یادگیری ماشینی با الگوریتم‌های ساده و پیچیده به چه معناست؟

یادگیری ماشینی و هوش مصنوعی

یادگیری ماشینی را می‌توان زیرمجموعه‌ای از هوش مصنوعی تعریف کرد. این یادگیری یکی از الگوریتم‌های هوش مصنوعی است که برای تقلید از هوش انسانی ایجاد شده است. نوع دیگر هوش مصنوعی، هوش مصنوعی نمادین یا هوش مصنوعی خوب قدیمی (GOFAI) است، یعنی سیستم‌های مبتنی بر قانون شرطی (if-then).

یادگیری ماشینی نقطه عطفی در توسعه هوش مصنوعی است. قبل از یادگیری ماشینی، انسان‌ها سعی می‌کردند تمام نکات و جزییات هر تصمیمی را که باید گرفته می‌شد به رایانه‌ها آموزش دهند. این باعث می‌شد که فرآیند به طور کامل قابل مشاهده باشد و الگوریتم بتواند از پس بسیاری از سناریوهای پیچیده برآید. در پیچیده‌ترین شکل خود، هوش مصنوعی تعدادی از شاخه های تصمیم‌گیری را طی می‌کند و بهترین نتایج را پیدا می‌کند. اینگونه بود که Deep Blue توسط IBM  طراحی شد تا گری کاسپاروف را در شطرنج شکست دهد.

الگوریتم‌های ساده و پیچیده

چیزهای زیادی وجود دارد که ما نمی‌توانیم از طریق الگوریتم‌های مبتنی بر قانون تعریف کنیم: به عنوان مثال، تشخیص چهره. یک سیستم مبتنی بر قانون باید اشکال مختلف مانند دایره‌ها را تشخیص دهد، سپس تعیین کند که چگونه آنها قرار گرفته‌اند و در چه حالت‌های دیگری قرار می‌گیرند تا یک چشم را تشکیل دهند.

یادگیری ماشینی رویکردی کاملاً متفاوت دارد و به ماشین‌ها اجازه می‌دهد تا با مصرف مقادیر زیادی داده و شناسایی الگوها، خودشان یاد بگیرند. بسیاری از الگوریتم‌های یادگیری ماشین از فرمول‌های آماری و داده‌های بزرگ استفاده می‌کنند. در واقع آنچه که یادگیری ماشینی را در وهله نخست امکان‌پذیر کرده، پیشرفت‌های ما در جمع آوری کلان داده و داده‌های گسترده‌ را شکل داده است.

تهیه و تنظیم: ارژنگ طالبی‌نژاد