AI ಎಂದರೇನು?

AI ಎಲ್ಲೆಡೆ ಕಾಣಿಸಿಕೊಳ್ಳುತ್ತದೆ - ನಿಮ್ಮ ಫೋನ್‌ನಲ್ಲಿ, ನಿಮ್ಮ ಇನ್‌ಬಾಕ್ಸ್‌ನಲ್ಲಿ, ನಕ್ಷೆಗಳನ್ನು ತಳ್ಳುವುದು, ನೀವು ಬರೆಯಲು ಉದ್ದೇಶಿಸಿದ್ದ ಇಮೇಲ್‌ಗಳನ್ನು ರಚಿಸುವುದು. ಆದರೆ AI ಎಂದರೇನು ? ಸಂಕ್ಷಿಪ್ತ ಆವೃತ್ತಿ: ಇದು ಕಂಪ್ಯೂಟರ್‌ಗಳು ಮಾನವ ಬುದ್ಧಿಮತ್ತೆಯೊಂದಿಗೆ ನಾವು ಸಂಯೋಜಿಸುವ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುವ ತಂತ್ರಗಳ ಗುಂಪಾಗಿದೆ, ಉದಾಹರಣೆಗೆ ಮಾದರಿಗಳನ್ನು ಗುರುತಿಸುವುದು, ಭವಿಷ್ಯ ನುಡಿಯುವುದು ಮತ್ತು ಭಾಷೆ ಅಥವಾ ಚಿತ್ರಗಳನ್ನು ರಚಿಸುವುದು. ಇದು ಕೈಯಿಂದ ಅಲೆಯುವ ಮಾರ್ಕೆಟಿಂಗ್ ಅಲ್ಲ. ಇದು ಗಣಿತ, ಡೇಟಾ ಮತ್ತು ಬಹಳಷ್ಟು ಪ್ರಯೋಗ ಮತ್ತು ದೋಷಗಳೊಂದಿಗೆ ಆಧಾರವಾಗಿರುವ ಕ್ಷೇತ್ರವಾಗಿದೆ. ಅಧಿಕೃತ ಉಲ್ಲೇಖಗಳು AI ಅನ್ನು ನಾವು ಬುದ್ಧಿವಂತರೆಂದು ಕಂಡುಕೊಳ್ಳುವ ರೀತಿಯಲ್ಲಿ ಕಲಿಯಬಹುದಾದ, ತರ್ಕಿಸಬಹುದಾದ ಮತ್ತು ಗುರಿಗಳ ಕಡೆಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸಬಹುದಾದ ವ್ಯವಸ್ಥೆಗಳಾಗಿ ರೂಪಿಸುತ್ತವೆ. [1]

ಇದರ ನಂತರ ನೀವು ಓದಲು ಇಷ್ಟಪಡಬಹುದಾದ ಲೇಖನಗಳು:

🔗 ಓಪನ್ ಸೋರ್ಸ್ AI ಎಂದರೇನು?
ಓಪನ್-ಸೋರ್ಸ್ AI, ಪ್ರಯೋಜನಗಳು, ಪರವಾನಗಿ ಮಾದರಿಗಳು ಮತ್ತು ಸಮುದಾಯ ಸಹಯೋಗವನ್ನು ಅರ್ಥಮಾಡಿಕೊಳ್ಳಿ.

🔗 AI ನಲ್ಲಿ ನರಮಂಡಲ ಎಂದರೇನು?
ನರಮಂಡಲ ಜಾಲದ ಮೂಲಗಳು, ವಾಸ್ತುಶಿಲ್ಪದ ಪ್ರಕಾರಗಳು, ತರಬೇತಿ ಮತ್ತು ಸಾಮಾನ್ಯ ಉಪಯೋಗಗಳನ್ನು ಕಲಿಯಿರಿ.

🔗 AI ನಲ್ಲಿ ಕಂಪ್ಯೂಟರ್ ದೃಷ್ಟಿ ಎಂದರೇನು?
ಯಂತ್ರಗಳು ಚಿತ್ರಗಳು, ಪ್ರಮುಖ ಕಾರ್ಯಗಳು, ಡೇಟಾಸೆಟ್‌ಗಳು ಮತ್ತು ಅನ್ವಯಿಕೆಗಳನ್ನು ಹೇಗೆ ಅರ್ಥೈಸುತ್ತವೆ ಎಂಬುದನ್ನು ನೋಡಿ.

🔗 ಸಾಂಕೇತಿಕ AI ಎಂದರೇನು?
ಸಾಂಕೇತಿಕ ತಾರ್ಕಿಕತೆ, ಜ್ಞಾನ ಗ್ರಾಫ್‌ಗಳು, ನಿಯಮಗಳು ಮತ್ತು ಹೈಬ್ರಿಡ್ ನರ-ಸಾಂಕೇತಿಕ ವ್ಯವಸ್ಥೆಗಳನ್ನು ಅನ್ವೇಷಿಸಿ.

AI ಎಂದರೇನು: ತ್ವರಿತ ಆವೃತ್ತಿ 🧠➡️💻

AI ಎನ್ನುವುದು ಸಾಫ್ಟ್‌ವೇರ್ ಬುದ್ಧಿವಂತ ನಡವಳಿಕೆಯನ್ನು ಅಂದಾಜು ಮಾಡಲು ಅನುಮತಿಸುವ ವಿಧಾನಗಳ ಒಂದು ಗುಂಪಾಗಿದೆ. ಪ್ರತಿಯೊಂದು ನಿಯಮವನ್ನು ಕೋಡಿಂಗ್ ಮಾಡುವ ಬದಲು, ನಾವು ತರಬೇತಿ ನೀಡುತ್ತೇವೆ ಇದರಿಂದ ಅವು ಹೊಸ ಸನ್ನಿವೇಶಗಳಿಗೆ ಸಾಮಾನ್ಯೀಕರಿಸಬಹುದು - ಚಿತ್ರ ಗುರುತಿಸುವಿಕೆ, ಭಾಷಣದಿಂದ ಪಠ್ಯಕ್ಕೆ, ಮಾರ್ಗ ಯೋಜನೆ, ಕೋಡ್ ಸಹಾಯಕರು, ಪ್ರೋಟೀನ್ ರಚನೆ ಭವಿಷ್ಯ, ಇತ್ಯಾದಿ. ನಿಮ್ಮ ಟಿಪ್ಪಣಿಗಳಿಗೆ ನೀವು ಅಚ್ಚುಕಟ್ಟಾದ ವ್ಯಾಖ್ಯಾನವನ್ನು ಬಯಸಿದರೆ: ತಾರ್ಕಿಕತೆ, ಅರ್ಥವನ್ನು ಕಂಡುಹಿಡಿಯುವುದು ಮತ್ತು ಡೇಟಾದಿಂದ ಕಲಿಯುವಂತಹ ಮಾನವ ಬೌದ್ಧಿಕ ಪ್ರಕ್ರಿಯೆಗಳಿಗೆ ಸಂಬಂಧಿಸಿದ ಕಾರ್ಯಗಳನ್ನು ನಿರ್ವಹಿಸುವ ಕಂಪ್ಯೂಟರ್ ವ್ಯವಸ್ಥೆಗಳು ಎಂದು ಯೋಚಿಸಿ. [1]

