AI ද? ML ද? DL ද? 🤯 මේවා හරියටම මොනවද? වෙනස දැනගමු!

😎 AI, Machine Learning, Deep Learning කියන වචන තුන දැන් හැමතැනම ඇහෙනවා නේද? හැබැයි ගොඩක් අයට මේවා එකිනෙකට පටලැවෙනවා, හරියටම වෙනස මොකක්ද කියලා හිතාගන්න අමාරුයි. 🤔

බය වෙන්න එපා! අද අපි මේ කන්ෆියුෂන් එක නැති කරලා, මේ හැම එකක්ම සරලව, "ගම්මට" තේරුම් ගමු. ඔන්න එහෙනම් වැඩේට බහිමු! 👇

මේ කතාව තේරුම් ගන්න හොඳම විදිය තමයි රුසියානු බෝනික්කෝ (Russian Nesting Dolls) සෙට් එකක් වගේ හිතන එක. 🎎 ලොකුම බෝනික්කා ඇතුලේ තව එකක්, ඒක ඇතුලේ තව එකක් තියෙන්නේ... අන්න ඒ වගේ තමයි මේ AI, ML, DL කියන තුනත් තියෙන්නේ.

1. ලොකුම බෝනික්කා = AI (Artificial Intelligence - කෘත්‍රිම බුද්ධිය) 🤖
2. ඒක ඇතුලේ ඉන්න ඊලඟ බෝනික්කා = ML (Machine Learning - යන්ත්‍ර ඉගෙනුම) ⚙️
3. ඒකත් ඇතුලේ ඉන්න පොඩිම බෝනික්කා = DL (Deep Learning - ගැඹුරු ඉගෙනුම) ✨

දැන් අපි එකින් එක බලමු මේ බෝනික්කෝ මොනවද කරන්නේ කියලා!

1. Artificial Intelligence (AI - කෘත්‍රිම බුද්ධිය): The Big Dream! 💭

AI කියන්නේ මේ ඔක්කොගෙම ලොකු තාත්තා වගේ. 👴 මේක හරිම පුළුල් (Broad) සංකල්පයක්.

AI වල මූලික අදහස තමයි: මිනිස්සු වගේ හිතන්න, තීරණ ගන්න, ප්‍රශ්න විසඳන්න, ඉගෙනගන්න, දේවල් තේරුම් ගන්න පුළුවන් බුද්ධිමත් යන්ත්‍ර (Intelligent Machines) නිර්මාණය කරන එක. 🧠💡

හිතන්නකෝ, මිනිස් බුද්ධිය අවශ්‍ය වෙන ඕනෑම කාර්යයක් machine එකකින් කරවගන්න උත්සහ කරන එක තමයි AI කියන්නේ.

AI වලට අයිති දේවල්:

• පරණ Rule-based systems (If this, then do that - වගේ නීති මත වැඩ කරන ඒවා)
• චෙස් ගහන Computers ♟️
• Chatbots (ඔයා එක්ක chat කරන software) 💬
• ඒ වගේම, Machine Learning (ML) සහ Deep Learning (DL) කියන්නෙත් AI වලට අයිති වෙන ක්‍රමවේද දෙකක්! (මෙන්න මේකයි වැදගත්ම දේ!)

සරලවම, AI කියන්නේ අරමුණ (Goal) හෝ සමස්ත ක්ෂේත්‍රය (Field) එක. ඒ අරමුණට යන්න පාවිච්චි කරන එක ක්‍රමයක් තමයි ML කියන්නේ.

2. Machine Learning (ML - යන්ත්‍ර ඉගෙනුම): Learning from Data! 📊

ML කියන්නේ AI කියන ලොකු කුඩේ යටතේ තියෙන උප කුලකයක් (Subset). මේක AI වල අරමුණ ඉටුකරගන්න පාවිච්චි කරන ප්‍රධාන ක්‍රමවේදයක්.

