0:00:00.000,0:00:04.904
یادگیری ماشینی چیست؟ در این ویدیو سعی می کنیم تا این مفهوم را تعریف نماییم و همچنین سعی می کنیم

0:00:04.904,0:00:09.520
تا به شما نشان دهیم که چه وقت از یادگیری ماشینی استفاده کیند. حتی در میان

0:00:09.520,0:00:14.252
استفاده کنندگان یادگیری ماشینی، تعریف کاملا مورد قبولی از اینکه این مفهوم چیست و چه چیز

0:00:14.252,0:00:18.926
یادگیری ماشینی نیست وجود ندارد. ولی بگذارید چند مثال از راه هایی که

0:00:18.926,0:00:23.600
افراد برای تعریف این مفهوم بکار برده اند نشان بدهم. آین تعریف یادگیری ماشینی از نظر

0:00:23.600,0:00:28.520
آرتور ساموئل است. او یادگیری ماشینی را به عنوان یک رشته تحصیلی تعریف می کند که به کامپیوترها توانایی یادگیری را بدون اینکه

0:00:31.037,0:00:33.554
بطور صریح برنامه ریزی شوند می دهند. این ادعای معروف ساموئل

0:00:33.554,0:00:38.452
برمیگردد به دهه ۱۹۵۰ که برنامه ای برای بازی چکرز (checkers) نوشت. و نکنه

0:00:38.452,0:00:43.603
شگفت انگیز این برنامه ی بازی این بود که آرتور ساموئل خودش

0:00:43.603,0:00:48.268
خیلی به این بازی وارد نبود. ولی کاری که کرد این بود که مجبور بود که برنامه ای بنویسد که

0:00:48.268,0:00:52.245
ده ها هزار بار با خود برنامه بازی کند. و با مشاهده ی اینکه کدام یک از

0:00:52.245,0:00:56.698
حالت ها منجر به برد و کدام حرکت ها منجر به باخت می شوند این

0:00:56.698,0:01:00.725
برنامه در طول زمان حرکت های منجر به برد و حالت های منجر به

0:01:00.725,0:01:04.713
باخت را یاد میگیرد. و در نهایت یاد می گیرد که چگونه

0:01:04.713,0:01:09.514
بازی چکرز را بهتر از خود ساموئل بازی کند. این یک نتیجه ی قابل توجه بود.

0:01:09.514,0:01:14.535
اگرچه خود ساموئل در آخر بازیکن بهتری نشد ولی کامپیوتر

0:01:14.535,0:01:19.254
این صبر را داشت تا ده ها هزار بار با خودش بازی کند.

0:01:19.254,0:01:24.275
هیچ انسانی این صبر را ندارد تا این مقدار بازی کند. با این روش، کامپیوتر موفق شد تا

0:01:24.275,0:01:29.235
تعداد زیادی تجربه ی بازی چکرز پیدا کند تا در نهایت بازیکن

0:01:29.235,0:01:33.817
بهتری نسبت به خود ساموئل شود. آین یک تعربف تا حدی غیر رسمی و قدیمی ست.