ಗುರಿ-ನಿರ್ದೇಶಿತ ವ್ಯವಸ್ಥೆಗಳಾಗಿ ಪರಿಗಣಿಸುವುದು - ನೀವು ಮೌಲ್ಯಮಾಪನ ಮತ್ತು ನಿಯಂತ್ರಣ ಕುಣಿಕೆಗಳ ಬಗ್ಗೆ ಯೋಚಿಸಲು ಪ್ರಾರಂಭಿಸಿದಾಗ ಇದು ಉಪಯುಕ್ತವಾಗಿದೆ. [1]

AI ಅನ್ನು ನಿಜವಾಗಿಯೂ ಉಪಯುಕ್ತವಾಗಿಸುವುದು ಯಾವುದು✅

ಸಾಂಪ್ರದಾಯಿಕ ನಿಯಮಗಳ ಬದಲು AI ಅನ್ನು ಏಕೆ ತಲುಪಬೇಕು?

• ಪ್ಯಾಟರ್ನ್ ಪವರ್ - ಮಾದರಿಗಳು ಬೃಹತ್ ಡೇಟಾಸೆಟ್‌ಗಳಲ್ಲಿ ಸೂಕ್ಷ್ಮ ಪರಸ್ಪರ ಸಂಬಂಧಗಳನ್ನು ಗುರುತಿಸುತ್ತವೆ, ಇವುಗಳನ್ನು ಮಾನವರು ಊಟದ ಮೊದಲು ತಪ್ಪಿಸಿಕೊಳ್ಳುತ್ತಾರೆ.

• ಅಳವಡಿಕೆ - ಹೆಚ್ಚಿನ ಡೇಟಾದೊಂದಿಗೆ, ಎಲ್ಲಾ ಕೋಡ್ ಅನ್ನು ಪುನಃ ಬರೆಯದೆಯೇ ಕಾರ್ಯಕ್ಷಮತೆಯನ್ನು ಸುಧಾರಿಸಬಹುದು.

• ಪ್ರಮಾಣದಲ್ಲಿ ವೇಗ - ಒಮ್ಮೆ ತರಬೇತಿ ಪಡೆದ ನಂತರ, ಮಾದರಿಗಳು ಒತ್ತಡದ ಪ್ರಮಾಣದಲ್ಲಿಯೂ ಸಹ ವೇಗವಾಗಿ ಮತ್ತು ಸ್ಥಿರವಾಗಿ ಚಲಿಸುತ್ತವೆ.

• ಉತ್ಪಾದಕತೆ - ಆಧುನಿಕ ವ್ಯವಸ್ಥೆಗಳು ವಸ್ತುಗಳನ್ನು ವರ್ಗೀಕರಿಸಲು ಮಾತ್ರವಲ್ಲದೆ ಪಠ್ಯ, ಚಿತ್ರಗಳು, ಕೋಡ್, ಅಭ್ಯರ್ಥಿ ಅಣುಗಳನ್ನು ಸಹ ಉತ್ಪಾದಿಸಬಹುದು.

• ಸಂಭವನೀಯ ಚಿಂತನೆ - ಅವು ಅನಿಶ್ಚಿತತೆಯನ್ನು ಸುಲಭವಾಗಿ ಬೆಳೆಯುವ ಕಾಡುಗಳಿಗಿಂತ ಹೆಚ್ಚು ಸೊಗಸಾಗಿ ನಿರ್ವಹಿಸುತ್ತವೆ.

• ಪರಿಕರ-ಬಳಕೆ ಪರಿಕರಗಳು - ವಿಶ್ವಾಸಾರ್ಹತೆಯನ್ನು ವರ್ಧಿಸಲು ನೀವು ಮಾದರಿಗಳನ್ನು ಕ್ಯಾಲ್ಕುಲೇಟರ್‌ಗಳು, ಡೇಟಾಬೇಸ್‌ಗಳು ಅಥವಾ ಹುಡುಕಾಟಕ್ಕೆ ಜೋಡಿಸಬಹುದು.

• ಅದು ಒಳ್ಳೆಯದಲ್ಲದಿದ್ದಾಗ - ಪಕ್ಷಪಾತ, ಭ್ರಮೆಗಳು, ಹಳೆಯ ತರಬೇತಿ ಡೇಟಾ, ಗೌಪ್ಯತೆಯ ಅಪಾಯಗಳು. ನಾವು ಅಲ್ಲಿಗೆ ಹೋಗುತ್ತೇವೆ.

ಪ್ರಾಮಾಣಿಕವಾಗಿ ಹೇಳಬೇಕೆಂದರೆ: ಕೆಲವೊಮ್ಮೆ AI ಮನಸ್ಸಿಗೆ ಸೈಕಲ್‌ನಂತೆ ಭಾಸವಾಗುತ್ತದೆ, ಮತ್ತು ಕೆಲವೊಮ್ಮೆ ಅದು ಜಲ್ಲಿಕಲ್ಲುಗಳ ಮೇಲಿನ ಏಕಚಕ್ರದಂತೆ ಭಾಸವಾಗುತ್ತದೆ. ಎರಡೂ ನಿಜವಾಗಬಹುದು.

