في هذه الصفحة
هل يكون عقلنا في مرحلة الطفولة المبكرة قادرًا على حل المسائل الحسابية المعقدة، أو تأليف الروايات أو قراءة الكتب مثلًا؟ الإجابة ببساطة: لا!
فلم لا؟ لأن في ذلك الوقت عقلنا لم يكن متعلمًا، وبالقياس، تكون الآلات قادرة على القيام بوظائف أعقد وأعقد بعد مرورها بمرحلة من التعلم وهذا ما يتناول دراسته علم تعلم الآلة “Machine Learning”.
تعلم الآلة هو فرع من فروع الذكاء الإصطناعي، يختص بدراسة خوارزميات ونظم إحصائية تقوم بمساعدة الحاسوب في التحسين من آداؤه، والقيام بمهام أكثر تعقيدًا بدون الحاجة لكونها مكتوبة ومبرمجة بشكل واضح، فبدلًا من تلقين الآلة المهام المطلوبة منها عن طريق البرمجة المباشرة بإستخدام البيانات وتحليلها واستنباط القرارات الصحيحة منها، سنحاول تعليمها ذلك من خلال طرق عديدة للتعلم، أهمها:
1. Supervised Learning
في هذا النوع من التعلم، تتلقى الآلة قاعدة بيانات من المدخلات وقاعدة بيانات للنتائج المطلوبة، وتكمن مهمة الآلة اكتشاف العلاقة بين المدخلات والمخرجات، عن طريق استنتاج الدالة ص عن طريق المدخلات س، وتمت تسميته بـ”المُشرف عليه” لأنه يتم التحكم في قواعد بيانات المدخلات وقواعد بيانات المخرجات أيضًا.
من المشاكل الرئيسية التي يساهم فيها هذا النوع من التعلم:
1- Classification:
مشكلة التصنيف وهي عبارة عن تصنيف عناصر مختلفة ووضع كل عنصر تحت المجموعة التي ينتمي إليها.
2- Regression:
هو عبارة عن طريقة احصائية للتنبؤ بقيمة متغير بناءً على قيمة متغير آخر.
2. Unsupervised Learning
التعلم غير الخاضع للإشراف يعتمد على تلقي الآلة لقاعدة من بيانات المدخلات بدون إعطاء قاعدة بيانات للمخرجات المنشودة، وتكمن وظيفة الآلة في تحليل قاعدة بيانات المدخلات للوصول إلى العلاقة بين البيانات وبعضها والتنبؤ بنوع المخرجات المطلوب، لذلك يسمى بأنه “غير خاضع للإشراف”، حيث تكمن مهمة الآلة في تحديد مخرجات عملية التعلم، بناءً على تلك البيانات.
من المشاكل الرئيسية التي يساهم فيها هذا النوع من التعلم:
