التعلم الآلي (ML)

مشاركة
المؤلفالتاريخ

 

التعلم الآلي (ML)





التعلم الآلي (ML)


التعلم الآلي (Machine Learning) هو فرع من مجال الذكاء الاصطناعي يركز على تطوير تقنيات ونماذج تتيح للأنظمة والكمبيوترات أن تتعلم وتحسن أداء مهام معينة من خلال التفاعل مع البيانات. بدلاً من البرمجة اليدوية التقليدية، حيث يتم توجيه الكمبيوترات لأداء مهام محددة، يستخدم التعلم الآلي بيانات سابقة لتطوير نماذج تستطيع تحسين أداء نفسها مع مرور الوقت.
تنقسم تقنيات التعلم الآلي إلى ثلاث فئات رئيسية:
1. **التعلم الآلي التشريفي (Supervised Learning)**: في هذا النوع من التعلم، يتم تدريب النماذج باستخدام مجموعة من البيانات التي تحتوي على أمثلة مدخلات والنتائج المرتقبة. الهدف هو أن تتعلم النماذج كيفية تنبؤ النتائج لمدخلات غير معروفة. على سبيل المثال، التصنيف والتنبؤ بالسعر.
2. **التعلم الآلي غير التشريفي (Unsupervised Learning)**: في هذا النوع، لا تتوفر نتائج مرتقبة، والهدف هو اكتشاف الهياكل المخفية في البيانات. عادةً ما يتم تجميع البيانات إلى مجموعات أو تجزئتها بناءً على تشابهات معينة. مثال على ذلك هو تجميع العملاء بناءً على أنماط شراء مماثلة.
3. **التعلم الآلي شبه التشريفي (Semi-Supervised Learning)**: هذه حالة وسط بين التعلم التشريفي وغير التشريفي، حيث يستخدم التدريب بيانات متوفرة جزئيًا والتي تحتوي على بعض النتائج المعروفة.
بالإضافة إلى ذلك، هناك مفهوم آخر هو التعلم العميق (Deep Learning)، وهو نوع من التعلم الآلي يعتمد على الشبكات العصبية الاصطناعية المتعمقة لتحسين الأداء في مجموعة متنوعة من المهام، مثل التصنيف ومعالجة اللغة الطبيعية ورؤية الحاسوب.
تطبيقات التعلم الآلي واسعة ومتنوعة، وتشمل مجالات مثل التصنيف، والتنبؤ، ومعالجة اللغة الطبيعية، وتحليل البيانات، والروبوتات المتحكمة ذاتيًا، وتجميع المعلومات، والتفاعل الإنساني-الكمبيوتر، والكثير من المجالات الأخرى.

التعلم الالي هو عكس التعلم التقليدي. واما من جهة الذكاء الاصطناعي فيعرف التعلم الآلي بأنه مجموعة فرعية من الذكاء الاصطناعي التطبيقي. دعني اقدم مثالا لك على ذلك. لنفترض انك تعمل لدى احد البنوك ولديك طلب من احد العملاء لقرض حول شراء منزل. هل سوف تقوم بمنحه القرض؟ ام سوف ترفض؟ كيف نقوم بالرفض او بالقبول لطلب عميل ما؟ وما هي المعايير المستخدمه لديك؟

في الحقيقه، ما نقوم به في التعلم التقليدي هو بناء خبره (من خلال التدريب) واسعه في مجال القروض قبل القدره على اصدار اي قرار حيال طلبات العملاء. وهو في الحقيقة ما نقوم به في التعلم الآلي.

اختصارا التعلم الالي يمر خلال مرحلتين؛ التدريب ثم الاختبار. مرحلة التدريب: حيث نقوم بتدريب الآله بواسطة بيانات تم جمعها عن عملاء سابقين قاموا بطلب قروض وقام الموظفون بناءا عليها بإتخاذ قرار حولها سواءا رفضا او قبولا. كنتيجة للتدريب يصبح لدينا آله متدربه قادره على اتخاذ قرارات ذات دقه معينه. وكنتيجة لذلك تأتي ثانيا مرحلة الاختبار؛ والتي تقوم الآله فيها بإتخاذ قرارات سليمه حول عملاء جدد لم يتم التدرب عليهم مسبقا. اذلك تعتبر الخبره بالنسبه لتعلم الآله ما هي الا مجرد بيانات تم جمعها حول مشكله محدده. وكلما زاد حجم البيانات زادت خبرة الآله او بمعنى اخر زادة قدرتها على اتخاذ قرارات مستقبليه سليمة.


اذا التعلم التقليدي في الحقيقه ما هو الا جمع معلومات عن العميل (المدخلات) قبل اتخاذ قرار (المخرجات) بناءا على الخبره (النموذج). في المقابل؛ التعلم الآلي يتعامل مع معلومات العميل (المدخلات) لبناء خبره (النموذج او نموذج رياضي) لمساعدة الآله على اتخاذ القرار(المخرجات) لاحقا. اذاً ان من يقوم بالتدرب على البيانات في حالة التعلم التقليدي هو شخص (موظف البنك في مثالنا) بينما من يتدرب على اتخاذ قرارات بناءا على المعلومات التي تم جمعها هو النموذج الآلي.

المفاجئة التي احب ان اهديها لك في هذا السياق انه يمكنك إنشاء نموذج قادر على اتخاذ قرارات حتى من قيم إدخال عشوائية. وكلما تم تغذية الالة في المزيد والمزيد من البيانات سوف تحظى بفرصة تجربة الأشياء اكثر واكثر واكتساب خبره تمكنها من تحقيق دقة افضل.

إرسال تعليق
التسميات

تعليقات