منبع: بنیاد طراحی تعامل (IxDF) · بازنویسی آزاد: سپنتا پویا · ترجمه: ۶ شهریور ۱۴۰۵ · زمان مطالعه: حدود ۱۰ دقیقه

یادگیری ماشین (Machine Learning) چیست؟

💡 این متن «بازنویسی آزاد» است: ایده‌ها و مفاهیم مطلب اصلی با نگارش کاملاً مستقل فارسی و مثال‌های تازه بازگو شده‌اند و ترجمهٔ کلمه‌به‌کلمه نیست. بخش‌های افزودهٔ مترجم در جعبهٔ منبع مشخص شده‌اند.

در نرم‌افزار معمولی، قاعده را شما می‌نویسید و ماشین اجرا می‌کند. در یادگیری ماشین، شما نمونه می‌دهید و قاعده از دل داده بیرون می‌آید.

تعریف

یادگیری ماشین شاخه‌ای از هوش مصنوعی است که با داده و الگوریتم به ماشین یاد می‌دهد از تجربه بیاموزد.

کارهایی که تا دیروز فقط انسان می‌کرد، حالا در این دسته می‌نشینند: شناختن تصویر، تحلیل داده، و پیش‌بینی نتیجه.

و این تعریف یک نکتهٔ ساختاری دارد که راحت از دست می‌رود. جای قاعده عوض شده است.

سیستم الگوریتمی دارد که در داده الگو پیدا می‌کند و بر پایهٔ آن پیش‌بینی یا دسته‌بندی می‌کند. ساختن چنین سیستمی معمولاً روی چارچوب‌هایی مثل TensorFlow و PyTorch انجام می‌شود.

این مفهوم زیرمجموعهٔ هوش مصنوعی است، و یادگیری عمیق زیرمجموعهٔ خودش.

تعریف رسمی، و سه حرفی که دارد

تام میچل در ۱۹۷۹ صورت‌بندی رسمی را نوشت. برنامه‌ای از تجربهٔ E در کلاسی از وظایف T با معیار عملکرد P یاد می‌گیرد، اگر عملکردش در آن وظایف با تجربهٔ بیشتر بهتر شود.

و ارزش این تعریف در دقتش نیست؛ در این است که سه چیز را نام می‌برد و از شما می‌خواهد هر سه را مشخص کنید.

وظیفه: ماشین قرار است چه‌کاری بکند. معیار: از کجا می‌فهمیم بهتر شده. تجربه: از چه چیزی یاد می‌گیرد.

و اگر یکی از این سه مشخص نباشد، ادعای «یاد می‌گیرد» قابل بررسی نیست. معیار نامشخص یعنی هیچ‌کس نمی‌تواند بگوید مدل بهتر شده یا بدتر.

انواع یادگیری ماشین

• - ۱. یادگیری با نظارت: مدل روی دادهٔ برچسب‌خورده آموزش می‌بیند.
• - ۲. یادگیری بی‌نظارت: مدل روی دادهٔ بی‌برچسب آموزش می‌بیند.
• - ۳. یادگیری تقویتی: مدل با آزمون و خطا یاد می‌گیرد.
• - ۴. یادگیری چندوظیفه‌ای: یک مدل، چند وظیفهٔ هم‌زمان.
• - ۵. خودآموزی: مدل بخشی از برچسب‌ها را خودش می‌سازد.
• - ۶. فرایادگیری: یاد گرفتنِ خودِ یادگیری.

و برای طراح، تفاوت دو مورد اول عملی‌ترین‌شان است. یادگیری با نظارت به پاسخ درست نیاز دارد، و آن پاسخ را کسی باید بنویسد.

و آن کس معمولاً کاربر است، حتی اگر نداند. هر بار که کاربر پیشنهاد سیستم را اصلاح می‌کند، یک برچسب تازه ساخته می‌شود.

