محتويات
من الضروري إدخال البيانات بشكل مستمر في عملية تعلم الآلة
إدخال البيانات بشكل مستمر يعتبر خطوة اساسية في عملية تعلم الآلة، والوصول للذكاء الصناعي. إدخال البيانات بشكل مستمر يساعد على التعلم المستمر، وقدرة الآلة على التعلم والتكيف مع البيانات الجديدة، وهذا ما يدعى بالتعلم التلقائي التكيفي.
الهدف من إدخال البيانات المستمر أو عملية التعلم المستمرة هي تقليد قدرة البشر على التعليم والحصول على المعلومات وصقلها خلال فترة حياتهم. في إدخال البيانات المستمر يتم إعادة تدريب الآلة على المعلومات الجديدة. ويساعد ذلك في الحصول على دقة عالية للغاية في النماذج التي تستعملها.
لماذا يحتاج الشخص لإدخال البيانات بشكل مستمر في عملية تعلم الآلة! الإجابة بسيطة. السبب هو تغير البيانات بشكل مستمر، أو بسبب اختلاف الاتجاهات أو اختلاف الإجراءات التي يتخذها المستخدمون.
حتى نفهم هذا الأمر على أرض الواقع، وليس فقط التعبير النظري، سوف نطرح مثال حول الكتب في أمازون. حيث كان الكتاب الأكثر مبيعًا في أمازون من العام 2000، هو كتاب هاري بوتر الشهير. لكن في الوقت الحالي الكتاب الأكثر مبيعًا يختلف بشكل كبير في نوعه عن كتاب هاري بوتر وهو كتاب يسمى ” العادات الذرية: منهج سهل لبناء عادات جيدة والتخلص من العادات السلبية”. وهو كتاب من نوع آخر تمامًا، وبناءً على ذلك تقوم امازون باقتراح كتب جديدة للمستهلك بناءً على البيانات الجديدة.
نتيجة لهذه التغيرات، يجب أن تقوم أمازون بطرح نوع جديد من الكتب للقراء بشكل يشبه الكتاب الأكثر مبيعًا. مثال آخر حول التغيرات وإدخال البيانات المستمرة هو سعر البيتكوين. ففي عام 2017، كان سعر البيتكوين 19000$. أما بعد مرور شهر ونصف بعد ذلك، أصبح سعر البيتكوين 6000$
لا يزال إدخال البيانات المستمر يشكل تحدي آلي لتعلم الآلات، ولكنه يؤدي لزيادة الدقة، وتحسين أداء الآلات، بالإضافة إلى توفير الوقت من خلال جعل النماذج متكيفة بشكل تلقائي وهذا يمكن ان يوفر الوقت اللازم في المستقبل. [1] [2]
أساليب إدخال البيانات بشكل مستمر في عملية تعلم الآلة
يمكن تدريب الآلة باستعمال طرق متعددة:
- التدريب الإضافي: تدريب النموذج الاضافي هو اضافة بيانات جديدة على البيانات الحالية.
- التدريب بكمية كبيرة: هو اضافة عدد كبير من البيانات فوق البيانات الحالية.
- إعادة التدريب: هو إعادة تدريب البيانات وتعديلها وتغيير البيانات الحالية
كل وسيلة وطريقة لها إيجابياتها وسلبياتها وتناسب حالة معينة، ولها شروط لتطبيقها.
التدريب المستمر له 6 مراحل، وهذه المراحل هي:
- استخراج البيانات: تتضمن استخراج البيانات المطلوبة فقط والتي نحصل عليها من المصدر
- التحقق من صحة البيانات: نتحقق إذا ما كانت البيانات التي تم استخراجها موجودة بالفعل وبالصيغة التي يتوقعها الشخص
- تحضير البيانات: يتم تحضير البيانات وتحويلها إلى شكل مناسب من أجل تدريب النموذج
- تدريب النموذج: تدريب النموذج من خلال التعلم الآلي
- تقييم النموذج: يتم تقييم النموذج والبيانات التي تم إدخالها
- التحقق من صحة النموذج: وتقييم البيانات الجديدة والبيانات القديمة. [2]
تعلم الآلة والذكاء الاصطناعي
تعلم الآلة يعتبر جزء من مجالات الذكاء الاصطناعي المتقدمة للغاية في وقتنا الحالي. ومعنى تعلم الآلة هو قدرة الآلة على التعلم الذاتي بعد إدخال البيانات المستمرة وقدرة الآلة على التعديل واتخاذ القرار بنفسها بدون الحاجة لأن تتم برمجتها من قبل الإنسان، ويتم تخزين البيانات التي يتم إدخالها من أجل الاستفادة منها في الأعمال المستقبلية وتحسين أداء الآلة بعد إدخال البيانات الضرورية.
