عندما يقول شخص ما “التعلم الآلي“, فإنه ببساطة سينبض قلبك بالحرارة ويولّد لديه شعور علمي محدد, ومع ذلك قد تتفاجأ عندما تعلم أنك تعرف بالفعل أساسيات التعلم الآلي! يعتمد التعلم الآلي كموضوع أساسًا على أكتاف موضوعين آخرين – الرياضيات وعلوم الكمبيوتر, وإذا كنت شخصًا يعرف الإحتمالية والإحصاءات ولديه معرفة قوية بالجبر الخطي, فيمكنك أن تكون واثقًا تمامًا من قدرتك على فهم مفاهيم التعلم الآلي, الآن دعونا نلقي نظرة على العمل الداخلي للتعلم الآلي.

التعلّم الآلي

ما هو التعلم الآلي

يعتمد المفهوم الأساسي للتعلم الآلي على حقيقة أن الكثير مما نعتبره ذكاء يستند إلى الإحتمال أكثر من المنطق, وعلى الرغم من أن هذا الأمر يبدو غريبًا وبديهيًا, فقد يستغرق الأمر بعض الوقت للتفكير في المواقف المختلفة في حياتك ومحاولة ربطها, وعندما تريد الإنتقال من النقطة “أ” إلى النقطة “ب”, فربما تفكر في أسرع طريق بينهما, وعندما تلعب لعبة لوحية, فإنك تحاول معرفة الخطوة التي ستساعدك على الفوز باللعبة والنظر في أي موقف من هذا القبيل, وسوف ترى أن الإحتمالات تلعب دوراً كبيراً جداً في عملية صنع القرار من البشر.

الآن عندما يتعلق الأمر بأجهزة الكمبيوتر, ونحن نعلم أنها جيدة جدًا في إجراء العمليات الحسابية, وقد تحقق ذلك من قبل علماء يعودون إلى الخمسينيات, لقد أدركوا أنه مع وجود بيانات كافية, ستكون الحواسيب الرقمية رائعة في تقدير الإحتمالات, ولسوء الحظ بالنسبة للباحثين الرائدين في الذكاء الإصطناعي, فإن الوقت الذي نشأت فيه هذه الفكرة الثورية لم يكن وقتًا يمكن فيه إستكشافها بالكامل, ولم تصبح أجهزة الكمبيوتر قوية بما يكفي لتشغيل مثل هذه الأفكار الجديدة وإختبارها, ومع ذلك فإن مبادئ تأسيسها كانت على حق في هذه النقطة, وتشكل هذه المبادئ الأساس الذي تم بناء الذكاء الإصطناعي للحديث عليه.

الشبكة العصبية العميقة

ابتكار التعلم الألي

تستخدم شركات مثل Google و Facebook و Amazon التعلم الآلي على جميع البيانات التي يمكن الحصول عليها من عملائها, ويتم ذلك لتحسين تجربة المستخدم وتفضيلاته, وإحدى الطرق الخاصة لتعلم الآلة التي تستخدمها جميع الشركات هي Deep Neural Networks, ويعتمد مفهوم الشبكات العصبية العميقة على فكرة صممها “وارن ستورجيس مكولوتش” و “والتر بيتس” و “فرانك روزنبلات” فيما يتعلق بالشبكات العصبية في الخمسينيات, على الرغم من أن الشبكات العصبية الحالية أكثر تعقيدًا بكثير من الشبكات البدائية والتكوينية السابقة, إلا أن الفكرة الرئيسية لا تزال كما هي, والفكرة هي كما يلي.

أفضل طريقة لتقدير إحتمال معين هي تقسيم المشكلة إلى أجزاء منفصلة من المعلومات بحجم لدغة, والتي كانت عبارة عن خلايا عصبية تمت صياغتها بواسطة “وارن ستورجيس مكولوتش” و “والتر بيتس“, وكان الحدس الذي واجهه مكولوتش وبيتس, هو أنه إذا كانت مجموعة من هذه الخلايا العصبية مرتبطة بطريقة مشابهة لتلك الموجودة في الدماغ البشري, فيمكن بناء نماذج مختلفة لتعلم أشياء مختلفة.

العقل والتعلم الآلي

لفهم الشبكة العصبية, دعونا نفكر في صورة ذات وجه فيها, الآن إذا كان لدينا شبكة عصبية عميقة أولية, فستحتوي هذه الشبكة العصبية على عدة آلاف من العقد, وسيتم تكديس كل من هذه الآلاف من العقد في طبقات, وأول ما تبحث عنه كل عقدة في الطبقة الأولى من الشبكة العصبية هو خط أو منحنى, وبمجرد إجراء تحليل أولي, ستبحث الطبقة الثانية من الشبكة العصبية عن أشكال أكثر تقدماً مثل الدائرة.

في الطبقة الثالثة سيتم البحث عن معلمات متعددة, مثل الدائرة المظلمة في دائرة بيضاء, وهي الطريقة التي سيتم بها التعرف على العين البشرية في شبكة عصبية عميقة, وعندما تصل الخوارزمية أخيرًا إلى الخلايا العصبية للطبقة النهائية, تكون كل خلية عصبية قادرة على تحديد الأشكال المتقدمة, إستناداً إلى نتائج الخلايا العصبية الأخيرة.

