یادگیری ماشین

یادگیری ماشین چیست ؟

یادگیری ماشین یا ماشین لرنینگ (machine learning) یکی از زیر مجموعه های علوم هوش مصنوعی(AI) میباشد. یادگیری ماشینی مطالعه علمی الگوریتمها و مدلهای آماری است که سیستمهای رایانه ای برای انجام یک کار خاص و بدون استفاده ازدستورالعمل های صریح ، با استنباط و استفاده از الگوهای قبلی، از آنها استفاده می کنند. در تعیرف ساده تر : ماشین اطلاعات و داده ها را از ما دریافت نموده و با بررسی و دسته بندی آن ها و آموزشی که ما با استفاده ازاین داده ها به ماشین داده ایم ،مسائل جدید را حل خواهد نمود .



یادگیری ماشین چیست ؟


یادگیری ماشین یا ماشین لرنینگ (machine learning) یکی از زیر مجموعه های علوم هوش

مصنوعی(AI) میباشد. یادگیری ماشینی مطالعه علمی الگوریتمها و مدلهای آماری است که سیستمهای رایانه ای برای انجام یک کار خاص و بدون استفاده ازدستورالعمل های صریح ، با استنباط و استفاده از الگوهای قبلی، از آنها استفاده می کنند. در تعیرف ساده تر : ماشین اطلاعات و داده ها را از ما دریافت نموده و با بررسی و دسته بندی آن ها و آموزشی که ما با استفاده ازاین داده ها به ماشین داده ایم ،مسائل جدید را حل خواهد نمود .

جذابترین قسمت های هوش مصنوعی و ماشین لرنینگ این است که این دو از سیستم های طبیعی و سبک زندگی انسان ها و حیوانات الگوبرداری میکنند ، در میلیونها جنبه از زندگی روزمره، با داده هایی به اشکال مختلف روبرو می شویم. این امر ماشین لرنینگ را به پلی تبدیل می کند که رویکردهای انتزاعی زیبا وحتی پیچیده را با داده های دنیای واقعی مرتبط و نزدیک مینماید. یادگیری ماشین مسیری طویل و پر پیچ و خم، در عین حال بسیار لذت‌بخش، مملو از چالش و پر دستاورد خواهد داشت .

نخستین دوره جامع آموزش یادگیری ماشین در دانشگاه تهران


در دوره آموزش ماشین لرنینگ سعی داریم تا با ارائه مسیری مشخص در دنیای آموزش یادگیری ماشین قدم گذاشته و با حل تمرین و مثال هایی در زبان برنامه نویسی پایتون (ماشین لرنینگ در پایتون) به کاربردی تر شدن این دوره کمک کنیم .

در این دوره مباحث مهم و بنیادی آموزش یادگیری ماشین در اختیار شما قرار خواهد گرفت تا شما را برای کار در صنعت هوش مصنوعی و یادگیری ماشین در آن آماده کند . پس از این دوره میتوانید در کلیه فعالیت های کاربردی ماشین لرنینگ فعالیت کنید و به کسب درآمد در این حوزه پرمخاطب این روزهای بازار کار ایران بپردازید.

دوره آموزش ماشین لرنینگ آکادمی آمانج نه تنها به شبیه سازی سوا ل هایی در حوزه آموزش یادگیری ماشین در صنعت خواهد پرداخت بلکه با ریاضیات روش سعی بر شفاف سازی کدهای یادگیری ماشین در پایتون و درک هرچه بهتر ساختار مسائل ماشین لرنینگ تلاش خواهیم کرد .

شرکت در این دوره ارزشمند علاوه بر دانشجویان برعموم آزاد میباشد .


