كيف تتعلم الآلة من البيانات؟

التعلم هنا لا يعني الحفظ

التعلم الآلي هو عملية تعديل معاملات داخل نموذج كي تتحسن نتائجه على أمثلة محددة. الهدف الحقيقي ليس تكرار بيانات التدريب، بل اكتشاف نمط يمكن تطبيقه على أمثلة جديدة.

خطوات مبسطة

1. تحديد المهمة والنتيجة المراد قياسها.
2. جمع بيانات تمثل الحالات الواقعية وتنظيفها.
3. تقسيم البيانات إلى تدريب وتحقق واختبار.
4. تدريب النموذج بتقليل الفرق بين تنبؤاته والنتائج الصحيحة.
5. اختباره على بيانات لم يرها، ثم مراقبته بعد النشر.

مثال: تصنيف الفواكه

نعرض للنموذج صورًا معنونة لتفاح وبرتقال. أثناء التدريب يلتقط علاقات بين اللون والشكل والملمس. عند تقديم صورة جديدة ينتج احتمالًا لكل فئة. إذا كانت صور التدريب محدودة أو منحازة فقد يفشل عند تغير الإضاءة أو الخلفية.

التعميم وجودة البيانات

النموذج الجيد لا ينجح فقط على الأمثلة التي تعلم منها؛ بل يحافظ على أداء مناسب في العالم الحقيقي. لذلك تمثيل البيانات وتنوعها وصحة تسمياتها قد يكون أهم من اختيار خوارزمية معقدة.

راجع فهمك

1. لماذا نفصل بيانات الاختبار عن بيانات التدريب؟
2. اذكر سببين قد يجعلان النموذج يفشل بعد نشره.