التعلم الآلي هو مجال فرعي من الذكاء الاصطناعي (AI) الذي يركز على تطوير الخوارزميات والنماذج التي تمكن أجهزة الكمبيوتر من التعلم والتنبؤ أو اتخاذ القرارات دون برمجتها بشكل صريح. إنها أداة قوية تسمح للآلات بتحليل البيانات المعقدة وتفسيرها تلقائيًا، وتحديد الأنماط، واتخاذ قرارات أو تنبؤات مستنيرة.
يتضمن التعلم الآلي في جوهره استخدام التقنيات الإحصائية لتمكين أجهزة الكمبيوتر من التعلم من البيانات وتحسين أدائها في مهمة محددة بمرور الوقت. ويتم تحقيق ذلك من خلال إنشاء نماذج يمكنها التعميم من البيانات وإجراء تنبؤات أو قرارات بناءً على مدخلات جديدة غير مرئية. يتم تدريب هذه النماذج باستخدام بيانات مصنفة أو غير مصنفة، اعتمادًا على نوع خوارزمية التعلم المستخدمة.
هناك عدة أنواع من خوارزميات التعلم الآلي، كل منها مناسب لأنواع مختلفة من المهام والبيانات. يعد التعلم الخاضع للإشراف أحد هذه الأساليب حيث يتم تدريب النموذج باستخدام البيانات المصنفة، حيث يرتبط كل إدخال بمخرج أو تسمية مقابلة. على سبيل المثال، في مهمة تصنيف البريد الإلكتروني العشوائي، يتم تدريب الخوارزمية باستخدام مجموعة بيانات من رسائل البريد الإلكتروني المصنفة على أنها بريد عشوائي أو ليست بريدًا عشوائيًا. يتعلم النموذج بعد ذلك تصنيف رسائل البريد الإلكتروني الجديدة وغير المرئية بناءً على الأنماط التي تعلمها من بيانات التدريب.
ومن ناحية أخرى، يتضمن التعلم غير الخاضع للرقابة نماذج تدريب تستخدم بيانات غير مصنفة. الهدف هو اكتشاف الأنماط أو البنية داخل البيانات دون أي معرفة مسبقة بالمخرجات أو التسميات. التجميع هو أسلوب تعلم شائع غير خاضع للرقابة، حيث تقوم الخوارزمية بتجميع نقاط البيانات المتشابهة معًا بناءً على أوجه التشابه أو الاختلاف المتأصلة بينها.
نوع آخر مهم من التعلم الآلي هو التعلم المعزز. في هذا النهج، يتعلم الوكيل التفاعل مع البيئة وتعظيم إشارة المكافأة من خلال اتخاذ الإجراءات. يستكشف الوكيل البيئة، ويتلقى ردود الفعل في شكل مكافآت أو عقوبات، ويعدل تصرفاته لتعظيم المكافأة التراكمية مع مرور الوقت. تم تطبيق هذا النوع من التعلم بنجاح على مهام مثل ممارسة الألعاب والروبوتات والقيادة الذاتية.
يحتوي التعلم الآلي على مجموعة واسعة من التطبيقات في مختلف الصناعات. وفي مجال الرعاية الصحية، يمكن استخدامه للتنبؤ بنتائج المرض، أو تحديد الأنماط في الصور الطبية، أو تخصيص خطط العلاج. في مجال التمويل، يمكن استخدام خوارزميات التعلم الآلي للكشف عن الاحتيال، وتسجيل الائتمان، والتداول الخوارزمي. وتشمل التطبيقات الأخرى معالجة اللغة الطبيعية، ورؤية الكمبيوتر، وأنظمة التوصية، وغيرها الكثير.
التعلم الآلي هو مجال فرعي من الذكاء الاصطناعي الذي يركز على تطوير الخوارزميات والنماذج التي تمكن أجهزة الكمبيوتر من التعلم من البيانات وإجراء التنبؤات أو القرارات. وهو ينطوي على استخدام التقنيات الإحصائية لتدريب النماذج باستخدام البيانات المصنفة أو غير المسماة، ولديه أنواع مختلفة من الخوارزميات المناسبة لمختلف المهام والبيانات. يتمتع التعلم الآلي بالعديد من التطبيقات عبر الصناعات، مما يجعله أداة قوية لحل المشكلات المعقدة واتخاذ القرارات المستندة إلى البيانات.
أسئلة وأجوبة أخرى حديثة بخصوص EITC/AI/GCML تعلم الآلة على Google Cloud:
- ما هو تحويل النص إلى كلام (TTS) وكيف يعمل مع الذكاء الاصطناعي؟
- ما هي القيود المفروضة على العمل مع مجموعات البيانات الكبيرة في التعلم الآلي؟
- هل يمكن للتعلم الآلي تقديم بعض المساعدة الحوارية؟
- ما هو ملعب TensorFlow؟
- ماذا تعني مجموعة البيانات الأكبر في الواقع؟
- ما هي بعض الأمثلة على المعلمات الفائقة للخوارزمية؟
- ما هو التعلم المجمع؟
- ماذا لو لم تكن خوارزمية التعلم الآلي المختارة مناسبة وكيف يمكن التأكد من اختيار الخوارزمية الصحيحة؟
- هل يحتاج نموذج التعلم الآلي إلى الإشراف أثناء التدريب؟
- ما هي المعلمات الأساسية المستخدمة في الخوارزميات القائمة على الشبكة العصبية؟
عرض المزيد من الأسئلة والأجوبة في EITC/AI/GCML Google Cloud Machine Learning