یادگیری ماشین؛ زمانی که کامپیوترها شروع به یادگیری کردند
یکی از بزرگترین تغییرات در تاریخ AI زمانی اتفاق افتاد که دانشمندان به این نتیجه رسیدند که شاید بهتر باشد به جای اینکه تمام قوانین را مستقیماً به کامپیوتر آموزش دهند، به آن اجازه دهند از دادهها یاد بگیرد. این ایده پایه شکلگیری حوزهای به نام MACHINE LEARNINGیا یادگیری ماشین شد.
در روشهای قدیمی، برنامهنویس باید قوانین مشخصی را برای حل یک مسئله به کامپیوتر میداد. اما در یادگیری ماشین، الگوریتم میتواند با بررسی تعداد زیادی نمونه، الگوهایی را پیدا کند و بر اساس آنها پیشبینی انجام دهد. برای مثال، به جای اینکه تمام قوانین تشخیص یک گربه را به کامپیوتر توضیح دهیم، میتوانیم هزاران تصویر از گربهها به آن نشان دهیم تا خودش ویژگیهای مشترک را یاد بگیرد.
تاثیر آرتور ساموئل
یکی از پیشگامان این حوزه آرتور ساموئل بود که در دهه ۱۹۵۰ برنامهای برای بازی چکرز توسعه داد. این برنامه میتوانست با تجربه بازیهای قبلی، عملکرد خود را بهتر کند. این ایده که یک ماشین بتواند از تجربه خود برای بهبود عملکرد استفاده کند، یکی از پایههای مهم یادگیری ماشین شد.
با افزایش استفاده از اینترنت، حجم دادههای دیجیتال بهشدت رشد کرد. همزمان قدرت پردازشی کامپیوترها نیز افزایش یافت. ترکیب دادههای بیشتر، الگوریتمهای بهتر و سختافزار قدرتمندتر باعث شد یادگیری ماشین به یکی از مهمترین مسیرهای توسعه AIتبدیل شود.
