التعلم الآلي والتعلم العميق كلاهما شكل من أشكال الذكاء الاصطناعي ويمكن أن نقول أيضا، أن التعلم العميق – Deep Learning هو نوع معين من التعلم الآلي – Machine Learning.
يبدأ كل من التعلم الآلي والتعلم العميق في التدريب واختبار البيانات ونموذج ويستعرض عملية التحسين للعثور على الأوزان التي تجعل النموذج يناسب البيانات بشكل أفضل.
يمكن لكل منهما التعامل مع المشكلات الرقمية (regression) وغير الرقمية (classification) ، على الرغم من وجود العديد من مجالات التطبيق ، مثل التعرف على الأشياء وترجمة اللغة ، يكون فيها التعلم العميق أفضل من التعلم الآلي.
مالفرق بين الذكاء الاصطناعي و تعلم الآلة والتعلم العميق؟
الذكاء الإصطناعي – Artificial Intelligence:
أول صياغة كانت في 1959 لجون مكارثي ، يشمل الذكاء الاصطناعي الآلات التي يمكن أن تؤدي مهام تنطوي على سمة من سمات البشر.
على الرغم من أن هذا إلى حد ما يعتبر أمر عام، فهو يشمل مهام مثل التخطيط، فهم اللغة، التعرف على الأشياء والأصوات، والتعلم وحل المشاكل.
يمكن وضع الذكاء الاصناعي في فئتين، عامة و خاصة، تشمل الفئة العامة جميع خصائص الذكاء البشري بما في ذلك القدرات المذكورة أعلاه. وتشمل الفئة الخاصة بعض أوجه الذكاء البشري، ويمكنها القيام بهذه المهام بشكل جيد، ولكنها تفتقر إلى مجالات أخرى.
إن الآلة القادرة على التعرف على الصور فقط –ولا شيء آخر- قد تكون مثال على الفئة الخاصة من الذكاء الاصطناعي.
التعلم الآلي – Machine Learning:
يعد تعلم الآلة مجرد طريقة لتحقيق الذكاء الاصطناعي و صاغ آرثر صموئيل هذه العبارة بعد وقت قصير من ظهور الذكاء الاصطناعي عام 1959، حيث وصف تعلم الآلة بأنها “القدرة على التعلم بدون برمجة صريحة.”
يمكن الحصول على الذكاء الاصطناعي بدون استخدام التعلم الآلي، ولكن هذا يتطلب بناء ملايين الأسطر من الرموز البرمجية بقواعد معقدة. لذا بدلًا من إجراء برامج تحتوي معلومات محددة لإنجاز مهمة معينة.
فإن التعلم الآلي هو طريقة “تدريب” الخوارزمية حتى تتمكن من التعلم. يشمل “التدريب” تغذية الخوارزمية بكميات كبيرة من البيانات والسماح لها بضبط نفسها وتحسينها.
مثال للتوضيح:
تم استخدام التعلم الآلي لإجراء تحسينات جذرية على رؤية الحاسب (قدرة الآلة على التعرف على كائن في صورة أو فيديو). يتم تجميع مئات الآلاف أو حتى ملايين الصور، ثم يُحدد الكائن عليها.
على سبيل المثال، قد يحدد صورًا تحتوي على قطة مقابل الصور التي لا تحتوي عليها و بعد ذلك تحاول الخوارزمية بناء نموذج يمكنه تصنيف الصور بدقّة كحالة الصور التي تحتوي على قطة أو لا. وبمجرد أن يكون مستوى الدقة مرتفعًا بمافيه الكفاية، فإن الآلة قد “تعلّمت” الآن كيف تبدو القطة.
التعلم العميق – Deep Learning :
التعلم العميق هو طريقة من طرق التعلم الآلي والذي يشمل طرق أخرى مثل التعلم بواسطة شجرة القرار، وبرمجة المنهج الإستقرائي، والتجميع، التعلم التعزيزي، وشبكات بايزي، وغيرها.
التعلم العميق مستوحى من بنية الدماغ ووظائفه، أي الربط بين العديد من الخلايا العصبية. الشبكات العصبية هي خوارزمية تحاكي البنية البيولوجية للدماغ. في الشبكات العصبية، هناك “خلايا العصبية” لديها طبقات منفصلة وإتصالات إلى “خلايا عصبية” أخرى.
كل طبقة مسؤولة عن خاصية للتعلم، مثل المنحنيات/ الحواف في التعرف على الصور. هذه الطبقات هي التي تعطي التعلم العميق هذا اسمه،” العمق” ينشئ من استخدام طبقات متعددة بدلًا من طبقة واحدة. ارتباط الذكاء الاصطناعي بإنترنت الأشياء.