تدقيق لغوي: أ. موانا دبس

تعلُّم الآلة هو فرعٌ من فروع الذكاء الاصطناعي، كما أنَّه إحدى فروع علوم الحاسوب، ويتركّز بشكلٍ أساسي على التعامل مع البيانات التي تسمّى بيانات التدريب، والتعامل مع الخوارزميات أيضاً، وذلك للوصول إلى طريقة الإنسان في التعلُّم، والتفكير، والتعامل مع المحيط الخارجي.

يهدف تعلُّم الآلة إلى جعل الأجهزة الإلكترونية والحواسيب تفكّر وتتعلّم مثلها مثل الإنسان، وجعلها قادرةً على حلّ المشاكل، والتعامل معها مثلما يتعامل الإنسان مع المشاكل التي تحدث معه في الحياة العامة، وذلك من خلال الاستفادة من مجموعاتٍ ضخمةٍ من البيانات التي يتمُّ من خلالها تدريب الآلة على اتخاذ القرارات.

كما أنَّ الهدف الأساسي مننه هو جعل الآلات أو الحواسيب قادرةً على التعلُّم، وتكوين القواعد المعرفية بمفردها على مدار الوقت دون الحاجة إلى التدخُّل البرمجي من قبل الإنسان. ^{[1] [2]}

نشأة تعلُّم الآلة

كان الاعتماد الأساسي لتعلُّم الآلة على النموذج الذي يتمُّ به التفاعل بين الخلايا العصبية في الدماغ، وتمّ إنشاء هذا النموذج من قبل العالم (دونالد هب) في عام 1949م، وذلك من خلال كتابه المُسمّى (تنظيم السلوك)، والذي عمل به على تقديم نظرياته ومفهومه حول الإثارة العصبية، وكيف يتمُّ التواصل بين خلايا الدماغ، وتمّت ترجمة هذه التفاعلات إلى شبكاتٍ وخلايا عصبيةٍ اصطناعية. ^[3]

أهمية التعلُّم الآلي

إنَّ الأساس لأيّ عملٍ يقوم به الإنسان في الحياة هو البيانات والمعلومات التي يعرفها ويتعلّمها، والأمور التي يهدف إلى تحقيقها، وتعليم الآلة كيفية التعامل مع هذه البيانات بشكلٍ مناسبٍ ومشابهٍ للإنسان أمرٌ ضروريٌّ ومهمّ، ويساعد الإنسان بشكلٍ كبيرٍ في حياته اليومية، كما يساعد البلدان على التطوُّر الكبير.

ففي يومنا هذا يتمُّ استخدام تعلُّم الآلة بشكلٍ كبيرٍ ومتزايد، حيث إنَّ أي تطبيقٍ على الإنترنت يستخدم هذا المجال في العديد من الأمور، كما أنَّه يُستخدم بشكلٍ كبيرٍ من قبل العديد من الشركات لتطوير أنظمتها، ولمساعدتها في التغلُّب على المشاكل والتحدّيات التي تواجهها، إضافةً إلى أنَّ التطبيقات العملية التي يتمُّ بها استخدام تعلُّم الآلة تساعد على زيادة أرباح الشركات بشكلٍ سريعٍ ووقتٍ قياسي.

أجزاء التعلُّم الآلي

يتألف من ثلاثة أجزاء أساسيّة هي:

1- قواعد البيانات المعرفية التي من أجلها تتعرَّف الآلة على الإجابة.

2- الميزات، وأيضاً المُتغيّرات التي تتألف منها عملية اتخاذ القرارات.

3- الخوارزميات الحسابية التي يتمُّ استخدامها في اتخاذ القرارات.

أنواع تعلُّم الآلة

يوجد العديد من أنواع تعلُّم الآلة الذي يعتمد بشكلٍ أساسي على البيانات: ^[4]

1- التعليم المُعزّز

في هذا النوع يتمُّ محاكاة طريقة الإنسان في التعلُّم من خلال البيانات التي يحصل عليها من الحياة والمواقف التي يتعرّض لها، حيث يتمُّ إنشاء خوارزمية تتعلم بشكلٍ مستمر، وتتحسس لكلّ البيانات التي يتمُّ تقديمها لها للعمل على تحسين أدائها وتطويره، حيث تتعلم من المواقف الجديدة التي تتعرّض لها من خلال استخدام طريقة التجريب، والوقوع في الخطأ، وهذا ما يجعل المُخرجات الإيجابية تتعزّز لديها.

2- التعلُّم المراقب

أو من الممكن تسميته التعلُّم الخاضع للإشراف، وهو أكثر الأنواع استخداماً في تعلُّم الآلة، حيث يتمُّ تقديم جميع بيانات الإدخال والإخراج للخوارزمية التي تعمل وفقها الآلة، والتي من اللازم أن يتمّ وضعها بشكلٍ دقيقٍ حتى يتمّ الحصول على نتائج دقيقة وصحيحة من هذه الخوارزمية.

3- التعلُّم غير المُراقب

وهو التعلم الذي لا يتمُّ الإشراف عليه، حيث تتعامل الآلة مع مجموعةٍ معينةٍ من البيانات التي لا تتطلب أن يتمّ توجيهها، ووضعها من قبل الإنسان.

