یادگیری ماشین چیست

یادگیری ماشین (Machine Learning) چیست؟ به زبان ساده و به دور از فرمول‌های پیچیده، یادگیری ماشین علمی است که به کامپیوترها قدرت «یادگیری» می‌دهد؛ یعنی دقیقا مثل انسان‌ها و حیوانات، ماشین‌ها هم می‌توانند از تجربیات گذشته خود درس بگیرند و هوشمندتر شوند. در این مقاله، قرار است با زبانی ساده و مثال-محور، درباره چیستی یادگیری ماشین صحبت کنم. با هوسم همراه باشید…

مشاهده در آپارات      مشاهده در یوتوب

اهمیت یادگیری ماشین

قبل از اینکه به سوال یادگیری ماشین چیست پاسخ بدهم، بهتر است از اهمیت یادگیری ماشین بگویم. امروزه یادگیری ماشین (Machine Learning یا به اختصار ML) به بخش جدایی‌ناپذیر زندگی ما تبدیل شده است. شاید روزانه صدها بار بدون اینکه بدانیم، در حال استفاده از الگوریتم‌های آن باشیم! از موتور جستجوی گوگل گرفته تا سیستم پیشنهاددهی سایت‌هایی مثل دیجی‌کالا و آپارات که علایق ما را حدس می‌زنند، همگی بر پایه یادگیری ماشین کار می‌کنند. حتی ابزارهای مدرنی مثل ChatGPT یا هوش مصنوعی‌های تولید صدا و تصویر که این روزها شیفته‌شان شده‌ایم، مدیون پیشرفت‌های همین علم هستند.

واقعیت این است که ما نه تنها از این فناوری‌ها فراری نیستیم، بلکه دوست داریم تمام ابزارهای اطرافمان هوشمند شوند. مثلا فرض کنید یک هفته یادتان رفته که تیم محبوبتان بازی دارد؛ چقدر جذاب می‌شود اگر تلویزیون خانه‌تان بر اساس رفتار هر هفته شما، ۱۵ دقیقه قبل از شروع مسابقه به گوشی‌تان پیام بدهد: «تخمه و پفک را آماده کن که بازی تا چند دقیقه دیگر شروع می‌شود!» انسان امروز دیگر حوصله تنظیمات دستی، منوهای پیچیده و زمان‌بندی‌های سنتی را ندارد. ما می‌خواهیم ماشین‌های اطرافمان (از موبایل و تلویزیون گرفته تا خودرو و حتی چای‌ساز خانه) ما را بفهمند، نیازهایمان را پیش‌بینی کنند و هوشمندتر شوند.

تا اینجا متوجه شدید که یادگیری ماشین به دنبال هوشمند کردن ماشین‌هاست. یادگیری ماشین این هوشمند کردن را از طریق “آموزش” به ماشین‌ها انجام می‌دهد. چگونه ماشین‌ها یاد می‌گیرند؟ در ادامه خواهیم دید!

یادگیری ماشین چیست؟

اگر به کتاب‌ها و مراجع معتبر هوش مصنوعی نگاهی بیندازید، تعاریف متنوعی برای این علم پیدا می‌کنید. اما یکی از قدیمی‌ترین، زیباترین و در عین حال دقیق‌ترین تعاریف را آرتور ساموئل (Arthur Samuel)، از پیشگامان این رشته، در سال ۱۹۵۹ مطرح کرده است. من این تعریف را خیلی دوست دارم و برای تعریف چیستی یادگیری ماشین همواره به تعریف ایشان استناد می‌کنم.

Machine Learning is the field of study that gives computers the ability to learn without being explicitly programmed. —Arthur Samuel, 1959

فکر می‌کنم نیازی به ترجمه نیست. اما محض اطمینان، ترجمه تعریف بالا را می‌توانید در ادامه بخوانید:

یادگیری ماشین حوزه‌ای است که بدون برنامه‌ریزی مستقیم به کامپیوترها قابلیت یادگیری می‌دهد.

تعریف آرتور ساموئل دست‌کم دو ویژگی بنیادی را درباره ماهیت یادگیری ماشین به ما نشان می‌دهد:

1. امکان یادگیری: یادگیری ماشین قابلیت یادگیری به کامپیوترها می‌دهد.

