تعرف في هذا المقال على مفهوم تعلم الآلة Machine Learning و كل ما يخصه كأحد تطبيقات الذكاء الإصطناعي
 |
تعرف على مفهوم تعلم الآلة Machine Learning |
هل بحثت يوما عن سؤال "ما هو تعلم الآلة ؟"
يمكنك عبر هذا المقال الوصول إلى الجواب الكافي لهذا السؤال
فتعلم الآلة (بالإنجليزية Machine Learning) هو أحد تطبيقات الذكاء الاصطناعي (AI) الذي يزود الأنظمة بالقدرة على التعلم و التحسين تلقائيًا من التجربة دون الحاجة إلى برمجة واضحة
يركز التعلم الآلي على تطوير برامج الكمبيوتر التي يمكنها الوصول إلى البيانات و إستخدامها في التعلم من تلقاء نفسها
تبدأ عملية التعلم بملاحظات أو بيانات، مثل أمثلة أو خبرة مباشرة أو تعليمات، من أجل البحث عن أنماط البيانات و إتخاذ قرارات أفضل في المستقبل استنادًا إلى الأمثلة التي نقدمها
الهدف الأساسي هو السماح لأجهزة الكمبيوتر بالتعلم تلقائيًا دون تدخل أو مساعدة بشرية و تعديل الإجراءات وفقًا لذلك
بعض طرق التعلم الآلي
غالبًا ما يتم تصنيف خوارزميات التعلم الآلي على أنها تحت الإشراف (supervised) أو غير خاضعة للإشراف (unsupervised)
الخوارزميات الخاضعة للإشراف (supervised Learning) و يسمى أيضا التعلم التنبؤي (predictive Learning) :
يمكن لخوارزميات التعلم الآلي الخاضع للإشراف أن تطبق ما تم تعلمه في الماضي على البيانات الجديدة بإستخدام أمثلة مصنفة للتنبؤ بالأحداث المستقبلية، بدءًا من تحليل مجموعة بيانات تدريبية معروفة ، تنتج خوارزمية التعلم دالة مستنبطة لإجراء تنبؤات حول قيم المخرجات
النظام قادر على توفير أهداف لأي مدخلات جديدة بعد التدريب الكافي، يمكن لخوارزمية التعلم أيضًا مقارنة ناتجها مع الإخراج الصحيح و المقصود و إيجاد الأخطاء من أجل تعديل النموذج وفقًا لذلك
الخوارزميات غير الخاضعة للإشراف (unsupervised Learning) و يسمى أيضا التعلم التوصيفي (descriptive Learning) :
في المقابل، يتم استخدام خوارزميات التعلم الآلي غير الخاضعة للإشراف عندما تكون المعلومات المستخدمة في التدريب غير مصنفة،
يدرس التعلم دون إشراف كيف يمكن للأنظمة استنتاج وظيفة لوصف بنية مخفية من البيانات غير المسماة
لا يكتشف النظام الإخراج الصحيح، و لكنه يستكشف البيانات ويمكنه استخلاص استنتاجات من مجموعات البيانات لوصف البنى المخفية من البيانات غير المُجلَّدة
تقع خوارزميات التعلم الآلي شبه الخاضعة للإشراف في مكان ما بين التعلم الخاضع للإشراف و غير الخاضع للإشراف، حيث تستخدم كل من البيانات المسماة و غير المصنفة للتدريب عادة ما تكون كمية صغيرة من البيانات المسماة و كمية كبيرة من البيانات غير المعلمة
الأنظمة التي تستخدم هذه الطريقة قادرة على تحسين دقة التعلم بشكل كبير عادة، يتم اختيار التعلم شبه المراقب عندما تتطلب البيانات المقتناة المكتسبة موارد ماهرة و ذات صلة من أجل تدريبها/التعلم منها، بخلاف ذلك، لا تتطلب البيانات المكتسَحة بشكل عام موارد إضافية
خوارزميات تعلم الآلة هي طريقة تعلم تتفاعل مع بيئتها من خلال إنتاج أعمال و تكتشف أخطاء أو مكافآت
يعتبر البحث التجريبي و البحث عن الخطأ و المكافأة المتأخرة من أكثر الخصائص ذات الصلة بتعلم التعزيز
تسمح هذه الطريقة للأجهزة و وكلاء البرامج بتحديد السلوك المثالي تلقائيًا في سياق معين لتحقيق أقصى قدر من الأداء حيث يعتبر مطلوبا تقديم تعليق مكافأة بسيطة للوكيل لمعرفة الإجراء الأفضل؛ هذا هو المعروف باسم إشارة التعزيز
يعتبر البحث التجريبي و البحث عن الخطأ و المكافأة المتأخرة من أكثر الخصائص ذات الصلة بتعلم التعزيز
تسمح هذه الطريقة للأجهزة و وكلاء البرامج بتحديد السلوك المثالي تلقائيًا في سياق معين لتحقيق أقصى قدر من الأداء حيث يعتبر مطلوبا تقديم تعليق مكافأة بسيطة للوكيل لمعرفة الإجراء الأفضل؛ هذا هو المعروف باسم إشارة التعزيز
يتيح التعلم الآلي تحليل كميات هائلة من البيانات في حين أنها تقدم نتائج أكثر دقة من أجل تحديد الفرص المربحة أو المخاطر الخطيرة، فقد تتطلب أيضًا المزيد من الوقت و الموارد لتدريبها بشكل صحيح
و بشكل عام فإن الجمع بين التعلم الآلي مع الذكاء الاصطناعي و التقنيات المعرفية يمكن أن يجعله أكثر فعالية في معالجة كميات كبيرة من المعلومات
و بشكل عام فإن الجمع بين التعلم الآلي مع الذكاء الاصطناعي و التقنيات المعرفية يمكن أن يجعله أكثر فعالية في معالجة كميات كبيرة من المعلومات