ಮಾನವ ವೇಗದಲ್ಲಿ AI ಹೇಗೆ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತದೆ 🔧

ಹೆಚ್ಚಿನ ಆಧುನಿಕ AI ವ್ಯವಸ್ಥೆಗಳು ಇವುಗಳನ್ನು ಸಂಯೋಜಿಸುತ್ತವೆ:

1. ಡೇಟಾ - ಭಾಷೆ, ಚಿತ್ರಗಳು, ಕ್ಲಿಕ್‌ಗಳು, ಸಂವೇದಕ ವಾಚನಗಳ ಉದಾಹರಣೆಗಳು.

2. ಉದ್ದೇಶಗಳು - "ಒಳ್ಳೆಯದು" ಹೇಗಿರುತ್ತದೆ ಎಂದು ಹೇಳುವ ನಷ್ಟ ಕಾರ್ಯ.

3. ಕ್ರಮಾವಳಿಗಳು - ಆ ನಷ್ಟವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಮಾದರಿಯನ್ನು ತಳ್ಳುವ ತರಬೇತಿ ವಿಧಾನ.

4. ಮೌಲ್ಯಮಾಪನ - ಪರೀಕ್ಷಾ ಸೆಟ್‌ಗಳು, ಮೆಟ್ರಿಕ್‌ಗಳು, ವಿವೇಕ ಪರಿಶೀಲನೆಗಳು.

5. ನಿಯೋಜನೆ - ಮೇಲ್ವಿಚಾರಣೆ, ಸುರಕ್ಷತೆ ಮತ್ತು ಗಾರ್ಡ್‌ರೈಲ್‌ಗಳೊಂದಿಗೆ ಮಾದರಿಯನ್ನು ಪೂರೈಸುವುದು.

ಎರಡು ವಿಶಾಲ ಸಂಪ್ರದಾಯಗಳು:

• ಸಾಂಕೇತಿಕ ಅಥವಾ ತರ್ಕ ಆಧಾರಿತ AI - ಸ್ಪಷ್ಟ ನಿಯಮಗಳು, ಜ್ಞಾನ ಗ್ರಾಫ್‌ಗಳು, ಹುಡುಕಾಟ. ಔಪಚಾರಿಕ ತಾರ್ಕಿಕತೆ ಮತ್ತು ನಿರ್ಬಂಧಗಳಿಗೆ ಉತ್ತಮ.

• ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ಅಥವಾ ಕಲಿಕೆ ಆಧಾರಿತ AI - ಡೇಟಾದಿಂದ ಕಲಿಯುವ ಮಾದರಿಗಳು. ಆಳವಾದ ಕಲಿಕೆಯು ಇಲ್ಲಿಯೇ ವಾಸಿಸುತ್ತದೆ ಮತ್ತು ಇತ್ತೀಚಿನ ಹೆಚ್ಚಿನ ಉತ್ಸಾಹವು ಎಲ್ಲಿಂದ ಬರುತ್ತದೆ; ವ್ಯಾಪಕವಾಗಿ ಉಲ್ಲೇಖಿಸಲಾದ ವಿಮರ್ಶೆಯು ಲೇಯರ್ಡ್ ಪ್ರಾತಿನಿಧ್ಯಗಳಿಂದ ಆಪ್ಟಿಮೈಸೇಶನ್ ಮತ್ತು ಸಾಮಾನ್ಯೀಕರಣದವರೆಗೆ ಪ್ರದೇಶವನ್ನು ನಕ್ಷೆ ಮಾಡುತ್ತದೆ. [2]

ಕಲಿಕೆ ಆಧಾರಿತ AI ಒಳಗೆ, ಕೆಲವು ಸ್ತಂಭಗಳು ಮುಖ್ಯವಾಗಿವೆ:

• ಮೇಲ್ವಿಚಾರಣೆಯ ಕಲಿಕೆ - ಲೇಬಲ್ ಮಾಡಿದ ಉದಾಹರಣೆಗಳಿಂದ ಕಲಿಯಿರಿ.

• ಮೇಲ್ವಿಚಾರಣೆಯಿಲ್ಲದ ಮತ್ತು ಸ್ವಯಂ ಮೇಲ್ವಿಚಾರಣೆ - ಲೇಬಲ್ ಮಾಡದ ಡೇಟಾದಿಂದ ರಚನೆಯನ್ನು ಕಲಿಯಿರಿ.

• ಬಲವರ್ಧನೆ ಕಲಿಕೆ - ಪ್ರಯೋಗ ಮತ್ತು ಪ್ರತಿಕ್ರಿಯೆಯ ಮೂಲಕ ಕಲಿಯಿರಿ.

• ಜನರೇಟಿವ್ ಮಾಡೆಲಿಂಗ್ - ನೈಜವಾಗಿ ಕಾಣುವ ಹೊಸ ಮಾದರಿಗಳನ್ನು ಉತ್ಪಾದಿಸಲು ಕಲಿಯಿರಿ.

ನೀವು ಪ್ರತಿದಿನ ಕೇಳುವ ಎರಡು ಉತ್ಪಾದಕ ಕುಟುಂಬಗಳು:

• ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್‌ಗಳು - ಹೆಚ್ಚಿನ ದೊಡ್ಡ ಭಾಷಾ ಮಾದರಿಗಳ ಹಿಂದಿನ ವಾಸ್ತುಶಿಲ್ಪ. ಇದು ಗಮನವನ್ನು , ಸಮಾನಾಂತರ ತರಬೇತಿ ಮತ್ತು ಆಶ್ಚರ್ಯಕರವಾಗಿ ಸುಗಮವಾದ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ಸಕ್ರಿಯಗೊಳಿಸುತ್ತದೆ. ನೀವು "ಸ್ವಯಂ-ಗಮನ" ಎಂದು ಕೇಳಿದ್ದರೆ, ಅದು ಮೂಲ ತಂತ್ರವಾಗಿದೆ. [3]

