كيف يغير التعلم الآلي العالم؟

هل سمعت يومًا عن نظرية البيرة والحفاضات الشهيرة ؟

ابتكر Walmart ، أكبر بائع تجزئة في العالم ، "من المفترض" هذه النظرية لفهم الارتباط بين المنتجات وتحديد الأنماط.

يميل الرجال ، الذين تتراوح أعمارهم بين 30 و 40 عامًا ، والذين اشتروا حفاضات في مكان ما بين الساعة 5 مساءً و 7 مساءً أيام الجمعة ، إلى تناول البيرة في شاحناتهم. حفزت هذه النظرية متاجر البقالة على الاحتفاظ بعيار الجعة بجانب الحفاضات ، وبالتالي زيادة مبيعات كل من العناصر هندسيًا.

الآن ، كيف تعمل هذه النظرية؟ بعد أسبوع طويل من العمل الشاق ، يميل رجال الطبقة العاملة إلى الشعور بالتعب. إلى جانب مسؤولياتهم اليومية ، غالبًا ما تتضمن عطلة نهاية الأسبوع الخاصة بهم شراء حفاضات لأطفالهم والاستيلاء على البيرة لأنفسهم من الممر المجاور.

هذا مثال ممتاز على الارتباط. تشرح هذه النظرية كيف سلاسل كبيرة من المنتجات المنتسبة سوبر ماركت. يمكن أن يكون الارتباط جزءًا مهمًا من بناء نماذج التعلم الآلي.

التعلم الآلي هو أي شيء يجعل المهمة أسهل. نحن لا نتحدث فقط عن المهام الكبيرة ، ولكن عن التلوين اليدوي للصور بالأبيض والأسود والعثور يدويًا على شخص ما على وسائل التواصل الاجتماعي أيضًا. تخيل الآن آلة تفهم المهمة نفسها وتتطور مع المتطلبات الجديدة والحالية والسابقة.

ما هو التعلم الآلي؟

التعلم الآلي هو جزء فرعي من الذكاء الاصطناعي (الذكاء الاصطناعي). إنه علم إنشاء خوارزمية يمكنها التعلم من تلقاء نفسها. إنه يعمل من خلال التعرف على الأنماط من البيانات بدلاً من تطبيق برمجة محددة. بمجرد تصميمه ، فإنه لا يتطلب أي عملية يدوية. التعلم الآلي ذكي بما يكفي للتعلم من تلقاء نفسه. يجد أنماطًا من البيانات الأصلية ويتنبأ بالأنماط المستقبلية باستخدام التحليل الإحصائي.

لفهم أفضل ، إليك بعض الأمثلة:

1) Siri و Alexa و Google Assistant هي بعض الأمثلة الشهيرة للتعلم الآلي. إنهم مساعدي صوت افتراضي ، ويساعدون في العثور على المعلومات عندما يُطلب منك ذلك عبر الصوت ، وكل ما عليك فعله هو تنشيطهم. بعض الأمثلة الأخرى على مساعِدات الصوت الافتراضية المدمجة هي:

• أمازون إيكو
• Samsung Bixby
• جوجل ألو

2) التعرف على الصور

يعد التعرف على الصور أحد أكثر الأمثلة شيوعًا للتعلم الآلي. إنها القدرة على تحديد الأشياء والأماكن والأشخاص وما إلى ذلك. يشارك الأشخاص كمية كبيرة من البيانات من خلال التطبيقات ووسائل التواصل الاجتماعي والمواقع الإلكترونية وما إلى ذلك ، وفيسبوك قادر بما يكفي على أداء التعرف على الوجه بدقة 98٪ مما يعرض كميات من البيانات للخطر . هناك الكثير من الجدل حول كيفية تأثير التعرف على الصور على الخصوصية والأمان في جميع أنحاء العالم.

التعلم الآلي: ما سبب أهميته؟

تقليديًا ، اعتاد علماء البيانات على بناء نماذج مكتملة لاكتساب رؤى بدلاً من تدريب أجهزة الكمبيوتر على القيام بذلك. يبدو أن هذا نهج مستحيل الآن ، حيث أن البيانات وفيرة وغير متجانسة. يلعب التعلم الآلي دورًا هنا لأنه يكسر حجمًا هائلاً من البيانات بذكاء ويقترح خوارزميات ذكية لتوفير حلول مفيدة.

تعالج Google 20 بيتابايت (1 بيتابايت = 10 ^ 15 بايت) من البيانات يوميًا. يحتوي محرك البحث العملاق على مركز بيانات حيث يحتفظ بسجل لجميع المعلومات التي يزحف إليها. قد لا تتذكر ما بحثت عنه على Google منذ عامين ، لكن Google يتذكره. إنها مثل مكتبة ضخمة حيث تتوفر مليارات الكتب التي تغطي كل جزء من البيانات تقريبًا على هذا الكوكب.

