هل خطر في بالك يوماً أن الآلات يمكن أن تفكر، إذا كان ذلك ممكناً لمَ لا نقوم أذاً وبدلاً من الاهتمام بابتكار برامج تحل المشكلة بابتكار برامج “تتعلم” كيف تحلها ؟ ببساطة هذا هو مبدأ التعلم الآلي.
هل تساءلت يوماً كيف تزودك ميزة “الأشخاص الذين قد تعرفهم” على فيسبوك دائماً بقائمة حقيقية من الأشخاص الذين تعرفهم بالفعل في الحياة الواقعية والذين يجب أن تتواصل معهم على Facebook أيضاً، كيف يتعرف Facebook على هذا؟ كيف يفعلون هذه التوصية؟
التعلم الآلي هو الإجابة على هذا السؤال.
و إن عملية التعلم هذه ستتيح للبرامج إحراز تقدم بمرور الوقت وأن تصبح فعلاً أكثر كفاءة عما كانت ستكون عليه في حال تدوين مجموعة صارمة جداً من التعليمات لتتبعها هذه البرامج.
يعد التعلم الآلي مجالاً مثيراً للدراسة، فهو مدمج في العديد من العناصر المختلفة التي نستخدمها اليوم، لذلك يمكن اعتباره عنصراً سحرياً غير مرئي، نراه مثلاً في الهواتف التي تتوفر بها إمكانية التعرف على الكلام البشري، الترجمة الآلية، فلاتر الرسائل الالكترونية غير المرغوب فيها، وعند الذهاب إلى الصراف الآلي وتقديم شيك ستلاحظ أنه بإمكانه قراءة خط اليد، وكذلك تطبيق الصور على هاتفك الجوال يستخدم التعلم الآلي هل لا حظت أنه يقوم بتنظيم وتصنيف صورك تلقائياً، استناداً إلى المواضيع التي تحب التقاط الصور عنها، فيقوم مثلاً بتجميع صور الرحلات معاً، وتجميع صور الطبيعة معاً، و صورك الخاصة معاً، و صورك مع الأصدقاء و…. .
ما هو التعلم الآلي؟
التعلم الآلي (ML) هو فرع من فروع الذكاء الاصطناعي (AI) يسمح للتطبيقات البرمجية بأن تصبح أكثر دقة في التنبؤ بالنتائج دون أن تكون مبرمجة بشكل صريح للقيام بذلك، تستخدم خوارزميات التعلم الآلي البيانات التاريخية كمدخلات للتنبؤ بقيم المخرجات الجديدة.
إن الباحثين والعلماء لا يزالون يقومون بإجراء التجارب ويحاولون العثور على أفضل الوسائل لتوجيه أجهزة الكمبيوتر إلى كيفية التعلم، ويتم تحقيق الكثير من التقدم من خلال تلك الخوارزميات التي تعتمد تقريباً على طريقة عمل العقل البشري ويطلق على هذه الخوارزميات اسم “الشبكات العصبية الاصطناعية”، وبالتالي فإن الشبكة العصبية الاصطناعية تمثل شيئاً يشبه تقريباً رسماً كاريكاتورياً رياضياً يبرز طريقة عمل الشبكة العصبية البيولوجية.
لماذا يعد التعلم الآلي مهماً؟
يعد التعلم الآلي مهماً لأنه يمنح المؤسسات وجهة نظر حول اتجاهات سلوك العملاء وأنماط تشغيل الأعمال، فضلاً عن دعم تطوير منتجات جديدة، تجعل العديد من الشركات الرائدة اليوم مثل Facebook و Google و Uber التعلم الآلي جزءاً أساسياً من عملياتها، فقد أصبح التعلم الآلي عاملاً تنافسيًا مهمًا للعديد من الشركات.
و إنه من الصعب جداً التفكير في أي نشاط صناعي اليوم يمكن القيام به دون استخدام التعلم الآلي، وكذلك تأتي أهميته بسبب مجموعة تطبيقاته الواسعة وقدرته المذهلة على التكيف وتقديم حلول للمشكلات المعقدة بكفاءة وفعالية وسرعة.
