أجهزة الكمبيوتر لا تتولى القيادة ولكنها تزداد ذكاءً كل يوم
في أبسط العبارات ، فإن التعلم الآلي (ML) هو برمجة الآلات (أجهزة الكمبيوتر) بحيث تتمكن من تنفيذ مهمة مطلوبة باستخدام وتحليل البيانات (المعلومات) لتنفيذ تلك المهمة بشكل مستقل ، دون إدخال مدخلات محددة إضافية من مطور بشري.
التعلم الآلي 101
صُمم مصطلح "التعلم الآلي" في مختبرات IBM في عام 1959 بواسطة آرثر صامويل ، وهو رائد في الذكاء الاصطناعي (AI) وألعاب الكمبيوتر. التعلم الآلي ، نتيجة لذلك ، هو فرع من فروع الذكاء الاصطناعي. كانت فرضية صمويل هي قلب نموذج الحوسبة للوقت رأسًا على عقب وتوقف عن إعطاء أجهزة الكمبيوتر أشياء للتعلم.
بدلاً من ذلك ، أراد أن تبدأ أجهزة الكمبيوتر في اكتشاف الأشياء بنفسها ، دون أن يضطر البشر إلى إدخال حتى أصغر المعلومات. بعد ذلك ، كان يعتقد أن أجهزة الكمبيوتر لن تقوم بتنفيذ المهام فحسب ، بل يمكنها أن تقرر في النهاية المهام التي يجب تنفيذها ومتى. لماذا ا؟ بحيث يمكن لأجهزة الكمبيوتر أن تقلل من حجم العمل الذي يحتاجه البشر لأداء أي مجال معين.
كيف يعمل التعلم الآلي
يعمل التعلم الآلي من خلال استخدام الخوارزميات والبيانات. الخوارزمية هي مجموعة من الإرشادات أو الإرشادات التي تخبر كمبيوتر أو برنامج كيفية تنفيذ مهمة. تقوم الخوارزميات المستخدمة في جمع البيانات بتجميع البيانات ، والتعرف على الأنماط ، واستخدام تحليل تلك البيانات لتكييف برامجها ووظائفها الخاصة لإنجاز المهام.
تستخدم خوارزميات ML مجموعات القواعد وأشجار القرارات والنماذج الرسومية ومعالجة اللغات الطبيعية والشبكات العصبية (على سبيل المثال لا الحصر) لأتمتة بيانات المعالجة لاتخاذ القرارات وتنفيذ المهام. في حين أن ML يمكن أن يكون موضوعًا معقدًا ، تقدم آلة Teachable Machine من Google عرضًا عمليًا مبسطًا عن كيفية عمل ML.
إن أقوى أشكال التعلم الآلي المستخدمة اليوم ، والتي تسمى التعلم العميق ، تبني بنية حسابية معقدة تسمى الشبكة العصبية ، تعتمد على كميات هائلة من البيانات. الشبكات العصبية هي مجموعات من الخوارزميات في ML و AI على غرار الطريقة التي تعمل بها الخلايا العصبية في الدماغ البشري وعملية معالجة الجهاز العصبي.
الذكاء الاصطناعي مقابل آلة التعلم مقابل بيانات التعدين
لفهم أفضل للعلاقة بين الذكاء الاصطناعي ، و ML ، وتعدين البيانات ، من المفيد أن تفكر في مجموعة من المظلات ذات الأحجام المختلفة. منظمة العفو الدولية هي أكبر مظلة. مظلة ML هي حجم أصغر وتناسبها تحت مظلة منظمة العفو الدولية. مظلة تعدين البيانات هي الأصغر وتوضع تحت مظلة ML.
- AI هو فرع من علوم الكمبيوتر يهدف إلى برمجة أجهزة الكمبيوتر لأداء المهام بطرق "أكثر ذكاء" و "شبيهة بالإنسان" ، وذلك باستخدام أساليب التفكير واتخاذ القرار على غرار الذكاء البشري.
- ML هو فئة من الحوسبة داخل منظمة العفو الدولية تركز على آلات البرمجة (أجهزة الكمبيوتر) للتعلم (جمع البيانات أو الأمثلة الضرورية) لاتخاذ قرارات ذكية تستند إلى البيانات بطريقة آلية أكثر.
- يستخدم استخراج البيانات الإحصائيات ، و ML ، و AI ، وقواعد البيانات الهائلة للمعلومات للعثور على الأنماط ، وتقديم الأفكار ، وإنشاء التصنيفات ، وتحديد المشاكل ، وتقديم تحليلات بيانات مفصلة.
