ما هو “تعلّم الآلة” أو الـ “Machine Learning” ؟ كل ما تود معرفته حول هذا المجال

إعلان

تعلّم الآلة Machine Learning – بلغت التكنولوجيا في العقدين الأخيرين مراحل متقدمة وبسرعة مخيفة، فقد تحوّلنا من التواصل في الواقع إلى التواصل الافتراضي عبر وسائل التواصل الاجتماعي، ومن استعمال الأوراق إلى استعمال البرمجيات التي طغت أيضا وحذفت العديد من الأشياء الأخرى، و من التسوق في المحلات إلى التسوق عبر الانترنت، لنصل إلى الحديث على الذكاء الاصطناعي الذي سيخوّل للانسان انجاز العديد من الأعمال التي من الصعب انجازها في وقت قصير جدا.

الذكاء الاصطناعي الذي استحوذ على اهتمام العالم في السنوات الأخيرة و الذي جعل العلماء والمطورين والشركات الكبرى تسعى إلى بلوغ تطوّر تكنولوجيّ غير مسبوق لأنهم يأملون أن يصل الذكاء الاصطناعي إلى مستوى الذكاء البشري. هذا الاهتمام الكبير نراه مثلا في نجاح شركة boston dynamics  في تطوير روبوتات تشبه الحيوانات، والروبوت صوفيا والعديد من الأمثلة الأخرى.

العديد من النجاحات والانجازات زادت من طمع المهتمين بهذا المجال لتتسع رقعة أبحاثهم وعملهم على مجالات أخرى كـ”تعلّم الآلة” أو الـ “Machine Learning” الذي سيساهم في تقدم  الذكاء الاصطناعي بسرعة خياليّة.. ولكن ما هو “تعلّم الآلة”؟؟

تعلّم الآلة أو الـ “Machine Learning”

Embed from Getty Images

 

أو الـ ML هو أحد فروع مجال الذكاء الاصطناعي الذي يهتم بتصميم وتطوير خوارزميات وتقنيات تسمح للحواسيب أو الآلات بامتلاك خاصيّة “التعلم”. ولكن كيف؟

قد وفَر توم م. ميتشيل تحديداً مقتبساً واسعة الاقتباس: يقال أَنَّ برنامجا حاسوبياً “يتعلَّم” من خبرة ‘x’ بالنسبة إلى صنف ما من الأَشغال ‘y’ وبالنسبة إِلى مقياس الإتمامِ z. إذا تحسَن إتمام البرنامج على أشغال في ‘y’ بعد خبرة ‘x’، بمقياس z’

الفرق بين الإنسان والآلة في التعلم، هو أن الإنسان يتعلم عن طريق تجاربه السابقة. أما الآلة فهي تقوم فقط بتنفيذ الأوامر التي تعطي إليها عن طريق الأكواد التي يكتبها المبرمجون، وهذا ما يسمي بالبرمجة التقليدية. أي مجرد إعطاء أوامر تقوم الآلة بتنفيذها. بالنسبة “تعلّم الآلة” يقوم المبرمج بإعطاء القدرات للآلة على اتخاذ القرارات من نفسها عن طريق تعاملها مع البيانات التي سبق أن تعاملت معها.

مثال: التعرف على الوجوه، يقوم البرنامج آلياً باستخلاص السمات المميزة التي تساعده على التفريق بين الوجوه المختلفة، ومن ثم يستخدمها عند إدخال صورة وجه جديد ليتعرف عليه آلياً. عمليه استخلاص السمات المميزة تكون في مرحلة التعلم أو التدريب (training)، ومن ثم يمكن استخدام البرنامج والتأكد من عمله في مرحلة الاختبار (testing) عند إدخال صورة جديدة.

