Learn More

ما هو التعلم الآلي ( Machine Learning) ؟ وكيف يعمل؟

دليلك الشامل لتقنية الـ Machine learning

53

الملخص

  1. تعريف التعلم الآلي ML

  2. الفرق بينه وبين التعلم العميق Deep Learning

  3. طريقة عمله

  4. أساليب عمله

  5. أهم تطبيقاته

  6. مستقبله

 

 

تعريف التعلم الآلي Machine Learning

التعلم الآلي
التعلم الآلي

–  التعلم الآلي  هو مجال فرعي من الذكاء الاصطناعي (AI)  والذي يُعرَّف على نطاق واسع بأنه قدرة الآلة على تقليد السلوك البشري الذكي وتحسين دقتها تدريجيًا عن طريق خوارزميات تحدد الأنماط ثم تستخدم هذه الأنماط لإنشاء نموذج بيانات يمكنه من اجراء التنبؤات واتخاذ القرارات داخل التطبيقات والشركات.

 

– مع زيادة هذه البيانات تصبح نتائج التعلم الالي أكثر دقة وهذا يعني انه من الممكن التعرف على مشهد مرئي  وفهم نص مكتوب بلغة طبيعية  أو القيام بعمل ما في العالم المادي، سيزداد طلب السوق على علماء البيانات مما يتطلب منهم المساعدة في تحديد الأسئلة التجارية الأكثر صلة وبالتالي البيانات للإجابة عليها

 

الفرق بين التعلم الآلي والتعلم العميق

Machine Learning VS Deep Learning

التعلم الآلي  ML والتعلم العميق  DL كلها مجالات فرعية للذكاء الاصطناعي AI  ، ومع ذلك  فإن التعلم العميق هو في الواقع مجال فرعي للتعلم الآلي  ومع ذلك  فإن قدراته مختلفة.

 

– الطريقة التي يختلف بها التعلم العميق والتعلم الآلي هي في كيفية تعلم كل خوارزمية ، يقوم التعلم العميق بإتمام جزء كبير من عملية استخراج الميزات  مما يلغي بعض التدخل البشري اليدوي عن طريق شبكات عصبية متعددة الطبقات يمكن للشبكة ذات الطبقات معالجة كميات هائلة من البيانات وتحديد وزن كل رابط في الشبكة مما يمكنه من استيعاب البيانات غير المهيكلة في شكلها الأولي (مثل النصوص والصور) ويمكنه تلقائيًا تحديد مجموعة الميزات التي تميز فئات البيانات المختلفة عن بعضها البعض، التعلم العميق قادر على التعلم من خلال طريقته الخاصة في الحوسبة  وهي تقنية تجعله يبدو وكأنه يمتلك دماغه الخاص.

– على عكس التعلم الآلي تتكون الشبكات العصبية  أو الشبكات العصبية الاصطناعية (ANN) من طبقات عقدة تحتوي على طبقة إدخال  وطبقة مخفية واحدة أو أكثر  وطبقة إخراج كل عقدة  أو خلية عصبية اصطناعية  تتصل بأخرى ولها وزن مرتبطة بها إذا كان ناتج أي عقدة فردية أعلى من القيمة المحددة  يتم تنشيط تلك العقدة  وإرسال البيانات إلى الطبقة التالية من الشبكة وبخلاف ذلك  لن يتم تمرير أي بيانات إلى الطبقة التالية من الشبكة وعلي صعيد أخر،

– يشير العمق في التعلم العميق فقط إلى عمق الطبقات في الشبكة العصبية، يمكن اعتبار الشبكة العصبية التي تتكون من أكثر من ثلاث طبقات  والتي من شأنها أن تشمل المدخلات والمخرجات خوارزمية تعلم عميق

 

 

كيف يعمل التعلم الآلي

 

عملية اتخاذ القرار : بشكل عام  تُستخدم خوارزميات التعلم الآلي لعمل تنبؤ أو تصنيف استنادًا إلى بعض بيانات الإدخال إنه مشابه لكيفية تعلم البشر وتحسين التنبؤ ستنتج عنه الخوارزمية الخاصة بك  تقديرًا لنمط في البيانات فإن القدرة على تطبيق الخوارزميات المعقدة لتطبيقات البيانات الكبيرة بسرعة وفعالية أكبر هي تطور للأحداث.

