ما هو التعلم الآلي؟ شرح بسيط

التعلم الآلي هو التقنية وراء معظم "الذكاء الاصطناعي" الذي يتفاعل معه الناس يومياً — مرشحات البريد المزعج، ومحركات التوصيات، وكشف الاحتيال، وغير ذلك الكثير. فهم كيفية عمله بشكل تقريبي يزيل الغموض عن الكثير مما يُصنف على أنه "سحر الذكاء الاصطناعي".

التعلم من الأمثلة، وليس القواعد

تخيل أنك تحاول تعليم جهاز كمبيوتر التعرف على البريد الإلكتروني المزعج من خلال كتابة قواعد دقيقة: "إذا كان يحتوي على كلمة 'مجاني' وثلاث علامات تعجب، فهو بريد مزعج." هذا يفشل بسرعة — فالبريد المزعج يتطور، ورسائل البريد الإلكتروني المشروعة تحتوي أحياناً على نفس الكلمات، ولا يمكن لأي مجموعة قواعد ثابتة مواكبة ذلك.

يتبع التعلم الآلي نهجاً مختلفاً: أظهر للنظام آلاف الأمثلة من البريد المزعج والبريد المشروع، المُصنفة بشكل صحيح مسبقاً، ودعه يكتشف الأنماط الأساسية بنفسه — أنماط أكثر دقة بكثير من أي نمط يمكن أن يفكر الإنسان في كتابته يدوياً.

عملية التدريب الأساسية

1. جمع البيانات — جمع العديد من الأمثلة ذات الصلة بالمهمة
2. تصنيفها (للعديد من الأساليب) — وضع علامة على الإجابة الصحيحة لكل مثال
3. تدريب النموذج — يقوم النظام بضبط نفسه بشكل متكرر ليتحسن في مطابقة الإجابات المُصنفة
4. اختباره — التحقق من مدى أدائه الجيد على أمثلة جديدة لم يرها من قبل
5. نشره — استخدام النموذج المدرب لعمل تنبؤات على بيانات جديدة حقيقية

التعلم الآلي مقابل البرمجة التقليدية

البرمجة التقليدية: إدخال القواعد، وإخراج الإجابات. أنت تكتب المنطق، ويتبعه الكمبيوتر بدقة. التعلم الآلي: إدخال البيانات + الإجابات، وإخراج القواعد. يعمل النظام بشكل أساسي بشكل عكسي — بإعطاء أمثلة كافية من المدخلات والمخرجات الصحيحة، يستنتج "قواعده" الداخلية الخاصة به، والتي غالباً ما تكون معقدة جداً لدرجة أن الإنسان لا يمكنه كتابتها أو حتى فهمها بالكامل.

لماذا تهم جودة البيانات كثيراً

نموذج التعلم الآلي جيد فقط بقدر جودة البيانات التي يتعلم منها. البيانات المتحيزة أو غير الكاملة أو غير الممثلة تنتج نموذجاً يقوم بتنبؤات متحيزة أو غير صحيحة — وهو قيد مهم حقاً يجب فهمه، وليس مجرد ملاحظة تقنية.

الأسئلة الشائعة

قراءات ذات صلة