یادگیری ماشین با پایتون

:در این قسمت مهمترین عللی که باعث شده تا پایتون زبانی مناسب برای توسعه ماشین لرنینگ شود را نام میبریم کتابخانه های یادگیری ماشین در پایتون

تعداد زیادی کتابخانه پایتون مانند Teano ، Keras و scikit-Learn وجود دارد که برای یادگیری ماشینی ، یادگیری عمیق ، هوش مصنوعی ، NLP و غیره در دسترس میباشد. به عنوان مثال: Numpy کتابخانه مخصوص به خود را دارد که به حل بسیاری از محاسبات کمک می کند و همینطور Pybrain جهت ماشین لرنینگ در پایتون استفاده می شود.

یادگیری ماشین یک حوزه در حال رشد از علوم کامپیوتر است و چندین زبان برنامه نویسی از چارچوب و کتابخانه های ماشین لرنینگ پشتیبانی می کنند. در بین تمام زبانهای برنامه نویسی ، پایتون محبوب ترین انتخاب است و در لیست همه زبان های توسعه هوش مصنوعی در رده اول قرار دارد. به دنبال آن C ، Java ، JavaScript و C # میباشند. پایتون پشتاز است ، زیرا 57٪ دانشمندان داده و توسعه دهندگان یادگیری ماشین از آن استفاده می کنند و 33٪ آن ها پایتون را بر زبان های دیگر جهت توسعه ترجیح می دهند.توسعه دهندگان هوشمند ، پایتون را به علت مزایای زیاد آن به عنوان زبان برنامه نویسی خود انتخاب می کنند از جمله : قابلیت خوانایی ساده پایتون و انتشار TensorFlow باعث آزمایش سریع الگوریتم های پیچیده می شود . پایتون به دلیل سادگی و انعطاف پذیری بالا بهترین انتخاب برای مبتدیان در آموزش ماشین لرنینگ است.



هوش مصنوعی چیست و چه کاربردی دارد؟

برای درک بهتر هوش مصنوعی باهم فرض کنیم که در سال ۲۰۲۹ میلادی قرار داریم. همه چیز تحت نظر و سیطره اسکای نت هست. ربات ها به دنبال نابودی و غلبه بر بشر هستند. عده ای از انسان ها گروهی به نام “نیروی مقاومت انسان ها” تشکیل داده اند. نبرد انسان و ربات ها آغاز می گردند. اسکای نت که قرار بود به منظور تضمین پاسخ کارآمد و و سریع به حمله دشمن باشد تا خطاهای احتمالی انسانی را در مقابل دشمن به حداقل برساند، اکنون نابودی بشر را هدف گرفته است.

پس از خواندن پاراگراف اول شاید به یاد فیلم نابودگر افتاده باشین. به صورت کاملا مختصر اگه بخواهیم هوش مصنوعی رو توضیح بدیم میتونیم همین یک پاراگراف رو بخونیم و یا اینکه گریزی به فیلم اشاره شده داشته باشیم. هوش مصنوعی یا (Artificial Intelligence) به هوشمندی نشان داده شده توسط ماشین ها در شرایط مختلف اطلاق می شودکه می‌توانند واکنش‌هایی مشابه هوش انسانی از جمله درک شرایط پیچیده، شبیه‌سازی فرایندهای تفکری و شیوه‌های استدلالی انسانی و پاسخ موفق به آنها، یادگیری و توانایی کسب دانش و استدلال برای حل مسایل را داشته باشند. به عبارت دیگه شبیه ساز هوش انسانی در کالبد ماشین ها و سیستم ها قرار میگیره تا همانند انسان ها فکر کنن و رفتار انسانی را تقلید کنند.

