التعلم الخاضع للإشراف الذاتي

التعلم الخاضع للإشراف الذاتي هو أسلوب للتعلم الآلي يستخدم فيه النظام البيانات المدخلة لبناء نموذج تنبؤي لا يلزم فيه أي تدخل بشري لتسمية البيانات. إنه يعمل عن طريق استخدام بيانات غير منظمة لمساعدة الجهاز على تحديد الأنماط والارتباطات والاتجاهات التي يمكنه استخدامها لتصنيف البيانات الجديدة والتنبؤ بها بدقة. وعلى النقيض من التعلم الخاضع للإشراف، والذي يتطلب تدخل الإنسان وتسمية البيانات، فإن التعلم الخاضع للإشراف الذاتي يمكّن النظام من التعلم دون أي تدخلات يدوية.

ظهر مفهوم التعلم الخاضع للإشراف الذاتي من التعلم المعزز، والذي تم تطويره لأول مرة في أواخر الخمسينيات. وقد تطورت منذ ذلك الحين إلى مجال دراستها المتميز وأصبحت تستخدم على نطاق واسع في العديد من التطبيقات العملية في مجالات مثل رؤية الكمبيوتر، ومعالجة اللغة الطبيعية، والروبوتات، والمعلوماتية الحيوية.

ينقسم التعلم الخاضع للإشراف الذاتي إلى فئتين رئيسيتين: التعلم المُدرب مسبقًا والتعلم عبر الإنترنت. يستخدم التعلم المُدرب مسبقًا مجموعات البيانات الموجودة لإنشاء نموذج تنبؤي، بينما يقوم التعلم عبر الإنترنت بتحديث نماذجه باستمرار عند حصوله على بيانات جديدة.

يعمل التعلم الخاضع للإشراف الذاتي المدرّب مسبقًا عن طريق أخذ مجموعة بيانات مصنفة وتدريب نموذج عليها. يتم بعد ذلك استخدام النموذج لتحديد الأنماط في البيانات الجديدة، وإجراء تنبؤات بناءً على تلك الأنماط. يُستخدم هذا الأسلوب مع مجموعات البيانات الكبيرة جدًا بحيث لا يمكن للبشر تصنيفها، مثل مجموعات بيانات الصور لتطبيقات الرؤية الحاسوبية.

التعلم تحت الإشراف الذاتي عبر الإنترنت، والمعروف أيضًا باسم التعلم المعزز، هو نوع من التعلم الآلي يتم فيه تدريب النظام على ضبط سلوكه بناءً على التعليقات التي يتلقاها من بيئته. يمكّن هذا النوع من التعلم النظام من التعلم بمرور الوقت والتكيف مع المواقف والبيانات الجديدة.

يمكن استخدام التعلم الخاضع للإشراف الذاتي في مجموعة متنوعة من التطبيقات، بدءًا من رؤية الكمبيوتر وحتى معالجة اللغة الطبيعية والروبوتات. إنها أداة قوية لها العديد من الاستخدامات المحتملة، ومن المرجح أن تصبح جزءًا أكثر أهمية من التعلم الآلي في السنوات القادمة.