شارك
الرئيسية
1 دقيقةما هي الخوارزمية؟
هي عبارة عن مجموعة من التعليمات التي يتم اتباعها من أجل إكمال مهمة محددة، وتُستخدم في الذكاء الاصطناعي لإنشاء وتدريب نماذج يمكن استخدامها بعد ذلك للقيام بالتنبؤات أو اتخاذ القرارات.
تاريخ علم الخوارزميات
يعود الفضل في تطوير علم الخوارزميات إلى العالم المسلم محمد بن موسى الخوارزمي والتي سميت الخوارزمية باسمها نسبةً له، ونشر عنها لأول مرة في كتابه “كتاب الخوارزمي” في القرن التاسع الميلادي.
أول خوارزمية في العالم
استخدمت بعدها الخوارزميات لإيجاد حلول للمشاكل التي يصعب حلها، وكانت أول من يكتب خوارزمية آلة هي عالمة الرياضيات آدا أوجستا بايرون وتعرف باسم آدا لوفلايس ونشرتها عام 1843.
ما خطوات الخوارزمية؟
يمكن أن تختلف الخطوات في الخوارزمية اعتماداً على المهمة التي تؤديها. ومع ذلك، هناك بعض الخطوات الشائعة التي تستخدم في الذكاء الاصطناعي. وتشمل هذه الخطوات ما يلي:
- المعالجة المسبقة: تتضمن هذه الخطوة إعداد البيانات للخوارزمية. قد يتضمن ذلك تنظيف البيانات أو توسيع نطاق البيانات.
- التدريب: تتضمن هذه الخطوة استخدام بيانات التدريب لتدريب النموذج. قد يتضمن ذلك استخدام خوارزمية التعلم الموجه أو التعلم غير الموجه.
- الاختبار: تتضمن هذه الخطوة تجريب النموذج المدرب للحصول على تنبؤات من خلال بيانات الاختبار، وهذا يساعد على تقييم أداء النموذج وتحسينه إذا تطلب الأمر.
- النشر: تتضمن هذه الخطوة وضع النموذج قيد العمل حتى يتمكن المستخدمون الآخرون من استخدامه. قد يتضمن ذلك استخدام نظام أساسي قائم على السحابة أو نشر النموذج على خادم.
بعض خوارزميات الذكاء الاصطناعي الأكثر شيوعاً
هناك أربعة أنواع شائعة من الخوارزميات في الذكاء الاصطناعي:
- خوارزميات التعلم الموجه: يتم استخدام هذه الخوارزميات عندما تكون لدينا مجموعة بيانات موسومة. تتعلم الخوارزمية من مجموعة البيانات وتنتج نموذج تعلم آلياً يمكن استخدامه للتنبؤ بناء على وسوم البيانات الجديدة.
- خوارزميات التعلم غير الموجه: يتم استخدام هذه الخوارزميات عندما تكون لدينا مجموعة بيانات بدون أي وسوم. تحاول الخوارزمية العثور على أنماط في البيانات وتجميعها معاً.
- خوارزميات التعلم المعزز: يتم استخدام هذه الخوارزميات عندما نريد أن يتعلم الوكيل الذكي كيفية التصرف في بيئة عن طريق التجربة والخطأ.
- خوارزميات التعلم العميق: يتم استخدام هذه الخوارزميات عندما تكون لدينا مجموعة بيانات كبيرة ونريد تعلم أنماط معقدة في البيانات، إذ تكون قادرة على تعلم مستويات متعددة من تمثيل وتجريد البيانات.