ما هو التعلم الآلي Machine learning؟

التعلم الآلي (ML) هو أسلوب حديث لتطوير البرمجيات ونوع من الذكاء الاصطناعي (AI) يمكّن أجهزة الكمبيوتر من حل المشكلات باستخدام أمثلة من بيانات حقيقة. يسمح لأجهزة الكمبيوتر بالتعلم والتحسين تلقائيًا من التجربة دون أن تتم برمجتها بشكل صريح للقيام بذلك.

للبدء ، دعنا نتحدث عن العلاقة بين الذكاء الاصطناعي والتعلم الآلي. يشير الذكاء الاصطناعي إلى القدرة الواسعة للآلات على أداء الأنشطة باستخدام ذكاء يشبه الإنسان. التعلم الآلي ، أو النموذج المختصر ، ML ، هو نوع من الذكاء الاصطناعي. يسمح لأجهزة الكمبيوتر بالتعلم والتحسين تلقائيًا من التجربة دون أن تتم برمجتها بشكل صريح للقيام بذلك. باستخدام التعلم الآلي ، يمكن لأجهزة الكمبيوتر التعلم من البيانات لاكتشاف الأنماط والتنبؤات. التعلم الخاضع للإشراف هو نوع من تقنيات التعلم الآلي حيث يكون لكل عينة تدريب من مجموعة البيانات تسمية مقابلة أو قيمة مخرجات مرتبطة بها. نتيجة لذلك ، تتعلم الخوارزمية التنبؤ بالتسميات أو قيم الإخراج. يمكنك استخدام التعلم الخاضع للإشراف للقيام بأشياء مثل التنبؤ بسعر بيع منزل أو تصنيف الكائنات في صورة. في التعلم غير الخاضع للإشراف ، لا توجد تسميات لبيانات التدريب. تحاول الخوارزمية معرفة الأنماط أو التوزيعات الأساسية التي تحكم البيانات. تذكر ، في التعلم الخاضع للإشراف وغير الخاضع للإشراف ، تقوم النماذج بفحص البيانات لاكتشاف الأنماط ، ثم يستخدم البشر الأنماط التي تعلمها النموذج لاكتساب مفاهيم جديدة أو لعمل تنبؤات. هناك نوع آخر من التعلم الآلي يسمى التعلم المعزز ، والذي يتخذ نهجًا مختلفًا. التعلم المعزز هو تعلم الإجراءات التي يجب اتخاذها في موقف ما لتعظيم المكافأة. إنه مشابه لكيفية تدريب حيوانك الأليف. إذا فعل كلبك شيئًا تريده أن يفعله ، فقد تكافئه بمكافأة. إذا كان يفعل شيئًا لا تريده أن يفعله ، فقد تصححه بعقوبة صغيرة مثل رفع صوتك قليلاً. يتعلم كلبك القيام بالأشياء التي تحصل على مكافأة وتجنب فعل الأشياء التي يتم تصحيحها. في التعلم الآلي ، يعمل التعلم المعزز على هذا النحو تمامًا. الآن ، دعنا نرى كيف يساعد التعلم الآلي في حل المشكلات وكيف يختلف ذلك عن حل المشكلات التقليدي. في حل المشكلات التقليدي باستخدام البرامج ، يقوم الشخص بتحليل مشكلة ما ويهندس حلًا في الكود لحل هذه المشكلة. بالنسبة للعديد من الأمثلة الواقعية ، تستغرق هذه العملية الكثير من الوقت. قد يكون من المستحيل. هذا لأن الحل الصحيح يحتاج إلى النظر في العديد من حالات, على سبيل المثال ، تخيل المهمة الصعبة المتمثلة في كتابة برنامج يمكنه اكتشاف ما إذا كانت قطة مسمومة في صورة أم لا. يتطلب حل المشكلات التقليدي اهتمامًا دقيقًا بتفاصيل مثل ظروف الإضاءة المختلفة ، وأنواع مختلفة من القطط ، والألوان ، وما إلى ذلك. في التعلم الآلي ، لدينا مكون مرن يسمى النموذج. لدينا أيضًا برنامج خاص يسمى خوارزمية التدريب النموذجية لضبط النموذج لبيانات العالم الحقيقي. والنتيجة هي نموذج مدرب يمكن استخدامه للتنبؤ بالنتائج التي لا تشكل جزءًا من مجموعة البيانات المستخدمة لتدريبه. بطريقة ما ، يقوم التعلم الآلي بأتمتة بعض الاستدلال الإحصائي ومطابقة الأنماط التي يقوم بها حل المشكلات تقليديًا. مرونة النموذج هي المفتاح هنا. شهد مجال التعلم الآلي نموًا سريعًا وحديثًا.قد ترى تعريفات ذات صلة هذا لأن التعلم الآلي هو مجال جديد في تقاطع الإحصاء والرياضيات التطبيقية وعلوم الكمبيوتر. قد يكون لكل من هذه الحقول تعريف رسمي مختلف قليلاً لنفس المصطلحات.