ما نوع التعلم المستخدم في خوارزميات التعرف على الصوت عند تزويدها بتسجيلات صوتية ونصوصها ؟؟
الإجابة الصحيحة من خلال موقع بوابة الإجابات هي:
ج) تعلم خاضع للإشراف
التعلم الخاضع للإشراف (Supervised Learning) هو أحد أنواع تعلم الآلة الذي يعتمد على تزويد الخوارزمية ببيانات "مُعلمة" أو "مُصنفة" (Labeled Data)، وهذا يعني أننا نعطي الكمبيوتر البيانات (السؤال) ونعطيه معها الإجابة الصحيحة (النتيجة).
إليك توضيح لماذا تُعتبر خوارزميات التعرف على الصوت تتبع هذا النوع:
- وجود المدخلات والمخرجات: في هذه الحالة، لدينا نوعان من المعلومات:
1.
المدخلات (Input): وهي التسجيلات الصوتية.
- المخرجات أو "الملصقات" (Labels): وهي النصوص المكتوبة التي تطابق الصوت تماماً.
- آلية التعلم: عندما تستمع الخوارزمية للصوت، تحاول تخمين الكلمات. ثم تقوم بمقارنة تخمينها مع "النص المكتوب" الذي زودناها به. إذا كان تخمينها خاطئاً، تقوم بتعديل طريقة عملها لتقترب من النص الصحيح في المرة القادمة. هذا "التوجيه" من خلال النص الصحيح هو ما يسمى "الإشراف".
مثال لتقريب الفكرة:تخيل أنك تعلم طفلاً صغيراً التعرف على الفواكه؛ فتعرض عليه صورة "تفاحة" وتقول له بصوتك: "هذه تفاحة". هنا أنت قدمت له (الصورة) وقدمت له (الاسم الصحيح). في خوارزميات الصوت، نحن نفعل الشيء نفسه: نقدم (الصوت) ونقدم معه (النص) لكي تتعلم الآلة الربط بينهما.
اذا كان لديك إجابة افضل او هناك خطأ في الإجابة علي سؤال ما نوع التعلم المستخدم في خوارزميات التعرف على الصوت عند تزويدها بتسجيلات صوتية ونصوصها ؟ اترك تعليق فورآ.
