الالة و اتخاذ القرار

  • كيف يمكن أن نجعل الألة تفكر؟

     

    هل يمكننا جعل الألة تفكر؟ هذا هو الحلم الذي راود العلماء حين بدأت الحواسيب و لغات البرمجة في الظهور. و مع التقدم الكبير جدا الذي نعيشه اليوم في مختلف المجالات العلمية و التقنية و التكنولوجية إلا أن جعل الألة تفكر ذاتيا مازال يعاني الكثير من الصعوبات رغم وجود مجال و تخصص علمي بأكمله خاص بهذه النقطة بالذات و هو الذكاء الإصطناعي.

    العقل البشري مهما كانت قوته لا يمكنه فهم الأشياء إلا بوجود نمادج معروفة يقيس عليها و يقارن بها أو أشياء معنوية قابلة للإدراك و التخيل. و التفكير البشري أحد أصعب و أعقد الأشياء في هذا العالم. فنحن إلى حد الأن مازلنا لم ندرك ماهية التفكير ولا طريقته و أسلوبه و لكن نمارسه بشكل فطري و طبيعي فينا برغم حجم الكتابات الفلسفية و العلمية التي تطرقت إليه. كوننا لم نستطيع نحن فهم أنفسنا كيف نمارس عملية التفكير يصعب علينا بالتالي نقل عملية التفكير للألات، لكن هذا لا يعني عدم وجود محاولات لذلك أو يجب أن نتوقف عن البحث في هذا الموضوع.Making Robots That Think, Part 1 - ASME

     

    أود أن أقدم لكم بعض الأمثلة عن كيفية تفكير الإنسان و تصرفه، مثلا أنا جالس في حديقة البيت و طلبت من أخي أن يذهب إلى غرفتي و يحضر لي كتاب “شروط النهضة” للمفكر الجزائري مالك بن نبي، و قلت له ستجده على سطح مكتبي! و بفعل عامل خارجي، شخص ما أو الرياح التي تأتي من النافذة سقط الكتاب على الأرض و لما دخل أخي و لم يجد الكتاب على سطح المكتب و رآه على الأرض حمله و أحضره إلي! و كل واحد فينا سيتصرف بهذا الشكل و بسهولة ندرك أن أهم ما طلب منا هو إحضار الكتاب بالعنوان المحدد و تحديد المكان على سطح المكتب كان للمساعدة فقط، و لو كنت أنت مكان أخي و لم تجد الكتاب على سطح المكتب و لا على الأرض فسوف تبحث في الأدراج أو الخزانة أليس كذلك؟ لأنك تعرف أن الكتاب داخل الغرفة و أهم طلب موجه إليك هو إحضار الكتاب و أنت تقوم بهذا الإجراء التلقائي كونك تضع إحتمال أني ربما نسيت مكان الكتاب بالتحديد و قلت عن طريق الخطأ أنه على سطح المكتب! أو أنك لا ترغب في العود من دون الكتاب ثم يعاد إرسالك للبحث مرة ثانية ?. أيضا لو وجدت صخرة في طريقك مثلا و لكي تمر عليك أن تتسلق هذه الصخرة العالية فأنت ستقوم بالبحث عن أشياء تساعدك في هذه العملية. فهل هذه الأشياء معرفة لك من قبل؟ بالتأكيد لا، فأنت لو وجدت قطع من الخشب ستعمل منها شيء يساعدك و كذلك بالنسبة لقطع معدنية أو صخور صغيرة لتصعد عليها أو حبال أو بقايا هياكل ألات و غيرها من الأشياء التي لا تعد و لا تحصى. الأن ضع نفسك في مكان المبرمج فهل يمكن أن نحدد للروبوت كل هذه للتفاصيل؟ إذا وجد قطع من الخشب بشكل كافي نحدد له كيف يحاول تشكيلها بشكل سلم و إلا يكيفها بشكل يساعده على الصعود فوق الصخرة! و كذلك مع الأشياء الأخرى و قبل ذلك على الربوت أن يتعرف على هذه الأشياء و خصائصها قبل إستعمالها فنحن يمكننا أن نصنع ربوت يتعرف على الخشب لكن أن يتعرف في نفس الوقت على ألاف الأشياء الموجودة في الطبيعة فهذا شبه مستحيل و كذلك بالنسبة للمثال الأول، فمن الصعب أن نستطيع برمجيا تحديد أهم شيء طلب منا و لا التصرف التلقائي من أجل تحقيق الهدف الذي طلب منها كأن ينظر الربوت للأرض إذا لم يجد الكتاب على سطح المكتب أو ينتبه للبحث في الأدراج.