ما يمكن أن يفعله التعلم الآلي (ويفعل بالفعل)
القدرة على أجهزة الكمبيوتر لتحليل كميات هائلة من المعلومات في كسور من الثانية تجعل ML مفيدة في عدد من الصناعات حيث الوقت والدقة ضروريان.
- الطب: يجري تنفيذ تقنية ML في مجموعة من الحلول في المجال الطبي ، بما في ذلك مساعدة أطباء قسم الطوارئ على تشخيص أسرع للمرضى الذين يعانون من أعراض غير عادية. يمكن للأطباء إدخال قائمة من أعراض المريض في البرنامج واستخدام ML ، ويمكن البرنامج البحث تريليونات من تيرابايت من المعلومات من الأدبيات الطبية والإنترنت للعودة قائمة التشخيصات المحتملة والاختبار أو العلاج الموصى بها في وقت قياسي.
- التعليم: يستخدم ML لإنشاء أدوات تعليمية تتناسب مع احتياجات التعلم الخاصة بالطالب ، مثل مساعدي التعلم الافتراضي والكتب المدرسية الإلكترونية الأكثر تفاعلية. تستخدم هذه الأدوات ML لاكتشاف المفاهيم والمهارات التي يفهمها الطالب باستخدام اختبارات قصيرة وممارسة التمارين. ثم توفر الأدوات مقاطع فيديو قصيرة وأمثلة إضافية ومواد أساسية لمساعدة الطالب على تعلم المهارات أو المفاهيم المطلوبة.
- السيارات: تعد ML أيضا عنصرا رئيسيا في مجال السيارات الناشئة ذاتية القيادة (وتسمى أيضا السيارات الأقل سائقا أو السيارات المستقلة). تستخدم البرامج التي تعمل بسيارات ذاتية القيادة ML أثناء اختبارات الطرق الواقعية وعمليات المحاكاة للكشف عن ظروف الطريق (مثل الطرق الجليدية) أو تحديد العقبات في الطريق وتعلم مهام القيادة المناسبة للتنقل بأمان في مثل هذه المواقف.
من المحتمل أنك واجهت ML عدة مرات دون أن تدرك ذلك. تتضمن بعض الاستخدامات الأكثر شيوعًا لتقنية ML التعرف على الكلام العملي ( Bixby من سامسونج و Siri من Apple والعديد من برامج التحدث إلى النصوص التي أصبحت الآن قياسية على أجهزة الكمبيوتر الشخصي) ، وتصفية الرسائل غير المرغوب فيها للبريد الإلكتروني الخاص بك ، وبناء خلاصات الأخبار ، والكشف عن عمليات الاحتيال ، وإضفاء الطابع الشخصي توصيات التسوق ، وتوفير نتائج بحث الويب أكثر فعالية.
حتى ML تشارك في تغذية الفيسبوك الخاص بك. عندما تحب أو تنقر على مشاركات أحد الأصدقاء بشكل متكرر ، "تتعلم" الخوارزميات و ML خلف الكواليس من أفعالك مع مرور الوقت لتحديد أولويات أصدقاء معينين أو صفحات معينة في "الأخبار".
ما الذي لا يستطيع التعلم الآلي القيام به
ومع ذلك ، هناك حدود لما يمكن القيام به. على سبيل المثال ، يتطلب استخدام تكنولوجيا ML في صناعات مختلفة قدرا كبيرا من التطوير والبرمجة من قبل البشر لتخصص برنامج أو نظام لأنواع المهام التي تتطلبها هذه الصناعة. على سبيل المثال ، في المثال الطبي أعلاه ، تم تطوير برنامج ML المستخدم في قسم الطوارئ خصيصًا للطب البشري. ليس من الممكن حاليًا أخذ هذا البرنامج الدقيق وتطبيقه مباشرة في مركز الطوارئ البيطرية. ويتطلب هذا الانتقال التخصص والتطور المكثف من قبل المبرمجين البشريين لإنشاء نسخة قادرة على القيام بهذه المهمة للطب البيطري أو الحيوان.
كما يتطلب أيضًا كميات هائلة من البيانات والأمثلة "لتعلم" المعلومات التي يحتاجها لاتخاذ القرارات وتنفيذ المهام. برامج ML أيضا حرفية جدا في تفسير البيانات والنضال مع الرمزية وأيضا بعض أنواع العلاقات ضمن نتائج البيانات ، مثل السبب والأثر.
ومع ذلك ، فإن التقدم المستمر يجعل ML أكثر من التكنولوجيا الأساسية التي تخلق أجهزة كمبيوتر أكثر ذكاءً كل يوم.