2. عدم نیاز به برنامه‌ریزی مستقیم: با یادگیری ماشین، کامپیوترها برای یادگیری نیاز به برنامه‌ریزی مستقیم ندارند. یعنی یادگیری ماشین نقطه مقابل برنامه‌ریزی مستقیم است!

اما اجازه دهید روی همین ویژگی دوم کمی توقف کنیم؛ چون معمولا در کلاس‌های درسم، این جمله چالش‌برانگیزترین بخش برای دانشجویان است: «یادگیری ماشین، نقطه مقابل برنامه‌ریزی مستقیم است!» یعنی چه؟

بگذارید با همان مثال تلویزیون هوشمند بررسی کنیم. در برنامه‌نویسی سنتی (مستقیم)، برای اینکه تلویزیون زمان فوتبال را تشخیص دهد، یک برنامه‌نویس باید بنشیند و هزاران خط کد و شرط (If/Else) بنویسد؛ مثلا «اگر ساعت فلان بود و اگر در جدول پخش شبکه ورزش کلمه فوتبال وجود داشت، روشن شو!» این یعنی برنامه‌ریزی مستقیم؛ کاری به شدت سخت، زمان‌بر و در بسیاری از ابعاد (مثل تشخیص چهره یا اشیا) عملا غیرممکن!

اما یادگیری ماشین بازی را عوض می‌کند. یادگیری ماشین می‌گوید: «نیازی نیست شرط‌های پخش فوتبال را به من دیکته کنی؛ تو فقط به من داده (مثال) بده، من خودم الگو را کشف می‌کنم!» داده؟ ممکن است با داده آشنایی نداشته باشید. بعدا بیشتر درباره داده خواهید آموخت. اما به‌صورت خلاصه، داده برای یادگیری ماشین، حکم همان «تجربه‌ها و دیده‌هایی» را دارد که انسان در طول زندگی با آن‌ها یاد می‌گیرد. یک نوزاد چطور یاد می‌گیرد که سیب چیست؟ با دیدن، یادگیری از پدرومادر و لمس کردن ده‌ها سیب مختلف (یعنی داده). ماشین هم بدون داشتن داده، هیچ تجربه‌ای برای یادگیری ندارد.

مثال تلوزیون هوشمند و فوتبال واقعا برای من اتفاق افتاده است. من به تیم رئال مادرید علاقه‌مندم. یک بار که در گوشی‌ام نام رئال و حریفش را سرچ کردم تا ببینم نتیجه بازی چه شده، گوگل از من پرسید که می‌خواهی برای تیم مورد علاقه‌ات اطلاع‌رسانی (نوتیف) دریافت کنی؟ پس از آن، گاهی اینطور می‌شد که من اصلا یادم نبود که رئال بازی دارد، اما گوگل برای من به شکلی جذابی در بالای گوشی نتیجه بازی را به‌صورت زنده نشان می‌داد.

ممکن است برای عده‌ای همچنان تفاوت یادگیری ماشین با برنامه‌نویسی مستقیم روشن نشده باشد. در بخش بعدی تفاوت یادگیری ماشین با برنامه‌ریزی مستقیم را با یک مثال دقیق‌تر بررسی خواهم کرد. اما تا اینجا انتظار دارم تعریف آقای ساموئل برای یادگیری ماشین چیست را خوب فهمیده باشید.

تفاوت یادگیری ماشین با برنامه‌ریزی مستقیم

در این بخش می‌خواهم با یک مثال تفاوت میان برنامه‌ریزی مستقیم و یادگیری ماشین را به شما توضیح بدهم. کارخانه‌ای از شما خواسته که برای جداکردن میوه‌های سیب و موز الگوریتمی طراحی کنید. یک تسمه نقاله به شکل زیر در کارخانه وجود دارد. میوه‌ها را کارگران روی تسمه نقاله می‌چینند. این میوه‌ها بعد از فیلتر میوه‌های معیوب به مرحله جداسازی می‌رسند. اینجا شما باید به کارخانه کمک کنید. یک الگوریتم طراحی کنید که هر میوه در سبد مخصوص به خود بیفتد. حالا با این مثال برویم دو رویکرد حل مساله “برنامه‌ریزی مستقیم” و “یادگیری ماشین” را بررسی کنیم…

