التعلم الآلي (ML) 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. تم تصميم خوارزميات تعلم الآلة لتحليل وتفسير الأنماط والعلاقات المعقدة في البيانات، ثم استخدام هذه المعرفة لإجراء تنبؤات مستنيرة أو اتخاذ إجراءات.
يتضمن تعلم الآلة في جوهره إنشاء نماذج رياضية يمكنها التعلم من البيانات وتحسين أدائها بمرور الوقت. يتم تدريب هذه النماذج باستخدام كميات كبيرة من البيانات المصنفة، حيث يكون المخرج أو النتيجة المطلوبة معروفة. من خلال تحليل هذه البيانات، يمكن لخوارزميات تعلم الآلة تحديد الأنماط والعلاقات التي تسمح لها بتعميم معرفتها وإجراء تنبؤات دقيقة بشأن البيانات الجديدة غير المرئية.
هناك عدة أنواع من خوارزميات تعلم الآلة، ولكل منها نقاط قوتها وتطبيقاتها الخاصة. يعد التعلم الخاضع للإشراف أسلوبًا شائعًا حيث يتم تدريب الخوارزمية باستخدام البيانات المصنفة، مما يعني توفير المخرجات المطلوبة جنبًا إلى جنب مع البيانات المدخلة. على سبيل المثال، في نظام تصنيف البريد الإلكتروني العشوائي، سيتم تدريب الخوارزمية باستخدام مجموعة بيانات من رسائل البريد الإلكتروني المصنفة على أنها بريد عشوائي أو ليست بريدًا عشوائيًا. ومن خلال تحليل خصائص رسائل البريد الإلكتروني هذه، يمكن للخوارزمية أن تتعلم التمييز بين الفئتين وتصنيف رسائل البريد الإلكتروني الجديدة وغير المرئية وفقًا لذلك.
من ناحية أخرى، يتضمن التعلم غير الخاضع للرقابة تدريب الخوارزميات على البيانات غير المسماة، حيث يكون الناتج المطلوب غير معروف. الهدف هو اكتشاف الأنماط أو الهياكل المخفية في البيانات. على سبيل المثال، يمكن لخوارزميات التجميع تجميع نقاط البيانات المتشابهة معًا بناءً على ميزاتها أو خصائصها. يمكن أن يكون هذا مفيدًا في تقسيم العملاء، حيث يمكن للخوارزمية تحديد مجموعات متميزة من العملاء ذوي التفضيلات أو السلوكيات المماثلة.
نوع آخر مهم من خوارزمية تعلم الآلة هو التعلم المعزز. في هذا النهج، يتعلم الوكيل التفاعل مع البيئة وتعظيم إشارة المكافأة من خلال اتخاذ الإجراءات. يتلقى الوكيل ردود فعل في شكل مكافآت أو عقوبات بناءً على تصرفاته، ويستخدم هذه التعليقات لمعرفة السياسة أو الإستراتيجية المثلى. لقد تم تطبيق التعلم المعزز بنجاح في مجالات مختلفة، مثل الروبوتات وممارسة الألعاب. على سبيل المثال، استخدم برنامج AlphaGo، الذي طورته شركة DeepMind، التعلم المعزز لهزيمة لاعب Go بطل العالم.
يمكن أيضًا تصنيف خوارزميات ML بناءً على أسلوب التعلم الخاص بها. يتضمن التعلم الدفعي تدريب الخوارزمية على مجموعة بيانات ثابتة ثم استخدام النموذج المتعلم للتنبؤ بالبيانات الجديدة. من ناحية أخرى، يسمح التعلم عبر الإنترنت للخوارزمية بتحديث نموذجها بشكل مستمر مع توفر بيانات جديدة. وهذا مفيد بشكل خاص في السيناريوهات التي تكون فيها البيانات ديناميكية وتتغير بمرور الوقت.
لدى ML مجموعة واسعة من التطبيقات في مختلف الصناعات. في مجال الرعاية الصحية، يمكن لخوارزميات التعلم الآلي تحليل الصور الطبية للكشف عن الأمراض أو التنبؤ بنتائج المرضى. في مجال التمويل، يمكن استخدام التعلم الآلي للكشف عن الاحتيال والتنبؤ بسوق الأوراق المالية وتسجيل الائتمان. يُستخدم التعلم الآلي أيضًا في أنظمة التوصية، مثل تلك التي يستخدمها تجار التجزئة عبر الإنترنت وخدمات البث، لتخصيص المحتوى وتحسين تجربة المستخدم.
ML هو مجال فرعي من الذكاء الاصطناعي يركز على تطوير الخوارزميات والنماذج التي يمكنها التعلم من البيانات وإجراء التنبؤات أو القرارات. وهو يتضمن نماذج تدريب تستخدم بيانات مصنفة أو غير مصنفة لتحديد الأنماط والعلاقات، والتي يمكن استخدامها بعد ذلك لإجراء تنبؤات مستنيرة أو اتخاذ إجراءات. لدى ML أنواع مختلفة من الخوارزميات، بما في ذلك التعلم الخاضع للإشراف وغير الخاضع للإشراف والتعلم المعزز، ولكل منها نقاط قوتها وتطبيقاتها. لقد وجد تعلم الآلة استخدامًا واسع النطاق في العديد من الصناعات، مما أتاح التقدم في الرعاية الصحية والتمويل وأنظمة التوصية والعديد من المجالات الأخرى.
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