يمكن للآلة أن تتعلم استخراج الأنماط والرؤى من كميات البيانات الكبيرة دون الإشراف عليها في البداية ثم بعد ذلك يكتسب النموذج قدرة جديدة وتصبح البيانات هي ما يوجه النموذج إلى النتائج والرؤى الأحدث ؟؟
الإجابة الصحيحة من خلال موقع بوابة الإجابات هي:
خطأ
الإجابة الصحيحة هي "خطأ"، والسبب في ذلك يعود إلى أن العبارة تخلط بين نوعين أساسيين من أنواع التعلم الآلي: وهما "التعلم غير المشرف عليه" (Unsupervised Learning) و"التعلم المعزز" (Reinforcement Learning) أو حتى "التعلم العميق".
لتوضيح الفكرة لطلاب المدارس، إليكم التفصيل:
- التعلم غير المشرف عليه (Unsupervised Learning): في هذا النوع، تتعلم الآلة بالفعل استخراج الأنماط والرؤى من كميات كبيرة من البيانات بدون إشراف (أي بدون أن نحدد لها الإجابات مسبقاً)، ولكنها تتوقف عند هذا الحد؛ فهي تقوم بتصنيف البيانات أو تجميعها فقط، ولا تكتسب قدرات جديدة ومستقلة لتوجيه نفسها نحو نتائج أحدث بمجرد الاعتماد على البيانات وحدها بالطريقة المذكورة.
- اكتساب قدرات جديدة وتوجيه النموذج: العملية التي تجعل النموذج يطور قدراته بنفسه ويتعلم من أخطائه لتوليد رؤى جديدة بناءً على تفاعله مع البيئة أو البيانات المتجددة ترتبط أكثر بـ "التعلم المعزز" (Reinforcement Learning)، وهو يعتمد على نظام الثواب والعقاب وليس مجرد استخراج الأنماط من البيانات الكبيرة وحدها.
لذلك، دمج هذين الأمرين في عبارة واحدة على أنهما عملية تسلسلية واحدة يجعل العبارة غير دقيقة علمياً، ومن هنا كانت الإجابة خطأ.
اذا كان لديك إجابة افضل او هناك خطأ في الإجابة علي سؤال يمكن للآلة أن تتعلم استخراج الأنماط والرؤى من كميات البيانات الكبيرة دون الإشراف عليها في البداية ثم بعد ذلك يكتسب النموذج قدرة جديدة وتصبح البيانات هي ما يوجه النموذج إلى النتائج والرؤى الأحدث ؟ اترك تعليق فورآ.
