یادگیری ماشین (Machine Learning) چیست و چه کاربردی دارد؟

یادگیری ماشین رویکردی نوین برای حل مسائل، پاسخ به پرسش‌های پیچیده و تولید محتوا ارائه می‌دهد. پیش‌بینی وضعیت آب‌وهوا، تخمین زمان سفر، پیشنهاد موسیقی، تکمیل خودکار جملات، تلخیص مقالات و خلق تصاویری که پیش از این وجود نداشته‌اند، همگی از کاربردهای این فناوری هستند.

به بیان ساده، یادگیری ماشین فرآیند آموزش یک نرم‌افزار که «مدل» نامیده می‌شود، است تا بتواند با تحلیل داده‌ها، پیش‌بینی‌های کارآمدی انجام داده یا محتوا (شامل متن، تصویر، صوت یا ویدیو) تولید کند.

به عنوان نمونه، برای طراحی سامانه‌ای جهت پیش‌بینی میزان بارش، می‌توان از دو رویکرد سنتی یا مبتنی بر یادگیری ماشین استفاده کرد:

• رویکرد سنتی: نیازمند شبیه‌سازی فیزیکی اتمسفر و سطح زمین همراه با حل معادلات بسیار سنگین دینامیک سیالات است که فرآیندی فوق‌العاده پیچیده و پرهزینه محسوب می‌شود.
• رویکرد یادگیری ماشین: حجم عظیمی از داده‌های اقلیمی گذشته در اختیار مدل قرار می‌گیرد تا روابط ریاضی حاکم میان الگوهای جوی و میزان بارش را کشف و یاد بگیرد. در ادامه، با ارائه داده‌های آب‌وهوایی فعلی، مدل قادر خواهد بود میزان بارش را تخمین بزند.

انواع سیستم‌های یادگیری ماشین

سیستم‌های یادگیری ماشین بر اساس شیوه یادگیری، پیش‌بینی یا تولید محتوا، به چهار دسته اصلی تقسیم می‌شوند:

1. یادگیری نظارت‌شده (Supervised Learning)
2. یادگیری نظارت‌نشده (Unsupervised Learning)
3. یادگیری تقویتی (Reinforcement Learning)
4. هوش مصنوعی مولد (Generative AI)

۱. یادگیری نظارت‌شده (Supervised Learning)

در این روش، مدل با مشاهده حجم بالایی از داده‌های برچسب‌دار (داده‌هایی که پاسخ صحیح آن‌ها مشخص است) و شناسایی ارتباط میان متغیرها، نحوه پیش‌بینی را فرا می‌گیرد. این سازوکار همانند دانشجویی است که با بررسی آزمون‌های دوره‌های گذشته به همراه پاسخ‌نامه، مهارت لازم را برای آزمون اصلی کسب می‌کند. علت به‌کارگیری واژه «نظارت‌شده» این است که داده‌های ورودی با نظارت انسان و همراه با خروجی‌های معین به سامانه داده می‌شوند.

کاربردهای یادگیری نظارت‌شده عموماً در دو حوزه طبقه‌بندی می‌شوند:

• رگرسیون (Regression): پیش‌بینی یک مقدار عددی و پیوسته است؛ مانند مدلی که میزان دقیق بارش باران را به میلی‌متر پیش‌بینی می‌کند.

• طبقه‌بندی (Classification): پیش‌بینی احتمال تعلق یک نمونه به یک دسته یا کلاس مشخص است. بر خلاف رگرسیون که خروجی عددی دارد، خروجی طبقه‌بندی برچسب طبقاتی است (مانند تشخیص ایمیل هرزنامه از سالم یا تشخیص حضور یک شیء خاص در تصویر). مدل‌های طبقه‌بندی به دو شاخه دوتایی (Binary) نظیر «بارش / عدم بارش» و چندکلاسی (Multiclass) نظیر «باران / تگرگ / برف / کولاک» تقسیم می‌شوند.

۲. یادگیری نظارت‌نشده (Unsupervised Learning)

هدف مدل‌های نظارت‌نشده، شناسایی ساختارها و الگوهای معنادار پنهان در مجموعه‌داده‌های بدون برچسب است. یکی از تکنیک‌های رایج در این حوزه، خوشه‌بندی (Clustering) است که در آن داده‌های مشابه در گروه‌هایی تحت عنوان «خوشه» سازمان‌دهی می‌شوند.

تفاوت بنیادین خوشه‌بندی با طبقه‌بندی در این است که دسته‌ها از پیش تعیین نمی‌شوند. برای مثال، مدل می‌تواند داده‌های دمایی را بدون راهنمایی دسته‌بندی کرده و فصول مختلف را بر اساس رفتار داده‌ها از یکدیگر تفکیک کند؛ سپس پژوهشگر می‌تواند بر مبنای شناخت دامنه، برای هر خوشه نام‌گذاری مناسب انجام دهد.

