توانایی ما در یادگیری و بهتر شدن در انجام کارها از طریق تجربه بخشی از ویژگی انسان بودن ما است. زمانی که به دنیا می آییم تقریباً چیزی نمی دانیم و به تنهایی کاری نمی توانیم انجام دهیم. ولی به زودی یاد میگیریم و هر روز توانا تر میشویم ولی آیا می دانید که رایانه ها هم میتوانند همین کار را انجام دهند؟
یادگیری ماشین، آمار و ارقام و علوم رایانه به یکدیگر پیوند می زند تا رایانه ها را قادر به انجام عملیات داده شده کند. بدون اینکه برنامه ریزی شود، دقیقاً مانند مغز شما که از تجربیات برای بهبود انجام عملیات استفاده می کند، رایانه ها هم میتوانند همین کار را انجام دهند. فرض کنید شما به رایانه ای نیاز دارید که بتوانند تفاوت بین تصویر یک سگ و تصویر یک گربه را بیان کنند. شما میتوانید با در اختیار گذاشتن عکس ها به رایانه و مشخص کردن اینکه این یک سگ است و آن یکی گربه، شروع کنید. رایانه ای که برای یادگیری برنامه ریزی شده به دنبال الگوهای آماری در داده ها خواهد گشت که آن را قادر به شناسایی یک گربه یا یک سگ در آینده خواهد کرد. رایانه ممکن است به تنهایی متوجه شود که گربه ها بینی کوتاه تری دارند و تنوع سگ ها در اندازه های مختلف بیشتر است و سپس این اطلاعات را که به صورت عددی در فضای نمونه سازماندهی کرده ارائه می دهد. اما نکته مهم این است که رایانه این الگوها را شناسایی می کند و الگوریتمی ایجاد میکند تا داده های آینده را مرتب کند و نه برنامه نویس. یک نمونه از یک الگوریتم بسیار کارا و درعین حال ساده، پیدا کردن خط بهینه برای جداسازی سگ ها و گربه ها است. زمانی که رایانه، تصویر جدیدی را میبیند بررسی می کند که کدام طرف خط قرار می گیرد، سپس تشخیص میدهد. اما مسلماً ممکن است اشتباهاتی رخ دهد. هرچه رایانه داده های بیشتری دریافت کند، الگوریتم آن بهتر شکل می گیرد و در پیش بینی های خود دقیق تر می شود. فناوری که در پشت تشخیص چهره، تشخیص گفتار، فیلترهای هرزنامه در صندوق دریافتی ایمیل شما، پیشنهادهایی برای تماشا و دیدن عکس ها در شبکه های اجتماعی، خرید آنلاین و تشخیص کلاهبرداری های کارت های اعتباری وجود دارد، همگی بر پایه یادگیری ماشین است. امروزه پژوهشگران، یادگیری ماشین، آمار و علوم رایانه را ترکیب میکنند تا الگوریتم هایی بسازند که می توانند مسائل پیچیده تری را حل کند و کارایی بیشتری داشته باشد و البته حجم محاسبات کمتری را انجام دهد...