اختراع چرخ نقطه ابتدایی به جلوه در آمدن دانش بشری بود. با گذشت قرن های متمادی دانش بشری به شاخه های مختلفی تقسیم شد. هر چه توانایی بشر در تولید دستگاه بیشتر شد، نحوه زندگی نیز راحت تر شد. در حال حاضر شاید کمتر دستگاه مکانیکی باشد که انسان به اختراع آن احساس نیاز کند. اما در زمینه دیجیتال و هوش مصنوعی راه های نرفته بسیاری برای ما وجود دارد. در دهه های گذشته بسیار دور از انتظار می نمود که ماشین به جای انسان اموری را انجام دهد و بتواند تصمیم گیری خارج از برنامه ریزی و نظارت انسان داشته باشد. اما در حال حاضر این پدیده امری عادی و راهگشا در تسهیل بسیاری از امور روزمره ما به شمار می رود. ماشین ها به اندازه ای هوشمند شده اند که بتوانند به صورت مستقل پردازش و تحلیل هایی را مشابه ذهن انسان انجام دهند.
برای اینکه ماشین با خودرو یکی شمرده نشود پیش از شروع بحث باید توضیح دهیم که منظور از ماشین هر دستگاه مکانیکی یا دیجیتالی است. یادگیری ماشین یا machine learning نیز برای مواردی به کار برده می شود که در آن یک دستگاه از هوش مصنوعی استفاده می کند و داده هایی به آن وارد و طی پردازش های خاصی نتایجی از آن خارج یا پیش بینی می شود.
یادگیری ماشینی یا یادگیری ماشین (Machine Learning) یکی از زیرمجموعه های هوش مصنوعی است که به کمک آن کامپیوتر به صورت خودکار از داده ها الگوهایی را استخراج می کند و به اصطلاح یاد می گیرد. این یادگیری بدون برنامه ریزی و نظارت انسان صورت می گیرد. در واقع، ماشین لرنینگ به کامپیوترها اجازه میدهد به مرور زمان و با کسب تجربه، بهبود پیدا کنند و عملکرد بهتری داشته باشند.
کاربردهای یادگیری ماشینی بسیار گسترده است و در حوزههای مختلفی از جمله تجارت الکترونیک، پزشکی، خودرو، تصویربرداری پزشکی، ترافیک، تشخیص صدا، ترجمه ماشینی و غیره استفاده میشود. با استفاده از هوش مصنوعی، میتوان الگوهای پنهان در دادهها را شناسایی کرده و پیشبینیها و تصمیمگیریهای بهتری را انجام داد.
انواع یادگیری ماشینی شامل یادگیری نظارتشده، یادگیری بدون نظارت و یادگیری تقویتی است.
در یادگیری نظارتشده، کامپیوتر یا ماشین با استفاده از دادههای آموزشی که شامل ورودی و خروجی متناظر آنها است، آموزش میبیند و توانایی ویژه ای کسب می کند که برای ورودیهای جدید، خروجی مورد انتظار را پیشبینی کند.
در یادگیری بدون نظارت، ماشین بدون داشتن خروجی مورد انتظار، الگوها و ساختارهای مخفی در دادهها را شناسایی میکند.
در یادگیری تقویتی، ماشین یا کامپیوتر در تعامل با محیط و دریافت پاداش برای اعمال صحیح، داشتن عملکرد بهتر را یاد میگیرد که عملکرد بهتری داشته باشد. به طور کلی، ماشین لرنینگ به دلیل قدرت و کاربرد زیاد خود، در حوزههای مختلفی از جمله صنعت، بهداشت، حمل و نقل، تجارت و غیره تأثیرات قابل توجهی داشته است و در آینده نیز احتمالاً نقش بسیار مهمی خواهد داشت.
برای آگاهی بیشتر در زمینه یادگیری ماشینی لازم است تا با الگوریتم های یادگیری هوشمند آشنا شوید.
با بمباران اطلاعات چه کنیم تا درست تصمیم بگیریم