قرمصيص للأخبار أخبار الذكاء الاصطناعي بالعربي
باختصار
الـ Supervised Learning هو نوع من التعلّم الآلي (Machine Learning) بيتدرّب فيه النموذج على بيانات معنونة — يعني كل مدخل (Input) ومعاه الإجابة الصحيحة (Label) — عشان يتعلّم يتنبّأ بالنتايج لبيانات جديدة.
بالتفصيل
تخيّل إنك مدرّس بتصحّح امتحانات. عندك كتاب فيه الإجابات النموذجية، وكل ما طالب يحل سؤال غلط، بتقوله “لا، الإجابة الصح هي كذا”. مع الوقت، الطالب بيبدأ يفهم النمط ويجاوب صح لوحده. الـ Supervised Learning هو بالظبط نفس الفكرة — بس المدرّس هنا هو البيانات المعنونة (Labeled Data)، والطالب هو النموذج.
في الـ Supervised Learning، بتدّي النموذج أمثلة كتير ومعاها الإجابات الصحيحة. مثلًا، لو عايز النموذج يتعرّف على الـ Spam Emails، بتدّيله آلاف الإيميلات وكل واحد متصنّف: “ده Spam” أو “ده مش Spam“. النموذج بيشوف الأمثلة دي وبيبدأ يلاقي الأنماط — زي إن الإيميلات اللي فيها كلمات زي “اكسب فلوس” أو “عرض محدود” غالبًا بتكون Spam.
في نوعين أساسيين من مهام الـ Supervised Learning. الأول هو التصنيف (Classification)، زي تصنيف الإيميلات لـ Spam أو مش Spam، أو تصنيف صور لقطط أو كلاب. التاني هو الانحدار (Regression)، زي التنبؤ بسعر شقة بناءً على مساحتها وموقعها — يعني النتيجة بتكون رقم مش تصنيف.
ميزة الـ Supervised Learning إنه دقيق جدًا لما يكون عندك بيانات معنونة كويسة. العيب هو إن تجهيز البيانات المعنونة دي بياخد وقت ومجهود كبير — تخيّل حد قاعد يصنّف مليون صورة واحدة واحدة! عشان كده بعض الشركات بتستعين بفرق كبيرة أو حتى Crowdsourcing عشان يعنونوا البيانات.
مثال عملي
فلتر الـ Spam في Gmail بتاع Google هو مثال كلاسيكي على الـ Supervised Learning. النظام اتدرّب على ملايين الإيميلات اللي المستخدمين صنّفوها كـ Spam أو مش Spam. دلوقتي لما بيوصلك إيميل جديد، النظام بيقدر يحدد في ثانية لو ده Spam ويحطه في مجلد الـ Spam تلقائيًا من غير ما تعمل حاجة.
مصطلحات مرتبطة
- بيانات التدريب (Training Data)
- التعلّم بدون إشراف (Unsupervised Learning)
- التعلّم الآلي (Machine Learning)
- مجموعة بيانات (Dataset)
- التصنيف (Classification)
