शिफारस प्रणालीची संकल्पना प्रत्यक्षात आणण्यासाठी वापरल्या जाणाऱ्या ‘कोलॅबरेटिव्ह फिल्टरिंग’ नावाच्या तंत्रज्ञानाचा आज आपण धावता आढावा घेणार आहोत. कृत्रिम बुद्धिमत्तेचा सर्व क्षेत्रांमध्ये शिरकाव होण्यामागच्या प्रमुख कारणांपैकी एक म्हणून शिफारस प्रणालीचा उल्लेख का केला जातो; हे आपल्याला यातून समजेल. यासाठी आपण वापरकर्त्यांनी चित्रपटांना दर्शवलेल्या पसंतीचे उदाहरण घेऊ.
समजा आपल्याला रमेश नावाच्या वापरकर्त्याला ‘शोले’ हा चित्रपट आवडेल का, याचा अंदाज बांधायचा आहे. यासाठी रमेशने आत्तापर्यंत ज्या चित्रपटांना पसंती दर्शवली होती त्याच प्रकारची पसंती इतर कोणकोणत्या वापरकर्त्यांनी दर्शवली होती याचा आपण आधी आढावा घेऊ. समजा रमेशने यापूर्वी दोन चित्रपटांना उच्च मानांकन दिलेले असेल आणि तीन चित्रपटांना वाईट मानांकन दिले असेल तर अशा प्रकारचे मानांकन त्या चित्रपटांना इतर कुणी दिले होते हे आधी तपासावे लागेल. म्हणजेच रमेशच्या आवडीनिवडींशी साधर्म्य असलेली आवड इतर कोणत्या वापरकर्त्यांमध्ये आढळते याचा आपल्याला शोध घ्यावा लागेल.
हेही वाचा >>> कुतूहल: ऑनलाइन शिफारशींचे इंगित
अर्थातच हे सगळे अत्यंत क्लिष्ट काम आपल्याला करत बसावे लागत नाही. कृत्रिम बुद्धिमत्तेमध्ये समाविष्ट असलेल्या ‘मशीन लर्निंग’चे तंत्रज्ञान हे काम अगदी सहजपणे आणि वेगाने करते. अशा प्रकारे रमेशच्या आवडीनिवडींशी मिळतीजुळती आवड असलेल्या इतर वापरकर्त्यांची माहिती आपल्याकडे गोळा झाल्यावर आपण या लोकांनी ‘शोले’ चित्रपट बघितला आहे का आणि तो बघितला असेल तर त्यांचे या चित्रपटाविषयी काय मत आहे; या महत्त्वाच्या मुद्द्याकडे येतो. जर त्यांनी वा त्यांच्यापैकी काही जणांनी तरी या चित्रपटाला मानांकन दिले असेल तर साधारण त्याच प्रकारचे मानांकन रमेशसुद्धा या चित्रपटाला देईल, असे शिफारस प्रणालीची संकल्पना सांगते. म्हणजेच रमेशशी साधर्म्य असलेल्या लोकांचा एक गट किंवा समूह तयार करून त्या गटामधल्या लोकांची मते सर्वसाधारणपणे जुळतील अशा निकषांवर हे केले जाते.
तांत्रिक भाषेत सांगायचे निरनिराळ्या लोकांचा समावेश असलेले असंख्य ‘क्लस्टर’ असू शकतात. कोणता वापरकर्ता कोणत्या एका वा अधिक ‘क्लस्टर’चा भाग असेल त्यानुसार त्या माणसाची आवडनिवड काय असेल याची शहानिशा शिफारस प्रणाली करते. कृत्रिम बुद्धिमत्तेच्या तंत्रज्ञानामध्ये म्हणूनच शिफारस प्रणालीचा वापर असा अगदी क्षणोक्षणी असंख्य आणि बहुविध कामांसाठी केला जातो.
अतुल कहाते
मराठी विज्ञान परिषद
ईमेल : office@mavipa.org
संकेतस्थळ : http://www.mavipa.org
समजा आपल्याला रमेश नावाच्या वापरकर्त्याला ‘शोले’ हा चित्रपट आवडेल का, याचा अंदाज बांधायचा आहे. यासाठी रमेशने आत्तापर्यंत ज्या चित्रपटांना पसंती दर्शवली होती त्याच प्रकारची पसंती इतर कोणकोणत्या वापरकर्त्यांनी दर्शवली होती याचा आपण आधी आढावा घेऊ. समजा रमेशने यापूर्वी दोन चित्रपटांना उच्च मानांकन दिलेले असेल आणि तीन चित्रपटांना वाईट मानांकन दिले असेल तर अशा प्रकारचे मानांकन त्या चित्रपटांना इतर कुणी दिले होते हे आधी तपासावे लागेल. म्हणजेच रमेशच्या आवडीनिवडींशी साधर्म्य असलेली आवड इतर कोणत्या वापरकर्त्यांमध्ये आढळते याचा आपल्याला शोध घ्यावा लागेल.
हेही वाचा >>> कुतूहल: ऑनलाइन शिफारशींचे इंगित
अर्थातच हे सगळे अत्यंत क्लिष्ट काम आपल्याला करत बसावे लागत नाही. कृत्रिम बुद्धिमत्तेमध्ये समाविष्ट असलेल्या ‘मशीन लर्निंग’चे तंत्रज्ञान हे काम अगदी सहजपणे आणि वेगाने करते. अशा प्रकारे रमेशच्या आवडीनिवडींशी मिळतीजुळती आवड असलेल्या इतर वापरकर्त्यांची माहिती आपल्याकडे गोळा झाल्यावर आपण या लोकांनी ‘शोले’ चित्रपट बघितला आहे का आणि तो बघितला असेल तर त्यांचे या चित्रपटाविषयी काय मत आहे; या महत्त्वाच्या मुद्द्याकडे येतो. जर त्यांनी वा त्यांच्यापैकी काही जणांनी तरी या चित्रपटाला मानांकन दिले असेल तर साधारण त्याच प्रकारचे मानांकन रमेशसुद्धा या चित्रपटाला देईल, असे शिफारस प्रणालीची संकल्पना सांगते. म्हणजेच रमेशशी साधर्म्य असलेल्या लोकांचा एक गट किंवा समूह तयार करून त्या गटामधल्या लोकांची मते सर्वसाधारणपणे जुळतील अशा निकषांवर हे केले जाते.
तांत्रिक भाषेत सांगायचे निरनिराळ्या लोकांचा समावेश असलेले असंख्य ‘क्लस्टर’ असू शकतात. कोणता वापरकर्ता कोणत्या एका वा अधिक ‘क्लस्टर’चा भाग असेल त्यानुसार त्या माणसाची आवडनिवड काय असेल याची शहानिशा शिफारस प्रणाली करते. कृत्रिम बुद्धिमत्तेच्या तंत्रज्ञानामध्ये म्हणूनच शिफारस प्रणालीचा वापर असा अगदी क्षणोक्षणी असंख्य आणि बहुविध कामांसाठी केला जातो.
अतुल कहाते
मराठी विज्ञान परिषद
ईमेल : office@mavipa.org
संकेतस्थळ : http://www.mavipa.org
