تستند بعض أهم التقنيات التي نستخدمها إلى تعلُّم الآلة، بدءًا من تطبيقات الترجمة إلى المركبات الذاتية القيادة. توضّح هذه الدورة التدريبية المفاهيم الأساسية التي تستند إليها تكنولوجيات تعلُّم الآلة.
توفّر تكنولوجيات تعلُّم الآلة طريقة جديدة لحلّ المشاكل والإجابة عن الأسئلة المعقّدة وإنشاء محتوى جديد. يمكن أن تتوقّع تكنولوجيات تعلُّم الآلة أحوال الطقس، وتقدّر مدة الرحلات، وتقترح أغاني، وتكمل الجمل تلقائيًا، وتلخّص المقالات، وتنشئ صورًا لم يسبق رؤيتها.
بشكل أساسي، تعلُّم الآلة هو عملية تدريب برنامج يُعرف باسم النموذج، وذلك بهدف التوصّل إلى توقعات مفيدة أو إنشاء محتوى (مثل النصوص أو الصور أو الملفات الصوتية أو الفيديوهات) من البيانات.
على سبيل المثال، لنفترض أنّنا نريد إنشاء تطبيق للتنبؤ بكمية الأمطار. يمكننا استخدام نهج تقليدي أو نهج يستند إلى تعلُّم الآلة. باستخدام نهج تقليدي، سننشئ تمثيلاً للغلاف الجوي وسطح الأرض يستند إلى الفيزياء، ونحسب كميات هائلة من معادلات ديناميكا الموائع. وهذا أمر بالغ الصعوبة.
باستخدام أسلوب تعلُّم الآلة، سنزوّد نموذج تعلُّم الآلة بكميات هائلة من بيانات الطقس إلى أن يتعلّم النموذج في النهاية العلاقة الرياضية بين أنماط الطقس التي تؤدي إلى هطول كميات مختلفة من الأمطار. بعد ذلك، نزوّد النموذج ببيانات الطقس الحالية، وسيتوقّع كمية الأمطار.
التحقّق من فهمك
أنواع أنظمة تعلُّم الآلة
تندرج أنظمة تعلُّم الآلة ضمن فئة واحدة أو أكثر من الفئات التالية استنادًا إلى طريقة تعلّمها إجراء التوقعات أو إنشاء المحتوى:
- التعلُّم الموجَّه
- التعلُّم غير الموجَّه
- التعلّم التعزيزي
- الذكاء الاصطناعي التوليدي
التعلُّم الموجَّه
يمكن لنماذج التعلّم الموجَّه تقديم توقّعات بعد الاطّلاع على الكثير من البيانات التي تتضمّن الإجابات الصحيحة، ثم اكتشاف الروابط بين العناصر في البيانات التي تؤدي إلى الإجابات الصحيحة. وهذا يشبه تعلّم طالب لمادة جديدة من خلال دراسة اختبارات قديمة تحتوي على أسئلة وأجوبة. بعد أن يتدرب الطالب على عدد كافٍ من الاختبارات القديمة، يصبح مستعدًا جيدًا لإجراء اختبار جديد. تخضع أنظمة تعلُّم الآلة هذه إلى "إشراف" بمعنى أنّ أحد الأشخاص يقدّم إلى نظام تعلُّم الآلة بيانات تتضمّن النتائج الصحيحة المعروفة.
من أكثر حالات الاستخدام شيوعًا للتعلّم الخاضع للإشراف، الانحدار والتصنيف.
الانحدار
يتوقّع نموذج الانحدار قيمة رقمية. على سبيل المثال، نموذج الطقس الذي يتنبأ بكمية الأمطار بالبوصة أو المليمتر هو نموذج انحدار.