كيف تعمل خوارزميات التعلم الآلي؟
تستخدم خوارزميات التعلم الآلي مجموعة متنوعة من التقنيات للتعامل مع كميات كبيرة من البيانات المعقدة وذلك لاتخاذ القرارات، في البداية تكمل هذه الخوارزميات مهمة التعلم من البيانات وذلك مع مدخلات محددة تعطى للجهاز. من المهم فهم كيفية عمل هذه الخوارزميات ونظام التعلم الآلي ككل، حتى نتمكن من التعرف على كيفية استخدامها في المستقبل.
يبدأ كل شيء بتدريب خوارزمية التعلم الآلي باستخدام مجموعة بيانات التدريب لإنشاء “نموذج”، عندما يتم إدخال بيانات جديدة إلى خوارزمية ML، فإنها تقوم بالتنبؤ، ويتم تقييم التوقعات والنتائج للتأكد من دقتها.
إذا لم يكن التنبؤ كما هو متوقع، يتم إعادة تدريب الخوارزمية مراراً وتكراراً حتى يتم الحصول على المخرجات المطلوبة، يمكّن ذلك خوارزمية ML من التعلم بمفردها وإنتاج إجابة مثالية، تزيد الدقة تدريجياً بمرور الوقت.
بعد الحصول على مستوى الدقة المطلوب، يتم نشر خوارزمية التعلم الآلي، يمكننا شرح كيف يعمل التعلم الآلي بمثال بسيط: عندما تبحث عن “صور الأسد” على بحث Google، فإن Google يعتبر جيداً بشكل لا يصدق في جلب النتائج ذات الصلة، ولكن كيف يحقق Google هذه المهمة؟
تحصل Google أولاً على كمية كبيرة من الأمثلة (مجموعات بيانات التدريب) للصور المسماة “LION”، ثم تقوم خوارزمية التعلم الآلي بالبحث عن أنماط البكسل وأنماط الألوان التي ستساعدها على التنبؤ فيما إذا كانت الصورة من نمط “LION”، في البداية تقوم أجهزة كمبيوتر Google بتخمين عشوائي للأنماط الجيدة لتحديد صورة الأسد، وإذا ارتكبت خطأً فسيتم إجراء مجموعة من التعديلات حتى تتمكن الخوارزمية من التصحيح، في النهاية سيتم تعلم مثل هذه المجموعة من الأنماط من خلال نظام كمبيوتر كبير تم تصميمه على غرار الدماغ البشري، والذي بمجرد تدريبه يمكنه تحديد نتائج دقيقة لصور الأسد على بحث Google وتقديم نتائج دقيقة لها.
مثال آخر: إذا كنت مسؤولاً عن بناء خوارزمية للتعلم الآلي لمحاولة التمييز بين صور الأسود والنمور، كيف ستفعل ذلك؟
تتمثل الخطوة الأولى كما أوضحنا أعلاه في جمع عدد كبير من الصور المصنفة بـ “LION” للأسود و “TIGER” للنمور، بعد ذلك سنقوم بتدريب الكمبيوتر على البحث عن أنماط على الصور من أجل التعرف على الأسود والنمور على التوالي، بمجرد تدريب نموذج التعلم الآلي، يمكننا إعطاؤه (إدخال) صور مختلفة لمعرفة ما إذا كان بإمكانه التعرف بشكل صحيح على الأسود والنمور بشكل منفصل. يمكن لنموذج التعلم الآلي المدرَّب تحديد مثل هذه الاستعلامات بشكل صحيح.
أنواع التعلم الآلي:
ينقسم التعلم الآلي إلى ثلاثة مجالات رئيسية: التعلم الخاضع للإشراف، التعلم غير الخاضع للإشراف، والتعلم المعزز، ولكل واحد من هذه المجالات عمل وهدف محدد، مما يؤدي إلى نتائج معينة باستخدام أنواع مختلفة من البيانات.
- التعلم الخاضع للإشراف Supervised machine learning:
بلغة بسيطة يعني التعلم الخاضع للإشراف تدريب نموذج التعلم الآلي تماماً كما يقوم المدربون بتدريب الأشخاص في أي مجال، في التعلم الخاضع للإشراف تتعلم الآلة تحت إشراف البيانات المسمّاة أو البيانات المعروفة، يتم تغذية نموذج التعلم الآلي بهذه البيانات المعروفة ويتم استخدامها لتدريبه، وبجرد تدريبه بهذه البيانات يمكن بعدها المضي قدماً وتغذية النموذج ببيانات غير معروفة للحصول على استجابة جديدة.
