ما هو التعلم الآلي وكيف يعمل ؟

ما هو التعلم الآلي وكيف يعمل ؟

ما هو التعلم الآلي وكيف يعمل ؟ يعد التعلم الآلي فرعًا مثيرًا للذكاء الاصطناعي ، وهو موجود حولنا في كل مكان في هذا العالم الحديث. مثل اقتراح Facebook

ما هي البيانات الضخمة
التطبيقات كخدمة (SaaS) ، التعريف؟ الفوائد ؟ العيوب؟
لمواجهة كورونا..طلبة المدرسة العليا للتكنولوجيا بسلا يقدمون حلولا مبتكرة

ما هو التعلم الآلي وكيف يعمل ؟

يعد التعلم الآلي فرعًا مثيرًا للذكاء الاصطناعي ، وهو موجود حولنا في كل مكان في هذا العالم الحديث. مثل اقتراح Facebook لقصصك ، يبرز التعلم الآلي قوة البيانات بطرق جديدة. من خلال العمل على تطوير برامج الكمبيوتر التي يمكنها الوصول إلى البيانات وأداء المهام تلقائيًا من خلال التنبؤات والاكتشافات ، فإن التعلم الآلي يمكّن أنظمة الكمبيوتر من التعلم المستمر والتحسين من التجربة.

أثناء قيامك بتغذية الجهاز بمزيد من البيانات ، مما يسمح للخوارزميات التي تجعله “يتعلم” ، يمكنك تحسين النتائج. عندما تطلب من Alexa تشغيل محطة الموسيقى المفضلة لديك على Amazon Echo ، فإنها تذهب إلى المحطة التي استمعت إليها كثيرًا ؛ يتم تحسين المحطة من خلال مطالبة Alexa بتخطي أغنية ، ورفع مستوى الصوت ، ومدخلات متنوعة أخرى. كل هذا بسبب التعلم الآلي والتقدم السريع للذكاء الاصطناعي.

لنبدأ بالإجابة على السؤال – ما هو التعلم الآلي؟machine learning

ما هو تعلُم الآلة؟

بداية جيدة لتعريف التعلم الآلي هو أنه مجال فرعي مركزي للذكاء الاصطناعي (AI). تتعلم تطبيقات التعلم الآلي من التجربة (وكذلك البيانات) مثل البشر بدون برمجة مباشرة. عند التعرض لبيانات جديدة ، تتعلم هذه التطبيقات وتنمو وتتغير وتتطور بمفردها. بعبارة أخرى ، باستخدام التعلم الآلي ، تجد أجهزة الكمبيوتر المعلومات ذات الصلة دون أن يُطلب منها أن تبحث. بدلاً من ذلك ، يقومون بذلك عن طريق الاستفادة من الخوارزميات التي تتعلم من البيانات في عملية تكرارية.

في حين أن مفهوم التعلم الآلي كان موجودًا منذ فترة طويلة (فكر في آلة Enigma في الحرب العالمية الثانية) ، فقد اكتسبت القدرة على أتمتة تطبيق الحسابات الرياضية المعقدة على البيانات الضخمة زخماً في السنوات الأخيرة.

على مستوى عالٍ ، التعلم الآلي هو القدرة على التكيف مع البيانات الجديدة بشكل مستقل وفي تكرارات. بشكل أساسي ، تتعلم التطبيقات من الحسابات والمعاملات السابقة وتستخدم “التعرف على الأنماط” للحصول على نتائج موثوقة ومستنيرة.

بعد فهم التعلم الآلي ، دعنا نرى كيف يعمل.

كيف يعمل التعلم الآلي؟
يعد التعلم الآلي ، بلا شك ، أحد أكثر المجموعات الفرعية إثارة للذكاء الاصطناعي. يكمل مهمة التعلم من البيانات باستخدام مدخلات خاصة بالآلة. من المهم أن نفهم ما الذي يجعل التعلم الآلي يعمل ، وبالتالي ، كيف يمكن استخدامه في المستقبل.

