تعلم الآلة فرع من الذكاء الاصطناعي يجعل الحاسوب يكتشف الأنماط من البيانات بدلاً من أن يكتب المبرمج كل قاعدة بيده. بدل أن تقول للبرنامج «إذا حدث كذا فافعل كذا» ملايين المرات، تعطيه أمثلة كثيرة ويستنتج القواعد بنفسه. في هذا المقال نشرح الفكرة بلغة بسيطة ومن غير معادلات معقدة.
الفكرة الأساسية
تخيل أنك تريد برنامجاً يميز رسائل البريد المزعجة. الطريقة التقليدية أن تكتب قائمة كلمات ممنوعة، لكن المحتالين يغيرون أسلوبهم باستمرار. في تعلم الآلة تعرض على النموذج آلاف الرسائل المصنفة مسبقاً بين مزعجة وسليمة، فيتعلم العلامات المشتركة بينها، ثم يحكم على رسائل جديدة لم يرها من قبل. كلما زادت الأمثلة الجيدة تحسنت دقته عادة.
أنواع تعلم الآلة
- التعلم الموجّه: البيانات تأتي مع إجابات صحيحة، مثل صور مكتوب عليها «قطة» أو «كلب»، ويتعلم النموذج الربط بينها.
- التعلم غير الموجّه: لا توجد إجابات جاهزة، ويحاول النموذج تجميع البيانات المتشابهة، مثل تقسيم العملاء إلى مجموعات حسب سلوك الشراء.
- التعلم المعزز: يجرب النموذج أفعالاً ويحصل على مكافأة أو عقوبة، فيتحسن تدريجياً، وهو شائع في الألعاب والروبوتات.
أين تراه في حياتك اليومية؟
- اقتراحات المنتجات في المتاجر الإلكترونية.
- التعرف على الوجه أو البصمة لفتح الجوال.
- تصحيح الكتابة والإكمال التلقائي في لوحة المفاتيح.
- كشف العمليات المشبوهة في البطاقات البنكية.
- الترجمة الآلية وتحويل الصوت إلى نص.
- تقدير وقت الوصول في تطبيقات الخرائط.
خطوات بناء نموذج بشكل عام
أولاً تُجمع البيانات وتُنظف من الأخطاء والقيم المفقودة، فجودة البيانات أهم من تعقيد النموذج. ثانياً تُقسم إلى جزء للتدريب وجزء للاختبار. ثالثاً يُدرَّب النموذج على جزء التدريب. رابعاً يُقاس أداؤه على بيانات لم يرها. خامساً يُحسَّن ويُراقب بعد الاستخدام، لأن الواقع يتغير وقد تضعف دقة النموذج مع الوقت.
حدود يجب أن تعرفها
النموذج لا يفهم كما يفهم الإنسان، بل يلتقط أنماطاً إحصائية. إن كانت البيانات متحيزة أو ناقصة فستخرج نتائجه متحيزة أو خاطئة. وقد يبدو واثقاً وهو مخطئ، ولذلك تبقى المراجعة البشرية ضرورية في القرارات المهمة كالصحة والتمويل والتوظيف. كذلك يحتاج بعضها إلى بيانات ضخمة وقدرة حاسوبية كبيرة، فلا يناسب كل مشكلة.
كيف تبدأ بتعلمه؟
ابدأ بأساسيات الإحصاء والجبر الخطي بقدر بسيط، ثم تعلم لغة بايثون وهي الأكثر استخداماً في هذا المجال. جرّب مجموعات بيانات صغيرة مفتوحة، وابنِ مشروعاً بسيطاً مثل توقع سعر عقار من مساحته وعدد غرفه. التطبيق العملي يرسخ الفكرة أسرع من القراءة وحدها، وهناك دورات مجانية عربية وإنجليزية كثيرة تناسب المبتدئين.
أسئلة شائعة
هل تعلم الآلة هو نفسه الذكاء الاصطناعي؟
لا، هو جزء منه. الذكاء الاصطناعي مفهوم أوسع يشمل كل ما يجعل الآلة تؤدي مهام تحتاج ذكاءً، وتعلم الآلة إحدى طرقه الأهم.
هل أحتاج شهادة في الرياضيات لأتعلمه؟
ليس للبداية. المفاهيم الأساسية تكفي لتجريب النماذج، وتتعمق في الرياضيات تدريجياً كلما احتجت.
هل يعوض الوظائف؟
يغير طبيعة بعضها ويؤتمت المهام المتكررة، ويخلق وظائف جديدة تحتاج مهارات تحليل ومراجعة. التعلم المستمر هو أفضل استعداد.
خلاصة القول: تعلم الآلة هو أن تترك البيانات تعلّم الحاسوب القواعد. افهم فكرته وحدوده وستستفيد منه بوعي في عملك وحياتك.
مفاهيم تسمع بها كثيراً
- الشبكات العصبية: نماذج مستوحاة بشكل مبسط من الدماغ، تتكون من طبقات تمرر المعلومات وتعدل أوزانها أثناء التدريب.
- التعلم العميق: شبكات عصبية بطبقات كثيرة، وهي خلف التعرف على الصور والصوت والنماذج اللغوية.
- فرط التخصيص: أن يحفظ النموذج بيانات التدريب حرفياً فيفشل مع بيانات جديدة.
- الميزات: الخصائص التي يعتمد عليها النموذج، مثل مساحة العقار وعدد الغرف وموقعه.
مثال عملي متكامل
لنفترض أن شركة توصيل تريد تقدير زمن وصول الطلب. تجمع بيانات آلاف الطلبات السابقة: المسافة، وقت اليوم، حالة الازدحام، وزمن التوصيل الفعلي. يتدرب النموذج على هذه الأمثلة فيتعلم أن المسافة الطويلة في ساعة الذروة تعني وقتاً أطول. وحين يصل طلب جديد يقدّر الزمن في لحظات. وبعد أسابيع تقارن الشركة التقدير بالواقع وتعيد تدريب النموذج إن ظهرت فروق، وهذا ما يسمى المراقبة المستمرة.
أخلاقيات الاستخدام
عند التعامل مع بيانات الأفراد يجب احترام الخصوصية وعدم جمع أكثر من اللازم، ومراعاة أنظمة حماية البيانات الشخصية المعمول بها في المملكة. وتفسير قرارات النموذج مهم، فمن حق المتأثر بالقرار أن يفهم أسبابه قدر الإمكان.
