علم مكانیك یادگیري ماشینی

علم مكانیك یادگیري ماشینی

حل مسئله هايی مانند تشخیص دست خط مستلزم استفاده از روش های مختلفی است. بسیاری از فعالیت ها و رفتارهايی که ما به تدريج در مدرسه ياد می گیريم دارای نقطه مشت رکی با نسل قديم برنامه های رايانه ای هستند.

ما ياد می گیريم که چطور اعداد را در هم ضرب نمايیم، معادله ها را حل کنیم و از مبنايی مشخص مشتق بگیريم. با اين وجود در سنین خیلی کم تنها مواردی را ياد می گیريم که به نظر بسیار طبیعی هستند. اين موارد از طريق فرمول به ما آموخته می شوند. به عنوان مثال، وقتی دو ساله بوديم هی کس به ما نیاموخت که چگونه يک سگ را از طريق نوع فرم بینی و اندازه بدنش تشخیص دهیم.

اين امر در گذر زمان و با مشاهده انواع سگ ها، از میزان اشتباه های ما در اين زمینه کاسته شده است. به بیان ديگر ما از زمان تولد براساس يک مدل ذهنی به تشخیص پديده های پیرامون خودمان می پردازيم. با گذر زمان حواس پنج گانه به کمک مدل ذهنی آمده و شناسايی و درك محیط اطراف را ارتقاء داده است. اين مدل ذهنی زمانی تقويت می شد که حدس های ما توسط والدين و اطرافیان مورد تأيید قرار می گرفت. در غیر اين صورت مدل را براساس اطلاعات و تجربه های جديد مورد بازبینی قرار می داديم. در طول مدت زندگی اين مدل بارها و بارها اصلاح شده و دقت آن افزايش يافته است.

 

يادگیری عمیق زيرمجموعه ای از هوش مصنوعی است

واضح است که همه اين ها به طور ناخودآگاه و بدون آن که حتی متوجه شويم انجام شده است. يادگیری عمیق زيرمجموعه ای از هوش مصنوعی است که از آن با عنوان يادگیری ماشینی ياد می شود.

اين مفهوم بر پايه ايده يادگیری از طريق بررسی مثال ها بنا شده است. در يادگیری ماشینی، تعداد زيادی از قواعد و اصول برای حل مسائل به سیستم رايانه ای ارائه نمی شود؛

بلکه از يک مدل برای ارزيابی مثال ها استفاده خواهد شد. در اين فضا از تعداد محدودی از دستورالعمل ها برای رفع ايراد و اشتباه های احتمالی استفاده می شود.

با اين شرايط انتظار می رود که در طول زمان يک مدل خوب و مناسب بتواند به شکلی صحیح مسئله های پیشرو را حل نمايد.

اگر بخواهیم با دقت بیشتری به اين مفهوم بپردازيم شايد بتوان اين ايده را به شکل يک فرمول رياضی ارائه داد. در اين تعريف مدل به را X عنوان يک تابع معرفی می شود.

ورودی تابع به به شکل يک بردار بیان می شود. به عنوان مثال، اگر يک مقیاس خاکستری در نظر بگیريم، مؤلفه های برداری بايد تراکم پیکسل در هر موقعیت را نشان دهند. اين موضوع در قالب شکل به تصوير کشیده شده است.