انجمن علمی دانشجویی رباتیک دانشگاه لرستان

ماشین لرنینگ؛ بازیگر قطعی دنیای آینده امروزه شاید برای شما زیاد پیش آمده باشد که توسط اطرافیان یا در فضای مجازی با کلمه "ماشین لرنینگ" بسیار مواجه شده باشید ، اما ماشین لرنینگ واقعا چیست؟ یادگیری ماشین (Machine Learning) یا ML برای اولین بار در دهه‌ی ۱۹۵۰ توسط آرتور ساموئل (Arthur Samuel) از پیشگامان هوش مصنوعی تعریف شد. ماشین لرنینگ زیرشاخه‌ای از هوش مصنوعی و علم داده (Data Science) است که هدفش تولید ماشین‌هایی با توانایی تقلید رفتارهای هوشمند انسان است. چنین ماشینی خواهد توانست در برخورد با مسائل و موقعیت‌های جدید، بر اساس تجارب و داده‌های از پیش دانسته‌اش، تجزیه‌وتحلیل و تصمیم‌گیری کند. عملکرد Machine Learning در اساس وابسته به الگوریتم‌هایی است که رفتار برنامه را بر اساس داده‌های در دسترس و منطق‌های ریاضی تعیین می‌کنند. این تکنولوژی درواقع به‌عنوان جایگزینی برای برنامه‌نویسی‌های سنتی مطرح شده و کامپیوتر را هرچه بیشتر ازنظر منطقی و آنالیز داده‌های جدید، تقویت می‌کند. علاوه بر این توانمندی‌ها، انواع برنامه‌های ML توانایی بهبود و تصحیح عملکرد خود را نیز دارند. به‌این‌ترتیب آن‌ها به‌مرور دقیق‌تر و سریع‌تر شده و می‌توانند آنالیزهای عمیق‌تری ارائه کنند. این کار با یک تابع خطا (Error Function) انجام می‌شود. درحقیقت، ماشین لرنینگ با ترکیب داده‌ها در الگوریتم‌ها تلاش می‌کند الگوهای ممکن را پیش‌بینی کرده و اهدافی مانند طبقه‌بندی داده‌ها را دنبال کند. یادگیری ماشین معمولا تنها توان انجام آنالیزهای ساده، تکی و غیرهمزمان را دارد. بهبود فرآیند عملکرد این ماشین‌ها به نظارت انسانی نیاز دارد. تحقق این اهداف در شکل پیشرفته‌تر ML، یعنی دیپ لرنینگ دنبال می‌شود که از الگوریتم‌های شبیه‌سازی‌شده از شبکه عصبی انسان استفاده می‌کند.