• ಪ್ರಸರಣ ಮಾದರಿಗಳು - ಅವರು ಶಬ್ದ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹಿಮ್ಮುಖಗೊಳಿಸಲು ಕಲಿಯುತ್ತಾರೆ, ಯಾದೃಚ್ಛಿಕ ಶಬ್ದದಿಂದ ಸ್ಪಷ್ಟವಾದ ಚಿತ್ರ ಅಥವಾ ಆಡಿಯೊಗೆ ಹಿಂತಿರುಗುತ್ತಾರೆ. ಇದು ನಿಧಾನವಾಗಿ ಮತ್ತು ಎಚ್ಚರಿಕೆಯಿಂದ, ಆದರೆ ಕಲನಶಾಸ್ತ್ರದೊಂದಿಗೆ ಡೆಕ್ ಅನ್ನು ಅನ್-ಶಫಲ್ ಮಾಡಿದಂತೆ; ಅಡಿಪಾಯದ ಕೆಲಸವು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ತರಬೇತಿ ಮತ್ತು ಮಾದರಿಯನ್ನು ಹೇಗೆ ಮಾಡಬೇಕೆಂದು ತೋರಿಸಿದೆ. [5]

ರೂಪಕಗಳು ಹಿಗ್ಗಿಸಲ್ಪಟ್ಟಂತೆ ಭಾಸವಾದರೆ, ಅದು ನ್ಯಾಯ - AI ಒಂದು ಚಲಿಸುವ ಗುರಿಯಾಗಿದೆ. ಹಾಡಿನ ಮಧ್ಯದಲ್ಲಿ ಸಂಗೀತ ಬದಲಾಗುತ್ತಿರುವಾಗ ನಾವೆಲ್ಲರೂ ನೃತ್ಯವನ್ನು ಕಲಿಯುತ್ತಿದ್ದೇವೆ.

ನೀವು ಈಗಾಗಲೇ ಪ್ರತಿದಿನ AI ಅನ್ನು ಭೇಟಿಯಾಗುವ ಸ್ಥಳ 📱🗺️📧

• ಹುಡುಕಾಟ ಮತ್ತು ಶಿಫಾರಸುಗಳು - ಶ್ರೇಯಾಂಕ ಫಲಿತಾಂಶಗಳು, ಫೀಡ್‌ಗಳು, ವೀಡಿಯೊಗಳು.

• ಇಮೇಲ್ ಮತ್ತು ದಾಖಲೆಗಳು - ಸ್ವಯಂಪೂರ್ಣತೆ, ಸಾರಾಂಶ, ಗುಣಮಟ್ಟದ ಪರಿಶೀಲನೆಗಳು.

• ಕ್ಯಾಮೆರಾ ಮತ್ತು ಆಡಿಯೋ - ಡಿನೋಯಿಸ್, HDR, ಪ್ರತಿಲೇಖನ.

• ಸಂಚರಣೆ - ಸಂಚಾರ ಮುನ್ಸೂಚನೆ, ಮಾರ್ಗ ಯೋಜನೆ.

• ಬೆಂಬಲ ಮತ್ತು ಸೇವೆ - ಪ್ರತ್ಯುತ್ತರಗಳನ್ನು ವಿಂಗಡಿಸುವ ಮತ್ತು ಕರಡು ಮಾಡುವ ಚಾಟ್ ಏಜೆಂಟ್‌ಗಳು.

• ಕೋಡಿಂಗ್ - ಸಲಹೆಗಳು, ರಿಫ್ಯಾಕ್ಟರ್‌ಗಳು, ಪರೀಕ್ಷೆಗಳು.

• ಆರೋಗ್ಯ ಮತ್ತು ವಿಜ್ಞಾನ - ಚಿಕಿತ್ಸೆಯ ಸರದಿ ನಿರ್ಧಾರ, ಚಿತ್ರಣ ಬೆಂಬಲ, ರಚನೆಯ ಮುನ್ಸೂಚನೆ. (ಕ್ಲಿನಿಕಲ್ ಸಂದರ್ಭಗಳನ್ನು ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕವೆಂದು ಪರಿಗಣಿಸಿ; ಮಾನವ ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ದಾಖಲಿತ ಮಿತಿಗಳನ್ನು ಬಳಸಿ.) [2]

ಸಣ್ಣ ಉಪಾಖ್ಯಾನ: ಭಾಷಾ ಮಾದರಿಯ ಮುಂದೆ ಉತ್ಪನ್ನ ತಂಡವು ಮರುಪಡೆಯುವಿಕೆ ಹಂತವನ್ನು A/B-ಪರೀಕ್ಷಿಸಬಹುದು; ಮಾದರಿಯು ಊಹಿಸುವ ಬದಲು ಹೊಸ, ಕಾರ್ಯ-ನಿರ್ದಿಷ್ಟ ಸಂದರ್ಭವನ್ನು ಆಧರಿಸಿರುವುದರಿಂದ ದೋಷ ದರಗಳು ಹೆಚ್ಚಾಗಿ ಕಡಿಮೆಯಾಗುತ್ತವೆ. (ವಿಧಾನ: ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಮುಂಚಿತವಾಗಿ ವ್ಯಾಖ್ಯಾನಿಸಿ, ಹೋಲ್ಡ್-ಔಟ್ ಸೆಟ್ ಅನ್ನು ಇರಿಸಿ ಮತ್ತು ಸಮಾನ-ರೀತಿಯ ಪ್ರಾಂಪ್ಟ್‌ಗಳನ್ನು ಹೋಲಿಕೆ ಮಾಡಿ.)

ಸಾಮರ್ಥ್ಯಗಳು, ಮಿತಿಗಳು ಮತ್ತು ನಡುವಿನ ಸೌಮ್ಯ ಅವ್ಯವಸ್ಥೆ ⚖️

ಸಾಮರ್ಥ್ಯಗಳು

• ದೊಡ್ಡ, ಗೊಂದಲಮಯ ಡೇಟಾಸೆಟ್‌ಗಳನ್ನು ಸೊಗಸಾಗಿ ನಿರ್ವಹಿಸುತ್ತದೆ.

• ಒಂದೇ ರೀತಿಯ ಮೂಲ ಯಂತ್ರೋಪಕರಣಗಳೊಂದಿಗೆ ಕಾರ್ಯಗಳನ್ನು ಅಳೆಯುತ್ತದೆ.

