كما هو الحال مع معظم المصطلحات في مجال الذكاء الاصطناعي، لا يوجد تعريف فريد للتعلم الآلي.

بعبارات بسيطة، ما يفعله التعلم الآلي هو استخدام البيانات للإجابة على الأسئلة. وبشكل أكثر رسمية، يشير إلى استخدام الخوارزميات التي تميز الأنماط من البيانات، وقادرة على أداء المهام دون برمجتها بشكل صريح على القيام بذلك. 

علاوةً على ذلك، فإن السمة المميزة لأنظمة التعلم الآلي هي أنها تحسن أداءها من خلال الخبرة والبيانات. أو بعبارة أخرى: تتعلم.

يعد التعلم الآلي جزءًا من مجموعة من التقنيات التي يتم تجميعها تحت المصطلح الشامل "الذكاء الاصطناعي".

غالبًا ما يبدو أن مفاهيم الذكاء الاصطناعي والتعلم الآلي تستخدم بالتبادل، ولكن في الواقع، من الأصح اعتبار التعلم الآلي بمثابة مجال فرعي للذكاء الاصطناعي - وهو في حد ذاته مجال فرعي لعلوم الحاسب الآلي.

يعني الذكاء الاصطناعي أشياءً مختلفة لأشخاصٍ مختلفين، ولكن يمكننا القول إن الذكاء الاصطناعي يشير إلى المفهوم الأوسع للآلات القادرة على تنفيذ المهام التي تتطلب عادةً الذكاء البشري.

في هذا السياق، يشير التعلم الآلي إلى تطبيقات محددة تستخدم البيانات لتدريب نموذج لأداء مهمة معينة بشكل مستقل والتعلم من التجربة. 

لقد أصبح الذكاء الاصطناعي والتعلم الآلي من الكلمات كثيرة الاستخدام في السنوات الأخيرة. ولكن هذه المواضيع ليست جديدة. لقد عمل العلماء على الذكاء الاصطناعي والتعلم الآلي لبعض الوقت. 

لقد تمت مناقشة الذكاء الاصطناعي لأول مرة في الخمسينات. صاغ هذا المصطلح عالم الحاسب الآلي الأمريكي John McCarthy في ورشة عمل في كلية دارتموث، نيو هامشاير، في عام 1956.

ومنذ ذلك الحين، شهد الذكاء الاصطناعي العديد من التطورات وشهد أيامًا ذهبية وأخرى مظلمة. دخل التعلم الآلي المشهد في الثمانينات، ولكن التطورات في الميدان بدأت تتسارع بشكل كبير فقط في العقد الثاني من القرن الحادي والعشرين. ما الذي يفسر هذا التغيير في التجهيزات؟

في العقد الماضي، ساهم عاملان رئيسيان في التطورات المهمة في مجال الذكاء الاصطناعي:

أولاً، يتم خلق كميات هائلة من البيانات كل دقيقة. تحتاج الأجهزة إلى بيانات "لتتعلم"، ويعني التوفر المتزايد أنه يمكن استخدام مجموعات بيانات أكبر لتحسين تدريب النماذج الحالية، كما يمكن اختبار هذه النماذج وتطبيقها على مجالات جديدة.

يتعلق العامل الثاني بالتطورات الأخيرة في سرعات المعالجة التي تسمح لأجهزة الحاسب الآلي بفهم كل هذه المعلومات بسرعة أكبر. وقد سمح هذا لشركات التكنولوجيا واللاعبين الآخرين في هذا المجال بتبرير استثمارات أكبر وأكبر في البحث والتطوير.

وبالسرعة الحالية، سيصبح الذكاء الاصطناعي قريبًا أقل اصطناعية، وأكثر ذكاءً.

هناك سوء فهم أساسي حول ما يحاول البحث حول الذكاء الاصطناعي تحقيقه. فنحن لسنا قريبين من العصر الذي تفكر فيه الآلات بنفسها مثل جهاز الحاسب الآلي HAL 9000 في 2001 Space Odyssey، ولا يجب أن تخاف من تولي الإنسان الآلي مهامك في المستقبل القريب.

قد يحدث ذلك فقط إذا وصلنا إلى الذكاء الاصطناعي العام: آلات افتراضية يمكنها التعامل مع أي مهمة فكرية بطريقة تشبه الإنسان دون إشراف. ولكن حتى اليوم، لا يزال هذا في عالم الخيال العلمي.

باستثناء عدد قليل من الشركات ومختبرات الأبحاث - DeepMind و OpenAI على سبيل المثال - تركز أبحاث الذكاء الاصطناعي الحالية على الذكاء الضيق، مع إحراز تقدم كبير في آلات التدريس للتعامل مع مهام محددة بشكل مستقل.

تجعل شعبية التعلم الآلي من الصعب أحيانًا فصل ما هو حقيقي عن ما هو مجرد كلام عابر. ويعد عدم وجود تعريف متفق عليه رسميًا، وميراث الخيال العلمي، وانخفاض المستوى العام لمحو الأمية في الموضوعات المتعلقة بالذكاء الاصطناعي، كلها عوامل مساهمة.

نأمل أن يكون هذا الدرس قد أعطاك فهمًا أفضل لما يعنيه التعلم الآلي وكيف يرتبط بالذكاء الاصطناعي. ولكن حتى في مجال التعلم الآلي، هناك أنواع مختلفة من النماذج والأساليب التي من المهم التعرف عليها.

وهذا هو موضوع الدرس القادم.