التعلم الآلي طريقة لصنع دالة من أمثلة، لا قاعدة يكتبها مبرمج لكل حالة. إن أريته صوراً موسومة «قطة» و«لا قطة» ثم طلبت حكماً على صورة جديدة، فهذا تعلم بإشراف. إن تركته يجد تجمعات بلا وسم، فهذا تجميع. التعزيز يعاقب ويثيب على خطوات، كما في لعبة. الكلمة «ذكاء» في الإعلان لا تميز بين هذه الثلاثة.
التدريب غير التشغيل
التدريب يمر على البيانات مرات ويعدل أوزاناً داخل النموذج حتى يقل الخطأ على أمثلة معروفة. التشغيل (الاستدلال) يستخدم الأوزان الجاهزة على مثال جديد، وغالباً على شريحة أصغر داخل هاتف أو سيارة. النموذج الذي يحفظ أمثلة التدريب ويفشل خارجها اسمه إفراط في الملاءمة. البيانات المنحازة تُنتج حكماً منحازاً ولو كانت الرياضيات صحيحة: إن غابت وجوه من مجموعة التدريب فشل التعرف عليها. هذا ليس عطلاً في «الوعي» لأن النموذج لا يعي، بل يقرّب نمطاً إحصائياً. مراجعة يان ليكون ويوشوا بنجيو وجيفري هينتون في مجلة Nature عام 2015 شرحت لماذا نجحت الشبكات العميقة في الرؤية والكلام، وهي ورقة عن الطريقة لا عن منتج شركة.
الصورة الوجه الخلفي للوحة تسلا أوتوبايلوت HW2.5. حاسوب مساعدة قيادة في سيارة، يشغّل نموذجاً جاهزاً إن وُجد، ولا يُظهر بيانات التدريب ولا يعرّف التعلم الآلي.
المراجعة: LeCun, Bengio, Hinton, Nature 2015.
