یادگیری ماشینی روش هایی را برای مرتب سازی اطلاعات جمع آوری شده ارائه می کند تا بتواند به تشخیص الگوها و پیش بینی آینده بپردازد.

اگر اخبار تکنولوژی را به صورت روزانه دنبال می کنید، مطمئنا در جاهای مختلف با واژه یادگیری ماشینی (Machine Learning) روبه رو شده اید. یادگیری ماشینی ترکیب کاملی از روش هایی است که طی آن، اطلاعات توسط کامپیوتر پردازش می شود. این روش های پردازشی در اطراف ما وجود دارد و در حال جمع آوری اطلاعات از زندگی روزمره ما، از مسیریابی بر روی نقشه گوگل گرفته تا بررسی ایمیل ها با این فرآیندهای کامپیوتری صورت می‌گیرد.

یادگیری ماشینی دقیقا چیست و از چه زمانی در محافل خبری و رسانه ها خبرساز شده است؟

تاریخ توسعه یادگیری ماشینی شاهد وقوع ۲ اتفاق بود:

اولین اتفاق توسط سامویل آرتور، پیشرو در زمینه هوش مصنوعی کلید خورد که در سال 1959 اصطلاح «یادگیری ماشینی» را معرفی کرد.

در سال 1959، آرتور ساموئل، مهندس MIT یادگیری ماشینی را به صورت زیر توصیف کرد:

زمینه مطالعاتی جدیدی که کامپیوتر را بدون هرگونه برنامه نویسی صریح، قادر به یادگیری می کند

ساموئل مشغول ساخت ماشین محاسباتی خود بود و ماشین جدید را یک برنامه مستقل و خودمختار می دانست که روزی می تواند به یک قهرمان برتر جهانی تبدیل شود.

اینترنت، دومین اتفاق مهم بعد از توسعه یادگیری ماشینی محسوب می‌شود که دنیای فناوری را دگرگون کرد.

ظهور اینترنت، موجب ارائه داده های گوناگونی شد. با وجود اینکه انواع اطلاعات بر روی بستر اینترنت به راحتی قابل دسترسی بودند، به نظر می رسید جای یک مسئله مهم خالی باشد و آن راهی برای سازماندهی اطلاعات و قرار دادن آنها در الگوهای معنادار بود. این موضوع یکی از مهمترین وظایف یادگیری ماشینی محسوب می‌شد.

داده های کلان (big data) از اجزای بنیادی در ساختار یادگیری ماشینی است. کلان داده همانطور که از نامش پیداست، به معنی مقدار زیادی داده است. در واقع، داده های کلان تمامی اطلاعاتی است که به طور مداوم از شبکه های اجتماعی، موتورهای جستجو و حتی میکروفن ها و دوربین ها جمع آوری می شود.

الگوریتم ها، این حجم بالای اطلاعات را طوری مرتب می کنند تا امکان پیش بینی کارها و فرآیندهای آینده فراهم شود.

مقادیر زیاد داده ها موجب می شود که الگوریتم های یادگیری ماشینی بهتر عمل کنند و روش ها و الگوهای پیش بینی آینده معتبرتر شوند. این الگوریتم ها راه حل هایی را برای پیش بینی رفتارها و چالش های پیش رو ایجاد می کند.

یکی از مشهورترین نمونه هایی که در این زمینه می توان به آن اشاره کرد، قابلیت معرفی محصول توسط سایت آمازون است. آمازون سوابق خرید شما را در کنار عادت های خرید افراد دیگر قرار می دهد و سپس محصولاتی را به شما پیشنهاد می‌دهد که ممکن است به آن علاقه مند باشید.

یادگیری ماشینی در واقع روش هایی را برای مرتب سازی اطلاعات جمع آوری شده ارائه می کند تا بتواند به تشخیص الگوها و پیش بینی آینده بپردازد.

این نوع از یادگیری با آنچه در مغز انسان می‌گذرد، تفاوت دارد؛ به گونه ای که ماشین فقط از آنچه شما به آن می گویید، مطلع می شود و نمی تواند کنجکاو باشد یا نتیجه گیری کند.

به عنوان مثال، اگر چندین فیلم علمی-تخیلی را بر روی Netflix تماشا کنید، احتمالا این سایت در آینده، فیلم هایی در زمینه مشابه را به شما پیشنهاد می دهد. اما این موضوع، تنها یک مسئله ریاضی است که بر اساس اطلاعات ذخیره شده در Netflix پیش بینی می‌شود و اگر اطلاعاتی را در اختیار Netflix قرار ندهید، این سامانه نیز پیشنهاد خاصی برای شما نخواهد داشت.

یادگیری ماشینی در اطراف ما است و انواع داده ها را از طرق مختلف مانند فید فیس بوک، مسیرهای ترافیکی پیشنهادی توسط نقشه گوگل (Google Maps)، فیلترهای اسپم ایمیل و حتی تنظیمات امنیتی اطلاعات بانکی، جمع آوری و گزارش می دهد.

اما روش های یادگیری ماشینی از دهه 1600 تاکنون کاملا دگرگون شده است. امروزه، ماشین می تواند با حداقل مداخله عامل انسانی به یادگیری بپردازند.

در حال حاضر، متخصصان تکنولوژی با استفاده از این نوع یادگیری، موفق به شبیه‌سازی مدل انجام عملیات در مغز انسان شده‌اند و سیستم های پیچیده ای به نام شبکه های عصبی را تولید کرده‌اند. شبکه های عصبی، امکان آموزش فراگیر را فراهم و سیستم های کامپیوتری را جایگزین هوش انسانی کرده است.

یادگیری ماشینی نقش مهمی در توسعه هوش مصنوعی ایفا می کند. هوش مصنوعی و یادگیری ماشینی اغلب به شیوه ای یکسان تعریف می شوند؛ درحالی که تفاوت هایی با یکدیگر دارند.

هوش مصنوعی به توانایی ماشین برای انجام وظایف به گونه ای هوشمند اشاره دارد، در صورتی که یادگیری ماشینی به فرآیند خودکار ماشین گفته می شود که الگوهای معناداری از داده ها را ایجاد می کند. بدون یادگیری ماشینی نمی‌توان به هوش مصنوعی جامه عمل پوشاند.

در آینده می توان کارهای زیادی در زمینه یادگیری ماشینی انجام داد. به عنوان نمونه از یادگیری ماشینی در توسعه واقعیت مجازی، صنعت خودروهای بدون راننده و هوش مصنوعی استفاده می شود.

یادگیری ماشینی در واقع یکی از مهم‌ترین زیرشاخه های تکنولوژی محسوب می شود و توسعه آن، آینده صنایعی مانند هوش مصنوعی و ماشین های بدون راننده را شکل می‌دهد.



نظرات شما عزیزان:

نام :
آدرس ایمیل:
وب سایت/بلاگ :
متن پیام:
:) :( ;) :D
;)) :X :? :P
:* =(( :O };-
:B /:) =DD :S
-) :-(( :-| :-))
نظر خصوصی

 کد را وارد نمایید:

 

 

 

عکس شما

آپلود عکس دلخواه: