التعلم الآلي (Machine Learning): مفاهيم أساسية وتطبيقات عملية

تتسع بصمة التعلم الآلي في شتى المجالات بمرور الأيام، ومن المتوقع أن يصل حجم السوق إلى 528.10 مليار دولار أمريكي في أواخر عام 2030 Statista، إذ بدأت تتسلل تطبيقاته إلى مختلف الأدوات التكنولوجية التي نستخدمها في حياتنا اليومية، ابتداء من الهواتف والحواسيب والأجهزة الكهربائية، ووصولاً إلى السيارات وآلات المصانع وحتى الأدوات المنزلية، جميعها يحتوي على شكل من أشكال تعلم الآلة.

لذلك سواء سمعت عن هذا المصطلح للمرة الأولى أم كنت تبحث عن طرق للاستفادة منه في مشروعك الجديد، سوف تكشف هذه المقالة عن تعريف التعلم الآلي، وأنواعه وما هي التطبيقات العملية التي يستخدم فيها.

ما المقصود بالتعلم الآلي

هو أحد المصطلحات الشائعة في عالم الذكاء الاصطناعي منذ مدة طويلة، ويُقصد به تعليم الآلة وتدريبها على تقليد السلوك البشري الذكي بالاعتماد على تحليل دقيق لقاعدة بيانات ضخمة، ويحتاج ال Machine Learning إلى المرور بمرحلتَين: جمع البيانات، وبعد ذلك تدريب الخوارزميات للعثور على العلاقات والأنماط داخلها.

وعلى الرغم من أن مفهوم التعلم الآلي هو أحد الطرق لاستخدام الذكاء الاصطناعي غير أنه يشغل مساحة كبيرة ويحظى باهتمام واسع في الآونة الأخيرة، لأنه قابل للاستعمال في عدد هائل من المجالات مثل الاقتصاد والتعليم والصناعة والصحة وغيرها، كذلك هو أداة فعالة وسريعة لحل المشكلات وتحسين العمليات وأتمتة المهام. [1] [2] [3]

أنواع البيانات التي يحللها التعلم الآلي

تختلف أنواع البيانات التي يحللها نموذج التعلم في مجال Machine Learning، وهي نوعان إما البيانات المسماة أو البيانات غير المسماة، لذلك يحق لنا التساؤل: ما الاختلاف بينهما؟  يوضح الجدول التالي نقاط الاختلاف: [4]

	البيانات المسماة Labeled Data	البيانات غير المسماة Unlabeled Data
ما هي؟	هي البيانات التي تشتمل على تسمية أو علامة واحدة على الأقل	هي البيانات التي لا تشتمل على تسميات أو علامات محددة بشكل مسبق
أين تُستخدم؟	التعلم المراقب الخاضع للإشراف	التعلم الآلي غير المراقب بدون إشراف
مثال	مجموعة صور تحتوي على سيارات	مجموعة صور محتواها غير معروف

ما هي أنواع التعلم الآلي؟

عندما يتعلق الأمر بأسلوب تعلم الآلة، فإننا أمام 3 أنواع أساسية هي: التعلم المراقب (تحت الإشراف)، والتعلم غير المراقب (بدون إشراف)، والتعلم المعزز. 

التعلم الآلي المراقب (تحت الإشراف)

من أهم تقنيات التعلم الآلي التي تحتاج إلى متابعة مستمرة لمواكبة آخر التحديثات، وتعتمد على تحليل مجموعة بيانات مسماة مكونة من مدخلات ومخرجات ثم إدراك العلاقة بينها، ويهدف هذا النوع بالدرجة الأولى إلى استخراج تنبؤات حول بيانات جديدة بالاستناد إلى عملية التعليم السابقة.

على سبيل المثال، يمكن استعمال التعلم الآلي المراقب للتنبؤ بأسعار المحلات التجارية، حيث تكون المدخلات عبارة عن مواصفات المتجر مثل المساحة والموقع الجغرافي والارتفاع والتصميم الداخلي، بينما تكون عملية التعليم بين تلك المواصفات وأسعار المتاجر المأخوذة من البيانات التاريخية، وهكذا يمكن التنبؤ بأسعار المحلات الجديدة. [5]

التعلم الآلي غير المراقب (بدون إشراف)

وهو النوع الذي يستعمل المدخلات فقط لتعلم الأنماط والعلاقات. بناء على ذلك لا يحتاج التعلم غير الخاضع للإشراف إلى تدخل العنصر البشري من أجل تقديم التعليمات، وإنما يُكتفى بتحليل البيانات المتاحة ومعالجتها إما من خلال التجميع في مجموعات محددة أو الترتيب بطريقة تبدو أكثر تنظيماً.