کاربردهای آشنا

• - موتور پیشنهاد: Amazon بر پایهٔ تاریخ خرید، کالا پیشنهاد می‌دهد.
• - تشخیص گفتار: Siri و Alexa فرمان صوتی را به عمل تبدیل می‌کنند.
• - کشف تقلب: بانک‌ها تراکنش مشکوک را خودکار پیدا می‌کنند.
• - خودران: Tesla و Waymo رانندگی بدون راننده را ممکن می‌کنند.
• - شناخت تصویر: Google Photos عکس‌ها را بر پایهٔ چهره و مکان مرتب می‌کند.
• - شخصی‌سازی شبکهٔ اجتماعی: Facebook ترتیب خورَند خبری را می‌چیند.
• - سلامت: IBM Watson پروندهٔ پزشکی را برای توصیهٔ درمان سرطان تحلیل می‌کند.
• - سرگرمی: Netflix فیلم و سریال شخصی‌سازی‌شده پیشنهاد می‌دهد.

و این هشت مورد یک وجه مشترک دارند که دیدنش آسان نیست. در هیچ‌کدام کاربر با «مدل» کار نمی‌کند؛ با یک رابط معمولی کار می‌کند.

مدل پشت یک فهرست، یک اعلان، یا یک ترتیب نشسته است. پس تجربهٔ یادگیری ماشین همیشه تجربهٔ چیز دیگری است.

مسیر تاریخی، در چند جهش

خط زمانی این حوزه از ماشین حساب مکانیکی ویلهلم شیکارد در ۱۶۲۳ شروع می‌شود و به مدل‌های امروز می‌رسد.

پیش از کامپیوتر: آدا لاولیس در ۱۸۳۰ نخستین الگوریتم را نوشت، و آندری مارکوف در ۱۹۱۳ زنجیره‌های مارکوف را معرفی کرد.

پایه‌های نظری: آلن تورینگ در ۱۹۳۶ ماشین جهان‌شمول را پیشنهاد داد و در ۱۹۵۰ آزمون تورینگ را طرح کرد. وارن مک‌کالک و والتر پیتس در ۱۹۴۳ شبکهٔ عصبی مصنوعی را ساختند.

تولد یک رشته: آرتور ساموئل در ۱۹۵۲ نخستین برنامهٔ خودآموزِ چکرز را نوشت. پروژهٔ تابستانی دارتموث در ۱۹۵۶ هوش مصنوعی را به یک رشته تبدیل کرد، و فرانک روزنبلات در ۱۹۵۷ پرسپترون را ساخت.

ابزارهای امروزی: جفری هینتون، دیوید روملهارت و رونالد ویلیامز در ۱۹۸۶ پس‌انتشار خطا را رایج کردند. یان لیکان و همکارانش در ۱۹۸۹ شبکهٔ LeNet را ساختند.

لحظه‌های نمایشی: Deep Blue در ۱۹۹۷ گری کاسپاروف را برد، Watson در ۲۰۱۱ قهرمانان جپردی را، و AlphaGo در ۲۰۱۵ لی سدول را.

دورهٔ داده و مقیاس: فی‌فی لی و همکارانش در ۲۰۰۹ پایگاه ImageNet را ساختند، و AlexNet در ۲۰۱۲ مسابقهٔ آن را برد.

و بعد مقیاس آمد. GPT-3 در ۲۰۲۰ با ۱۷۵ میلیارد پارامتر متن تولید کرد، و AlphaFold 2 در ۲۰۲۱ ساختار سه‌بعدی پروتئین را پیش‌بینی کرد.

و نکتهٔ خواندنی این خط زمانی فاصله‌هاست. پرسپترون در ۱۹۵۷ ساخته شد و کاربرد انبوهش نیم قرن بعد آمد — چون داده و توان محاسبه هنوز نبود.

طراحی برای هوش مصنوعی، طراحی با هوش مصنوعی

در نسبت این حوزه با طراحی، دو کار متفاوت وجود دارد که اسمشان شبیه است.

طراحی برای هوش مصنوعی یعنی گنجاندن آن در محصولی که می‌سازید. طراحی با هوش مصنوعی یعنی استفاده از آن به‌عنوان همکار در فرایند طراحی.

و مهارت اصلی در مورد اول، تشخیص است: طراح باید بداند کجا این فناوری به کاربر کمک می‌کند و کجا کار را پیچیده‌تر می‌کند.

و یک تغییر جنس هم در کار است. از دادن فرمان‌های جزئی می‌رسیم به بیان هدف، و ماشین مراحل را خودش پیدا می‌کند.

