– दिवस भट्टराई –
हामी बस्ने वातावरणमा कम्प्युटर र पोर्टेबल कम्प्युटर, स्मार्ट उपकरणहरू र इन्टरनेट अफ थिंग्स व्याप्त छन्। कम्प्युटर विज्ञानले विज्ञान र इन्जिनियरिङ्ग अनुशासनलाई समेट्छ। यस अनुशासनले कम्प्युटर र कम्प्युटेसनल प्रक्रियाहरू कसरी सिर्जना गर्ने भनेर अध्ययन अनुसन्धान गर्दछ। यस अन्तर्गत सिद्धान्तको अध्ययन, एल्गोरिदम र एब्स्ट्र्याक्सनका साथै प्रयोगको अध्ययन, प्रोग्रामिङ र इन्जिनियरिङ्ग दुवै पर्दछन। प्रयोगको उदाहरणमा उपयोगी उद्देश्यका लागि डाटाको हेरफेर र रूपान्तरण, डाटा इन्जिनियरिङ्ग जस्तो गणनाको व्यवहारिक पक्ष पर्दछ ।
मेशिन लर्निङ कम्प्यूटर विज्ञान, गणित, सांख्यिकी र कृत्रिम बुद्धिमत्ताको सङ्गम हुने एक बहुमुखी विषय हो। मेशिन लर्निङको उप-क्षेत्रहरूले प्रतीकात्मक (“उदाहरणबाट सिक्ने”) र सांख्यिकीय विधिहरू (“अनुभवबाट सिक्ने”) लाई व्यवहारमा उतार्दछन्।
प्रतीकात्मक विधि प्रणालीले स्थापित नियमहरूमा आधारित भै डाटाबाट अर्थ निकाल्ने गर्दछ। यसका उदाहरणहरूमा नियम सिक्ने र inductive logic प्रोग्रामिङ पर्दछन्। सांख्यिकीय विधि प्रणालीहरूको विकाससँग सम्बन्धित छ जसले उपलब्ध उदाहरणबाट नयाँ, पहिले नदेखिएको मामलाहरूमा काम गर्न सक्ने क्षमता राख्छ।
सपोर्ट भेक्टर मेशीनहरू र भर्खरका चर्चित न्यूरल नेटवर्कहरू यस्का उदाहरणहरु हुन्। बढ्दो डिजिटल पूर्वाधार, विस्तृत अनुप्रयोगका सम्भावाना, डाटाको उपलब्धता, अन्तर्राष्ट्रिय क्षेत्रबाट प्रेरणा , प्रशिक्षण अवसर वृद्धि र व्याख्या गर्न सकिने एल्गोरिदम जस्ता विभिन्न सुविधाहरूको कारण समयसँगै नेपालमा डाटा ओरिएन्टेड प्रविधिको प्रयोग बढ्दै गइरहेको छ। इमेज रेकोगनिशन न्यूरल नेटवर्कको एक प्रतिनिधिक अनुप्रयोगहरू मध्ये एक हो।
नेपालमा नेत्रहीनहरूको लागिको लागी नगद चिन्ने एप , मेकानिकल पार्ट (नट, बोल्ट, आदि) फोटो बाटै चिन्न सकिने एप पनि बनाइएका छन्। प्राकृतिक भाषा प्रसंस्करण कृत्रिम न्यूरल नेटवर्कको अर्को उत्कृष्ट अनुप्रयोग हो जुन आउँदो भविष्यमा सम्भवतः अर्को ठूलो अनुप्रयोग हुनेछ।
वास्तवमा भन्ने हो भने, यो ब्लग पनि अधिकतर नवीनतम भाषा मोडेल GPT-3 द्वारा अंग्रेजीमा लेखिएर नेपालीमा अनुवाद गरिएको थियो। अक्टूबर २०१९ को प्रशिक्षण डाटाबाट कोरिएको यो मोडेल, दुर्भाग्यवस, अझै आत्म-जागरूक (पूर्ण चेतनशील ) चाहीँ छैन है !
कला र संगीत क्षेत्रको लागि पनि मेशिन लर्निङ व्यापक चासोको विषय रहेको छ। यस क्षेत्रमा विशेष गरी मेशिन लर्निङ मोडेलहरू संगीत वा कलाको रचना कसरी सिर्जना गर्ने भन्ने अध्ययन गर्न प्रयोग गरिन्छ।
अर्को अनुसन्धानको विषय रचनात्मक मेशिनहरू कसरी प्रोग्राम गर्ने भन्ने बारेमा छ। यी मेशिनहरू मेशिन लर्निङ एल्गोरिदमबाट संगीत रचना स्वचालित गर्ने वा दिइएको संगीत शैलीबाट नयाँ संगीत उत्पन्न गर्ने क्षमता राख्दछन्। कलाकार, निर्माता वा कम्पोजरले नयाँ रचना सुरु गर्नको लागि यो विशिष्ट अनुप्रयोगको प्रयोग गर्न सक्दछन्। थोरै संगीत ज्ञान भएको व्यक्तिले कम्प्युटर प्रयोग गरेर पनि संगीत उत्पन्न गर्न सक्दछ। यसबाहेक, संगीत अडियो फाइलको ध्वनिक गुणहरूमा आधारित भएर दृश्यहरू पनि उत्पन्न गर्न सकिन्छ।
नेपाली संगीतको यस्तो प्रयास शून्य ब्यान्डको “मगध” भिडियोमा पाउन सकिन्छ।
उक्त भिडियो बनाउन युद्धका चित्रहरुमा प्रशिक्षित एक उत्पादक मोडेल बनाइएको थियो। अडियो फ्रिक्वेन्सी विश्लेषण र त्यसका विशेषता अनुसार विन्दुहरूको सिर्जना गरी गीतमा एनिमेसन गरिएको छ।
एआई र मेशिन लर्निङको भविष्य अनिर्धारित तर रोमाञ्चक छ। कम्प्युटर हार्डवेयर र सफ्टवेयरमा भर्खरको वृद्धि र विकासको साथ, कृत्रिम बुद्धिमत्ता नयाँ टेक्नोलोजीको रूपमा देखा पर्दैछ जसले हाम्रो जीवनलाई विभिन्न तरिकाले परिवर्तन गर्ने निश्चित छ। वर्तमानमा एआईको प्रयोग यातायात नियन्त्रण, संचार, डिजिटल चित्रहरूको निर्माण , उत्पादनहरुको पहिचान र वेब खोज जस्ता लगभग हाम्रो सबै दैनिक कार्यहरु स्वचालन गर्न गरीन्छ। कृत्रिम बुद्धिमत्ता र मेशिन लर्निंगको सम्भावित प्रयोगहरू वस्तुतः अन्तहीन छन्, र धेरैले विश्वास गर्छन् कि यस् प्रविधिले आगामी दशकमा रोजगार बजारलाई पूर्ण रूपले नया रूप दिनेछ।