يدرس علماء الحيوان وعلماء النفس التعلم عند الحيوانات والبشر. هناك العديد من أوجه الشبه بين تعلم الحيوان والتعلم الآلي.
من المؤكد أن العديد من التقنيات في التعلم الآلي مستمدة من جهود علماء النفس لجعل نظرياتهم حول التعلم الحيواني والبشري أكثر دقة من خلال النماذج الحسابية.
يبدو من المحتمل أيضًا أن المفاهيم والتقنيات التي يستكشفها الباحثون في التعلم الآلي قد تلقي الضوء على جوانب معينة من التعلم البيولوجي.
فيما يتعلق بالآلات، قد نقول، على نطاق واسع، أن الآلة تتعلم متى تغير هيكلها أو برنامجها أو بياناتها بطريقة تحسن أدائها المتوقع في المستقبل.
تقع بعض هذه التغييرات، مثل إضافة سجل إلى قاعدة البيانات، بشكل مريح ضمن مجال التخصصات الأخرى ولا يتم فهمها بالضرورة بشكل أفضل لتسميتها التعلم.
يشير التعلم الآلي عادةً إلى التغييرات في الأنظمة التي تؤدي المهام المرتبطة بالذكاء الاصطناعي. تتضمن هذه المهام التعرف والتشخيص والتخطيط والتحكم في الروبوت والتنبؤ وما إلى ذلك.
لماذا يجب أن تتعلم الآلات؟ لماذا لا تصمم آلات لتعمل بالشكل المطلوب في المقام الأول؟
هناك العديد من الأسباب التي تجعل التعلم الآلي مهمًا. بالطبع، كما ذكرت سابقًا، فإن تحقيق التعلم في الآلات قد يساعدنا في فهم كيفية تعلم الحيوانات والبشر.
ولكن هناك أسباب هندسية مهمة أيضًا. بعض هذه الأسباب هي:
- لا يمكن تحديد بعض المهام بشكل جيد إلا بالمثال؛ وهذا يعني أننا قد نكون قادرين على تحديد أزواج المدخلات / المخرجات ولكن ليس علاقة موجزة بين المدخلات والمخرجات المرغوبة.
- نود أن تكون الآلات قادرة على ضبط هيكلها الداخلي لإنتاج مخرجات صحيحة لعدد كبير من مدخلات العينة، وبالتالي تقييد دالة الإدخال / الإخراج بشكل مناسب لتقريب العلاقة الضمنية في الأمثلة.
- من الممكن أن تكون العلاقات والارتباطات المخفية بين أكوام كبيرة من البيانات. غالبًا ما يمكن استخدام أساليب التعلم الآلي لاستخراج هذه العلاقات (التنقيب عن البيانات).
- غالبًا ما ينتج المصممون البشريون آلات لا تعمل بالشكل المطلوب في البيئات التي يتم استخدامها فيها. في الواقع، قد لا تكون بعض خصائص بيئة العمل معروفة تمامًا في وقت التصميم. يمكن استخدام أساليب التعلم الآلي لتحسين تصميمات الآلة الحالية أثناء العمل.
- قد يكون مقدار المعرفة المتاحة حول مهام معينة أكبر من أن يستخدمه البشر للترميز الصريح. قد تتمكن الآلات التي تتعلم هذه المعرفة تدريجيًا من التقاط المزيد منها أكثر مما يرغب البشر في تدوينه.
- تتغير البيئات بمرور الوقت. الآلات التي يمكن أن تتكيف مع البيئة المتغيرة من شأنها أن تقلل من الحاجة إلى إعادة التصميم المستمر.
- يكتشف البشر باستمرار معرفة جديدة بالمهام. تغييرات المفردات. هناك تيار مستمر من الأحداث الجديدة في العالم. يعد استمرار إعادة تصميم أنظمة الذكاء الاصطناعي لتتوافق مع المعرفة الجديدة أمرًا غير عملي، لكن أساليب التعلم الآلي قد تكون قادرة على تتبع الكثير منها.
