பொதுவாக உள்ளீட்டுத் தரவுகளைப் பெறக்கூடிய வழிமுறைகளை உருவாக்குவதும், புதிய தரவுகளை கிடைக்கும்போதும் வெளியீடுகளைப் புதுப்பிக்கும்போது ம்ஒரு வெளியீட்டைக் முன்கணிக்க புள்ளிவிவர பகுப்பாய்வைப் பயன்படுத்துவதும் இயந்திர கற்றலின் அடிப்படைக் கொள்கைகளாகும்.
அவ்வாறான இவ்வியந்திரக் கற்றலை மூன்று வகையான கணிமுறைகளாக வகைப்படுத்தலாம்: அவை பின்வருமாறு
1. மேற்பார்வையுடைய கற்றல்
2. மேற்பார்வை செய்யப்படாத கற்றல்
3. பலப்படுத்திடும் கற்றல்
மேற்பார்வை யுடைய கற்றல் (Supervised learning)
இந்த பெயரில் குறிப்பிடுவது போல, இதுஒரு மேற்பார்வையாளர் பயிற்சியாளராக இருப்பதை உள்ளடக்கியதன். அடிப்படையிலான ஒரு கற்றல் செயல்முறையாகும், இதன் மூலம் நன்கு கட்டமைக்கப்பட்ட தரவுகளைப் பயன்படுத்தி இயந்திரங்கள்பயிற்றுவிக்கப்படுகின்றன அல்லதுஇயந்திரங்களுக்கு கற்பிக்கப்படுகின்றது, அதாவது, கேள்வி அதற்கு சரியான பதில்கள் ஆகியவற்றுடனான தரவுகளுடன் இயந்திரங்கள் பயிற்றுவிக்கப்பட்டு அவ்வியந்திரங்களின் நினைவகத்தில்இவைகள் பதிந்துகொள்ளுமாறு செய்யப்படுகின்றது. அதன்பிறகு, இயந்திரத்திற்கு புதிய எடுத்துக்காட்டுகளின் தரவுகள் வழங்கப்பட்டு அதனை தீர்வுசெய்திடுமாறு பணிக்கப்படுகின்றன, இதனால் மேற்பார்வையிடப்பட்ட கற்றல் வழிமுறை பயிற்சியில் தரவுகளை இயந்திரமானது பகுப்பாய்வு செய்கின்றது மேலும் கட்டமைக்கப்பட்ட தரவகளிலிருந்து சரியான முடிவை உருவாக்குகிறது.
உதாரணமாக, நம்மிடம் வெவ்வேறு காய்கறிகள் நிறைந்த கூடை ஒன்று இருப்பதாக கொள்வோம். முதல் படிமுறையாக, வெவ்வேறு காய்கறிகளைப் பற்றியவிவரங்களை இயந்திரத்திற்கு ஒன்றன்பின் ஒன்றாகப் பயிற்றுவிக்கப்படுகின்றது:
உருளைவடிவமாகவும் , பழுப்பு நிறமாகவும் இருந்தால், அது உருளைக்கிழங்கு என்று பெயரிடப்படும்.
ஒரு கோளம் போன்றும், சிவப்பு அல்லது ஆரஞ்சுநிறமாகவும் இருந்தால், அது தக்காளி என்று பெயரிடப்படும்.என்றவாறு மற்ற காய்கறிகளும் இதேபோன்று வகைப்படுத்தப்படுத்தி பயிற்றுவிக்கப் படுகின்றன.