• ನಾವು ಕೈಯಿಂದ ಎಂಜಿನಿಯರ್ ಮಾಡದ ಸುಪ್ತ ರಚನೆಯನ್ನು ಕಲಿಯುತ್ತದೆ. [2]

ಮಿತಿಗಳು

• ಭ್ರಮೆಗಳು - ಮಾದರಿಗಳು ತೋರಿಕೆಯಂತೆ ಧ್ವನಿಸಬಹುದು ಆದರೆ ತಪ್ಪಾದ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ನೀಡಬಹುದು.

• ಪಕ್ಷಪಾತ -ತರಬೇತಿ ದತ್ತಾಂಶವು ವ್ಯವಸ್ಥೆಗಳು ಪುನರುತ್ಪಾದಿಸುವ ಸಾಮಾಜಿಕ ಪಕ್ಷಪಾತಗಳನ್ನು ಎನ್ಕೋಡ್ ಮಾಡಬಹುದು.

• ದೃಢತೆ - ಅಂಚಿನ ಪ್ರಕರಣಗಳು, ಪ್ರತಿಕೂಲ ಇನ್‌ಪುಟ್‌ಗಳು ಮತ್ತು ವಿತರಣಾ ಬದಲಾವಣೆಗಳು ವಿಷಯಗಳನ್ನು ಮುರಿಯಬಹುದು.

• ಗೌಪ್ಯತೆ ಮತ್ತು ಭದ್ರತೆ - ನೀವು ಜಾಗರೂಕರಾಗಿರದಿದ್ದರೆ ಸೂಕ್ಷ್ಮ ಡೇಟಾ ಸೋರಿಕೆಯಾಗಬಹುದು.

• ವಿವರಿಸಬಹುದಾದಿಕೆ - ಅದು ಏಕೆ ಹಾಗೆ ಹೇಳಿದೆ? ಕೆಲವೊಮ್ಮೆ ಅಸ್ಪಷ್ಟವಾಗಿರುತ್ತದೆ, ಇದು ಲೆಕ್ಕಪರಿಶೋಧನೆಗಳನ್ನು ನಿರಾಶೆಗೊಳಿಸುತ್ತದೆ.

ಅಪಾಯ ನಿರ್ವಹಣೆ ಅಸ್ತಿತ್ವದಲ್ಲಿದೆ ಆದ್ದರಿಂದ ನೀವು ಗೊಂದಲವನ್ನು ಸಾಗಿಸುವುದಿಲ್ಲ: NIST AI ಅಪಾಯ ನಿರ್ವಹಣಾ ಚೌಕಟ್ಟು ಪ್ರಾಯೋಗಿಕ, ಸ್ವಯಂಪ್ರೇರಿತ ಮಾರ್ಗದರ್ಶನವನ್ನು ಒದಗಿಸುತ್ತದೆ - ಅಪಾಯಗಳನ್ನು ಮ್ಯಾಪಿಂಗ್ ಮಾಡುವುದು, ಅವುಗಳನ್ನು ಅಳೆಯುವುದು ಮತ್ತು ಬಳಕೆಯನ್ನು ಕೊನೆಯಿಂದ ಕೊನೆಯವರೆಗೆ ನಿಯಂತ್ರಿಸುವುದನ್ನು ಯೋಚಿಸಿ. [4]

ರಸ್ತೆ ನಿಯಮಗಳು: ಸುರಕ್ಷತೆ, ಆಡಳಿತ ಮತ್ತು ಹೊಣೆಗಾರಿಕೆ 🛡️

ನಿಯಂತ್ರಣ ಮತ್ತು ಮಾರ್ಗದರ್ಶನಗಳು ಆಚರಣೆಗೆ ಬರುತ್ತಿವೆ:

• ಅಪಾಯ-ಆಧಾರಿತ ವಿಧಾನಗಳು - ಹೆಚ್ಚಿನ-ಅಪಾಯದ ಬಳಕೆಗಳು ಕಠಿಣ ಅವಶ್ಯಕತೆಗಳನ್ನು ಎದುರಿಸುತ್ತವೆ; ದಸ್ತಾವೇಜೀಕರಣ, ದತ್ತಾಂಶ ಆಡಳಿತ ಮತ್ತು ಘಟನೆ ನಿರ್ವಹಣೆ ವಿಷಯ. ಸಾರ್ವಜನಿಕ ಚೌಕಟ್ಟುಗಳು ಪಾರದರ್ಶಕತೆ, ಮಾನವ ಮೇಲ್ವಿಚಾರಣೆ ಮತ್ತು ನಿರಂತರ ಮೇಲ್ವಿಚಾರಣೆಗೆ ಒತ್ತು ನೀಡುತ್ತವೆ. [4]

• ವಲಯ ಸೂಕ್ಷ್ಮ ವ್ಯತ್ಯಾಸ - ಸುರಕ್ಷತೆ-ನಿರ್ಣಾಯಕ ಡೊಮೇನ್‌ಗಳು (ಆರೋಗ್ಯದಂತಹವು) ಮಾನವ-ಇನ್-ದಿ-ಲೂಪ್ ಮತ್ತು ಎಚ್ಚರಿಕೆಯ ಮೌಲ್ಯಮಾಪನದ ಅಗತ್ಯವಿರುತ್ತದೆ; ಸಾಮಾನ್ಯ-ಉದ್ದೇಶದ ಪರಿಕರಗಳು ಇನ್ನೂ ಸ್ಪಷ್ಟ ಉದ್ದೇಶಿತ-ಬಳಕೆ ಮತ್ತು ಮಿತಿ ದಾಖಲೆಗಳಿಂದ ಪ್ರಯೋಜನ ಪಡೆಯುತ್ತವೆ. [2]

ಇದು ನಾವೀನ್ಯತೆಯನ್ನು ಹತ್ತಿಕ್ಕುವ ಬಗ್ಗೆ ಅಲ್ಲ; ನಿಮ್ಮ ಉತ್ಪನ್ನವನ್ನು ಗ್ರಂಥಾಲಯದಲ್ಲಿ ಪಾಪ್‌ಕಾರ್ನ್ ತಯಾರಕವನ್ನಾಗಿ ಪರಿವರ್ತಿಸದಿರುವುದು ಇದರ ಬಗ್ಗೆ... ಅದು ಮಜವಾಗಿ ಧ್ವನಿಸುವವರೆಗೆ ಅದು ಖುಷಿ ನೀಡುತ್ತದೆ.

