ما هو التعلم الآلي؟
التعلم الآلي هو فرع من فروع الذكاء الاصطناعي يتضمن الكمبيوتر وحساباته. في التعلم الآلي ، يتم إعطاء نظام الكمبيوتر بيانات أولية ، ويقوم الكمبيوتر بإجراء العمليات الحسابية بناءً عليها. الفرق بين الأنظمة التقليدية لأجهزة الكمبيوتر والتعلم الآلي هو أنه مع الأنظمة التقليدية ، لم يقم المطور بدمج رموز عالية المستوى من شأنها أن تميز بين الأشياء. لذلك ، لا يمكنها إجراء حسابات كاملة أو مصقولة. ولكن في نموذج التعلم الآلي ، فهو نظام دقيق للغاية مدمج مع بيانات عالية المستوى لإجراء حسابات متطرفة إلى المستوى الذي يتطابق مع الذكاء البشري ، لذلك فهو قادر على عمل تنبؤات غير عادية. يمكن تقسيمها على نطاق واسع إلى فئتين محددتين: خاضعة للإشراف وغير خاضعة للإشراف. هناك أيضًا فئة أخرى من الذكاء الاصطناعي تسمى شبه الخاضع للإشراف.
ML تحت إشراف
مع هذا النوع ، يتم تعليم الكمبيوتر ما يجب القيام به وكيفية القيام بذلك بمساعدة الأمثلة. هنا ، يتم إعطاء الكمبيوتر كمية كبيرة من البيانات المصنفة والمنظمة. أحد عيوب هذا النظام هو أن الكمبيوتر يتطلب كمية كبيرة من البيانات ليصبح خبيرًا في مهمة معينة. تذهب البيانات التي تعمل كمدخلات إلى النظام من خلال الخوارزميات المختلفة. بمجرد اكتمال إجراء تعريض أنظمة الكمبيوتر لهذه البيانات وإتقان مهمة معينة ، يمكنك تقديم بيانات جديدة لاستجابة جديدة ومكررة. تشمل الأنواع المختلفة من الخوارزميات المستخدمة في هذا النوع من التعلم الآلي الانحدار اللوجستي ، والجيران الأقرب لـ K ، والانحدار متعدد الحدود ، والخلايا الساذجة ، والغابات العشوائية ، وما إلى ذلك.
ML غير الخاضعة للرقابة
مع هذا النوع ، لا يتم تصنيف البيانات المستخدمة كمدخلات أو تنظيمها. هذا يعني أنه لم يطلع أحد على البيانات من قبل. هذا يعني أيضًا أنه لا يمكن توجيه الإدخال إلى الخوارزمية أبدًا. يتم تغذية البيانات فقط إلى نظام التعلم الآلي واستخدامها لتدريب النموذج. يحاول العثور على نمط معين وإعطاء الرد المطلوب. الفرق الوحيد هو أن العمل يتم بواسطة آلة وليس بواسطة إنسان. بعض الخوارزميات المستخدمة في هذا التعلم الآلي غير الخاضع للإشراف هي تحلل القيمة المفردة ، والتجميع الهرمي ، والمربعات الصغرى الجزئية ، وتحليل المكون الرئيسي ، والوسائل الغامضة ، وما إلى ذلك.
تعزيز التعلم
التعزيز ML مشابه جدًا للأنظمة التقليدية. هنا ، تستخدم الآلة الخوارزمية للعثور على البيانات من خلال طريقة تسمى التجربة والخطأ. بعد ذلك ، يقرر النظام نفسه الطريقة الأكثر فاعلية مع النتائج الأكثر كفاءة. هناك ثلاثة مكونات أساسية متضمنة في التعلم الآلي: الوكيل ، والبيئة ، والإجراءات. الوكيل هو المتعلم أو صانع القرار. البيئة هي الجو الذي يتفاعل معه الوكيل ، وتعتبر الإجراءات العمل الذي يقوم به الوكيل. يحدث هذا عندما يختار الوكيل الطريقة الأكثر فعالية ويتابع بناءً على ذلك.
