मशीनी अधिगम के प्रकार (Typesof ML)

मशीन लर्निंग को सीखने की प्रक्रिया, प्रशिक्षण डेटा और प्रतिपुष्टि के आधार पर मुख्यतः चार प्रकारों में विभाजित किया जाता है।

1.  पर्यवेक्षित अधिगम (Supervised Learning)

इसमें मॉडल को ऐसे डेटा से प्रशिक्षित किया जाता है, जिसमें इनपुट के साथ अपेक्षित उत्तर या लेबल भी उपलब्ध होता है। मॉडल इन उदाहरणों से इनपुट और उत्तर के बीच संबंध सीखता है।

प्रमुख कार्य: वर्गीकरण (Classification) और प्रतिगमन (Regression)।

उदाहरण: हिंदी वाक्यों को संज्ञा, क्रिया और विशेषण की श्रेणियों में वर्गीकृत करना; विद्यार्थियों के अंकों का अनुमान लगाना; ईमेल को स्पैम या सामान्य श्रेणी में बाँटना।

2.  अनवेक्षित अधिगम (Unsupervised Learning)

इसमें मॉडल को ऐसे डेटा से सीखना होता है, जिसमें प्रत्येक उदाहरण का सही उत्तर या लेबल पहले से उपलब्ध नहीं होता। मॉडल डेटा में समानताओं, समूहों और संरचनाओं की पहचान करने का प्रयास करता है।

प्रमुख कार्य: समूहकरण (Clustering), आयाम न्यूनीकरण (Dimensionality Reduction) और डेटा में संरचना की खोज।

उदाहरण: हिंदी समाचारों को उनकी विषयवस्तु के आधार पर समूहों में बाँटना, समान अर्थ वाले शब्दों के समूह खोजना और बड़े डेटा में छिपे प्रतिरूपों की पहचान करना।

3.  अर्ध-पर्यवेक्षित अधिगम (Semi-supervised Learning)

इसमें थोड़े-से लेबलयुक्त डेटा और बड़ी मात्रा में बिना लेबल वाले डेटा का संयुक्त उपयोग किया जाता है। यह तब उपयोगी हो सकता है, जब डेटा उपलब्ध हो, लेकिन प्रत्येक उदाहरण का सही लेबल तैयार करना महँगा या समय-साध्य हो।

उदाहरण: हिंदी के कुछ हजार वाक्यों का भाषावैज्ञानिकों द्वारा पद-निर्धारण करना और फिर बड़े बिना लेबल वाले पाठ-संग्रह की सहायता से मॉडल का प्रशिक्षण सुधारना।

4. पुनरसंबलन  अधिगम (Reinforcement Learning)

इसमें एजेंट (Agent) किसी वातावरण में क्रियाएँ करता है और उन क्रियाओं के परिणामस्वरूप पुरस्कार या दंड जैसे संकेत प्राप्त करता है। इन संकेतों के आधार पर वह ऐसी नीति सीखता है, जिससे दीर्घकाल में बेहतर परिणाम प्राप्त हो सकें।

उदाहरण: रोबोट को रास्ता तय करना सिखाना, खेल खेलने वाले कंप्यूटर प्रोग्राम विकसित करना और संसाधनों के आवंटन की रणनीति सीखना।

उपरोक्त के अलावा एक अतिरिक्त महत्त्वपूर्ण प्रकार: स्व-पर्यवेक्षित अधिगम (Self-supervised Learning) भी है-

इसमें मॉडल उपलब्ध डेटा से ही प्रशिक्षण के लक्ष्य तैयार करता है। उदाहरण के लिए, किसी वाक्य के कुछ शब्द छिपाकर मॉडल को उन शब्दों का अनुमान लगाने के लिए प्रशिक्षित किया जा सकता है। बड़े भाषा मॉडल के पूर्व-प्रशिक्षण में इस प्रकार की तकनीकें महत्त्वपूर्ण भूमिका निभाती हैं।

स्व-पर्यवेक्षित अधिगम को सामान्यतः अनवेक्षित अधिगम से संबंधित दृष्टिकोण माना जाता है, लेकिन इसकी प्रशिक्षण प्रक्रिया में डेटा से निर्मित लक्ष्य विशेष भूमिका निभाते हैं।

(Source : ChatGPT)