تعلم الآلة

ما هو تعلم الآلة؟ … فعلاً!

التعلم لا يعني الفهم Learning is Not Understanding

– د۔ فارس القنيعير

استضفنا الدكتور فارس القنيعير في ويبنار بعنوان “ما هو تعلم الآلة؟ ۔۔۔ فعلاً!” وهذا ملخص الويبنار:

الهدف الأساسي من هذه الندوة الإلكترونية (الويبنار) يرتكز على ثلاثة محاور:

  1.  الإجابة على هذا التساؤل ماهو تعلم الآلة؟ ۔۔ فعلاً! 
  2. التعرف على تطبيقات تعلم الآلة 
  3. حدود تعلم الآلة

قبل أن نتحدث عن تعلم الآلة سنتعرف على الذكاء الاصطناعي والذي يعتبر تعلم الآلة أحد فروعه، إذاً ما هو الذكاء الاصطناعي؟

هو فرع من علوم الحاسب تأسس في الخمسينات  عام 1956 هدفه محاكاة التفكير البشري، كيف يفكر العقل البشري؟

فروع الذكاء الاصطناعي 

  • حل المشكلات Problem Solving 
  • الإبصار  Perception 
  • معالجة اللغات الطبيعية Natural Language Processing  
  • التخطيط Planning 
  • تمثيل المعلومات Knowledge Representation 
  • تعلم الآلة Machine Learning 
  • المنطق Reasoning 

تعريف تعلم الآلة 

باختصار هي أن نجعل الكمبيوتر يتعلم (يتعلم من نفسه) لكي نشرح هذا المفهوم نستعرض ما هي الخطوات التي يمر بها المبرمج في العادة:

  • فهم المشكلة
  • التفكير في حل المشكلة 
  • كتابة البرنامج
  • وأخيراً المخرج وهو البرنامج 

في تعلم الآلة العملية معكوسة

  • فهم المشكلة 
  • ثم نأخذ المخرجات 
  • ثم ندخلها في خوارزمية تعلم الآلة 
  • ثم ينتج لدينا مخرج هو النموذج (Model)

فروع وتصنيفات تعلم الآلة

 التعلم العميق Deep Learning 

هو من خوارزميات الشبكات العصبية (Neural Networks) ولكن بطبقات كثيرة.

مراحل العمل في تصميم برامج  تعلم الآلة 

في البداية نفهم المشكلة ونحدد الهدف من تصميم النموذج أو الخوارزمية، ثم نجمع البيانات ونصنفها إذا لم تجمع من قبل، وننظف البيانات إذا حدثت فيها مشاكل، ثم نصمم النموذج، ثم ندرب النموذج بعد اختيار النموذج المناسب، ونقيم نتائج النموذج، وأخيراً كيف يتم وضع النموذج مثلاً في تطبيق جوال أو على سيرفر لموقع أو غيره. ممكن في أي لحظة نرجع إلى أي مرحلة من المراحل السابقة لسير العمل في تعلم الآلة.   

نماذج تطبيقات تعلم الآلة 

  • أنظمة القياس الحيوية Biometrics  

التعرف على الأشخاص من خلال قزحية العين 

التعرف على الأشخاص من خلال الوجه  

  • المجال الطبي Medical/Biomedical

التشخيص Diagnosis 

التعرف على العلاقات بين الأمراض والأعراض، الأسباب والمسببات.

تطبيق Image Registration 

يستخدم في التطبيقات الطبية وغير الطبية. من التطبيقات الطبية محاذاة عدة صور لنفس العضو. 

تحليل الإشارات EEG/EMG/ECG Signals 

  • EEG Signals موجات من الدماغ 
  • ECG Signals موجات من القلب

فهذه الإشارات ممكن نتعلم منها مثلاً يمكن التعرف على الصرع قبل ما يحدث من خلال موجات EEG ونتعرف على النوبات القلبية وبعض الأمراض القلبية من موجات ECG.

  • من التطبيقات معالجة اللغات الطبيعية Natural Language Processing – NLP

التعرف على الكلام

التعرف على الكلام مثل سيري ومساعد قوقل الصوتي هذه التطبيقات تتعرف على الكلام ثم يحول هذا الكلام إلى نص ثم يبحث عن أشياء أخرى ويتم معالجة الموجة الصوتية فيصبح عندنا نموذجين:

النموذج الصوتي: يحاول يتعرف على طريقة النطق في الكلام 

النموذج اللغوي: يبحث عن أقرب الكلمات احتمالية

تحويل الصور إلى نص قابل للتعديل (OCR) 

تستخدم في تحويل الوثائق المصورة إلى نصوص 

من التطبيقات تلخيص النصوص Documentation Summarization 

الترجمة الآلية بين اللغات Machine Translation 

تصنيف البريد المزعج Spam Filtering

استرجاع البيانات 

إمكانيات تعلم الآلة  

  • خوارزميات تعلم الآلة تحتاج لوقت طويل للتدرب
  • التطبيق الضيق أو المحدود Narrow application 
  • كثير من الخوارزميات صندوق أسود نعطيها المدخل وتعطينا المخرج، ولكن لا نعرف كيف وصلت إلى هذه النتيجة، التعلم العميق أحد هذه النماذج
  • أغلب خوارزميات تعلم الآلة تتعرف على العلاقات ولا تستطيع معرفة الأسباب 
  • غالباً لا نستطيع استخدام تعلم الآلة في التخطيط أو البحث أو المنطق (من مجالات الذكاء الاصطناعي الأخرى)
  • نحتاج بيانات تدريب ضخمة 
  • تعليم البيانات (labeling) التي تستخدم لتدريب خوارزميات تعلم الآلة عملية شاقة
  • مشكلة الانحياز في البيانات تتسبب في الانحياز في التعلم
  • من الصعب جعل نماذج تم تدريبها على مجالات مختلفة تعمل مع بعض
  • الهجمات المعادية (ِAdverserial Attacks)

للمزيد حول تعلم الآلة شاهد الويبنار كاملاً في الفيديو التالي: 

فريق KKUx