این مثل زمانی هست که ما انسانها یک سری وسیله را به اختیار خودمون دسته بندی می کنیم ممکنه دسته بندی که من انتخاب می کنم با دسته بندیی که شما انتخاب می کنید متفاوت باشه ولی خوب بلاخره دسته بندی هست

مثلا یکی‌از کاربرد های این روش در دسته بندی کردن اخبار در سایت های خبری هست به هوش مصنوعی گفته میشه بر اساس خبرهایی که تا الان منتشر شده خودت به سلیقه خودت خبرها را دسته بندی کن

اینجا دیگه این هوش مصنوعی را ما فقط یک چیز بهش می گوییم و ان چیزی که بهش گفته می شود تنها تعداد دسته ها است و نه اسم دسته ها مثلا بهش می گیم خبرها را در ۴ دسته قرار بده یا در ۷ دسته و یا... پس تنها چیزی که ما بهش خواهیم گفت تعداد دسته ها است در حالی که در یادگیری با نظارت علاوه بر تعداد دسته ها اسم هر دسته هم مشخص بود. و حتی چندمثال هم برای هر دسته بهش می دادیم

به روشی که فقط تعداد دسته ها را مشخص می کنیم و دسته بندی را به عهده ماشین می گذاریم یادگیری بدون نظارت گفته می شود

پس مورد سوم از این مطلب دارای حالت های مختلف هست الف- یادگیری با نظارت ب- یادگیری بدون نظارت

اما حالت دیگه ای هست که مشهور به یادگیری تقویتی هست فرض کنید رباتی ساختیم که می تواند با دور بین ببیند و درون اتاق جابجا شود هدف ربات خروج از اتاق بدون برخورد با وسایل هست پس یک سنسور هم براش می گذاریم که وقتی به چیزی برخورد کرد بفهمد که برخورد صورت گرفته. اما هیچ داده ای از قبل بهش نمی دهیم در ضمن مسیرهایی هم که طی کرده را می تواند ذخیره کند این ربات رو به اتاقی که میز و صندلی هم درون ان هست می بریم و روشن می کنیم و ولش می کنیم به امان خدا😄

ربات شانسی شروع می کنه به حرکت کردن تا زمانی که برخوردی صورت بگیرد جلو می رود. به محض برخورد می فهمد مسیر غلط هست برای اینکه دیگه این مسیر رو فراموش نکنه یک امتیاز منفی به مسیر می دهد (مثل زمانی که ما دستمون می خوره به شعله و میسوزه که فراموش نمی کنیم آتش خطرناک هست).

حالا بعد از برخورد باید برگردد و‌یک‌مسیر دیگه را امتحان کند اگر در مسیر جدید با چیزی برخورد نکرد یک امتیاز مثبت به مسیر می دهد. مثل زمانی که کودکی کار صحیحی انجام می دهد و ما تشویقش می کنیم.

این ربات بدبخت باید اینقدر درون این اتاق خودش رو به درو دیوار بکوبه تا مسیر خروج از اتاق رو یاد بگیره حالا کلی اطلاعات دارد با امتیاز مثبت و منفی یعنی عملا خودش اطلاعات رو‌برچسب دار کرد فقط با این تفاوت که می تواند امتیاز های مثبت و منفی مثل هم نباشند بعضی جا یدونه منفی‌ می‌گیره و بعضی جا ۲ تا و یا بیشتر در نهایت بعد از یادگیری مسیر دیگه اون با تطابق مسیر و تصاویری که گرفته می فهمد که میز اگر در مسیر بود نمره منفی خواهد داشت پس بهش نزدیک نمی شود و از کنارش می گذرد اما اگر تصویر در رو دید می فهمه که می تواند بهش نزدیک شود و یا اگر تصویر راهرو بود می تواند در طولش جابجا شود و نه در عرضش و اینجوری می‌شود که این رباتی که هیچی نمی فهمید حالا خیلی چیز می فهمه😍

یادگیری ماشین تا حالا شد سه حالت الف_ یادگیری با نظارت ب_ یادگیری بدون نظارت ج_ یادگیری تقویتی 🔺به نظرتون واقعا هوش مصنوعی می تواند برای آینده بشر خطرناک باشد؟ اینجا بهم بگو 👇👇👇👇👇 @HrRJ1364

دوستان گلم وقتتون بخیر یادتون هست گفتم که مطلبی که ۲۴ ساعت ازش می گذرد فقط ۳۰ درصدش یادتون می مونه

برای نجات از این مشکل باید مرور صورت بگیره