يتم استعمال برامج تقوم بتصميم وتوليد الأفكار وإظهار نواتج من خلال بعض البيانات التي تُعرض عليها، ويتم تطبيق ذلك على عملية اتخاذ القرارات. مجال تعلم الآلة ينطبق على الكثير من المجالات اليومية، مثل البنوك، وعملية التسوق الإلكترونية، واستعمال وسائل التواصل الاجتماعي.
من مجالات تعلم الآلة واستعمالها في شركات شركة سيمرايز التي تستعمل نظام فيليرا، ونظام فيليرا هو نظام ذكاء اصطناعي يقوم بالاستفادة من الذكاء الاصطناعي في تركيب العطور والتعرف على المواد الخام اللازمة لتركيب العطور.
يعتبر مجال الذكاء الاصطناعي أكثر شموليةً من مجال تعلم الآلة، لكن تعلم الآلة هو جزء من الذكاء الاصطناعي، ومن المجالات الأخرى للذكاء الاصطناعي التعلم العميق، ويعتبر التعلم العميق من فروع تعلم الآلة يقوم بتحليل كمية كبيرة من البيانات غير المنظمو ويقوم بترجمتها والتعرف عليها من خلال شبكة عصبية صناعية تقلد الشبكة العصبية والعصبونات الموجودة عند الإنسان.
تطبيقات التعلم العميق تتضمن التعرف على الكلام، والأصوات، والصور. [3]
تطبيقات عملية تعلم الآلة
تتضمن تطبيقات عملية تعلم الآلة ما يلي:
- الأمن السيبراني يقوم باستعمال البيانات من أجل تحديد الأحداث المشبوهة التي يمكن أن تشير إلى تهديدات داخلية
- المشاريع لإنتاج سيارات ذاتية القيادة، وهذه المشاريع لم تكن وليدة اللحظة بدون جهد. مثال عليها شركة وايمو وهي شركة قيادة ذاتية. أما سيارة تسلا فهي تعتبر من السيارات الأقل في مجال القيادة الذاتية
- أجهزة المساعدة الرقمية مثل أليكسا وسيري التي تبحث في الويب من أجل أن تحقق متطلبات نقوم بطلبها منها سواء كان ذلك تحميل فيلم أو أي شيء يخطر على بالنا من خلال الأوامر الصوتية كإغلاق الأضواء أو تشغيلها.
- خوارزميات تعلم الآلة على المواقع والتطبيقات مثل نيتفليكس، أمازون ويوتيوب.
- تطبيقات سيارات الأجرة التي تقوم بتقييم ظروف حركة المرور في الوقت الفعلي من أجل الوصول من خلال الطريق الأقل ازدحامًا وبأسرع صورة ممكنة.
- تحليل تجزئة السوق يقوم باستعمال تعليم الآلة غير المراقب من اجل تجميع العلماء بناءً على عادات الشراء، وتحديد شخصيات العملاء. يساعد تعلم الآلة والذكاء الاصطناعي في هذه الحالة في تحديد العملاء الأكثر قيمة والعملاء المحرومين من الخدمات
- حلول لكشف الاختلاس والاحتيال، تقوم بجمع البيانات من أنظمة متعددة، وتقوم بكشف العملاء الذين يظهرون سلوكًا غريبًا. كما تساعد في كشف أنماط الأنشطة المشبوهة. بهذه الطريقة وباستعمال التعلم الآلي تقوم البنوك بمعرفة حالات الاحتيال. ولذلك يمكن أن يتلقى الشخص في بعض الأحيان نص من شركة بطاقة الائتمان الخاصة به في حال حدوث عملية شراء غير طبيعية. وتطور تعلم الآلة وخوارزمية المؤسسة المالية دفع إلى كشف الكثير من المعاملات الاحتيالية.
- تعلم الآلة ساعد في التعرف على الصور، والوجوه، وقراءة خط اليد على الشيك، ومراقبة حركة المرور بالإضافة إلى حساب عدد الأشخاص الموجودين في غرفة ما.
- الأجهزة الطبية القابلة للارتداء التي تقوم بتقييم البيانات في الوقت الحقيقي من أجل مراقبة صحة المرضى بشكل مستمر. [4]
