أنواع تعلم الآلة Types of Machine Learning

تتشابه عملية تعليم الآلة وتعليم الطفل فمثلاً عندما نعرض صورة قطة على طفل صغير طبعاً مع إخباره بأنها قطة فسيتعلم أن هذا الشكل يعبر عن قطة كما سيحاول تقريب الصورة في ذهنه وربطها بالواقع بحيث إذا رأى ما يماثل القطة فسيقول بأنها قطة, وكذلك الأمر بالنسبة للآلات حيث تستقبل العديد من النماذج المختلفة من الأشياء وتعتبر هذه البيانات كنوع من العلامات التي تستخدمها الخوارزميات Algorithms لتحسين النموج لديها ومع كل بيانات جديدة يتم إدخالها للنظام يتم تحسين النموذج أكثر ويقلل من احتمالية حدوث أي أخطاء, ولفهم الخوارزميات أكثر يمكننا تعريفها بأنها مجموعة من البرامج توضع بشكل عام وبقواعد عامة لمعالجة البيانات المدخلة وتقوم بإيجاد العلاقات والأنماط بتطبيق معادلات إحصائية ورياضية تستطيع التنبؤ بمخرجات Output جديدة بناءً على البيانات المدخلة Input.
يختلف نوع التعلم الآلي باختلاف نوع الخوارزميات حيث تنقسم إلى:
- التعلم الآلي الخاضع للإشراف Supervised Machine Learning في هذا النوع يتم إعطاء الآلة خبرات سابقة بتقديم الأمثلة الواضحة والمصنفة لها لتتمكن من تنبؤ الأحداث المستقبلية بمعنى أننا قدمنا لها المدخلات والمخرجات أيضاً وهذا كما في المثال السابق فتكون الآلة قادرة على التصنيف Classification والتوقع Regression.
- التعلم الآلي الغير خاضع للإشراف Unsupervised Machine learning وهنا ندخل مجموعة مختلفة من البيانات غير المصنفة اي مدخلات فقط وتقوم الآلة باستنتاج التشابه والاختلاف وبالتالي تكون قادرة على التصنيف فمثلاً بإعطاء صور للآلة حتى تقوم هي بتصنيفها وتجميعها حسب النوع دون إعطائها أية معلومات أو مخرجات فتكون قادرة على التجميع Clustering وتخفيض الأبعاد Dimensionality Reduction كتحويل مثلاً مخطط ثنائي الأبعاد إلى مخطط ببعد واحد فقط وتستخدم هذه الميزة كثيراً في الخرائط ومخططات تعداد السكان.
- التعلم الآلي شبه الخاضع للإشراف Semi-supervised Machine Learning حيث يستخدم البيانات المصنفة وغير المصنفة في تدريب الآلة بمعنى أنه في الوسط بين التعلم الخاضع للإشراف وغير الخاضع للإشراف, باستخدام كمية صغيرة من البيانات المصنفة مع كمية كبيرة من البيانات غير المصنفة مما يساعد على تحسين دقة التعلم بشكل ملحوظ.
- التعلم الآلي المعزز Reinforcement Machine Learning الذي يجعل الآلة قادرة على التفاعل مع البيئة المحيطة واكتشاف الأخطاء بنفسها باعتمادنا على فكرة العقاب والثواب بالنسبة للآلة بمعنى أنها تتعلم الخوارزميات عن طريق التفاعل السلبي والإيجابي مع أي رد فعل تتخذه الآلة ومن خلال ردة الفعل هذه تستطيع الآلة معرفة ما إذا أخطأت أم أصابت فتعمل على تطوير نفسها بنفسها.
وكمثال شائع جداً على النوع الأخير حيث يمكنك أن تلاحظ نوعية المنشورات والأخبار التي تظهر لك في مواقع التواصل الاجتماعي فستجد أن ما تتفاعل معه ويعجبك يظهر لك دائمأً أشياء مشابهة لها لأن البرمجيات استطاعت أن تعلم نفسها بنفسها نوعية المنشورات التي تعجبك واستطاعت تجميع ما يشبهها لتظهر أمامك!
ما هي ردة فعلك؟