 

اقرأ/ي أيضا: ما هي البيانات الضخمة “BIG DATA”؟ وما أهميتها وفي أي مجال يمكن استغلالها

 

يتضمن التعلم الآلي عددا كبيرا من حقول التطبيقات :

  • معالجة اللغات الطبيعية (natural language processing)
  • تمييز الأنماط (syntactic pattern recognition)
  • محركات البحث (search engines)
  • التشخيص الطبي والمعلوماتية الحيوية والمعلوماتية الكيميائية
  • تمييز الكلام (speech recognition)
  • تمييز الأشياء (object recognition)
  • الألعاب الاستراتيجية
  • تحريك الروبوت (robot locomotion)

طريقة تعلم الآلة

Embed from Getty Images

عموماً عن طريق الخورزميات التي يطورها المبرمجون، والتي يمكن تصنيفها إلى مجموعتين رئيسيتين:

  1. التعلم تحت الإشراف (Supervised Learning): وفيه يتم تدريب خوارزمية تعلم الآلة باستخدام بيانات تم عنونتها وتصنيفها مسبقاً يدوياً. كمثال التعرف على صور القطط، حيث يتم في مرحلة التعليم إخبار الخوارزمية إن كان هناك قطة في الصورة أم لا. ويندرج تحت هذا الصنف:
    • خوارزميات التصنيف (Classification): حيث يتم تعلم شيء ذا تصنيفات محددة، مثل الألوان، أنواع الحيوانات وأنواع الفاكهة. مثلاً، تصنيف البريد الالكتروني بأنه مزعج أو لا.
    • خوارزميات التوقع (Regression): والهدف توقع رقم غير محدد بصنف معين. مثل توقع درجة الحرارة بناء على بيانات تاريخية، بالإضافة إلى اتجاه الرياح والغيوم. وكذلك توقع أسعار المنازل بناء على معطيات كحجم البيت، مكان الحي، وعدد الغرف ودورات المياه.
  2. التعلم من دون إشراف (Unsupervised Learning): وفيه يجمع البرنامج البيانات المتشابهة إلى مجموعات، ثم يتم تصنيف عينة الاختبار بناء على قربها أو بعدها من هذه المجموعات. من أشهر الخوارزميات في هذا الصنف (K-Means). ومن التطبيقات تجميع العملاء أصحاب التفضيلات المتشابهة في نفس المجموعات. أو اكتشاف وتصنيف المجتمعات (الأشخاص ذوو الاهتمامات المشتركة) في وسائل التواصل الاجتماعي.

تجدر الإشارة إلى أن ما سبق هي التصنيفات “الأساسية”. يمكن أحياناً دمج أكثر من خوارزمية لأداء مهمة معينة، كاستخدام خوارزمية التجميع، ثم تدريب خوارزمية تصنيف بناء عليها. مثلاً يمكن تجميع صفحات الأخبار المتشابهة في الانترنت في مجموعات (clusters)، ويتم إعطاء كل مجموعة عنوان، مثل أخبار اقتصادية، أو رياضية، أو سياسية. وبعد ذلك يمكن استخدام خوارزمية تصنيف تحت الإشراف (supervised) للتعلم من هذه البيانات المجمعة لكي تصنف أي صفحة أخبار تأتيها إلى أحد هذه المجموعات. أحياناً يضاف التعلم التعزيزي (Reinforcement Learning) من ضمن خوارزميات تعلم الآلة، وبعضهم يحب أن يراه مجالاً مستقلاً.

 

ما مدى أهميّة الـ “Machine Learning”؟

Embed from Getty Images

بفضل التطور السريع للذكاء الاصطناعي، أصبح لتعلّم الآلة أهميّة كبيرة إذ يمكن من تجميع كميات ضخمة من البيانات وتحليلها و تصنيفها في وقت قصير ثم يساعد على اتخاذ القرارات بالاعتماد عليها. كما يمكّن أيضا المنشآت والمنظمات من رصد الفرص الملائمة لتحقيق الأرباح وتفادي المخاطر المجهولة لها.

يمكن استعمال هذا المجال في التسويق والتجارة عبر النترنت، الخدمات البريديّة والمصرفيّة، الصحافة والأخبار، وأيضا الحكومات يمكنها أيضا استعماله.

 

المصادر: 1، 2، 3

[better-ads type=”banner” banner=”3938″ campaign=”none” count=”2″ columns=”1″ orderby=”rand” order=”ASC” align=”center” show-caption=”1″][/better-ads]

اقرأ/ي أيضا: ما هي البيانات الضخمة “BIG DATA”؟ وما أهميتها وفي أي مجال يمكن استغلالها