[ جـديد ] حول التعلم الآلي ؟ التعريف والأنواع والأمثلة

التعلم الآلي هو نوع شائع من الذكاء الاصطناعي. تعرف على المزيد حول هذه التكنولوجيا المثيرة وكيفية عملها والأنواع الرئيسية التي تدعم الخدمات والتطبيقات التي نعتمد عليها كل يوم.

التعلم الآلي هو مجال فرعي من الذكاء الاصطناعي الذي يستخدم خوارزميات مدربة على مجموعات البيانات لإنشاء نماذج تمكن الآلات من أداء المهام التي قد تكون ممكنة فقط للبشر، مثل تصنيف الصور، أو تحليل البيانات، أو التنبؤ بتقلبات الأسعار.

اليوم، يعد التعلم الآلي أحد أكثر أشكال الذكاء الاصطناعي شيوعًا وغالبًا ما يدعم العديد من السلع والخدمات الرقمية التي نستخدمها كل يوم.

في هذه المقالة، ستتعرف على المزيد حول ماهية التعلم الآلي، بما في ذلك كيفية عمله وأنواعه المختلفة وكيفية استخدامه فعليًا في العالم الحقيقي. سنلقي نظرة على الفوائد والمخاطر التي يشكلها التعلم الآلي، وفي النهاية، ستجد بعض الدورات التدريبية المرنة والفعالة من حيث التكلفة والتي يمكن أن تساعدك على تعلم المزيد حول التعلم الآلي.

تعريف التعلم الآلي​

التعلم الآلي هو مجال فرعي من الذكاء الاصطناعي (AI) يستخدم خوارزميات مدربة على مجموعات البيانات لإنشاء نماذج للتعلم الذاتي قادرة على التنبؤ بالنتائج وتصنيف المعلومات دون تدخل بشري. يُستخدم التعلم الآلي اليوم لمجموعة واسعة من الأغراض التجارية، بما في ذلك اقتراح المنتجات للمستهلكين بناءً على مشترياتهم السابقة، والتنبؤ بتقلبات سوق الأسهم، وترجمة النص من لغة إلى أخرى.
في الاستخدام الشائع، غالبًا ما يتم استخدام مصطلحي "التعلم الآلي" و"الذكاء الاصطناعي" بالتبادل مع بعضهما البعض بسبب انتشار التعلم الآلي لأغراض الذكاء الاصطناعي في العالم اليوم. لكن المصطلحين مختلفان بشكل هادف. في حين يشير الذكاء الاصطناعي إلى المحاولة العامة لإنشاء آلات قادرة على القدرات المعرفية الشبيهة بالإنسان، يشير التعلم الآلي على وجه التحديد إلى استخدام الخوارزميات ومجموعات البيانات للقيام بذلك.

أمثلة وحالات الاستخدام​

يعد التعلم الآلي عادةً أكثر أنواع تقنيات الذكاء الاصطناعي شيوعًا المستخدمة في جميع أنحاء العالم اليوم. تتضمن بعض الأمثلة الأكثر شيوعًا للتعلم الآلي والتي ربما تفاعلت معها في حياتك اليومية ما يلي:

• محركات التوصية التي تقترح عليك منتجات أو أغاني أو برامج تلفزيونية، مثل تلك الموجودة على Amazon أو Spotify أو Netflix.
• برنامج التعرف على الكلام الذي يسمح لك بتحويل المذكرات الصوتية إلى نص.
• تقوم خدمات الكشف عن الاحتيال في البنك تلقائيًا بوضع علامة على المعاملات المشبوهة.
• تعمل السيارات ذاتية القيادة وميزات مساعدة السائق، مثل اكتشاف النقطة العمياء والتوقف التلقائي، على تحسين السلامة العامة للمركبة.
  