    جعل الربوت يتصرف مثل الإنسان في أحد الميثالين السابقين فقط يحتاج إلى مليارات من السطور البرمجية و إلى حجم هائل من سعة تخزين البيانات لحفظ جميع المعارف و خصائص الأشياء و إلى معالجات فائقة السرعة من أجل تنفيذ كل تلك العمليات في الوقت المطلوب! أنا هنا أقف مندهشا أمام عظمة العقل البشري. سواء من طريقة التصرف أو سعة تخزين المعلومات أو سرعة التنفيذ.

    لنفترض أننا مثلا نستطيع التطوير و العمل على صناعات ذاكرت بسعات تخزين ضخمة و اليوم سعة التخزين لم تعد تشكل هاجسا مؤقتا و كذلك بالنسبة للمعالجات، ففي المخابير البحثية قد تصل سرعة المعالج إلى حدود 4 جيغاهرتز و رغم هذا الإنجاز المدهل إلا أنه بطيئ جدا بالنسبة للعقل البشري كالفرق بين الأرنب و السلحفاة حتى و إن كنا نحن نعمل في حياتنا اليومية بمعالجات سرعتها نصف سرعة هذا المعالج بالتقريب و حققنا كل هذا التطور و التقدم.

    Robot 'Thinks Out Loud' During Thought Process - Unite.AI
    بعد أن تجاوزنا مشكلة سعة التخزين و سرعة المعالجات كفرضية مؤقتة نتجه إلى أسلوب التفكير. نحن نعلم أن الإنسان أمضى سنوات في صغره و هو يتعلم و قد تعلم اللغة حرفا بحرف و كلمة بكلمة و كذلك مع باقي الأشياء، لكن هناك إن صح التعبير شيء ما يبرمج عقل الإنسان على الخبرات الجديدة، الأبوان فقط يقدمان معلومة للطفل أو أسلوب تصرف كأن يعلماه أن يغسل يديه مثلا قبل الطعام فالطفل تدريجيا يدرك هذه المهارة و يعممها على جميع حالات تناول الطعام و بعد إكتساب هذه المهارة سوف ينتقل إلى مهارة جديدة و نحن فقط نوجهه عن طريق الكلام و ليس هناك كود برمجي نضعه في عقل الطفل حتى يخزن الكلمات الجديدة و المعلومات و المهارات. أليس هذا الأمر مذهلا؟ ماذا لو صنعنا مبرمجا أليا أولا قبل التوجه نحو عملية صناعة التفكير و الذكاء؟ أليس هذا حلا للربوتات لكي تبرمج و تضيف أكواد جديدة لنفسها للتأقلم مع المعلومات و الخبرات الجديدة؟ فعندما يعود الربوت إلي و يخبرني أنه لم يجد الكتاب على سطح المكتب أنا أقول له : ربما هو في الدرج لماذا لم تنظر هناك؟ فهو سيقوم بإضافة كود برمجي لتجاوز هذا الخطأ و عدم تكرراه مرة أخرى عن طريق المبرمج الذاتي. و أيضا في مثال الصخرة و عندما أنظر حولي أقول : واوووو هذه أشجار عنب و يمكننا صنع حبل من أغصانها و هو سيضف هذه المعلومة إلى قاعدة بياناته و كود برمجي لكيفية صنع حبل من أغصان شجرة العنب عن طريق المبرمج الذاتي. و هكذا بعد مدة سيتعلم الربوت تلقائيا و ذاتيا و يتطور كوده البرمجي و تتوسع قاعدة بياناته حتى يصل إلى مرحلة متقدمة، فالإنسان حتى يكون راشدا يحتاج 20 سنة كاملة لذلك، فماذا عن ربوت نصبر عليه 20 سنة و بعدها ننسخ كوده البرمجي النهائي و قاعدة بياناته لملايين الروبوتات الأخرى و في يوم واحد يصير معنا الملايين من الربوتات الذكية بعد أن صبرنا 20 سنة.
    أليس الأمر مهما و يحتاج إلى تفكير طويل؟

     

  • مفهوم تعلم الآلة

    التعلم الآلي (ML) هو دراسة الخوارزميات والنماذج الرياضية التي تستخدمها أنظمة الكمبيوتر للتحسين التدريجي لأدائها في مهمة محددة.

