بقلم سوبر نيرو
فيما يتعلق بالتعلم الآلي، يجب أن يكون جميع المحاربين القدامى على دراية به.ومن بين التفسيرات العديدة لمفهوم التعلم الآلي، أطلقت كاسي كوزيركوف، كبيرة مهندسي استخبارات القرار في جوجل، عليه اسم "آلة تصنيف الأشياء"، وهو فهم مثير للاهتمام.
التعلم الآلي هو في الأساس آلة تصنيف الأشياء
بالإضافة إلى كونها مهندسة استخبارات القرار الرئيسية في جوجل، فإن كاسي كوزيركوف الجميلة هي أيضًا إحصائية وخبيرة في علم الأعصاب.
إن فهمها للتعلم الآلي يختلف عن وجهة النظر السائدة بشكل عام. وتعتقد أن التعلم الآلي قد لا يكون سحريًا كما يقول الخبراء، ولا هو السبب الرئيسي لجذب 30 مليار دولار من رأس المال الاستثماري إلى مجال الذكاء الاصطناعي، ولا هو عميق كما يقول موقع Hacker News أو Zhihu.
في رأي الآنسة كاسي كوزيركوف، فإن ما ورد أعلاه عبارة عن تفسيرات مكتوبة للتعلم الآلي. في سيناريوهات التطبيق الفعلية، يعد التعلم الآلي بمثابة "آلة تصنيف الأشياء". من خلال تسجيل وصفك ووضع العلامات عليه وفقًا لذلك، يمكنك توجيه الإجراء التالي للكمبيوتر.
التعلم الآلي أكثر عملية من الخيال العلمي
التعلم الآلي هو جزء من الذكاء الاصطناعي وأحد التقنيات الرئيسية لتحقيق الذكاء الاصطناعي. في الوقت الحالي، تعتمد معظم منتجات الذكاء الاصطناعي الموجودة في السوق بشكل أساسي على التعلم الآلي، لذا فإن العديد من الأشخاص يعتبرون هذين المفهومين متماثلين.
لقد تحول خيال الخيال العلمي حول الذكاء الاصطناعي دون وعي أيضًا إلى التعلم الآلي. على سبيل المثال، يستطيع جارفيس، مساعد الذكاء الاصطناعي لآيرون مان في فيلم "آيرون مان"، تحديد مكان المجرمين على الفور في شارع غير معروف في بلد ناءٍ. في الواقع، من الصعب على التعلم الآلي تحقيق المشاهد في أفلام الخيال العلمي، وحتى الذكاء الاصطناعي الحالي غير قادر على تحقيقها.
في الوقت الحاضر، سواء كان الأمر يتعلق بالذكاء الاصطناعي أو التعلم الآلي، يتم استخدامها على نطاق واسع لتحسين كفاءة عمل الكمبيوتر وتوسيع سيناريوهات التطبيق. يمكن استخدامها لمعالجة مشاريع البيانات الضخمة وحل بعض المهام الإجرائية. وبالمقارنة مع أفلام الخيال العلمي، فإنها تركز أكثر على الجانب العملي.
على سبيل المثال
فيما يلي صورة لقطة، والتي يمكن للدماغ البشري التعرف عليها بسهولة من خلال الحواس والتجارب المختلفة، ولكن هذا يتطلب الكثير من "الأنشطة العقلية" لجهاز الكمبيوتر.
تم تكليف جهاز كمبيوتر بمهمة: تصنيف (أو وضع علامة) على صورة على أنها قطة/ليست قطة؟ ستمنحك أنظمة التعلم الآلي وطرق البرمجة التقليدية تجربتين تشغيليتين مختلفتين.
في نهج البرمجة التقليدي، يفكر المبرمجون البشريون بعناية في وحدات البكسل والعلامات، ويتواصلون مع الآخرين، ويلهمون الأفكار، وأخيرًا يقومون ببناء النماذج يدويًا.
النموذج هو مجموعة من التعليمات التي يجب على الكمبيوتر اتباعها لتحويل بيانات البكسل إلى تسميات يمكن للكمبيوتر التعرف عليها. هذه التعليمات هي مجرد بعض الرموز التي يستخدمها الكمبيوتر لتحويل المدخلات إلى مخرجات، ويمكن كتابتها يدويًا بواسطة مبرمج أو استخلاصها من البيانات من خلال خوارزمية.
دعونا نأخذ مثالا أكثر تعقيدا.
كيفية استخدام الكود لوصف كل كتلة بكسل موجودة في هذه الصورة؟
وهذا أمر صعب جدًا على الدماغ البشري. يمكن للدماغ البشري التعرف على الصورة، لكن من الصعب تشفير كتل البكسل في الصورة. لذلك، فإن قيام الدماغ البشري بتوجيه الكمبيوتر للتعرف على الصورة ليس فقط عملية شاقة ومعقدة للغاية، بل وغير عملية أيضًا.
ولذلك، فمن الصعب تطبيق أساليب البرمجة التقليدية في مجال التعرف على الصور.
لكن التعلم الآلي يمكن أن يحل هذه المشكلة بشكل جيد للغاية. إنه نموذج برمجة مختلف تماما. يمكن برمجته من خلال تقنية تشبه التصنيف دون الحاجة إلى تعليمات صريحة.التفسير الرسمي هو: العثور على أنماط ثابتة في البيانات وتحويلها إلى تعليمات.
باستخدام الصورة أعلاه كمثال، سوف يقوم التعلم الآلي بدمج جميع البيانات ذات الصلة، وتلخيص مجموعة من أمثلة "ليست قطة"، ومجموعة من أمثلة "قطة"، ثم إعادة تصنيفها وفقًا للميزات ذات الصلة حتى يتم تحديد "قطة/ليست قطة".
يمكن للتعلم الآلي التعبير عن العديد من الأشياء التي لا يمكن التعبير عنها بلغة الكمبيوتر. وهذا يعني أننا لسنا بحاجة إلى إعطاء تعليمات محددة للكمبيوتر للحصول على النتائج التي نريدها.
وهذا أيضًا هو الغرض الرئيسي الذي تم من أجله إنشاء الذكاء الاصطناعي والتعلم الآلي، وهو تفسير النوايا البشرية دون الحاجة إلى تعليمات.
لقد أدى هذا التحول إلى جعل أجهزة الكمبيوتر أكثر ذكاءً، وقادرة على حل العديد من المشاكل التي لا يستطيع حلها إلا العقل البشري. وهذه قفزة نوعية في التكنولوجيا البشرية، وإشارة إلى أن علوم الكمبيوتر تفتح بابًا جديدًا.