یعنی دقیقا همان چیزی که در آزمون تورینگ مطرح می شود. این آزمونی است که در سال ۱۹۵۰ توسط “آلن تورینگ” در نوشته ای به نام “محاسبات ماشینی و هوشمندی” ارائه شد. در ادامه مطرح می شود که اگر برای حل مساله ای، یک انسان با یک پاسخ دهنده تعامل برقرار کرده و پس از پرسش های مشخصی به جوابی مشخص برسد و در آخر نتواند تشخیص دهد که پاسخ دهنده انسان بوده یا ماشین، آزمون با موفقیت به پایان رسیده است. البته که تا کنون هیچ ماشینی به این موفقیت نایل نشده است. آلن تورینگ همچنین هوش مصنوعی را اینگونه تعریف میکند که :” توانایی دست یافتن به کارایی در حد انسان در همه امور شناختی توسط رایانه “


هوش مصنوعی چیست؟

امروزه هوش مصنوعی از موضوعات مجبوبی است که به صورت گسترده در فناوری و کسب و کارها بحث می شود. بسیاری از متخصصان و تحلیل گران آماری مدعی هستند که آینده از آن هوش مصنوعی، یادگیری ماشین (machine learning) و یادگیری عمیق (deep Learning) است. اما وقتی به دور بر خودمون نگاه بندازیم متقاعد میشیم که در آینده نباید به دنبال هوش مصنوعی باشیم، همین الان که دارید این مقاله رو میخونید اثرات آن آیندۀ وعده داده شده به وضوح مشخص است.

به گزارش گارتنر تا پایان سال ۲۰۱۸ “دستیار دیجیتالی مشتریان” آن ها را از طریق صدا و چهره شان در میان کانال ها و همکارانشان تشخیص می دهد. فورستر ادعا کرده که هوش مصنوعی تا پایان سال ۲۰۲۰ میلادی جایگزین بیش از ۱۶٪ مشاغل آمریکایی میشود که انسان ها در آن فعالیت می کنند.

برخلاف باور عموم جامعه، هوش مصنوعی تنها به فناوری اطلاعات و صنایع مرتبط با آن محدود نمی‌شود. بلکه در حوزه هایی چون پزشکی، حقوق، آموزش و کسب و کارهای تجاری نیز استفاده گسترده ای دارند.

اگر گوشی آیفون داشته باشید، “سیری” برای شما آشناست. دستیار صوتی با صدایی زنانه که با کارهای روزمره کاربر در تعامل است. سیری به کاربران اپل این اجازه را میدهد که با دستورات صوتی خود، مسیربابی کنند، اپلیکیشنی را راه اندازی کنند و یا تماس یا پیامکی را ارسال کنند. یعنی کاری که انسان باید انجام میداد با صدور فرامین صوتی توسط هوش مصنوعی اجرا میگردد. انواع مختلف هوش مصنوعی را می توان به میزان هوش مصنوعی که در ماشین یا ربات یا اپلیکیشن جاسازی شده است، طبقه بندی کرد.

طبقه بندی هوش مصنوعی

۱)هوش مصنوعی محدود(Artificial Narrow Intelligence یا ANI)

این نوع از هوش مصنوعی که با نام “هوش مصنوعی ضعیف” نیز شناخته می شود که کارکرد اصلی آن محدود بر روی و متمرکز بر روی یک کار است. این نوع از هوش مصنوعی به دلیل آنکه به نوعی بر روی حال حاضر متمرکز است، دارای توانایی کم و محدود است. نرم افزار ترجمه گوگل، سیری یا الکسا و حتی برنامه های تشخیص چهره، یعنی دقیقا همان نرم افزارهایی که روزانه با آنها کارمیکنیم را می توان جزو طبقه هوش مصنوعی ضعیف یا محدود قلمداد کرد.

۲)هوش عمومی مصنوعی(Artificial general intelligence یا AGI)

این طبقه بندی از هوش مصنوعی را میتوان به اندازه یک انسان بالغ توانمند دانست. الگوی رفتاری این نوع از هوش مصنوعی الگو برداری از هوش انسانی برای تقلید آن است. به عبارتی هوش مصنوعی ماشینی، هوش ماشینی است که می تواند با موفقیت هر کار فکری که انسان توانایی انجام آنرا دارد، اجرا کند. درواقع هوش عمومی، بسیار انعطاف‌پذیر بوده و امکان یادگیری مهارت برای انجام دادن وظایف بسیار متنوع را نیز دارد.