اطّلِع على الجدول أدناه لمعرفة المزيد من الأمثلة على نماذج الانحدار:
| السيناريو | بيانات الإدخال المحتملة | التوقّع الرقمي |
|---|---|---|
| سعر المنزل المستقبلي | المساحة بالمتر المربع والرمز البريدي وعدد غرف النوم والحمامات ومساحة قطعة الأرض ومعدل فائدة الرهن العقاري ومعدل الضريبة العقارية وتكاليف البناء وعدد المنازل المعروضة للبيع في المنطقة | تمثّل هذه السمة سعر المنزل. |
| وقت الرحلة المستقبلي | حالات الازدحام المروري السابقة (التي يتم جمعها من الهواتف الذكية وأجهزة استشعار حركة المرور وتطبيقات طلب سيارات الأجرة وغيرها من تطبيقات الملاحة) والمسافة من الوجهة وحالات الطقس | الوقت بالدقائق والثواني للوصول إلى وجهة |
التصنيف
تتنبأ نماذج التصنيف باحتمالية انتماء عنصر ما إلى فئة. على عكس نماذج الانحدار التي يكون الناتج فيها رقمًا، فإنّ نماذج التصنيف تنتج قيمة تحدّد ما إذا كان شيء ما ينتمي إلى فئة معيّنة أم لا. على سبيل المثال، تُستخدم نماذج التصنيف للتنبؤ بما إذا كانت الرسالة الإلكترونية غير مرغوب فيها أو ما إذا كانت الصورة تحتوي على قطة.
تنقسم نماذج التصنيف إلى مجموعتَين: التصنيف الثنائي والتصنيف المتعدد الفئات. تُخرج نماذج التصنيف الثنائي قيمة من فئة تحتوي على قيمتَين فقط، مثل نموذج يُخرج إما rain أو no rain. تُخرج نماذج التصنيف المتعدد الفئات قيمة من فئة تحتوي على أكثر من قيمتَين، مثل نموذج يمكنه إخراج rain أو hail أو snow أو sleet.
التحقّق من فهمك
التعلُّم غير الموجَّه
يهدف نموذج التعلّم غير الموجّه إلى تحديد الأنماط المفيدة في مجموعة بيانات. على سبيل المثال، تعتمد العديد من نماذج التعلّم غير الموجّه على أسلوب يُعرف باسم التجميع لتنظيم البيانات المتشابهة في مجموعات (تُعرف باسم "المجموعات").
الشكل 1 نموذج تعلُّم آلي يجمع نقاط البيانات المتشابهة في مجموعات.
الشكل 2 مجموعات من المجموعات المتشابهة مع حدود طبيعية
يختلف التجميع عن التصنيف لأنّ الفئات لا يحدّدها المستخدم. على سبيل المثال، قد يجمّع نموذج غير خاضع للإشراف مجموعة بيانات الطقس استنادًا إلى درجة الحرارة، ما يؤدي إلى ظهور تصنيفات تحدّد الفصول. يمكنك بعد ذلك محاولة تسمية هذه المجموعات استنادًا إلى فهمك لمجموعة البيانات.
الشكل 3 نموذج تعلُّم آلة يجمع أنماط الطقس المتشابهة
الشكل 4 مجموعات من أنماط الطقس مصنّفة على أنّها ثلج أو مطر متجمد أو مطر أو لا مطر
التحقّق من فهمك
التعلّم التعزيزي
تُجري نماذج التعلّم التعزيزي توقّعات من خلال الحصول على مكافآت أو عقوبات استنادًا إلى الإجراءات التي يتم تنفيذها في بيئة معيّنة. يضع نظام التعلّم المعزّز سياسة تحدّد أفضل استراتيجية للحصول على أكبر عدد من المكافآت.
يتم استخدام التعلّم المعزّز لتدريب الروبوتات على تنفيذ مهام، مثل التجول في غرفة، وبرامج مثل AlphaGo للعب لعبة Go.
الذكاء الاصطناعي التوليدي
الذكاء الاصطناعي التوليدي هو فئة من النماذج التي تنشئ محتوًى استنادًا إلى مدخلات المستخدم. على سبيل المثال، يمكن للذكاء الاصطناعي التوليدي إنشاء صور فريدة ومؤلفات موسيقية ونكات، ويمكنه تلخيص المقالات أو شرح كيفية تنفيذ مهمة أو تعديل صورة.
يمكن للذكاء الاصطناعي التوليدي تلقّي مجموعة متنوعة من المدخلات وإنشاء مجموعة متنوعة من المخرجات، مثل النصوص والصور والمقاطع الصوتية والفيديوهات. ويمكنه أيضًا أخذ هذه العناصر وإنشاء مجموعات منها. على سبيل المثال، يمكن أن يتلقّى النموذج صورة كمدخل وينشئ صورة ونصًا كمخرج، أو يتلقّى صورة ونصًا كمدخل وينشئ فيديو كمخرج.
