في هذا المقال، سأتناول بعض الحالات التي يكون فيها التعلم الآلي مفيدًا للبحث العلمي وأحيانًا عدم جدواه، مستمدًا إلهامي من مجال علم الفلك الخاص بي.
يبدو أن التعلم الآلي (AI) موجود في كل مكان هذه الأيام. إذا كنت باحثًا، فربما لاحظت ظهور هذه المصطلحات بشكل متزايد في الأدبيات الأكاديمية في مجالك. ولكن إلى أي مدى يمكن أن يكون ذلك مفيدًا؟ هل يجب عليك أيضًا استخدام التعلم الآلي؟
في المشكلات البحثية المدفوعة بالبيانات، يقدم التعلم الآلي أكبر قيمة عندما يكون لديك الكثير من البيانات التي لا يمكن فحصها يدويًا. في هذه السيناريوهات، يمكن أن يخفف التعلم الآلي عبء عملك ويتيح لك التركيز على مجال بحثك. ومع ذلك، فإن تبني التعلم الآلي ليس بدون مخاطر وتكاليف خفية.
يمكن أن يؤدي تطبيق التعلم الآلي بدون تفكير إلى بعض التحليلات الخطيرة. على سبيل المثال، تتمكن الشبكات العصبية العميقة من حفظ البيانات التي رآها، مما يتسبب في سلوك غير متوقع عند التعامل مع بيانات جديدة. وتعاني العديد من خوارزميات التعلم الآلي من أداء ضعيف أو تعطل تام عند تطبيقها على مجالات جديدة. كما أن التعلم الآلي عرضة للتحيزات وتأثيرات الاختيار المتأصلة في بيانات التدريب. وأخيرًا، قد لا يتمكن التعلم الآلي من التمييز بين الميزات الهامة والمتغيرات المربكة. يمكن أن تساعد خبرتك في مجال متخصص في التعرف على هذه المخاطر الشائعة وتجنبها.
تتميز بعض خوارزميات التعلم الآلي بمنحنى تعلم حاد. أنت بالفعل تقوم بإجراء البحوث في مجال واحد، لذا يمكن أن يبدو أن تعلم تخصص جديد يكون أمرًا صعبا. يمكن أن يكون تعلم مصطلحات التعلم الآلي عقبة كبيرة، ولكن لحسن الحظ هناك العديد من المصادر للبدء في هذا المجال (على سبيل المثال، Fastai). تتوفر العديد من المفاهيم في التعلم الآلي في مجالات أخرى – على سبيل المثال، يمكن إعادة صياغة تحسين النماذج بلغة الديناميكا الحرارية والفيزياء الإحصائية. وبالإضافة إلى ذلك، هناك العديد من التخصصات الفرعية داخل التعلم الآلي، وربما لا ترغب في قضاء كل وقتك في استكشاف هذه الجحور المختلفة.
فقط لأنه يمكن القيام به باستخدام التعلم الآلي لا يعني أنه يجب أن يكون كذلك. عند ظهور خوارزميات جديدة رائعة، يكون من المثير دائمًا رؤيتها تطبق على مشكلات البحث المفضلة لديك. ولكن في نقطة ما، نحتاج إلى التحرك من مرحلة الإثبات إلى مرحلة إضافة القيمة. بمعنى آخر، يمكنك أن تسأل نفسك: "إذا لم أستخدم التعلم الآلي، هل سيظل هذا النتيجة مثيرًا للاهتمام؟"
عند تطبيقه بعناية، من خلال عدسة المشكك، يمكن أن يمكّن التعلم الآلي برامج البحث التي لا يمكن تحقيقها بطرق أخرى. بشكل عام، يمكن أن يمنح التعلم الآلي الباحثين قوة في أربعة طرق.
1. توقعات قائمة على الاتجاهات
في بعض الأحيان، قد ترغب في معرفة ما إذا كان يمكن استخدام مجموعة البيانات الخاصة بك لتحديد شيء آخر. على سبيل المثال، قد سمعت عن كيف يمكن أن يساعد التعلم الآلي في الطب الأطباء في فحص السرطان. في مجال علم الفلك الخاص بي، من السهل جدًا أخذ صور لملايين المجرات، ولكن علينا عادةً أن نأخذ ونحلل الملاحظات المتخصصة لفهم تفاصيل تطور المجرات. من خلال استخدام التعلم الآلي، اكتشفت أنا وزملائي أنه يمكننا بالفعل دراسة هذه المجرات باستخدام الصور فقط.
