أقسام الوصول السريع ( مربع البحث )

ما هوالتعلم الآلي ( Machine Learning ) وما استخداماته

في الأيام الأخيرة شهد العالم بأسره العديد من النقاشات فيما يتعلق بالذكاء الآلي، وما يقدمه للكائن البشري، بالإضافة إلى أهميته الكبيرة من أجل صحة الإنسان ورفاهيته وإنتاجه، وكل هذه النقاشات انتهت بأنه ليس من الممكن لأحد أن ينكر وجود التعلم الآلي.

قدرات التعلم الآلي أصبحت متطورة للغاية في السنوات الأخيرة، نظراً لزيادة توافر المعلومات والبيانات ضمن هذا المجال، بالإضافة إلى التطورات التقنية المحيطة وزيادة القدرات الإنتاجية لأجهزة الحواسيب، وبالتالي من الممكن لهذه التقنية تنفيذ العديد من العمليات المعقدة عن طريق التعلم من البيانات فقط، عوضاً عن اتباع تعليمات برمجية كما في السابق.


ما هوالتعلم الآلي ( Machine Learning ) وما استخداماته


ما المقصود بمفهوم التعلم الآلي (Machine Learning)؟

خلال عام 1959 م قام باحث يطلق عليه اسم "آرثر" بتعريف التعلم الآلي، على أنه فرع من الفروع الواسعة التي تندرج ضمن علوم الكمبيوتر، والذي يحاول جعل الأجهزة تتمكن من التعلم من دون أن تحتاج إلى تعليمات برمجية بشكل حرفي مطلق.

بالإضافة إلى أنه شكلاً من أشكال الذكاء الاصطناعي AI والذي يقوم بتعليم أجهزة الحواسيب القدرة على التفكير بشكل مشابه للتفكير البشري.

في حين أن هناك دراسات أخرى عرفته على أنه، تقنية تقوم بالسماح لأجهزة الحواسيب بالتعلم بشكل مياشر وسريع من الخبرة والأمثلة التي تكون على شكل بيانات (داتا).

ولكن بشكل إجمالي ومبسّط مفهوم التعلم الآلي يشير إلى، تعليم الآلات من أجل أن تكون قادرة على القيام بالمهام من تلقاء نفسها، من دون الحاجة إلى القيام ببرمجتها بشكل حرفي بحت في كل مرة من أجل أداء واجب أو مهمة محددة، وإنما القيام ببرمجتها بشكل تكون الآلة قادرة من خلالها على التعلم من أجل العديد من المهام المتنوعة والمختلفة لوحدها من دون تحكم بشري.


ما هي طرق تعلم الآلة (Machine Learning)؟

ضمن مجال تعلم الآلة يتم تقسيم المهام بشكلها العام إلى العديد من الفئات المختلفة، بحيث أن هذه الفئات ترتكز على الطريقة التي يتم من خلالها الحصول على التعلم، أو الطريقة التي يتم عن طريقها تقديم التغذية بشكل مرجعي حول التعلم من أجل النظام الذي تم تطويره.

مع العلم أن هناك الكثير من أنواع وأصناف التعلم الآلي، لكن يوجد صنفين فقط هم الأكثر انتشاراً ضمن مجال تعلم الآلة وهما على الشكل التالي:


التعلم الخاضع للإشراف (Supervised Learning)

في التعلم تحت الإشراف يتم تزويد جهاز الكمبيوتر بإدخالات والتي تكون على شكل مدخلات تحمل علامات بنتائجها المفضلة والمرغوبة، والهدف الرئيسي من هذه الطريقة هو القيام بتمكين الخوارزمية من "التعلم" عن طريق مقارنة الناتج الحقيقي والفعلي لها بالنتائج التي يتم تدريسها، وذلك من أجل إيجاد الأخطاء وتعديل المخططات والنماذج بناء عليه. وبالتالي، التعلم الذي يكون تحت الإشراف يستخدم الأنماط من أجل توقع قيم التسمية على معلومات وبيانات إضافية ليست مسماة.

