سمعنا خلال الفترة الماضية الكثير عن مصطلح التعلم الآلى، والذى دائما ما يكون مرتبط بالذكاء الاصطناعى، دون أن نعرف معنى هذا المصطلح والعلاقة التى تربطه بالذكاء الاصطناعى، وفيما يلى كل ما تريد معرفته عن التعلم الآلى:
ما هو التعلم الآلى:
التعلم الآلى هو مجال سريع النمو وناجح من فروع الذكاء الاصطناعى، ويعد التعلم الآلى هو عملية السماح لنظام الكمبيوتر بتعليم نفسه كيفية أداء المهام المعقدة من خلال تحليل مجموعات كبيرة من البيانات، بدلاً من أن تتم برمجته بشكل صريح باستخدام خوارزمية أو حل معين.
بهذه الطريقة، يمكّن التعلم الآلى الكمبيوتر من تعلم كيفية أداء مهمة بمفرده والاستمرار فى تحسين منهجه بمرور الوقت، دون تدخل بشرى مباشر.
بعبارة أخرى، الكمبيوتر هو من يصنع الخوارزمية، وليس المبرمجين، وغالبًا ما تكون هذه الخوارزميات معقدة بما يكفى بحيث لا يستطيع المبرمجون شرح كيفية حل الكمبيوتر للمشكلة، ولا يستطيع البشر تتبع منطق الكمبيوتر من البداية إلى النهاية؛ بل يمكنهم فقط تحديد ما إذا كان يتم العثور على الحل الصحيح للمشكلة، والتى يتم إخراجها على أنها "توقع".
أنواع التعلم الآلي:
هناك عدة طرق مختلفة لتدريب الأنظمة الخبيرة التى تعتمد على التعلم الآلى، وبالتحديد التعلم "العميق" الذى يعمل من خلال معالجة العقد الحسابية، فيما يلى الأشكال الأكثر شيوعًا:
التعلم تحت الإشراف:
التعلم الخاضع للإشراف هو نموذج يتم فيه إعطاء أجهزة الكمبيوتر بيانات تم تنظيمها بالفعل من قبل البشر، فعلى سبيل المثال، يمكن لأجهزة الكمبيوتر التعلم من قواعد البيانات وجداول البيانات التى تم تنظيم البيانات فيها بالفعل، مثل البيانات المالية أو الملاحظات الجغرافية المسجلة بواسطة الأقمار الصناعية.
تعليم غير مشرف عليه:
يستخدم التعلم غير الخاضع للإشراف قواعد بيانات غير منظمة فى الغالب، وهذا شائع فى المواقف التى يتم فيها جمع البيانات بطريقة لا يستطيع البشر تنظيمها أو هيكلتها بسهولة، ومن الأمثلة الشائعة على التعلم غير المنظم اكتشاف البريد العشوائى، حيث يتم منح الكمبيوتر إمكانية الوصول إلى كميات هائلة من رسائل البريد الإلكترونى ويتعلم بمفرده التمييز بين البريد المطلوب وغير المرغوب فيه.
التعلم المعزز
هو عندما يراقب البشر مخرجات نظام الكمبيوتر ويساعدون فى توجيهه نحو الحل الأمثل من خلال التجربة والخطأ، وتتمثل إحدى طرق تصور التعلم المعزز فى النظر إلى الخوارزمية على أنها "تكافأ" لتحقيق أفضل نتيجة، مما يساعدها على تحديد كيفية تفسير بياناتها بشكل أكثر دقة.
تطبيقات لتعلم الآلة
مجال التعلم الآلى نشط للغاية فى الوقت الحالى، مع العديد من التطبيقات الشائعة فى مجال الأعمال والأوساط الأكاديمية والصناعة، وفيما يلى بعض الأمثلة التمثيلية:
محركات التوصية
تستخدم محركات التوصيات التعلم الآلى للتعلم من الخيارات السابقة التى اتخذها الأشخاص، وعلى سبيل المثال، يشيع استخدام التعلم الآلى فى برامج مثل خدمات بث الفيديو لاقتراح الأفلام أو البرامج التلفزيونية التى قد يرغب المستخدمون فى مشاهدتها بناءً على اختيارات المشاهدة السابقة، بالإضافة إلى توصيات "قد تعجبك أيضًا" على مواقع البيع بالتجزئة.
البنوك وشركات التأمين
تعتمد البنوك وشركات التأمين على التعلم الآلى لاكتشاف ومنع الاحتيال من خلال إشارات خفية لسلوك غريب ومعاملات غير متوقعة، وعادةً ما تكون الطرق التقليدية للإبلاغ عن الأنشطة المشبوهة صارمة للغاية وقائمة على القواعد، والتى يمكن أن تفقد أنماطًا جديدة وغير متوقعة، بينما ترهق المحققين بإيجابيات كاذبة، ويمكن تدريب خوارزميات التعلم الآلى باستخدام بيانات الاحتيال فى العالم الحقيقى، مما يسمح للنظام بتصنيف حالات الاحتيال المشبوهة بشكل أكثر دقة.
تحسين المخزون
تحسين المخزون - وهو جزء من سير عمل البيع بالتجزئة - يتم تنفيذه بشكل متزايد بواسطة أنظمة مدربة على التعلم الآلى، كما يمكن لأنظمة التعلم الآلى تحليل كميات هائلة من بيانات المبيعات والمخزون للعثور على الأنماط التى تستعصى على مخططى المخزون البشرى، كما يمكن لأنظمة الكمبيوتر هذه أن تقدم تنبؤات احتمالية أكثر دقة لطلب العملاء.
الأنظمة الآلية:
تعتمد الأنظمة الآلية بشكل متزايد على التعلم الآلى، فعلى سبيل المثال، تعتبر تقنية السيارات ذاتية القيادة مدينة بعمق لخوارزميات التعلم الآلى للقدرة على اكتشاف الأشياء على الطريق، وتصنيف تلك الكائنات، ووضع تنبؤات دقيقة حول حركتها وسلوكها المحتمل.