تطبيقات التعلم الآلي

منذ إختراع أجهزة الكمبيوتر, حاول علماء اللغة وعلماء الكمبيوتر جعلهم يتعرفون على الكلام والنص, وتُعرف هذه الطريقة التي يمكن للكمبيوتر من خلالها إدراك اللغة المكتوبة, أو الكلام بطريقة متماسكة ومنطقية بإسم البرمجة اللغوية العصبية أو معالجة اللغة الطبيعية, ومع ذلك على مدى العقود القليلة الماضية, فقد تجاوز التعلم الآلي إلى حد كبير, النظم القائمة على القواعد, وذلك بفضل كل شيء بدءًا من آلات مكافحة ناقلات الدعم, إلى نماذج ماركوف المخفية وحتى التعلم العميق, يعتمد كل من Apple Siri و Alexa من Amazon و Duplex من Google إعتمادًا كبيرًا على التعلم العميق للتعرف على الكلام أو النص وتمثيل أحدث ما في هذا المجال المهم.

المجال التالي حيث يتم إستخدام التعلم الآلي على نطاق واسع جدًا في معالجة الصور, وعندما طبق روزنبلات شبكته العصبية لأول مرة في عام 1958, إختبرها لأول مرة بإستخدام صور الكلاب والقطط, منذ ذلك الحين كان باحثو الذكاء الإصطناعي مهووسين بالموضوع, وبحكم الضرورة قضى معظم الوقت في إبتكار خوارزميات يمكنها إكتشاف الأشكال المحددة مسبقًا في صورة ما, مثل الحواف ومتعددة السطوح, بإستخدام قوة المعالجة المحدودة لأجهزة الكمبيوتر المبكرة, وبفضل الأجهزة الحديثة أصبح مجال رؤية الكمبيوتر يهيمن عليه الآن التعلم العميق, وعندما تقود سيارة تسلا بأمان في وضع الطيار الآلي, أو عندما يكتشف مجهر الواقع المعزز الجديد من Google السرطان في الوقت الفعلي, يكون ذلك بسبب خوارزمية تعلم عميقة.

الروبوتات والذكاء الإصطناعي

يعد الروبوت أحد المجالات الأخيرة التي يكون فيها التعلم الآلي (أو التعلم الشخصي) هو الأهم, ما يجعل ذكائنا الخاص قويًا للغاية ليس فقط أنه يمكننا فهم العالم, ولكن يمكننا التفاعل معه, وسيكون الشيء نفسه صحيحًا بالنسبة إلى الروبوتات, وأجهزة الكمبيوتر التي يمكن أن تتعلم التعرف على المعالم والأصوات هي شيء واحد, أولئك الذين يمكنهم تعلم كيفية التعرف على كائن, وتحديد كيفية التعامل معه شيء آخر تمامًا, ومع ذلك كما يمكن للمرء أن يتخيل, فإن التعرف على الكلام يمثل تحديًا صعبًا.

كما أن التحكم باللمس والتحكم الحركي هما مهارات أكثر صعوبة بكثير لإتقانها, على الرغم من كل قوة المعالجة, لا تزال أجهزة الكمبيوتر سيئة بشكل ملحوظ في شيء بسيط مثل التقاط قميص, والسبب في أن التقاط شيء مثل القميص ليس قطعة من الكعك للروبوتات, لأنه ينطوي على العديد من المهام المتزامنة, أولاً تحتاج إلى التعرف على القميص كقميص, وتحتاج بعد ذلك إلى تقدير مدى ثقلها وكيف يتم توزيع كتلتها, وكم الإحتكاك موجود على سطحها, وبناءًا على تلك التخمينات, ستحتاج إلى تقدير مكان إستيعاب القميص ومقدار القوة لتطبيقه في كل نقطة من قبضتك, وهي مهمة أصبحت أكثر صعوبة لأن شكل القميص وتوزيع الكتلة سيتغيران بمجرد رفع ذلك, ويقوم الإنسان بهذا بشكل تافه وبسهولة دون تفكير ثانٍ, ولكن بالنسبة لجهاز الكمبيوتر, فإن عدم اليقين في أي من هذه الحسابات يؤدي إلى تجميعها جميعًا, مما يجعلها مهمة صعبة للغاية.

على الرغم من أن تطبيقات التعلم الآلي تختلف إختلافًا كبيرًا, إلا أن هذه الأمثلة يجب أن تقدم بعض الأفكار عن مدى تأثيرها العميق على الصناعات وحياتنا بالفعل.

المصدر: Science Abc

نُشر بواسطة محمد درايسة

محمد درايسة مصمم جرافيك ومونتير وموشن جرافيكس وكاتب ومنشئ محتوى الكتروني, حيث انه لديه الخبره في انشاء المحتوى الألكتروني وادارة صفحات مواقع التواصل الأجتماعي مثل فيسبوك وتويتر وانستقرام.

انضم إلى المحادثة

تعليقين

اترك تعليقًا

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *