یادگیری ماشین (Machine learning)

یادگیری ماشین یکی از زیر شاخه های اصلی هوش مصنوعی می باشد. این علم به جستجو و یافتن الگوریتم هایی می پردازند که به وسیله آن ماشین یا سامانه بتواند یاد بگیرد. به عبارتی دیگر هدف یادگیری ماشین این است که یک سامانه بدون دریافت صریح کد بتواند داده ها را به صورت اتوماتیک تحلیل کرده و از طرفی بتواند با توجه به تحلیل های خود در مورد داده های جدید هم تصمیم گیری نماید.

 

یادگیری ماشین
 

انواع یادگیری های ماشین بر پایه داده هایی که در اختیار سامانه هوشمند قرار می گیرد به صورت زیر است:

 

– یادگیری با نظارت

هرگاه ناظر بیرونی برای ماشین مشخص نماید که به ازای ورودی های مشخص چه خروجی هایی را باید در نظر بگیرد یادگیری با نظارت صورت گرفته است؛ برای مثال فرض کنید شما رباتی خدمتکار دارید و می خواهید زمانی که شما از خواب بلند می شوید برایتان قهوه بیاورد و اگر افراد دیگر خانواده بیدار شدند برایشان چای بیاورد. برای این کار شما با استفاده از کنترل ربات زمانی که بیدار می شوید، ربات شما را می بیند دستور درست کردن قهوه را می دهید و زمانی که افراد دیگر خانواده را می بیند دستور درست کردن چای، با این کار ربات متوجه می شود یا یاد می گیرد که به ازای ورودی های مشخص چه خروجی هایی را باید نشان بدهید.

 

– یادگیری تقویت

در این روش هدف این است که سامانه خود را با توجه به پاداش هایی که دریافت می کند با کم ترین خطا به بهینه ترین حالت پاسخ برساند. مثال آن همانند قبل است با این تفاوت که شما به ربات خدمتکارتان پاسخ متناسب با ورودی را نمی دهید بلکه با توجه به عملکردش نسبت به ورودی های داده شده او را مورد تنبیه یا پاداش قرار می دهید.

 

– یادگیری بدون نظارت

در این نوع یاد گیری هدف مشخص کردن خروجی متناسب با ورودی ها نیست بلکه هدف این است که سامانه بتواند ورودی های خود را تشخیص دهد و آنها را در گروه های خاص خود قرار دهد؛ به طور مثال همان ربات خدمتکار باید بتواند شما را تشخیص دهد یا به عبارت دیگر باید تفاوت شما و وسایل اتاقتان را بفهمد و هر کدام را در دسته بندی مشخصی قرار دهد. البته این دسته بندی بدون آن صورت می گیرد که شما به وسیله کتنرل به ربات بفهمانید.

 

– یادگیری نیمه نظارتی

این حالت ترکیبی از دو حالت یادگیری با نظارت و یادگیری بدون نظارت است. ربات زمان هایی توسط شما یادگیری خود را انجام می دهد و بقیه اوقات خود به یادگیری می پردازد.