مقدمة:
يبحث الإنسان دائمًا عن طرق لزيادة الإنتاجية مع استخدام عدد أقل من العمال البشر. واليوم هو عصر الآلة. هناك أنواع عديدة من الآلات التي نستخدمها في حياتنا اليومية لمساعدتنا على أداء مهامنا بكفاءة أكبر. افترض أنك خزّنت جميع سجلات شركتك السابقة على حاسوبك. يمكن لحاسوبك أن يتعلم ويتكيف باستخدام الأنماط والخوارزميات من السجلات السابقة. فمن دون أوامر صريحة، يفحص حاسوبك البيانات السابقة ويستنتج منها، متنبئًا بالنتائج المستقبلية استنادًا إلى أسس السجلات الحالية. كل هذا ممكن بفضل تعلّم الآلة.
ما هو تعلّم الآلة؟
هو استخدام الذكاء الاصطناعي الذي يتيح للنظام التعلم والتحسن من خلال التجربة دون برمجة صريحة. وهو في جوهره نظام قادر على التعلم من البيانات وتحديد الأنماط واتخاذ القرارات بقليل من التعاون البشري أو بدونه.
ما القصة الخفية لتعلّم الآلة؟
ابتكر Alan Turing اختبار تورنغ عام 1950. كان Alan Turing عالم رياضيات وحاسوب بريطانيًا ذكيًا ومؤثرًا. وقد صُمم هذا الاختبار لتحديد ما إذا كانت الآلة تمتلك ذكاء الإنسان.
من ابتكر تعلّم الآلة؟
ساهم كثيرون في تقدم تعلّم الآلة، لكن Arthur Samuel، عالم الحاسوب في IBM، هو من ابتكر عبارة "تعلّم الآلة" عام 1952.
ما الغرض من تعلّم الآلة؟
هدف تعلّم الآلة هو التقاط الأنماط في بياناتك أو اكتشافها ثم إجراء تقديرات بناءً على تلك الأنماط، التي تكون عادةً معقدة، للإجابة عن مشكلات الأعمال. وتحديد الأنماط والتصاميم وتحليلها يساعد في حل المشكلات.
في الأعمال والقطاعات الأخرى، يُعد تعلّم الآلة في جوهره تقنية لتحليل البيانات تعمل بأتمتة عملية توليد نماذج البيانات.
كيف يعمل تعلّم الآلة؟
كم عدد أنواع تعلّم الآلة؟
هناك أربعة أنواع من تعلّم الآلة.
التعلّم الموجَّه:
في هذا النوع من تعلّم الآلة، يزوّد علماء البيانات الخوارزميات ببيانات تدريب مصنّفة ويحددون المتغيرات التي يريدون من المبرمج البحث عن الروابط بينها. ويتم توفير مدخلات الخوارزمية ومخرجاتها معًا.[1]
التعلّم غير الموجَّه:
تُستخدم في هذا النوع من تعلّم الآلة خوارزميات تتدرب على بيانات غير مصنّفة. ويبحث المبرمج عن علاقات ذات صلة في مجموعات البيانات. وتكون البيانات المستخدمة لتدريب الخوارزميات، وكذلك التنبؤات أو التوصيات التي تقدمها، محددة مسبقًا.[1]
شبه موجَّه:
تجمع هذه الطريقة في تعلّم الآلة بين الطريقتين السابقتين. ورغم أن علماء البيانات قد يزوّدون الخوارزمية في الغالب ببيانات "تدريب"، يُسمح للنموذج باستكشاف البيانات بنفسه وتكوين فهمه الخاص لمجموعة البيانات.[1]
التعلّم التعزيزي:
يستخدم علماء البيانات التعلّم التعزيزي عمومًا لتعليم الآلة تنفيذ إجراء متعدد الخطوات بمعايير محددة بوضوح. يدرّب علماء البيانات خوارزمية على إنجاز مهمة ويزوّدونها بإشارات إيجابية أو سلبية أثناء تحديدها كيفية إنهاء المهمة. ومع ذلك، تختار الخوارزمية في معظم الأحيان الإجراءات التي ستتخذها على طول الطريق.[1]
ما المزايا التي يقدمها تعلّم الآلة؟
- أتمتة كل شيء
- تحديد الاتجاهات والأنماط
- نطاق واسع من التطبيقات
- مجال التحسين
- معالجة البيانات بكفاءة
- الأفضل للتعليم والتسوق عبر الإنترنت
ما هي عيوب تعلّم الآلة؟
- احتمال وقوع أخطاء كبيرة
- اختيار الخوارزمية
- الحصول على البيانات
- الوقت والمساحة
الخلاصة:
تعلّم الآلة فرع من فروع الذكاء الاصطناعي. وهو نظام تستخدم فيه الحواسيب كمية هائلة من البيانات وتطبق الخوارزميات "لتدريب" نفسها وتوليد التنبؤات دون الاعتماد على برمجة صريحة. وتعلّم الآلة هو ببساطة تقنية لتحليل البيانات تعمل بأتمتة عملية تطوير نماذج البيانات في الأعمال والمجالات الأخرى.
- Burns, E.machine learning. Available from: https://www.techtarget.com/searchenterpriseai/definition/machine-learning-ML.
أنواع تعلّم الآلة
| النوع | يتعلم من | مثال |
|---|---|---|
| موجَّه | أمثلة مصنّفة | كشف البريد المزعج، والتنبؤ بالأسعار |
| غير موجَّه | بيانات غير مصنّفة | تقسيم العملاء إلى شرائح |
| شبه موجَّه | تصنيفات قليلة + بيانات كثيرة غير مصنّفة | تصنيف الصور بتصنيفات محدودة |
| التعزيزي | مكافآت من الإجراءات | لعب الألعاب، الروبوتات |
تعلّم الآلة الذي تستخدمه بالفعل
تعتمد مرشحات البريد المزعج والتنبؤ بحركة المرور في الخرائط وتوصيات الفيديو والتسوق والكتابة الصوتية وفتح القفل بالوجه جميعها على تعلّم الآلة.
تعلّم الآلة مقابل الذكاء الاصطناعي مقابل التعلّم العميق
الذكاء الاصطناعي هو الهدف الواسع للآلات الذكية؛ وتعلّم الآلة هو أسلوب التعلم من البيانات؛ ويستخدم التعلّم العميق شبكات عصبية متعددة الطبقات. راجع ما هو الذكاء الاصطناعي.