- التعلم غير الخاضع للإشراف Unsupervised machine learning يعني التعلم الآلي غير الخاضع للإشراف بلغة بسيطة أن نموذج ML مكتفٍ ذاتياً في التعلم بمفرده، وبيانات التدريب تكون غير معروفة أو غير مسمّاة، يتم تغذية نموذج التعلم الآلي بهذه البيانات غير المعروفة وتستخدم لتدريب النموذج، يحاول النموذج العثور على أنماط وعلاقات في مجموعة البيانات وإنشاء مجموعات فيها، الشيء الذي يجب ملاحظته هنا في التعليم غير الخاضع للإشراف هو أنه لن يكون قادراً على إضافة تسميات لتلك المجموعات، على سبيل المثال لن يستطيع القول أن هذه مجموعة من البرتقال وهذه مجموعة من المانجو ولكنه سيتعرف ويفصل كل البرتقال عن المانجو.
- التعليم المعزز Reinforcement machine learning
في هذا النوع تتعلم الآلة بطريقة الضرب والتجربة فعندما يتنبأ النموذج بنتيجة، بعاقب إذا كان تنبؤه خاطئاً ويكافأ إذا كان التنبؤ صحيحاً، وبناءاً على هذه الإجراءات يدرّب النموذج نفسه.
بعض تطبيقات التعلم الآلي:
إن التعلم الآلي في كل مكان اليوم نظراً لوجود مجموعة كبيرة من تطبيقاته، ومن المحتمل أنك تستخدمه بطريقة أو بأخرى ولا تعرف شيئاً عن ذلك، من تطبيقاته مثلاً:
- المساعد الشخصي الافتراضي: Siri و Alexa و Google بعض الأمثلة الشائعة للمساعدين الشخصيين الافتراضيين و التي تساعد في العثور على المعلومات عند طلبها عبر الصوت.
أثناء الإجابة على استفسارك فإن بحث هؤلاء المساعدين الشخصيين عن المعلومات يستدعي استفساراتك ذات الصلة أو يرسل أمراً إلى موارد أخرى من أجل جمع المعلومات، يعد التعلم الآلي جزءًا لا يتجزأ من عمل المساعدين الشخصيين أثناء قيامهم بجمع المعلومات وتنقيحها على أساس استفساراتك السابقة، وفي وقت لاحق يتم استخدام مجموعة البيانات المكررة هذه لإعطاء نتائج مصممة وفقًا لتفضيلاتك.
- التعرف على الوجه: ما عليك سوى إلقاء نظرة على هاتفك ويفتح الهاتف. تتعرف الكاميرا في هاتفك على الميزات الفريدة والإسقاطات على وجهك باستخدام معالجة الصور (جزء من التعلم الآلي) من أجل تحديد أن الشخص الذي يفتح قفل الهاتف ليس شخصًا آخر غيرك. العملية بأكملها في النهاية الخلفية معقدة ولكن يبدو أنها تطبيق بسيط لـ ML في الواجهة الأمامية.
- عامل تصفية البريد الإلكتروني العشوائي: كيف يحدد صندوق البريد الخاص بك تلقائيًا ما إذا كان البريد الإلكتروني الذي تلقيته بريدًا عشوائيًا أم لا؟ مرةً أخرى هنا يجب أن نشكر ML، يستخدم عامل تصفية البريد الإلكتروني العشوائي نموذج التعلم الآلي الخاضع للإشراف لتصفية رسائل البريد الإلكتروني العشوائية من صندوق البريد الخاص بك.
- محرك التوصيات على موقع التجارة الإلكترونية: هل تساءلت يومًا عن كيفية عرض Amazon أو Flipkart للمنتجات ذات الصلة بعد إجراء عملية شراء من نظامهم الأساسي، هذا أيضاً هو سحر ML.
بمجرد أن يشتري المستخدم شيئًا ما من أحد مواقع التجارة الإلكترونية، فإنه يتم تخزين بيانات الشراء للرجوع إليها في المستقبل ويُعثر على المنتجات التي من المرجح أن يشتريها المستخدم في المستقبل، هذا ممكن بسبب نموذج خوارزمية التعلم الآلي المستقبلي، والذي يمكنه تحديد الأنماط في مجموعة بيانات معينة.
