ما هو الفرق بين خوارزمية التعلم الآلي والاستدلال ، ومتى تستخدم كل منها؟


الاجابه 1:

هل فكرت يوما ، لماذا لا يعمل نفس نموذج ML على مشاكل مختلفة؟

الاستدلال هو عبارة عن وظيفة بسيطة (ما هذا؟) أو مجموعة من القواعد (ليس فقط إذا كان ذلك في حالة أخرى) لمساعدتك في تصميم البيانات باستخدام الحد الأدنى من الموارد. على سبيل المثال ، لتوفير الوقت ، أقول إن جميع الأولاد أطول من الفتيات. قد يكون هذا صحيحًا في بعض الحالات ولكن ليس طوال الوقت. لذلك ، كيف يمكنني تحسين هذا النموذج؟ أقوم بجمع البيانات من المدارس ، وإدخال متغيرات معينة ، مثل العمر ، والعرق ، والوزن ، وما إلى ذلك ، ثم تعلم نموذج ML ، وضبط المعلمة و Viola! أنا أداء أفضل من بلدي ارشادي بسيط. في هذا المثال ، إذا استخدمت طريقة ارشادية بسيطة وقمت بأداء سيء ، فلا بأس بذلك لأنك لا تخسر شيئًا. لا تتخيل الآن بائع تجزئة ، أو معلن ، أو موظف تطبيق القانون ، فهؤلاء الأشخاص يريدون أنظمة عالية الأداء. إنهم يريدون بيع المنتجات ، وتعظيم الإيرادات ، والقبض على الإرهابيين. الحل الاستدلالي البسيط قد يؤدي إلى قرارات خاطئة متكررة ، والتي بدورها ستؤدي إلى خسائر من حيث الدولار وحياة الإنسان. إنهم يريدون نظامًا موثوقًا به ، لذلك سيقومون بجمع البيانات وتدريب نماذج ML. ومع ذلك ، قد تستفيد هذه النماذج من معرفة المجال. على سبيل المثال ، لن يقوم معلن شركة الصابون بنشر منتجاته على مواقع الحيوانات.

العودة إلى السؤال في الأعلى. يعد كل نموذج من نماذج ML لمجموعة بيانات / مشكلة معينة نموذجًا إرشاديًا ، ولكنه متخصص بدرجة عالية. ومع ذلك ، لا يمكن تطبيق الحل نفسه في كل مكان وهذا هو السعي وراء علماء الذكاء الاصطناعى الحديث والمستقبلي.


الاجابه 2:

الاستدلال هو عادة وظيفة مشفرة باليد. لا يعتمد على نموذج تم الحصول عليه عن طريق التدريب على مجموعة بيانات ، ولكنه يجسد عادة بعض الخبرة المنطقية من خبراء المجال.

خوارزمية التعلم الآلي هي خوارزمية تتكيف مع البيانات. على سبيل المثال ، خوارزمية التعلم عبر الإنترنت هي إحدى الخوارزميات التي تواصل تكييف نموذجها لكل مثال تراه. كلما تم استخدامه ، كان أفضل (اعتمادًا على فئة النماذج المستخدمة كفاية للمهمة).

إرشادي لا يتغير لكنه يبقى كما هو. إحدى الخدع الأنيقة هي أنه يمكننا استخدام كليهما: استخدام إرشادي في خوارزمية للتعلم الآلي للتركيز على بعض نماذج المرشحين الواعدة أولاً ، والتي يمكنها تسريع عملية التعلم بشكل كبير ؛ أو استخدام Machine Learning لتعلم نموذج بسيط ولكنه سريع يمكن أن يكون بمثابة مجريات الأمور.


الاجابه 3:

الاستدلال هو عادة وظيفة مشفرة باليد. لا يعتمد على نموذج تم الحصول عليه عن طريق التدريب على مجموعة بيانات ، ولكنه يجسد عادة بعض الخبرة المنطقية من خبراء المجال.

خوارزمية التعلم الآلي هي خوارزمية تتكيف مع البيانات. على سبيل المثال ، خوارزمية التعلم عبر الإنترنت هي إحدى الخوارزميات التي تواصل تكييف نموذجها لكل مثال تراه. كلما تم استخدامه ، كان أفضل (اعتمادًا على فئة النماذج المستخدمة كفاية للمهمة).

إرشادي لا يتغير لكنه يبقى كما هو. إحدى الخدع الأنيقة هي أنه يمكننا استخدام كليهما: استخدام إرشادي في خوارزمية للتعلم الآلي للتركيز على بعض نماذج المرشحين الواعدة أولاً ، والتي يمكنها تسريع عملية التعلم بشكل كبير ؛ أو استخدام Machine Learning لتعلم نموذج بسيط ولكنه سريع يمكن أن يكون بمثابة مجريات الأمور.


الاجابه 4:

الاستدلال هو عادة وظيفة مشفرة باليد. لا يعتمد على نموذج تم الحصول عليه عن طريق التدريب على مجموعة بيانات ، ولكنه يجسد عادة بعض الخبرة المنطقية من خبراء المجال.

خوارزمية التعلم الآلي هي خوارزمية تتكيف مع البيانات. على سبيل المثال ، خوارزمية التعلم عبر الإنترنت هي إحدى الخوارزميات التي تواصل تكييف نموذجها لكل مثال تراه. كلما تم استخدامه ، كان أفضل (اعتمادًا على فئة النماذج المستخدمة كفاية للمهمة).

إرشادي لا يتغير لكنه يبقى كما هو. إحدى الخدع الأنيقة هي أنه يمكننا استخدام كليهما: استخدام إرشادي في خوارزمية للتعلم الآلي للتركيز على بعض نماذج المرشحين الواعدة أولاً ، والتي يمكنها تسريع عملية التعلم بشكل كبير ؛ أو استخدام Machine Learning لتعلم نموذج بسيط ولكنه سريع يمكن أن يكون بمثابة مجريات الأمور.