مفاهيم الذكاء الاصطناعي | الوحدة الثانية | الدرس الأول

تعلم الآلة

يعتبر تعلُّم الآلة أحد أهم المجالات الفرعية لتقنيات الذكاء الاصطناعي نظرًا لقدرته على التعميم، فيمكنه تحليل البيانات ثم اكتشاف الأنماط.

ومن خلال ذلك بإمكانه التعامل مع البيانات الجديدة، ثم توفير رؤى جديدة معتمدًا على الأنماط الموجودة في البيانات المستخدمة لتدريب النموذج.

يُشبه الأمر قيام المعلم بشرح بعض التمارين للطالب، ومن ثمَّ بإمكان الطالب حل مجموعة مشكلات جديدة دون توجيه من المعلم.

مفاهيم الذكاء الاصطناعي

ما الذي يُمكِن أن تتعلمه الآلة؟

يُمكِن للآلة أن تتعلم استخراج الأنماط والرؤى من كميات البيانات الكبيرة من خلال الإشراف عليها عن طريق المُبرمِج في البداية، حيث يوجِّه المُشرِف النموذج في البداية من خلال البرمجة الدقيقة للوصول إلى النتائج المرجوة، وبعد الانتهاء من مرحلة التدريب يكتسب النموذج قدرة جديدة، وتصبح البيانات هي ما يوجِّه النموذج إلى النتائج والرؤى الأحدث.

معلومة

للمزيد من المعلومات، بإمكانك زيارة الموقع الخاص بالهيئة السعودية للبيانات والذكاء الاصطناعي http://sdaia.gov.sa.

أنواع تعلُّم الآلة

التعلم الموجه (Supervised Learning)

في التعلُّم الموجَّه، يُغذي المُستخدِم الخوارزمية ببيانات تاريخية أو بيانات تدريبية، وتحاول التنبؤ بالقيم الجديدة للبيانات التي لم يتم إدخالها في الخوارزمية بعد، وتسمى هذه البيانات أيضًا بيانات الاختبار.

توجد طريقتان للتعلُّم الموجَّه: تحليل الانحدار (Regression analysis) يتم استخدامه لتوقُّع رقم مثل السعر المستقبلي للأسهم، وتحليل التصنيف (Classification analysis) يتم استخدامه لتعيين بيانات إلى فئة محدَّدة مثل تصنيف صورة معيَّنة على أنها قارب أو سفينة.

التعلم غير الموجه (Unsupervised Learning)

في التعلُّم غير الموجَّه، توجد لديك كميات كبيرة من البيانات غير مسمّاة ولا يمكِن إجراء تنبؤ أو تحليل انحدار لها.

ومع ذلك بإمكانك العثور على أنماط في البيانات غير المهيكلة من خلال المراقبة والتجميع.

تَستخدِم شركات البيع بالتجزئة الكبرى نماذج التعلُّم غير الموجَّه لتصنيف عملائها حسب المشتريات التي يفضلونها وذلك لتحسين حملات التسويق والمبيعات.

التعلم التعزيزي (Reinforcement Learning)

في التعلُّم التعزيزي، لا يتم إعطاء الخوارزمية بيانات الإدخال، ولكن يتفاعل الوسيط (برنامج جهاز الحاسب) مع البيئة لتحديد بيانات الإدخال المناسبة.

يحتاج الوسيط للوصول إلى الحالة النهائية أو الرابحة، ويتم ذلك من خلال إجراء سلسلة من الحلقات المستمرة؛ للحصول على المكافآت الصغيرة أو العقوبات، وتعتبر لعبة الشطرنج مثال على هذا النوع من الخوارزميات.