شکل 3: جداسازی میوه با استفاده از یادگیری ماشین

برنامه‌ریزی مستقیم

در برنامه‌ریزی مستقیم، تمامی قواعد باید فرموله شوند. یعنی شما باید با استفاده از تکنیک‌هایی مثل if else در کدنویسی و یک عالمه قوانین علمی، تجربی و خلاقیتی، تمامی قواعدی که منجر به جواب درست می‌شوند را کدنویسی کنید. بهتر است با مثال این قضیه را روشن‌تر کنم؛ اگر بخواهیم با برنامه‌ریزی مستقیم مساله سیب و موز حل شود، مثلا می‌توانیم بنویسیم که اگر رنگ میوه زرد بود، موز و اگر قرمز بود، سیب است. خوب است، با یک قانون ساده کل مساله را حل کردیم! مثلا، در شبه‌کد (Pseudocode) زیر، این کار به سادگی انجام شده:

# Direct programming (rule-based classification)
# Goal: identify the fruit based on color and shape

function classify_simple(fruit):
    if fruit.color == "yellow":
        return "banana"
    else if fruit.color == "red":
        return "apple"
    else:
        return "unknown"

# Example:
# classify_simple({color:"yellow"}) -> "banana"

اما خبردار می‌شویم که رئیس کارخانه عصبانی شده، چون تمام سیب‌های زرد داخل سبد موز رفته‌اند!

از رئیس کارخانه فرصت می‌گیریم و قول می‌دهیم که اصلاحش کنیم. خب به نظر می‌رسد که باید قانون جدیدی اضافه کنیم. قانون جدید را اینطور می‌نویسیم که:

• اگر رنگ میوه زرد و شکلش منحنی (Curve) بود، موز است.
• اگر هم شکلش دایره‌ای و رنگش قرمز یا زرد بود، سیب است.

# Direct programming (rule-based classification)
# Goal: identify the fruit based on color and shape

function classify_fruit(fruit):
    # Rule 1: If color is yellow AND shape is curved → banana
    if fruit.color == "yellow" AND fruit.shape == "curved":
        return "banana"

    # Rule 2: If shape is round AND (color is red OR color is yellow) → apple
    else if fruit.shape == "round" AND (fruit.color == "red" OR fruit.color == "yellow"):
        return "apple"

    # Fallback rule: none matched → unknown
    else:
        return "unknown"


# --- Example runs ---
# classify_fruit({color:"yellow", shape:"curved"}) → "banana"
# classify_fruit({color:"red", shape:"round"}) → "apple"
# classify_fruit({color:"green", shape:"round"}) → "unknown"

حالا اگر سیب یا موز کال (رنگ سبز) را به الگوریتم بدهیم چه می‌گوید؟ احتمالا جواب درستی نمی‌دهد. پس بازهم باید یکسری قواعد جدید بگذاریم. اگر موز پوسیده را نشان بدهید چه؟ بازهم به مشکل می‌خوریم! به همین ترتیب باید آنقدر قوانین تعیین کنیم که همه حالت‌ها پوشش داده شوند.

این همه قانون نوشتیم، اما ممکن است یکسری قواعد اصلا به ذهنتان نرسیده باشد. یا اصلا در مورد آن‌ها دانشی نداشته باشید. این مسائل باعث می‌شوند که الگوریتم کارایی ضعیفی داشته باشد. همچنین کوچکترین تغییری در داده‌ها (مثلا تاریک بودن محیط) باعث اضافه شدن قواعد جدیدی به کدها شود! این روندِ برنامه‌ریزی مستقیم برای حل چنین مساله‌ای است. در اینجا یک مثال بسیار ساده آوردم، ولی همیشه مسائل اینقدر هم ساده نیستند.