لتوضيح كيفية عمل ذلك، تخيّل أن شركة مستحضرات تجميل تحتاج إلى اقتراح منتجات على عملائها الأوفياء فإنها سوف تلجأ إلى التعلم غير المراقب، لأنه يستطيع تقسيم العملاء إلى مجموعات ثم إعداد أنظمة توصية بناء على سلوك الزبائن وتفضيلاتهم الخاصة. [6]

التعلم الآلي المعزز

تركز استراتيجية التعلم المعزز على تدريب الآلة لكي تتخذ قرارات صائبة في نهاية المطاف، ويتم التدريب عبر خلق تجارب متكررة تنتهي بإعطاء مكافأة أو عقوبة، باستخدام هذه الطريقة التفاعلية يتحسّن أداء الآلة تدريجياً. ويقترب هذا النوع من طبيعة السلوك الإنساني في التعامل مع المواقف بالحياة اليومية.

لإعطائك فكرة أوضح عن التعلم المعزز، دعنا نفترض أنك تقوم بتمرين شخصية في لعبة إلكترونية على السير في متاهة حيث تراقب حركاتها، وفي كل مرة إذا سلكت الطريق الصحيح سوف تعطيها نقطة إيجابية، وفي المقابل إذا أخطأت سوف تمنحها نقطة سلبية. وهكذا تتعلم الشخصية بمرور الوقت من التجارب حتى تصل إلى نهاية المتاهة بدون أخطاء وخلال أقل مدة. [7]

ما هي التطبيقات التي يستخدم فيها التعلم الآلي؟

استطاع التعلم الآلي في الذكاء الاصطناعي أن يدخل بسرعة إلى مجالات واسعة ويعمل في اتجاهات غير محدودة، وهذا ما انعكس إيجاباً على الإنسان العادي والمؤسسات. وإليك أهم التطبيقات التي يُستخدم فيها: [8][9]

• الرعاية الصحية: يقدّم العون في تشخيص الأمراض بدقة واقتراح العلاج المناسب واختراع الدواء، ومن أقوى الأمثلة هي تطوير خوارزمية جديدة من قبل شركة Google’s DeepMind للمساعدة في تحليل الصور الطبية بشكل أسرع.
• التجارة الإلكترونية: يستعمل التعلم الآلي في زيادة معدل المبيعات كما هو الحال في شركة أمازون، حيث لجأت إليه لإنشاء أنظمة توصية بما يتوافق مع سلوك الجمهور المستهدف وتفضيلاته. 
• القطاع المالي: يتيح تحليل كمية هائلة من البيانات للوصول إلى الأنشطة الاحتيالية المحتملة، كذلك يساعد رجال الأعمال على اتخاذ قرارات مستنيرة في البورصة.
• الصناعة: يسمح بتصنيع أنواع جديدة من المنتجات المبتكرة، ولعل التطبيق الأكثر إثارة في الآونة الأخيرة هو تطوير السيارات ذاتية القيادة من خلال معالجة البيانات في أجهزة الاستشعار والكاميرات.
• التسويق الرقمي: يحمل فوائد عظيمة للحملات التسويقية عبر الإنترنت حيث يسمح بعمليات استهداف أكثر دقة، كما يحسّن معدلات المشاركة والتحويل بشكل كبير. 
• التعليم: يشهد قطاع التعليم بكل أشكاله ثورة حقيقية بفضل ML، إذ تعمل خوارزمياته على تخصيص المحتوى التعليمي وفقاً لاحتياجات كل طالب، ناهيك عن تطوير أنظمة تعليمية ذكية في الجامعات.
• التخطيط العمراني: يعتبر العامل الأساسي في تطوير المدن الذكية من جميع الجوانب، ويشتمل عمله على التخطيط العمراني وتحسين أنظمة إدارة الطاقة وتعزيز السلامة العامة.
• اكتشاف الفضاء: يستخدم خلال السنوات الأخيرة من قبل علماء الفلك لتحليل البيانات الواردة من التلسكوبات والبعثات العلمية إلى الكواكب الأخرى.
• الترفيه والإعلام: يسعى إلى الارتقاء بجودة المحتوى سواء في الأفلام أو البرامج التلفزيونية أو الموسيقى، ويعمل أيضاً على التخصيص عبر تحليل تفضيلات المشاهد.

الفرق بين التعلم الآلي والتعلم العميق 

اتفقنا سابقاً على أن التعلم الآلي هو أحد فروع الذكاء الاصطناعي، ولكن ماذا عن العلاقة بين Machine Learning والتعلم العميق Deep Learning؟! على الرغم من أن المصطلحين مترابطين ولكن بالتأكيد هناك فرق كبير بينهما، فإن التعلم العميق هو مجرد جزء صغير من المفهوم الأول، وتتمثل نقاط الاختلاف في أن التعلم العميق يتطلب تدخلاً بشرياً أقل، ويحتاج قدراً أكبر من البيانات، وأخيراً يستدعي استعمال شرائح أكثر قوة مثل وحدات معالجة الرسومات. [10]