هناك برامج متوفرة في السوق يمكنها تتبع جداول المواعيد اليومية ومساعدتك في مهامك اليومية مثل حجز سيارة أجرة أو تشغيل مكيف الهواء قبل الوصول إلى المنزل أو تشغيل صانعة القهوة في الصباح.

بغض النظر عما إذا كنا نريد ذلك أم لا ، فإننا نترك وراءنا نمطًا سلوكيًا في كل مرة نقوم فيها بمهمة بسيطة ؛ يتم فك تشفير هذه الأنماط بواسطة الخوارزميات لفهم احتياجاتنا وإيجاد بدائل فعالة للعمليات القياسية الأساسية.

هل الذكاء الاصطناعي والتعلم الآلي والتعلم العميق متماثلان؟

لا ليسو كذلك. يمكنك التفكير فيها كمجموعة متداخلة داخل بعضها البعض. أسهل طريقة لفهم ذلك هي من خلال تصورهم في دوائر متحدة المركز. التعلم العميق هو مجموعة فرعية من التعلم الآلي والتي تعد أيضًا مجموعة فرعية من الذكاء الاصطناعي.

دعونا نلقي نظرة على كيفية اختلافهما عن بعضهما البعض.

الذكاء الاصطناعي - وفقًا لجون مكارثي ، الذكاء الاصطناعي هو عملية إنشاء آلة ، أو آلة كمبيوتر يتم التحكم فيها بواسطة الروبوت ، أو منتج يفكر بذكاء كإنسان. الذكاء الاصطناعي هو مزيج من كلمتين "اصطناعي" و "ذكاء" حيث تعني كلمة اصطناعية غير طبيعية أو يخلقها الإنسان والذكاء يعني القدرة على التفكير والفهم.

بعض النقاط الرئيسية حول الذكاء الاصطناعي:

• الدافع الأساسي هو زيادة فرصة النجاح.
• إنه برنامج يقوم بكل الأعمال الذكية.
• يمكن للذكاء الاصطناعي حل المشكلات المعقدة.
• يطور نظامًا "يشبه الإنسان" ، للاستجابة بناءً على الظروف.

التعلم الآلي - كما هو محدد أعلاه ، التعلم الآلي هو علم إنشاء خوارزمية يمكنها التعلم من تلقاء نفسها. إنه جزء فرعي من الذكاء الاصطناعي.

بعض النقاط الأساسية حول التعلم الآلي:

• الهدف الأساسي هو زيادة الدقة.
• يدرس البيانات ويتعلم منها.
• يتعلم أيضًا عن المعلومات المعالجة.
• يذهب لحل واحد ، سواء كان هو الأمثل أم لا.

التعلم العميق - التعلم العميق هو جزء فرعي من التعلم الآلي. يستنتج أنماطًا من البيانات المقدمة ويساعد في استخلاص الحلول منها. إنه قادر على التعلم من البيانات غير المنظمة أو غير المسماة ، والتي قد تستغرق عقودًا لاكتشاف الأنماط.

بعض النقاط الرئيسية حول التعلم العميق:

• الهدف الأساسي هو اكتشاف الأنماط في البيانات المقدمة.
• يلاحظ الأنماط ويتنبأ منها.
• يستخدم بعدًا متعدد المستويات للأنظمة العصبية الاصطناعية لإكمال إجراءات التعلم الآلي.

تأثير تعلم الآلة

التعلم الآلي هو المستوى التالي من التكنولوجيا حيث تلتقي الآلة بالمعرفة البشرية ، والتي لها أهمية كبيرة في تغيير حياتنا. دعنا نلقي نظرة على مختلف مجالات الحياة اليومية المتأثرة بالتعلم الآلي:

