باختصار
حلقة التغذية الراجعة (Feedback Loop) في التعلّم الآلي هي موقف بتأثّر فيه توقّعات النموذج على بيانات التدريب لنفس النموذج أو لنموذج تاني.
بالتفصيل
المثال اللي بيضربه المسرد: نموذج بيرشّح أفلامًا هيأثّر على الأفلام اللي الناس بتشوفها فعلًا، وده بدوره هيأثّر على نماذج الترشيح اللي هتتدرّب بعد كده على بيانات المشاهدة دي.
ليه ده مهم؟ لأن النموذج بيبدأ «يتعلّم من نفسه». لو رشّح نوعًا معيّنًا من الأفلام أكتر، الناس هتشوفه أكتر، والبيانات الجديدة هتقول إن النوع ده مطلوب أكتر، فيرشّحه أكتر كمان. ممكن ده يضيّق التنوّع، أو يثبّت انحيازًا قديمًا كان في البيانات، حتى لو ذوق الناس الحقيقي مختلف.
ومش كل حلقة تغذية راجعة سيّئة. التعلّم من تفاعل المستخدمين مفيد، بس المهم تكون واخد بالك إنها موجودة. والمسرد بيحطّها ضمن الأسئلة اللي لازم تسألها عن أنظمة التعلّم الآلي في بيئة الإنتاج.
مثال عملي
نظام بيقدّر أسعار الشقق على موقع إعلانات. لو البائعين بقوا يسعّروا شققهم على أساس تقدير النظام، البيانات الجديدة اللي النظام بيتدرّب عليها هتبقى انعكاس لتقديراته هو، مش للسوق الحقيقي. الحل: تتبّع أسعار البيع الفعلية، مش أسعار الإعلان، واستخدمها كأساس للتدريب.
مصطلحات مرتبطة
- Training-Serving Skew — انحراف التدريب عن التشغيل.
- Historical Bias — الانحياز التاريخي.
- Recommendation System — نظام التوصيات.
المصادر: Google ML Glossary