و این تغییر، شکل طراحی محصول را عوض می‌کند. تعامل انسان و هوش مصنوعی و هوش مصنوعی انسان‌محور دو جای دیگرند که این پرسش را ادامه می‌دهند.

نگرانی جای‌گزینی طراح هم هست، و پاسخ متعارف به آن یک جابه‌جایی است: مزیت رقابتی دست طراحی است که از این ابزار استفاده می‌کند.

سوگیری، در سه لایه

سوگیری در این سیستم‌ها یک چیز واحد نیست. سه لایه دارد و هر لایه جای دیگری ساخته می‌شود.

لایهٔ انسانی و شناختی: سوگیری از ذهن کسانی می‌آید که سیستم را می‌سازند و داده را برچسب می‌زنند. سوگیری‌های شناختی اینجا وارد کد می‌شوند.

لایهٔ سیستمی: سوگیری در ساختارها و رویه‌های موجود نشسته است، و داده فقط آن را ثبت می‌کند.

لایهٔ آماری و محاسباتی: سوگیری از نمونه‌گیری، توزیع داده و خودِ الگوریتم می‌آید.

و تفکیک این سه لایه کاربرد عملی دارد. هر لایه راه‌حل خودش را می‌خواهد و راه‌حل یکی، دیگری را درست نمی‌کند.

چهار تفاوتی که با تجربهٔ کاربری می‌کند

این بخش افزودهٔ من است، چون منبع کاربردها را می‌شمارد و نمی‌گوید حضور یک مدل، چه چیزی را در طراحی رابط عوض می‌کند.

یک: خروجی جواب نیست، حدس است. نرم‌افزار معمولی پاسخ قطعی می‌دهد و مدل، پاسخ محتمل.

و نتیجهٔ طراحی‌اش این است که رابط باید درجهٔ قطعیت را برساند، نه پنهانش کند. «احتمالاً» با «قطعاً» یک لحن ندارد.

دو: خطا از استثنا به قاعده تبدیل می‌شود. در نرم‌افزار معمولی خطا یک باگ است که رفع می‌شود.

در سیستم آماری، بخشی از خطا همیشه می‌ماند. پس مسیر جبران خطا باید بخشی از طراحی باشد، نه یک حالت فرعی.

سه: سیستم در طول زمان عوض می‌شود. مدل با دادهٔ تازه بازآموزی می‌شود و رفتارش جابه‌جا می‌شود.

و این با آموختنِ کاربر در تضاد است. کاربر مدل ذهنی می‌سازد و سیستمی که هر ماه فرق می‌کند، آن مدل را خراب می‌کند.

چهار: کاربر می‌خواهد بداند چرا. فهرست پیشنهادی بدون دلیل، فهرست تصادفی به‌نظر می‌رسد.

و یک جملهٔ کوتاه کافی است: «چون این را دیده بودید» از هر امتیاز دقتی بیشتر اعتماد می‌سازد.

هرچه هزینهٔ خطا بالاتر، اختیار کاربر بیشتر

این بخش هم افزودهٔ من است، چون منبع می‌گوید طراح باید بداند کجا این فناوری کمک می‌کند و معیاری برای این تشخیص نمی‌دهد.

دو چیز تعیین می‌کند رابط باید چه‌کار کند. قطعیت مدل، و هزینهٔ خطا برای کاربر.

قطعیت بالا و خطای کم‌هزینه: کار را خودکار انجام دهید. مرتب‌کردن عکس‌ها بر پایهٔ چهره از این جنس است.

قطعیت پایین و خطای کم‌هزینه: پیشنهاد بدهید و کنار بکشید. کاربر نگاهی می‌اندازد و رد می‌کند.

قطعیت بالا و خطای پرهزینه: کار را انجام دهید، اما راه برگشت بگذارید. حذف خودکار با امکان بازگردانی.

قطعیت پایین و خطای پرهزینه: دست نزنید و از کاربر بپرسید. تراکنش مالی و تصمیم پزشکی اینجا می‌نشینند.

و خانهٔ آخر همان‌جایی است که خودکارسازی بیشترین آسیب را می‌زند و بیشترین وسوسه را دارد.

و پیامد دیگرش این است که اختیار سیستم یک کلید دوحالته نیست. بین «فقط اطلاع می‌دهد» و «خودکار انجام می‌دهد» دو پلهٔ میانی هست.