يمكننا مناقشة النماذج التوليدية من خلال مدخلاتها ومخرجاتها، والتي تُكتب عادةً على النحو التالي: "نوع المدخلات" إلى "نوع المخرجات". على سبيل المثال، في ما يلي قائمة جزئية ببعض المدخلات والمخرجات الخاصة بالنماذج التوليدية:
- طلبات وردود نصية
- تحويل النص إلى صورة
- تحويل النص إلى فيديو
- تحويل النص إلى رمز
- تحويل النص إلى كلام
- الصور وتحويل النص إلى صورة
يتضمّن الجدول التالي أمثلة على النماذج التوليدية والمدخلات الخاصة بها والنتائج المحتملة:
| الطراز | الإدخال | مثال على الناتج |
|---|---|---|
| طلبات وردود نصية | مَن اخترع سباق "لو مان"؟ |
تأسس سباق "24 ساعة من لومان" على يد نادي السيارات الغربي (ACO)، وهو منظمة للسيارات تأسست عام 1906. أُقيم السباق الأول
في 26 و27 أيار (مايو) 1923 على حلبة "سارث"، وهي حلبة طرقية بطول 13.426 كيلومتر
(8.345 ميل) تقع بالقرب من مدينة "لو مان" في فرنسا.
وقد تم تصميم السباق في الأصل كوسيلة للترويج لـ ACO ومنطقة سارت. المصدر: Bard |
| تحويل النص إلى صورة | أخطبوط فضائي يطفو عبر بوابة وهو يقرأ جريدة |
 المصدر: Imagen |
| تحويل النص إلى فيديو | دمية دب واقعية تسبح في المحيط في سان فرانسيسكو يغرق الدب. يواصل الدب السباحة تحت الماء مع الأسماك الملونة. دب باندا يسبح تحت الماء |
 المصدر: Phenaki |
| تحويل النص إلى رمز | اكتب حلقة Python تتكرر على قائمة من الأرقام وتطبع الأرقام الأولية. |
for number in numbers: # Check if the number is prime. is_prime = True for i in range(2, number): if number % i == 0: is_prime = False break # If the number is prime, print it. if is_prime: print(number) المصدر: Bard |
| تحويل الصورة إلى نص |  |
هذه طيور فلامنغو. وتنتشر في منطقة الكاريبي. المصدر: Google DeepMind |
كيف يعمل الذكاء الاصطناعي التوليدي؟ بشكل عام، تتعلّم النماذج التوليدية الأنماط في البيانات بهدف إنتاج بيانات جديدة ولكنها مشابهة. تتضمّن النماذج التوليدية ما يلي:
- الممثلون الكوميديون الذين يتعلّمون تقليد الآخرين من خلال مراقبة سلوكيات الأشخاص وطريقة كلامهم
- الفنّانون الذين يتعلّمون الرسم بأسلوب معيّن من خلال دراسة الكثير من اللوحات الفنية بهذا الأسلوب
- فرق موسيقية تغني أغاني فرق أخرى من خلال الاستماع إلى الكثير من الموسيقى التي تقدّمها تلك الفرق
لإنتاج نتائج فريدة ومبتكرة، يتم تدريب النماذج التوليدية في البداية باستخدام أسلوب غير خاضع للإشراف، حيث يتعلّم النموذج محاكاة البيانات التي يتم تدريبه عليها. في بعض الأحيان، يتم تدريب النموذج بشكل إضافي باستخدام التعلّم الموجَّه أو التعزيزي على بيانات محدّدة ذات صلة بالمهام التي قد يُطلب من النموذج تنفيذها، مثل تلخيص مقالة أو تعديل صورة.
تتطوّر تكنولوجيا الذكاء الاصطناعي التوليدي سريعًا، ويتم باستمرار اكتشاف حالات استخدام جديدة لها. على سبيل المثال، تساعد النماذج التوليدية المؤسسات في تحسين صور منتجاتها على مواقع التجارة الإلكترونية من خلال إزالة الخلفيات المشتّتة للانتباه تلقائيًا أو تحسين جودة الصور المنخفضة الدقة.