تعلّم الآلة ML

تعلّم الآلة هو أن تُعلِّم البرنامج قاعدة دون أن تكتبها. تعرض عليه آلاف الأمثلة التي تعرف إجابتها مسبقًا، فيستنتج هو النمط الذي يربط بينها. والطفل يتعلم كلمة «قطة» بالطريقة نفسها؛ لا أحد يقرأ على ابن السنتين تعريفًا في قاموس، بل يشير إلى القطط حتى تترسخ الفكرة، والنموذج يحتاج الإشارة نفسها لكن بقطط أكثر بكثير.

والاحتيال على البطاقات هو المثال الكلاسيكي، لأن أحدًا لا يستطيع كتابة قواعده. فلا يمكنك حصر كل علامة تدل على أن الدفعة مسروقة، ولو فعلت لغيّر اللصوص أسلوبهم في اليوم نفسه. لكن اعرض على النموذج مليون عملية دفع مصنّفة سلفًا بين سليمة ومشبوهة، فيجد شكل المشبوهة بنفسه. وهذا الشكل يضم أشياء ما كان إنسان ليفكر في فحصها، مثل سرعة كتابة رقم البطاقة.

وتأتي مع هذه القدرة ثغرة لا تُكتب في العروض، لأن النموذج يتعلم كل ما في الأمثلة بما فيه الأخطاء. فإذا كان موظفوك يدققون في عمليات بلد واحد فقط، تعلّم النموذج هذه العادة وكررها وكأنها قانون. وجودة الإجابات محكومة بجودة السجلات التي جاءت منها، فيصبح تنظيف السجلات القديمة معظم المشروع، وهذا عكس ما يتوقعه الناس. وقد اعتذرت لينكي سوفت لنظم المعلومات عن مشاريع عند هذه النقطة بالذات، لأن السجلات لم تكن صالحة للتعلم منها.

والنموذج يعطيك درجة لا حكمًا. يقول إن هذه العملية مشبوهة بنسبة اثنتين وثمانين من مئة، ويبقى على إنسان أن يقرر أين يمر الخط الفاصل. وهذا الخط قرار تجاري عن عدد الزبائن الحقيقيين الذين تقبل إزعاجهم مقابل الإمساك بلص واحد. ولهذا حين تبني لينكي سوفت نظام ذكاء اصطناعي، يكون الخط على شاشة يتحكم فيها المدير لا مدفونًا داخل الكود.

والمفاجأة الأخيرة هي كلفة التشغيل، لأن النموذج يشيخ كلما تغيّر العالم الذي تعلّم منه. فالطلب في محل يتبدل في الأسبوع الذي يفتتح فيه منافس قريب، ولهذا يعيد ستوريك تدريب توقعات المخزون بدل الاعتماد على تدريب واحد إلى الأبد. فاسأل من سيعيد تدريب نموذجك، وكل كم مدة، وبكم في السنة. وتكتب لينكي سوفت هذا الرقم في العقد بدل تركه ليُكتشف متأخرًا. والسؤال نفسه يصلح لأي تطبيق ويب بداخله نموذج، ولفكرة الذكاء الاصطناعي الأوسع التي ينتمي إليها.