اكتشاف الخطأ : تعمل وظيفة اكتشاف الخطأ على تقييم النموذج إذا كانت هناك أمثلة معروفة  يمكن لدالة الخطأ إجراء مقارنة وتجمع البيانات لتقييم دقة النموذج ومعرفه الأخطاء بناء علي نماذج موجودة.

عملية تحسين النموذج : إذا كان النموذج يمكن أن يتلاءم بشكل أفضل مع نقاط البيانات في مجموعة التدريب فسيتم تعديل الأوزان لتقليل التناقض بين المثال المعروف وتقدير النموذج ، ستكرر الخوارزمية هذا التقييم وتحسين العملية  وتحديث الأوزان بشكل مستقل حتى يتم استيفاء حد الدقة والوصول لنقطه الانطلاق بأقل أخطاء يمكن توقعها.

طرق التعلم الآلي

التعلم تحت الإشراف Supervised learning

التعلم الخاضع للإشراف هو نهج التعلم الآلي الذي يعمل فيه عالم البيانات كمعلم ويدرب نظام الذكاء الاصطناعي عن طريق تغذية القواعد الأساسية عن طريق جمع البيانات.

– ستتضمن مجموعات البيانات بيانات الإدخال المصنفة ونتائج المخرجات المتوقعة في طريقة التعلم الآلي هذه  يتم إخبار النظام صراحة بما يجب البحث عنه في بيانات الإدخال بعبارات أبسط  تتعلم خوارزميات التعلم الخاضع للإشراف  بالقدوة والارشاد يشار إلى هذه الأمثلة مجتمعة ببيانات التدريب.

– بمجرد تدريب نموذج التعلم الآلي باستخدام مجموعة بيانات التدريب ، يتم إعطاؤه بيانات الاختبار لتحديد دقة النموذج يساعد التعلم الخاضع للإشراف المؤسسات في حل مجموعة متنوعة من مشكلات العالم الحقيقي على نطاق واسع  مثل تصنيف البريد العشوائي في مجلد منفصل عن صندوق الوارد الخاصة بك.

 

تعليم غير مشرف عليه Unsupervised learning

التعلم غير الخاضع للإشراف هو أسلوب تعلم آلي يسمح فيه عالم البيانات لنظام الذكاء الاصطناعي بالتعلم من خلال الملاحظة يساعدك التعلم الآلي غير الخاضع للإشراف في العثور على جميع أنواع الأنماط غير المعروفة في البيانات.

– ستحتوي مجموعة بيانات التدريب على بيانات الإدخال فقط ولا توجد بيانات إخراج مقابلة عند مقارنتها بالتعلم الخاضع للإشراف  تتطلب طريقة التعلم الآلي هذه كميات هائلة من البيانات غير المسماة للمراقبة والعثور على الأنماط والتعلم يمكن أن يكون التعلم غير الخاضع للإشراف هدفًا في حد ذاته  على سبيل المثال اكتشاف الأنماط المخفية في مجموعات البيانات أو طريقة لتعلم الميزات.

 

التعلم شبه الخاضع للإشراف Semi-supervised learning

يوفر التعلم شبه الخاضع للإشراف وسيطًا بين التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف. يستخدم مجموعة بيانات مصنفة أصغر لتوجيه التصنيف واستخراج الميزات من مجموعة بيانات أكبر غير مسماة. يمكن أن يحل التعلم شبه الخاضع للإشراف مشكلة عدم وجود بيانات مصنفة كافية (أو عدم القدرة على تحمل تصنيف بيانات كافية) لتدريب خوارزمية تعلم خاضعة للإشراف.