  
• 
  

• كيف يعمل التعلم الآلي؟​

  التعلم الآلي بسيط ومعقد
  في جوهرها، تستخدم الطريقة ببساطة الخوارزميات - في الأساس قوائم القواعد - التي يتم تعديلها وتنقيحها باستخدام مجموعات البيانات السابقة لإجراء تنبؤات وتصنيفات عند مواجهة بيانات جديدة. على سبيل المثال، يمكن "تدريب" خوارزمية التعلم الآلي على مجموعة بيانات تتكون من آلاف صور الزهور التي تم تصنيفها مع كل نوع من أنواع الزهور المختلفة بحيث يمكنها بعد ذلك تحديد الزهرة بشكل صحيح في صورة جديدة بناءً على التمييز بين الزهور. الخصائص التي تعلمتها من الصور الأخرى.
  ومع ذلك، لضمان عمل هذه الخوارزميات بفعالية، يجب عادةً تنقيحها عدة مرات حتى تتراكم قائمة شاملة من التعليمات التي تسمح لها بالعمل بشكل صحيح. فالخوارزميات التي تم تدريبها بالقدر الكافي تصبح في نهاية المطاف " نماذج للتعلم الآلي "، وهي في الأساس خوارزميات تم تدريبها لأداء مهام محددة مثل فرز الصور، أو التنبؤ بأسعار المساكن، أو القيام بحركات الشطرنج. في بعض الحالات، يتم وضع الخوارزميات فوق بعضها البعض لإنشاء شبكات معقدة تسمح لها بالقيام بمهام معقدة ودقيقة بشكل متزايد مثل إنشاء النصوص وتشغيل روبوتات الدردشة عبر طريقة تُعرف باسم " التعلم العميق ".
  ونتيجة لذلك، على الرغم من أن المبادئ العامة التي يقوم عليها التعلم الآلي واضحة نسبيًا، إلا أن النماذج التي يتم إنتاجها في نهاية العملية يمكن أن تكون معقدة ومعقدة للغاية.
  

  أنواع التعلم الآلي​

  تعمل عدة أنواع مختلفة من التعلم الآلي على تشغيل العديد من السلع والخدمات الرقمية المختلفة التي نستخدمها كل يوم. وفي حين يحاول كل من هذه الأنواع المختلفة تحقيق أهداف مماثلة ــ إنشاء آلات وتطبيقات يمكنها العمل دون إشراف بشري ــ فإن الأساليب الدقيقة التي يستخدمونها تختلف بعض الشيء.
  ولمساعدتك في الحصول على فكرة أفضل عن كيفية اختلاف هذه الأنواع عن بعضها البعض، إليك نظرة عامة على الأنواع الأربعة المختلفة للتعلم الآلي المستخدمة بشكل أساسي اليوم.
  

  1. التعلم الآلي تحت الإشراف​

  في التعلم الآلي الخاضع للإشراف، يتم تدريب الخوارزميات على مجموعات بيانات مصنفة تتضمن علامات تصف كل جزء من البيانات. بمعنى آخر، يتم تغذية الخوارزميات بالبيانات التي تتضمن "مفتاح الإجابة" الذي يصف كيفية تفسير البيانات. على سبيل المثال، قد يتم تغذية الخوارزمية بصور زهور تتضمن علامات لكل نوع زهرة حتى تتمكن من التعرف على الزهرة بشكل أفضل مرة أخرى عند تغذيتها بصورة جديدة.
  غالبًا ما يُستخدم التعلم الآلي الخاضع للإشراف لإنشاء نماذج التعلم الآلي المستخدمة لأغراض التنبؤ والتصنيف.
  

  2. التعلم الآلي غير الخاضع للرقابة​

  يستخدم التعلم الآلي غير الخاضع للرقابة مجموعات بيانات غير مصنفة لتدريب الخوارزميات. في هذه العملية، يتم تغذية الخوارزمية ببيانات لا تتضمن علامات، مما يتطلب منها الكشف عن الأنماط بمفردها دون أي توجيه خارجي. على سبيل المثال، قد يتم تغذية الخوارزمية بكمية كبيرة من بيانات المستخدم غير المسماة التي تم انتقاؤها من موقع التواصل الاجتماعي من أجل تحديد الاتجاهات السلوكية على المنصة.
  غالبًا ما يستخدم الباحثون وعلماء البيانات التعلم الآلي غير الخاضع للرقابة لتحديد الأنماط داخل مجموعات البيانات الكبيرة غير المسماة بسرعة وكفاءة.
  

