التعلم الآلي

July 4, 2023

إن أحد فروع الذكاء الإصطناعي (AI) والتي يعد الأكثر شيوعا في وقتنا الحالي هو التعلم الآلي (Machine Learning)، والذي هو بمثابة أحد طرق صناعة الذكاء في الأنظمة لكي يمكنها من أداء المهام المختلفة بطريقة تحاكي الأداء البشري قدر الإمكان وربما تتفوق عليه احيانا. لذلك نهتم في هذا المقال بسرد مفهوم التعلم الآلي وأنواعه مرورا بأهم مجالات تطبيقه .

مفهوم التعلم الآلي (Machine Learning) :

         يعرف التعلم الآلي (ML) على أنه الدراسة العلمية للخوارزميات والنماذج الإحصائية التي تستخدمها أنظمة الحاسب لأداء مهام محددة دون أن يتم برمجتها بشكل صريح علي أداء هذه المهام [1] . يسعي التعلم الآلي إلى إستنتاج معلومات مهمة بالإستفادة من بيانات تدريبية سابقة (Training Data)  وذلك لبناء نماذج قادرة بشكل ذاتي على التببؤ بالبيانات المستقبلية.

         الجدير بالذكر أن الهدف الاساسي للذكاء الإصطناعي هو تصميم آلة تحاكي العقل البشري في تصرفها وادائها للمهام المختلفة، وللوصول لهذا الهدف يجب ان تتوافر للآلة القدرة على التعلم والتمثيل المنطقي للمعرفة التي يتم امدادها بها لاستغلالها في التنبؤ بالبيانات المستقبلية. 

         يعد التعلم العميق (Deep Learning) هو أحد فروع التعلم الآلي والذي يعتبر بمثابة مجال جديد لأبحاث التعلم الآلي لتقريبه من أهدافه الأصلية بطريقة مستوحاة من الدماغ البشري [2] . الشكل 1 يوضح العلاقة بين الذكاء الإصطناعي(AI)  والتعلم الآلي (ML) والتعلم العميق(DL)  .

الشكل 1: العلاقة بين الذكاء لإأصطناعي والعلم الالي والتعلم العميق

أنواع التعلم الآلي:

ينقسم التعلم الآلي إلى 4 أنواع كما يلي :

1- التعلم الآلي الخاضع  للإشراف (Supervised Machine Learning):

         يعد التعلم الآلي الخاضع  للإشراف أشهر أنواع التعلم الآلي وأكثرها استخداما، حيث يعمل علماء البيانات كمرشدين ويبدأون في تعليم الخوارزميات الاستنتاجيات التي يجب أن تقدمها [3].  بمعني اخر , يتم تدريب الخوارزميات بالإستعانة بمجموعة بيانات تم تصنيفها بالفعل وتحتوي على مخرجات محددة مسبقًا [3]. على سبيل المثال , يمكن أن يطلب من الالة التعرف على نوع الاورام أي تصنيفها ما بين خبيثة أو حميدة ، لبناء نموذج التعلم الآلي هنا نقوم بتدريب النظام على مجموعة بيانات مسبقة ومصنفة بحيث تتضمن تشخصيات مختلفة للأورام ما بين التنصيفين خبيثة وحميدة لكي يتدرب النظام عليها ويمكنه بعد ذلك تشخيص الأورام لأي مجموعة بيانات أخري مستقبلية.

2- التعلم الآلي غير الخاضع للإشراف (Unsupervised Machine Learning):

         يعتمد التعلم الآلي غير الخاضع للإشراف علي أسلوب أكثر استقلالية، حيث تتعلم أجهزة الحاسب كيف تحدد العمليات والأنماط المعقدة دون أن يتدخل الإنسان بتقديم التوجيه لها من خلال البيانات المصنفة ومحددة المخرجات، أي أن النماذج تعتمد علي التدريب القائم على البيانات التي لا تحتوي على تصنيفات أو مخرجات مُحددة مسبقا [3].

 علي سبيل المثال, اذا كان لديك مجموعة من المقالات وتريد بالاعتماد على محتوى كل مقالة أن يقوم نظام التعلم الآلي باستخراج كلمة افتتاحية واحدة تعبر عن كل مقالة .

3- التعلم شبه الخاضع للإشراف : (Semi-supervised Learning)

         يعد التعلم شبه الخاضع للإشراف بمثابة مزيج بين النوعيين السابقين، ويقوم بالتعامل مع البيانات التي يحتوي بعض منها وليس كلها على مخرجات [4]. علي سبيل المثال , اذا كان لدينا مجموعة بيانات لموظفي مؤسسة ما ويوجد لدينا عدة خصائص تميز كل موظف مثل اسمه و عمره  و وظيفته ، ولكن يوجد لدينا معلومات إضافية لبعض هؤلاء الموظفين مثل الراتب، وبذلك أصبح لدينا معلومات أخري ولكن لبعض الموظفين وليس الكل.

