أسئلة: التنبؤ باستخدام نماذج الذكاء الاصطناعي

الإجابة الصحيحة: استخدام نموذج تعلّم من بيانات سابقة لتقدير نتيجة غير معروفة لحالة جديدة

النموذج يكتشف العلاقة بين المدخلات والمخرج ثم يطبقها على بيانات لم يرها.

الإجابة الصحيحة: الانحدار

الانحدار للتنبؤ بقيمة عددية، والتصنيف للتنبؤ بفئة.

الإجابة الصحيحة: التصنيف

التصنيف يكون المخرج فيه فئة محددة.

الإجابة الصحيحة: صواب

النموذج يقدّر النتيجة الأكثر احتمالًا اعتمادًا على بيانات الماضي.

الإجابة الصحيحة: خطأ

الاختبار على بيانات التدريب يعطي دقة مضللة؛ يجب الاختبار على بيانات لم يرها النموذج.

الإجابة الصحيحة: التنبؤ بقيمة عددية (الانحدار)

المخرج رقم مستمر (كمية المحصول)، فهو انحدار.

الإجابة الصحيحة: التصنيف

المخرج فئة من احتمالين: سليمة أو مصابة.

الإجابة الصحيحة: رسم أفضل خط يمر قرب نقاط البيانات واستخدامه للتنبؤ

النموذج الأبسط يرسم أفضل خط قرب النقاط ثم يستخدمه لتقدير قيمة جديدة.

الإجابة الصحيحة: تحديد المدخلات المؤثرة في النتيجة المراد التنبؤ بها

مثل اختيار الحرارة والرطوبة وسرعة الرياح للتنبؤ بالمطر.

الإجابة الصحيحة: $80\%$ للتدريب و$20\%$ للاختبار

يُقسم الجزء الأكبر للتدريب وجزء منفصل للاختبار لتقييم النموذج تقييمًا صحيحًا.

الإجابة الصحيحة: $85\%$

الدقة $= \frac{170}{200} = 0.85 = 85\%$.

الإجابة الصحيحة: $6$ دقائق

مقدار الخطأ هو الفرق بين القيمة المتوقعة والحقيقية: $46 - 40 = 6$.

الإجابة الصحيحة: تضعف دقته لأن الظروف تختلف كثيرًا عن بيانات التدريب

إذا تغيرت الظروف كثيرًا عن بيانات التدريب ضعفت دقة النموذج.

الإجابة الصحيحة: الارتباط لا يعني السببية؛ فالمطر قد يؤثر في الاثنين

وجود علاقة بين متغيرين في البيانات لا يثبت أن أحدهما سبب الآخر.

الإجابة الصحيحة: الدقة العالية مضللة لأن البيانات غير متوازنة، والنموذج لم يكتشف أي مريض

الدقة العالية وحدها قد تخدع مع البيانات غير المتوازنة؛ يجب فحص أنواع الأخطاء، وتبقى المراجعة البشرية ضرورية في الصحة.

التنبؤ بقيمة عددية (الانحدار): المخرج رقم مستمر، مثل درجة حرارة الغد أو سعر شقة أو كمية المحصول. التنبؤ بفئة (التصنيف): المخرج فئة من عدد محدد من الاحتمالات، مثل: هل ستمطر أم لا؟ أو هل الورقة النباتية سليمة أم مصابة؟

1) تحديد الهدف. 2) اختيار الخصائص (المدخلات المؤثرة). 3) جمع البيانات وتنظيفها. 4) تقسيم البيانات إلى تدريب واختبار (مثلًا $80\%$ و$20\%$). 5) تدريب النموذج على بيانات التدريب. 6) تقييمه على بيانات الاختبار. 7) الاستخدام مع المراقبة والتحديث المستمر.

عدد التنبؤات الصحيحة $250 - 20 = 230$، والدقة $= \frac{230}{250} = 0.92 = 92\%$. ويجب أن تكون رسائل الاختبار جديدة لم يرها النموذج أثناء التدريب، لأن اختباره على البيانات نفسها يعطي دقة مضللة لا تعكس أداءه الحقيقي على الرسائل الجديدة.

1) التنبؤ احتمال وليس يقينًا. 2) إذا تغيرت الظروف كثيرًا عن بيانات التدريب ضعفت دقة النموذج. 3) الارتباط لا يعني السببية، فوجود علاقة بين متغيرين لا يثبت أن أحدهما سبب الآخر. 4) الدقة العالية قد تخدع إذا كانت البيانات غير متوازنة. ويبقى الإنسان صاحب القرار في الصحة والتعليم لأن أخطاء النموذج فيها قد تضر بالناس، ولأن القرار يحتاج إلى تقدير الظروف الخاصة والمسؤولية الأخلاقية التي لا يتحملها النموذج.