شركة رقمي
نقل من موقع 
ان أسهل طريقة لفهم الفرق بين التعلم الآلي والتعلم العميق هي معرفة أن التعلم العميق هو التعلم الآلي. وبشكل أكثر تحديدًا، يعتبر التعلم العميق تطورًا للتعلم الآلي. فهو يستخدم شبكة عصبية قابلة للبرمجة والتي تمكن الآلات من اتخاذ قرارات دقيقة من دون مساعدة من البشر. ما هو التعلم الآلي؟ التعلم الآلي أو تعلم الآلة هو تطبيق للذكاء الاصطناعي يتضمن خوارزميات تقوم بتحليل البيانات، والتعلم من تلك البيانات، ومن ثم تقوم بتطبيق ما تعلمته من أجل اتخاذ قرارات مستنيرة. من الأمثلة السهلة لخوارزمية التعلم الآلي هو خدمة البث الموسيقي بحسب الطلب عبر الإنترنت. من أجل أن تتخذ الخدمة قرارًا بشأن الأغاني الجديدة أو الفنانين الذين سوف يوصون المستمع بهم، تقوم خوارزميات التعلم الآلي بربط تفضيلات المستمع مع المستمعين الآخرين الذين لديهم ذوق موسيقي مشابه. تُستخدم هذه التقنية، التي غالبًا ما توصف ببساطة باسم الذكاء الاصطناعي، في العديد من الخدمات التي تقدم توصيات آلية. يغذي التعلم الآلي جميع أنواع المهام الآلية التي تمتد عبر صناعات متعددة، من شركات أمن البيانات التي تلاحق البرمجيات الضارة إلى المتخصصين في التمويل الذين يريدون تنبيهات عن عروض تجارية أكثر ملاءمة. تمت برمجة خوارزميات الذكاء الاصطناعي بحيث تتعلم باستمرار بطريقة تحاكي كمساعد شخصي افتراضي وهو شيء تقوم بفعله بشكل جيد جداً. يتضمن التعلم الآلي الكثير من العمليات الحسابية المعقدة والتشفير الذي، في نهاية اليوم، يخدم وظيفة ميكانيكية بنفس الطريقة التي يعمل بها المصباح اليدوي أو السيارة أو شاشة الكمبيوتر. عندما نقول إن شيئًا ما قادر على «التعلم الآلي»، فهذا يعني أنه شيء يؤدي وظيفة بالبيانات المعطاة له ويتحسن تدريجياً بمرور الوقت. يبدو الأمر كما لو أن لديك مصباحا يدويا يتم تشغيله كلما قلت «إنه مظلم»، لذلك فإنه يمكنه التعرف على العبارات المختلفة التي تحتوي على كلمة «مظلم». ما هو التعلم العميق؟ التعلم العميق هو حقل فرعي من التعلم الآلي الذي يبني الخوارزميات في طبقات من أجل إنشاء «شبكة عصبية اصطناعية» والتي يمكنها التعلم واتخاذ قرارات ذكية بمفردها. الفرق بين التعلم العميق والتعلم الآلي من الناحية العملية، يعد التعلم العميق مجرد مجموعة فرعية من التعلم الآلي. في الواقع، التعلم العميق هو تعلم آلي ويعمل بطريقة مماثلة. ومع ذلك فإن قدراته مختلفة. في حين أن نماذج التعلم الآلي الأساسية تصبح أفضل بشكل تدريجي في أي وظيفة كانت، إلا أنها لا تزال بحاجة إلى بعض التوجيه. إذا قامت خوارزمية الذكاء الاصطناعي بعمل تنبؤ غير دقيق، حينها يجب على المهندس التدخل وإجراء التعديلات اللازمة. باستخدام نموذج التعلم العميق، يمكن للخوارزمية تحديد ما إذا كان التنبؤ دقيقًا أو لا من خلال شبكتها العصبية الخاصة. لنعد إلى مثال المصباح اليدوي: يمكن أن تتم برمجته ليتم تشغيله عندما يتعرف على الإشارة الصوتية لشخص يقول كلمة «مظلم». ومع استمراره في التعلم، قد يتم تشغيله في نهاية المطاف مع أي عبارة تحتوي على هذه الكلمة. الآن إذا كان المصباح يحتوي على نموذج تعليمي عميق، فيمكنه اكتشاف أنه يجب تشغيله باستخدام الإشارات «لا أستطيع الرؤية» أو «مفتاح تشغيل الضوء لا يعمل»، ربما جنبًا إلى جنب مع مستشعر الضوء.
مشاركة :
