ML-For-Beginners/translations/pa/6-NLP/1-Introduction-to-NLP

ਨੈਚਰਲ ਲੈਂਗਵੇਜ ਪ੍ਰੋਸੈਸਿੰਗ ਦਾ ਪਰਚੇ

ਇਸ ਪਾਠ ਵਿੱਚ ਨੈਚਰਲ ਲੈਂਗਵੇਜ ਪ੍ਰੋਸੈਸਿੰਗ ਦੇ ਇਤਿਹਾਸ ਅਤੇ ਮਹੱਤਵਪੂਰਨ ਧਾਰਨਾਵਾਂ ਦੀ ਚੋਟੀ ਦੀ ਜਾਣਕਾਰੀ ਦਿੱਤੀ ਗਈ ਹੈ, ਜੋ ਕਿ ਕੰਪਿਊਟੇਸ਼ਨਲ ਲਿੰਗਵਿਸਟਿਕਸ ਦਾ ਇੱਕ ਉਪਖੇਤਰ ਹੈ।

ਪ੍ਰੀ-ਲੈਕਚਰ ਕਵਿਜ਼

ਪਰਚੇ

NLP, ਜਿਵੇਂ ਕਿ ਆਮ ਤੌਰ 'ਤੇ ਜਾਣਿਆ ਜਾਂਦਾ ਹੈ, ਉਹ ਖੇਤਰਾਂ ਵਿੱਚੋਂ ਇੱਕ ਹੈ ਜਿੱਥੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਨੂੰ ਲਾਗੂ ਕੀਤਾ ਗਿਆ ਹੈ ਅਤੇ ਪ੍ਰੋਡਕਸ਼ਨ ਸਾਫਟਵੇਅਰ ਵਿੱਚ ਵਰਤਿਆ ਗਿਆ ਹੈ।

✅ ਕੀ ਤੁਸੀਂ ਕੋਈ ਸਾਫਟਵੇਅਰ ਸੋਚ ਸਕਦੇ ਹੋ ਜੋ ਤੁਸੀਂ ਹਰ ਰੋਜ਼ ਵਰਤਦੇ ਹੋ ਅਤੇ ਜਿਸ ਵਿੱਚ ਸ਼ਾਇਦ ਕੁਝ NLP ਸ਼ਾਮਲ ਹੈ? ਜਿਵੇਂ ਕਿ ਤੁਹਾਡੇ ਵਰਡ ਪ੍ਰੋਸੈਸਿੰਗ ਪ੍ਰੋਗਰਾਮ ਜਾਂ ਮੋਬਾਈਲ ਐਪਸ ਜੋ ਤੁਸੀਂ ਨਿਯਮਿਤ ਤੌਰ 'ਤੇ ਵਰਤਦੇ ਹੋ?

ਤੁਸੀਂ ਇਹ ਸਿੱਖੋਗੇ:

• ਭਾਸ਼ਾਵਾਂ ਦਾ ਵਿਚਾਰ। ਭਾਸ਼ਾਵਾਂ ਕਿਵੇਂ ਵਿਕਸਿਤ ਹੋਈਆਂ ਅਤੇ ਮੁੱਖ ਅਧਿਐਨ ਖੇਤਰ ਕੀ ਰਹੇ ਹਨ।
• ਪਰਿਭਾਸ਼ਾ ਅਤੇ ਧਾਰਨਾਵਾਂ। ਤੁਸੀਂ ਇਹ ਵੀ ਸਿੱਖੋਗੇ ਕਿ ਕੰਪਿਊਟਰ ਟੈਕਸਟ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰੋਸੈਸ ਕਰਦੇ ਹਨ, ਜਿਸ ਵਿੱਚ ਪਾਰਸਿੰਗ, ਗ੍ਰੈਮਰ, ਅਤੇ ਨਾਉਨ ਅਤੇ ਵਰਬ ਦੀ ਪਛਾਣ ਸ਼ਾਮਲ ਹੈ। ਇਸ ਪਾਠ ਵਿੱਚ ਕੁਝ ਕੋਡਿੰਗ ਟਾਸਕ ਹਨ, ਅਤੇ ਕਈ ਮਹੱਤਵਪੂਰਨ ਧਾਰਨਾਵਾਂ ਪੇਸ਼ ਕੀਤੀਆਂ ਗਈਆਂ ਹਨ ਜੋ ਤੁਸੀਂ ਅਗਲੇ ਪਾਠਾਂ ਵਿੱਚ ਕੋਡ ਕਰਨਾ ਸਿੱਖੋਗੇ।