    حيث تبني خوارزميات التعلم الآلي نموذجًا رياضيًّا لبيانات العينات التجريبية ، تُعرف باسم “بيانات التدريب” ، من أجل إجراء تنبؤات أو قرارات دون أن يتم برمجتها بشكل واضح لأداء المهمة المطلوبة .

     تُستخدم خوارزميات تعلم الآلة في التطبيقات مثل تصفية البريد الإلكتروني ، والكشف عن المتطفلين على الشبكة ، ورؤية الكمبيوتر وتحسين الاقتراحات و المسارات و الطرق  ، حيث أنه من غير الممكن تطوير خوارزمية من تعليمات محددة لتنفيذ مهمات يمكن تغير معطياتها في كل مرة دون محددات .

    ويرتبط التعلم الآلي ارتباطًا وثيقًا بالإحصاءات الحسابية ، التي تركز على إجراء التنبؤات باستخدام أجهزة الكمبيوتر. تقدم دراسة التحسين الرياضي طرقًا ونطاقات نظرية وتطبيقية في مجال التعلم الآلي.

    ويعتبر تعدين البيانات هو مجال دراسي داخل التعلم الآلي ، ويركز على تحليل البيانات الاستكشافية من خلال التعلم الغير خاضع للإشراف المباشر .

    ويشار أيضًا إلى التعلم الآلي في تطبيقه عبر مشاكل الأعمال على أنه التحليلات التنبؤية.

     

    بصيغة إخرىWhat is Machine Learning

    هل سبق لك أن تسوقت عبر الإنترنت؟

    لذا أثناء التحقق من وجود منتج ، هل لاحظت وجود توصية بمنتج مشابه لما تبحث عنه؟

    أو هل لاحظت أن “الشخص الذي اشترى هذا المنتج أيضًا اشترى هذا” مجموعة من المنتجات.

    كيف يفعلون هذه التوصية؟ هذا هو التعلم الآلي.

    هل تلقيت مكالمة من أي بنك أو شركة تمويل تطلب منك أخذ قرض أو بوليصة التأمين؟ ما رأيك ، هل يدعون الجميع؟

    لا ،

    إنهم يتصلون فقط بعدد قليل من العملاء الذين يعتقدون أنهم سيشترون منتجاتهم.

    كيف يختارون؟

    هذا هو التسويق المستهدف ويمكن تطبيقها باستخدام نظام المجموعات. هذا هو التعلم الآلي.

    حيث يمكننا القول أن تعلم الآلة هو مجموعة فرعية من الذكاء الاصطناعي الذي يركز بشكل رئيسي على التعلم الآلي من الخبرات و التجارب وإجراء توقعات تستند إلى الى تلك التجارب و الخبرات .

     وهو يمكّن أجهزة الكمبيوتر أو الآلات من اتخاذ قرارات تعتمد على البيانات بدلاً من أن تكون مبرمجة بشكل صريح لتنفيذ مهمة معينة.

    وقد تم تصميم هذه البرامج أو الخوارزميات بطريقة تتعلم وتتحسن بمرور الوقت عند تعريضها للبيانات الجديدة.

     

    كما تعلمون ، نحن نعيش في عالم البشر والآلات. لقد كان البشر يتطورون ويتعلمون من تجاربهم السابقة منذ ملايين السنين. من ناحية أخرى ، فإن عصر الآلات والروبوتات قد بدأ للتو. يمكنك أن تفكر في الطريقة التي نعيش بها حاليًا في العصر البدائي للآلات ، في حين أن مستقبل الآلة ضخم جدًا ويتخطى نطاق الخيال لدينا.

    في عالم اليوم ، يجب برمجة هذه الأجهزة أو برامج الروبوت قبل البدء في اتباع التعليمات. ولكن ماذا لو بدأت الآلة في التعلم بمفردها من تجربتها ، والعمل مثلنا ، والشعور بنا ، والقيام بأشياء أكثر دقة منا؟ هذه الأشياء تبدو رائعة ، أليس كذلك؟ حسنا ، فقط تذكر أن هذا هو مجرد بداية العصر الجديد.

