تشير غالبية التطورات والتطبيقات التي نسمعها عن الذكاء الصنعي في الوقت الراهن إلى فئة من الخوارزميات المُدرَجة تحت مجال تعلم الآلة Machine Learning.

تَستخدم خوارزميات تعلم الآلة الإحصاءَ لاستخلاص الأنماط من كميات كبيرة من البيانات، وتشمل هذه البيانات الأرقام والكلمات والصور، وحتى تفاعلك على مواقع التواصل! وإن أمكن تخزينها رقميًّا؛ أمكن إدخالها في خوارزمية تعلم الآلة.

تعلم الآلة هو الآلية التي تمكّن العديد من الخدمات التي نستخدمها اليوم؛ مثل أنظمة التوصيات في التطبيقات ومحركات البحث ووسائل التواصل الاجتماعي والمساعد الشخصي وغيرها من العمل.

تَجمع كل منصة أكبر قدر ممكن من البيانات عنك؛ ما هي أنواع الأفلام التي تحب مشاهدتها، وما هي الروابط التي تنقر عليها، وما هي الحالات التي تتفاعل معها، ويُستخدم تعلم الآلة في الحصول على تخمينات عالية المستوى عن سلوكك بناءً على البيانات التي جمعت عنك.

ويعود الفضل في ذلك إلى الاختراع الذي صدر عن جيفري هينتون عام 1986، والمعروف اليوم باسم والد التعلم العميق.

والتعلم العميق هو تقنية تعلمِ آلة تُعطي الآلات قدرةً معززة على إيجاد أصغر الأنماط وتضخيمها، ويطلق على هذه التقنية اسم الشبكة العصبونية العميقة، وتسمى هذه الشبكة العصبونية بالعميقة نظرًا إلى امتلاكها طبقاتٍ كثيرة من العقد التي تعمل على استيعاب البيانات الهائلة بهدف الوصول إلى المُخرج النهائي.

أنماط تعلم الآلة:

1- التعلم تحت الإشراف Supervised Learning: وهو الأكثر انتشارًا، وتغذى فيه الخوارزمية بالبيانات والأنماط، وتُدرّب على الربط بين كل سمة والنمط الذي تمثله، ثم تختبر بعيّنات مشابهة لما دُرِّبت عليه دون أنماط مقابلة، وهنا ستتعرف إلى أنماط البيانات وحدها.
2- التعلم غير الخاضع للإشراف Unsupervised Learning: تغذى الخوارزمية بالبيانات فحسب؛ دون الأنماط، وعليها استخلاص الأنماط من البيانات.
3- التعلم المعزز Reinforcement learning: وهو أحدث أنماط تعلم الآلة؛ يكون التعلم عن طريق التجربة والخطأ لتحقيق هدف واضح.

ويعد التعلم المعزز أساس برنامج AlphaGo من Google؛ وهو البرنامج الشهير الذي حقق الفوز على أفضل اللاعبين البشريين في لعبة Go المعقدة.

المصدر:
هنا