ਕੰਪਿਊਟੇਸ਼ਨਲ ਲਿੰਗਵਿਸਟਿਕਸ

ਕੰਪਿਊਟੇਸ਼ਨਲ ਲਿੰਗਵਿਸਟਿਕਸ ਕਈ ਦਹਾਕਿਆਂ ਤੋਂ ਅਧਿਐਨ ਅਤੇ ਵਿਕਾਸ ਦਾ ਖੇਤਰ ਹੈ ਜੋ ਅਧਿਐਨ ਕਰਦਾ ਹੈ ਕਿ ਕੰਪਿਊਟਰ ਭਾਸ਼ਾਵਾਂ ਨਾਲ ਕਿਵੇਂ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ, ਅਤੇ ਇੱਥੋਂ ਤੱਕ ਕਿ ਸਮਝ, ਅਨੁਵਾਦ, ਅਤੇ ਸੰਚਾਰ ਕਰ ਸਕਦੇ ਹਨ। ਨੈਚਰਲ ਲੈਂਗਵੇਜ ਪ੍ਰੋਸੈਸਿੰਗ (NLP) ਇੱਕ ਸੰਬੰਧਿਤ ਖੇਤਰ ਹੈ ਜੋ ਇਸ ਗੱਲ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ ਕਿ ਕੰਪਿਊਟਰ 'ਨੈਚਰਲ', ਜਾਂ ਮਨੁੱਖੀ, ਭਾਸ਼ਾਵਾਂ ਨੂੰ ਕਿਵੇਂ ਪ੍ਰੋਸੈਸ ਕਰ ਸਕਦੇ ਹਨ।

ਉਦਾਹਰਨ - ਫੋਨ ਡਿਕਟੇਸ਼ਨ

ਜੇਕਰ ਤੁਸੀਂ ਕਦੇ ਆਪਣੇ ਫੋਨ ਨੂੰ ਟਾਈਪ ਕਰਨ ਦੀ ਬਜਾਏ ਡਿਕਟੇਟ ਕੀਤਾ ਹੈ ਜਾਂ ਕਿਸੇ ਵਰਚੁਅਲ ਅਸਿਸਟੈਂਟ ਨੂੰ ਸਵਾਲ ਪੁੱਛਿਆ ਹੈ, ਤਾਂ ਤੁਹਾਡੀ ਬੋਲਚਾਲ ਨੂੰ ਟੈਕਸਟ ਰੂਪ ਵਿੱਚ ਬਦਲਿਆ ਗਿਆ ਅਤੇ ਫਿਰ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਜਾਂ ਪਾਰਸ ਕੀਤਾ ਗਿਆ। ਫਿਰ ਪਛਾਣ ਕੀਤੇ ਗਏ ਕੀਵਰਡ ਨੂੰ ਇੱਕ ਫਾਰਮੈਟ ਵਿੱਚ ਪ੍ਰੋਸੈਸ ਕੀਤਾ ਗਿਆ ਜੋ ਫੋਨ ਜਾਂ ਅਸਿਸਟੈਂਟ ਸਮਝ ਸਕਦਾ ਹੈ ਅਤੇ ਇਸ 'ਤੇ ਕਾਰਵਾਈ ਕਰ ਸਕਦਾ ਹੈ।

ਅਸਲ ਲਿੰਗਵਿਸਟਿਕ ਸਮਝਣਾ ਮੁਸ਼ਕਲ ਹੈ! ਚਿੱਤਰ Jen Looper ਦੁਆਰਾ

ਇਹ ਤਕਨਾਲੋਜੀ ਕਿਵੇਂ ਸੰਭਵ ਹੈ?