آن دو پله پیشنهاد‌دادن و پیش‌فرض‌گذاشتن‌اند. و هر درجه از اختیار، یک راه برگشت لازم دارد.

در بافت فارسی

یک: دادهٔ فارسی کم است و ناهمگون. نیم‌فاصله، «ی» و «ک» عربی، و سه شکل عدد یک کلمه را به چند کلمهٔ متفاوت تبدیل می‌کنند.

و نتیجهٔ عملی‌اش این است که یکسان‌سازی متن پیش از هر مدلی لازم است — و این یک تصمیم طراحی است، نه فقط کار مهندسی.

چون همین یکسان‌سازی تعیین می‌کند جست‌وجوی کاربر چه چیزی پیدا کند. «کتابخانه» و «کتاب خانه» باید یک نتیجه بدهند.

دو: تشخیص گفتار فارسی ضعیف‌تر است. لهجه، نام‌های محلی و جمله‌های کوتاه، خطای تشخیص را بالا می‌برند.

و پیامد طراحی‌اش این است که رابط صوتی اینجا باید همیشه راه دوم داشته باشد: نمایش متن تشخیص‌داده‌شده، اصلاح دستی، و لغو ساده.

سه: فرض «همیشه آنلاین» اینجا نمی‌ماند. تحریم و قطعی، دسترسی به سرویس ابری را نامنظم می‌کند.

و راه‌حلش را باید از روز اول در طراحی گذاشت: مدل کوچک روی دستگاه، و حالت بی‌اتصال که کار را متوقف نکند.

چهار: برچسب «هوشمند» اعتبارش را از دست داده. کاربر ایرانی این کلمه را زیاد شنیده و کمتر دیده.

و به همین دلیل ادعا کارساز نیست. نتیجه را نشان دهید و بگذارید کاربر اصلاحش کند — و آن اصلاح، ارزان‌ترین دادهٔ آموزشی است که دارید.

جمع‌بندی

• - یادگیری ماشین: شاخه‌ای از هوش مصنوعی که با داده و الگوریتم، آموختن از تجربه را به ماشین یاد می‌دهد
• - و تفاوت ساختاری‌اش این است که قاعده دیگر ورودی نیست، خروجی است
• - تام میچل · ۱۹۷۹ · عملکرد در وظیفه با تجربهٔ بیشتر بهتر می‌شود
• - و آن تعریف سه چیز را نام می‌برد: وظیفه · معیار · تجربه
• - شش نوع: با نظارت · بی‌نظارت · تقویتی · چندوظیفه‌ای · خودآموزی · فرایادگیری
• - و یادگیری با نظارت به پاسخ درست نیاز دارد، و آن پاسخ را معمولاً کاربر می‌نویسد
• - کاربردها: پیشنهاد کالا · تشخیص گفتار · کشف تقلب · خودران · شناخت تصویر · خورَند خبری · سلامت · سرگرمی
• - و در هیچ‌کدام کاربر با مدل کار نمی‌کند: تجربهٔ یادگیری ماشین همیشه تجربهٔ چیز دیگری است
• - تاریخ: پرسپترون در ۱۹۵۷ · پس‌انتشار در ۱۹۸۶ · ایمیج‌نت در ۲۰۰۹ · و مقیاس در ۲۰۲۰
• - دو کار متفاوت: طراحی برای هوش مصنوعی، و طراحی با آن
• - و تغییر جنس کار: از فرمان جزئی به بیان هدف
• - سوگیری در سه لایه: انسانی و شناختی · سیستمی · آماری و محاسباتی
• - چهار تفاوت با تجربهٔ کاربری: خروجی حدس است · خطا قاعده است · سیستم عوض می‌شود · و کاربر دلیل می‌خواهد
• - معیار تصمیم: قطعیت مدل در برابر هزینهٔ خطا برای کاربر
• - و خانهٔ کم‌قطعیت و پرهزینه، همان‌جاست که خودکارسازی بیشترین آسیب را می‌زند
• - و اختیار سیستم کلید دوحالته نیست: اطلاع · پیشنهاد · پیش‌فرض · خودکار
• - و در فارسی: دادهٔ ناهمگون · تشخیص گفتار ضعیف‌تر · فرض همیشه‌آنلاین · و بی‌اعتباری برچسب «هوشمند»