التعلم الآلي

التعلم الآلي ML، وهو دراسة خوارزميات الحاسب التي تتحسن تلقائيًا من خلال التجربة وباستخدام البيانات.

ويُنظر إليه على أنه جزء من الذكاء الاصطناعي.

وتبني خوارزميات ML نموذجًا يعتمد على عينات البيانات، والمعروفة باسم بيانات التدريب، من أجل عمل تنبؤات أو قرارات دون أن تكون مبرمجة بشكل صريح للقيام بذلك.

وتُستخدم خوارزميات التعلم الآلي في مجموعة متنوعة من التطبيقات، مثل الطب وتصفية البريد الإلكتروني ورؤية الحاسب، حيث يكون من الصعب أو غير المجدي تطوير خوارزميات تقليدية لأداء المهام المطلوبة.

وترتبط مجموعة فرعية من التعلم الآلي ارتباطًا وثيقًا بالإحصاءات الحسابية، التي تركز على إجراء تنبؤات باستخدام أجهزة الحاسب، ولكن ليس كل التعلم الآلي هو تعلم إحصائي.

وتوفر دراسة التحسين الرياضي الأساليب والنظرية ومجالات التطبيق في مجال التعلم الآلي.

ويعد التنقيب عن البيانات مجالًا ذا صلة بالدراسة، مع التركيز على تحليل البيانات الاستكشافية من خلال التعلم غير الخاضع للإشراف.

وفي تطبيقه عبر مشاكل الأعمال، يشار إلى التعلم الآلي أيضًا بالتحليلات التنبؤية.

ويتضمن التعلم الآلي أجهزة الحاسب التي تكتشف كيف يمكنها أداء المهام دون أن تتم برمجتها بشكل صريح للقيام بذلك، وهي تتضمن تعلم أجهزة الحاسب من البيانات المقدمة حتى تقوم بمهام معينة.

وبالنسبة للمهام البسيطة المخصصة لأجهزة الحاسب، فمن الممكن برمجة خوارزميات تخبر الجهاز بكيفية تنفيذ جميع الخطوات المطلوبة لحل المشكلة المطروحة من جانب الحاسب، وليست هناك حاجة للتعلم.

وبالنسبة للمهام الأكثر تقدمًا، قد يكون من الصعب على الإنسان إنشاء الخوارزميات المطلوبة يدويًا.

و يمكن من الناحية العملية أن يكون أكثر فاعلية لمساعدة الآلة على تطوير خوارزمية خاصة بها، بدلاً من جعل المبرمجين البشريين يحددون كل خطوة مطلوبة.

ويستخدم نظام ML مناهج مختلفة لتعليم أجهزة الحاسب لإنجاز المهام التي لا تتوفر فيها خوارزمية مرضية تمامًا.

وفي الحالات التي توجد فيها أعداد كبيرة من الإجابات المحتملة، تتمثل إحدى الطرق في تصنيف بعض الإجابات الصحيحة على أنها صحيحة.

ويمكن بعد ذلك استخدام ذلك كبيانات تدريب للحاسب من أجل تحسين الخوارزمية التي يستخدمها لتحديد الإجابات الصحيحة.