ما هو التعلم الآلي؟

التعلم الآلي هو شكل من أشكال الذكاء الاصطناعي الذي يتيح للنظام التعلم من البيانات وليس من خلال البرمجة الصريحة. ولكن، التعلم الآلي ليس بالعملية البسيطة. وبقيام الخوارزميات باستيعاب بيانات التدريب، يمكن عندئذ انتاج نماذج أكثر دقة بناءا على تلك البيانات. يعد نموذج التعلم الآلي هو الناتج الذي يتم تكوينه عند القيام بتدريب خوارزمية التعلم الآلي الخاصة بك مع البيانات. بعد التدريب، عندما تقوم بتقديم نموذج بأحد المدخلات، سيتم منحك مخرجات. على سبيل المثال، ستقوم الطرق التنبؤية بتكوين أحد نماذج التنبؤ. بعد ذلك، عندما تقوم بتقديم نموذج التنبؤ بالبيانات، ستقوم باستلام تنبؤ بناءا على البيانات التي قامت بتدريب النموذج.

رسم توضيحي يبين قيام الروبوت بحل اللغز

التعلم التكراري

يتيح التعلم الآلي للنماذج التدريب على مجموعات البيانات قبل نشرها. بعض نماذج التعلم الآلي متصلة ومتواصلة. هذه العملية التكرارية للنماذج عبر الانترنت تؤدي الى تحسن في أنواع الارتباطات التي تتم بين عناصر البيانات. ونظرا لتعقيدها وحجمها، فان هذه الأنماط والروابط يمكن أن يتم التغاضي عنها بسهولة عن طريق ملاحظة الانسان. بعد أن يتم تدريب أحد النماذج، يمكن استخدامه في الوقت الفعلي للتعلم من البيانات. التحسينات في الدقة تكون نتيجة لعملية التدريب والتشغيل الآلي والتي تعد جزءا من التعلم الآلي.

البيانات الكبيرة في سياق التعلم الآلي

يتطلب التعلم الآلي أن يتم تطبيق مجموعة البيانات الصحيحة على عملية التعلم. ولا يتعين على المؤسسة أن تحصل على بيانات كبيرة لاستخدام تقنيات التعلم الآلي؛ الا أن البيانات الكبيرة يمكن أن تساعد في تحسين دقة نماذج التعلم الآلي. باستخدام البيانات الكبيرة، أصبح من الممكن الآن تطبيق المحاكاة الافتراضية على البيانات بحيث يمكن تخزينها بأكثر الطرق كفاءة وفعالية من حيث التكلفة، سواء كانت في بيئة تشغيل محلية أو بيئة تشغيل سحابية. بالاضافة الى ذلك، فان التحسينات في سرعة الشبكة وموثوقيتها أزالت القيود المادية الأخرى المرتبطة بادارة كميات هائلة من البيانات بالسرعة المقبولة. أضف الى هذا تأثير التغييرات في سعر وتطور ذاكرة الكمبيوتر، حيث أصبح الآن من الممكن تخيل كيف يمكن للشركات الاستفادة من البيانات بطرق لم يكن من الممكن تصورها قبل خمس سنوات فقط.

نهج التعلم الآلي

تكون تقنيات التعلم الآلي مطلوبة لتحسين دقة النماذج التنبؤية. وتبعا لطبيعة مشكلة الأعمال التي يجري التصدي لها، هناك نهج مختلف يستند الى نوع البيانات وحجمها. في هذا القسم، نحن نناقش فئات التعلم الآلي.

التعلم تحت الاشراف

يبدأ التعلم تحت الاشراف عادة بمجموعة محددة من البيانات وبفهم معين لكيفية تصنيف تلك البيانات. ويهدف التعلم تحت الاشراف الى ايجاد أنماط في البيانات يمكن تطبيقها على عملية التحليل. يكون لهذه البيانات خصائص مميزة تقوم بتعريف معنى البيانات. على سبيل المثال، يمكنك تكوين تطبيق للتعلم الآلي يميز بين ملايين الحيوانات، بناءا على الصور والوصف الكتابي.

تعلم بدون مراقب

يتم استخدام التعلم بدون مراقب عندما تتطلب المشكلة كمية هائلة من البيانات غير محددة العنوان. على سبيل المثال، تطبيقات وسائل التواصل الاجتماعي، مثل Twitter و Instagram و Snapchat، كلها تحتوي على كميات كبيرة من البيانات غير محددة العنوان. فهم معنى هذه البيانات يتطلب طرق حسابية لتصنيف البيانات بناء على النماذج أو أنظمة المجموعة التي يتم العثور عليها. يقوم التعلم غير الخاضع للاشراف باجراء عملية متكررة، حيث يقوم بتحليل البيانات دون تدخل بشري. يتم استخدامه مع تقنية اكتشاف البريد الالكتروني غير الهام. هناك عدد كبير جدا من المتغيرات في الرسائل الالكترونية الشرعية والرسائل غير الهامة لكي يقوم المحلل بوضع علامة على البريد الالكتروني غير المرغوب فيه. وبدلا من ذلك، يتم تطبيق مصنفات التعلم الآلي، بناءا على التجميع والارفاق، لتحديد البريد الالكتروني غير المرغوب فيه.

