المقدمة

حتى وقت قريب، تم ترميز كل برنامج كمبيوتر تقريبًا قد تتفاعل معه في يوم عادي كمجموعة صارمة من القواعد التي تحدد بدقة كيف يجب أن يتصرف. لنفترض أننا أردنا كتابة تطبيق لإدارة منصة التجارة الإلكترونية e-commerce platform. بعد الالتفاف حول السبورة لبضع ساعات للتفكير في المشكلة، قد نستقر على الخطوط العريضة لحل عملي، على سبيل المثال: (1) يتفاعل المستخدمون مع التطبيق من خلال واجهة تعمل في متصفح الويب أو تطبيق الهاتف المحمول؛ (2) يتفاعل تطبيقنا مع محرك قاعدة بيانات من الدرجة التجارية لتتبع حالة كل مستخدم والاحتفاظ بسجلات المعاملات التاريخية؛ و(3) في قلب تطبيقنا ، يوضح منطق العمل (يمكنك القول ، العقول brains) لتطبيقنا مجموعة من القواعد التي تحدد كل ظرف يمكن تصوره للإجراء المقابل الذي يجب أن يتخذه برنامجنا.

لبناء عقول تطبيقنا، قد نقوم بتعداد جميع الأحداث المشتركة التي يجب أن يتعامل معها برنامجنا. على سبيل المثال، عندما ينقر أحد العملاء لإضافة عنصر إلى سلة التسوق الخاصة به، يجب على برنامجنا إضافة إدخال إلى جدول قاعدة بيانات عربة التسوق، مع ربط معرف المستخدم بمعرف المنتج المطلوب. قد نحاول بعد ذلك مراجعة كل حالة ركنية محتملة، واختبار مدى ملاءمة قواعدنا وإجراء أي تعديلات ضرورية. ماذا يحدث إذا بدأ المستخدم الشراء بسلة تسوق فارغة؟ في حين أن عددًا قليلاً من المطورين قد فهموا الأمر بشكل صحيح تمامًا في المرة الأولى (قد يستغرق الأمر بعض الاختبارات التجريبية لحل الخلل)، في الغالب، يمكننا كتابة مثل هذه البرامج وإطلاقها بثقة قبل رؤية عميل حقيقي. إن قدرتنا على تصميم الأنظمة الآلية التي تقود المنتجات والأنظمة العاملة يدويًا، غالبًا في المواقف الجديدة، هي إنجاز معرفي رائع. وعندما تكون قادرًا على ابتكار حلول تعمل 100% في ذلك الوقت، فلا داعي للقلق بشأن التعلم الآلي.

لحسن الحظ بالنسبة للمجتمع المتنامي لعلماء التعلم الآلي ، فإن العديد من المهام التي نرغب في أتمتة لا تنحني بسهولة إلى براعة الإنسان. تخيل أنك تتجمع حول السبورة البيضاء مع أذكى العقول التي تعرفها ، لكنك هذه المرة تعالج إحدى المشكلات التالية:

• اكتب برنامجًا يتنبأ بطقس الغد بناءً على المعلومات الجغرافية وصور القمر الصناعي ونافذة تتبع الطقس السابق.
• اكتب برنامجًا يأخذ سؤالاً واقعيًا ، معبرًا عنه بنص حر ، والإجابة عليه بشكل صحيح.
• اكتب برنامجًا ،من خلال تقديم صورة ، يحدد جميع الأشخاص الذين تم تصويرهم فيه ويرسم الخطوط العريضة حول كل منهم.
• اكتب برنامجًا يقدم للمستخدمين منتجات من المحتمل أن يستمتعوا بها ولكن من غير المحتمل أن يواجهوها في سياق التصفح الطبيعي.

بالنسبة لهذه المشكلات ، سيواجه حتى نخبة المبرمجين صعوبة في ترميز الحلول من الصفر. يمكن أن تختلف الأسباب. في بعض الأحيان ، يتبع البرنامج الذي نبحث عنه نمطًا يتغير بمرور الوقت ، لذلك لا توجد إجابة صحيحة ثابتة! في مثل هذه الحالات ، يجب أن يتكيف أي حل ناجح برشاقة مع عالم متغير. في أوقات أخرى ، قد تكون العلاقة (على سبيل المثال بين وحدات البكسل والفئات المجردة abstract categories) معقدة للغاية ، وتتطلب آلاف أو ملايين الحسابات واتباع مبادئ غير معروفة. في حالة التعرف على الصور ، تكمن الخطوات الدقيقة المطلوبة لأداء المهمة خارج فهمنا الواعي ، على الرغم من أن عمليات الإدراك اللاواعي لدينا تنفذ المهمة دون عناء.

التعلم الآلي Machine learning هو دراسة الخوارزميات التي يمكن أن تتعلم من التجربة. نظرًا لأن خوارزمية التعلم الآلي تجمع المزيد من الخبرة ، عادةً في شكل بيانات رصد أو تفاعلات مع بيئة ، فإن أدائها يتحسن. قارن هذا بمنصة التجارة الإلكترونية الحتمية الخاصة بنا ، والتي تتبع نفس منطق الأعمال ، بغض النظر عن مقدار الخبرة المتراكمة ، حتى يتعلم المطورون أنفسهم ويقررون أن الوقت قد حان لتحديث البرنامج. في هذا الكتاب ، سنعلمك أساسيات التعلم الآلي، مع التركيز بشكل خاص على التعلم العميق ، ومجموعة قوية من التقنيات التي تقود الابتكارات في مجالات متنوعة مثل الرؤية الحاسوبية computer vision، ومعالجة اللغة الطبيعية natural language processing، والرعاية الصحية healthcare، وعلم الجينوم genomics.

رابط الكتاب