تقييم استخدام تقنيات الاستخبارات المستقلة
وصلت التعلم الآلي (ML) والتعلم العميق (DL) إلى مستوى التماثل البشري، حيث كان أداؤها جيدا مثل البشر في المهمة، للعديد من التطبيقات، بما في ذلك التعرف على الكائنات، والتعرف على الكلام، وفهم القراءة، والترجمة الآلية، ومعالجة اللغة العامة. لقد وصلت إلى التماثل البشري القريب لتركيب الكلام.
ومع ذلك، تعاني خوارزميات التعلم الآلي وDL من قيود البيانات. ستكون النتائج جيدة فقط مثل جودة بيانات الإدخال وسيتم تضخيم التحيز. كما أنها صناديق سوداء لا تحتوي على شرح أو تقليل. لذلك فهي غير موثوق بها، خاصة في الإعدادات الصناعية. كما أن لديهم أخطاء مثل الإيجابيات الزائفة والسلبيات الخاطئة التي ليست أخطاء شبيهة بالإنسان وغير متوقعة (يمكن أن يكون كل استنتاج خطأ).
تحتوي خوارزميات Deep Reinforcement Learning (DRL) على العديد من القوى العظمى. يمكنهم تغيير السلوك استجابة للظروف المتغيرة. يمكنهم تعلم العلاقات المعقدة وغير الخطية التي تتطلب اتخاذ قرارات عبر العلاقات الغامضة وغير الخطية بين المتغيرات، وعبور حالة البيئة. وهي تعمل بناء على تصور معقد. وهي تستجيب لتغييرات البيئة التي لا يتم قياسها مباشرة. وأخيرا والأهم من ذلك، يتعلمون الاستراتيجية.
ومع ذلك، فإن عناوين DRLs لها قيود أيضا. ليس لديهم معرفة سابقة بالمهمة المطروحة، ما يعني أنه يجب عليهم تعلم كل شيء من خلال عدد كبير من التكرارات التجريبية والخطأ. هذه العملية غير فعالة إذا كان عليهم التنقل في مساحة حالة كبيرة. لحسن الحظ، من الممكن تقليل تعقيد عناوين URL من خلال إدخال معرفة المجال لتقليل مساحة البحث.
في الجدول التالي، نلخص نقاط القوة والقيود الخاصة بالتقنيتين الرئيسيتين المضمنتين في التحليل الذكي المستقل: التعلم الآلي و DRL.
| ما طبيعتها؟ | متى يجب عليك استخدامه؟ | ما هي القيود؟ | |
|---|---|---|---|
|
-
التعلم الآلي (ML) - الشبكات العصبية (NN) - التعلم الآلي العميق (DML) |
شبكة العقد المترابطة التي تتعلم من البيانات للتعرف على الأنماط أو النسخ المتماثل للسلوك. | - عندما تحتاج إلى تصور مسبق مثل رؤية الكمبيوتر، ومعالجة اللغة الطبيعية، والصوت، وما إلى ذلك. -تصنيف -التنبؤ |
- من الصعب التدريب - قابلية شرح محدودة / غير بديهية (مربع أسود) - قابل للاختراق بسهولة - كل استدلال يمكن أن يكون موجبا أو سالبا خاطئا. - موثوقية منخفضة، غير محددة - غير قابل للتنفيذ، ويصعب دمجه في عملية صناعية. - عندما تحتاج إلى تصور مسبق مثل رؤية الكمبيوتر، ومعالجة اللغة الطبيعية، والصوت، وما إلى ذلك. -تصنيف - قابلية اعتماد منخفضة |
|
-
التعلم المعزز (RL) - Deep Reinforcement Learning (DRL) |
التعلم الآلي الذي يمارس في المحاكاة / العالم الحقيقي. | - تقييم الحالة الصعبة، البيئات غير الخطية والديناميكية. - عندما تحتاج إلى تصور مسبق مثل رؤية الكمبيوتر، ومعالجة اللغة الطبيعية، والصوت، وما إلى ذلك. -تصنيف - عندما نحتاج إلى تعلم الاستراتيجية على المستوى البشري. |
- من الصعب التدريب. - قابلية شرح محدودة / غير بديهية (مربع أسود). - من الصعب الاندماج في عملية صناعية. - عندما تحتاج إلى تصور مسبق مثل رؤية الكمبيوتر، ومعالجة اللغة الطبيعية، والصوت، وما إلى ذلك. -تصنيف - لا توجد معرفة سابقة بالمهمة المطروحة. |