۳. یادگیری تقویتی (Reinforcement Learning)

در یادگیری تقویتی، عامل هوشمند از طریق تعامل مستقیم با محیط، انجام کنش‌ها و دریافت «پاداش» یا «جریمه»، استراتژی بهینه را فرامی‌گیرد. هدف مدل تدوین یک «خط‌مشی» (Policy) است که در بلندمدت بیشترین پاداش انباشته را حاصل کند. این رویکرد به طور گسترده در آموزش ربات‌ها (مانند ناوبری در محیط‌های فیزیکی) و سیستم‌های هوشمند انجام بازی‌های استراتژیک (نظیر AlphaGo) کاربرد دارد.

4.هوش مصنوعی مولد (Generative AI) هوش مصنوعی مولد کلاسی از مدل‌هاست که محتوا را بر اساس ورودی کاربر خلق می‌کند. برای مثال، هوش مصنوعی مولد می‌تواند تصاویر منحصر‌به‌فرد، قطعات موسیقی و جوک‌ها خلق کند؛ می‌تواند مقالات را خلاصه کند، نحوه انجام یک کار را توضیح دهد، یا یک عکس را ویرایش کند.

هوش مصنوعی مولد می‌تواند انواع ورودی‌ها را دریافت کرده و انواع خروجی‌ها مانند متن، تصویر، صدا و ویدیو را ایجاد کند. همچنین می‌تواند ترکیباتی از این‌ها را دریافت و تولید کند. برای مثال، یک مدل می‌تواند یک تصویر را به عنوان ورودی بگیرد و یک تصویر و متن را به عنوان خروجی ایجاد کند، یا یک تصویر و متن را به عنوان ورودی بگیرد و یک ویدیو را به عنوان خروجی تولید کند.

ما می‌توانیم مدل‌های مولد را بر اساس ورودی و خروجی‌هایشان بررسی کنیم که معمولاً به صورت «نوع ورودی»-به-«نوع خروجی» نوشته می‌شود. برای مثال، فهرست زیر شامل بخشی از برخی ورودی‌ها و خروجی‌ها برای مدل‌های مولد است:

• متن به متن (Text-to-text)
• متن به تصویر (Text-to-image)
• متن به ویدیو (Text-to-video)
• متن به کد (Text-to-code)
• متن به گفتار (Text-to-speech)
• تصویر و متن به تصویر (Image and text-to-image)

جدول زیر حاوی مثال‌هایی از مدل‌های مولد، ورودی و خروجی احتمالی آن‌هاست:

هوش مصنوعی مولد چگونه کار می‌کند؟ در سطح کلی، مدل‌های مولد الگوهای موجود در داده‌ها را با هدف تولید داده‌های جدید اما مشابه، یاد می‌گیرند. مدل‌های مولد شبیه موارد زیر هستند:

• کمدین‌هایی که با مشاهده رفتار و سبک صحبت کردن افراد، تقلید کردن آن‌ها را یاد می‌گیرند.
• هنرمندانی که با مطالعه تعداد زیادی نقاشی در یک سبک خاص، نقاشی کردن در آن سبک را یاد می‌گیرند.
• گروه‌های موسیقی پوششی (Cover bands) که با گوش دادن به تعداد زیادی موسیقی از یک گروه خاص، یاد می‌گیرند صدایی شبیه به آن‌ها داشته باشند.

برای تولید خروجی‌های منحصر‌به‌فرد و خلاقانه، مدل‌های مولد در ابتدا با استفاده از رویکرد بدون نظارت آموزش می‌بینند، جایی که مدل یاد می‌گیرد داده‌هایی که با آن‌ها آموزش دیده را تقلید کند. گاهی اوقات، مدل بیشتر با استفاده از یادگیری نظارت‌شده یا تقویتی روی داده‌های خاصی که به وظایفی که ممکن است از مدل خواسته شود انجام دهد (مثلاً خلاصه کردن یک مقاله یا ویرایش یک عکس) مرتبط هستند، آموزش می‌بیند.

هوش مصنوعی مولد یک فناوری به سرعت در حال تکامل است که موارد استفاده جدیدی به طور مداوم برای آن کشف می‌شود. برای مثال، مدل‌های مولد به کسب‌وکارها کمک می‌کنند تا با حذف خودکار پس‌زمینه‌های حواس‌پرت‌کننده یا بهبود کیفیت تصاویر پایین‌رزولوشن، تصاویر محصولات فروشگاه اینترنتی خود را اصلاح و بهبود بخشند.