یادگیری

یک سالی که گذشت پر بود از موضوعات نو و نادیده که همراه خود آموختنی‌های بسیار داشت. از فرهنگ و زبان نو بگیرید تا زبان‌های برنامه‌نویسی تازه به اوج رسیده.
اگر بخواهم از بین آموخته‌ها تنها یکی را انتخاب کنم که هم از نظر تغییر شیوه‌ی تفکر، هم از نظر برانگیختن حس کنجکاوی و هم از نظر شیفتگی در رتبه یک قرار داشته باشد، بی‌شک باید بگویم “یاد گرفتم که ماشین‌ها چگونه یاد می‌گیرند“؛ به زبان ساده‌تر “یادگیری ماشین” یا Machine Learning.
روش یادگیری ما هم نسبت به گذشته از بیخ و بن متحول شده است. یادم هست زمانی که دانشجوی کارشناسی بودم و درس “ارائه مطالب علمی و فنی” با استاد عزیزم آقای دکتر رامسین داشتم، برای تهیه مطالب ارائه که موضوع‌اش “وراثت در شی‌گرایی” بود، علاوه بر کتابخانه دانشکده و کتابخانه‌ی مرکزی دانشگاه، به چندین کتابخانه‌ی معتبر تهران از جمله کتابخانه‌ی شرکت داده‌پردازی، مرکز تحقیقات نیرو و کتابخانه‌های دانشگاه‌ها رفتم. و چون نمی‌توانستم کتاب‌ها را امانت بگیرم، کتاب‌ها را همان جا می‌خواندم و نکات مهم آن را روی فیش‌های کاغذی یادداشت می‌کردم تا بعد بتوانم از روی آن محتوای ارائه را آماده کنم. امروز کافی است در جستجوگر گوگل عنوانی را بنویسید و با یک کلیک، با انبوهی از اطلاعات بمباران شوید و جدا کردن سره از ناسره شده است مساله‌ی اصلی یادگیری.

اما ماشین‌ها به شیوه‌ای شگفت‌انگیز در حال یادگیری هستند. آنها به کمک داده‌ها و انسان‌ها در حال یادگیری الگوهای رفتاری و ویژگی‌های فردی و جمعی محیط زندگی انسان‌ها هستند.
شاید بهتر است با یک مثال ساده توضیح بدهم که چه اتفاقی در یادگیری ماشین افتاده است. یک نرم‌افزار را در نظر بگیرید که می‌خواهد شطرنج یاد بگیرد. در گذشته نرم‌افزار شطرنج‌باز حاوی یک سری الگوریتم و دستورات شرطی بود که بر اساس شرایط بازی تصمیم می‌گرفت که حرکت بعدی‌اش چه باشد. مثلا اگر فیل حریف در خانه الف و اسب حریف در خانه ب بود، اسب را به خانه‌ی ج حرکت بده. هر چه این فرمول‌ها و الگوریتم‌ها پیشرفته‌تر بود، ماشین شطرنج‌باز قوی‌تر می‌شد. اما داستان یادگیری با داده‌ها کمی متفاوت است. ما داده‌ی تعداد زیادی از بازی‌ها را به ماشین می‌دهیم و او بر اساس داده‌های بازی‌های دیده‌شده یاد می‌گیرد که چگونه بازی کند. هر چه تعداد این بازی‌ها بیشتر باشد، یادگیری شطرنج‌باز ماشینی ما هم بهتر می‌شود. درست مانند کودکی که دارد با تجربه‌ کردن زندگی کردن را یاد می‌گیرد.
کاربرد این شیوه‌ی یادگیری ماشین روز به روز گسترده‌تر می‌شود. تا آنجا که ماشین مقاله علمی می‌نویسد، کد نرم‌افزار تولید می‌کند، شعر می‌گوید و حتی صدا و حرکت‌ افراد را با دقت بالا تقلید می‌کند.
دنیای شگفت‌انگیزی است!