அதனை தொடர்ந்து, இவ்வாறான தரவுகளைகொண்டு பயிற்றுவித்த பிறகு காய்கறிகளின் கூடையைக் கொடுத்து, அதில் இருப்பது தக்காளியா என அடையாளம் காணும்படி கோரினால்.உடன் நாம் பயிற்றுவித்த முந்தைய தரவுகளிலிருந்து இயந்திரமானது ஏற்கனவே ஒருசில செய்திகளைக் கற்றுக்கொண்டதால், முதலில் காய்கறிகளை அவைகளின் வடிவம் வண்ணம் ஆகியவற்றின் அடிப்படையில் வகைப்படுத்தும், மேலும் அவை ஏதாவது ‘தக்காளி’ என்பதுடன் ஒத்துதாக இருக்கின்றதாவென சரிபார்த்து, அதை ‘தக்காளி’ பிரிவில் சேர்க்கும். இவ்வாறு இயந்திரமானது நாம் ஏற்கனவே அளித்த பயிற்சியின் தரவுகளிலிருந்து (காய்கறிகளைக் கொண்ட கூடை) ஒருசில விவரங்களைக் கற்றுக் கொள்கிறது, பின்னர் அந்த அறிவை சோதனை தரவுகளுக்கு (ஒரு புதிய காய்கறி) பயன்படுத்துகின்றது.
மேற்பார்வையிடப்பட்ட கற்றலில், நாம் ஒரு மோசடி கண்டறிதல் மாதிரியைப் பயிற்றுவிக்கின்றோம் என்றால், அதில் மோசடி அல்லது மோசடிஅல்லாதது என பெயரிடப்பட்ட பரிவர்த்தனைகளின் தொகுப்பைப் பயன் படுத்துகின்றோம். தரவுகளின் தொகுப்பை தோராயமாகப் பிரித்து, மாதிரியைப் பயிற்றுவிக்க ஒரு பகுதியையும் மாதிரியைச் சோதிக்க அல்லது மதிப்பீடு செய்ய மற்றொரு பகுதியையும் பயன்படுத்தப் படுகின்றது.
மேற்பார்வை செய்யப்படாத கற்றல் (unsupervised learning )
இது வகைப்படுத்தப்படாத அல்லது கட்டமைக்கப்படாத தகவல்களைப் பயன்படுத்தி இயந்திரத்திற்கு வழங்கப்படும் பயிற்சியாகும், மேலும் இந்த வழிமுறைகளை மேற்பார்வை இல்லாமல் செயல்படுமாறு அனுமதிப்பக்கப்படுகின்றது. எந்தவொரு முன் பயிற்சி தரவுகளும் இல்லாமல் ஒற்றுமைகள், வடிவங்கள் வேறுபாடுகள் ஆகியவற்றிற்கு ஏற்ப வரிசைப்படுத்தப்படாத தகவல்களை குழுவாக உருவாக்குவதே இயந்திரத்தின் பணியாகும். இந்த பெயரில் குறிப்பிடுவது போன்று, எந்த வொரு பயிற்சியும் இந்த வகையில் இயந்திரத்திற்கு வழங்கப்படுவதில்லை. எனவே, கட்டமைக்கப்படாத தரவுகளிலிருந்து இயந்திரம் தானாகவே கற்றுக்கொள்ள வேண்டும். உதாரணமாக, பல்வேறு பொருட்களை கொள்முதல்செய்திடும் பல்வேறு வாடிக்கையாளர்களின் புள்ளிவிவரங்களின் குழுக்களை நாம் கண்டுபிடிக்க விரும்பவதுஇந்த வகையானதாகும்.
