تعلّم الآلة مقابل التعلّم العميق

ستسمع كثيراً ثلاثة مصطلحات تُستخدم أحياناً وكأنها شيء واحد: الذكاء الاصطناعي، وتعلّم الآلة، والتعلّم العميق. في الحقيقة هي ليست مترادفة، بل كل واحد منها جزء من الذي قبله. في هذا الدرس ستفهم العلاقة بينها بوضوح، وستعرف كيف «تتعلم» الآلة فعلاً.

الدوائر الثلاث

تخيّل ثلاث دوائر، كل واحدة داخل الأكبر منها:

AI   الذكاء الاصطناعي
 └─ ML   تعلّم الآلة
     └─ DL   التعلّم العميق

• الذكاء الاصطناعي: المجال الكامل لجعل الآلات تؤدي مهاماً تحتاج ذكاءً، بأي طريقة، حتى بقواعد مكتوبة يدوياً.
• تعلّم الآلة: طريقة من طرق الذكاء الاصطناعي، تتعلم فيها الآلة من البيانات بدلاً من القواعد المكتوبة.
• التعلّم العميق: نوع من تعلّم الآلة يستخدم شبكات عصبية بطبقات كثيرة.

إذن: كل تعلّم عميق هو تعلّم آلة، وكل تعلّم آلة هو ذكاء اصطناعي، لكن العكس غير صحيح. مثل: كل قطة حيوان ثديي، وكل ثديي حيوان، لكن ليس كل حيوان قطة.

البرمجة العادية مقابل تعلّم الآلة

لنفترض أنك تريد برنامجاً يميّز رسائل البريد المزعجة (Spam).

بالبرمجة التقليدية تكتب القواعد بنفسك:

إذا احتوت الرسالة على "ربحت جائزة" ← مزعجة
إذا احتوت على "اضغط الرابط فوراً" ← مزعجة
...

المشكلة؟ المرسلون المزعجون يغيّرون كلماتهم كل يوم، وأنت لن تنتهي من كتابة القواعد أبداً.

بتعلّم الآلة تعطي البرنامج آلاف الرسائل، كل واحدة عليها تصنيف صحيح: «مزعجة» أو «سليمة». والبرنامج يكتشف الأنماط بنفسه: أي الكلمات، وأي المرسلين، وأي الأوقات ترتبط بالرسائل المزعجة.

البرمجة التقليدية:  بيانات + قواعد  ←  نتائج
تعلّم الآلة:        بيانات + نتائج  ←  قواعد (نموذج)

تخيّل طفلاً يتعلم التمييز بين القطط والكلاب. لا أحد يعطيه قائمة قواعد مثل «إذا كانت الأذنان مدببتين والذيل كذا…». بل يرى قططاً وكلاباً كثيرة، ويقول له الكبار «هذه قطة» و«هذا كلب»، فيتعلم التمييز وحده. هذا بالضبط هو تعلّم الآلة.

كيف يتعلّم النموذج؟

العملية لها مرحلتان:

1. التدريب (Training): نعطي النموذج أمثلة كثيرة مع إجاباتها الصحيحة. النموذج يخمّن، ثم يقارن تخمينه بالإجابة الصحيحة، ويعدّل نفسه قليلاً ليقلل الخطأ. ويكرر هذا آلاف أو ملايين المرات.
2. الاستخدام (Inference): بعد التدريب، نعطيه مثالاً جديداً لم يره من قبل، فيعطينا توقعه.

الناتج من التدريب يسمى النموذج (Model): مجموعة أرقام ومعادلات «تحفظ» ما تعلّمه من البيانات.

الشبكات العصبية والتعلّم العميق

الشبكة العصبية (Neural Network) نموذج رياضي مستوحى بشكل مبسط من خلايا الدماغ. تتكون من طبقات من «خلايا» صغيرة، كل خلية تأخذ أرقاماً، وتحسب منها رقماً جديداً، وتمرره للطبقة التالية.

المدخلات  ←  طبقة 1  ←  طبقة 2  ←  ...  ←  المخرجات
(صورة)                                   ("قطة": 97%)

عندما تكون الطبقات كثيرة، تسمى الشبكة «عميقة»، ومن هنا جاء اسم التعلّم العميق (Deep Learning).