كما وتشمل التطبيقات الأخرى للتعلم الآلي ما يلي:
- كشف الاحتيال عبر الانترنت.
- خدمات الوسائط الاجتماعية مثل “أشخاص قد تعرفهم” على Facebook.
- دعم العملاء عبر الإنترنت ، مثل Chatbot.
- تنقية نتائج محرك البحث.
- التنبؤات أثناء التنقل باستخدام خرائط Google.
ملاحظة: هناك العديد من التطبيقات التي تصنف على أنها تطبيقات ذكاء اصطناعي وفي الوقت ذاته هي تطبيقات تعلم آلة، وبالطبع هذا شيء بديهي لأن تعلم الآلة هو فرع من فروع الذكاء الاصطناعي و كل ما يندرج تحت مسمى تعلم الآلة يندرج تحت الذكاء الاصطناعي. و العكس بالكبع ليس صحيحاً، حيث لدينا مجالاتٍ أخرى للذكاء الاصطناعي غير تعلم الآلة.
المتطلبات الأساسية للتعلم الآلي:
إذا كنت مهتمًا بمعرفة المزيد عن التعلم الآلي ، فيجب تلبية بعض المتطلبات حتى تتفوق في هذا المجال. تشمل هذه المتطلبات:
- المعرفة الأساسية بلغات البرمجة مثل Python أو R.
- معرفة جيدة بالإحصاءات والاحتمالات.
- فهم الجبر الخطي وحساب التفاضل والتكامل.
- نمذجة البيانات للعثور على الاختلافات والأنماط في مجموعة بيانات معينة.
جميع المتطلبات الأساسية المذكورة أعلاه ضرورية لتعلم التعلم الآلي.
بعض أفضل المصادر والدورات المجانية في مجال تعلم الآلة:
- Free Machine Learning Course
(fast.ai):
تعد منصة fast.ai من أفضل المنصات التي تقدم دورات حول موضوعات تندرج تحت الذكاء الاصطناعي وتم إنشاؤها بهدف التعليم حول الذكاء الاصطناعي وكيفية البدء في هذا المجال. هناك سلسلة من الخيارات المتاحة لكل من المتعلمين المبتدئين وذوي الخبرة، لذلك إذا كنت جاداً بشأن البدء في هذا المجال، فمن الممكن أن تكون هذه المنصة هي خطوتك الأولى.
- Machine Learning Course by Stanford University_ Coursera
تعد من أفضل دورات التعلم الآلي عبر الانترنت وقد حضر الدورة أكثر من 2،600،000 من الطلاب والمهنيين على مستوى العالم، والذين منحوه متوسط تقييم ضخم يصل إلى 4.9 من 5، يمكنك إلقاء نظرة على المواضيع التي تتناولها الدورة حتى تعلم لمَ يوصى بها بشدة، أحد أفضل الأجزاء في الدورة هو أنه يمكنك التسجيل في نسخة تجريبية مدتها 7 أيام قبل شرائك الفصل بأكمله، و تعد هذه أفضل دورة عن التعلم الآلي متاحة عبر الانترنت.
- Machine Learning Course A-Z™: Hands-On Python & R In Data Science _Udemy
تعتبر أيضاً من أفضل دورات التعلم الآلي، ستساعدك هذه الدورة التدريبية على إتقان تعلم الآلة على Python و R، وإجراء تنبؤات دقيقة وبناء حدس رائع للعديد من نماذج التعلم الآلي، والتعامل مع أدوات محددة مثل التعلم المعزز، والتعلم العميق.
بالإضافة للعديد من الدورات التدريبية مثل:
- Free Machine Learning Data Science Course_ Harvard University
- Free Machine Learning Introduction Course _Udacity
- Free Machine Learning – Artificial Intelligence Course Columbia University_
هنا نكون قد وصلنا إلى ختام مقالنا عن التعلم الآلي آملين أن تكون قد رافقتنا في رحلة ممتعة حول هذا المجال المثير، و أن تفيدك معلوماتنا و مصادرنا في حال عزمت على تعلم هذا الاختصاص الرائع.