ML වල විශේෂත්වය: අපි machine එකට ඍජුවම හැම දෙයක්ම කියලා දෙන්නේ නෑ (explicitly program කරන්නේ නෑ). ඒ වෙනුවට, අපි machine එකට විශාල දත්ත ප්‍රමාණයක් (Data) දෙනවා. Machine එක ඒ දත්ත විශ්ලේෂණය කරලා, ඒකේ තියෙන රටා (Patterns) ඉබේම ඉගෙනගන්නවා. 📈📉

ඒ ඉගෙනගත්ත දේවල් පාවිච්චි කරලා, අලුත් දත්තයක් ආවම ඒ ගැන අනාවැකි කියන්න (Predictions) හරි තීරණ ගන්න (Decisions) හරි machine එකට පුළුවන් වෙනවා.

ML වැඩ කරන හැටි (සරලව):

1. Data දෙනවා: උදාහරණයක් විදියට, පූසන්ගේ 🐈 සහ බල්ලන්ගේ 🐕 photos දහස් ගාණක් දෙනවා.
2. Algorithm එක Pattern හොයනවා: ML algorithm එක මේ photos වල තියෙන පොදු ලක්ෂණ (කන් වල හැඩය, ඇස්, නහය වගේ) හොයාගන්නවා.
3. Model එකක් හදනවා: ඒ pattern අනුව "මේවා තමයි පූසෙක්ගෙ ලක්ෂණ", "මේවා තමයි බල්ලෙක්ගෙ ලක්ෂණ" කියලා Model එකක් (නියෝජනයක්) හදාගන්නවා.
4. අනාවැකි කියනවා: දැන් අලුතෙන් photo එකක් දුන්නම, ඒකේ තියෙන ලක්ෂණ අර model එකත් එක්ක සසඳලා, "මේක 95% ක් පූසෙක් වෙන්න ඕනේ" කියලා කියන්න ඒකට පුළුවන්! 😎

ML Examples:

• Spam Filters: ඔයාගේ email වල spam සහ හොඳ email වලින් ඉගෙනගෙන, අලුතෙන් එන email එකක් spam ද නැද්ද කියලා කියනවා. 📧🚫
• Recommendation Engines: Netflix, YouTube වල ඔයා බලන දේවල් වලින් ඉගෙනගෙන, ඔයා කැමති වෙයි කියලා හිතන තව films/videos suggest කරනවා. 🎬🍿
• Medical Diagnosis: ලෙඩ්ඩුන්ගේ data වලින් ඉගෙනගෙන, ලෙඩක් ගැන අනාවැකි කියන්න උදව් කරනවා. 🩺

ඉතින්, ML කියන්නේ AI වලට අයිති, දත්ත වලින් ඉගෙනගෙන වැඩ කරන තාක්ෂණයක්.

3. Deep Learning (DL - ගැඹුරු ඉගෙනුම): The Brainy One! 🧠✨

DL කියන්නේ ML වලත් ඇතුලේ තියෙන තවත් විශේෂිත උප කුලකයක් (Specialized Subset). ඒ කියන්නේ, හැම Deep Learning එකක්ම Machine Learning එකක්, ඒ වගේම හැම Machine Learning එකක්ම AI එකක්. (අර බෝනික්කෝ වගේමයි! 🎎)

DL වල සුපිරිම වැඩේ: මේක වැඩ කරන්නේ Artificial Neural Networks (ANNs - කෘත්‍රිම ස්නායුක ජාල) කියන දෙයක් පාවිච්චි කරලා. මේ Neural Networks හදලා තියෙන්නේ අපේ මොළේ තියෙන නියුරෝන (Neurons) එකිනෙකට සම්බන්ධ වෙලා වැඩ කරන විදිය ආදර්ශයට අරගෙන (inspired by the human brain). 🧠🔗

"Deep" (ගැඹුරු) කියන්නේ මේ Neural Network එකේ ගොඩක් Layers (ස්ථර) තියෙන නිසා. Data එකක් මේ layers ගොඩක් හරහා ගිහිල්ලා process වෙනකොට, මුල් layer එකේදී සරල ලක්ෂණත් (simple features), අග layer වලට යද්දී හරිම සංකීර්ණ (complex) ලක්ෂණත් අඳුනගන්න මේකට පුළුවන් වෙනවා.

