تعريف التعلم الخاضع للإشراف
يمكن أن تكون عملية تدريب نموذج إما خاضعة للإشراف أو غير خاضعة للإشراف. هدفنا هنا هو التباين بين هذه الأساليب، ثم التعمق في عملية التعلم مع التركيز على التعلم الخاضع للإشراف. ومع ذلك، يجدر بنا أن نتذكر طوال هذه المناقشة أن الفرق الوحيد بين التعلم الخاضع للإشراف والتعلم غير الخاضع للإشراف هو كيفية عمل الدالة الموضوعية.
ما هو التعلم غير الخاضع للإشراف؟
في التعلم غير الخاضع للإِشراف، نُدرب نموذج لحل مشكلة دون أن نعرف الإجابة الصحيحة. في الواقع، عادةً ما يُستخدم التعلم غير الخاضع للإشراف للمشكلات التي لا توجد فيها إجابة واحدة صحيحة، ولكن بدلًا من ذلك، تُستخدم حلولًا أفضل وأسوأ.
تخيل أننا نريد نموذج التعلم الآلي لدينا أن يرسم صورا واقعية لكلاب الإنقاذ من الانهيار الجليدي. لا يوجد رسم واحد "صحيح" لرسمه. طالما تبدو الصورة إلى حد ما مثل الكلب، سنكون راضين. ولكن إذا كانت الصورة الناتجة لقطة، فهذا حل أسوأ.
تذكر أن التدريب يتطلب عدة عناصر:
في التعلم غير الخاضع للإشراف، فإن الدالة الموضوعية تجعل حكمها بحتًا على تقدير النموذج. وهذا يعني أن الدالة الموضوعية تحتاج في كثير من الأحيان إلى أن تكون متطورة نسبيًا. على سبيل المثال، قد تحتاج الدالة الموضوعية إلى احتواء "كاشف الكلاب" لتقييم ما إذا كانت الصور التي يرسمها النموذج تبدو واقعية أم لا. البيانات الوحيدة التي نحتاجها للتعلم غير الخاضع للإشراف هي الميزات التي نقدمها للنموذج.
ما هو التعلم الخاضع للإشراف؟
فكر في التعلم الخاضع للإشراف على أنه التعلم حسب المثال. في التعلم الخاضع للإشراف، نُقيّم أداء النموذج من خلال مقارنة تقديراته بالإجابة الصحيحة. على الرغم من أنه يمكننا الحصول على وظائف موضوعية بسيطة، إلا أننا نحتاج إلى كليهما:
- الميزات التي يتم توفيرها كمدخلات للنموذج
- التسميات، وهي الإجابات الصحيحة التي نريد أن يتمكن النموذج من إنتاجها
على سبيل المثال، ضع في اعتبارك رغبتنا في التنبؤ بدرجة الحرارة في 31 يناير من عام معين. لهذا التنبؤ، سنحتاج إلى بيانات ذات مكونين:
- الميزة: التاريخ
- التسمية: درجة الحرارة اليومية (على سبيل المثال، من السجلات التاريخية)
في السيناريو، فإننا نقدم ميزة التاريخ إلى النموذج. سيتنبأ النموذج بدرجة الحرارة، وسنقارن هذه النتيجة بدرجة الحرارة "الصحيحة" لمجموعات البيانات. يمكن للدالة الموضوعية بعد ذلك حساب مدى جودة عمل النموذج، ويمكننا إجراء تعديلات على النموذج.
التسميات هي فقط للتعلم
من المهم أن نتذكر أنه بغض النظر عن كيفية تدريب النماذج، فإنها تعالج الميزات فقط. أثناء التعلم الخاضع للإشراف، الدالة الموضوعية هي المكون الوحيد الذي يعتمد على الوصول إلى التسميات. بعد التدريب، لا نحتاج إلى تسميات لاستخدام نموذجنا.