ਇਹ ਇਸ ਲਈ ਸੰਭਵ ਹੈ ਕਿਉਂਕਿ ਕਿਸੇ ਨੇ ਇਸ ਨੂੰ ਕਰਨ ਲਈ ਕੰਪਿਊਟਰ ਪ੍ਰੋਗਰਾਮ ਲਿਖਿਆ। ਕੁਝ ਦਹਾਕਿਆਂ ਪਹਿਲਾਂ, ਕੁਝ ਸਾਇੰਸ ਫਿਕਸ਼ਨ ਲੇਖਕਾਂ ਨੇ ਅਨੁਮਾਨ ਲਗਾਇਆ ਸੀ ਕਿ ਲੋਕ ਮੁੱਖ ਤੌਰ 'ਤੇ ਆਪਣੇ ਕੰਪਿਊਟਰਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨਗੇ, ਅਤੇ ਕੰਪਿਊਟਰ ਹਮੇਸ਼ਾ ਇਹ ਸਮਝਣਗੇ ਕਿ ਉਹ ਕੀ ਕਹਿ ਰਹੇ ਹਨ। ਦੁਖਦਾਈ ਤੌਰ 'ਤੇ, ਇਹ ਇੱਕ ਕਠਿਨ ਸਮੱਸਿਆ ਸਾਬਤ ਹੋਈ ਜੋ ਕਈਆਂ ਨੇ ਸੋਚੀ ਸੀ, ਅਤੇ ਹਾਲਾਂਕਿ ਇਹ ਅੱਜ ਇੱਕ ਬਹੁਤ ਵਧੀਆ ਸਮਝੀ ਸਮੱਸਿਆ ਹੈ, 'ਸੰਪੂਰਨ' ਨੈਚਰਲ ਲੈਂਗਵੇਜ ਪ੍ਰੋਸੈਸਿੰਗ ਪ੍ਰਾਪਤ ਕਰਨ ਵਿੱਚ ਮਹੱਤਵਪੂਰਨ ਚੁਣੌਤੀਆਂ ਹਨ, ਜਦੋਂ ਕਿ ਇੱਕ ਵਾਕ ਦੀ ਮਤਲਬ ਨੂੰ ਸਮਝਣ ਦੀ ਗੱਲ ਆਉਂਦੀ ਹੈ। ਇਹ ਵਿਸ਼ੇਸ਼ ਤੌਰ 'ਤੇ ਮੁਸ਼ਕਲ ਹੈ ਜਦੋਂ ਕਿ ਹਾਸੇ ਨੂੰ ਸਮਝਣ ਜਾਂ ਇੱਕ ਵਾਕ ਵਿੱਚ ਵਿਸ਼ੇਸ਼ ਭਾਵਨਾਵਾਂ ਜਿਵੇਂ ਕਿ ਤਨਖੇਚੀ ਦੀ ਪਛਾਣ ਕਰਨ ਦੀ ਗੱਲ ਆਉਂਦੀ ਹੈ।

ਇਸ ਸਮੇਂ, ਤੁਸੀਂ ਸਕੂਲ ਦੀਆਂ ਕਲਾਸਾਂ ਨੂੰ ਯਾਦ ਕਰ ਰਹੇ ਹੋ ਸਕਦੇ ਹੋ ਜਿੱਥੇ ਅਧਿਆਪਕ ਨੇ ਇੱਕ ਵਾਕ ਵਿੱਚ ਗ੍ਰੈਮਰ ਦੇ ਹਿੱਸਿਆਂ ਨੂੰ ਕਵਰ ਕੀਤਾ। ਕੁਝ ਦੇਸ਼ਾਂ ਵਿੱਚ, ਵਿਦਿਆਰਥੀਆਂ ਨੂੰ ਗ੍ਰੈਮਰ ਅਤੇ ਲਿੰਗਵਿਸਟਿਕਸ ਇੱਕ ਸਮਰਪਿਤ ਵਿਸ਼ੇ ਵਜੋਂ ਪੜ੍ਹਾਈ ਜਾਂਦੀ ਹੈ, ਪਰ ਕਈਆਂ ਵਿੱਚ, ਇਹ ਵਿਸ਼ੇਕ ਭਾਸ਼ਾ ਸਿੱਖਣ ਦੇ ਹਿੱਸੇ ਵਜੋਂ ਸ਼ਾਮਲ ਕੀਤੇ ਜਾਂਦੇ ਹਨ: ਜਾਂ ਤਾਂ ਤੁਹਾਡੀ ਪਹਿਲੀ ਭਾਸ਼ਾ ਪ੍ਰਾਇਮਰੀ ਸਕੂਲ ਵਿੱਚ (ਪੜ੍ਹਨ ਅਤੇ ਲਿਖਣ ਸਿੱਖਣ) ਅਤੇ ਸ਼ਾਇਦ ਦੂਜੀ ਭਾਸ਼ਾ ਪੋਸਟ-ਪ੍ਰਾਇਮਰੀ ਜਾਂ ਹਾਈ ਸਕੂਲ ਵਿੱਚ। ਚਿੰਤਾ ਨਾ ਕਰੋ ਜੇਕਰ ਤੁਸੀਂ ਨਾਉਨ ਨੂੰ ਵਰਬ ਤੋਂ ਜਾਂ ਐਡਵਰਬ ਨੂੰ ਐਡਜੈਕਟਿਵ ਤੋਂ ਵੱਖ ਕਰਨ ਵਿੱਚ ਮਾਹਰ ਨਹੀਂ ਹੋ!

