الذكاء الصناعي التقليد في تعليم الألة
Machine Learning Traditional AI#
الذكاء الصناعي التقليد في تعليم الألة Machine Learning Traditional AI#
بدأت رحلة الذكاء الاصطناعى في الخمسينيات عندما كانت قوة الحوسبة جزءًا صغيرًا مما هي عليه اليوم. بدأت منظمة العفو الدولية بالتنبؤات التي قدمتها الآلة بطريقة يقوم بها الإحصائي بالتنبؤات باستخدام حاسبه. وهكذا ، كان تطوير الذكاء الاصطناعى الأولي بأكمله يعتمد بشكل أساسي على التقنيات الإحصائية.
في هذا الفصل ، دعونا نناقش بالتفصيل ماهية هذه التقنيات الإحصائية.
التقنيات الإحصائية
بدأ تطوير تطبيقات الذكاء الاصطناعي اليوم باستخدام التقنيات الإحصائية التقليدية القديمة. يجب أن تستخدم الاستيفاء في خط مستقيم في المدارس للتنبؤ بقيمة مستقبلية. هناك العديد من التقنيات الإحصائية الأخرى التي هي تطبيقها بنجاح في تطوير ما يسمى برامج الذكاء الاصطناعى. نقول "ما يسمى" لأن برامج الذكاء الاصطناعي التي لدينا اليوم هي أكثر تعقيدًا وتستخدم تقنيات تتجاوز بكثير التقنيات الإحصائية المستخدمة في برامج الذكاء الاصطناعى المبكرة.
بعض الأمثلة على التقنيات الإحصائية المستخدمة في تطوير تطبيقات الذكاء الاصطناعي في تلك الأيام وما زالت قيد التطبيق مدرجة هنا -
تراجع Regression
تصنيف Classification
تجمع Clustering
نظريات الاحتمالات Probability Theories
أشجار القرار Decision Trees
هنا ، قمنا فقط بإدراج بعض التقنيات الأساسية التي تكفي لتبدأ في استخدام الذكاء الاصطناعى دون أن تخيفك من الضخامة التي تتطلبها الذكاء الاصطناعي. إذا كنت تقوم بتطوير تطبيقات الذكاء الاصطناعي استنادًا إلى بيانات محدودة ، فستستخدم هذه التقنيات الإحصائية.
ومع ذلك ، اليوم البيانات وفيرة. إن تحليل نوع البيانات الضخمة التي نمتلكها التقنيات الإحصائية لا يساعد كثيرًا نظرًا لوجود بعض القيود الخاصة به. وبالتالي تم تطوير أساليب أكثر تقدما مثل التعلم العميق لحل العديد من المشاكل المعقدة.
ونحن نمضي قدمًا في هذا البرنامج التعليمي ، سوف نفهم ماهية "التعلم الآلي" وكيف يتم استخدامه لتطوير مثل هذه التطبيقات المعقدة الذكاء الاصطناعي .