ಪ್ರಾಯೋಗಿಕವಾಗಿ AI ನ ವಿಧಗಳು, ಉದಾಹರಣೆಗಳೊಂದಿಗೆ 🧰

• ಗ್ರಹಿಕೆ - ದೃಷ್ಟಿ, ಮಾತು, ಸಂವೇದಕ ಸಮ್ಮಿಳನ.

• ಭಾಷೆ - ಚಾಟ್, ಅನುವಾದ, ಸಾರಾಂಶ, ಹೊರತೆಗೆಯುವಿಕೆ.

• ಮುನ್ಸೂಚನೆ - ಬೇಡಿಕೆ ಮುನ್ಸೂಚನೆ, ಅಪಾಯದ ಸ್ಕೋರಿಂಗ್, ಅಸಂಗತತೆ ಪತ್ತೆ.

• ಯೋಜನೆ ಮತ್ತು ನಿಯಂತ್ರಣ - ರೊಬೊಟಿಕ್ಸ್, ಲಾಜಿಸ್ಟಿಕ್ಸ್.

• ಜನರೇಷನ್ - ಚಿತ್ರಗಳು, ಆಡಿಯೋ, ವಿಡಿಯೋ, ಕೋಡ್, ರಚನಾತ್ಮಕ ಡೇಟಾ.

ಮೂಲಭೂತವಾಗಿ, ಗಣಿತವು ರೇಖೀಯ ಬೀಜಗಣಿತ, ಸಂಭವನೀಯತೆ, ಆಪ್ಟಿಮೈಸೇಶನ್ ಮತ್ತು ಎಲ್ಲವನ್ನೂ ಗುನುಗುವಂತೆ ಮಾಡುವ ಕಂಪ್ಯೂಟ್ ಸ್ಟ್ಯಾಕ್‌ಗಳ ಮೇಲೆ ಅವಲಂಬಿತವಾಗಿದೆ. ಆಳವಾದ ಕಲಿಕೆಯ ಅಡಿಪಾಯಗಳಾದ್ಯಂತ ಆಳವಾದ ಪರಿಚಯಕ್ಕಾಗಿ, ಅಂಗೀಕೃತ ವಿಮರ್ಶೆಯನ್ನು ನೋಡಿ. [2]

ಹೋಲಿಕೆ ಕೋಷ್ಟಕ: ಜನಪ್ರಿಯ AI ಪರಿಕರಗಳ ಸಂಕ್ಷಿಪ್ತ ನೋಟ 🧪

(ಉದ್ದೇಶಪೂರ್ವಕವಾಗಿ ಸ್ವಲ್ಪ ಅಪೂರ್ಣ. ಬೆಲೆಗಳು ಬದಲಾಗುತ್ತವೆ. ನಿಮ್ಮ ಮೈಲೇಜ್ ಬದಲಾಗುತ್ತದೆ.)

ವೃತ್ತಿಪರರಂತೆ AI ವ್ಯವಸ್ಥೆಯನ್ನು ಹೇಗೆ ಮೌಲ್ಯಮಾಪನ ಮಾಡುವುದು 🧪🔍

1. ಕೆಲಸವನ್ನು ವಿವರಿಸಿ - ಒಂದು ವಾಕ್ಯದ ಕಾರ್ಯ ಹೇಳಿಕೆ.

2. ಮೆಟ್ರಿಕ್‌ಗಳನ್ನು ಆರಿಸಿ - ನಿಖರತೆ, ಸುಪ್ತತೆ, ವೆಚ್ಚ, ಸುರಕ್ಷತಾ ಪ್ರಚೋದಕಗಳು.

3. ಪರೀಕ್ಷಾ ಸೆಟ್ ಅನ್ನು ಮಾಡಿ - ಪ್ರತಿನಿಧಿ, ವೈವಿಧ್ಯಮಯ, ದೃಢನಿಶ್ಚಯ.

4. ವೈಫಲ್ಯ ವಿಧಾನಗಳನ್ನು ಪರಿಶೀಲಿಸಿ - ವ್ಯವಸ್ಥೆಯು ತಿರಸ್ಕರಿಸಬೇಕಾದ ಅಥವಾ ಎಸ್ಕಲೇಟ್ ಮಾಡಬೇಕಾದ ಇನ್‌ಪುಟ್‌ಗಳು.

5. ಪಕ್ಷಪಾತ ಪರೀಕ್ಷೆ - ಜನಸಂಖ್ಯಾ ವಿಭಾಗಗಳು ಮತ್ತು ಸೂಕ್ಷ್ಮ ಗುಣಲಕ್ಷಣಗಳು ಅನ್ವಯವಾಗುವಲ್ಲಿ.

6. ಹ್ಯೂಮನ್ ಇನ್ ಲೂಪ್ - ಒಬ್ಬ ವ್ಯಕ್ತಿಯು ಯಾವಾಗ ಪರಿಶೀಲಿಸಬೇಕು ಎಂಬುದನ್ನು ನಿರ್ದಿಷ್ಟಪಡಿಸಿ.

7. ಲಾಗ್ & ಮಾನಿಟರ್ - ಡ್ರಿಫ್ಟ್ ಪತ್ತೆ, ಘಟನೆ ಪ್ರತಿಕ್ರಿಯೆ, ರೋಲ್‌ಬ್ಯಾಕ್‌ಗಳು.