ਜੇਕਰ ਤੁਸੀਂ ਸਧਾਰਨ ਵਰਤਮਾਨ ਅਤੇ ਵਰਤਮਾਨ ਪ੍ਰਗਤੀਸ਼ੀਲ ਦੇ ਵਿਚਕਾਰ ਅੰਤਰ ਨਾਲ ਸੰਘਰਸ਼ ਕਰਦੇ ਹੋ, ਤਾਂ ਤੁਸੀਂ ਇਕੱਲੇ ਨਹੀਂ ਹੋ। ਇਹ ਬਹੁਤ ਸਾਰੇ ਲੋਕਾਂ ਲਈ ਇੱਕ ਚੁਣੌਤੀਪੂਰਨ ਗੱਲ ਹੈ, ਭਾਵੇਂ ਕਿ ਉਹ ਕਿਸੇ ਭਾਸ਼ਾ ਦੇ ਮੂਲ ਬੋਲਣ ਵਾਲੇ ਹਨ। ਚੰਗੀ ਗੱਲ ਇਹ ਹੈ ਕਿ ਕੰਪਿਊਟਰ ਅਧਿਕਾਰਤ ਨਿਯਮਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਵਿੱਚ ਬਹੁਤ ਚੰਗੇ ਹਨ, ਅਤੇ ਤੁਸੀਂ ਕੋਡ ਲਿਖਣ ਸਿੱਖੋਗੇ ਜੋ ਇੱਕ ਵਾਕ ਨੂੰ ਪਾਰਸ ਕਰ ਸਕਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਇੱਕ ਮਨੁੱਖ। ਵੱਡੀ ਚੁਣੌਤੀ ਜੋ ਤੁਸੀਂ ਬਾਅਦ ਵਿੱਚ ਜਾਂਚੋਗੇ ਉਹ ਹੈ ਇੱਕ ਵਾਕ ਦੇ ਅਰਥ ਅਤੇ ਭਾਵਨਾ ਨੂੰ ਸਮਝਣਾ।

ਪੂਰਵ ਸ਼ਰਤਾਂ

ਇਸ ਪਾਠ ਲਈ, ਮੁੱਖ ਪੂਰਵ ਸ਼ਰਤ ਇਸ ਪਾਠ ਦੀ ਭਾਸ਼ਾ ਨੂੰ ਪੜ੍ਹਨ ਅਤੇ ਸਮਝਣ ਦੀ ਯੋਗਤਾ ਹੈ। ਕੋਈ ਗਣਿਤ ਸਮੱਸਿਆਵਾਂ ਜਾਂ ਸਮੀਕਰਨ ਹੱਲ ਕਰਨ ਲਈ ਨਹੀਂ ਹਨ। ਹਾਲਾਂਕਿ ਮੂਲ ਲੇਖਕ ਨੇ ਇਹ ਪਾਠ ਅੰਗਰੇਜ਼ੀ ਵਿੱਚ ਲਿਖਿਆ ਹੈ, ਇਹ ਹੋਰ ਭਾਸ਼ਾਵਾਂ ਵਿੱਚ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ, ਇਸ ਲਈ ਤੁਸੀਂ ਇੱਕ ਅਨੁਵਾਦ ਪੜ੍ਹ ਰਹੇ ਹੋ ਸਕਦੇ ਹੋ। ਕੁਝ ਉਦਾਹਰਨ ਹਨ ਜਿੱਥੇ ਕਈ ਵੱਖ-ਵੱਖ ਭਾਸ਼ਾਵਾਂ ਵਰਤੀਆਂ ਗਈਆਂ ਹਨ (ਵੱਖ-ਵੱਖ ਗ੍ਰੈਮਰ ਨਿਯਮਾਂ ਦੀ ਤੁਲਨਾ ਕਰਨ ਲਈ)। ਇਹ ਅਨੁਵਾਦ ਨਹੀਂ ਕੀਤੇ ਗਏ ਹਨ, ਪਰ ਵਿਆਖਿਆਤਮਕ ਟੈਕਸਟ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ, ਇਸ ਲਈ ਅਰਥ ਸਪਸ਼ਟ ਹੋਣਾ ਚਾਹੀਦਾ ਹੈ।

ਕੋਡਿੰਗ ਟਾਸਕਾਂ ਲਈ, ਤੁਸੀਂ Python ਵਰਤੋਗੇ ਅਤੇ ਉਦਾਹਰਨ Python 3.8 ਵਰਤ ਰਹੇ ਹਨ।

ਇਸ ਭਾਗ ਵਿੱਚ, ਤੁਹਾਨੂੰ ਲੋੜ ਹੋਵੇਗੀ ਅਤੇ ਤੁਸੀਂ ਵਰਤੋਗੇ:

