إذا كنت قد أمضيت أي قدر من الوقت على الإنترنت خلال العام الماضي أو نحو ذلك ، فستصادف حتمًا مصطلحات التعلم الآلي / الذكاء الاصطناعي والتعلم العميق. في كثير من الحالات ، يتم استخدام هذه الكلمات الطنانة بشكل متبادل ، مما تسبب في النهاية في بعض سوء الفهم – خاصة بالنسبة لأولئك الذين ليسوا على دراية بقطاع علم البيانات. مع وجود الكثير من المصطلحات المختلفة التي يتم طرحها حولها ، من السهل الخلط. لتوضيح الأمور قليلاً ، دعنا نتعمق في بعض الاختلافات الرئيسية بين هذه التقنيات الناشئة.
كيف يرتبط التعلم الآلي والتعلم العميق
هل سبق لك استخدام ميزة الدردشة عبر الإنترنت في موقع الويب؟ من المحتمل أنك كنت تتفاعل بالفعل مع روبوت محادثة ذكي بدلاً من إنسان حي. يتم تشغيل روبوتات المحادثة بالذكاء الاصطناعي بواسطة خوارزميات التعلم الآلي وقادرة على التعرف على الأسماء وفهم اللغة والمزيد. كلما زادت بيانات العالم الواقعي التي يتم إدخالها إلى هذه الروبوتات ، زادت التعليقات التي تنتجها. بمرور الوقت ، يتعلم هذا البرنامج المتقدم بالفعل ويحسن كل شيء من تلقاء نفسه ، بناءً على الأنماط التي يحددها والنتائج التي ينتجها.
التعلم العميق هو مجموعة فرعية جديدة نسبيًا من التعلم الآلي التي تتيح تحليلًا أكثر تعقيدًا لمجموعات البيانات الكبيرة. هذا يسمح لحل المشاكل كما لم يحدث من قبل. تفسر خوارزميات التعلم العميق كميات هائلة من البيانات الخام لتسهيل اتخاذ القرار بشكل أفضل. هل تساءلت يومًا عن مدى جودة Netflix في اقتراح عروض أو أفلام جديدة تريدها؟ هذا كله بفضل خوارزميات التعلم العميق التي تعمل خلف الكواليس. وأصبحت هذه التوصيات دقيقة للغاية لدرجة أنها تمثل أكثر من 80٪ من المحتوى الذي تتم مشاهدته.
تطبيقات الذكاء الاصطناعي
أنت بالتأكيد لست مضطرًا إلى النظر بعيدًا جدًا لرؤية أمثلة واقعية لاستخدام الذكاء الاصطناعي في كل جانب من جوانب حياتنا تقريبًا. في الواقع ، من المتوقع أن يصل الإنفاق العالمي على مبادرات الذكاء الاصطناعي إلى 46 مليار دولار أمريكي في أقرب وقت بحلول عام 2020. وبينما قد تكون بعض استخدامات هذه التقنيات معقدة بشكل محبط ، إلا أن الخبر السار هو أن استخدامها ليس بالضرورة أن يكون معقدة للغاية من أجل إحداث فرق. على سبيل المثال ، يمكن أن يكون للفعل البسيط المتمثل في أتمتة بعض العمليات اليدوية المملة – مثل إدخال البيانات – تأثير هائل.