ما هو التعلم الآلي؟
التعلم الآلي هو مفهوم يشير إلى أن البرنامج الحاسوبي يمكنه التعلم والتكيف مع البيانات الجديدة دون تدخل بشري. التعلم الآلي هو مجال من مجالات الذكاء الاصطناعي (AI) الذي يحافظ على تحديث الخوارزميات المدمجة في الكمبيوتر بغض النظر عن التغيرات في الاقتصاد العالمي.
النقاط الرئيسية
- التعلم الآلي هو مجال من مجالات الذكاء الاصطناعي (AI) يقوم على مفهوم أن برنامج الكمبيوتر يمكنه التعلم والتكيف مع البيانات الجديدة دون تدخل بشري.
- يتم تضمين خوارزمية معقدة أو كود مصدر في جهاز الكمبيوتر، مما يسمح للآلة بتحديد البيانات وبناء التوقعات حول البيانات التي تحددها.
- التعلم الآلي مفيد في تحليل الكمية الهائلة من المعلومات المتوفرة باستمرار وسهولة في العالم للمساعدة في اتخاذ القرارات.
- يمكن تطبيق التعلم الآلي في مجموعة متنوعة من المجالات، مثل الاستثمار، والإعلان، والإقراض، وتنظيم الأخبار، واكتشاف الاحتيال، والمزيد.
فهم تعلم الآلة
تتعامل مختلف قطاعات الاقتصاد مع كميات هائلة من البيانات المتاحة بتنسيقات مختلفة ومن مصادر متباينة. هذا الكم الهائل من البيانات، المعروف باسم البيانات الضخمة، أصبح متاحًا وسهل الوصول إليه بفضل الاستخدام المتقدم للتكنولوجيا، وخاصة القدرات الحاسوبية المتقدمة وتخزين السحابة. تدرك الشركات والحكومات الفوائد الكبيرة التي يمكن الحصول عليها من الاستفادة من البيانات الضخمة، لكنها تفتقر إلى الموارد والوقت اللازمين لتمشيط ثروة المعلومات التي تحتويها. لذلك، يتم استخدام تقنيات الذكاء الاصطناعي من قبل مختلف الصناعات لجمع ومعالجة وتوصيل ومشاركة المعلومات المفيدة من مجموعات البيانات. إحدى طرق الذكاء الاصطناعي التي تُستخدم بشكل متزايد لمعالجة البيانات الضخمة هي التعلم الآلي.
تتشكل التطبيقات المختلفة للبيانات الخاصة بتعلم الآلة من خلال خوارزمية معقدة أو شفرة مصدرية مدمجة في الآلة أو الكمبيوتر. هذا الكود البرمجي ينشئ نموذجًا يحدد البيانات ويبني توقعات حول البيانات التي يحددها. يستخدم النموذج معايير مدمجة في الخوارزمية لتشكيل أنماط لعملية اتخاذ القرار. عندما تصبح بيانات جديدة أو إضافية متاحة، تقوم الخوارزمية تلقائيًا بتعديل المعايير للتحقق من وجود تغيير في النمط، إن وجد. ومع ذلك، لا ينبغي أن يتغير النموذج.
استخدامات التعلم الآلي
يُستخدم التعلم الآلي في قطاعات مختلفة لأسباب متنوعة. يمكن ضبط أنظمة التداول لتحديد فرص استثمارية جديدة. يمكن تحسين منصات التسويق وe-commerce لتقديم توصيات دقيقة وشخصية لمستخدميها بناءً على تاريخ البحث على الإنترنت أو المعاملات السابقة. يمكن للمؤسسات الإقراضية دمج التعلم الآلي للتنبؤ بالقروض السيئة وبناء نموذج لمخاطر الائتمان. يمكن لمراكز المعلومات استخدام التعلم الآلي لتغطية كميات هائلة من الأخبار من جميع أنحاء العالم. يمكن للبنوك إنشاء أدوات للكشف عن الاحتيال باستخدام تقنيات التعلم الآلي. إن دمج التعلم الآلي في العصر الرقمي لا حدود له مع ازدياد وعي الشركات والحكومات بـالفرص التي تقدمها البيانات الضخمة.
تطبيق التعلم الآلي
يمكن توضيح كيفية عمل التعلم الآلي بشكل أفضل من خلال مثال في العالم المالي. تقليديًا، يقوم اللاعبون في سوق الأوراق المالية مثل الباحثين الماليين والمحللين ومديري الأصول والمستثمرين الأفراد بالبحث في الكثير من المعلومات من شركات مختلفة حول العالم لاتخاذ قرارات استثمارية مربحة. ومع ذلك، قد لا يتم نشر بعض المعلومات الهامة على نطاق واسع من قبل وسائل الإعلام وقد تكون متاحة فقط لعدد قليل من الأشخاص الذين لديهم ميزة كونهم موظفين في الشركة أو مقيمين في البلد الذي تنبع منه المعلومات. بالإضافة إلى ذلك، هناك حد لكمية المعلومات التي يمكن للبشر جمعها ومعالجتها في إطار زمني معين. وهنا يأتي دور التعلم الآلي.
قد تستخدم شركة إدارة الأصول التعلم الآلي في مجال تحليل الاستثمارات والبحث. لنفترض أن مدير الأصول يستثمر فقط في أسهم التعدين. يقوم النموذج المدمج في النظام بمسح الويب وجمع جميع أنواع الأحداث الإخبارية من الشركات والصناعات والمدن والبلدان، وهذه المعلومات المجمعة تشكل مجموعة البيانات. لم يكن بإمكان مديري الأصول والباحثين في الشركة الحصول على المعلومات في مجموعة البيانات باستخدام قدراتهم البشرية وذكائهم. تقوم المعايير المدمجة مع النموذج باستخراج البيانات فقط المتعلقة بشركات التعدين والسياسات التنظيمية في قطاع الاستكشاف والأحداث السياسية في دول مختارة من مجموعة البيانات.
مثال على تعلم الآلة
لنفترض أن شركة التعدين XYZ اكتشفت للتو منجم ألماس في بلدة صغيرة في جنوب إفريقيا. أداة تعلم الآلة في يد مدير الأصول الذي يركز على شركات التعدين ستبرز هذا كبيانات ذات صلة. سيستخدم النموذج في أداة تعلم الآلة أداة تحليلية تُسمى التحليلات التنبؤية لإجراء توقعات حول ما إذا كانت صناعة التعدين ستكون مربحة لفترة زمنية معينة، أو أي أسهم التعدين من المحتمل أن تزيد قيمتها في وقت معين، بناءً على المعلومات المكتشفة حديثًا، دون أي تدخل من مدير الأصول. يتم نقل هذه المعلومات إلى مدير الأصول لتحليلها واتخاذ قرار لمحفظتهم. قد يقرر مدير الأصول بعد ذلك استثمار ملايين الدولارات في أسهم XYZ.
في أعقاب حدث غير مواتٍ، مثل إضراب عمال المناجم في جنوب أفريقيا، يقوم الخوارزمية الحاسوبية بتعديل معاييره تلقائيًا لإنشاء نمط جديد. بهذه الطريقة، يظل النموذج الحسابي المدمج في الجهاز محدثًا حتى مع التغيرات في الأحداث العالمية ودون الحاجة إلى تدخل بشري لتعديل الكود ليعكس هذه التغيرات. وبما أن مدير الأصول تلقى هذه البيانات الجديدة في الوقت المناسب، تمكن من تقليل خسائره عن طريق الخروج من السهم.