هوش مصنوعی یادگیری ماشین (ML) یک فناوری بسیار مهم است و به معنی هوشمند کردن سیستم های نرم افزاری بدون دخالت مستقیم انسان است.
در فرایند Machine Learning رایانه ها با بررسی مجموعه داده های ثبت شده در گذشته، الگوهای تکرارشونده را شناسایی می کنند و در ادامه بدون حضور انسان این الگوها را تحلیل کرده و آن ها را یاد می گیرند.
هدف Machine Learning چیست؟
بهتر است قبل از ادامه مطالعه این مقاله، ابتدا با هوش مصنوعی و کاربرهای آن آشنا شده و سپس این متن را دنبال کنید.
خستگی، گرسنگی و افسردگی برای ماشین مفهومی ندارد. در یادگیری ماشین هدف هوشمند کردن ماشین ها و رایانه ها به منظور انجام کارها بدون دخالت انسان است. در این راستا به رایانه اجازه می دهیم به صورت اتوماتیک آموزش ببیند، آموزش ها را تفسیر کند و مطابق با آموزش ها خود را تنظیم کند.
بهتر است بدانید : مقاله بررسی خطر هوش مصنوعی در زندگی انسان ها
یادگیری ماشین در هوش مصنوعی
همچنین بخوانید : تعریف روبات های هوشمند به زبان ساده
این حوزه چه کاربردهایی دارد؟
سوخت و انرژی : بهینه سازی مصرف انرژی ساختمان ها، مدیریت نور و انرژی منازل مسکونی و ...
حمل و نقل و ترافیک : کنترل ترافیک، نطارت های امنیتی و ...
خدمات پولی و مالی : سبدگردانی، الگوتریدینگ و معامله گری هوشمند، شناسایی کلاهبرداری و ...
تجارت الکترونیک : سیستم مدیریت رفتار مشتری یا CRM، تبلیغات هوشمند، پیشنهاد محصول با سلیقه مشتری و ...
سلامت و درمان : شناسایی بیماری از روی علائم، ارائه دارو بر اساس بیماری، عمل جراحی خودکار بدون حضور پزشک و ...
دستیار مجازی : دستیار هوشمند مانند Siri در Apple، پردازش زبان و لهجه و ...
شبکه های اجتماعی : استفاده از بات ها در گروه ها و کانال به جای ادمین، آنالیز کلمات برای فیلترینگ و ...
و سایر زمینه ها ...
مطالعه بیشتر : تفاوت هوش مصنوعی و برنامه نویسی
یادگیری ماشین در هوش مصنوعی
بیشتر بدانید : اینترنت اشیا IOT چیست
یادگیری ماشین در هوش مصنوعی چه انواعی دارد؟
Machine Learning به 3 دسته نظارتی، غیرنظارتی و تقویت شده تقسیم می شود.
در یادگیری نظارتی در ابتدا با داده های برچسب گذاری شده به ماشین آموزش می دهیم. مثلا حرف «ب» یا یک درخت را به ماشین نشان می دهیم و جزئیاتی مثل رنگ سبز، برگ، چوب، تنه درخت و ... را به ماشین آموزش می دهیم. در مرحله بعد یک ورودی جدید به ماشین ارائه میدهیم و ماشین براساس آموزش های قبلی خود آن را تحلیل می کند. طبیعتا در مدل یادگیری نظارتی هر چه میزان آموزش های ارائه شده به ماشین بیشتر باشد، ماشین به صورت هوشمندتر و قوی تر تحلیل کند.
در یادگیری غیرنظارتی داده های اولیه برچسب گذاری نمی شوند. یادگیری غیرنظارتی مانند گوش دادن به یک فایل صوتی با زبان غیر مادری است. مثل کودک انسان! بعد از مدتی که در معرض کلمات با زبان خاص قرار می گیرد به تدریج الگوهای تکراری را شناسایی می کند و رفته رفته یاد گرفته و تکرار می کند. در این موارد ماشین بدون یادگیری الگوی تکرار شونده را شناسایی می کند.
در یادگیری تقویتی از نظام تنبیه و پاداش برای آموزش ماشین استفاده می شود. در این شیوه هنگامی که رفتاری مطلوب از ماشین دیده می شود، تشویق شده و هنگامی که رفتاری نامطلوب دیده می شود، ماشین تنبیه می شود. علت پیروزی ماشین ها در بازی های رایانه از انسان این سبک از سیستم یادگیری ماشین است. رایانه به صورت کاملا هوشمند از بردها و باخت های خود درس می گیرد و هر بار قوی تر از قبل به رقابت می پردازد.
مطالعه آزاد : منظور از فست سئو seo چیست و چه کاربردی دارد؟
تاریخچه
سال 1950 : آلن تورینگ یک اختراع انجام داد. هدف او این بود که ببیند آیا یک ماشین در هنگام گفت و گو با انسان می تواند انسان را در تشخیص خود به خطا بیاندازد که آیا طرف مقابل گفت و گو یک ماشین است یا یک انسان؟
سال 1952 : آرتور ساموئل اولین برنامه یادگیری ماشین را در قالب یک بازی نوشت.
سال 1957 : فرانک روزن بلات اولین شبکه عصبی کامپیوترها را اختراع کرد. این شبکه عصبی می توانست سیستم تفکر انسان را تقلید کند.
سال 1967 : الگوریتم مربوط به نزدیک ترین همسایگی نوشته شد.
سال 1979 : در دانشگاه استنفورد ابزاری به نام Stanford card اختراع شد. این ابزار توانایی حرکت کردن بدون دخالت انسان را داشت. نکته جالب این بود که این ابزار هوشمند به گونه ای برنامه نویسی شده بود که در تحرکات خود تصادف نمی کرد.
سال 1997 : Deep Blue به عنوان اولین ماشین هوشمند شطرنج باز ساخته شد. در ابتدا این روبات با نام ChipTest چند بار در مصاف با کاسپاروف شکست خورد. اما در ادامه تجربیات Joel Lawrence Benjamin دیگر قهرمان شطرنج استفاده کرد و به یک شطرنج باز حرفه ای تبدیل شد.
سال 2002 : اولین کتابخانه نرم افزاری برای Machine Learning با نام Torch ایجاد شد.
سال 2016 : الگوریتم چینی AlphaGo موفق به پیروزی در 5 رقابت پیاپی تخته ای چینی با نام Go شد. این الگوریتم توسط DeepMind گوگل توسعه داده شده بود.
در شرکت ماهان هوش فن آور متخصص هوش مصنوعی و یادگیری ماشین از الگوریتم های حرفه ای یادگیری ماشین برای برنامه ریزی روبات های هوشمند استفاده می شود.
شاید بخواهید بدانید : مقاله راهنمای هوشمند سازی ساختمان
اطلاعات بیشتر : فناوری دیپ فیک Deep Fake چیست؟