بلوک دیاگرام برنامه‌ریزی مستقیم

در برنامه‌ریزی مستقیم در واقع شما یک الگوریتم می‌سازید. سپس الگوریتم و داده‌ها را به کامپیوتر می‌دهید و خروجی مطلوب خود را دریافت می‌کنید:

در بلوک دیاگرام بالا، داده همان سیب و موز است. الگوریتم همان قوانینی است که ما نوشته‌ایم (مثلا به زبان پایتون نوشته‌ایم). کامپیوتر یا هر ماشین دیگری این الگوریتم را اجرا می‌کند. ورودی‌ها را به الگوریتم می‌دهد و خروجی را می‌گیرد. آیا این الگوریتم‌ها کاربردی هم دارند یا دیگر به قول معروف دمده شده‌اند؟ بله، هنوز کاربرد دارند. مثلا، چک کردن قدرت/ضعف یک پسورد، محاسبه مقدار مالیات افراد، محاسبه حق بیمه افراد و این قبیل مسائل، به سادگی با برنامه‌ریزی مستقیم یا مبتنی بر قواعد (Rule-based) قابل حل است.

اما یک سوال: بیایید ماشین را یک کودک درنظر بگیریم که فرق بین موز و سیب را نمی‌داند. کدام سناریو را برای آموزش سیب و موز به کودک انتخاب می‌کنید؟

• او را با برنامه‌ریزی مستقیم آموزش می‌دهیم.
• یا کافی است چند نمونه سیب و موز همراه با نام آنها به کودک نشان دهیم.

نگویید که راه حل اول را انتخاب می‌کنید! طبیعتا، راه حل دوم را انتخاب می‌کنیم، چون دراین‌حالت ما به قابلیت‌های ویژه مغز او اعتماد داریم. در یادگیری ماشین هم ما به دنبال چنین روشی هستیم. برویم سراغ بخش هیجان‌انگیز از پست یادگیری ماشین چیست؟

یادگیری ماشین

حالا، می‌خواهم از الگوریتم یادگیری ماشین برای حل مثال قبل استفاده کنم. ابتدا باید یک الگوریتم مناسب انتخاب کنیم. بله، دیگر نیازی نیست که ما الگوریتم بنویسیم، کافی است یکی از بی‌شمار الگوریتم یادگیری ماشین را انتخاب کنیم. کدام الگوریتم؟ فعلا، برای شما زود است. در یادگیری ماشین مدل‌ها/الگوریتم‌های زیادی مانند رگرسیون لجستیک، K-نزدیک‌ترین همسایگی، ماشین بردار پشتیبان و غیره داریم که در مقاله‌های جداگانه درباره آنها صحبت کرده‌ام. فکر کنید، ما مثلا مدل رگرسیون لجستیک را برای جدا کردن موز و سیب انتخاب کرده‌ایم.

بعد از انتخاب الگوریتم، تعدادی تصویر موز و سیب به آن نشان می‌دهیم و می‌گوییم که اینها موز و سیب هستند. دقیقا شبیه به همان رفتاری که با کودک داشتیم. به شبه‌کد زیر نگاه کنید؛ یک مدل بنام LogisticRegression داریم که به آن n داده موز و سیب داده‌ایم تا آموزش ببیند. سپس، به مدل آموزش‌دیده یک مجموعه داده تستی می‌دهیم.

# Machine Learning approach to classify fruits

# Step 1: Prepare data (images or features)
# Each sample has features and a label
# Example features: color_brightness, curvature, shape_roundness

training_data = [
    (features_of_banana_1, label="banana"),
    (features_of_banana_2, label="banana"),
    ...,
    (features_of_banana_n, label="banana"),
    (features_of_apple_1, label="apple"),
    (features_of_apple_2, label="apple"),
    ...,
    (features_of_apple_n, label="apple"),
]

# Step 2: Choose a model (e.g., Logistic Regression)
model = LogisticRegression()

# Step 3: Train the model on the labeled data
model.train(training_data)

# Step 4: Test on a new sample
predicted_label = model.predict(test_sample)

print("Predicted:", predicted_label)

