برچسبگذاری دادهها، پروسه شناسایی دادههای طراحی سایت در مشهد ناپخته (تصاویر، فولدرهای متنی، فیلمها و غیره) و اضافه کردن برچسبهای مفهومدار برای تنظیم محتوا میباشد تا یک سبک یادگیری ماشین بتواند از آن خاطر بگیرد. برای مثال، شما 10 هزار عکس از گربهها تنظیم میکنید و روی آنها برچسب “این تصاویر دارنده گربه می باشند” می زنید. بعد دسته دیگری از عکسها را تنظیم می کنید که در آنها گربهای نیست، به این ترتیب برچسب “گربهای نیست” را برای این شرکت قرار میدهید. با سپری شد مجال هوش تصنعی و مصنوعی خویش این قضیه را تشخیص میدهد.
در حالتی که تا به درحال حاضر به نوباوهای تلاوت حروف را فراگیری داده باشید، اشاره گر کارتها را به طور مداوم به آنان نماد میدهید. آنان صحیح پیش بینی میزنند. شما به وی “آفرین” میگویید و در شرایطی که نادرست پیش بینی بزنید میگویید”خیر، غلط میباشد”. در هوش تصنعی و مصنوعی نیز همین شغل را جاری ساختن می دهیم. در صدر تیمای از نمونهها را به سیستم نشانه میدهیم و هنگامی که غلط می شود، طرز برچسب گذاری دادهها را تغییرو تحول میدهیم تا سیستم بداند که نادرست نموده است. بدین شغل یادگیری تقویتی میگویند.
الگوریتم های یادگیری ماشین در هوش تصنعی چیست؟
شما بر روی دادههای خویش برچسبگذاری می کنید و همینطور آن ها را سازماندهی میکنید و آن گاه الگوریتمها را روی آن ها میچسبانید. الگوریتمها برای تجزیه و آنالیز دادهها استعمال میگردند، خریدن نگرش و متعاقبا حدس یا این که دریافت یک تصمیم با آنان به کارگیری میشود.
مثلا، به الگوریتم یادگیری تقویت گردیده که پیشنهادهایی را برای تماشای کلیپ در Youtube برای شما ارائه میدهد، اعتنا نمائید. بعداز تماشای یک ویدئو، این پلتفرم عنوان ها شبیهی که فکر می کند شاید شما دوست داشته باشید را به شما علامت میدهد. البته چنانچه آغاز به تماشای کلیپ سفارش گردیده فرمائید و تا انتها آن را نبینید، سیستم متوجه میگردد که پیشنهاد نیکی به شما نداده میباشد و وهله سپس نحوه دیگری را آزمون مینماید. یادگیری ماشین تیمای از الگوریتمها میباشد که اپلیکیشن را کار کشته میسازد فارغ از نیاز به دخالت نرمافزار نویس، خویش را آپدیت کرده و از حاصل قبل “حافظه بگیرد”. به صورت خلاصه، یک الگوریتم اپ نویسی کمی ورودی و منطق را در پوسته کد اخذ مینماید و خروجی را اکران می دهد. در مقابل این قضیه، یک الگوریتم یادگیری ماشین، ورودی و خروجی را اخذ مینماید و منطقی را ارائه می دهد که میتواند برای ورودی تازه مطلوب باشد تا شایسته ترین خروجی را داشته باشد.