شفاف‎سازی در مورد ایده و کاربردهای یادگیری ماشینی در حوزه هوش مصنوعی

یادگیری ماشینی شاخه ای اصلی هوش مصنوعی است که هدف آن این است که به کامپیوترها توانایی یادگیری بدون برنامه ریزی صریح را بدهد. یادگیری ماشینی دارای زیرشاخه ها و کاربردهای زیادی است. این مقاله که با رویکرد مروری و روش کتابخانه‎ای گردآوری شده است، ابتدا به بررسی تاریخچه‎ای از یادگیری ماشینی و سپس سیر تحولی آن می‎پردازد. سپس انواع، اهمیت و نهایتا ایرادات و محدودیت‎های آن را مورد بررسی قرار می‎دهد. تحقیقات یادگیری ماشینی در حل مسائل پیچیده تا اواسط دهه ۲۰۰۰ پیشرفت آهسته و پیوسته ای داشت و پس ازآن پیشرفت در این زمینه به شدت شتاب گرفت. دلایل این پیشرفت چشمگیر شامل در دسترس بودن حجم زیادی از داده ها به دلیل اینترنت، مانند مجموعه داده های بزرگ از تصاویر، در دسترس بودن مقادیر زیادی از توان محاسباتی، پشتیبانی شده توسط حافظه و فضای ذخیره سازی بزرگ و نهایتا الگوریتم های بهبودیافته که برای مجموعه داده های بزرگ بهینه شده اند برخی از برجسته ترین پیشرفت ها در یادگیری ماشینی، هستند. توانایی جستجو و شناسایی الگوها در مقادیر زیاد از داده و در برخی کاربردها بدون دانش قبلی از مزیت ویژه رویکردهای یادگیری ماشینی است. یادگیری ماشینی می تواند بینش هایی در مورد ساختارها و الگوهای موجود در مجموعه داده های بزرگ ارائه دهد. همچنین برای ایجاد مدل ها با یادگیری از مجموعه داده های موجود برای پیش بینی یا پیش بینی نتایج یا رفتار استفاده می شود. اما مشکلاتی نیز دارد که عبارت اند از طبقه‎بندی، خوشه‎بندی و پیش‎بینی.

کلیدواژه ها:

یادگیری ماشینی ، هوش مصنوعی ، فناوری