• Python 3 ਸਮਝ। Python 3 ਵਿੱਚ ਪ੍ਰੋਗਰਾਮਿੰਗ ਭਾਸ਼ਾ ਦੀ ਸਮਝ, ਇਹ ਪਾਠ ਇਨਪੁਟ, ਲੂਪ, ਫਾਈਲ ਪੜ੍ਹਨਾ, ਐਰੇ ਵਰਤਦਾ ਹੈ।

• Visual Studio Code + ਐਕਸਟੈਂਸ਼ਨ। ਅਸੀਂ Visual Studio Code ਅਤੇ ਇਸਦੇ Python ਐਕਸਟੈਂਸ਼ਨ ਨੂੰ ਵਰਤਾਂਗੇ। ਤੁਸੀਂ ਆਪਣੀ ਪਸੰਦ ਦੇ Python IDE ਨੂੰ ਵੀ ਵਰਤ ਸਕਦੇ ਹੋ।

• TextBlob। TextBlob Python ਲਈ ਇੱਕ ਸਰਲ ਟੈਕਸਟ ਪ੍ਰੋਸੈਸਿੰਗ ਲਾਇਬ੍ਰੇਰੀ ਹੈ। ਇਸ ਨੂੰ ਆਪਣੇ ਸਿਸਟਮ 'ਤੇ ਇੰਸਟਾਲ ਕਰਨ ਲਈ TextBlob ਸਾਈਟ 'ਤੇ ਦਿੱਤੇ ਨਿਰਦੇਸ਼ਾਂ ਦੀ ਪਾਲਣਾ ਕਰੋ (ਕੋਰਪੋਰਾ ਨੂੰ ਵੀ ਇੰਸਟਾਲ ਕਰੋ, ਜਿਵੇਂ ਕਿ ਹੇਠਾਂ ਦਿਖਾਇਆ ਗਿਆ ਹੈ):

  pip install -U textblob
  python -m textblob.download_corpora
  

💡 ਟਿਪ: ਤੁਸੀਂ Python ਨੂੰ ਸਿੱਧੇ VS Code ਵਾਤਾਵਰਣਾਂ ਵਿੱਚ ਚਲਾ ਸਕਦੇ ਹੋ। ਹੋਰ ਜਾਣਕਾਰੀ ਲਈ ਡੌਕਸ ਚੈੱਕ ਕਰੋ।

ਮਸ਼ੀਨਾਂ ਨਾਲ ਗੱਲਬਾਤ ਕਰਨਾ

ਮਨੁੱਖੀ ਭਾਸ਼ਾ ਨੂੰ ਸਮਝਣ ਲਈ ਕੰਪਿਊਟਰਾਂ ਨੂੰ ਬਣਾਉਣ ਦੀ ਇਤਿਹਾਸ ਕਈ ਦਹਾਕਿਆਂ ਪੁਰਾਣਾ ਹੈ, ਅਤੇ ਨੈਚਰਲ ਲੈਂਗਵੇਜ ਪ੍ਰੋਸੈਸਿੰਗ 'ਤੇ ਵਿਚਾਰ ਕਰਨ ਵਾਲੇ ਸਭ ਤੋਂ ਪਹਿਲੇ ਵਿਗਿਆਨੀਆਂ ਵਿੱਚੋਂ ਇੱਕ Alan Turing ਸੀ।

'ਟਿਊਰਿੰਗ ਟੈਸਟ'

ਜਦੋਂ ਟਿਊਰਿੰਗ 1950 ਦੇ ਦਹਾਕੇ ਵਿੱਚ ਕ੍ਰਿਤਰਿਮ ਬੁੱਧੀ 'ਤੇ ਅਧਿਐਨ ਕਰ ਰਿਹਾ ਸੀ, ਉਸਨੇ ਵਿਚਾਰ ਕੀਤਾ ਕਿ ਕੀ ਇੱਕ ਗੱਲਬਾਤੀ ਟੈਸਟ ਮਨੁੱਖ ਅਤੇ ਕੰਪਿਊਟਰ ਨੂੰ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਹੈ (ਟਾਈਪ ਕੀਤੇ ਸੰਬੰਧਾਂ ਰਾਹੀਂ) ਜਿੱਥੇ ਗੱਲਬਾਤ ਵਿੱਚ ਮਨੁੱਖ ਇਹ ਨਿਸ਼ਚਿਤ ਨਹੀਂ ਕਰ ਸਕਦਾ ਕਿ ਉਹ ਕਿਸੇ ਹੋਰ ਮਨੁੱਖ ਜਾਂ ਕੰਪਿਊਟਰ ਨਾਲ ਗੱਲਬਾਤ ਕਰ ਰਿਹਾ ਹੈ।

ਜੇਕਰ, ਇੱਕ ਨਿਰਧਾਰਿਤ ਗੱਲਬਾਤ ਦੀ ਲੰਬਾਈ ਦੇ ਬਾਅਦ, ਮਨੁੱਖ ਇਹ ਨਿਰਧਾਰਤ ਨਹੀਂ ਕਰ ਸਕਦਾ ਕਿ ਜਵਾਬ ਕੰਪਿਊਟਰ ਤੋਂ ਹਨ ਜਾਂ ਨਹੀਂ, ਤਾਂ ਕੀ ਕੰਪਿਊਟਰ ਨੂੰ ਸੋਚਣ ਵਾਲਾ ਕਿਹਾ ਜਾ ਸਕਦਾ ਹੈ?