تبدأ عملية التعلم الآلي بإدخال بيانات التدريب في الخوارزمية المحددة. بيانات التدريب معروفة أو غير معروفة لتطوير خوارزمية التعلم الآلي النهائية. يؤثر نوع إدخال بيانات التدريب على الخوارزمية ، وسيتم تغطية هذا المفهوم لاحقًا في لحظة.

لاختبار ما إذا كانت هذه الخوارزمية تعمل بشكل صحيح ، يتم إدخال بيانات الإدخال الجديدة في خوارزمية التعلم الآلي. ثم يتم التحقق من التنبؤ والنتائج.

إذا لم يكن التنبؤ كما هو متوقع ، فسيتم إعادة تدريب الخوارزمية عدة مرات حتى يتم العثور على المخرجات المطلوبة. وهذا يسمح لخوارزمية التعلم الآلي بالتعلم باستمرار من تلقاء نفسها وإنتاج الاستجابة المثلى التي ستزداد الدقة تدريجيًا بمرور الوقت.

يناقش القسم التالي من مقالة “ما هو التعلم الآلي” أنواع التعلم الآلي.

أنواع التعلم الآلي
يعد التعلم الآلي معقدًا بطبيعته ، ولهذا تم تقسيمه إلى مجالين رئيسيين ، التعلم تحت الإشراف والتعلم غير الخاضع للإشراف. لكل منها غرض وعمل محدد في التعلم الآلي ، مما يؤدي إلى نتائج معينة واستخدام أشكال مختلفة من البيانات. يخضع حوالي 70٪ من التعلم الآلي للإشراف ، بينما يتراوح التعلم غير الخاضع للإشراف من 10 إلى 20٪. طريقة أخرى أقل استخدامًا هي التعلم المعزز.

هذا القسم من “ما هو التعلم الآلي؟” توضح هذه المقالة جميع أنواع التعلم الآلي بالتفصيل.

التدريس تحت الإشراف
في التعلم تحت الإشراف ، نستخدم البيانات المعروفة أو الموسومة لبيانات التدريب. نظرًا لأن البيانات معروفة ، يتم الإشراف على التعلم ، أي أنه موجه نحو التنفيذ الناجح. تمر بيانات الإدخال عبر خوارزمية التعلم الآلي وتُستخدم لتدريب النموذج. بمجرد تدريب النموذج على أساس التعاون

الخوارزميات الرئيسية المستخدمة حاليًا للتعلم تحت الإشراف هي:

انحدار متعدد الحدود
غابة عشوائية
الانحدارالخطي
الانحدار اللوجستي
أشجار القرار
أقرب الجيران
ساذج بايز

يركز الجزء التالي من مقالة التعلم الآلي على التعلم غير الخاضع للإشراف.

تعليم غير مشرف عليه
في التعلم غير الخاضع للإشراف ، تكون بيانات التدريب غير معروفة وغير مسماة – مما يعني أنه لم يطلع أحد على البيانات حتى الآن. بدون ظهور البيانات المعروفة ، لا يمكن توجيه الإدخال إلى الخوارزمية ، حيث ينشأ مصطلح غير خاضع للرقابة. يتم تمرير هذه البيانات إلى خوارزمية التعلم الآلي وتستخدم لتدريب النموذج. يحاول النموذج المدرب البحث عن نموذج وإعطاء الإجابة المطلوبة. في هذه الحالة ، غالبًا ما يكون الأمر كما لو أن الخوارزمية تحاول فك شفرة مثل آلة إنجما ولكن بدون تدخل العقل البشري بشكل مباشر بل آلة.

في هذه الحالة ، البيانات غير المعروفة هي التفاح والكمثرى التي تبدو متشابهة. يحاول النموذج المدرَّب أن يجمعهم جميعًا معًا حتى تحصل على نفس الأشياء في مجموعات متشابهة.