 

 

تطبيقاته Applications

 

 

1- التواصل الاجتماعي Social Media

 

يعتمد التسويق الرقمي على المعلومات الجيدة عن طريق خوارزميات ومناهج التعلم الآلي لإنشاء بعض الميزات الجذابة علي سبيل المثال يتعلم التعلم الآلي من تجربتك الخاصة ويكوِّن أصدقاء ويقترح صفحات لملفك الشخصي  ويرشدك ما هي سطور موضوع البريد الإلكتروني الأكثر فعالية وأين يجب أن ننفق ميزانيتنا الإعلانية.

 

– كلما زادت معرفتك كان أداء حملاتك أفضل  على الرغم من أن الواجهة سهلة الاستخدام تمامًا وتبدو مريحة في الواجهة الأمامية إلا أن العملية برمتها في الواجهة الخلفية معقدة للغاية.

 

2- الرعاية الصحية HealthCare

ربما تكون الرعاية الصحية هي القطاع الذي سيكون فيه تأثير الذكاء الاصطناعي معجزة، يمكن أن يلعب التعلم الآلي دورًا مهمًا في التنبؤ بوجود أو عدم وجود اضطرابات حركية وأمراض القلب والسرطان وأمراض الرئة وغير ذلك عن طريق جعل الآلات والخوارزميات أكثر كفاءة وموثوقية.

– تعتمد الرعاية الصحية بشكل كبير على التدخل اليدوي والمهنيين ذوي المهارات العالية ولكن في عالم اليوم يمكّننا التعلم الآلي من اتخاذ قرارات قائمة على البيانات يمكن أن تمنع الأمراض وتساعد في تشخيص أفضل للمرضى واكتشاف أسرع للأسباب الجذرية مع العلم انه لا تتمثل مهمة الجهاز في استبدال الطبيب بل مساعدته على تقديم خدمة ورعاية طبية أفضل.

 

 

3- الماليات Finances

أصبح التعلم الآلي في مجال التمويل أكثر بروزًا مؤخرًا بسبب توفر كميات هائلة من البيانات وقوة حوسبة ميسورة التكلفة في الاقتصاد الرقمي  يساعد التعلم الآلي البنوك والمؤسسات المالية الأخرى على الحماية من عمليات الاحتيال وغسيل الأموال والكشف المالي غير القانوني لتبسيط عملياتها وتقليل المخاطر والاكتتاب في القروض من بين أشياء أخرى

 

 

4- محركات البحث SEO

تستخدم محركات البحث مثل Google خوارزميات التعلم الآلي لتحسين نتائج البحث تتبع الخوارزميات استجابتنا للنتائج التي تظهر لنا ،على سبيل المثال إذا كانت النتائج التي تم إنشاؤها فعالة ومفيدة للمستخدم فسيظل المستخدم على صفحة الويب لفترة طويلة  وهذا من شأنه أن يساعد محركات البحث في معرفة أن النتائج التي تم إنشاؤها تتوافق مع الاستعلام يمكن أن تحصل على مرتبة أعلى عندما تكون الصفحة تحتوي على العديد من مثيلات نفس الكلمة الرئيسية للبحث هذا إذا علم محرك بحث Google أن الصفحة الثانية لا ترضي القصد الحقيقي للباحث.

 

مسقبل التعلم الألي Machine Learning

 

اليوم  بدأت تقنيات التعلم الآلي في الانتشار في مجموعة متنوعة من البيئات المتخصصة تبحث الشركات عن تقنيات التعلم الآلي لمساعدتها على توقع المستقبل وخلق تمايز تنافسي في مستقبل التعلم الآلي ستبدأ في رؤية نماذج التعلم الآلي المضمنة في أي تطبيق تقريبًا وعلى مجموعة متنوعة من الأجهزة

– بما في ذلك الأجهزة المحمولة ومراكز إنترنت الأشياء في كثير من الحالات ، لن يعرف المستخدمون أنهم يتفاعلون مع نماذج التعلم الآلي. كما في مواقع البيع بالتجزئة والإعلانات عبر الإنترنت في كلتا الحالتين غالبًا ما تُستخدم نماذج التعلم الآلي لتوفير تجربة أكثر كفاءة للمستخدمين.

 

أخيرا إذا اعجبك المقال قم بمشاركتة مع اصدقائك

Leave A Reply

Your email address will not be published.