Machine patterns notice करती है:

• "मुफ़्त पैसे जीतिए" वाली emails spam होती हैं
• आपकी address book के contacts से आई emails genuine होती हैं
• दर्जनों exclamation marks वाली emails अक्सर spam होती हैं

काफ़ी उदाहरण पढ़ने के बाद, यह एक बिल्कुल नई email देखकर predict कर सकती है कि वो spam है या नहीं - बिना किसी specific rules लिखे।

🔍 Unsupervised Learning - छिपे Patterns ढूँढना

अगर आपके पास answers न हों तो? अगर आपके पास बस data का एक बड़ा ढेर हो और आप चाहें कि machine ख़ुद दिलचस्प patterns ढूँढे?

यही unsupervised learning है। कोई teacher नहीं, कोई labels नहीं, कोई सही answers नहीं। Machine data explore करती है और मिलती-जुलती चीज़ों को group करती है।

Real-World Example: Customer Grouping

कल्पना कीजिए कि एक supermarket के पास लाखों customers का purchase data है, लेकिन कोई labels नहीं। AI data analyse करता है और natural groups खोजता है:

• Group A: Organic सब्ज़ियाँ, free-range अंडे, और oat milk ख़रीदता है
• Group B: Frozen pizzas, chips, और cold drinks ख़रीदता है
• Group C: Diapers, baby food, और wet wipes ख़रीदता है

किसी ने machine को नहीं बताया कि ये groups मौजूद हैं। इसने shopping data में patterns देखकर ख़ुद इन्हें ढूँढ लिया। अब supermarket हर group को relevant offers भेज सकता है।

🐕 Reinforcement Learning - Trial and Error

तीसरा प्रकार है reinforcement learning, और यह काफ़ी हद तक कुत्ते को train करने जैसा काम करता है।

जब कुत्ता command पर बैठता है, आप उसे treat देते हैं (reward)। जब वो आपका जूता चबाता है, आप "नहीं" कहते हैं (penalty)। समय के साथ कुत्ता सीख जाता है कि कौन से व्यवहार treats दिलाते हैं और कौन से मुसीबत।

Reinforcement learning भी इसी तरह काम करता है:

1. AI एक environment में action लेता है
2. उसे reward (positive) या penalty (negative) मिलता है
3. वो अपनी strategy adjust करता है ताकि समय के साथ rewards maximise हों
4. वो लाखों अलग-अलग approaches try करता है जब तक सबसे अच्छा तरीका नहीं मिल जाता

Real-World Example: Game-Playing AI

Google का AlphaGo ने प्राचीन board game Go खेलना ख़ुद से लाखों games खेलकर सीखा। हर जीत एक reward थी; हर हार एक penalty। इसने अजीब strategies try कीं, failures से सीखा, और आख़िरकार इतिहास के किसी भी इंसानी खिलाड़ी से बेहतर हो गया।

यही approach robots को चलना सिखाने, self-driving cars को navigate करना सिखाने, और data centres में energy use optimise करने के लिए इस्तेमाल होता है।

🗺️ तीनों प्रकारों की तुलना

| प्रकार | Labels हैं? | उपमा | उदाहरण | |--------|------------|-------|---------| | Supervised | हाँ | Answer key के साथ पढ़ाई | Spam filters, medical diagnosis | | Unsupervised | नहीं | बिखरी हुई दराज़ को छाँटना | Customer grouping, anomaly detection | | Reinforcement | नहीं (rewards इस्तेमाल करता है) | Treats से कुत्ते को train करना | Game AI, robotics, self-driving cars |

🔑 मुख्य बातें

• Machines एक cycle से सीखती हैं: data → patterns → predictions → feedback → improvement
• Supervised learning labelled उदाहरणों का इस्तेमाल करता है - जैसे teacher के साथ पढ़ाई
• Unsupervised learning बिना labels के data में छिपे patterns ढूँढता है
• Reinforcement learning rewards और penalties इस्तेमाल करता है - जैसे कुत्ते को train करना
• तीनों प्रकार आपके रोज़मर्रा के AI systems को power करते हैं

आगे क्या?

अब जब आप समझ गए हैं कि machines कैसे सीखती हैं, अगला lesson आपकी जेब में पहले से मौजूद AI को उजागर करेगा। आपका smartphone intelligent features से भरा है - चलिए उन्हें खोजते हैं।