المفاهيم الأساسية للذكاء الاصطناعي وتعلم الآلة

يبني هذا الموضوع المفردات التي يعتمد عليها بقية مقرر AWS Certified AI Practitioner. قبل أن تقارن بين الخدمات أو تفكّر في الحوكمة، تحتاج إلى صورة واضحة عمّا يعنيه الذكاء الاصطناعي وتعلم الآلة والتعلم العميق، وكيف تتعلم النماذج من البيانات، وكيف تقدّم تنبؤاتها بعد التدريب. تبدأ الدروس بالتعريفات الأساسية وتنتهي بطرق تقديم النموذج تنبؤاته في الإنتاج.

ما الذي يغطيه هذا الموضوع

• تعريف الذكاء الاصطناعي وتعلم الآلة، والفرق بينهما وبين البرمجة القائمة على القواعد، ومفردات النموذج والخوارزمية والتدريب والاستدلال
• الشبكات العصبية وما الذي يجعل التعلم العميق (عميقاً)، ومقايضته مع تعلم الآلة التقليدي في هندسة الميزات والبيانات وقابلية التفسير
• الذكاء الاصطناعي التوليدي والنماذج الأساسية وLLMs، والذكاء الاصطناعي الوكيل، والفرق بين التنبؤي والتوليدي والوكيل
• أنواع البيانات على محوري البنية والتصنيف، والصيغ الجدولية والزمنية والصورية والنصية
• التعلم الخاضع للإشراف وغير الخاضع للإشراف والمعزز، ومطابقة كل مسألة بنوع التعلّم الصحيح
• أنواع الاستدلال: الفوري والدفعي وغير المتزامن وبلا خادم، وربطها بخيارات SageMaker

لماذا هذا مهم

هذه المصطلحات ليست حشواً، بل هي اللغة التي تُصاغ بها بقية أسئلة الاختبار. سؤال عن اختيار نموذج أساسي، أو تأمين مسار بيانات، أو كشف التحيّز، يصبح أوضح بكثير حين تتقن الفرق بين التدريب والاستدلال، وبين البيانات المصنّفة وغير المصنّفة، وبين التنبؤي والتوليدي. أتقِن هذه الأساسيات، وتتحول شريحة كبيرة من الاختبار من تخمين إلى تفكير منظّم، لأن معظم الأسئلة تختبر الحدود بين هذه المفاهيم لا تعريفاتها المنفردة.