Unsupervised Learning

التعلّم غير الخاضع للإشراف هو فرع من التعلّم الآلي يستكشف البنية في البيانات من دون تسميات. ولا يتلقى النموذج سوى المدخلات، مثل الصور أو قراءات المستشعرات أو سجلات العملاء، ويتعلّم طريقة تنظيمها: أي الأمثلة متشابهة، وأي السمات تتغير معًا، وأي النقاط تبدو مختلفة عن بقية البيانات. ويتطلب التعلّم الخاضع للإشراف إجابة صحيحة لكل مثال تدريبي، ولا تُوسم معظم البيانات المجمّعة؛ لذا تكون الأساليب غير الخاضعة للإشراف غالبًا أول ما يُستخدم لفحص مجموعة بيانات جديدة، ومصدرًا للتجميعات والسمات المدمجة ودرجات الحالات الشاذة التي تبني عليها النماذج اللاحقة.

الفئات الرئيسية للأساليب#

يجمع التجميع الأمثلة المتشابهة. إذ يعيّن تجميع K-means كل نقطة إلى أقرب مركز من k مراكز، ويوسّع DBSCAN التجمعات انطلاقًا من المناطق الكثيفة ويصنّف النقاط المنعزلة على أنها ضوضاء، بينما تلائم نماذج الخليط الغاوسي توزيعات احتمالية متداخلة باستخدام خوارزمية التوقع والتعظيم.

يقلّص اختزال الأبعاد عددًا كبيرًا من السمات إلى عدد قليل منها، مع الحفاظ على معظم المعلومات. ويحدّد تحليل المكوّنات الرئيسية (PCA) الاتجاهات ذات أكبر تباين، بينما يُسقط t-SNE وUMAP النقاط عالية الأبعاد على خريطة ثنائية الأبعاد لأغراض تصوّر البيانات. وتتعلم المشفّرات التلقائية نوع الضغط نفسه باستخدام شبكة عصبية يتعيّن عليها إعادة بناء مدخلها الخاص.

تنمذج عملية تقدير الكثافة مدى احتمالية كل مُدخل، ما يتيح كشف الحالات الشاذة من البيانات الطبيعية وحدها: فالنموذج المدرّب على أجزاء سليمة أو معاملات اعتيادية يعلّم على كل ما يجده مستبعدًا. ويكتشف التنقيب عن قواعد الارتباط، مثل خوارزمية Apriori، العناصر التي تظهر معًا في سلال التسوق أو سجلات الأحداث.

التعلّم والتقييم من دون تسميات#

في غياب الأهداف، تحسّن كل طريقة معيارًا محددًا في المدخلات نفسها: إذ يقلّل K-means المسافة بين النقاط ومراكز تجمعاتها، ويقلّل تحليل المكوّنات الرئيسية والمشفّرات التلقائية خطأ إعادة الإنشاء، وتعظّم نماذج الخليط احتمال البيانات. ولا يمكن قياس الدقة مباشرةً، لذا تُقيّم النتائج باستخدام درجات داخلية مثل معامل الظل، أو مدى فائدة المخرجات في المهام اللاحقة، أو بمقارنتها بتسميات محجوبة لا تُستخدم إلا للتقييم.

يجمع هذا المثال باستخدام scikit-learn صور 1,797 رقمًا مكتوبًا بخط اليد استنادًا إلى قيم البكسلات، ثم يقارن التجمعات بتسميات الأرقام التي لم تطّلع عليها الخوارزمية قط:

from sklearn.cluster import KMeans
from sklearn.datasets import load_digits
from sklearn.metrics import adjusted_rand_score

# Load 1,797 handwritten digit images as 64 pixel values each, then set the labels aside
X, y = load_digits(return_X_y=True)

# Group the images into 10 clusters using the pixels alone
kmeans = KMeans(n_clusters=10, n_init=10, random_state=0)
clusters = kmeans.fit_predict(X)

# Compare the clusters with the digit labels the model never saw
print(f"Adjusted Rand index: {adjusted_rand_score(y, clusters):.2f}")

تبلغ قيمة مؤشر راند المعدّل 1.0 عند التطابق التام، ونحو 0 عند اتفاق يعزى إلى الصدفة؛ وفي هذا المثال تبلغ 0.67. وتقع الأصفار والأربعات والستات كلٌّ في تجمعه الخاص تقريبًا، بينما يخلط تجمع واحد بين 100 رقم واحد و100 رقم ثمانية.

التعلّم غير الخاضع للإشراف وشبه الخاضع للإشراف وذاتي الإشراف#

يجمع التعلّم شبه الخاضع للإشراف بين مجموعة صغيرة موسومة وأخرى كبيرة غير موسومة، عادةً بالتدريب على التسميات أولًا، ثم التعلّم من التنبؤات الواثقة للنموذج نفسه. ويُعد التعلّم ذاتي الإشراف عادةً نوعًا من التعلّم غير الخاضع للإشراف، وهو الطريقة التي تتعلّم بها معظم نماذج التعلّم العميق الكبيرة من البيانات غير الموسومة: إذ ينشئ أهدافًا تنبؤية من البيانات، مثل الكلمة التالية في جملة أو الرقع المخفية في صورة ضمن المشفّرات التلقائية المقنّعة. وتُدرّب النماذج اللغوية الكبيرة مسبقًا بهذه الطريقة على نصوص غير موسومة، كما تعلّم DINOv2 من Meta سمات صور عامة الغرض من 142 مليون صورة من دون تسميات. أما التعلّم بالتعزيز فهو نهج مستقل، تكون فيه الإشارة مكافأةً على الأفعال بدلًا من البنية في مجموعة بيانات ثابتة.

التطبيقات#

تستخدم فرق الرؤية الحاسوبية أساليب غير خاضعة للإشراف لاستكشاف مجموعات البيانات قبل التوسيم أو التدريب: إذ يكشف تجميع تضمينات الصور النسخ شبه المتطابقة والقيم الشاذة والمشاهد المفرطة التمثيل التي قد تحرّف النموذج. وتنفّذ لوحة التجميع في Ultralytics Platform ذلك على مجموعة بيانات كاملة: فهي تضمّن كل صورة، وتعرض الصور على خريطة ثنائية الأبعاد، وعند تعيين التلوين إلى Clusters تميّز كل جزيرة من الصور المتشابهة بصريًا، بدءًا بالأكبر، وتسرد النقاط خارج أي جزيرة بوصفها مبعثرة. وتبرز هناك دفعة من إطارات الفيديو شبه المتطابقة أو بضع قيم شاذة قبل تدريب نموذج YOLO26 على البيانات.

يعتمد الفحص الصناعي على جانب اكتشاف الحالات الشاذة. فالعيوب نادرة ومتنوعة، لذا تتعلم كثير من أنظمة اكتشاف العيوب مظهر الأجزاء السليمة فقط، وتعلّم أي منطقة في الصورة تحيد عنه. وتطبّق المصارف الفكرة نفسها على المعاملات في اكتشاف الاحتيال، كما تجمع متاجر التجزئة سجلات الشراء في شرائح للعملاء لأغراض التسويق وأنظمة التوصية. وفي علم الجينوم أحادي الخلية، يجمع الباحثون أنماط التعبير الجيني لآلاف الخلايا المفردة ويرسمونها باستخدام UMAP لاكتشاف أنواع الخلايا دون معرفتها مسبقًا.