ما فائدة الطبقات الكثيرة؟ كل طبقة تتعلم شيئاً أعقد من التي قبلها. في التعرف على الصور مثلاً:

• الطبقات الأولى تتعلم اكتشاف الحواف والخطوط.
• الطبقات الوسطى تجمعها في أشكال: دوائر، وزوايا، وعيون، وآذان.
• الطبقات الأخيرة تجمع الأشكال في مفاهيم: «وجه قطة».

مثل فريق في مصنع سيارات: عامل يصنع المسامير، وآخر يجمعها في قطع، وثالث يركّب القطع في محرك، وأخير يكمل السيارة.

متى نستخدم كل نوع؟

	تعلّم الآلة التقليدي	التعلّم العميق
البيانات المطلوبة	قليلة إلى متوسطة	كثيرة جداً
قوة الحوسبة	جهاز عادي يكفي	يحتاج غالباً معالجات رسوميات GPU
نوع البيانات المناسب	جداول وأرقام منظمة	صور، وصوت، ونصوص
فهم سبب القرار	أسهل غالباً	صعب، مثل «صندوق أسود»
أمثلة	توقع سعر شقة، تصنيف عملاء البنك	التعرف على الوجوه، الترجمة، النماذج اللغوية

ليس الأعمق دائماً الأفضل

إذا كانت لديك بيانات قليلة في جدول منظم، فخوارزمية تعلّم آلة بسيطة قد تعطيك نتيجة أفضل وأسرع وأرخص من شبكة عميقة. المهندس الجيد يختار الأداة المناسبة للمشكلة، لا الأداة الأشهر.

جرّب بنفسك

1. ابحث عن موقع Teachable Machine من Google، وهو أداة مجانية في المتصفح.
2. درّب نموذجاً بسيطاً يميز بين حالتين بكاميرا الكمبيوتر: يدك مرفوعة، ويدك منخفضة. التقط حوالي 30 صورة لكل حالة.
3. اضغط «تدريب»، ثم جرّب النموذج مباشرة.
4. لاحظ: ماذا يحدث إذا درّبته بصور قليلة جداً؟ أو بإضاءة مختلفة عن إضاءة الاختبار؟ دوّن ملاحظاتك.

أخطاء شائعة في الفهم

• اعتبار المصطلحات الثلاثة شيئاً واحداً: هي دوائر داخل بعضها، من الأعم إلى الأخص.
• الظن أن الشبكة العصبية نسخة من الدماغ: هي مستوحاة منه بشكل مبسط جداً، وتعمل بطريقة مختلفة كثيراً.
• الظن أن النموذج «يفهم» كما نفهم: النموذج يتعلم أنماطاً إحصائية من البيانات، ولهذا يخطئ إذا جاءته حالة مختلفة عما تدرب عليه.

اختبر نفسك

سؤال

أي عبارة صحيحة؟

كل ذكاء اصطناعي هو تعلّم عميقكل تعلّم عميق هو تعلّم آلةتعلّم الآلة والتعلّم العميق لا علاقة بينهما

سؤال

ما الفرق الأساسي بين البرمجة التقليدية وتعلّم الآلة؟

في تعلّم الآلة تكتشف الآلة القواعد من الأمثلة بدلاً من أن يكتبها المبرمجالبرمجة التقليدية أحدثتعلّم الآلة لا يحتاج حاسوباً

الخلاصة

• الذكاء الاصطناعي هو المجال الأكبر، وتعلّم الآلة جزء منه، والتعلّم العميق جزء من تعلّم الآلة.
• تعلّم الآلة يكتشف الأنماط من أمثلة معروفة الإجابة بدلاً من قواعد مكتوبة يدوياً.
• التدريب يعدّل النموذج تدريجياً لتقليل الخطأ، ثم نستخدمه على أمثلة جديدة.
• الشبكات العصبية العميقة طبقات كثيرة، كل طبقة تتعلم شيئاً أعقد من سابقتها.
• التعلّم العميق ممتاز للصور والصوت والنصوص، لكنه يحتاج بيانات وحوسبة أكثر.