على سبيل المثال، في هذا الصنف من التعلم والذي يكون خاضعاً للإشراف، من الممكن أن يتم تغذية المعلومات من خلال استخدام خوارزمية مع صور لأسماك قرش والتي تكون حاملة لعلامة أسماك بالإضافة إلى صور محيطات والتي تكون حاملة لعلامة تحت الماء. وعن طريق التدريب على هذه المعلومات، يُفترض أن تكون خوارزمية التعلم التي تكون تحت الإشراف لديها القدرة في وقت ما من المستقبل على تعيين وتحديد صور أسماك القرش والتي لا يكون لها اسم، مثل صور المحيطات والأسماك.


التعلم غير الخاضع للإشراف (Unsupervised Learning):

إن التعلم الذي يكون غبر خاضعاً للإشراف هو عبارة عن فئة من المسائل التي تضمن عملية استخدام نموذج من أجل وصف العلاقات أو من أجل القيام باستخراجها في البيانات، ولو قمنا بمقارنة هذا الصنف مع صنف التعلم الذي يكون خاضعاً للإشراف، نجد أن التعليم الذي يكون غير خاضع للإشراف لا يعمل إلا من خلال بيانات ومعلومات الإدخالات من دون نتائج أو متغيرات محددة. ووفقاً لهذا النحو، المعلم لا يقوم بتصحيح النموذج كما هو موجود في التعلم الخاضع للإشراف. بالإضافة إلى أن التعلم الذي يكون غير خاضعاً للإشراف لا يحتوي على أي مصحح أو معلم، ويجب أن تقوم الخوارزمية من تلقاء نفسها بتعلم طريقة فهم البيانات والمعلومات من دون أي دليل.

وبالرغم من تنوع أشكال التعلم الذي يكون غير خاضع للإشراف، إلا أنه يوجد مشكلتين أساسيتين يواجهها الشخص الممارس بكثرة، وهما على النحو التالي: التكتل أو التجميع والذي يتعلق بإيجاد مجموعات في تقدير الكثافة والبيانات والذي يحتوي على تلخيص المعلومات.

  • تقدير الكثافة : هو عبارة عن مشكلة لا تخضع للإشراف والمراقبة، وتحتوي على تلخيصات توزيع المعلومات والبيانات.
  • التكتل : هو مشكلة للتعلم لا تخضع للإشراف، وتشتمل العثور على مجموعات في المعلومات.

ما هي استخدامات التعلم الآلي (Machine Learning)؟

إليكم فيما يلي اهم استخدامات التعلم الآلي:

  • مراقبة مقاطع الفيديو

لنفرض أن هناك شخص واحد فقط يقوم بمراقبة كاميرات فيديو متنوعة، بالطبع سيكون القيام بهذا العمل صعب وممل للغاية. ووفقاً لهذا السبب فإن فكرة تدريب أجهزة الحواسيب على إنجاز هذه المهمة هو أمر جيد، نظراً لذلك فإن نظام مراقبة مقاطع الفيديو اليوم يستند كلياً على الذكاء الاصطناعي، والذي يجعل من الممكن استكشاف الجرائم قبل أن تحدث.

وبالتالي هم سوف يكونون قادرين على التعرف على السلوك غير العادي من جانب اشخاص، على سبيل المثال: التعثر، أو الوقوف من دون أي حركة لوقت طويل. وهذا يشير إلى أن النظام يستطيع تنبيه الحضور الإنساني، وهذا ما قد يساعد في نهاية الأمر على تجنب الحوادث المأساوية.


  • كشف الاحتيالات من خلال الانترنت

إن التعلم الآلي أثبت قدرته الكبيرة على جعل الفضاء الالكتروني مكاناً سليم وآمن، على سبيل المثال: يتم استخدام PayPal ML من أجل الحماية من عمليات غسيل الأموال.


وخير دليل على هذا الاستخدام هو Google والتي تقوم باستخدام هذه التقنية من أجل تحسين نتائج البحث وترتيبها.
تعليقات