ما هو التعلّم الآلي؟ كيف تتعلّم الآلات من البيانات

لعقود، كان البرنامج يفعل ما نأمره به بدقة عبر قواعد نكتبها بأنفسنا. لكن بعض المهام — كتمييز صورة قطة أو اقتراح فيلم يعجبك — يصعب وصفها بقواعد. هنا يأتي التعلّم الآلي: بدل أن نكتب القواعد، نُري الحاسوب آلاف الأمثلة ونتركه يستنتج النمط بنفسه.

الفكرة الجوهرية

في البرمجة التقليدية ندخل بيانات + قواعد فنحصل على نتائج. في التعلّم الآلي نعكس المعادلة: ندخل بيانات + نتائج معروفة، فيستخرج «النموذج» القواعد التي تربطها. بعد ذلك يستطيع النموذج تطبيق ما تعلّمه على بيانات جديدة لم يرها من قبل.

الأنواع الثلاثة

ينقسم التعلّم الآلي إلى ثلاثة أساليب رئيسية بحسب طريقة التعلّم: المُوجَّه حيث نعطي أمثلة مصحوبة بالإجابة الصحيحة، وغير المُوجَّه حيث نترك النموذج يكتشف المجموعات والأنماط دون إجابات، والتعزيزي حيث يتعلّم النموذج بالتجربة والخطأ عبر مكافآت وعقوبات.

كيف يتدرّب النموذج؟

يبدأ النموذج بتخمينات عشوائية، ثم يقارن مخرجاته بالإجابات الصحيحة ويحسب مقدار الخطأ. بعدها يعدّل معاملاته الداخلية قليلًا لتقليل الخطأ، ويكرّر هذه الدورة ملايين المرات. مع كل دورة يقترب أداؤه من الصواب، تمامًا كطالب يتعلّم من تصحيح أخطائه في كل امتحان تجريبي.

أين تلمسه في يومك؟

حين يقترح عليك متجر إلكتروني منتجًا، أو يصفّي بريدك الرسائل المزعجة، أو يترجم تطبيقك جملة، أو يتعرّف هاتفك على وجهك لفتح الشاشة — كل ذلك تعلّم آلي يعمل خلف الكواليس. حتى توقّع الكلمة التالية أثناء الكتابة يعتمد على نماذج تعلّمت من كميات هائلة من النصوص.

حدوده المهمة

التعلّم الآلي قويّ لكنه ليس سحرًا. جودته لا تتجاوز جودة بياناته: إذا كانت البيانات منحازة أو ناقصة، ورث النموذج هذا الانحياز. كما أنه يجيد التنبؤ ضمن ما رآه، لكنه قد يفشل في مواقف غريبة تمامًا عن تدريبه. لذلك تبقى المراجعة البشرية ضرورية في القرارات الحسّاسة.

خلاصة

التعلّم الآلي هو محرّك معظم ما نسمّيه «ذكاءً اصطناعيًا» اليوم. جوهره بسيط: التعلّم من الأمثلة بدل القواعد. وكلما ازدادت البيانات الجيدة وقدرة الحوسبة، اتّسعت المهام التي تستطيع الآلات إتقانها.