         ولفهم التعلم شبه الخاضع للإشراف من منظور تطبيقي, اذا نظرنا الى خدمات رفع الصور مثل Google Photos، نلاحظ أنه بعد رفع أحد الصور مع أفراد العائلة، سيتمكًن النظام القائم علي التعلم الآلي في الخدمة من معرفة أن الشخص x ظهر في الصور 1 و3 و6؛ أما الشخص y ظهر في الصور 2 و3 و4، وهذا الجزء دون إشراف  أو توجيه، ولكن قد تتمكن الخدمة أيضا من معرفة أنّ الشخص x اسمه نور ، ولكنها لا تعرف اسم الشخص y  حيث لا تتوافر لديها تلك المعلومة، وتقوم الخدمة بأستخدام هذه المعلومة الإضافية (التي تعتبر بمثابة مخرجات لبعض البيانات وليس كلها ) لتتيح للمستخدمين خدمة البحث في الصور باستخدام الأسماء .

4- التعلم المعزز (Reinforcement Learning):

         هو أكثر أنواع التعلم الآلي تعقيدا وصعوبة , حيث أنه في التعلم المعزز يتم صنع نظام تعلم يسمي الوكيل (Agent)، و يقوم الوكيل بملاحظة ما حوله في البيئة  الخاصة به ثم يتخذ قرارًا بإجراء فعل ما. بناءً على هذا الفعل , يحصل الوكيل على نقاط المكافأة أو نقاط العقوبة ، ثم باستخدام هذه النقاط يحاول الوكيل تحديد الاستراتيجية الأفضل للتعامل مع المواقف واتخاذه للقرارالصحيح، تعرف الاستراتيجية التي يتم تطويرها بواسطة الوكيل بسياسة العمل (Policy)، وتعـبرطريقة تطوير سياسة العمل (Policy) هي بمثابة أنواع الخوارزميات في التعلم المعزز وتسمي Policy-Based Algorithms بمعنى الخوارزميات القائمة على السياسة. بالإضافة إلي ذلك ، هناك أنواع أخرى من الخوارزميات مثل الخوارزميات القائمة على القيمة Value-Based وأيضا القائمة على النموذج Model-Based وغيرها [4]. 

 تعتبر الروبوتات هي أحد أهم الامثلة التطبيقية التي يمكن أن تستخدم هذا النوع من التعلم الآلي لتتعلم كيفية المشي.

تطبيقات التعلم الآلي:

         يتم الان تطبيق و استخدام التعلم الآلي في نطاق واسع جدا من المجالات في حياتنا . فعلي سبيل المثال:

• المجالات الطبية والتشخيصية.
• استرجاع المعلومات في محركات البحث .
• التعرف علي الكلام.
• حركة الروبوت.
• الأمن والحماية.

الخاتمة:

         يعد التعلم الآلي أحد أهم تقنيات هذا العصر التي تساهم في العديد من المجالات، فهو أحد فروع الذكاء الإصطناعي الذي يسعي إلي تصميم الأنظمة التي تحاكي الأداء البشري في تنفيذ المهمام المختلفة بل وتتفوق عليه احيانا . كما تقوم  اليوم العديد من المؤسسات و الشركات بجعل التعلم الآلي (ML) جزءاً أساسياً من العمليات التي تعتمد عليها في أنظمتها, كما أنه أصبح من العوامل التنافسية لدي العديد من الشركات مثل تويتر وفيسبوك وجوجل وغيرها من شركات التكنولوجيا والأعمال التي تسعي الي تحقيق أكبر استفادة منه في تحسين الخدمات التي تقدمها للمستخدمين.يتطور البحث في مجال التعلم الآلي بشكل سريع ومبهر محققا أفضل النتائج ومساهما في تيسير العديد من المهمام في شتي المجالات. 

المراجع :

[1]: https://www.researchgate.net/publication/344717762_Machine_Learning_Algorithms_-A_Review#:~:text=Machine%20learning%20(ML)%20is%20the,task%20without%20being%20explicitly%20programmed.

[2]: https://www.microsoft.com/en-us/research/wp-content/uploads/2016/02/DeepLearning-NowPublishing-Vol7-SIG-039.pdf 

[3]: https://www.oracle.com/middleeast-ar/artificial-intelligence/machine-learning/what-is-machine-learning/

[4:] https://academy.hsoub.com/programming/artificial-intelligence/