در دنیایی زندگی میکنیم که رشد تکنولوژی به حدی زیاد شده که بسیاری از افراد نمیتوانند خود را با آن همراه کنند و از قافله جا میمانند. هوش مصنوعی یا Artificial Intelligent گرایش نسبتا جدیدی در علوم است که میخواهد تحولات اساسی در زندگی مردم ایجاد کند. تعریف هوش مصنوعی کمی دشوار است، اما میتوانیم بگوییم هوش مصنوعی ترکیبی از علوم مختلف برای هوشمند کردن ماشینها است. یکی از زیرشاخههای معروف هوش مصنوعی یادگیری ماشین یا Machine Learning میباشد که این روزها به شدت مورد بحث قرار میگیرد. تاثیر ماشین لرنینگ را هر روز در زندگی روزمره خود احساس میکنید و این علم تا حدودی در زندگی روزمره ما حضور دارد. اگر تصمیم گرفتید ماشین لرنینگ را یاد بگیرید و نمیدانید باید از کجا شروع کنید، این مقاله میتواند برایتان مفید باشد. در این مطلب بررسی میکنیم که ماشین لرنینگ چیست ؟ و چه کاربردهایی دارد؟ سپس بررسی میکنیم که چطور یک متخصص یادگیری ماشین شویم و درباره موقعیتهای شغلی این گرایش صحبت خواهیم کرد. اما قبل از هر چیز باید بدانیم برای یادگیری ماشین لرنینگ باید از اموزش برنامه نویسی مقدماتی شروع کنیم و سپس در دوره آموزش ماشین لرنینگ شرکت نمایید.
اگر بخواهیم به زبان ساده تعریفی از Machine Learning داشته باشیم، باید بگوییم یادگیری ماشین علمی است که به ماشینها یاد میدهد چطور چیزهای جدید از خودشان یاد بگیرند. احتمالا بعد از شنیدن این جمله از خودتان میپرسید آخر چرا باید ماشینها از خودشان یاد بگیرند؟ این کار چه سودی برای ما دارد؟ با یک مثال این جمله را بررسی میکنیم.
فرض کنید میخواهیم کف یک زمین را تمیز کنیم. زمانی که یک انسان این کار را انجام میدهد، کیفیت کار میتواند بسیار متغیر باشد چون به عوامل مختلفی بستگی دارد. احتمال اینکه انسان مریض شود یا بعد از چند ساعت کار خسته شود یا حتی بخواهد از زیر کار در برود بسیار زیاد است.
اما اگر به ماشین یاد بدهیم که کثیفی زمین را تشخیص داده و بر اساس میزان کثیفی و شرایط زمین شروع به تمیز کردن سطح آن بکند. اگر برای ماشین این کار را تعریف کنیم، بسیار بهتر از انسان میتواند آن را انجام دهد. بدون اینکه خسته شود یا احتمال مریض شدن داشته باشد. ماشین مدنظر باید بتواند به سوالات زیر جواب بدهد:
این کاری است که یادگیری ماشین یا Machine Learning انجام میدهد. یعنی به ماشین اجازه میدهد از خودش یاد گرفته و رفتارش را مرتب بهبود ببخشد.
ماشینها مثل ما انسانها مغز و قدرت تفکر ندارند، پس باید یک راهی وجود داشته باشد که به آنها فکر کردن را یاد بدهیم و اینجا است که مدلهای یادگیری ماشین میتوانند به کمک ما بیایند. به این شکل که ماشین، داده را از محیط بیرونی تحویل گرفته و آن را به مدل مربوطه تحویل میدهد. سپس این مدل با توجه به شرایط موجود تصمیمگیری میکند. در مثال تمیز کردن زمین، ماشین میتواند با دادههایی که میگیرد و تحویل مدل میدهد به اطلاعات مختلفی دست پیدا کند:
یادگیری ماشین یک زیرشاخه معروف در هوش مصنوعی است که کمک میکند ماشینها یا کامپیوترها بتوانند چیزهای جدید یاد بگیرند
داده کاوی در سال 1930 معرفی شد و هدف از آن یافتن اطلاعات مفید، پنهان شده و معتبر از میان حجم عظیمی از دادههاست. یادگیری ماشین اما در سال 1950 معرفی شد شامل بهکارگیری مدل استخراجی از دادههای آموزشی بر روی دادههای جدید است. هر دوی این تکنیکها از نظر اینکه سعی در یافتن دادههای مفید دارند با هم نقطهی اشتراک دارند ولی از نظر مسئولیت، مبدأ، پیادهسازی، ماهیت، موارد کاربرد و تکنینکهای به کار رفته متفاوت هستند.
دادهکاوی سعی در استخراج قوانین و روابط معنادار از روی دادهها دارد، اما ماشین لرنینگ سعی میکند تا به کامپیوتر قوانین استخراج شده را آموزش دهد. در حین بهکارگیری تکنیکهای دادهکاوی میتوانیم مدل خود را توسعه دهیم. اصلیترین تفاوت دادهکاوی و یادگیری ماشین در این است که در دادهکاوی استخراج اطلاعات بدون دخالت انسانی امکانپذیر نیست ولی در یادگیری ماشین، حضور انسان تا مرحلهی انتخاب و بهکارگیری الگوریتم یادگیری ماشین است و پس از آن یک بار برای همیشه نتایج آن مورد استفاده قرار میگیرد. نتایج حاصل از ماشین لرنینگ دقت بالاتری نسبت به دادهکاوی دارد.