تعزيز التعلم

تعزيز التعلم هو نموذج للتعلم السلوكي. حيث تتلقى الطرق الحسابية المعلومات المرجعية من تحليل البيانات، وتوجه المستخدم الى أفضل النتائج. ويختلف تعزيز التعلم عن الأنواع الأخرى من التعلم تحت الاشراف، لأن النظام لم يتم تدريبه باستخدام عينة من مجموعة من البيانات. بدلا من ذلك، فان النظام يتعلم من خلال التجربة والخطأ. ولذلك، فان سلسلة من القرارات الناجحة ستؤدي الى تعزيز العملية، لأنها تحل المشكلة على أفضل وجه.

التعلم العميق

التعلم العميق هو طريقة محددة للتعلم الآلي التي تضم الشبكات العصبية في الطبقات المتعاقبة للتعلم من البيانات بطريقة تكرارية. التعلم العميق يفيد بشكل خاص عندما تحاول تعلم أنماط من بيانات غير محددة الهيكل. تم تصميم الشبكات العصبية المعقدة للتعلم العميق لمحاكاة كيفية عمل الدماغ البشري، بحيث يمكن تدريب أجهزة الكمبيوتر على التعامل مع التجريدات والمشاكل التي تتسم بضعف التعريف. يمكن للطفل البالغ من العمر خمس سنوات أن يتعرف بسهولة على الفرق بين وجه معلمته ووجه حارس البوابة. وفي المقابل، يجب على الحاسب أن يقوم بالكثير من العمل لمعرفة من يكون من. وكثيرا ما يتم استخدام الشبكات العصبية والتعلم العميق في التعرف على الصور والكلام وتطبيقات الرؤية للحاسب.

المخططات على رسم بياني

تطبيق التعلم الآلي على متطلبات الأعمال

يقدم التعلم الآلي قيمة محتملة للشركات التي تحاول الاستفادة من البيانات الكبيرة ويساعدها على فهم التغييرات الدقيقة في السلوك أو التفضيلات أو ارضاء العملاء. وقد بدأ قادة الأعمال في ادراك أنه لا يمكنهم فهم أشياء كثيرة تحدث داخل مؤسساتهم وصناعاتهم من خلال الاستعلام. انها ليست الأسئلة التي تعرفها؛ انها الأنماط وأوجه النقص الخفية المدفونة في البيانات التي يمكن أن تساعدك أو تؤذيك.

كيف يأتي كل ذلك معا

ميزة التعلم الآلي هو أنه من الممكن الاستفادة من الطرق الرياضية والنماذج للتنبؤ بالنتائج. وتتمثل الخدعة في ضمان قيام علماء البيانات الذين يقومون بالعمل باستخدام الطرق الحسابية الصحيحة، واستيعاب البيانات الأكثر ملاءمة (الدقيقة والواضحة) واستخدام أفضل النماذج أداء. اذا اجتمعت جميع هذه العناصر معا، فمن الممكن استمرار تدريب النموذج والتعلم من النتائج من خلال التعلم من البيانات. ويؤدي التشغيل الآلي لعملية تكوين النماذج والتدريب والاختبار الى تنبؤات دقيقة لدعم تغيير الأعمال.

رسم بياني يوضح علاقة الذكاء الاصطناعي والتعلم الآلي

المنتجات

IBM Watson Studio

حل سحابي محلي أو خاص أو عام يقدم بيئة تشغيل تعاونية للتعلم الآلي لفرق العمل لاكتشاف وتكوين نماذج ونشر حلول البيانات باستخدام أفضل الأدوات مفتوحة المصدر.

IBM Machine Learning for z/OS

أحد حلول التعلم الآلي المحلية الذي يقوم باستخلاص القيمة الخفية من بيانات الشركة. يمكنك بسرعة استيعاب البيانات وتحويلها لانشاء نماذج ذاتية للتعلم عالية الدقة ونشرها وادارتها، باستخدام بيانات IBM z Systems®‎.

IBM SPSS® Modeler

منصة تحليل بيانية للمستخدمين بجميع مستويات المهارات لنشر الرؤى على نطاق واسع مع مدى كبير من الطرق الحسابية والامكانيات مثل تحليل النصوص، والتحليلات الجغرافية المكانية، والتشغيل الأمثل.

IBM Watson Explorer

تحليلات المحتوى المدعمة بالتعلم الآلي ومنصة البحث المعرفي التي توفر للمستخدمين امكانية التوصل الى رؤى قابلة للتنفيذ من كل البيانات وتساعد على تحقيق نتائج أفضل للأعمال.

دراسات الحالة

Ahus تكتسب رؤى جديدة مع Watson Explorer لتقديم خدمة صحية عالية الجودة

يستخدم مستشفى Akershus University Hospital (Ahus)‎ الجامعي نظام Watson Explorer جنبا الى جنب مع الشريك Capgemini لتحليل الآلاف من تقارير الأشعة للتأكد من أن الفرق تتبع أفضل الممارسات، مما يساعد على الحفاظ على مستويات عالية من الرعاية الصحية.

تحليلات المحتوى في الوقت الفعلي تساعد في استدعاء مراكز الاتصال لخدمة العملاء بطريقة فعالة

يقوم بنك Mizuho Bank Ltd. بزيادة تفاعل العملاء بكفاءة وتقليل وقت التعامل مع العملاء بمساعدة امكانيات معالجة اللغات الطبيعية المتاحة في IBM Watson® Explorer.

المصادر

قم بجولة موجهة عن كيفية بناء نموذج تعلم آلي للتنبؤ باحتمالات فقد العملاء في IBM Watson Studio.

الاطلاع على مزيد من البرامج التعليمية لتطبيقات التعلم الآلي والتعلم العميق                                                                             

بدء تجربة Watson Studio الآن بدون أي تكلفة                                                                                                                  

معرفة المزيد عن أساسيات التعلم الآلي