8. ದಾಖಲೆ - ಡೇಟಾ ಮೂಲಗಳು, ಮಿತಿಗಳು, ಉದ್ದೇಶಿತ ಬಳಕೆ, ಎಚ್ಚರಿಕೆಗಳು. NIST AI RMF ಇದಕ್ಕಾಗಿ ನಿಮಗೆ ಹಂಚಿಕೆಯ ಭಾಷೆ ಮತ್ತು ಪ್ರಕ್ರಿಯೆಗಳನ್ನು ನೀಡುತ್ತದೆ. [4]

ನಾನು ಯಾವಾಗಲೂ ಕೇಳುವ ಸಾಮಾನ್ಯ ತಪ್ಪು ಕಲ್ಪನೆಗಳು 🙃

• "ಇದು ಕೇವಲ ನಕಲು ಮಾಡುವಿಕೆ." ತರಬೇತಿಯು ಸಂಖ್ಯಾಶಾಸ್ತ್ರೀಯ ರಚನೆಯನ್ನು ಕಲಿಯುತ್ತದೆ; ಪೀಳಿಗೆಯು ಆ ರಚನೆಗೆ ಅನುಗುಣವಾಗಿ ಹೊಸ ಔಟ್‌ಪುಟ್‌ಗಳನ್ನು ರಚಿಸುತ್ತದೆ. ಅದು ಸೃಜನಶೀಲವಾಗಿರಬಹುದು - ಅಥವಾ ತಪ್ಪಾಗಿರಬಹುದು - ಆದರೆ ಅದು ನಕಲು-ಅಂಟಿಸುವಿಕೆ ಅಲ್ಲ. [2]

• "AI ಒಬ್ಬ ವ್ಯಕ್ತಿಯಂತೆ ಅರ್ಥಮಾಡಿಕೊಳ್ಳುತ್ತದೆ." ಇದು ಮಾದರಿಗಳನ್ನು ರೂಪಿಸುತ್ತದೆ. ಕೆಲವೊಮ್ಮೆ ಅದು ತಿಳುವಳಿಕೆಯಂತೆ ಕಾಣುತ್ತದೆ; ಕೆಲವೊಮ್ಮೆ ಅದು ಆತ್ಮವಿಶ್ವಾಸದ ಮಸುಕು. [2]

• "ದೊಡ್ಡದು ಯಾವಾಗಲೂ ಉತ್ತಮ." ಸ್ಕೇಲ್ ಸಹಾಯ ಮಾಡುತ್ತದೆ, ಆದರೆ ಡೇಟಾ ಗುಣಮಟ್ಟ, ಜೋಡಣೆ ಮತ್ತು ಮರುಪಡೆಯುವಿಕೆ ಹೆಚ್ಚಾಗಿ ಮುಖ್ಯವಾಗುತ್ತದೆ. [2][3]

• "ಎಲ್ಲವನ್ನೂ ಆಳಲು ಒಂದು AI." ನೈಜ ಸ್ಟ್ಯಾಕ್‌ಗಳು ಬಹು-ಮಾದರಿಗಳಾಗಿವೆ: ಸತ್ಯಗಳಿಗಾಗಿ ಮರುಪಡೆಯುವಿಕೆ, ಪಠ್ಯಕ್ಕಾಗಿ ಜನರೇಟಿವ್, ಸಾಧನದಲ್ಲಿ ಸಣ್ಣ ವೇಗದ ಮಾದರಿಗಳು, ಜೊತೆಗೆ ಕ್ಲಾಸಿಕ್ ಹುಡುಕಾಟ.

ಸ್ವಲ್ಪ ಆಳವಾದ ಇಣುಕು ನೋಟ: ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್‌ಗಳು ಮತ್ತು ಪ್ರಸರಣ, ಒಂದು ನಿಮಿಷದಲ್ಲಿ ⏱️

• ಯಾವುದರ ಮೇಲೆ ಕೇಂದ್ರೀಕರಿಸಬೇಕೆಂದು ನಿರ್ಧರಿಸಲು ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್‌ಗಳು

• ಪ್ರಸರಣ ಮಾದರಿಗಳು ಹಂತ ಹಂತವಾಗಿ ಶಬ್ದವನ್ನು ತೆಗೆದುಹಾಕಲು ಕಲಿಯುತ್ತವೆ, ಉದಾಹರಣೆಗೆ ಮಂಜುಗಡ್ಡೆಯ ಕನ್ನಡಿಯನ್ನು ಮುಖ ಕಾಣಿಸಿಕೊಳ್ಳುವವರೆಗೆ ಹೊಳಪು ಮಾಡಿದಂತೆ. ಪ್ರಮುಖ ತರಬೇತಿ ಮತ್ತು ಮಾದರಿ ಕಲ್ಪನೆಗಳು ಇಮೇಜ್-ಪೀಳಿಗೆಯ ಉತ್ಕರ್ಷವನ್ನು ಅನ್ಲಾಕ್ ಮಾಡಿವೆ ಮತ್ತು ಈಗ ಆಡಿಯೋ ಮತ್ತು ವೀಡಿಯೊಗೆ ವಿಸ್ತರಿಸುತ್ತವೆ. [5]

ನೀವು ಇಟ್ಟುಕೊಳ್ಳಬಹುದಾದ ಮೈಕ್ರೋ-ಗ್ಲಾಸರಿ 📚

• ಮಾದರಿ - ಇನ್‌ಪುಟ್‌ಗಳನ್ನು ಔಟ್‌ಪುಟ್‌ಗಳಿಗೆ ನಕ್ಷೆ ಮಾಡಲು ನಾವು ತರಬೇತಿ ನೀಡುವ ಪ್ಯಾರಾಮೀಟರ್ ಮಾಡಲಾದ ಕಾರ್ಯ.

• ತರಬೇತಿ - ಉದಾಹರಣೆಗಳಲ್ಲಿ ನಷ್ಟವನ್ನು ಕಡಿಮೆ ಮಾಡಲು ನಿಯತಾಂಕಗಳನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸುವುದು.

• ಓವರ್‌ಫಿಟ್ಟಿಂಗ್ - ತರಬೇತಿ ಡೇಟಾದಲ್ಲಿ ಉತ್ತಮವಾಗಿ ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿದೆ, ಮೆಹ್ ಬೇರೆಡೆ.

• ಭ್ರಮೆ - ನಿರರ್ಗಳವಾಗಿ ಮಾತನಾಡುವುದು ಆದರೆ ವಾಸ್ತವಿಕವಾಗಿ ತಪ್ಪು ಮಾತು.

• RAG - ಹೊಸ ಮೂಲಗಳನ್ನು ಸಂಪರ್ಕಿಸುವ ಮರುಪಡೆಯುವಿಕೆ-ವರ್ಧಿತ ಪೀಳಿಗೆ.

• ಜೋಡಣೆ - ಸೂಚನೆಗಳು ಮತ್ತು ರೂಢಿಗಳನ್ನು ಅನುಸರಿಸಲು ನಡವಳಿಕೆಯನ್ನು ರೂಪಿಸುವುದು.

