"మెషిన్ లెర్నింగ్" అంటే ఏమిటి?

మెషిన్ లెర్నింగ్ పనిచేయడానికి కారణం, ఒక వ్యవస్థకు పెద్ద మొత్తంలో ఉదాహరణ డేటాను అందించి, ప్రతి నియమాన్ని మనుషులే రాయడానికి బదులుగా, నమూనాలను గుర్తించడానికి తన అంతర్గత పారామితులను క్రమంగా సర్దుబాటు చేసుకోనివ్వడం. అనేక రౌండ్ల బహిర్గతం, ఫీడ్‌బ్యాక్ తర్వాత, ఈ వ్యవస్థ చిత్రాలను గుర్తించడం లేదా టెక్స్ట్‌ను ఉత్పత్తి చేయడం వంటి పనుల్లో మెరుగుపడుతుంది, మనుషులు అభ్యాసం ద్వారా మెరుగుపడే విధంగానే అనుభవం నుండి నేర్చుకుంటుంది.

ఇతర యంత్రాలను అసెంబుల్ చేసే రోబోట్‌లు భౌతిక తయారీ ఆటోమేషన్‌ను వివరిస్తాయి, డేటా నుండి సాఫ్ట్‌వేర్ నమూనాలను ఎలా నేర్చుకుంటుందో దానితో సంబంధం లేనిది, ఇంటర్నెట్‌ను పదానికి పదం కంఠస్థం చేయడం ఈ వ్యవస్థలు ఎలా పనిచేస్తాయో తప్పుగా వర్ణిస్తుంది, ఎందుకంటే అవి ఖచ్చితమైన టెక్స్ట్‌ను నిల్వ చేయడం కంటే సాధారణీకరించదగిన నమూనాలను నేర్చుకుంటాయి.

మెషిన్ లెర్నింగ్ వ్యవస్థలు తమకు ఇచ్చిన ఏ డేటా నుండైనా నేర్చుకుంటాయి కాబట్టి, ఆ డేటాలో ఉన్న పక్షపాతాలను అవి గ్రహించి, పెంచవచ్చు, అల్గారిథం చాతుర్యం అంత ముఖ్యమైన ఆందోళనగా శిక్షణా డేటా నాణ్యత ఎందుకు మారిందో ఇదే కారణం.