طیف وسیعی از فعالیت ها از کوتاه کردن مو تا منظم کردن فایل‌های صفحه‌ی گسترده‌ی مدیران تا حتی نتیجه‌گیری از اطلاعات و تجربه‌های کسب‌شده، توسط یک هوش عمومی مصنوعی قابل انجام هستند. اگر فکر شما هم به داستان اول همین متن برگشت و برای شما سوال شد که اسکای نت جزو کدام دسته از هوش مصنوعی قرار میگیرد باید بگم که دقیقا جزو همین نوع از هوش مصنوعی قرار دارد. البته این نوع از هوش مصنوعی کامل نشده و بر طبق گفته متخصصان زمان تقریبی۲۰ سال برای آن در نظر گرفته شده است.

۳) سوپرهوش مصنوعی(Artificial Super Intelligence یا ASI)

به نظر متخصصان، سوپر هوش مصنوعی از آنِ آینده است. برای آنکه این هوش، لایق یدک کشیدن لقب سوپر هوش مصنوعی باشد، باید از انسان پیشی گرفته و توانایی اش از انسان بیشتر باشد. این نوع از هوش مصنوعی قادر خواهد بود عملکردی فرا انسانی در حوزه هایی نظیر تصمیم گیری، روابط انسانی و حتی هنر داشته باشد. متخصصی به نام نیک بوستروم زمان رسیدن به این سطح را ۳۰ سال پس از رسیدن به هوش مصنوعی عمومی میداند. در واقع برای این کار انسان نیاز دارد تا نسب به فرایند مغز و کارکرد آن به شناخت کامل رسیده و سپس اقدام به توسعه و رشد سوپر هوش مصنوعی کند.

تهدید ها و فرصت های هوش مصنوعی در آینده

در سال های اخیر به لطف پیشرفت های چشمگیر در سیستم های کامپیوتری که موجب شده تحلیل و پردازش های پیچیده با سرعت بسیار بالا صورت پذیرد، در زمینه هوش مصنوعی نیز شاهد رشد و پیشرفت بیش از پیش بوده ایم. این پیشرفت ها در کنار آنکه سبب شده خطاهای انسانی در حوزه های خطیری چون علوم پزشکی و ژنتیک که با جان انسان ها در ارتباط بوده، به حداقل برسد، اما در برخی از حوزه ها نگرانی هایی را در پی داشته است. نگرانی جهانی جدید در حوزه دیپ فیک که لزوم یک قانون و بازنگری همه جانبه بر روی این حوزه را دوچندان کرده است.

به عبارتی ورود ربات ها برای مثال در صنایع تولیدی سبب تولید دوچندان و بدون نقص شده که در گذشته به دلیل آنکه انسان ها مسئول انجام آن کارها بوده و انسان ها امکان اشتباه و خطا داشته اند سود بنگاه های اقتصادی را چند برابر کرده اند. اما همین از منظر کلی، تهدید هایی را در پی داشته است. یکی از همین تهدید ها جایگزین کردن ماشین ها و ربات ها به جای انسان در مشاغل تولیدی و حتی در سال های اخیر، صنایع خدماتی است.

جایگزینی که اگر تمهیداتی برای نسل شاغل و جویای کار جوامع نشود شاید زمینه ساز اعتراضات و بزه های اجتماعی گردد. به زعم عده ای، سناریوی گفته شده شاید بهترین سناریوی مطرح شده باشد. چرا که اگر ربات ها و هوش مصنوعی قدرت تسلط بر انسان ها را پیدا کنند و درصدد نابودی انسان ها بربیایند دیگر تصدی شغل اهمیت چندانی نداشته باشد. در آنصورت آیا باید منتظر فردی باشیم که “هاستالاویستا، ” (¡Hasta la vista!) بگوید؟

https://amanjacademy.com/learning-machine-training/