Loading...
آشنایی با مفهوم یادگیری ماشین
به طور خلاصه یادگیری ماشین (Machine Learning) تکنیک مدل سازی داده ها می باشد. این تعریف ممکن است برای اولین بار بسیار کوتاه باشد. بنابراین اجازه دهید در این باره توضیحات مختصری داده شود. در واقع یادگیری ماشین مدل های موجود در میان داده ها را پیدا می کند. در اینجا داده اطلاعاتی از قبیل اسناد، صدا، تصاویر و غیره هستند. محصول نهایی یادگیری ماشین “مدل” است. قبل از آنکه به تشریح مدل پرداخته شود اجازه دهید از بحث اصلی کمی منحرف شویم. تعریف یادگیری ماشین فقط به مفاهیم داده و مدل می پردازد و به مفهوم یادگیری ارتباطی ندارد. این نام (یادگیری ماشین) منعکس کننده تکنیک های آنالیز داده و مدل سازی داده ها است به طوری که این وظایف را سیستم، بدون دخالت انجام می دهد. این فرآیند “یادگیری” نامیده می شود زیرا در این فرآیند داده ها آموزش می بینند تا مسائل مربوط به یافتن مدل حل گردد. بنابراین داده هایی که در یادگیری ماشین استفاده می شوند در فرآیند مدل سازی، به آنها “داده های آموزشی” گفته می شود. شکل زیر فرآیند یادگیری ماشین را به تصویر کشیده است:
شکل اتفاقاتی که در فرآیند یادگیری ماشین رخ می دهد
اکنون بحث در مورد مدل سازی از سر گرفته می شود. در واقع یک مدل نتیجه ای فراتر از محصول نهایی است که می خواهیم آن را به دست آوریم. به عنوان نمونه اگر یک سیستم خودکار فیلترینگ توسعه داده شود تا هرزنامه های ارسالی پاک شوند فیلتر نامه های هرزنامه، مدلی است که در مورد آن بحث می گردد. در این صورت مدل چیزی است که در حال استفاده کردن از آن هستیم. برخی از افراد مدل را با عنوان فرضیه می شناسند. در واقع این اصطلاح در میان افرادی که با آمار و احتمال سروکار دارند رایجتر است. به طور پویا، مردم از مدت ها قبل از تکنیک های مدل سازی خاصی استفاده می کنند، که در این مدل ها از قوانین نیوتون استفاده شده و حرکت اشیاء را به عنوان یکسری معادلات به نام معادلات حرکت توصیف می کند. این شاخه از هوش مصنوعی شامل سیستم های خبره ای است که این سیستم ها حاوی مدل های حل مسئله هستند که بر مبنای دانش و فوت و فن متخصصان ساخته شده است. این مدل ها به خوبی متخصصان عمل می کنند. با این حال، مناطقی وجود دارند که قوانین و دلایلی منطقی برای مدل سازی مفید نیست. مخصوصا این مسائل در هوش مصنوعی پیدا خواهند شد که بعضی از آنها عبارت اند از: پردازش زبان های طبیعی، تشخیص گفتار، شناسایی تصویر و غیره. اجازه بدهید مثالی بزنم، به شکل زیر نگاه کنید و اعداد را مشخص کنید.
شکل اعداد غیر منظم
چگونه رایانه ها اعداد بالا را شناسایی کنند در حالی که هیچ الگوی شناخته شده ای وجود ندارد؟ قطعا هر بار وظایفتان را کاملا انجام نمی دهید. اکثر مردم این چنین هستند. بیایید رایانه ای بسازیم که کارهای یکسانی انجام دهد. چه کارهایی لازم است انجام شود؟ اگر از یک تکنیک مدل سازی سنتی استفاده شود احتیاج به پیدا کردن برخی قوانین یا الگوریتم ها برای شناسایی اعداد نوشته شده است. چرا قوانینی را که برای شناسایی اعداد در ذهنتان استفاده می کنید اعمال نکنیم؟ در واقع اعمال کردن این قوانین به سادگی نیست. در حقیقت این یک مسئله چالش برانگیز است. زمانی وجود داشت که محققان فکر می کردند این موضوع به سادگی خوردن یک قطعه کیک باشد زیرا آن برای یک انسان بسیار ساده است و رایانه ها قادرند این مسئله را سریع تر از انسان ها محاسبه کنند. زمان زیادی طول نکشید تا آنها متوجه اشتباهشان شدند.
چگونه قادر هستید اعدادی را بدون هیچ مشخصات یا قوانینی شناسایی کنید؟ پاسخ به این سؤال مشکل است. این طور نیست؟ چون هرگز مشخصات اعداد را یاد نگرفتید. از سنین جوانی فقط یاد گرفته ایم که این عدد ۰ و این عدد ۱ است. فقط فکر کردیم که آن عدد چیست و این تشخیص مرتب بهتر شده است زیرا با انواع مختلفی از اعداد رو به رو شدیم. آیا این موضوع صحیح نیست؟ در مورد رایانه ها چه حدسی می زنید؟ چرا چنین کاری را کامپیوترها انجام ندهند؟ همین است! اکنون مفهوم یادگیری ماشین را درک کردید. یادگیری ماشین برای حل مسائلی ایجاد شده است که مدل های تحلیلی به سختی در دسترس هستند. ایده اصلی یادگیری ماشین ساختن مدل با استفاده از داده های آموزش دیده است، به طوری که معادلات و قوانین معینی وجود ندارد.
منبع: فصل اول کتاب یادگیری ماشین با MATLAB نوشته فیل کیم
هیچ نظری ثبت نشده است