کاربرد شبکه های عصبی و یادگیری ماشین در حوزه های مختلف

به گزارش کلیک، در سال های اخیر، بهترین سیستم های کامپیوتری که توانایی پیش بینی و تصمیم گیری در شرایط نا گهانی را دارند با استفاده از تکنولوژی شبکه های عصبی ساخته شده اند. در واقع در این سیستم های مبتنی بر شبکه های عصبی از یکسری داده که به داده های آموزشی معروفند استفاده می شود تا سیستم بتواند از روی این داده ها و الگوهای منطبق بر آن ها در شرایط ناگهانی بهترین تصمیم گیری را انجام دهد. آموزش ماشین با استفاده از داده ها در واقع مربوط به تکنولوژی یادگیری ماشینی است که از آن می توان در دسته بندی و همان طور که گفته شد در پیش بینی، وقایع و تصمیم گیری استفاده کرد. برای مثال با استفاده از یادگیری ماشینی و همچنین شبکه های عصبی ماشین قادر خواهد بود که تصویر مورد نظر مثلاً تصویر یک گل از نوع خاص را در تصویر دیجیتالی از یک منظره شناسایی کند.

اما شبکه های عصبی در مانند جعبه های در بسته ای هستند که داخل آن ها مشخص نیست. بعد از آموزش سیستم با استفاده از داده های آموزشی، شبکه عصبی می تواند عملیات شناسایی و دسته بندی را به خوبی انجام دهد اما این که چگونه این کار به خوبی انجام شده است شاید برای طراح این شبکه عصبی مشخص و واضح نباشد. بسیاری از کارشناسان بر این باورند که شاید بتوان با استفاده از داده های دیداری، ویژگی‌هایی از شبکه عصبی که باعث می شود شبکه عصبی به خوبی کار خود را انجام دهد را شناسایی و تعیین کرد. البته این مسئله فقط در مورد استفاده از شبکه های عصبی در تشخیص تصویر و کاربردهای این چنینی صادق است. در مورد کاربردهای شبکه عصبی در پردازش متن، متأسفانه استفاده از داده های دیداری برای شناسایی ویژگی‌های مفید شبکه های عصبی موفق، بلا استفاده است.

در کنفرانس انجمن زبان شناسی رایانشی، که امسال موضوع اصلی آن استفاده از شبکه های عصبی در پردازش زبان بود ، محققان آزمایشگاه علوم کامپیوتر و هوش مصنوعی دانشگاه MIT راه حل جدیدی برای آموزش شبکه های عصبی ارائه دادند که با استفاده از آن نه تنها سیستم قادر به دسته بندی و پیش بینی می شود بلکه می تواند با استفاده از آن بهترین و مناسب ترین تصمیم را مطابق با هر شرایطی اتخاذ کند.

شاید چیزی که برای عامه مردم مهم باشد این است که یک کامپیوتر چگونه می تواند در دنیای واقعی تصمیم گیری کند و حتی این تصمیم تا حد زیادی بهترین تصمیم ممکن باشد. به عقیده یکی از دانشجویان رشته مهندسی برق دانشگاه MIT یکی از دلایل اصلی که بسیاری از مردم مثلاً دکترها به استفاده از تکنولوژی شبکه عصبی و هوش مصنوعی برای درمان بیماران خود اعتماد نمی کنند، این است که شاید در مورد این تکنولوژی اطلاعات زیادی ندارند و درک این موضوع که ماشین چگونه می تواند بهترین تصمیم را در بهترین زمان اتخاذ کند برای آن ها پیچیده و مشکل باشد.

نکته مهم این است که کاربرد شبکه عصبی و یادگیری ماشین محدود به حوزه پزشکی نیست. بلکه از این تکنولوژی می توان در هر حوزه ای که تصمیم گیری اشتباه هزینه زیادی در بر داشته باشد استفاده کرد. به عقیده سخنرانان کنفرانس انجمن زبان شناسی رایانشی ، مجاب کردن افراد برای استفاده از این تکنولوژی در مشاغل خود یکی از مهم ترین اهداف است. به عقیده این محققان مجاب کردن مردم برای اینکه سیستم های طراحی شده با استفاده از شبکه عصبی مناسب ترین و بهترین تصمیم را در هر شرایطی اتخاذ می کنند، تنها هدف اصلی نیست. بلکه املا اینکه در بعضی شرایط اعمال نفوذ طراح در اخذ بهترین تصمیم ضروری و لازم است و یا اینکه افراد چگونه می توانند با سیستمی کار کنند که از الگوریتم استفاده شده در آن هیچ اطلاعی ندارند از جمله مواردی هستند که باید برای عامه مردم روشن شود. به نظر می رسد اطلاع رسانی و آگاه سازی مردم در خصوص این تکنولوژی بتواند به استفاده گسترده از آن در بسیاری از کاربردها مفید و مثمر ثمر باشد.

به عقیده حاضران در این کنفرانس از آشنا سازی مردم با مفاهیم اولیه شبکه های عصبی و یادگیری ماشین به عنوان یکی از مهم ترین کارهایی یاد شده است که با استفاده از آن می توان افراد را به استفاده از تکنولوژی شبکه عصبی و یادگیری ماشینی در بسیاری از حوزه های مهم که تصمیم گیری در آن حرف اول را می زند، تشویق و ترغیب کرد. با این روش مردم می توانند به این تکنولوژی اعتماد کرده و از آن استفاده کنند.

در مطلب آینده که ادامه همین مطلب است برای روشن کردن تکنولوژی شبه عصبی و یادگیری ماشینی به بیان مفاهیم پایه و ساختار آن می پردازیم. لطفاً در ادامه با ما همراه باشد.