• ಸುರಕ್ಷತೆ - ಜೀವನಚಕ್ರದಲ್ಲಿ ಹಾನಿಕಾರಕ ಉತ್ಪನ್ನಗಳನ್ನು ತಡೆಗಟ್ಟುವುದು ಮತ್ತು ಅಪಾಯವನ್ನು ನಿರ್ವಹಿಸುವುದು.

• ಅನುಮಾನ - ಭವಿಷ್ಯ ನುಡಿಯಲು ತರಬೇತಿ ಪಡೆದ ಮಾದರಿಯನ್ನು ಬಳಸುವುದು.

• ವಿಳಂಬ - ಇನ್‌ಪುಟ್‌ನಿಂದ ಉತ್ತರಕ್ಕೆ ತೆಗೆದುಕೊಳ್ಳುವ ಸಮಯ.

• ಗಾರ್ಡ್‌ರೈಲ್‌ಗಳು - ಮಾದರಿಯ ಸುತ್ತಲಿನ ನೀತಿಗಳು, ಫಿಲ್ಟರ್‌ಗಳು ಮತ್ತು ನಿಯಂತ್ರಣಗಳು.

ತುಂಬಾ ಉದ್ದವಾಗಿದೆ, ಓದಿಲ್ಲ - ಅಂತಿಮ ಟಿಪ್ಪಣಿಗಳು 🌯

AI ಎಂದರೇನು? ಕಂಪ್ಯೂಟರ್‌ಗಳು ಡೇಟಾದಿಂದ ಕಲಿಯಲು ಮತ್ತು ಗುರಿಗಳ ಕಡೆಗೆ ಬುದ್ಧಿವಂತಿಕೆಯಿಂದ ಕಾರ್ಯನಿರ್ವಹಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುವ ತಂತ್ರಗಳ ಸಂಗ್ರಹ. ಆಧುನಿಕ ಅಲೆಯು ಆಳವಾದ ಕಲಿಕೆಯ ಮೇಲೆ ಸವಾರಿ ಮಾಡುತ್ತದೆ - ವಿಶೇಷವಾಗಿ ಭಾಷೆಗಾಗಿ ಟ್ರಾನ್ಸ್‌ಫಾರ್ಮರ್‌ಗಳು ಮತ್ತು ಮಾಧ್ಯಮಕ್ಕಾಗಿ ಪ್ರಸರಣ. ಚಿಂತನಶೀಲವಾಗಿ ಬಳಸಿದರೆ, AI ಮಾದರಿ ಗುರುತಿಸುವಿಕೆಯನ್ನು ಅಳೆಯುತ್ತದೆ, ಸೃಜನಶೀಲ ಮತ್ತು ವಿಶ್ಲೇಷಣಾತ್ಮಕ ಕೆಲಸವನ್ನು ವೇಗಗೊಳಿಸುತ್ತದೆ ಮತ್ತು ಹೊಸ ವೈಜ್ಞಾನಿಕ ಬಾಗಿಲುಗಳನ್ನು ತೆರೆಯುತ್ತದೆ. ಅಜಾಗರೂಕತೆಯಿಂದ ಬಳಸಿದರೆ, ಅದು ನಂಬಿಕೆಯನ್ನು ದಾರಿ ತಪ್ಪಿಸಬಹುದು, ಹೊರಗಿಡಬಹುದು ಅಥವಾ ನಾಶಪಡಿಸಬಹುದು. ಸಂತೋಷದ ಮಾರ್ಗವು ಬಲವಾದ ಎಂಜಿನಿಯರಿಂಗ್ ಅನ್ನು ಆಡಳಿತ, ಮಾಪನ ಮತ್ತು ನಮ್ರತೆಯ ಸ್ಪರ್ಶದೊಂದಿಗೆ ಸಂಯೋಜಿಸುತ್ತದೆ. ಆ ಸಮತೋಲನವು ಕೇವಲ ಸಾಧ್ಯವಿಲ್ಲ - ಇದು ಸರಿಯಾದ ಚೌಕಟ್ಟುಗಳು ಮತ್ತು ನಿಯಮಗಳೊಂದಿಗೆ ಕಲಿಸಬಹುದಾದ, ಪರೀಕ್ಷಿಸಬಹುದಾದ ಮತ್ತು ನಿರ್ವಹಿಸಬಹುದಾದ. [2][3][4][5]

ಉಲ್ಲೇಖಗಳು

[1] ಎನ್‌ಸೈಕ್ಲೋಪೀಡಿಯಾ ಬ್ರಿಟಾನಿಕಾ - ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆ (AI) : ಇನ್ನಷ್ಟು ಓದಿ
[2] ಪ್ರಕೃತಿ - “ಆಳವಾದ ಕಲಿಕೆ” (ಲೆಕನ್, ಬೆಂಗಿಯೊ, ಹಿಂಟನ್) : ಇನ್ನಷ್ಟು ಓದಿ
[3] ಆರ್‌ಎಕ್ಸ್‌ಐವಿ - “ಗಮನ ಮಾತ್ರ ನಿಮಗೆ ಬೇಕಾಗಿರುವುದು” (ವಾಸ್ವಾನಿ ಮತ್ತು ಇತರರು) : ಇನ್ನಷ್ಟು ಓದಿ
[4] ಎನ್‌ಐಎಸ್ಟಿ - ಎಐ ಅಪಾಯ ನಿರ್ವಹಣಾ ಚೌಕಟ್ಟು : ಇನ್ನಷ್ಟು ಓದಿ
[5] ಆರ್‌ಎಕ್ಸ್‌ಐವಿ - “ಡಿನೊಯಿಸಿಂಗ್ ಡಿಫ್ಯೂಷನ್ ಪ್ರಾಬಬಿಲಿಸ್ಟಿಕ್ ಮಾದರಿಗಳು” (ಹೋ ಮತ್ತು ಇತರರು) : ಇನ್ನಷ್ಟು ಓದಿ

ಅಧಿಕೃತ AI ಸಹಾಯಕ ಅಂಗಡಿಯಲ್ಲಿ ಇತ್ತೀಚಿನ AI ಅನ್ನು ಹುಡುಕಿ

ನಮ್ಮ ಬಗ್ಗೆ