ਪ੍ਰੇਰਨਾ - 'ਇਮੀਟੇਸ਼ਨ ਗੇਮ'

ਇਸ ਦਾ ਵਿਚਾਰ ਇੱਕ ਪਾਰਟੀ ਗੇਮ ਇਮੀਟੇਸ਼ਨ ਗੇਮ ਤੋਂ ਆਇਆ ਜਿੱਥੇ ਇੱਕ ਪੁੱਛਗਿੱਛ ਕਰਨ ਵਾਲਾ ਇੱਕ ਕਮਰੇ ਵਿੱਚ ਅਕੇਲਾ ਹੁੰਦਾ ਹੈ ਅਤੇ ਇਹ ਨਿਰਧਾਰਤ ਕਰਨ ਦਾ ਕੰਮ ਦਿੱਤਾ ਜਾਂਦਾ ਹੈ ਕਿ ਦੂਜੇ ਕਮਰੇ ਵਿੱਚ ਦੋ ਲੋਕ ਕੌਣ ਮਰਦ ਅਤੇ ਔਰਤ ਹਨ। ਪੁੱਛਗਿੱਛ ਕਰਨ ਵਾਲਾ ਨੋਟ ਭੇਜ ਸਕਦਾ ਹੈ, ਅਤੇ ਉਸਨੂੰ ਅਜਿਹੇ ਸਵਾਲਾਂ ਬਾਰੇ ਸੋਚਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਨੀ ਪੈਂਦੀ ਹੈ ਜਿੱਥੇ ਲਿਖੇ ਜਵਾਬ ਉਸ ਵਿਅਕਤੀ ਦੇ ਲਿੰਗ ਨੂੰ ਪ੍ਰਗਟ ਕਰਦੇ ਹਨ। ਬੇਸ਼ਕ, ਦੂਜੇ ਕਮਰੇ ਵਿੱਚ ਖਿਡਾਰੀ ਪੁੱਛਗਿੱਛ ਕਰਨ ਵਾਲੇ ਨੂੰ ਗੁੰਝਲ ਵਿੱਚ ਪਾਉਣ ਜਾਂ ਭੁਲਾਉਣ ਦੇ ਉਦੇਸ਼ ਨਾਲ ਸਵਾਲਾਂ ਦੇ ਜਵਾਬ ਦੇਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਨ, ਜਦੋਂ ਕਿ ਸੱਚਾਈ ਨਾਲ ਜਵਾਬ ਦੇਣ ਦੀ ਦਿਖਾਵਟ ਕਰਦੇ ਹਨ।

ਐਲਾਈਜ਼ਾ ਦਾ ਵਿਕਾਸ

1960 ਦੇ ਦਹਾਕੇ ਵਿੱਚ MIT ਦੇ ਵਿਗਿਆਨੀ Joseph Weizenbaum ਨੇ Eliza ਨੂੰ ਵਿਕਸਿਤ ਕੀਤਾ, ਇੱਕ ਕੰਪਿਊਟਰ 'ਥੈਰਾਪਿਸਟ' ਜੋ ਮਨੁੱਖ ਨੂੰ ਸਵਾਲ ਪੁੱਛਦਾ ਅਤੇ ਉਨ੍ਹਾਂ ਦੇ ਜਵਾਬ ਨੂੰ ਸਮਝਣ ਦੀ ਦਿਖਾਵਟ ਕਰਦਾ। ਹਾਲਾਂਕਿ, ਜਦੋਂ ਕਿ ਐਲਾਈਜ਼ਾ ਇੱਕ ਵਾਕ ਨੂੰ ਪਾਰਸ ਕਰ ਸਕਦਾ ਸੀ ਅਤੇ ਕੁਝ ਗ੍ਰੈਮਰਿਕਲ ਬਣਤਰਾਂ ਅਤੇ ਕੀਵਰਡਾਂ ਦੀ ਪਛਾਣ ਕਰ ਸਕਦਾ ਸੀ ਤਾਂ ਜੋ ਇੱਕ ਵਾਜਬ ਜਵਾਬ ਦੇ ਸਕੇ, ਇਸਨੂੰ ਵਾਕ ਨੂੰ ਸਮਝਣ ਵਾਲਾ ਨਹੀਂ ਕਿਹਾ ਜਾ ਸਕਦਾ। ਜੇਕਰ ਐਲਾਈਜ਼ਾ ਨੂੰ ਇੱਕ ਵਾਕ ਦਿੱਤਾ ਜਾਂਦਾ ਜਿਸਦਾ ਫਾਰਮੈਟ "ਮੈਂ ਹਾਂ ਦੁਖੀ" ਹੁੰਦਾ, ਤਾਂ ਇਹ ਸ਼ਾਇਦ ਵਾਕ ਦੇ ਸ਼ਬਦਾਂ ਨੂੰ ਦੁਹਰਾਉਂਦਾ ਅਤੇ ਬਦਲਦਾ ਹੋਇਆ ਜਵਾਬ ਬਣਾਉਂਦਾ "ਤੁਹਾਨੂੰ ਕਿੰਨਾ ਸਮਾਂ ਦੁਖੀ ਹੋਇਆ ਹੈ?"।

