مبادئ عامة

[مقدمة في الذكاء الاصطناعي] : 4- ماهو “تعلم الآلة Machine Learning” ؟

“تعلم الآلة” أو “Machine Learning”  يُعتبر أساس الذكاء الاصطناعي

 

وكما هو ظاهر من الاسم, تعلم الآلة هو تقنية يتم من خلالها تدريب “برنامج” على بعض البيانات

وهذا “البرنامج” يتعلم من التدريب الذي نطبقه عليه باستخدام البيانات وبعدها نستخدم البرنامج الذي تم تدريبه ليقوم بـ “توقعات” لبيانات اخرى غير التي استخدمناها لتدريبه .

 

والمفتاح لهذه العملية هو فهم أن الكومبيوترات ممتازة جداً بشيء واحد ألا وهو القيام بالعمليات الحسابية .

لجعل الكومبيوتر يقوم بتوقعات ذكية من البيانات, نحن فقط نحتاج طريقة لتدريبه على القيام بالعمليات الحسابية الصحيحة والمناسبة!

 

نبداً بجمع بعض البيانات التي نعرف مسبقاً نتائجها , وتدعى بالـ “مشاهدات Observations”

وكل “مشاهدة” لها خصائص عددية تحدد شكل ومعنى المعلومة التي نتعامل معها .

ولنسمها فرضاً بـ X

 

بشكل عام, لدينا بعض القيم التي نحاول توقعها , ولنسمها Y .

ونستخدم هذه البيانات لتدريب برنامجنا بحيث أن يتمكن من حساب قيمة  Y من الخصائص العددية لـ X

وبشكل مبسط جداً , نحن نقوم بإنشاء دالة تقوم بمجموعة عمليات حسابية على X لتنتج لنا توقعات , ألا وهي Y

 

بشكل عام, يوجد نوعان لـ “تعلم الآلة” :

  •  التعلم بإشراف Supervised Learning
  •  التعلم بدون إشراف Unsupervised Learning

 

في حالة “التعلم بإشراف”, نبدأ بالمشاهدات التي تتضمن قيم/نتائج معروفة مسبقاً للمتغير الذي نريد أن نتوقع قيمته, وندعوها بـ “التصنيفات Labels”

على سبيل المثال :

 

تفاحفاكهة

موزفاكهة

خسخضار

 

حيث ما باللون الأحمر هي “بيانات”, وما باللون الأخضر هي “تصنيفات”

نحن لدينا البيانات ولكن نريد من البرنامج أن يخبرنا/يتوقع لنا إلى أي تصنيفات تتبع هذه البيانات كل واحدة منها .

 

الآن , باعتبار أننا بدأنا ببيانات تتضمن التصنيفات الخاصة بها, سوف ندرب برنامجنا باستخدام فقط بعض هذه البيانات وسوف نبقي بعضها الآخر لكي نقوم بتجريبها على البرنامج لنستطيع تقييم مدى دقته وأدائه .

نقوم باستخدام إحدى خوارزميات تعلم الآلة التي تقوم بـ “ملائمة Fit” خواص هذه البيانات, كلٍ على حدى ووضعها في تصنيفها المعروف مسبقاً

 


ملاحظة: نحن هنا بداية نقوم بتدريب وتعليم البرنامج ولذلك نستخدم بيانات معروفة تصنيفاتها (مداخلها ومخارجها) أي الـX و الـY أما بعد اكتمال التدريب, لنختبر البرنامج بالتأكيد سنستخدم بيانات لانعلم تصنيفاتها (مخارجها) , أي فقط نعلم الـX والبرنامج سوف يتوقع لنا قيمة الـY


 

ونقوم باختبار مدى دقة البرنامج والخوارزمية التي استخدمناها عن طريق مقارنة التصنيفات/النتائج التي توقعها البرنامج, مع التصنيفات التي نعرفها مسبقاً عن هذه البيانات.

 

أما في حالة “التعلم بدون إشراف” , لاندخل للبرنامج بيانات معروفة تصنيفاتها مسبقاً , بل نعطيه بيانات لانعلم تصنيفاتها وتقوم الخوارزمية وحدها بإيجاد التشابهات الموجودة بين “المشاهدات” .

وبعد أن ندرب البرنامج , يتم وضع كل مشاهدة في كتلة من المشاهدات التي لها خصائص متشابهة .

 

هذا الدرس احتوى على العديد من المفاهيم الجديدة والمصطلحات المبسطة مع مراعاة دقتها العلمية , قد يكون من الصعب استيعابه مباشرة من قراءة سريعة ولذلك نرحب بكل الأسئلة هنا على التعليقات .

 

 

    – فراس معن

اترك تعليقاً