أسئلة: خوارزميات الذكاء الاصطناعي

الإجابة الصحيحة: جعل الأنظمة تؤدي مهام تحتاج عادة إلى ذكاء بشري

من أمثلة هذه المهام التعرف على الصور والكلام واتخاذ القرارات والترجمة والتنبؤ.

الإجابة الصحيحة: من البيانات والأمثلة بدلًا من برمجة كل قاعدة يدويًا

في تعلم الآلة تستنتج الخوارزمية القواعد من البيانات.

الإجابة الصحيحة: التعلم الموجه (الإشرافي)

في التعلم الموجه تتعلم الخوارزمية من أمثلة معروف إجابتها ثم تصنف بيانات جديدة.

الإجابة الصحيحة: التعلم المعزز

التعلم المعزز يعتمد على المكافأة، كما في تعليم برنامج لعب الشطرنج.

الإجابة الصحيحة: خطأ

المقياس الحقيقي هو اختبار النموذج على بيانات جديدة لم يرها أثناء التدريب.

الإجابة الصحيحة: يكتب المبرمج القواعد، فتنتج المدخلات مع القواعد النتائج

في البرمجة التقليدية المبرمج يكتب القواعد، أما في تعلم الآلة فالمدخلات مع النتائج المعروفة تُنتج النموذج.

الإجابة الصحيحة: التعلم غير الموجه

في التعلم غير الموجه تكتشف الخوارزمية المجموعات المتشابهة بنفسها من بيانات بلا إجابات.

الإجابة الصحيحة: تجهيز البيانات بتنظيفها من الأخطاء والتكرار

المراحل: تحديد المشكلة، ثم جمع البيانات، ثم تجهيزها، ثم التدريب، ثم الاختبار، ثم الاستخدام والتحسين.

الإجابة الصحيحة: التصنيف في التعلم الموجه

التصنيف من مهام التعلم الموجه، ويتعلم فيه النموذج من رسائل معروف تصنيفها.

الإجابة الصحيحة: التنبؤ بقيمة في التعلم الموجه

لدينا أمثلة معروفة النتيجة (أسعار الشقق)، والمطلوب التنبؤ بقيمة عددية، فهو تعلم موجه.

الإجابة الصحيحة: لأنه يصعب كتابة قاعدة لكل وجه، فتتعلم الخوارزمية الأنماط من البيانات

تعلم الآلة مناسب للمشكلات المعقدة التي لا يمكن كتابة قواعدها يدويًا.

الإجابة الصحيحة: التعلم الموجه

لدينا أمثلة سابقة معروفة النتيجة، وهذا أساس التعلم الموجه.

الإجابة الصحيحة: لن يتعرف على الأمراض الأخرى بسبب نقص تنوع البيانات

النموذج يتعلم مما نعطيه، والبيانات غير المتنوعة تجعل قراراته خاطئة.

الإجابة الصحيحة: حماية خصوصية بيانات الطلاب وترك القرار النهائي للمعلم

القرارات المهمة المتعلقة بالناس تحتاج إلى مراجعة بشرية، ويجب حماية الخصوصية.

الإجابة الصحيحة: يكتشف أنماطًا إحصائية في البيانات ولا «يفهم» كما يفهم الإنسان

النموذج يتعلم أنماطًا من البيانات، وقد يخطئ خاصة إذا كانت البيانات منحازة أو ناقصة.

الذكاء الاصطناعي: فرع من علوم الحاسب يهدف إلى جعل الأنظمة تؤدي مهام تحتاج عادة إلى ذكاء بشري. تعلم الآلة: فرع من الذكاء الاصطناعي تتعلم فيه الأنظمة من البيانات والأمثلة بدلًا من برمجة كل قاعدة يدويًا. من التطبيقات: المساعدات الصوتية والترجمة الآلية، وتشخيص بعض الأمراض من صور الأشعة بمساعدة الأطباء، وأنظمة التوصية، والتنبؤ بالطقس وحركة المرور.

التعلم الموجه: نعطي الخوارزمية أمثلة معروفة الإجابة (بيانات معنونة) فتتعلم منها ثم تصنف أو تتنبأ بقيم لبيانات جديدة، مثل التمييز بين صور القطط والكلاب أو التنبؤ بسعر شقة. التعلم غير الموجه: نعطي الخوارزمية بيانات بلا إجابات فتكتشف بنفسها مجموعات متشابهة، مثل تجميع العملاء حسب عادات الشراء.

1) تحديد المشكلة: ماذا نريد أن يتعلم النموذج. 2) جمع البيانات: كمية كافية ومتنوعة وممثلة للواقع. 3) تجهيز البيانات: تنظيفها من الأخطاء والتكرار وتنظيمها. 4) تدريب النموذج: تتعلم الخوارزمية الأنماط من جزء من البيانات. 5) اختبار النموذج: قياس دقته على بيانات لم يرها. 6) الاستخدام والتحسين: استخدامه في الواقع وتطويره ببيانات جديدة.

نوع التعلم: موجه (تصنيف)، لأننا نملك رسائل سابقة معروف أنها مزعجة أو عادية. البيانات: عدد كبير ومتنوع من الرسائل المعنونة بـ«مزعجة» أو «عادية»، بلغات وأنماط مختلفة، بعد تنظيفها من التكرار والأخطاء. التأكد من الجودة: تقسيم البيانات إلى جزء للتدريب وجزء للاختبار، وقياس دقة النموذج على رسائل لم يرها أثناء التدريب، ثم تحسينه ببيانات جديدة. مخاطر الانحياز: إذا كانت الأمثلة غير متوازنة أو من نوع واحد فقط، قد يصنف رسائل مهمة على أنها مزعجة أو العكس، فيجب أن تكون البيانات ممثلة للواقع وأن يراجع الإنسان القرارات المهمة.