ਇਸ ਨੇ ਇਹ ਦਿਖਾਵਟ ਦਿੱਤੀ ਕਿ ਐਲਾਈਜ਼ਾ ਨੇ ਬਿਆਨ ਨੂੰ ਸਮਝਿਆ ਅਤੇ ਇੱਕ ਅਗਲੇ ਸਵਾਲ ਨੂੰ ਪੁੱਛਿਆ, ਜਦੋਂ ਕਿ ਅਸਲ ਵਿੱਚ, ਇਹ ਕਿਰਿਆ ਦਾ ਕਾਲ ਅਤੇ ਕੁਝ ਸ਼ਬਦ ਸ਼ਾਮਲ ਕਰ ਰਿਹਾ ਸੀ। ਜੇਕਰ ਐਲਾਈਜ਼ਾ ਕਿਸੇ ਕੀਵਰਡ ਦੀ ਪਛਾਣ ਨਹੀਂ ਕਰ ਸਕਦਾ ਜਿਸਦਾ ਇਸਦੇ ਕੋਲ ਜਵਾਬ ਹੁੰਦਾ, ਤਾਂ ਇਹ ਬਦਲੇ ਵਿੱਚ ਇੱਕ ਰੈਂਡਮ ਜਵਾਬ ਦਿੰਦਾ ਜੋ ਕਈ ਵੱਖ-ਵੱਖ ਬਿਆਨਾਂ ਲਈ ਲਾਗੂ ਹੋ ਸਕਦਾ ਹੈ। ਐਲਾਈਜ਼ਾ ਨੂੰ ਆਸਾਨੀ ਨਾਲ ਧੋਖਾ ਦਿੱਤਾ ਜਾ ਸਕਦਾ ਸੀ, ਉਦਾਹਰਨ ਲਈ ਜੇਕਰ ਕੋਈ ਯੂਜ਼ਰ ਲਿਖਦਾ "ਤੁਸੀਂ ਇੱਕ ਸਾਈਕਲ ਹੋ" ਤਾਂ ਇਹ ਜਵਾਬ ਦੇ ਸਕਦਾ "ਮੈਂ ਕਿੰਨਾ ਸਮਾਂ ਸਾਈਕਲ ਰਿਹਾ ਹਾਂ?", ਬਜਾਏ ਇੱਕ ਵਧੇਰੇ ਵਾਜਬ ਜਵਾਬ ਦੇ।

🎥 ਉਪਰੋਕਤ ਚਿੱਤਰ 'ਤੇ ਕਲਿੱਕ ਕਰੋ ਐਲਾਈਜ਼ਾ ਦੇ ਮੂਲ ਪ੍ਰੋਗਰਾਮ ਬਾਰੇ ਵੀਡੀਓ ਲਈ

ਨੋਟ: ਤੁਸੀਂ 1966 ਵਿੱਚ ਪ੍ਰਕਾਸ਼ਿਤ ਐਲਾਈਜ਼ਾ ਦਾ ਮੂਲ ਵੇਰਵਾ ਪੜ੍ਹ ਸਕਦੇ ਹੋ ਜੇਕਰ ਤੁਹਾਡੇ ਕੋਲ ACM ਖਾਤਾ ਹੈ। ਬਦਲੇ ਵਿੱਚ, ਐਲਾਈਜ਼ਾ ਬਾਰੇ ਵਿਕੀਪੀਡੀਆ 'ਤੇ ਪੜ੍ਹੋ।

