یادگیری ماشینی

به عنوان یكی از شاخه های وسیع و پركاربرد هوش مصنوعی، یادگیری ماشینی (machine learning) به تنظیم و اكتشاف شیوه ها و الگوریتم هایی می پردازد كه براساس آنها رایانه ها و سامانه ها توانایی تعلم ویادگیری پیدا می كنند.هدف یادگیری ماشینی این است كه كامپیوتر (در كلی ترین مفهوم آن) بتواند به تدریج و با افزایش داده ها بازدهی بالاتری در وظیفه مورد نظر پیدا كند. گسترده این وظیفه می تواند از تشخیص خودكار چهره با دیدن چند نمونه از چهره موردنظر تا فراگیری شیوه گام برداری برای روباتی دوپا با دریافت سیگنال پاداش و تنبیه باشد.
طیف پژوهش هایی كه در یادگیری ماشینی می شود گسترده است. در سوی نظری آن پژوهشگران بر آنند كه روش های یادگیری تازه ای به وجود بیاورند و امكان پذیری و كیفیت یادگیری را برای روش هایشان مطالعه كنند و در سوی دیگر عده ای از پژوهشگران سعی می كنند روش های یادگیری ماشینی را بر مسایل تازه ای اعمال كنند. البته این طیف گسسته نیست و پژوهش های انجام شده دارای مؤلفه هایی از هردو رویكرد هستند.
● تقسیم بندی مسائل
▪ یكی از تقسیم بندی متداول در یادگیری ماشینی، تقسیم بندی براساس نوع داده های در اختیار عامل هوشمند است. به سناریوی زیر توجه كنید:
فرض كنید به تازگی روباتی سگ نما خریده اید كه می تواند توسط دوربین خارج را مشاهده كند، به كمك میكروفن هایش صداها را بشنود، با بلندگوهایی با شما سخن بگوید (حتی در حد محدود) و چهار پایش را حركت دهد. همچنین در جعبه این ربات دستگاه كنترل از راه دوری وجود دارد كه می توانید انواع مختلف دستورها را به روبات بدهید.اولین كاری كه می خواهید بكنید این است كه اگر روبات شما را دید خرناسه بكشد اما اگر غریبه ای را مشاهده كرد با صدای بلند پارس كند.
فعلاً فرض می كنیم كه روبات توانایی تولید آن صداها را دارد اما هنوز چهره شما را یاد نگرفته است. پس كاری كه می كنید این است كه جلوی چشمهایش قرار می گیرید و به كمك كنترل از راه دورتان به او دستور می دهید كه چهره ای كه جلویش می بیند را با خرناسه كشیدن مربوط كند. این كار را برای چند زاویه مختلف از صورتتان انجام می دهید تا مطمئن باشید كه روبات در صورتی كه شما را به صور مثال از نیم رخ ببیند پارس نكند.
همچنین شما چند چهره غریبه نیز به او نشان می دهید و چهره غریبه را با دستور پارس كردن مشخص می كنید. در این حالت شما به كامپیوتر روبات گفته اید كه چه ورودی ای را به چه خروجی ای مربوط كند. دقت كنید كه هم ورودی و هم خروجی مشخص است و در اصطلاح خروجی برچسب دارد (labelled) است.به این شیوه یادگیری، یادگیری با سرپرست ( supervised learning) می گویند. اینك حالت دیگری را فرض كنید.
برخلاف دفعه پیشین كه به روباتتان می گفتید چه محركی را به چه خروجی ای ربط دهد، ربات خودش چنین چیزی را یاد بگیرد. به این صورت كه اگر شما را دید و خرناسه كشید به نحوی به او پاداش دهید (مثلاً به كمك همان كنترل از راه دورتان) و اگر به اشتباه به شما پارس كرد، او را تنبیه كنید (بازهم با همان كنترل از راه دورتان) . دراین حالت به روبات نمی گویید به ازای هر شرایطی چه كاری مناسب است، بلكه اجازه می دهید روبات خود كاوش كند و تنها شما نتیجه نهایی را تشویق یا تنبیه می كنید. به این شیوه یادگیری،یادگیری تقویتی (Reinforcement learning)می گویند.
در ۲ حالت پیش قرار بود روبات ورودی ای را به خروجی ای مرتبط كند. اما گاهی وقت ها تنها می خواهیم روبات بتواند تشخیص دهد كه آن چه می بیند (یا می شنود و...) را به نوعی به آن چه پیشتر دیده است ربط دهد بدون اینكه به طور مشخص بداند آن چیزی كه دیده شده است چه چیزی است یا این كه چه كاری در موقع دیدنش باید انجام دهد.
روبات هوشمند شما باید بتواند بین صندلی و انسان تفاوت قائل شود بی آنكه به او بگوییم این نمونه ها صندلی اند و آن نمونه های دیگر انسان. در این جا برخلاف یادگیری با سرپرست هدف ارتباط ورودی و خروجی نیست، بلكه تنها دسته بندی آنهاست. این نوع یادگیری كه به آن یادگیری بی سرپرست (unsupervised learning) مهم است چون دنیای روبات پر از ورودی هایی است كه كسی برچسبی به آنها اختصاص نداده اما به وضوح جزیی از یك دسته هستند.
یادگیری بی سرپرست رامی توان به صورت عمل كاهش بعد (Dimension Reduction) در نظر گرفت.از آن جا كه شما سرتان شلوغ است، در نتیجه در روز فقط می توانید مدت محدودی با روباتتان بازی كنید و به او چیزی را نشان دهید و نامشان را بگویید (برچسب گذاری كنید). اما روبات در طول روز روشن است و داده های بسیاری را دریافت می كند. در این جا روبات می تواند هم به خودی خود و بدون سرپرست یادبگیرد و هم این كه هنگامی كه شما او را راهنمایی می كنید سعی كند از آن تجارب شخصی اش استفاده كند از آموزش شما بهره بیشتری ببرد. تركیبی كه عامل هوشمند هم از داده های بدون برچسب و هم از داده های با برچسب استفاده می كند به یادگیری نیم سرپرست می گویند.

منبع : روزنامه ابرار اقتصادی