• صاحب المنشور: شعيب الغزواني
  
  ملخص النقاش:
  

  في عالم الذكاء الصناعي والتعلم الآلي، غالبًا ما يتم الخلط بين مصطلحات "التعلم الآلي" و"التعلم العميق". على الرغم من أن كلاهما مرتبطان ارتباطًا وثيقًا، إلا أنهما يختلفان في فلسفتهما الأساسية وتطبيقاتهما. لذلك، سنستعرض هنا الفروقات الرئيسية بينهما مع تسليط الضوء أيضًا على بعض الأمثلة الواقعية لاستخداماتهما.

**أولاً: التعلم الآلي**

* تعريف: التعلم الآلي هو فرع من فروع الذكاء الاصطناعي الذي يتيح للأنظمة القدرة على التعلم وتحسين أدائها بدون برمجة مباشرة. يستطيع النظام استخدام البيانات لتحديد الأنماط واتخاذ القرارات بناءً عليها.

* الفلسفة: تقليديا، التعلم الآلي اعتمد على نماذج رياضية بسيطة نسبيًا لفهم البيانات واستخلاص المعلومات منها. هذه النماذج تُرجع نتائج دقيقة ولكن قد تحتاج إلى تدخل بشري كبير لإعداد البيانات وخلق خصائص جديدة ذات دلالة.

* مثال: نظام توصيات الأفلام عبر الإنترنت يقوم بتقديم اقتراحات للأفلام للمستخدمين بناءً على مشاهدة تاريخهم. هذا النوع من النظم عادة ما يستخدم خوارزميات التعلم الآلي البسيطة مثل الانحدار الخطي أو Regression Trees لتحقيق ذلك.

**ثانياً: التعلم العميق**

* تعريف: التعلم العميق، وهو جزء من التعلم الآلي، هو مجموعة من الخوارزميات المستوحاة من بنية وكيفية عمل الدماغ البشري. تعتمد هذه الخوارزميات على طبقات متعددة من الوظائف المنطقية (المعروفة بـ Neural Networks) لمعالجة البيانات بطريقة أكثر تعقيدًا وإنتاج نتائج أكثر دقة.

* الفلسفة: على عكس التعلم الآلي التقليدي، الذي غالبًا ما يتطلب تفاصيل محددة حول كيفية تمثيل البيانات، يسمح التعلم العميق للنظام بالعثور تلقائيًا على تلك الخصائص بمفرده أثناء التدريب. وهذا يعني أن بيانات الإدخال يمكن تقديمها كما هي -كما تُسمى 'غير مُعالَجة'- وقد يؤدي ذلك إلى تحسن كبير في جودة النتائج.

* مثال: الشبكات العصبونية القوية المستخدمة في رؤية الكمبيوتر يمكنها تصنيف الصور بكفاءة عالية ومراقبة حركة الأشخاص في مقاطع الفيديو. بالإضافة لذلك، يُمكن لهذه التقنية توليد نصوص مشابهة لنصوص بشرية تمامًا بعد حصولها على كم هائل من الكلمات والمعاني عبر شبكة كبيرة جدًا تسمى LSTM Neural Network.

**مقارنة رئيسية**

| الخاصية | التعلم الآلي | التعلم العميق |

|---|---|---|

| مستوى التعقيد | معتدل | مرتفع للغاية |

| قدرة الحوسبة المطلوبة | متوسط | بحاجة لحواسيب خارقة ومعالجات قوية GPU |

| جودة النتائج المتوقعة | جيدة لكن تتطلب خبرة وبحث مكثفين قبل تطبيقها عمليا.| يمكن تحقيق مستويات أعلى بكثير من الدقة إذا كانت هناك كمية وفيرة ومتنوعة من البيانات المدربة بها والتي تكون غير معدّة بصفة خاصة . |