ما الذي يجب أن يعرفه الاقتصاديون عن التعلم الآلي؟ التعلم الآلي يعني التعلم من البيانات Learning from data والتعلم الآلي هو أحد تطبيقات الذكاء الاصطناعي (AI) Artificial Intelligence الذي يوفر للأنظمة القدرة على التعلم والتحسين تلقائيًا من التجربة دون أن تتم برمجتها بشكل صريح. تبدأ عملية التعلم بالمشاهدات أو البيانات، مثل الأمثلة أو الخبرة المباشرة أو التعليمات، من أجل البحث عن أنماط في البيانات واتخاذ قرارات أفضل في المستقبل بناءً على الأمثلة التي نقدمها. الهدف الأساسي هو السماح لأجهزة الكمبيوتر بالتعلم تلقائيًا دون تدخل بشري أو مساعدة وتعديل الإجراءات وفقًا لذلك. هناك عدد لا يصدق من المشاكل التي يمكنك حلها من خلال توفير "بيانات التدريب" "عينة " الصحيحة لخوارزميات Algorithms التعلم الصحيحة، يدور التعلم الآلي حول البيانات والخوارزميات، ولكن في الغالب البيانات. هناك الكثير من الإثارة بشأن التطورات في خوارزميات التعلم الآلي، وخاصة حول التعلم العميق Deep Learning لكن ممكنًا البيانات هي المكون الرئيسي الذي يجعل التعلم الآلي. لذا، يمكن أن يكون لديك تعلم آلي بدون خوارزميات معقدة، ولكن ليس بدون بيانات جيدة.
ما لم يكن لديك الكثير من البيانات، يجب عليك الالتزام بالنماذج البسيطة. يقوم التعلم الآلي باستكشاف العلاقات الموجودة في بياناتك، والحصول على نماذج مبنية على الأنماط في العلاقات والتي يتم تحديدها بواسطة المعلمات Parameter فإذا كان عدد المعلمات كبير جدًا ، فسوف يؤدي ذلك أكثر من اللازم Overfit “لبيانات التدريب” العينة والحصول على نموذج لا يتم تعميمهGeneralize مما يتطلب الرجوع الى النماذج في الاقتصاد القياسي التطبيقي واستخدام اختبارات فحص النموذج (ولكن كقاعدة عامة في التعليم الآلي يحاول الالتزام بنماذج بسيطة وغير معقدة) وهنا تأتي أهمية استخدام التطورات الحديثة في النماذج القياسية وما حدث من تقدم سريع خلال 20 عاما الماضية, وتطورات أدت لتقديم نماذج تعطي نتائج تؤدي الى سهولة تعميمها والاستفادة منها.
يجب استخدام نوع جيد من البيانات وهذا ما يتطلب مرحلة "تنظيف البيانات" و"إعدادها للتحليل"، حيث أن نتائج التعلم الآلي تعتمد على جودة البيانات حيث يمكن تطبيق عبارة “Garbage in, Garbage out” على مرحلة التعلم الآلي، ولكنها تميز بشكل مناسب أحد القيود الرئيسية للتعلم الآلي. يمكن للتعلم الآلي اكتشاف الأنماط الموجودة في بيانات التدريب الخاصة بالفرد. بالنسبة لمهام التعلم الآلي الخاضعة للإشراف Supervised machine learning، مثل التصنيف Classification . ستحتاج إلى مجموعة قوية من “بيانات التدريب” الغنية بالميزات المصنفة بشكل صحيح مثل ما يقال في الإحصاء أنه يجب أن تمثل العينة كامل المجتمع.
لا يعمل التعلم الآلي إلا إذا كانت “بيانات التدريب “الخاصة بك تمثل تمامًا Representative كما تحذر نشرة الصندوق من أن "الأداء السابق ليس ضمانًا للنتائج المستقبلية"، يجب أن يحذر التعلم الآلي من أنه مضمون فقط للعمل مع البيانات الناتجة عن التوزيع نفسه الذي أنشأ بيانات التدريب الخاصة به. كن يقظًا من الانحرافات بين بيانات التدريب وبيانات الإنتاج، وأعد تدريب نماذجك بشكل متكرر حتى لا تصبح قديمة. ولكن باستخدام الخوارزميات الكلاسيكية للتعلم الآلي، يعتبر النص بمثابة سلسلة من الكلمات الرئيسية؛ بدلاً من ذلك، النهج القائم على التحليل الاستدلالي يحاكي قدرة الإنسان على فهم معنى النص.
المقالة منشورة في النشرة الفصلية التي تصدرها جمعية الاقتصاد السعودية عدد ذي القعدة 1444هـ / يونيو 2023م
شكرا لكم يادكتور/ نورة .....عنوان المقال لا يمت للمقال بكثير صلة .....المقال عن استخدامات الـ التعلم الالى في تطبيقات الاقتصاد ....." تطبيقات الخوارزميات والتعليم الالى في الاقتصاد القياسي " هو العنوان الاقرب للمقالة ...وهي مقالة لا تصلح ابدا للنشر للعموم اذا انها اكاديمية صرفة ......حيث انها تدخل في مواضيع curve fitting ...تبسيط العلوم للعامة مهم ....على العموم بداية جيدة للارتقاء في سلم الكتابة ....تحياتي