اوضح لي الفرق بين كل من تعلم الآلة والتعلم العميق

[walaa yo]

اوضح لي الفرق بين كل من تعلم الآلة والتعلم العميق​

 

رواتب الإطفاء في الكويت

اسعار هدايا التيك توك

مخالفات المرورالكويت

عدد المتابعين للربح من لايكي

مراسلة الفيس بوك

[أسيل]

تعلم الآلة أحد أفرع الذكاء الاصطناعي، والتعلم العميق أحد أفرع تعلم الآلة.

إذا كان التعلم العميق عبارة عن فرع من تعلم الآلة، فكيف يختلفان عن بعضهما؟ بأبسط العبارات، ما يميز التعلم العميق عن بقية تعلم الآلة هو البيانات التي يعمل معها وكيفية تعلمه.

على الرغم من أن جميع عمليات تعلم الآلة يمكن أن تعمل مع البيانات المنظمة والمصنفة وتتعلم منها، يمكن للتعلم العميق أيضًا أن يعمل على تجميع البيانات غير المنظمة وغير المصنفة ومعالجتها. فبدلًا من الاعتماد على تصنيفات البيانات لتحديد الأشياء والمعلومات وتصنيفها، يستخدم التعلم العميق شبكة عصبية متعددة الطبقات للحصول على المواصفات من البيانات والتطور في كيفية تحديد البيانات وتصنيفها من تلقاء نفسه.

على سبيل الذكر، تُعتبر تطبيقات تحويل الصوت إلى نص التي مر عقد من الزمان على وجودها أمثلة على تعلم الآلة (والتي كان لزامًا على المستخدمين أن يسجلوا عشرات الكلمات للتطبيق، وخلال العملية كذلك، وتعريف بيانات أصواتهم). أما تطبيقات التعرف على الصوت اليوم (بما في ذلك تطبيق سيري من أبل وأليكسا من أمازون ومساعد جوجل)، والتي يمكنها التعرف على الأوامر الصوتية لأي شخص من دون جلسة تدريب محددة، فهي أمثلة على التعلم العميق.

يعتمد تعلم الآلة، التقليدي أو غير العميق على التدخل البشري للتعلم، مما يتطلب مجموعات بيانات مصنفة لفهم الاختلافات بين مدخلات البيانات. على سبيل المثال، إذا أردت أن أريك سلسلة من الصور لأنواع مختلفة من الوجبات السريعة، فبإمكاني تسمية كل صورة بنوع من الأطعمة السريعة، مثل بيتزا أو برجر أو تاكو. لذلك يتدرب نموذج تعلم الآلة ويتعلم بناءً على البيانات المُصنفة، ويعرف هذا النوع من التعلم بتعلم الآلة بالإشراف.

ومن جهة أخرى، يمكن لتعلم الآلة العميق الاستفادة من مجموعات البيانات المُصنفة لتغذية خوارزمياتها، لكنه لا يتطلب بالضرورة مجموعة بيانات مصنفة، بل يمكنه أيضًا الاستفادة من التعلم غير الخاضع للإشراف لتدريب نفسه. وبينما يستفيد تعلم الآلة بالإشراف من البيانات المُصنفة، يستخدم التعلم غير الخاضع للإشراف بيانات غير منظمة أو غير مصنفة.

ومن خلال ملاحظة الأنماط في البيانات، يمكن لنموذج تعلم الآلة تجميع المدخلات وتصنيفها. وبأخذ المثال نفسه من قبل، يمكننا تجميع صور البيتزا والبرجر والتاكو ضمن فئات بناءً على أوجه التشابه المحددة في الصور. ومع هذا فإن نموذج التعلم العميق سيتطلب المزيد من نقاط البيانات لتحسين دقته، في حين يعتمد نموذج تعلم الآلة على بيانات أقل نظرًا لبنية البيانات الأساسية. ويستخدم التعلم العميق بشكل أساسي في الحالات الأكثر تعقيدًا، مثل المساعدين الافتراضيين أو الكشف عن الاحتيال.

وإجمالًا، وبعبارات أكثر تقنية، في حين أن جميع نماذج تعلم الآلة قادرة على التعلم بالإشراف (وهو ما يتطلب تدخلًا بشريًا)، بمقدور نماذج التعلم العميق التعلم بدون إشراف. وبإمكان الأخيرة اكتشاف الميزات أو الأنماط غير المكتشفة سابقًا في البيانات غير المصنفة، مع حد أدنى من الإشراف البشري. وتستطيع نماذج التعلم العميق القيام بالتعلم المعزز؛ وهي عملية تعلم أكثر تقدم غير خاضعة للإشراف يتعلم فيها النموذج أن يصبح أكثر دقة استنادًا إلى التغذية الراجعة الإيجابية من الحسابات السابقة