ما المقصود بتعلم الآلة؟
تعلّم الآلة هو نوع من الذكاء الاصطناعي الذي يقوم بمهام تحليل البيانات دون تعليمات صريحة. يمكن لتقنية تعلّم الآلة معالجة كميات كبيرة من البيانات التاريخية وتحديد الأنماط والتنبؤ بالعلاقات الجديدة بين البيانات غير المعروفة سابقًا. يمكنك تنفيذ مهام التصنيف والتنبؤ على المستندات والصور والأرقام وأنواع البيانات الأخرى.
على سبيل المثال، يمكن لمنظمة مالية تدريب نظام تعلّم الآلة لتصنيف المعاملات الاحتيالية والحقيقية. يحدد النظام الأنماط في البيانات المعروفة لتخمين أو التنبؤ بدقة بما إذا كانت المعاملة الجديدة حقيقية.
مزايا تعلّم الآلة
البيانات هي القوة الدافعة الحاسمة وراء اتخاذ القرارات التجارية. تقوم المؤسسات الحديثة بتوليد البيانات من آلاف المصادر، بما في ذلك أجهزة الاستشعار الذكية وبوابات العملاء ووسائل التواصل الاجتماعي وسجلات التطبيقات. يعمل تعلّم الآلة على أتمتة وتحسين عملية جمع البيانات وتصنيفها وتحليلها. يمكن للشركات دفع النمو وإطلاق العنان لتدفقات إيرادات جديدة وحل المشكلات الصعبة بشكل أسرع.
ما الفرق بين تعلّم الآلة والذكاء الاصطناعي؟
في حين يتم استخدام مصطلحي تعلم الآلة والذكاء الاصطناعي (AI) بالتبادل، إلا أنهما ليسا نفس الشيء. تعلّم الآلة هو أحد فروع الذكاء الاصطناعي المتعددة. في حين أن تعلّم الآلة هو الذكاء الاصطناعي، لا يمكن تسمية جميع أنشطة الذكاء الاصطناعي بتعلّم الآلة.
فإن الذكاء الاصطناعي مصطلح جامع للإستراتيجيات والتقنيات المختلفة المستخدمة لجعل الآلات أكثر شبهًا بالإنسان. يشمل الذكاء الاصطناعي كل شيء بدءًا من المساعدين الأذكياء مثل Alexa وروبوتات الدردشة ومولدات الصور إلى المكانس الكهربائية الآلية والسيارات ذاتية القيادة.
في المقابل، تؤدي نماذج تعلم الآلة مهام تحليل بيانات أكثر تحديدًا - مثل تصنيف المستندات أو وضع العلامات على الصور أو التنبؤ بجدول صيانة معدات المصنع. تعتمد تقنية تعلم الآلة بشكل أساسي على الرياضيات والإحصاء، في حين أن الأنواع الأخرى من الذكاء الاصطناعي أكثر تعقيدًا.
تعرف على المزيد حول تعلّم الآلة (ML) مقابل الذكاء الاصطناعي (AI)
حالات استخدام تعلّم الآلة وأمثلة من العالم الحقيقي
دعنا نلقِ نظرة إلى تطبيقات التعلم الآلي في بعض المجالات الأساسية.
التصنيع
يستطيع التعلم الآلي دعم الصيانة التنبئية ومراقبة الجودة والأبحاث الابتكارية في قطاع التصنيع. كما أنها تساعد الشركات في تحسين الحلول اللوجستية، بما في ذلك الأصول وسلسلة الإمداد وإدارة المخزون. على سبيل المثال، تستخدم شركة التصنيع العملاقة 3M تقنية تعلم الآلة لابتكار ورق الصنفرة. تعمل لوغاريتمات التعلم الآلي على تمكين الباحثين في 3M من تحليل كيف يمكن للتغيرات الطفيفة في الشكل والحجم والاتجاه أن تحسِّن إمكانية الكشط والاستدامة. وتغذي تلك الاقتراحات عملية التصنيع.
الرعاية الصحية وعلوم الحياة
أدى انتشار أجهزة الاستشعار والأجهزة القابلة للارتداء إلى توليد بيانات صحية مهمة. تقوم برامج تعلّم الآلة بتحليل هذه المعلومات ودعم الأطباء في التشخيص والعلاج في الوقت الفعلي. يطور باحثو التعلم الآلي الحلول التي تكتشف الأورام السرطانية وتشخِّص أمراض العين، ما يؤثر بشكل بالغ في نتائج الصحة البشرية. على سبيل المثال، تستخدم Cambia Health Solutions تعلّم الآلة لأتمتة العلاج وتخصيصه للنساء الحوامل.
الخدمات المالية
تحسِّن مشروعات التعلم الآلي في القطاع المالي تحليلات المخاطر والتنظيم. تتيح تقنية تعلّم الآلة للمستثمرين تحديد الفرص الجديدة من خلال تحليل تحركات سوق الأسهم أو تقييم صناديق التحوط أو معايرة المحافظ المالية. بالإضافة إلى ذلك، يمكن للتعلم الآلي المساعدة في التعرّف على عملاء القروض عاليّ المخاطر والتخفيف من علامات الاحتيال. على سبيل المثال، NerdWallet، وهي شركة تمويل شخصي، تعلّم الآلة لمقارنة المنتجات المالية مثل بطاقات الائتمان والخدمات المصرفية والقروض.