     

    كيف يعمل التعلم الآلي؟

    يتم تدريب خوارزمية التعلم الآلي باستخدام مجموعة بيانات التدريب لإنشاء نموذج.

    عندما يتم إدخال بيانات إدخال جديدة إلى خوارزمية ML ، فإنه يجعل التنبؤ على أساس النموذج.

    ويتم تقييم التوقع للتأكد من دقته وإذا كانت الدقة مقبولة ، يتم نشر خوارزمية التعلم الآلي. إذا لم تكن الدقة مقبولة ، يتم تدريب خوارزمية تعلم الماكينة مرارًا وتكرارًا مع مجموعة بيانات تدريب مُعزَّزة.

    هذا هو مجرد مثال رفيع المستوى حيث هناك العديد من العوامل والخطوات الأخرى المعنية.

    How Machine Learning Works - What is Machine Learning- Edureka

     

    أنواع التعلم الآلي

    أنواع التعلم الآلي
    يتم تصنيف التعلم الآلي إلى ثلاثة أنواع:

    1- التعلم تحت الإشراف – (دربني!)

    2-التعلم بدون إشراف – (أنا مكتفي ذاتيا في التعلم)

    3- تعزيز التعلم – (حياتي قوانيني)

    ما هو التعليم المشرف؟
    التعلم المرصود  حيث يمكنك التفكير في أن التعلم موجه من قبل المعلم. لدينا مجموعة بيانات تعمل كمعلم ودورها هو تدريب النموذج أو الجهاز. بمجرد أن يتم تدريب النموذج ، يمكن أن يبدأ في التنبؤ أو اتخاذ القرار عند إعطاء بيانات جديدة إليه.

    ما هو التعلم دون اشراف؟
    يتعلم النموذج من خلال الملاحظة ويجد الهياكل في البيانات. وبمجرد إعطاء النموذج لمجموعة بيانات ، فإنه يجد تلقائيًا الأنماط والعلاقات في مجموعة البيانات عن طريق إنشاء مجموعات بها. ما لا يمكن فعله هو إضافة ملصقات إلى المجموعة ، كما لا يمكن أن نقول مجموعة من التفاح أو المانجو ، ولكنها ستفصل كل التفاح من المانجو.

    لنفترض أننا قدمنا ​​صورًا من التفاح والموز والمانغو إلى النموذج ، لذلك ما يفعله ، استنادًا إلى بعض الأنماط والعلاقات ، يخلق التجمعات ويقسم مجموعة البيانات إلى هذه العناقيد. الآن إذا تم تغذية البيانات الجديدة إلى النموذج ، فإنه يضيفه إلى أحد المجموعات التي تم إنشاؤها.

    ما هو تعلم التعزيز؟
    إنها قدرة الوكيل على التفاعل مع البيئة ومعرفة ما هي أفضل النتائج. يتبع مفهوم أسلوب الضربة والتجربة. تتم مكافأة الوكيل أو معاقبته بنقطة للحصول على إجابة صحيحة أو خاطئة ، وعلى أساس نقاط المكافأة الإيجابية التي اكتسبها النموذج نفسه. ومرة أخرى ، بعد التدريب ، تستعد للتنبؤ بالبيانات الجديدة المقدمة إليها.

    Types of Machine Learning - Waht is Machine Learning - Edureka

     

    أمثلة على تعلم الالة

    توضح لك الصور ادناه بعض الامثلة على تطبيقات التي تستخدم تطبيقات التعلم الآلي المختلفة والتي تشمل كشف الوجه ، كورتانا ، نظام توصية Netflix وغيرها الكثير.

     

زر الذهاب إلى الأعلى
إغلاق

أنت تستخدم إضافة Adblock

يرجى تعطيل مانع الإعلانات حيث أن موقعنا غير مزعج ولا بأس من عرض الأعلانات لك فهي تعتبر كمصدر دخل لنا و دعم مقدم منك لنا لنستمر في تقديم المحتوى المناسب و المفيد لك فلا تبخل بدعمنا عزيزي الزائر