பலப்படுத்திடும் கற்றல்(Reinforcement learning)
இது இயந்திரக் கற்றலின் மூன்றாவது பகுதியாகும், இது ஒரு குறிப்பிட்ட சூழ்நிலையில் செயய்யப்படும் செயல்களுக்கு ஏற்ப வெகுமதிகளை அல்லது பரிசுகளை அனுமதிப்பதன் வாயிலாக பொருத்தமான நடவடிக்கை எடுப்பது தொடர்பானதுாகும் அதாவது, குறிப்பிட்ட சூழ்நிலைகளுக்கு ஏற்ற சிறந்த பாதையைக் கண்டறிய இது பயன்படுகிறது. மேற்பார்வையிடப்பட்ட கற்றலில் இருந்து இந்த பலப்படுத்திடும் கற்றலானது வேறுபடுகிறது, முந்தையதில், பயிற்சிகளின் தரவு களும்அதனுடன் பதில் செயல்களையும் கொண்டுள்ளது; எனவே மாதிரிபயிற்சியில் சரியான பதில்செயல்களுடன் பயிற்சியளிக்கப்படுகிறது. இருப்பினும், பலப்படுத்திடும் கற்றலில், பதில்செயல் இல்லை, மேலும் கொடுக்கப்பட்ட பணியைச் செய்ய என்ன செய்ய வேண்டும் என்பதை வலுவூட்டல் முகவர் தீர்மானிக்கிறார். பயிற்சி தரவு தொகுப்பு இல்லாத நிலையில், இயந்திரம் அதன் அனுபவத்திலிருந்து கற்றுக்கொள்கிறது
நம்மிடம் ஒரு முகவர் அவருக்கான பரிசுபொருள் ஆகியன உள்ளனஎன கொள்க, அம்முகவர் அந்த பரிசுபொருளைஅடைவதற்கான பாதையில் இடையிடையே பல தடைகள் உள்ளன. அந்த முகவர் அந்த பரிசுபொருளை அடைவதற்காக தடைகளற்ற அல்லது குறைந்தஅளவிலான தடைகளுள்ள சிறந்த பாதையை கண்டுபிடிக்க வேண்டும் என்பதே இதனுடைய அடிப்படை குறிக்கோளாகும் உதாரணமாக ஒரு இயந்திரமனிதன் இந்த முகவராககொள்க பரிசுபொருளாக வைரத்திலான பொருள்ஒன்று உள்ளது. இயந்திர மனிதன் வைரத்திலானபரிசு பொருளை அடைய வேண்டி அனைத்து தடைகளையும் தாண்டி சாத்தியமான எல்லா பாதைகளையும் முயற்சித்திடும்போது எதிர்படும் அனைத்து , இடையூறுகளையும் தவிர்ப்பது அல்லது குறைந்தபட்ச இடையூறுகளுடன் பரிசு பொருளை அடையும்சரியான வழி ஒன்றைத் தேர்ந்தெடுப்பதன் மூலம் இயந்திரமனிதனானது கற்றுக்கொள்கிறது. ஒவ்வொரு வழியையும் இயந்திரமனிதன் பின்பற்றி சென்றால் பரிசினை அடையமுடியும் அவையனைத்தும் பரிசுபொருளை அடைவதற்கான வழிகளாக இருந்தாலும் அவற்றுள் மிகச்சரியான வழிமுறையை கண்டிபிடிப்பதே இயந்திரமனிதனினுடைய செயலின் அடிப்படை நோக்கமாகும், மேலும் ஒவ்வொரு தவறான நடவடிக்கையும் பரிசு பொருளைஅடையமுடியாமதல் தோல்வி கிடைக்கும். இறுதியாக பரிசு பொருளை அடையும் போதுஅதனைஎவ்வாறு தடைகளற்ற,இடையூறுகளற்ற அல்லது குறைந்த தடைகளுடன் இடையூறுகளுடன் பரிசுபொருளை அடையமுடிந்தது எனதீர்வு செய்யப்படுகின்றது
இவ்வாறான இயந்திர கற்றல் என்பது தகவல் தொழில்நுட்பத்தின் மிகச் சிறந்ததொரு துறையாகும்,இந்த இயந்திரக் கற்றலை மருத்துவம், தொழில்நுட்பம், நிதிநிருவாகம், பாதுகாப்பு என்பன போன்ற பல்வேறு துறைகளில் பயன்படுத்திகொள்ளமுடியும் மேலும் நாம் வாழும் சூழலில் இதன் வாயிலாக பல்வேறு புதிய மாற்றங்களைக் கொண்டு வரச்செய்து நம்முடைய வாழ்க்கைபாதையை மேம்படுத்தி கொள்ள முடியும்.