Q:
لماذا يتعلم الكثير من الآلات وراء الكواليس - بعيدًا عن المستخدم العادي؟
أ:يأخذ هذا السؤال الأساسي حول التعلم الآلي في الاعتبار العديد من الجوانب المختلفة لكيفية عمل هذه البرامج المعقدة ، وما هو الدور الذي تلعبه في اقتصاد اليوم.
واحدة من أسهل الطرق لشرح عدم بروز أنظمة التعلم الآلي هي أنها سهلة للاختباء. هذه الأنظمة الخلفية تكمن وراء محركات التوصية وأكثر من ذلك ، مما يتيح للمستهلكين نسيان أن هناك أي تعلم الآلة يحدث على الإطلاق. يعرف جميع المستخدمين النهائيين ، أن بعض البشر يمكنهم اختيار الخيارات بعناية بدلاً من شبكة عصبية تقوم بتشغيل خوارزميات معقدة.
علاوة على ذلك ، هناك أيضًا نقص في التعليم المنهجي حول التعلم الآلي ، ويعزى ذلك جزئيًا إلى أنه جديد جدًا ويرجع جزئيًا إلى نقص الاستثمار في التدريب على العلوم والتكنولوجيا والابتكار (STEM) ككل. يبدو أننا كمجتمع نحن عمومًا موافقون على اختيار الأفراد الرئيسيين للتعلم عن التكنولوجيا بأي تفصيل كبير ، وأن نصبح "الكهنة التكنولوجيين" لسكاننا. تتمثل إستراتيجية الطيف الأوسع في تضمين التعليم الآلي المفصل والتعليم التقني على مستوى ثانوي في المدارس الثانوية كمسألة طبيعية.
مشكلة أخرى هي عدم وجود لغة يمكن الوصول إليها حول التعلم الآلي. يكثر المصطلح - من علامات الخوارزميات نفسها ، إلى وظائف التنشيط التي تشغل الخلايا العصبية الاصطناعية وتؤدي إلى شبكات عصبية. مثال رائع آخر هو وضع علامات على الطبقات في شبكة عصبية تلافيفية - الحشو والخطو وتجمع الحد الأقصى والمزيد. لا يكاد أي شخص يفهم حقًا معنى هذه المصطلحات ، مما يجعل تعلم الآلة أكثر غموضًا.
أصبحت الخوارزميات نفسها مقيدة في لغة علماء الرياضيات. كما هو الحال مع الفيزياء الحديثة والكلاسيكية ، من المفترض أن يتقن طلاب هذه التخصصات فن قراءة المعادلات المعقدة ، بدلاً من وضع وظائف الخوارزمية في لغة بسيطة. يعمل ذلك أيضًا على جعل معلومات التعلم الآلي أقل سهولة.
أخيرًا ، هناك مشكلة "الصندوق الأسود" حيث لا يفهم حتى المهندسين تمامًا عدد برامج التعلم الآلي التي تعمل. نظرًا لأننا قمنا بزيادة حجم تعقيد هذه الخوارزميات وقدرتها ، فقد ضحينا بالشفافية وسهولة الوصول إلى نتائج التقييم والتحليل. مع وضع ذلك في الاعتبار ، هناك حركة كبيرة نحو الذكاء الاصطناعي القابل للشرح - نحو الحفاظ على التعلم الآلي للعمليات والذكاء الاصطناعي في متناول اليد ، والحفاظ على التعامل مع كيفية عمل هذه البرامج من أجل تجنب المفاجآت غير السارة في بيئة الإنتاج.
كل هذا يساعد على تفسير السبب ، على الرغم من أن التعلم الآلي ينمو في عالم التكنولوجيا اليوم ، إلا أنه في كثير من الأحيان "بعيد المنال ، بعيد المنال".
