یادگیری ماشینی از آنچه فکر می‌کنید به شما نزدیک‌تر است

اگر متولد دهه‌ی ۸۰ یا ۹۰ میلادی (دهه ۶۰ یا ۷۰ شمسی) باشید، به‌احتمال‌زیاد با شنیدن اصطلاح «یادگیری ماشینی» (Machine learning)، تصویر «آرنولد شوارتزنگر» (Arnold Schwarzenegger) در فیلم «ترمیناتور» (The Terminator) برایتان تداعی می‌شود. به نظر می‌رسد این اصطلاح به نظر مفهومی از آینده است که شاید مترادف با موضوعاتی همچون هوش مصنوعی و خیزش ماشین‌ها باشد. اما در واقع خیزش ماشین‌ها پیش‌ازاین آغاز شده است. یادگیری ماشینی مفهومی علمی تخیلی نیست، بلکه یک ابزار واقعی است که شما احتمالا به‌طور روزانه با آن برخورد می‌کنید؛ حتی در گوشی هوشمندی که در حال حاضر در جیب شما قرار دارد.

در این مقاله، تلاش می‌کنیم مفاهیم یادگیری ماشینی را اندکی شفاف‌تر کنیم و نشان دهیم چطور این تکنولوژی همین امروز بخش مهمی از زندگی شما را تشکیل داده است. امیدواریم بعد از خواندن این مقاله متوجه شوید که یادگیری ماشینی قصد ندارد بر ما مسلط شود و فقط برای کمک به ما اینجا است. حداقل تا الان.

‌

یادگیری ماشینی چیست؟

برای این‌که به‌طور خلاصه و مفید از مفاهیم یادگیری ماشینی سر دربیاورید بهتر است به این اینفوگرافیسری بزنید. بااین‌حال، اگر حال و حوصله‌ی خواندن مطالب طولانی را ندارید باید گفت که یادگیری ماشینی همان هوش مصنوعی نیست، هرچند که این دو موضوع ارتباط نزدیکی با یکدیگر دارند. درواقع، یادگیری ماشینی با داده‌کاوی و تحلیل آماری هم وجوه مشترک زیادی دارد. هدف یادگیری ماشینی کمک به یک برنامه برای بهبود یک عملکرد خاص است. این کار اغلب از طریق جمع‌آوری و تجزیه‌وتحلیل مجموعه داده‌های بزرگی انجام می‌شود که منجر به پدیدار شدن الگوها خواهند شد.

به‌عنوان‌مثال فرض کنید قرار است با یک هوش مصنوعی در برنامه‌ی «واتس‌اپ» (WhatsApp) صحبت کنید. بسیاری از جنبه‌های رفتار چنین باتی را نمونه‌های از پیش برنامه‌ریزی‌شده‌ی هوش مصنوعی تشکیل می‌دهد. اما اگر این بات همچنین بتواند زبان مورد استفاده و پاسخ‌های شما را ارزیابی کند و سپس این اطلاعات را برای یافتن واژگان طبیعی‌تر و انسانی‌تر به کار ببرد، این فرآیند می‌تواند نمونه‌ای از یادگیری ماشینی باشد. برای مثال، چنین عملکردی می‌تواند با استفاده از پایگاه داده‌ای کار کند که از عبارات، پاسخ‌ها و تعاملات مرسوم تشکیل شده است. این عبارات و پاسخ‌ها می‌توانند به مرور زمان اضافه و تکرار شوند.

این فقط یک مثال فرضی بود، اما مثال‌های قابل‌توجه زیادی درزمینه‌ی یادگیری ماشینی وجود دارد که هر روزه با آن‌ها مواجه می‌شویم.

‌

اسپاتیفای

«اسپاتیفای» (Spotify) مثال دیگری از چیزی است که شاید هر روز استفاده کنید و در همین حین بی‌وقفه داده‌هایی را درباره‌ی شما جمع‌آوری می‌کند. این سرویس از نوعی یادگیری ماشینی ابتدایی برای فهمیدن سلیقه‌ی موسیقی شما استفاده می‌کند. سپس می‌تواند پلی‌لیستی از آهنگ‌های پیشنهادی را برایتان ایجاد کند. اپلیکیشن‌های Deezer و Pandora هم از ویژگی‌های مشابهی استفاده می‌کنند. پیشنهادهای اسپاتیفای تا حدودی بر حسب ژانر و دیگر تقسیم‌بندی‌هایی کار می‌کند که احتمالا توسط یک انسان انجام شده است. بنابراین از این جنبه عملکرد آن یادگیری ماشینی محسوب نمی‌شود. سیستم‌های پیشرفته‌تر برای تشخیص سلیقه‌ی موسیقی شما به بررسی رفتار کاربران مشابه و آماری مانند گام، سرعت و طول آهنگ‌ها می‌پردازند.