💠 یادگیری نظارت شده

🌀 با یادگیری نظارت شده نوعی هوش مصنوعی ابداع شد که درنتیجه آن halcin کشف شد.

🔸 وقتی محققان MIT درصدد بودند تا توان و قابلیت آنتی‌بیوتیک های جدید را مشخص کنند، از یک پایگاه داده که دوهزار مولکول داشت استفاده کردند تا مولکولی را آموزش دهند که ساختار مولکولی آن، ورودی به پایگاه داده و اثر بخشی آنتی‌بیوتیک، خروجی آن بود.

🔹 محققان ساختار مولکولی‌ را به هوش مصنوعی ارائه کردند که شاخصه آن‌ها میزان اثر بخشی آنها بود؛ سپس با توجه به ترکیبات جدید هوش مصنوعی اثر بخشی آنتی‌بیوتیک ها را برآورد می‌کرد.

🔸 علت این‌که به این روش یادگیری، نظارت‌شده گفته می‌شود این هست که سازندگان هوش مصنوعی از پایگاه داده‌ای استفاده کردند که ورودی‌ها نمونه و انتخاب شده بودند.

🔹 در این ساختار مولکولی که براساس خروجی در این آنتی‌بیوتیک هریک ویژگی خاصی داشتند، سازندگان به دلایل مختلفی از یادگیری نظارت شده استفاده کردند. مثل ایجاد هوش مصنوعی که تصاویر را تشخیص دهد

🔸 برای این منظور، یک سری تصویر به هوش مصنوعی آموزش داده می‌شد تا یاد بگیرد که هر تصویر را با عنوانی مناسب مرتبط سازد. برای مثال تصویر یک گربه را با عنوان (گربه) مرتبط سازد. با توجه به اینکه رابطه بین تصویر‌ها و عنوان‌ها رمزگذاری شده بود، هوش مصنوعی قادر بود تصویر های جدید را به نحو صحیح شناسایی کند.

#Artificial_intelligence #AI #Deep_learning

👤 Dark Dante

💎 Channel: @DevelopixPython

💠 یادگیری بدون نظارت

🌀 در شرایطی که سازندگان فقط یک سری داده دارند و قصد دارند به نتایجی برسند که بی‌شک مفید باشند، از یادگیری بدون نظارت استفاده می کنند.

🔸 با‌ توجه به وجود اینترنت و دیجیتال شدن اطلاعات کسب‌و‌کارها، سازمان‌های دولتی و محققان بسیار راحت‌‎تر از گذشته به انبوهی از داده ها و بازار ها اطلاعات بیشتری از مشتریان در اختیار دارند، بیولوژیست ها به داده‌های بیشتری درباره DNA دسترسی دارند و مدیران باک‌ها از فعالیت‌های مالی بیشتری در فایل های خود خبر دارند.

🔹 اگر بازاریاب بخواهد وضعیت مشتری خود را بداند یا اگر تحلیل‌گری به دنبال کشف مغایرت در صورت‌های مالی باشد، یادگیری نظارت‌نشده به هوش مصنوعی کمک می‌کند الگو ها و یا تخلفات را بدون داشتن هرگونه اطلاعاتی از خروجی ها پیدا کند.

🔸 در یادگیری نظارت نشده، داده‎های نمونه فقط شامل ورودی هستند. برای مثال خدمات ویدئویی چون Netflix از الگوریتم هایی استفاده می کنند تا مجموعه مشتریانی را پیدا کنند که عادت آن‌ها برای تماشا فیلم مشابه یکدیگر است تا بتوانند خدمات مستمری به مشتریان مزبور ارائه کنند. اما تنظیم دقیق چنین الگوریتمی می‌تواند پیچیده باشد؛ زیرا بیشتر مردمی که سلیقه های گوناگون دارند معمولاً به چندین گروه تقسیم می‌شوند.

🔹 هوش مصنوعی که آموزش دیده تا از طریق یادگیری نظارت نشده کار کند، می‌تواند الگو هایی را تعیین کند که ممکن است به دلیل پیچیدگی الگو حجم داده ها یا هر دو انسان ها از عهده انجام دادن آن بر نیایند. از آنجا که در آموزش این نوع هوش مصنوعی جزئیات دقیق نتایج مشخص نشده، می‌تواند بینش و شناخت کاملاً نوآورانه ارائه کند. مانند انسانی که آموزش ندیده و خودآموخته است اما هم انسانی که آموزش ندیده و همین نوع هوش مصنوعی می‌توانند نتایج غیر عادی و نامربوط نیز تولید کنند.

🔸 در هردو یادگیری نظارت شده و بدون نظارت هوش مصنوعی برای انجام دادن وظایفی چون کشف روند ها، تعیین تصویر و پیش‌بینی از یک سری داده استفاده می کند. محققان غیر از تحلیل داده ها در پی آموزش هوش مصنوعی بودند که در شرایط و محیط های پویا عمل کنند به این ترتیب سومین گروه مهم یادگیری ماشین یعنی یادگیری تقویتی شکل گرفت.

#Artificial_intelligence #Deep_learning #AI

👤 Dark Dante

💎 Channel: @DevelopixPython