રિમ બુદ્ધિમત્તાની આસપાસ ગોઠવાય છે. તે મહત્વનું હતું કારણ કે એકવાર ક્ષેત્રનું નામ થઈ જાય, પછી તે ભંડોળ, પ્રયોગશાળાઓ, વિદ્યાર્થીઓ અને ગંભીર વૈજ્ઞાનિક ધ્યાન આકર્ષિત કરી શકે છે. તે અર્થમાં, AI ફક્ત એક દાર્શનિક વિચાર પ્રયોગને બદલે એક વ્યાખ્યાયિત સંશોધન પ્રોજેક્ટ બની ગયું.
શું આધુનિક કોમ્પ્યુટર પહેલાં AI અસ્તિત્વમાં હતું?
ટેકનોલોજીએ તો એવું કર્યું નહીં, પણ મુખ્ય વિચારે ચોક્કસપણે કર્યું. આધુનિક કમ્પ્યુટર્સ પહેલાં ઘણા સમય પહેલા, લોકો તર્કને નિયમોમાં ફેરવવાનો અને પ્રક્રિયાઓને અનુસરી શકે તેવા મશીનોની કલ્પના કરવાનો પ્રયાસ કરી રહ્યા હતા. તેથી જો કોઈ પૂછે કે AI ની શોધ ભાવનામાં ક્યારે થઈ, તો તેનો જવાબ તર્ક, યાંત્રિક ગણતરી અને સ્વચાલિત વિચારના સ્વપ્નના ઇતિહાસમાં ખૂબ પાછળ જાય છે.
શરૂઆતના AI સિસ્ટમો ખરેખર કેવી રીતે કામ કરતી હતી?
શરૂઆતની AI સિસ્ટમો મોટે ભાગે પ્રતીકાત્મક પદ્ધતિઓ પર આધાર રાખતી હતી, જેનો અર્થ એ થયો કે માનવીઓ મશીનને અનુસરવા માટે સ્પષ્ટ નિયમો અને રજૂઆતો લખતા હતા. તે સાંકડા ક્ષેત્રમાં આશ્ચર્યજનક રીતે સારી રીતે કામ કરતું હતું જ્યાં વિશ્વને માળખાગત પગલાંઓમાં સરળ બનાવી શકાય છે. મુશ્કેલી એ હતી કે વાસ્તવિક જીવન સુઘડ નિયમોનો પ્રતિકાર કરે છે, ભાષા અસ્પષ્ટ છે, અને અપવાદો ઝડપથી એકઠા થાય છે, જેના કારણે સંપૂર્ણપણે નિયમ-આધારિત સિસ્ટમો નિયંત્રિત સેટિંગ્સની બહાર બરડ લાગે છે.
આજે લોકો જે સ્વરૂપમાં ઓળખે છે તે સ્વરૂપમાં AI ની શોધ ક્યારે થઈ?
ઘણા લોકો માટે, AI ત્યારે જ વાસ્તવિક લાગે છે જ્યારે સિસ્ટમો હાથથી લખેલા નિયમોનું પાલન કરવાને બદલે ડેટામાંથી શીખે છે. તે પછીના તબક્કાએ AI ને વધુ લવચીક, વધુ વ્યવહારુ અને આધુનિક વપરાશકર્તાઓ જ્યારે આ શબ્દ સાંભળે છે ત્યારે જે કલ્પના કરે છે તેની ખૂબ નજીક બનાવ્યું. તેથી જ્યારે AI એક સંશોધન ક્ષેત્ર તરીકે શરૂ થયું હતું, ત્યારે આજના પરિચિત સંસ્કરણે આકાર લીધો જ્યારે શિક્ષણ-આધારિત પદ્ધતિઓ કેન્દ્રિય બની.
શું મશીન લર્નિંગ અને એઆઈ એક જ વસ્તુ છે?
બિલકુલ નહીં. મશીન લર્નિંગને AI માં એક મુખ્ય અભિગમ તરીકે શ્રેષ્ઠ રીતે સમજવામાં આવે છે, ખાસ કરીને તે અભિગમ જ્યાં સિસ્ટમો સ્પષ્ટ સૂચનાઓ પર સંપૂર્ણપણે આધાર રાખવાને બદલે ઉદાહરણોમાં પેટર્ન શોધીને સુધારે છે. AI એ વ્યાપક છત્ર છે જેમાં તર્ક, આયોજન, ભાષા, દ્રષ્ટિ અને નિયમ-આધારિત પદ્ધતિઓનો પણ સમાવેશ થઈ શકે છે. એટલા માટે લોકો ક્યારેક શબ્દોને અસ્પષ્ટ કરે છે, ભલે તે સંપૂર્ણપણે બદલી ન શકાય.
AI ક્યારે રોજિંદા જીવનનો ભાગ બન્યો?
