یادگیری ماشین؛ علمی برای تبدیل ربات به انسان

حامد شهبازی در گفت‌وگو با خبرنگار ایمنا، با بیان اینکه یادگیری ماشین، شاخه‌ای از هوش‌مصنوعی است اظهار کرد: این شاخه از علم به شکل دانش محاسبات ادبی و ریاضی است که طی آن با استفاده از پارامترهای مختلف، مسائل گوناگون براساس تجربه‌های کسب شده، بهینه‌سازی می‌شود.

وی افزود: علم یادگیری ماشین، پیدا کردن پارامترهای مجهول در حوزه یک مسئله با حساب تجربیاتی است که از مسئله به‌دست می‌آوریم؛ در این علم سعی می‌شود تا کامپیوتر یا ربات، مهارت‌های گوناگونی یاد بگیرد.

این دکترای هوش و رباتیک ادامه داد: یادگیری ماشین به شاخه‌های مختلفی تقسیم می‌شود که سه شاخه مهم آن یادگیری با نظارت، یادگیری بدون نظارت و یادگیری تقویتی است که عمده کاربرد این علم در حوزه یادگیری با نظارت مشاهده می‌شود.

وی در رابطه با کاربرد علم یادگیری ماشین با نظارت گفت: شبکه مصنوعی و یادگیری ماشین کاربردهای مختلفی از جمله مسائل مربوط به دسته‌بندی مانند تشخیص الگو، شناسایی صوت انسان، تبدیل صدا به متن، تشخیص پلاک خودرو، تشخیص اثرانگشت، تشخیص هویت دارد و به طور کلی این علم تمام حوزه‌های بیومتریک را شامل می‌شود.

شهبازی افزود: دسته دیگری از کاربردهای علم یادگیری ماشین مربوط می‌شود به مباحث پیش‌بینی که یکی از کاربردهای شبکه‌های عصبی و یادگیری ماشین پیش‌بینی بازار بورس یا وضعیت هوا است. به طور کلی شبکه‌های عصبی و یادگیری ماشین در مسائل مرتبط با پیش‌بینی مورد استفاده قرار می‌گیرد.

وی در همین رابطه ادامه داد: از دیگر کاربردهای یادگیری ماشین، می‌توان به مباحث کنترل یا پایش اشاره کرد. با استفاده از این علم، می‌توان هر وسیله‌ای را که نیازمند کنترل است، با مکانیزم‌های شبکه عصبی و یادگیری ماشین قابل کنترل کرد.

این دکترای هوش‌مصنوعی و رباتیک در رابطه با کاربردهای یادگیری بدون نظارت گفت: نوع دیگری از یادگیری ماشین، بدون نظارت انجام می‌شود که بیشتر در زمینه حذف نویز، جمع‌آوری خطا و داده و پردازش سیگنال‌ها استفاده می‌شود و عمده کاربردهای این نوع از یادگیری در حوزه مخابرات و پردازش تصویر است.

وی افزود: یادگیری تقویتی که جزو سه نوع اصلی یادگیری ماشین است، برای آموزش انواع ربات استفاده می‌شود؛ این علم در ربات‌های خودمختار مورد استفاده قرار می‌گیرد به طوری که ربات با انجام عملیات‌های مختلف و بدون یادگیری قبلی صرفاً با پاداش و تنبیه رشد کرده و آموزش می‌بینید که این نوع از یادگیری یکی از مباحث روز و جذاب هوش‌مصنوعی محسوب می‌شود و کاربردهای گسترده‌ای در مباحث کنترلی و پیش‌بینی دارد.