ماشین لرنینگ چیست ؟

ماشین لرنینگ در دنیایی زندگی می‌کنیم که رشد تکنولوژی به حدی زیاد شده که بسیاری از افراد نمی‌توانند خود را با آن همراه کنند و از قافله جا می‌مانند. هوش مصنوعی یا Artificial Intelligent گرایش نسبتا جدیدی در علوم است که می‌خواهد تحولات اساسی در زندگی مردم ایجاد کند. تعریف هوش مصنوعی کمی دشوار است، اما می‌توانیم بگوییم هوش مصنوعی ترکیبی از علوم مختلف برای هوشمند کردن ماشین‌ها است.

یکی از زیرشاخه‌های معروف هوش مصنوعی یادگیری ماشین یا Machine Learning می‌باشد که این روزها به شدت مورد بحث قرار می‌گیرد. تاثیر ماشین لرنینگ را هر روز در زندگی روزمره خود احساس می‌کنید و این علم تا حدودی در زندگی روزمره ما حضور دارد. اگر تصمیم گرفتید ماشین لرنینگ را یاد بگیرید و نمی‌دانید باید از کجا شروع کنید، این مقاله می‌تواند برایتان مفید باشد.

در این مقاله از تدریس24 بررسی می‌کنیم که ماشین لرنینگ چیست ؟ و چه کاربردهایی دارد؟ سپس بررسی می‌کنیم که چطور یک متخصص یادگیری ماشین شویم و درباره موقعیت‌های شغلی این گرایش صحبت خواهیم کرد. اما قبل از هر چیز باید بدانیم برای یادگیری ماشین لرنینگ باید از اموزش برنامه نویسی مقدماتی شروع کنیم.

یادگیری ماشین یا ماشین لرنینگ چیست؟

اگر بخواهیم به زبان ساده تعریفی از Machine Learning داشته باشیم، باید بگوییم یادگیری ماشین علمی است که به ماشین‌ها یاد می‌دهد چطور چیزهای جدید از خودشان یاد بگیرند. احتمالا بعد از شنیدن این جمله از خودتان می‌پرسید آخر چرا باید ماشین‌ها از خودشان یاد بگیرند؟ این کار چه سودی برای ما دارد؟ با یک مثال این جمله را بررسی می‌کنیم.

فرض کنید می‌خواهیم کف یک زمین را تمیز کنیم. زمانی که یک انسان این کار را انجام می‌دهد، کیفیت کار می‌تواند بسیار متغیر باشد چون به عوامل مختلفی بستگی دارد. احتمال اینکه انسان مریض شود یا بعد از چند ساعت کار خسته شود یا حتی بخواهد از زیر کار در برود بسیار زیاد است.

اما اگر به ماشین یاد بدهیم که کثیفی زمین را تشخیص داده و بر اساس میزان کثیفی و شرایط زمین شروع به تمیز کردن سطح آن بکند. اگر برای ماشین این کار را تعریف کنیم، بسیار بهتر از انسان می‌تواند آن را انجام دهد. بدون اینکه خسته شود یا احتمال مریض شدن داشته باشد. ماشین مدنظر باید بتواند به سوالات زیر جواب بدهد:

چه زمانی زمین نیاز به تمیز کردن دارد؟

تا چه زمانی باید تمیز کردن زمین ادامه داشته باشد؟

و غیره

این کاری است که یادگیری ماشین یا Machine Learning انجام می‌دهد. یعنی به ماشین اجازه می‌دهد از خودش یاد گرفته و رفتارش را مرتب بهبود ببخشد.

ماشین‌ها مثل ما انسان‌ها مغز و قدرت تفکر ندارند، پس باید یک راهی وجود داشته باشد که به آن‌ها فکر کردن را یاد بدهیم و اینجا است که مدل‌های یادگیری ماشین می‌توانند به کمک ما بیایند. به این شکل که ماشین، داده را از محیط بیرونی تحویل گرفته و آن را به مدل مربوطه تحویل می‌دهد. سپس این مدل با توجه به شرایط موجود تصمیم‌گیری می‌کند. در مثال تمیز کردن زمین، ماشین می‌تواند با داده‌هایی که می‌گیرد و تحویل مدل می‌دهد به اطلاعات مختلفی دست پیدا کند:

چه زمانی زمین نیاز به تمیز کردن دارد یا چه زمانی تمیز است

این تمیز کردن تا چه زمانی باید ادامه داشته باشد

و غیره

یادگیری ماشین یک زیرشاخه معروف در هوش مصنوعی است که کمک می‌کند ماشین‌ها یا کامپیوترها بتوانند چیزهای جدید یاد بگیرند

تاریخچه ماشین لرنینگ

ماشین لرنینگ یادگیری ماشین اولین بار از مدل سازی ریاضی شبکه های عصبی شکل گرفت. مقاله ای از منطق دان والتر پیتس و عصب شناس وارن مک کالوچ که در سال ۱۹۴۳ منتشر شد و آنها تلاش کردند تا فرآیندهای فکری و تصمیم گیری در شناخت انسان را به صورت ریاضی ترسیم کند.