AI ત્યારે સામાન્ય બની ગયું જ્યારે તે લોકો દ્વારા ઉપયોગમાં લેવાતા ઉત્પાદનોમાં પ્રવેશ્યું, જેને AI કહેવાની જરૂર ન હતી. શોધ રેન્કિંગ, ભલામણો, છેતરપિંડી શોધ, સ્વતઃપૂર્ણ, વાણી ઓળખ, છબી ટેગિંગ, રૂટ પ્લાનિંગ અને ગ્રાહક સપોર્ટ - આ બધાએ તેને સામાન્ય બનાવવામાં મદદ કરી. આ પરિવર્તન નાટકીય નહીં પણ ધીમે ધીમે લાગ્યું, તેથી જ ઘણા લોકો માને છે કે AI એકદમ નવું છે, ભલે તેઓ વર્ષોથી AI-સ્વાદવાળી સિસ્ટમનો ઉપયોગ કરી રહ્યા હોય.
આજે પણ જૂની AI પદ્ધતિઓ શા માટે મહત્વપૂર્ણ છે?
જૂના અભિગમો હજુ પણ મહત્વ ધરાવે છે કારણ કે AI "ખરાબ જૂના નિયમો" થી "સારા નવા શિક્ષણ" સુધી એક સીધી રેખામાં આગળ વધ્યું નથી. ઘણી પાઇપલાઇન્સ હજુ પણ કાર્યના આધારે માળખાગત તર્ક, શોધ, આયોજન અને આંકડાકીય શિક્ષણને જોડે છે. તે પહેલાના વિચારોએ સંશોધકો જ્ઞાન, તર્ક અને સમસ્યાનું નિરાકરણ કેવી રીતે વિચારે છે તે પણ આકાર આપ્યો હતો, તેથી નવા સાધનો સ્પોટલાઇટ મેળવે ત્યારે પણ તેઓ ક્ષેત્રના પાયાનો ભાગ રહે છે.
વાતચીતમાં "AI ની શોધ ક્યારે થઈ?" નો સૌથી સરળ જવાબ કયો છે?
એક નક્કર, વ્યવહારુ જવાબ એ છે કે AI ની શોધ એક જ સમયે થઈ ન હતી. તે મશીનોને બુદ્ધિશાળી કાર્યો કરવા માટે લાંબા સમયથી ચાલતા પ્રયાસ તરીકે શરૂ થયું, પહેલા ઔપચારિક તર્ક અને નિયમ-આધારિત પ્રણાલીઓ દ્વારા, અને પછીથી શીખવા-આધારિત પદ્ધતિઓ દ્વારા જે વાસ્તવિક ઉત્પાદનોમાં અસરકારક બની. તે સંસ્કરણ પુનરાવર્તન કરવા માટે પૂરતું સરળ છે જ્યારે હજુ પણ સ્વીકારવામાં આવે છે કે AI પાસે એક જન્મદિવસને બદલે સીમાચિહ્નોથી બનેલી સમયરેખા છે.
સંદર્ભ
-
ડાર્ટમાઉથ - home.dartmouth.edu
-
સ્ટેનફોર્ડ AI100 - સ્ટેનફોર્ડ AI100 - ai100.stanford.edu
-
cs.ox.ac.uk - ટ્યુરિંગ, ૧૯૫૦ - cs.ox.ac.uk
-
સ્ટેનફોર્ડ જ્ઞાનકોશ ઓફ ફિલોસોફી - સ્ટેનફોર્ડ જ્ઞાનકોશ ઓફ ફિલોસોફી - plato.stanford.edu
-
સ્ટેનફોર્ડ એન્જિનિયરિંગ - જોન મેકકાર્થી પર સ્ટેનફોર્ડ - engineering.stanford.edu
-
સ્ટેનફોર્ડ જ્ઞાનકોશ ઓફ ફિલોસોફી - ઓટોમેટેડ રિઝનિંગ (SEP) - plato.stanford.edu
-
સ્ટેનફોર્ડ જ્ઞાનકોશ ઓફ ફિલોસોફી - ક્લાસિકલ લોજિક (SEP) - plato.stanford.edu
-
સ્ટેનફોર્ડ જ્ઞાનકોશ ઓફ ફિલોસોફી - લોજિક-આધારિત AI (SEP) - plato.stanford.edu
-
સ્ટેનફોર્ડ AI100 - સ્ટેનફોર્ડ AI100, SQ12 - ai100.stanford.edu
-
સ્ટેનફોર્ડ AI100 - સ્ટેનફોર્ડ AI100, SQ2 - ai100.stanford.edu
-
સ્ટેનફોર્ડ જ્ઞાનકોશ ઓફ ફિલોસોફી - જ્ઞાનાત્મક વિજ્ઞાન (SEP) - plato.stanford.edu
-
OECD - OECD AI સિદ્ધાંતો - oecd.ai
-
આઇબીએમ - ibm.com
-
IBM - મશીન લર્નિંગ પર IBM - ibm.com
-
બ્રિટાનિકા - કનેક્શનિઝમ પર બ્રિટાનિકા - britannica.com