تطبيقات تعلُّم الآلة

توجد العديد من التطبيقات العملية التي يمكن من خلالها الاستفادة من تعلُّم الآلة: ^[5]

1- الترجمة

هي من التطبيقات المعروفة لها، ومن التطبيقات التي أصبح استخدامها شائعاً في الوقت الحالي، حيث إنَّ الإنسان لم يعد بحاجةٍ كبيرةٍ إلى تعلُّم لغة المكان الذي يرغب بزيارته، إذ يمكن أن يستخدم تطبيقات الترجمة الآلية التي يتمّ من خلالها الترجمة من أي لغةٍ إلى أي لغةٍ أخرى، وأشهر مثال على هذا التطبيق خدمات الترجمة التي تقدُّمها جوجل.

2- عمليات التداول

يُعتبر هذا التطبيق من أكثر تطبيقات تعلُّم الآلة حداثةً إذ أصبح يُستخدم بشكلٍ كبيرٍ في أسواق البورصة والمال، وذلك ليتمّ التنبُّؤ بحالة الأسهم، هل ستكون في حالة صعود أم في حالة هبوط؟ وما هو اتجاه الأسواق في الوقت الحالي؟

3- التشخيص المرضي

أصبحت تطبيقات تعلُّم الآلة والذكاء الاصطناعي تُستخدم بشكلٍ كبيرٍ في المجال الطبي، وفي مجال الرعاية الصحية، وذلك لمساعدة الأطباء في عمليات توقُّع الأمراض وتشخيصها، إضافةً إلى المساعدة في الكشف عن الأمراض في مراحل مبكرة، وهذا ما يُسهّل علاجها، ويزيد نسبة الشفاء منها.

4- الكشف عن العمليات التي يتمّ فيها النصب والاحتيال الإلكتروني 

قد يتعرّض الإنسان إلى عمليات النصب والاحتيال الإلكتروني خصوصاً في التعاملات المصرفية، وعمليات تحويل الأموال إلكترونياً وغيرها، وهنا تأتي أهمية تطبيقات تعلُّم الآلة التي تكشف عن هذه العمليات، وتنبّه عنها.

5- المُساعد الافتراضي

من أكثر تطبيقات تعلُّم الآلة شيوعاً في الوقت الحالي هو المُساعد الافتراضي، مثال على هذا الأمر أليكسا ومساعد جوجل، والهدف الأساسي من هذه التقنيات هي مساعدة الإنسان على الحصول على ما يحتاج إليه من المعلومات من خلال التعامل مع التعليمات الصوتية.

6- السيارات ذاتية القيادة

يتمُّ استخدام تعلُّم الآلة بشكلٍ كبيرٍ من قبل كبرى شركات السيارات في الوقت الحالي، حيث تتمتع سيارات الحاضر والمستقبل بكفاءاتٍ كبيرة، وقدراتٍ عالية على إدراك الطرقات، ورؤيتها والتنبُّه إلى كلّ الأمور اللازمة للقيادة السليمة والآمنة كأن السائق موجود فعلياً. 

7- التعرُّف على الصور

يُعتبر من أكثر تطبيقاتها شهرةً، والتي أصبحت معروفةً عند الكثير من الناس، حيث يتمُّ استخدامها لتحديد هوية الأشخاص، والتعرُّف على الصور الرقمية وقراءتها، والتعرُّف على الأماكن وغيرها.

8- التعرُّف على الكلام

يتمُّ من خلال هذا التطبيق تحويل الكلام الصوتي إلى نصٍّ مكتوب، مثال على هذا التطبيق: خيار البحث الصوتي الذي تقدّمه محركات بحث جوجل.

التحدّيات والمشكلات التي تواجه تعلُّم الآلة

مع التطور الكبير لتقنياتها، وزيادة استخدامها، والتعامل معها من قبل الإنسان نشأت العديد من التحدّيات التي أصبحت تواجه المتخصّصين ضمن هذا المجال: ^[6]

1- النموُّ والتطوُّر السريع للبيانات

وهي من أكثر المشاكل التي تعترض مختصّو تعلُّم الآلة، إذ أنَّ هذه المشكلة تضعهم تحت الضغط، وتؤدي إلى إصابتهم بالإرهاق، وذلك لأنَّ البيانات تتطور وتنمو بشكلٍ سريعٍ جداً، وهذا ما يجعل قواعد البيانات بحاجةٍ إلى المراقبة والضبط طوال الوقت للمحافظة على استمرار عملها بشكلٍ صحيح.

2- البطء في تنفيذ المطلوب

إنَّ أنظمة تعلُّم الآلة تتميز بأنَّها تقدّم معلوماتٍ مهمّةً ودقيقةً وذات جودةٍ عالية، وهذا ما يتطلب وقتاً لا بأس به للبحث، واستنتاج هذه المعلومات، هذا ما يجعل عمليات التنفيذ بطيئة، إضافةً إلى أنَّ هذه العمليات تحتاج إلى المراقبة والصيانة للحصول على أفضل النتائج.

3- تعلُّم الآلة أمرٌ معقّد

يحتاج فهم خوارزميات تعلُّم الآلة، وكيفيّة عملها إلى قدراتٍ عقليةٍ كبيرة فضلاً عن أنَّ هذه العملية تتطور وتتحدّث باستمرار وبتسارعٍ كبير.

4- ضعف البيانات

وهي من أهمّ التحدّيات التي تواجه عملية تعلّم الآلة، حيث يسعى متخصّصو تقنياتها إلى تقديم بياناتٍ عالية الجودةٍ وخاليةٍ من الأخطاء.