در سال ۱۹۵۰، آلن ترنینگ تست تورینگ را پیشنهاد کرد که به آزمون تورنسل تبدیل شد که برای آن ماشین ها “هوشمند” یا “غیر هوشمند” در نظر گرفته می شدند. معیار یک ماشین به عنوان یک ماشین هوشمند این بود که بتواند یک انسان را متقاعد کند که آن ماشین نیز یک انسان است. بلافاصله پس از این تحقیقات، یک برنامه تحقیقاتی تابستانی در کالج دارتموث زادگاه رسمی هوش مصنوعی افتتاح شد.

از این نقطه به بعد، الگوریتم‌های یادگیری ماشینی و برنامه‌های رایانه‌ای ظاهر شدند، از برنامه‌ریزی مسیرهای سفر برای فروشندگان گرفته تا بازی‌های رومیزی با انسان‌ها. ماشین‌های هوشمند همه چیز را از استفاده از تشخیص گفتار گرفته تا یادگیری تلفظ کلمات و حتی شکست دادن یک قهرمان شطرنج جهان همگی از توانایی های ماشین لرنینگ هستند.

چه کسانی از یادگیری ماشینی استفاده می کنند و برای چه مواردی استفاده می شود؟

ماشین لرنینگ امروزه یادگیری ماشین در طیف وسیعی از کاربردها استفاده می شود. شاید یکی از شناخته شده ترین نمونه های یادگیری ماشینی در عمل، سیستم های توصیه گر باشند که نیاز های بسیاری از شرکت ها را تامین می کند.

فیس بوک از یادگیری ماشینی برای شخصی سازی نحوه ارائه فید هر عضو استفاده می کند. اگر عضوی مرتباً برای خواندن پست‌های یک گروه خاص توقف کند، موتور توصیه گر‌ شروع به نشان دادن بیشتر فعالیت آن گروه در فید می‌کند.

در پشت صحنه، این سیستم در حال تلاش برای تقویت الگوهای شناخته شده در رفتار آنلاین اعضا است. اگر عضو الگوهای خود را تغییر دهد و نتواند پست‌های آن گروه را در هفته‌های آینده بخواند، فید اخبار مطابق با آن تنظیم می‌شود.

علاوه بر موتورهای توصیه گر، کاربردهای دیگر برای یادگیری ماشینی شامل موارد زیر است:

مدیریت ارتباط با مشتری: بسیاری از شرکت ها از مدل‌های یادگیری ماشین برای تجزیه و تحلیل ایمیل استفاده کند و اعضای تیم فروش را ترغیب کند که ابتدا به مهم‌ترین پیام‌ها پاسخ دهند. سیستم های پیشرفته تر حتی می توانند پاسخ های بالقوه موثر را توصیه کنند.

هوش تجاری. فروشندگان بسیاری از شرکت ها با تجزیه و تحلیل از یادگیری ماشین در نرم افزار خود برای شناسایی نقاط داده بالقوه مهم، الگوهای نقاط داده و ناهنجاری ها استفاده می کنند.

سیستم های اطلاعات منابع انسانی سیستم‌های HRIS که با هوش مصنوعی ادغام شده اند می‌توانند از مدل‌های یادگیری ماشین برای فیلتر کردن برنامه‌ها و شناسایی بهترین نامزدها برای یک موقعیت باز استفاده کنند.

ماشین های خودران. الگوریتم‌های یادگیری ماشینی حتی می‌توانند این امکان را برای یک خودروی نیمه‌خودران فراهم کنند که یک شی قابل مشاهده را تشخیص دهد و به راننده هشدار دهد.

ماشین لرنینگ دستیاران مجازی دستیارهای هوشمند معمولاً مدل‌های یادگیری ماشینی تحت نظارت و بدون نظارت را برای تفسیر گفتار طبیعی و زمینه عرضه ترکیب می‌کنند