یادگیری ماشینی نوعی از هوش مصنوعی است که قادر به یادگیری بدون برنامهنویسی صریح توسط انسان است.
در بیشتر تاریخ خود، ما فکر میکردیم که یادگیری – توانایی تنظیم رفتار خود بر اساس اطلاعات جمعآوریشده – چیزی است که فقط انسانها انجام میدهند. چند دهه گذشته همه چیز را تغییر داده است. اکنون می دانیم که انواع حیوانات از تجربه، آموزش و حتی بازی یاد می گیرند. اما فقط حیوانات نیستند که یاد میگیرند، شواهد فزایندهای وجود دارد که گیاهان نیز این کار را میکنند. و اگر تا به حال قفل گوشی را با تشخیص چهره باز کرده باشید، یا با یک دستیار مجازی تعامل داشته باشید، از نزدیک تجربه کرده اید که ماشین ها نیز قادر به یادگیری هستند.
ادگیری ماشینی شکلی از هوش مصنوعی (AI) است که میتواند با طیف وسیعی از ورودیها، از جمله مجموعه دادههای بزرگ و دستورالعملهای انسانی سازگار شود
یادگیری ماشینی شکلی از هوش مصنوعی (AI) است که میتواند با طیف وسیعی از ورودیها، از جمله مجموعه دادههای بزرگ و دستورالعملهای انسانی سازگار شود. (برخی از الگوریتمهای یادگیری ماشینی در آموزش خود برای تشخیص الگوها تخصص دارند؛ این یادگیری عمیق نامیده میشود، که ما به تفصیل آن را در توضیحی جداگانه بررسی میکنیم.) اصطلاح “یادگیری ماشینی” برای اولین بار در سال 1959 توسط دانشمند کامپیوتر آرتور ساموئل ابداع شد. آن را به عنوان “توانایی یک کامپیوتر برای یادگیری بدون برنامه نویسی صریح”. بنابراین، الگوریتمهای یادگیری ماشین قادرند الگوها را شناسایی کنند و یاد بگیرند که چگونه با پردازش دادهها و تجربیات، پیشبینیها و توصیهها را انجام دهند، نه با دریافت دستورالعملهای برنامهنویسی صریح. الگوریتمها همچنین در پاسخ به دادهها و تجربیات جدید برای بهبود در طول زمان سازگار میشوند.
امروزه نیاز – و پتانسیل – برای یادگیری ماشینی بیش از هر زمان دیگری است. حجم و پیچیدگی دادههایی که اکنون تولید میشوند برای انسانها بسیار زیاد است. در سالهای پس از استقرار گسترده، یادگیری ماشینی در تعدادی از صنایع از جمله تجزیه و تحلیل تصویربرداری پزشکی و پیشبینی آب و هوا با وضوح بالا تأثیر گذاشته است.