البيع بالتجزئة
يمكن استخدام تعلّم الآلة في قطاع تجارة التجزئة من أجل تحسين خدمة العملاء وإدارة الأسهم وزيادة المبيعات والتسويق متعدد القنوات. على سبيل المثال، خفضت Amazon Fulfillment (AFT) تكاليف البنية التحتية بنسبة 40 بالمائة باستخدام نموذج تعلّم الآلة لتحديد المخزون في غير محله. ويساعدها ذلك في الوفاء بوعد Amazon المتمثل في سرعة توفر العنصر للعملاء ووصوله في الموعد المناسب، وذلك على الرغم من معالجة ملايين الشحنات العالمية سنويًا.
الوسائط الإعلامية والترفيه
تتحول الشركات الترفيهية إلى التعلم الآلي لتحسين فهمها لجماهيرها المستهدفة وتقديم محتوى جذاب ومخصص عند الطلب. وتُنشر لوغاريتمات التعلم الآلي للمساعدة في تصميم إعلانات الأعمال الفنية والإعلانات الأخرى، ولتزويد العملاء بتوصيات مخصصة للمحتوى، ولتبسيط عملية الإنتاج.
على سبيل المثال، تستخدم Disney تعلم الآلة لأرشفة مكتبة الوسائط. تقوم أدوات تعلّم الآلة تلقائيًا بوضع علامات على محتوى الوسائط ووصفه وفرزه، مما يتيح لكتاب Disney ورسامي الرسوم المتحركة البحث بسرعة عن شخصيات Disney والتعرف عليها.
ما طريقة عمل التعلم الآلي؟
الفكرة الرئيسة وراء التعلم الآلي تتمثل في علاقة رياضية قائمة بين أي مزيج من بيانات المدخلات والمخرجات. لا يعرف نموذج تعلّم الآلة هذه العلاقة مسبقًا ولكن يمكنه تخمين ما إذا تم تقديم أمثلة كافية لمجموعات بيانات المدخلات والمخرجات. وهذا يعني أن كل لوغاريتم للتعلم الآلي يُبنى على أساس دالة رياضية قابلة للتعديل. يمكن فهم المبدأ الأساسي على النحو التالي: نقوم «بتدريب» الخوارزمية من خلال إعطائها مجموعات الإدخال/الإخراج التالية (i,o) - (2,10) و(5,19) و(9,31) تحسب الخوارزمية العلاقة بين المدخلات والمخرجات لتكون: o=3*i+4 ثم نعطيها الإدخال 7 ونطلب منها التنبؤ بالمخرجات. وهو يستطيع تحديد أن المخرج هو 25. في حين أن هذا هو الفهم الأساسي، يركز تعلّم الآلة على مبدأ أن أنظمة الكمبيوتر يمكنها ربط جميع نقاط البيانات المعقدة رياضيًا طالما أن لديها بيانات كافية وقوة حاسوبية للمعالجة. لذلك، دقة المخرج تربطه علاقة طردية بحجم المدخل المُعطى.
هل نماذج تعلم الآلة حتمية؟
إذا كان مخرج نظام ما قابلاً للتنبؤ، فيمكن القول إذًا إن النظام حتمي. تستجيب معظم التطبيقات البرمجية بشكل متوقع لإجراء المستخدم، لذا يمكنك القول إنه "إذا فعل المستخدم ذلك، فسوف يحصل على هذا". ولكن تتعلم لوغاريتمات التعلم الآلي من خلال الملاحظة إلى جانب التجارب. لذلك، فهي احتمالية بطبيعتها. وتتغير العبارة الآن إلى "إذا فعل المستخدم ذلك، فمن المحتمل بنسبة كذا% أن يحدث هذا".
في التعلم الآلي، الحتمية هي إستراتيجية مستخدمة في أثناء تطبيق أساليب التعلم الموضحة أعلاه. أي من أساليب التدريب تحت الإشراف وبدون إشراف وغيرها يمكن جعلها حتمية اعتمادًا على النتائج المطلوبة من جانب الأعمال. إن السؤال البحثي واستعادة البيانات والتنظيم وقرارات التخزين تحدد ما إذا كان سيتم اعتماد إستراتيجية حتمية أم غير حتمية.
النهج الحتمي مقابل النهج غير الحتمي
يركز النهج الحتمي في حجم البيانات التي يتم جمعها ودقتها، لذا الكفاءة تكون لها الأولوية عن عدم اليقين. من ناحية أخرى، العملية غير الحتمية (أو الاحتمالية) مصممة للتعامل مع عامل الاحتمال. وتتكامل الأدوات المدمجة في لوغاريتمات تعلم الآلة للمساعدة في تحديد حجم عدم اليقين والتعرُّف عليه وقياسه في أثناء التعلم والملاحظة.