ਅਭਿਆਸ - ਇੱਕ ਬੁਨਿਆਦੀ ਗੱਲਬਾਤੀ ਬੋਟ ਕੋਡ ਕਰਨਾ

ਇੱਕ ਗੱਲਬਾਤੀ ਬੋਟ, ਜਿਵੇਂ ਕਿ ਐਲਾਈਜ਼ਾ, ਇੱਕ ਪ੍ਰੋਗਰਾਮ ਹੈ ਜੋ ਯੂਜ਼ਰ ਇਨਪੁਟ ਨੂੰ ਪ੍ਰਾਪਤ ਕਰਦਾ ਹੈ ਅਤੇ ਸਮਝਦਾਰੀ ਨਾਲ ਜਵਾਬ ਦੇਣ ਦੀ ਦਿਖਾਵਟ ਕਰਦਾ ਹੈ। ਐਲਾਈਜ਼ਾ ਦੇ ਵਿਰੁੱਧ, ਸਾਡਾ ਬੋਟ ਕਈ ਨਿਯਮਾਂ ਨਹੀਂ ਰੱਖੇਗਾ ਜੋ ਇਸਨੂੰ ਇੱਕ ਸਮਰਥ ਗੱਲਬਾਤੀ ਦੀ ਦਿਖਾਵਟ ਦਿੰਦੇ ਹਨ। ਇਸਦੀ ਬਜਾਏ, ਸਾਡੇ ਬੋਟ ਵਿੱਚ ਸਿਰਫ ਇੱਕ ਯੋਗਤਾ ਹੋਵੇਗੀ, ਜੋ ਕਿ ਰੈਂਡਮ ਜਵਾਬਾਂ ਦੇ ਨਾਲ ਗੱਲਬਾਤ ਨੂੰ ਜਾਰੀ ਰੱਖਣ ਦੀ ਯੋਗਤਾ ਹੈ ਜੋ ਲਗਭਗ ਕਿਸੇ ਵੀ ਸਧਾਰਨ ਗੱਲਬਾਤ ਵਿੱਚ ਕੰਮ ਕਰ ਸਕਦੇ ਹਨ।

ਯੋਜਨਾ

ਗੱਲਬਾਤੀ ਬੋਟ ਬਣਾਉਣ ਸਮੇਂ ਤੁਹਾਡੇ ਕਦਮ:

1. ਯੂਜ਼ਰ ਨੂੰ ਸਲਾਹ ਦਿੰਦੇ ਹੋਏ ਨਿਰਦੇਸ਼ ਪ੍ਰਿੰਟ ਕਰੋ ਕਿ ਬੋਟ ਨਾਲ ਕਿਵੇਂ ਗੱਲਬਾਤ ਕਰਨੀ ਹੈ
2. ਇੱਕ ਲੂਪ ਸ਼ੁਰੂ ਕਰੋ
   1. ਯੂਜ਼ਰ ਇਨਪੁਟ ਪ੍ਰਾਪਤ ਕਰੋ
   2. ਜੇਕਰ ਯੂਜ਼ਰ ਨੇ ਬਾਹਰ ਜਾਣ ਦੀ ਮੰਗ ਕੀਤੀ ਹੈ, ਤਾਂ ਬਾਹਰ ਜਾਓ
   3. ਯੂਜ਼ਰ ਇਨਪੁਟ ਨੂੰ ਪ੍ਰੋਸੈਸ ਕਰੋ ਅਤੇ ਜਵਾਬ ਨਿਰਧਾਰਤ ਕਰੋ (ਇਸ ਮਾਮਲੇ ਵਿੱਚ, ਜਵਾਬ ਸੰਭਾਵਿਤ ਜਨਰਿਕ ਜਵਾਬਾਂ ਦੀ ਸੂਚੀ ਵਿੱਚੋਂ ਇੱਕ ਰੈਂਡਮ ਚੋਣ ਹੈ)
   4. ਜਵਾਬ ਪ੍ਰਿੰਟ ਕਰੋ
3. ਕਦਮ 2 'ਤੇ ਵਾਪਸ ਜਾਓ

ਬੋਟ ਬਣਾਉਣਾ

ਆਓ ਅਗਲੇ ਕਦਮ ਵਿੱਚ ਬੋਟ ਬਣਾਈਏ। ਅਸੀਂ ਕੁਝ ਫਰੇਜ਼ਾਂ ਨੂੰ ਪਰਿਭਾਸ਼ਿਤ ਕਰਕੇ ਸ਼ੁਰੂ

---

ਅਸਵੀਕਰਤੀ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦੀ ਕੋਸ਼ਿਸ਼ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਣਤਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼, ਜੋ ਇਸਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਹੈ, ਨੂੰ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤ ਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।