یادگیری ماشین چیست؟

علم کامپیوتر بر ساخت ماشین‌هایی که مسائل به‌خصوصی را حل می‌کنند متمرکز است و سعی در بررسی قابل‌حل بودن مسئله‌ها و برنامه‌نویسی‌ بهینه آن‌ها دارد. در عین حال، علم آمار با تأکید بر استنتاج‌های آماری و اندازه‌گیری قابلیت اتکاپذیری و تست‌ نظریه‌ها و مدل‌ها به اهداف خود دست پیدا می‌کند. یادگیری‌ماشین با تلفیق این دو می‌کوشد با استفاده از استنتاج‌های آماری و منطق و شیوهای علم کامپیوتر، الگوریتم‌هایی با قابلیت یادگیری ایجاد کند و از آن‌ها در حل مسائلی که صرفأ با برنامه‌نویسی قابل حل نیست استفاده کند.

به طور مختصر هوش‌مصنوعی به ماشین‌هایی که توانایی حل مسائل را بدون نیاز به برنامه‌نویسی مستقیم انسان دارد اطلاق می‌شود. در هوش مصنوعی، راه‌حل‌ها به طور مستقیم توسط انسان تهیه نشده‌است، اما شیوه رسیدن به راه‌حل‌ها از داده‌ها توسط انسان در ماشین تعبیه شده‌است. این شیوه رسیدن به راه‌حل چیزی نیست جز یک الگوریتم داده‌کاوی. برای مطالعه بیشتر درباره هوش مصنوعی کلیک کنید.

داده‌کاوی (Data mining) به عنوان مبنای هوش‌مصنوعی و یادگیری‌ماشین به معنی تحلیل داده جهت یافتن الگو و ارتباط میان آن‌ها و ویژگی‌هایی است که توانایی تشخیص آن برای انسان به تنهایی دشوار است. پس داده‌کاوی ابزاری برای یافتن نظریه‌های هوشمندانه است نه ابزاری به منظور تأیید و اثبات آن‌ها و این داده‌ها و خروجی‌های حاصل از داده‌کاوی ممکن است در هوش‌مصنوعی و یادگیری‌ماشین مورد استفاده قرار گیرند.

در این روش، داده‌های یادگیری دارای یک برچسب از پیش‌تعیین‌شده هستند. هدف الگوریتم یادگیری ‌ماشین توانایی یادگیری حدس درست این برچسب از روی ویژگی‌های داده است. برای مثال فرض کنید می‌خواهیم قیمت یک خانه را بر اساس متراژ و طبقه و تعداد پارکینگ‌ها و محله و … حدس بزنیم. در این مثال، قیمت خانه برچسب آن و متراژ و طبقه و تعداد پارکینگ و ... ویژگی‌های آن است. الگوریتم یادگیری نظارت‌شده باید از روی مجموعه‌‌ای از داده‌های دارای برچسب ارتباط بین برچسب (قیمت خانه) و ویژگی‌های آن را یاد بگیرد و از آن پس بتواند برچسب داده‌های جدید را از روی ویژگی‌های آنها به درستی حدس بزند. از دسته الگوریتم‌های مهم این بخش می‌توان به روش‌های دسته‌بندی، رگرسیون (Regression)، الگوریتم نزدیک‌ترین همسایه (K-Nearest Neighbors) و جنگل تصادفی (Random Forest) اشاره کرد. این شیوه یادگیری بسیار پرکاربرد‌ است و کاربردهای متنوعی را در بر می‌گیرد که از میان آن‌ها می‌توان به تشخیص چهره، تحلیل بازار سهام، بیوانفورماتیک و شناسایی الگو اشاره کرد.

در این روش، داده‌های یادگیری ما از هر دو نوع با و بدون برچسب هستند که البته به صورت معمول حجم داده بدون برچسب ما بیشتر از داده با برچسب است. نمونه الگوریتم‌های این دسته شامل مدل‌های سازنده (Generative models)،‌ جداسازی کم‌تراکم و کمینه‌سازی آنتروپی (Entropy minimization) است. این دسته الگوریتم کاربرد‌هایی در زمینه دسته‌بندی متون و شناسایی گفتار و سایر فعالیت‌هایی که حجم داده بزرگی تولید می‌کنند دارد.

در این روش، داده‌ها بدون برچسب هستند و الگوریتم ما باید بتواند الگو یا خوشه‌های دربرگیرنده داده‌ها را تشخیص دهد. در این حالت ما دقیقاً نمی‌دانیم که به دنبال چه مشخصه یا هدفی هستیم و یا مشخصه مورد نظر ما به صورت عینی در داده‌های ما نیست و نیاز داریم که در ابتدا بتوانیم داده‌ها را به روشی به گروه‌های مجزا تقسیم کنیم و سپس با بررسی این دسته‌ها به مشخصه‌ها و رفع نیاز‌های خود دست پیدا کنیم. به عنوان مثال، شکل زیر یکی از الگوریتم‌های نظارت نشده به نام خوشه‌بندی را نشان می‌دهد. در این مثال، هر کدام از داده‌ها یک نقطه در فضای x-y هستند و بنابراین دو ویژگی x و y دارند. هدف این است که این نقاط در خوشه‌هایی متمرکز (از نظر فاصله به همدیگر) خوشه‌بندی شوند. نتیجه اجرای الگوریتم خوشه‌بندی، یافتن سه خوشه سبزرنگ و نقاط متعلق به هر خوشه است. از نمونه الگوریتم‌های این دسته می‌توان به الگوریتم‌های خوشه‌بندی  مانند k-means, DBSCAN، خوشه‌بندی طبقاتی و الگوریتم‌های شناسایی ناهنجاری و کاهش ابعاد مانند الگوریتم PCA و کاوش ارتباطات و مدل‌های شبکه‌های عصبی Boltzmann  وHopfield  اشاره کرد. از یادگیری نظارت‌نشده در زمینه‌های تشخیص کلاه‌برداری در سازمان‌های بانکی و سامانه‌های پیشنهاد‌دهنده (Recommender systems) مورد استفاده قرار می‌گیرد.

ابررایانه سیمرغ به عنوان ارائه‌دهنده خدمات مبتنی بر پردازنده‌های گرافیکی متنوع (A100، 3090 و V100) شما را برای حل مسائل حوزه یادگیری ماشین و هوش مصنوعی همراهی می‌کند. همانطور که ذکر شد تکنیک‌های یادگیری ماشین برای بهبود عملکرد و قابلیت انطباق بر محیط‌های عملیاتی نیاز به پردازش حجم بزرگی از داده‌ها را دارند. این امر با ارتقای قدرت پردازشی تجهیزات پردازشی اعم از کارت‌های گرافیک و پردازنده‌های خاص منظوره به صورت گسترده ممکن شده‌است و ابررایانه سیمرغ با بهره‌گیری از آخرین فناوری‌های روز دنیا، بستر بسیار قدرتمند و مناسبی برای پردازش‌های حوزه هوش مصنوعی و یادگیری ماشین در ابعاد شخصی و شرکتی و سازمانی فراهم کرده است.