مقدمة

التعلم الآلي (Machine Learning) أو تعليم الآلة: هو نوع من الذكاء الاصطناعي يساعد أجهزة الكمبيوتر والأنظمة على التعلم من البيانات دون الحاجة إلى برمجتها بشكل صريح ومسبق. يتضمن إنشاء خوارزميات ونماذج يمكنها تحليل البيانات تلقائياً والعثور على الأنماط وإجراء تنبؤات أو قرارات بناء على تلك الأنماط.

للبدء بالتعلم الآلي، نحتاج إلى تزويد الخوارزمية بالكثير من البيانات ذات العلاقة، تكون بمثابة مرجع لمقارنتها مع البيانات الجديدة لإجراء تنبؤات أو اتخاذ قرار. فمثلاً اذا قمنا بعرض عشر صور مختلفة لكتب على طفل، وقلنا له انه هذه تسمى كتب. لو قمنا الآن بعرص صورة جديدة لكتاب مختلفة قليلاً عن سابقاتها، فغالباً سيقوم الطفل بالتعرف عليها على انها كتاب. وهكذا كلما عرضنا عليه صور لكتب مختلفة أكثر كلما زادت دقة قدرته على التعرف عليها.

أنواع التعلم الآلي

هناك أنواع مختلفة من مناهج التعلم الآلي. في التعلم الخاضع للإشراف، يتعلم الكمبيوتر من الأمثلة المصنفة حيث يتم توفير المخرجات المطلوبة جنبا إلى جنب مع بيانات الإدخال. في التعلم غير الخاضع للإشراف، الهدف هو العثور على أنماط أو علاقات في البيانات غير المصنفة.

مجالات التعلم الآلي

يستخدم التعلم الآلي في مجالات مختلفة مثل: المركبات ذاتية القيادة، واكتشاف عمليات الاحتيال، ومعالجة اللغة، والتعرف على الصور والكلام، وأنظمة التوصية أو النصح. يساعد التعلم الآلي على أتمتة المهام واكتساب رؤى من قواعد البيانات الكبيرة، واتخاذ قرارات مبنية على معلومات وتسريع وتطوير العديد من الأعمال.

أمثلة على التعلم ألآلي

لنلق نظرة على بعض الأمثلة لفهم التعلم الآلي بشكل أفضل.

تخيل أنك تريد إنشاء عامل تصفية البريد الإلكتروني العشوائي (سبام). بدلا من قواعد البرمجة بشكل صريح ومسبق، يمكنك استخدام التعلم الآلي لتدريب عامل التصفية على مجموعة بيانات من رسائل البريد الإلكتروني غير المرغوب فيها وغير العشوائية. تتعلم الخوارزمية من الأنماط الموجودة في ميزات البريد الإلكتروني، وتنشئ نموذجا للتنبؤ بما إذا كان البريد الإلكتروني بريداً عشوائياً أم لا.

في مثال آخر، افترض أن صاحب العمل هو بائع تجزئة يريد تحسين توقعات المبيعات. باستخدام التعلم الآلي، يمكنك تحليل بيانات المبيعات السابقة، جنبا إلى جنب مع عوامل مثل: العروض الترويجية والموسمية والتسعير والتأثيرات الخارجية مثل: الطقس أو المؤشرات الاقتصادية. تتعلم الخوارزمية من البيانات لإنشاء نموذج تنبؤ يمكنه تقدير المبيعات المستقبلية بناء على الأنماط المكتسبة. يساعد هذا الشركة على اتخاذ قرارات مهمة بشأن إدارة المخزون وتخصيص الموارد واستراتيجيات التسويق.

أحد الأمثلة الشائعة هو التعرف على الصور: تدريب الآلة على التعرف على الصور تماماً كما يفعل البشر. يتم استخدامه في مجموعة كثيرة من التطبيقات، مثل التعرف على الوجه والسيارات ذاتية القيادة والتشخيص الطبي وغيرها.

يتكون تعلم الألة حول كيفية التعرف على الصور من المراحل التالية:

• جمع البيانات: يتم تجميع مجموعة بيانات ضخمة من الصور المصنفة ذات العلاقة، مع تعيين كل صورة لفئة معينة. على سبيل المثال، إذا كانت المهمة هي التمييز بين أنواع الزهور، فستتضمن مجموعة البيانات صورا لأزهار مختلفة مع الفئات المصاحبة.
• المعالجة المسبقة: تتم معالجة الصور التي تم الحصول عليها مسبقا لتحسين جودتها وتقليل التشوه وتوحيد المدخلات. مثل تغيير الحجم والفلترة.
• تدريب النموذج: لتدريب نموذج التعرف على الصور، يقوم النموذج بضبط معلوماته الداخلية لتعلم كيفية تحديد الأنماط والسمات التي تميز فئة عن أخرى. أي أنه يقوم ببناء مرجع للمقارنة.
• التحقق من الصحة والضبط: يتم استخدام مجموعة بيانات التحقق لتأكيد تقييم أداء النموذج المدرب وتحديد مجالات التحسين.
• نشر النموذج: بمجرد أن يظهر النموذج أداءً مقبولاً، يتم استخدامه للتعرف على الصور في العالم الحقيقي. يتم تغذية النموذج المدرب بصور جديدة، مما يولد تنبؤات أو احتمالات لكل فئة. حيث يتم التعرف على الصور اعتماداً على الاحتمالات. وكلما زادت البيانات المدخلة زادت دقة التنبؤ، تماماً كما في مثال الطفل أعلاه.

يحتوي التعرف على الصور باستخدام التعلم الآلي على مجموعة واسعة من التطبيقات، بما في ذلك:

• التعرف على الأشياء: تحديد وتصنيف الأشياء داخل الصور، مثل أنواع مختلفة من الحيوانات أو السيارات أو الأشياء العادية.
• التعرف على الوجه: اكتشاف وتحليل الوجوه البشرية لأغراض مثل التحقق من الهوية والتعرف على المشاعر وتحليل سمات الوجه.
• التصوير الطبي: المساعدة في التشخيص الطبي من خلال تقييم الصور الطبية مثل الأشعة السينية أو التصوير بالرنين المغناطيسي، أو شرائح علم الأمراض للأمراض، أو الأورام أو الحالات الشاذة.
• المركبات ذاتية القيادة: باستخدام الكاميرات وأجهزة الاستشعار، يمكن للمركبات إدراك وفهم محيطها لمهام مثل اكتشاف الأشياء والتعرف على المسار وتصنيف إشارات المرور.
• البحث المرئي: استخدام التشابه البصري للبحث عن صور مشابهة أو ذات صلة، والتي لها تطبيقات في التجارة الإلكترونية وإدارة المحتوى والتعرف على الفنون.

خاتمة

في الختام، يسمح التعلم الآلي لأجهزة الكمبيوتر والأنظمة بالتعلم من البيانات المدخلة، والتكيف مع المعلومات الجديدة، والتحسن بمرور الوقت. مما يجلب الكفاءة والدقة واتخاذ القرارات المبنية على معلومات لمختلف المجالات، مما يمنح الشركات ميزة تنافسية ويساعدها على اتخاذ قرارات أفضل.