# Example outcomes:
# If the features look like a banana → "banana"
# If the features look like an apple → "apple"

اما الگوریتم یادگیری ماشین چه چیزی دارد که می‌تواند با دیدن یکسری داده، یاد بگیرد؟ الگوریتم یادگیری ماشین ما یکسری پارامتر داخلی دارد. وقتی ما داده را به الگوریتم می‌دهیم، پارامترهای الگوریتم آنقدر تغییر می‌کنند تا درنهایت یاد بگیرند. یعنی الگوریتم یادگیری ماشین با داده‌ها آنقدر تمرین می‌کند تا اینکه نهایتا یاد بگیرد چطور با دیدن داده (موز/سیب)، جواب درست را حدس بزند. نیاز به توضیح بیشتر درباره پارامتر داخلی مدل یادگیری ماشین دارید، نه؟ خب درک می‌کنم، ولی خیلی زود است. نمی‌توان در این جلسه گفت. من فعلا تلاشم این هست که شما به سوال یادگیری ماشین چیست بتوانید به‌خوبی جواب بدهید. در سایت هوسم، آنقدر مقاله آموزشی داریم که می‌توانید به این سوال‌های شما پاسخ دهیم.

بلوک دیاگرام یادگیری ماشین

به شکل زیر نگاه کنید؛ در الگوریتم‌های یادگیری ماشین شما وظیفه پیدا کردن و وضع قوانین را بر عهده ندارید. کافی است داده ورودی (تصویر موز/سیب) را همراه با داده خروجی (نام سیب/موز) به کامپیوتر بدهید تا الگوریتم را برای شما بسازد. منظورم از ساخته شدن الگوریتم، همان تنظیم پارامترهای داخلی مدل انتخابی ما (مثلا رگرسیون لجستیک) هست. الگوریتم که ساخته شد، حالا به راحتی به آن داده ورودی (تصویر سیب/موز) بدهید تا نام آن را حدس بزند.

احتمالا آن داده خروجی برای شما مبهم هست. اینکه داده خروجی چیست و چه کاربردی دارد؟ ما در یادگیری ماشین به آن داده خروجی، برچسب (label) می‌گوییم. مثلا، برای این مسئله دسته‌بندی میوه‌ها، ما دو برچسب سیب و موز داریم. چرا باید برچسب داشته باشیم؟ خب، کافی است به یادگیری انسان نگاه کنید! احتمالا، برای اولین بار که به کودکان سیب و موز را آموزش می‌دهیم، هم تصویر یا اصل میوه را نشان می‌دهیم و هم می‌گوییم که این سیب/موز است.

نگران نباشید، بحث داده و برچسب را هنوز باز نکرده‌ام. در همین دوره یادگیری ماشین رایگان، در یک جلسه جداگانه به‌صورت مفصل درباره داده در یادگیری ماشین صحبت خواهد شد. چون داده در یادگیری ماشین از اهمیت بسیار بالایی برخوردار است.

هرآنچه که برای جلسه یادگیری ماشین چیست نیاز بود را توضیح دادم. در ادامه، مطالبی می‌گویم که خواندن آنها اختیاری است. چون مطالب مرتبط با این پست و آموزنده بوده، در انتهای این آموزش آوردم.

تعریف یادگیری ماشین از نگاه تام میشل (Tom Mitchell)

آقای تام میشل (Tom Mitchell) نویسنده یکی از کتاب‌های مرجع و بسیار معروف در دنیای یادگیری ماشین است. ایشان در سال ۱۹۹۷ در کتاب خودش تعریفی از یادگیری ماشین ارائه کرده که یک تعریف کاملا مهندسی، دقیق و ساختاریافته است. البته اعتراف کنم، این تعریف نسبت به تعریف آقای آرتور ساموئل کمی سنگین‌تر و پیچیده‌تر است!

آقای تام میشل، تعریف یادگیری ماشین را فرموله کرده است. او معتقد است برای اینکه با قاطعیت بگوییم یک کامپیوتر در حال یادگیری است، باید سه ضلع یک مثلث را مشخص کنیم:

• تجربه (Experience یا E)
• وظیفه (Task یا T)
• معیار ارزیابی عملکرد (Performance یا P)

تعریف انگلیسی ایشان را در ادامه بخوانید:

a computer program is said to learn from experience E with respect to some task T and some performance measure P, if its performance on T, as measured by P, improves with experience E.

چه خبر؟ خوبی؟! 😀 سخت بود نه؟! اشکالی ندارد. من هستم و تعریف بالا را برای شما حلاجی می‌کنم! 😎 اول بیایید ترجمه ساده‌تر این متن به ظاهر غول‌آسا را بخوانیم:

می‌توان گفت یک برنامه کامپیوتری از تجربه E از دسته‌ای از وظایف T با معیار ارزیابی عملکرد P یاد می‌گیرد، اگر عملکردش در وظایف T با کسب تجربه E بهبود یابد.