• مسكن
  قبل خمسة عشر عامًا ، لم نفكر أبدًا في مدى ملاءمة الاتصال في المستقبل. لكن الآن ، يمكننا التواصل مع أي شخص في وحول العالم في ثوانٍ وفي مكان ما نعتمد عليه جميعًا. نحن نعتمد كثيرًا على أجهزة الكمبيوتر للاتصال والملاحة والحصول على المعلومات وما إلى ذلك. وهنا يأتي دور التعلم الآلي ويساعد في أنشطتنا اليومية.
• رعاية صحية
  تبدأ عملية إدارة الرعاية الصحية ، مثل التخطيط للرعاية الصحية العامة ، بالتصنيف على أساس التاريخ. هذا يساعد في الفحص والتحقيق والرصد لتحقيق نتيجة مستقبلية. تساعد هذه الافتراضات في معرفة الاحتياجات في المجالات التي تتطلب ذلك أكثر من غيرها.
• المواصلات
  نحن نعلم بالفعل التطورات الأخيرة مثل السيارات ذاتية القيادة ، أو شاحنات Tesla الجديدة شبه المستقلة حيث نقل الذكاء الاصطناعي النقل إلى مستوى مختلف. يقوم المراقبون بتحليل البيانات للتنبؤ بالقرارات المناسبة مثل السلامة العامة ، أو المساعدة في إدارة حركة المرور أو تفاصيل الجريمة في الوقت الفعلي. كما أنه يساعد في إيجاد ممرات للمشاة وراكبي الدراجات مما يؤدي إلى انخفاض عدد الحوادث المرورية.
• تعليم
  في وقت سابق ، كانت هناك طريقة واحدة فقط للتعلم بين المعلم والطلاب. ولكن مع إضافة التعلم الآلي ، بدأت العديد من المؤسسات في استخدامه من خلال تعظيم التفاعل بين المعلم والطالب وزيادة الكفاءة من خلال إنشاء جداول زمنية مناسبة لهم. كما ساعد في تحدي الطلاب من خلال توفير التعلم التكيفي ، باستخدام التعلم المخصص لمنح كل طالب الاهتمام الفردي.

تعلم الآلة كشريك تحسين محركات البحث

هل أنت غير متأكد من الكيفية التي يمكن أن يسير بها التعلم الآلي وتحسين محركات البحث جنبًا إلى جنب؟

دعنا نستكشف.

يتعلم كل محرك بحث كيفية النظر إلى الأشياء بطريقة أفضل مما يسمح لهم بتقديم نتائج أفضل.

من الأمثلة المناسبة على كيفية تغيير التعلم الآلي لعالم مُحسّنات محرّكات البحث هو رؤية كيفية إجراء تصفية رسائل البريد الإلكتروني الآن ، وهو أمر مهم للغاية. معدل نجاح Google في تصفية البريد العشوائي هو 99.9٪ بطريقة خفية ، وقد اعتمدت Google عملية التعلم الآلي هذه للتخلص من البريد العشوائي في TensorFlow على وجه التحديد. هذه العملية برمتها كانت تجري منذ سنوات حتى الآن.

إلى جانب ذلك ، تستخدم Google أيضًا الذكاء الاصطناعي مع عوامل تصفية قائمة على القواعد قادرة على منع البريد العشوائي الواضح. يتم اكتشاف هذه الأنماط بواسطة المواقع التي يتم فيها ربط هذه الرسائل غير المرغوب فيها ، وأنواع الروابط غير المرغوب فيها التي يحصلون عليها ، وما إلى ذلك.

يؤثر التعلم الآلي أيضًا على تحسين محركات البحث على المحتوى. دعونا نرى كيف:

منذ 10 سنوات ، تعمل Google على حل المشكلة - مطابقة العبارات وإخراج نتيجة. لتصحيح هذه المشكلة ، قدموا نظامًا للتعلم الآلي في سبتمبر 2016 يسمى Google Neural Machine Translation System (GNMT). وهذا يحقق الكفاءة في فهم العبارة من خلال ترميزها ثم فك تشفيرها لعرض النتائج المطلوبة.

التعلم الآلي: ما سبب أهميته في المستقبل؟

قريباً لن يكون هناك أي حجر دون أن يقلبه الذكاء الاصطناعي والتعلم الآلي. في بعض السنوات ، سيكون هناك تغيير كبير في كيفية عمل الناس. سيكون التبعية أكثر على أجهزة الكمبيوتر بدلاً من البشر. سيتم أتمتة معظم طاقات العمل بواسطة أجهزة الكمبيوتر.

قد تعتقد أن هذا التطور في التعلم الآلي والذكاء الاصطناعي قد يؤدي إلى فقدان الوظائف حول العالم. لكن ذلك غير صحيح.

وفقًا لبي بي سي ، يتولى التعلم الآلي زمام الأمور بحيث يمكن إنجاز المهام الروتينية والمتكررة بسرعة وكفاءة بواسطة الخوارزميات التي يكتبها البشر. قد يؤثر ذلك على سوق العمل ، لكنهم قد يكتسبون وظائف تتطلب مهارات أكثر تعقيدًا وأقل روتينية.

تشير دراسة من Mckinsey إلى أنه بحلول عام 2030 ، سيحل الذكاء الاصطناعي وتعلم الآلة محل 30 ٪ من العمالة في العالم.

على الرغم من هذه المخاوف ، فقد أدت كل ثورة تكنولوجية إلى خلق وظائف أكثر مما تم تدميره.