এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
আনুমানিক যৌক্তিক প্রোগ্রামিং (Inductive Logic Programming - ILP)
যান্ত্রিক শিক্ষার একটি দৃষ্টান্ত যা যৌক্তিক প্রোগ্রামিং এবং শিক্ষাকে একত্রিত করে যৌক্তিক তত্ত্ব, যেমন নিয়ম বা প্রোগ্রাম, উদাহরণ এবং পটভূমি জ্ঞান থেকে অনুমান করার জন্য।
সীমাবদ্ধতা-ভিত্তিক শিক্ষা (Constraint-Based Learning)
শিক্ষার একটি কাঠামো যেখানে মডেলটি ডেটা থেকে প্রাপ্ত সীমাবদ্ধতাগুলি সন্তুষ্ট করে নির্মিত হয়, যা প্রায়শই জটিল সমস্যাগুলিতে অনুসন্ধানের স্থান গঠনের জন্য ব্যবহৃত হয়।
পটভূমি তত্ত্ব (Background Knowledge)
পূর্বনির্ধারিত তথ্য, নিয়ম এবং সংজ্ঞাগুলির একটি সেট যা PLI সিস্টেমে প্রদান করা হয় অনুমান প্রক্রিয়াকে নির্দেশনা দেওয়ার এবং শেখা অনুমানকে সীমাবদ্ধ করার জন্য।
ইতিবাচক এবং নেতিবাচক উদাহরণ (Positive and Negative Examples)
PLI-তে প্রশিক্ষণ ডেটা যেখানে ইতিবাচক উদাহরণগুলি হল সেই দৃষ্টান্ত যা লক্ষ্য ধারণাটি কভার করতে হবে, এবং নেতিবাচক উদাহরণগুলি হল সেই দৃষ্টান্ত যা এড়িয়ে চলতে হবে।
আনুমানিক অনুমান (Inductive Hypothesis)
নিয়ম বা যৌক্তিক প্রোগ্রাম যা PLI সিস্টেম দ্বারা তৈরি হয়, যা ইতিবাচক উদাহরণগুলি ব্যাখ্যা করে এবং নেতিবাচক উদাহরণ ও পটভূমি তত্ত্বের সঙ্গে সামঞ্জস্যপূর্ণ থাকে।
কভারেজ নিয়ম (Covering Rule)
আনুমানের একটি কৌশল যেখানে একটি নিয়ম শেখা হয় কিছু ইতিবাচক উদাহরণ কভার করার জন্য, তারপর সেই উদাহরণগুলি সরিয়ে ফেলা হয় এবং প্রক্রিয়াটি পুনরাবৃত্তি করা হয় যতক্ষণ না সব উদাহরণ কভার করা হয়।
বিশেষীকরণ এবং সাধারণীকরণ (Specialization and Generalization)
PLI-তে অনুমানের স্থান নেভিগেট করার জন্য মৌলিক ক্রিয়াকলাপ; সাধারণীকরণ একটি নিয়মের কভারেজকে প্রসারিত করে, যেখানে বিশেষীকরণ নেতিবাচক উদাহরণ এড়ানোর জন্য তা সীমাবদ্ধ করে।
আনুমানিক পক্ষপাত (Inductive Bias)
সীমাবদ্ধতা বা অনুমানের একটি সেট যা PLI-তে সম্ভাব্য অনুমানের স্থানকে সীমিত করে, যা শিক্ষাকে বাস্তবসম্মত করে তোলে এবং প্রাসঙ্গিক সমাধানের দিকে নির্দেশনা দেয়।
পিএলআই সিস্টেম (ILP System)
ইন্ডাকটিভ লজিক প্রোগ্রামিং অ্যালগরিদম প্রয়োগকারী সফটওয়্যার, যেমন Progol, Aleph বা TILDE, যা ডেটা থেকে লজিক প্রণয়ন করতে সক্ষম।
মডেলের ব্যাখ্যা
পিএলআই-এর মূল সুবিধা যেখানে শেখা মডেলগুলো স্পষ্ট লজিক্যাল নিয়মের সমষ্টি যা মানুষের পক্ষে সহজে বোধগম্য, ব্ল্যাক বক্সের বিপরীতে।
রিলেশনাল লার্নিং
মেশিন লার্নিং-এর একটি উপক্ষেত্র যা বস্তুর মধ্যে সম্পর্ক দ্বারা বর্ণিত ডেটা নিয়ে কাজ করে, যার জন্য পিএলআই বিশেষভাবে উপযুক্ত।
বটম-আপ ডেরিভেশন
পিএলআই-তে ইন্ডাকশনের একটি পদ্ধতি যা একটি নির্দিষ্ট ইতিবাচক উদাহরণ থেকে শুরু করে ক্রমান্বয়ে ক্লজটিকে সাধারণীকরণ করে আরও উদাহরণ কভার করার জন্য, যেমন GOLEM অ্যালগরিদমে।
টপ-ডাউন ডেরিভেশন
পিএলআই-তে ইন্ডাকশনের একটি পদ্ধতি যা একটি অত্যন্ত সাধারণ ক্লজ থেকে শুরু করে নেতিবাচক উদাহরণ বাদ দেওয়ার জন্য বিশেষায়িত করে, যেমন Progol সিস্টেমে।
ন্যূনতম সংকোচনের নীতি (MDL)
পিএলআই-তে মূল্যায়নের মানদণ্ড যা তত্ত্বের জটিলতা এবং ডেটা এনকোড করার ক্ষমতার মধ্যে সেরা ভারসাম্য প্রদানকারী অনুমানকে সমর্থন করে, সবচেয়ে সংক্ষিপ্ত সংকোচন লক্ষ্য করে।
প্রোগ্রাম শেখা (Program Synthesis)
পিএলআই-এর একটি প্রয়োগ যার লক্ষ্য স্বয়ংক্রিয়ভাবে একটি কার্যকরী কম্পিউটার প্রোগ্রাম আবিষ্কার করা ইনপুট/আউটপুট উদাহরণ বা স্পেসিফিকেশন থেকে।
তত্ত্ব সংশোধন
পিএলআই-তে একটি কাজ যা নতুন পর্যবেক্ষণের সাথে সামঞ্জস্যপূর্ণ করার জন্য বিদ্যমান লজিক্যাল তত্ত্বকে সংশোধন করে, নিয়ম যোগ, বাদ বা পরিবর্তন করে।
প্রেডিকেটিভ সংজ্ঞা শেখা
পিএলআই-এর প্রধান লক্ষ্য যেখানে লক্ষ্য প্রেডিকেটের (যেমন: `parent(X,Y)`) যৌক্তিক সংজ্ঞা উদাহরণ এবং পটভূমি জ্ঞান থেকে শেখার চেষ্টা করা হয়।
ব্যর্থতার মাধ্যমে নঞর্থকতা (Negation as Failure)
প্রোগ্রামিং লজিকের একটি ধারণা যেখানে একটি নেতিবাচক শর্তকে সত্য বলে বিবেচনা করা হয় যদি সংশ্লিষ্ট ইতিবাচক শর্তটি প্রমাণ করা না যায়, যা প্রায়শই পিএলআই অনুমানগুলিতে ব্যবহৃত হয়।
অনুমান অনুসন্ধানের স্থান
সমস্ত সম্ভাব্য যৌক্তিক ক্লজের সেট যা পিএলআই অ্যালগরিদম অনুসন্ধান করতে পারে, সাধারণীকরণ বা বিশেষীকরণের মতো কৌশল ব্যবহার করে গঠিত ও অনুসন্ধান করা হয়।