احتمالا به این فکر میکنید که یادگیری ماشین کجای زندگی ما حضور دارد و اصلا به چه دردی میخورد. آیا واقعا این علم توانسته راهش را به زندگی روزمره ما باز کند؟ جواب مثبت است و میتوانیم بگوییم تقریبا غیرممکن است زندگی عادی شما تحت تاثیر این شاخه شگفتانگیز قرار نگرفته باشد. نگاهی به سرویسهای زیر بیندازید تا تاثیر ماشین لرنینگ در زندگی روزمره را حس کنید:
مثالهای بالا تنها اشاره کوتاهی به کاربردهای یادگیری ماشین داشتند و این حوزه بسیار گستردهتر است.
به طور کلی یادگیری ماشین را به 3 دسته تقسیم میکنند:
در ادامهی مقالهی ماشین لرنینگ چیست به توضیح این سه دسته میپردازیم.
همانطور که از نام آن میتوانید حدس بزنید در این حالت ماشین نیاز به یک ناظر یا راهنما دارد. دقیقا مثل یک کسی که پشت فرمان نشسته و در حال یاد گرفتن رانندگی است. کنار این شخص کسی به عنوان راهنما نشسته و توصیههای لازم را به او میدهد. در یادگیری با نظارت یک سری دادههای از قبل آماده شده به عنوان راهنما تحویل ماشین داده شده و ماشین با توجه به مدل مربوطه تصمیمات لازم را اتخاذ میکند.
در این حالت ماشین نیازی به راهنما نداشته و به کمک مشاهدات میتواند روابط بین دادهها را کشف کند. در این حالت بعد از اینکه کامپیوتر دادههای مختلف را دریافت کرد میتواند روابط بین آنها را کشف کند. یک مثال در یادگیری بدون نظارت ماشینی است که میتواند به کمک خوشه بندی و بر اساس الگوهایی که درک کرده است، تفاوت بین دو خودرو سمند و دنا را تشخیص دهد. یعنی اگر 100 خودرو به ماشین معرفی شود، در یکی از این 2 دسته قرار خواهد گرفت.
باز هم با دقت در اسم این مدل میتوانید کارکرد آن را متوجه شوید. در این حالت ماشین مرتب خود را تقویت کرده و سعی میکند در ارتباط با یک عامل (Agent) یا محیط (Environment) چیزهای جدید یاد بگیرد. این متد به کمک آزمون و خطا سعی در حل مساله داشته و در صورت گرفتن نتیجه مثبت پاداش و در صورت گرفتن نتیجه منفی جریمه میشود. در این حالت ماشین سعی میکند در تصمیمهای آتی خود موفقتر باشد.
اگر فکر میکنید یادگیری ماشین اسم جدید و جذابی برای خودکارسازی یا اتوماسیون است سخت در اشتباهید. این دو شاخه با هم تفاوت دارند.
بیشتر اتوماسیونهایی که اتفاق میافتند مبتنی بر قانون هستند. یعنی یک سری کارها با الگو از قبل تعریف شده انجام شوند. اما در ماشین لرنینگ ماشینها از کارهای قبلی خود چیزهای جدید یاد میگیرند. یعنی ماشینها میتوانند تصمیمات جدید بگیرند یا عملکرد خود را تغییر دهند.
یک مثال عالی برای درک تفاوت اتوماسیون و یادگیری ماشین سرویس ایمیل است. زمانی که ایمیلها به طور خودکار ارسال میشوند ما از اتوماسیون استفاده کردهایم و زمانی که یک فیلتر تشخیص اسپم روی آن قرار میدهیم، یعنی یادگیری ماشین را درگیر کردهایم.
3 مفهوم هوش مصنوعی (AI)، یادگیری ماشین (ML) و یادگیری عمیق (DL) معمولا در کنار هم قرار میگیرند و گاهی با هم اشتباه گرفته میشوند. Deep Learning شامل مفاهیم و الگوریتمهایی است که از شبکههای عصبی مصنوعی که ساختار مغز انسان را تشکیل میدهند الهام گرفته شده است.
به عبارتی دیپ لرنینگ زیرمجموعه یادگیری ماشین است و خودِ یادگیری ماشین هم به عنوان زیرمجموعه هوش مصنوعی در نظر گرفته میشود. تصویر زیر به خوبی رابطه این 3 مفهوم را نمایش میدهد.
ماشین لرنینگ یا یادگیری ماشین دانشی است که کمک میکند رایانهها بدون برنامهریزی مشخص و با الگو گرفتن از رفتار خودشان کارهای جدید انجام دهند. گفتیم که یادگیری ماشین به عنوان زیرمجموعهای از هوش مصنوعی به 3 دستهی کلی با نظارت، بدون نظارت و تقویتی تقسیم میشود. ماشین لرنینگ در بخشهای مختلف زندگی مردم حضور دارد و سرویسهای مختلفی به کمک این دانش ساخته میشوند.
برای مطالعه ادامه مقاله ماشین لرنینگ چیست در سایت سون لرن همین حالا کلیک کنید.