ஐ.எஸ்.எஸ்.என்: 2376-130X
ஜான் ஆண்டர் கோம்ஸ் அட்ரியன்
செயற்கை நுண்ணறிவின் பெரும்பாலான நுட்பங்கள், குறிப்பாக இயந்திரக் கற்றலுக்குச் சொந்தமானவை, மாதிரி அளவுருக்களை சரிசெய்ய தரவு மாதிரிகளைப் பயன்படுத்தும் அல்காரிதம்கள் மூலம் பயிற்சியளிக்கப்பட்ட மிகவும் வலுவான மற்றும் துல்லியமான மாதிரிகளைப் பெற முடிந்தவரை தரவு தேவைப்படுகிறது. உதாரணமாக, ஆழமான நரம்பியல் நெட்வொர்க்குகளை அடிப்படையாகக் கொண்ட ஒரு மாதிரியானது மில்லியன் கணக்கான அளவுருக்களைக் கொண்டுள்ளது (எடைகள் எனப் பெயரிடப்பட்டது) அதன் மதிப்புகள் படிப்படியாகப் புதுப்பிக்கப்படும் பிழை-பின்னமைப்பு வழிமுறை மூலம் பயிற்சி தரவுத் தொகுப்பின் அனைத்து மாதிரிகளையும் மீண்டும் மீண்டும் பார்வையிடுகிறது. ஸ்டான்போர்ட் பல்கலைக்கழக ஆராய்ச்சியாளர்கள் ஆயிரக்கணக்கான புற்றுநோய் மார்பக உயிரணுக்களின் மாதிரிகள் மற்றும் நோயாளிகளின் உயிர்வாழ்வு விகிதங்களை இயந்திரக் கற்றல் மாதிரியைப் பயிற்றுவித்தனர், மேலும் உள்ளீட்டுத் தரவின் பண்புக்கூறுகளில் உள்ள வடிவங்களைக் கண்டறிய கற்றல் வழிமுறையின் இலக்கு செயல்பாட்டை வரையறுத்ததாக திரு. குகியர் விளக்கினார். கொடுக்கப்பட்ட பயாப்ஸி கடுமையான புற்றுநோயாக இருக்குமா என்று கணிக்கும் குறிக்கோளுடன் சிறந்த தொடர்பு உள்ளது. பெறப்பட்ட இயந்திர-கற்றல் மாதிரி பதினொரு பண்புகளை அடையாளம் கண்டுள்ளது, அவை பயாப்ஸி மிகவும் புற்றுநோயானது என்று கணிக்கின்றன. ஆராய்ச்சியாளர்களை ஆச்சரியப்படுத்தியது என்னவென்றால், பதினொரு பண்புக்கூறுகளில் எட்டு மட்டுமே முன்பு மருத்துவர்களால் அறியப்பட்டது மற்றும் மருத்துவ இலக்கியங்களில் ஆய்வு செய்யப்பட்டது. ஸ்டான்ஃபோர்ட் ஆராய்ச்சியாளர்கள் உள்ளீட்டுத் தரவின் அனைத்துப் பண்புகளையும் சோதனையில் சேர்த்ததால், கற்றல் அல்காரிதம் எதைப் பயன்படுத்த வேண்டும் என்று அறிவுறுத்தாமல், இயந்திரக் கற்றல் வழிமுறையால் கண்டறியப்பட்ட மூன்று பண்புக்கூறுகள் (அல்லது குறிகாட்டிகள்) மருத்துவத்தால் தொடர்புடையதாகக் கருதப்படவில்லை. சமூகம்; நோயியல் வல்லுநர்கள் அத்தகைய குறிகாட்டிகளில் தங்கள் கவனத்தை ஒருபோதும் செலுத்தவில்லை. திரு. குக்கியர் குறிப்பிட்டது போல், கற்றல் வழிமுறையானது ஏராளமான தரவுகளுடன் வழங்கப்படுவதால் இயந்திரக் கற்றல் வேலை செய்கிறது-எந்தவொரு மனிதனும் வாழ்நாளில் ஜீரணிக்கக்கூடிய மற்றும் எந்த நேரத்திலும் நிர்வகிக்கக்கூடிய அதிக தகவல்