- صاحب المنشور: كشاف الأخبار
ملخص النقاش:
تزايدت أهمية تقنيات الذكاء الاصطناعي (AI) بشكل ملحوظ في السنوات الأخيرة، حيث تلعب دوراً محورياً في تحسين الكفاءة والإنتاجية في مختلف القطاعات. تتباين التقنيات المختلفة للذكاء الاصطناعي في قدراتها وأهدافها واتجاهاتها الخاصة، مما يجعل اختيار الأفضل منها لتطبيق معين أمراً بالغ الصعوبة والمعقد. وفي هذا المقال، سنستعرض بعضاً من هذه التقنيات الرئيسية وخصائص كل منها لمساعدة القراء على فهم خلفياتها ومجالات تطبيقاتها المحتملة.
التعلم الآلي Machine Learning
يعتبر التعلم الآلي أحد فروع الذكاء الاصطناعي الذي يتيح للأجهزة حل المشاكل وتوقع النتائج بناءً على البيانات التاريخية والأنماط المستفادة منها. يمكن تصنيف طرق التعلم الآلي إلى ثلاثة أنواع رئيسية حسب طريقة تعلم النظام والتفاعل معه أثناء العملية التعليمية.
- التعلم بدون مشرف Supervised Learning: يُستخدم عندما تكون هناك مجموعة بيانات تدريبية مصنفة ومكتملة مُسبقًا، يقوم خوارزميات التعلم الفائق بفهم العلاقات الموجودةضمن تلك المعلومات لتكوين نماذج وإجراء التنبؤات مستقبلاً عند وجود بيانات جديدة غير معروفة سابقًا لهذا النوع من الخوارزميات . مثال شائع لذلك هو نظام التصنيف البريد الإلكتروني الشهير Spam/Not Spam والذي يستند لمعرفة نموذجي بريدي محتمل كأونهما ضار وغير ضار ومن ثم الفصل بينهما لاحقا لكل رسالة جديد بحسب درجة تشابهها بأحدهما حال قراءة البعض منه سابقاُ بتدريب داخلي داخله بينما يعمل تحديث دائمي له أيضا بواسطة المستخدم بنفسه بإضافة أي موضوعات أخرى مشابهتين سواء جيدة ام سيئة بالنسبة له شخصيا ليضيف الي ذاكرته المتراكمة لدي الـML الخاص به وبالتالي يحسن دقه أكثر فأكثر مع الزمن مما يعكس فعالية هذي الطريقة ضمن المجال العام أيضاً نظرا لما توفره من مرونة عالية وقدرتها علي الاستيعاب بسرعة البرق بجانب قابليتها للتكيف مطرد نحو التأثيرات البيئية المحلية كذلك الإقليمية والشاملة عموماً ولا تغفل جانب القدرة علة الاستمرار عبر فترات طويلة نسبيا إلآ أنها تحتاج لحجوم كبيرة نسبيّا لدربانات تعليم ذات نوعيه جيّدة كي تستطيع اعماله بصورة مثلى ويحقق الغايه المنشود بها حقا وهو الحصول علي نتائجات دقيقة تتماشي ويتطلب أمر المهتم بالأمر أصلا!
* الأمثلة الشائعة لهذه التقنية تشمل التعرف على الصور (على سبيل المثال، تحديد الأشخاص أو الحيوانات)، والكشف عن الاحتيال (كالاحتيال المصرفي), وتحليل اللغة الطبيعية(NLT).
- التعلم غير المُشَرف Unsupervised Learning: يتم استخدام هذه الطريقة حين يكون هنالك غياب لمجموعة بيانات مدربة مُسبقا ولكن يمكن استخلاص معلومات هامة وغنية عنها مثل البحث عن الروابط الداخلية والخارجية داخل مجموعات ضخمة جدًا ومتنوعة للغاية ومتداخله بدرجه كبيره جدأ مايكون فيه مجال صغير لأي تأثير بشرى مباشر عليها وقد أدى ذلك إلي ظاهرة تعرف باسم *Data Drowning* والتي تعني بلغة أبسط بأن كميه الضخم العملاقة التي وصل إليها علم الحاسوب الحديث اليوم أصبح عبئ ثقيل