باز هم سخت بود؟ اصلا نگران نباشید! به‌صورت خلاصه و خودمانی، این تعریف می‌گوید: آهای برنامه کامپیوتری! من زمانی قبول می‌کنم که تو با تجربه گرفتن (E)، انجام یک کار (T) را یاد گرفته‌ای، که آمار و ارقامت (P) نشان بدهند کارت را بهتر و دقیق‌تر از قبل انجام می‌دهی! واضح است که در این تعریف، سه المان کلیدی یعنی وظیفه (T)، تجربه (E) و معیار ارزیابی (P) مطرح هستند. بیایید ۳ مثال واقعی و ملموس ببینیم تا این مثلث طلایی تام میشل کاملا برایتان روشن شود.

فیلتر کردن ایمیل‌های اسپم (Spam Detection)

تصور کنید شرکت گوگل از شما خواسته الگوریتمی بنویسید که ایمیل‌های تبلیغاتی و مزاحم (اسپم) را به پوشه مربوطه بفرستد و ایمیل‌های اصلی را در Inbox نگه دارد. مثلث تام میشل برای این پروژه این‌گونه شکل می‌گیرد:

• وظیفه (T): تشخیص و جداسازی ایمیل‌های اسپم از ایمیل‌های معمولی.

• تجربه (E): بررسی و تحلیل میلیون‌ها ایمیلی که قبلا کاربران جی‌میل آن‌ها را به عنوان اسپم یا معمولی علامت زده‌اند (داده‌های گذشته).

• معیار عملکرد (P): درصد ایمیل‌هایی که سیستم به درستی تشخیص داده است (دقت یا Accuracy). هرچه این درصد بالاتر برود، یعنی سیستم بهتر یاد گرفته است.

سیستم پیشنهاد کالا در دیجی‌کالا (Recommender system)

در دیجی‌کالا، سیستم می‌خواهد به محض ورود شما، کالاهایی را پیشنهاد دهد که دقیقا به آن‌ها نیاز دارید تا وسوسه شوید و خرید کنید! این سیستم چطور کار می‌کند؟

• وظیفه (T): پیشنهاد دادن کالاهای جدیدی که احتمالا کاربر به آن‌ها علاقه دارد.

• تجربه (E): نگاه کردن به تاریخچه کلیک‌ها، سرچ‌ها و خریدهایی که خود کاربر یا افراد مشابه او قبلا انجام داده‌اند.

• معیار عملکرد (P): تعداد پیشنهادهایی که در نهایت منجر به کلیک و خرید واقعی توسط کاربران می‌شود.

تشخیص پلاک خودرو (Automatic License Plate Recognition)

سیستم تشخیص پلاک هوشمندی را فرض کنید که در ورودی یک پارکینگ یا بزرگراه نصب شده و قرار است عکس پلاک‌ها را بگیرد و شماره پلاک آن را بخواند:

• وظیفه (T): تشخیص و خواندن حروف و اعداد درون عکس پلاک خودرو.

• تجربه (E): بررسی هزاران تصویر پلاک مختلف در نورها و زاویه‌های متفاوت که متن دقیق آن‌ها از قبل توسط اپراتور مشخص شده است.

• معیار عملکرد (P): درصد پلاک‌هایی که سیستم توانسته حروف و اعداد آن‌ها را کاملا درست، بدون خطا و در سریع‌ترین زمان ممکن بخواند.

خب حالا امیدوارم که دیگر تا حدی متوجه منظور آقای تام میشل و فرمول سه‌گانه‌اش شده باشید و این غول برایتان اهلی شده باشد!

در این آموزش به موضوع « یادگیری ماشین چیست » پرداختیم. معنی یادگیری ماشین را یاد گرفتید؟ تفاوت یادگیری ماشین با برنامه‌ریزی مستقیم را درک کردید؟ امیدوارم که این آموزش مورد توجه شما قرار گرفته باشد. سوالات و نظرهای خود را برایمان کامنت کنید.