نبذة عن تعلم الآلة
تعلم الآلة فرع من علوم الحاسوب، فيه تتعلم الآلات كيف تقوم بمهمات لم تبرمَج عليها بشكل مباشر.
بعبارة أخرى: تلاحظ الآلات النمط وتحاول أن تقاربه على نحوٍ مباشرٍ أو غير مباشر.
والمباشر وغير المباشر هنا تعبير آخر عن النوعين الأساسيين لتعلم الآلة: تعلم الآلة المُوجّه، وتعلم الآلة غير الموجّه.
تعلم الآلة الموجه هو المقاربة المباشرة لنمط بين مجموعتين من البيانات. تكون فيه المحاولة دائمًا من أجل أخذ مجموعة بيانات الدخل وتحويلها إلى مجموعة بيانات الخرج. هذه القدرة يمكن استخدامها على نحو مفيد جدًّا وقويٍّ جدًّا.
أمثلة على تعلم الآلة
فكر في هذه الأمثلة:
- استعمال بكسلات صورة من أجل معرفة وجود قطّة فيها أو عدم وجودها.
- استعمال الأفلام التي أحببتها لمعرفة الأفلام التي يمكن أن تحبها.
- استعمال كلمات أحدٍ لتعرف هل هو سعيد أو حزين.
- استعمال حساسات الطقس لتعرف إمكانية هطل الأمطار.
- استعمال حساسات محرك السيارة لتوقع أفضل طريقة لقيادتها.
- استعمال الأخبار لمعرفة أسعار البورصة في الغد.
- استعمال رقم لتوقع رقمٍ يساوي ضعفي حجمه.
- استعمال ملف صوتيّ لتوقع الكلام الذي يقال فيه وكتابته.
كل هذه أمثلة على تعلم الآلة. في جميع الأحوال، تحاول خوارزمية تعلم الآلة أن تقارب النمط الرابط بين مجموعتين من البيانات على نحوٍ تستطيع فيه استخدام واحدة منهما لمعرفة الأخرى.
تخيل أنك في كل مثال من هذه الأمثلة تستطيع أن تتوقع مجموعة البيانات الثانية بمعرفة الأولى فقط. إنها قدرة عجيبة.
تعلم الآلة الموجه
تعلّم الآلة الموجه طريقة لتحويل مجموعة بيانات إلى مجموعة بيانات أخرى.
فعلى سبيل المثال، إذا كان عندك أسعار سوق البورصة أيام الاثنين وأيام الثلاثاء للسنوات العشر الفائتة، قد تساعدك خوارزمية تعلم آلة موجه في توقع سعر يوم الثلاثاء إذا أدخلت إليها سعر يوم الاثنين.
وهذا مفيد من جهة أنك تدخل إليه ما تعرفه، فيعطيك ما تريد أن تعرفه. هذا يسمح لتعلم الآلة الموجه أن يغني القدرات الإنسانية والذكاء الإنساني بألف طريقة.
ينتهي معظم عمل تعلم الآلة إلى تدريب مصنّف موجَّه بطريقة أو بأخرى. وحتى تعلم الآلة غير الموجه (الذي سنتكلم عنه في الفقرة القادمة) يكون ليدعم تطور خوارزمية تعلم آلة موجه.
تعلم الآلة غير الموجه
يشترك تعلّم الآلة غير الموجه مع تعلّم الآلة الموجه في شيء واحد: يحول مجموعة بيانات إلى مجموعة بيانات أخرى. ولكنه يختلف عن سابقه في أن مجموعة البيانات الهدف غير معلومة من قبل أو غير مفهومة.
ولكن خلافًا للتعلم الموجه، ما من إجابة صحيحة هنا تحاول أن تجبر النموذج على أن يصل إليها. كل ما تفعله هو أن تقول للخوارمية: جِدي الأنماط في هذه البيانات وأخبريني عنها.
فعلى سبيل المثال، من أنواع التعلم غير الموجه تصنيف مجموعة بيانات في عناقيد. يحول التصنيف مجموعة من النقاط إلى سلسلة من العناقيد المتسلسلة.
فإذا تعلمت عشر عناقيد، فالشائع أن تسمي هذه العناقيد بأرقام من 1 إلى 10. كل عقدة بيانات تعطى رقمًا يعبّر عن العنقود الذي يحتويها. ومن هنا تتحول مجموعة البيانات من مجموعة عقَد إلى مجموعة عناقيد.
ولكن لم تسمّى الفئات بأرقام؟ لا تخبرك الخوارزمية ما مفهوم كل عنقود. فمن أين لها أن تعرف هذا؟ كل ما تقوله هو: «أيّها العالم! لقد وجدت هذه البنية. يبدو أن بياناتك تنقسم إلى عناقيد. إليك هذه العناقيد».
والجميل في الأمر: أن فكرة التصنيف هذه يمكنك أن تجعلها في ذهنك تعريفًا للتعلم غير الموجه. ومع أن للتعلم غير الوجه أنواعًا عديدة، فإنها كلها يمكن أن تُرى على أنها تصنيف.
التعلم بالتجربة والخطأ أو التعلم بالعدّ والاحتمال
شرحنا في الفقرتين الماضيتين تقسيم خوارزميات تعلم الآلة إلى خوارزميات تعلم موجه وخوارزميات تعلم غير موجه.
الآن سنناقش نوعًا آخر من تصنيف خوارزميات تعلم الآلة: البارامترية واللابارامترية.
وهكذا نرى أنه لخوارزميات تعلّم الآلة أربعة أنواع. كل خوارزمية تكون موجهة أو غير موجهة، وبارامترية أو لا بارامترية.
فإن كان التوجيه متعلقا بنوع النمط المتعلَّم، فإن البارامترية متعلقة في طريقة تخزين التعلم وطريقة التعلم.
فلنلقِ أوّلًا نظرة على التعريفات الرسمية للبارامترية واللابارامترية.
- النموذج البارامتري: يحدد فيه عدد محدد من البارامترات.
- أما النموذج اللابارامتري فعدد البارامترات فيه لانهائي، تحدده البيانات.
ولكن في الحقيقة لا تزال هذه التعريفات محل نقاش.
مقالات مقترحة
يحاول تعلم الآلة أن يبرمج الحواسيب بخوارزميات تجعلها تتعلم إنجاز مهام لم تبرمج عليها، ولئن كان هذا المجال حديثًا في علوم الحاسوب فإنه قد تطوّر تطوّرًا كبيرًا في السنين الماضية.