الخوارزميات الرئيسية المستخدمة حاليًا للتعلم غير الخاضع للإشراف هي:

المربعات الاقل جزئية
يعني غامض
تحلل القيم المفردة
K- تعني التجميع
على الأرجح
التصنيف الهرمي
تحليل المكونات الرئيسية
تعزيز التعلم

مثل الأنواع التقليدية لتحليل البيانات ، هنا تكتشف الخوارزمية البيانات من خلال عملية التجربة والخطأ ، ثم تقرر الإجراء الذي ينتج عنه مكافآت أعلى. تشكل ثلاثة مكونات رئيسية التعلم المعزز: العامل والبيئة والإجراءات. الوكيل هو المتعلم أو صانع القرار ، البيئة تفهم كل شيء يتفاعل معه الوكيل ، والإجراءات هي ما يفعله الوكيل.

يحدث التعلم المعزز عندما يختار الوكيل الإجراءات التي تزيد من المكافأة المتوقعة في وقت معين. يسهل تحقيق ذلك عندما يعمل الوكيل ضمن إطار استراتيجي متين.

ستفهم سبب أهمية التعلم الآلي في القسم التالي من المقالة ما هو التعلم الآلي.

لماذا يعد التعلم الآلي مهمًا؟
لفهم استخدامات التعلم الآلي بشكل أفضل ، ضع في اعتبارك بعض حالات تطبيقات التعلم الآلي: سيارة Google المستقلة ؛ كشف الاحتيال الإلكتروني ؛ ومحركات التوصية عبر الإنترنت من Facebook و Netflix و Amazon. يمكن للآلات القيام بكل هذه الأشياء من خلال تصفية المعلومات المفيدة وسحبها معًا بناءً على الأنماط للحصول على نتائج دقيقة.

يمثل تدفق العملية الموضح هنا كيفية عمل التعلم الآلي:

أدى التطور السريع للتعلم الآلي إلى زيادة لاحقة في حالات الاستخدام والطلبات وحتى أهمية التعلم الآلي في الحياة الحديثة. أصبحت البيانات الضخمة أيضًا كلمة رنانة شائعة في السنوات الأخيرة. ويرجع ذلك جزئيًا إلى التطور المتزايد للتعلم الآلي ، والذي يتيح تحليل أجزاء كبيرة من البيانات الضخمة. لقد غير التعلم الآلي أيضًا طريقة استخراج البيانات وتفسيرها عن طريق أتمتة الطرق / الخوارزميات العامة ، لتحل محل التقنيات الإحصائية التقليدية.

الآن بعد أن عرفت ماهية التعلم الآلي وأنواعه وأهميته ، دعنا ننتقل إلى استخدامات التعلم الآلي.

استخدامات التعلم الآلي
النتائج النموذجية لتطبيقات التعلم الآلي التي نراها أو لا تتضمن بانتظام نتائج بحث الويب ، والإعلانات في الوقت الفعلي على صفحات الويب والأجهزة المحمولة ، وتصفية البريد العشوائي ، واكتشاف التطفل على الشبكة والتعرف على الأنماط والصور. كل هذه منتجات ثانوية لاستخدام التعلم الآلي لتحليل كميات هائلة من البيانات.

تقليديًا ، استند تحليل البيانات إلى التجربة والخطأ ، وهو نهج يصبح مستحيلًا عندما تكون مجموعات البيانات كبيرة ومتغايرة. يوفر التعلم الآلي بدائل ذكية لتحليل كميات كبيرة من البيانات. من خلال تطوير خوارزميات سريعة وفعالة ونماذج قائمة على البيانات لمعالجة البيانات في الوقت الفعلي ، يمكن أن ينتج عن التعلم الآلي نتائج وتحليلات دقيقة.

نصيحة: لمعرفة المزيد حول البيانات الضخمة وكيف أنها تحدث ثورة في الصناعات على مستوى العالم ، راجع مقالنا حول ماهية البيانات الضخمة ولماذا يجب أن تهتم.

وفقًا لتقرير ذي صلة من McKinsey ، “نظرًا لرقمنة العالم التناظري ، فإن قدرتنا على التعلم من البيانات عن طريق تطوير واختبار الخوارزميات ستصبح أكثر أهمية لما يُعتبر الآن أعمالًا تقليدية.” ويقتبس التقرير نفسه أيضًا كبير الاقتصاديين في Google هال فاريان

COMMENTS