DL වලට ඕන දේවල්:

• 엄청난 Data ප්‍රමාණයක් (Huge amounts of data): සාමාන්‍ය ML වලට වඩා ගොඩක් data ඕනේ.
• බලවත් Computers (Powerful hardware - GPUs): ඒ data process කරන්න ලොකු computing power එකක් ඕනේ. 💪💻

DL සුපිරියටම වැඩ කරන තැන්:

• Image Recognition: Photos වල ඉන්න මිනිස්සු, වස්තූන් අඳුනගන්න එක (Facebook photo tagging වගේ). 🖼️👩‍👩‍👧‍👦
• Natural Language Processing (NLP): මිනිස් භාෂාව තේරුම් ගන්න එක, පරිවර්තනය කරන එක (Google Translate, Siri, Alexa). 🗣️<0xF0><0x9F><0xAA><0x9E>
• Self-Driving Cars: පාරේ තියෙන වාහන, මිනිස්සු, signal අඳුනගන්න එක. 🚗🚦🚶‍♀️
• Speech Recognition: අපි කතා කරන දේවල් අඳුනගෙන text බවට හරවන එක. 🎤➡️📝

ඉතින්, DL කියන්නේ ML වලම කොටසක්, හැබැයි ගැඹුරු Neural Networks පාවිච්චි කරලා, ගොඩක් data වලින්, හරිම සංකීර්ණ patterns ඉගෙනගන්න සුපිරිම ක්‍රමයක්.

සාරාංශය: බෝනික්කෝ එකට තියලා බලමු! 🎎

• AI (කෘත්‍රිම බුද්ධිය): ලොකුම බෝනික්කා / ලොකුම කුඩේ. මිනිස්සු වගේ හිතන/වැඩකරන machines හදන පුළුල් අරමුණ/ක්ෂේත්‍රය. 🤖
• ML (යන්ත්‍ර ඉගෙනුම): මැද බෝනික්කා / AI කුඩේ යටතේ තියෙන එකක්. Data වලින් patterns ඉගෙනගෙන Predictions/Decisions ගන්න machines හදන ක්‍රමවේදයක්. ⚙️ (AI වල subset එකක්).
• DL (ගැඹුරු ඉගෙනුම): පොඩිම බෝනික්කා / ML කුඩේ යටතේ තියෙන එකක්. ගැඹුරු Neural Networks පාවිච්චි කරලා, ගොඩක් data වලින්, සංකීර්ණ patterns ඉගෙනගන්න විශේෂිත ML ක්‍රමයක්. ✨ (ML වල subset එකක්).

AI ⊃ ML ⊃ DL (AI ඇතුලේ ML තියෙනවා, ML ඇතුලේ DL තියෙනවා)

මේ වෙනස දැනගන්න එක වැදගත් ඇයි? 🤔

• Confusion අඩු වෙනවා: කවුරුහරි මේ වචන පාවිච්චි කරද්දී, මොකක් ගැනද කියන්නේ කියලා හරියටම තේරුම් ගන්න පුළුවන්. 👍
• Hype එක තේරුම් ගන්න පුළුවන්: හැමදේටම "AI" කිව්වට, ඒක ඇත්තටම ML ද, DL ද, නැත්නම් වෙන AI ක්‍රමයක්ද කියලා තේරුම් ගන්න පුළුවන්. 🧐
• තාක්ෂණය අගය කරන්න පුළුවන්: හැම එකකම තියෙන විශේෂිත හැකියාවන් සහ සීමාවන් තේරුම් ගන්න පුළුවන්. 😊

හරි මචංලා, ඔන්න එහෙනම් AI, ML, DL අතර තියෙන වෙනස පැහැදිලි කළා. 🤓 දැන් අර රුසියානු බෝනික්කෝ වගේ මතක තියාගන්න ලේසියි නේද? 😉

මේක තාක්ෂණික ලෝකේ හරිම fascinating මාතෘකාවක්. මේ ගැන තව ගැඹුරට ඉගෙනගන්න එක වටිනවා. මොනවාහරි ප්‍රශ්න තියෙනවනම්, තව මොනවාහරි පැහැදිලි කරගන්න ඕන නම්, පහලින් comment එකක් දාන්න! 👇

Keep Learning! Keep Exploring! 👋🚀