  3. التعلم الآلي شبه الخاضع للإشراف​

  يستخدم التعلم الآلي شبه الخاضع للإشراف مجموعات البيانات غير المسماة والمصنفة لتدريب الخوارزميات. بشكل عام، أثناء التعلم الآلي شبه الخاضع للإشراف، يتم أولاً تغذية الخوارزميات بكمية صغيرة من البيانات المصنفة للمساعدة في توجيه تطويرها ثم تغذية كميات أكبر بكثير من البيانات غير المسماة لإكمال النموذج. على سبيل المثال، يمكن تغذية الخوارزمية بكمية أقل من بيانات الكلام المصنفة ثم تدريبها على مجموعة أكبر بكثير من بيانات الكلام غير المسماة من أجل إنشاء نموذج تعلم آلي قادر على التعرف على الكلام.
  غالبًا ما يتم استخدام التعلم الآلي شبه الخاضع للإشراف لتدريب الخوارزميات لأغراض التصنيف والتنبؤ في حالة عدم توفر كميات كبيرة من البيانات المصنفة.
  

  4. تعزيز التعلم​

  يستخدم التعلم المعزز التجربة والخطأ لتدريب الخوارزميات وإنشاء النماذج. أثناء عملية التدريب، تعمل الخوارزميات في بيئات محددة ثم يتم تزويدها بالتعليقات بعد كل نتيجة. وكما هو الحال مع الطريقة التي يتعلم بها الطفل، تبدأ الخوارزمية ببطء في اكتساب فهم لبيئتها وتبدأ في تحسين الإجراءات لتحقيق نتائج معينة. على سبيل المثال، يمكن تحسين الخوارزمية من خلال لعب مباريات شطرنج متتالية، مما يسمح لها بالتعلم من نجاحاتها وإخفاقاتها السابقة في كل لعبة.
  غالبًا ما يستخدم التعلم المعزز لإنشاء خوارزميات يجب أن تقوم بشكل فعال بتسلسل القرارات أو الإجراءات لتحقيق أهدافها، مثل لعب لعبة أو تلخيص نص بأكمله

فوائد ومخاطر التعلم الآلي​

لقد أدى التعلم الآلي بالفعل إلى تحويل جزء كبير من عالمنا نحو الأفضل. واليوم، يتم استخدام هذه الطريقة لبناء نماذج قادرة على تحديد نمو السرطان في عمليات المسح الطبي، والكشف عن المعاملات الاحتيالية، وحتى مساعدة الناس على تعلم اللغات. ولكن كما هي الحال مع أي تكنولوجيا جديدة قادرة على تغيير المجتمع، هناك أيضاً مخاطر محتملة ينبغي لنا أن نعرفها.

في لمحة سريعة، فيما يلي بعض المزايا الرئيسية والعيوب المحتملة للتعلم الآلي:

فائدة	المخاطر
انخفاض التكاليف التشغيلية: قد يساعد الذكاء الاصطناعي والتعلم الآلي الشركات على أتمتة بعض وظائفها، مما يؤدي إلى انخفاض تكاليف التشغيل الإجمالية.	تسريح العمال: نظرًا لأن بعض الوظائف تتم آليًا، فمن المرجح أن يواجه العمال في المجال المتأثر عمليات تسريح للعمال قد تجبرهم على التحول إلى مهنة جديدة أو المخاطرة بالبطالة على المدى الطويل.
تحسين الكفاءة والدقة التشغيلية: أصبحت نماذج التعلم الآلي قادرة على أداء بعض المهام الضيقة بكفاءة ودقة شديدة، مما يضمن إكمال بعض المهام بدرجة عالية في الوقت المناسب.	الافتقار إلى العنصر البشري: النماذج المكلفة بالقيام بمهمة ضيقة للغاية قد تفوت أيضًا العديد من الجوانب "البشرية" للوظيفة التي تعتبر مهمة بالنسبة لها ولكن من المحتمل أن يتجاهلها المطورون.
رؤى محسنة: يتمتع التعلم الآلي بالقدرة على تحديد الاتجاهات والأنماط بسرعة في كميات كبيرة من البيانات التي قد تستغرق وقتًا طويلاً بالنسبة للبشر. يمكن لهذه الأفكار أن تزود الشركات والباحثين والمجتمع ككل بالمعرفة الجديدة التي لديها القدرة على مساعدتهم في تحقيق أهدافهم العامة.	التحيزات المتأصلة: تمامًا مثل البشر الذين أنشأوها، يمكن لنماذج التعلم الآلي أن تظهر تحيزًا بسبب مجموعات البيانات المنحرفة أحيانًا التي تم تدريبهم عليها.