التعلّم غير الخاضع للإشراف: حين تكتشف الآلة الأنماط وحدها

 

 


 

ليس كل تعلّم يحتاج إلى معلّم.

أحيانًا نترك الطفل يجرّب، يخطئ، ويكتشف بنفسه.

في الذكاء الاصطناعي، يوجد نوع من التعلّم يعمل بهذه الطريقة تمامًا، ويُسمّى التعلّم غير الخاضع للإشراف.

 

ما هو التعلّم غير الخاضع للإشراف؟

 

هو نوع من تعلّم الآلة تعتمد فيه الخوارزميات على بيانات غير مُعلَّمة، أي بيانات لا تحتوي على إجابات صحيحة أو خاطئة.

 

الآلة هنا لا تُخبرها:

·       هذا صحيح

·       وهذا خطأ

 

بل يُطلب منها فقط:

 

اكتشفي ما الذي يربط هذه البيانات ببعضها.”

 

كيف تتعلّم الآلة دون توجيه؟

 

تبدأ الخوارزمية بالبحث عن:

·       أنماط متشابهة

·       مجموعات متقاربة

·       علاقات خفية بين البيانات

 

ثم تقوم تلقائيًا بتقسيم البيانات إلى مجموعات منطقية بناءً على التشابه، دون أي تدخل بشري مباشر.

 

مثال بسيط

 

تخيّل متجرًا إلكترونيًا يملك آلاف العملاء، دون أي تصنيف مسبق.

عند استخدام التعلّم غير الخاضع للإشراف، قد تكتشف الآلة:

·       مجموعة تشتري بكثرة

·       مجموعة تشتري في المواسم فقط

·       مجموعة تتصفح ولا تشتري

 

لم يُخبرها أحد بهذه الفئات، لكنها اكتشفتها بنفسها.

 

متى نستخدم هذا النوع من التعلّم؟

 

يُستخدم عندما:

·       لا نعرف مسبقًا ما الذي نبحث عنه

·       تكون البيانات ضخمة وغير منظمة

·       نريد اكتشاف أنماط خفية

 

أشهر استخداماته:

·       تقسيم العملاء (Customer Segmentation)

·       اكتشاف السلوكيات غير الطبيعية

·       تحليل البيانات الاستكشافي

·       أنظمة التوصية الأولية

 

الفرق الجوهري عن التعلّم الخاضع للإشراف

 

في التعلّم الخاضع للإشراف:

·       الإنسان يوجّه

·       الإجابة معروفة مسبقًا

 

أما هنا:

·       الآلة تكتشف

·       والنتيجة قد تفاجئ البشر

 

نقطة الضعف الأساسية

 

رغم قوته، إلا أن نتائجه:

·       قد تكون غير واضحة التفسير

·       تختلف من خوارزمية لأخرى

·       تحتاج دائمًا إلى تدخّل بشري لفهم معناها

 

فالآلة قد تجد نمطًا

لكن الإنسان هو من يقرّر إن كان مهمًا أو مفيدًا.

تعليقات

المشاركات الشائعة من هذه المدونة

بداية الحكاية

حين اخترت أن أسمو

عندما تُغاث الروح