آموزش مدل چیست؟

آموزش مدل یا Training به فرایندی گفته می‌شود که طی آن یک مدل هوش مصنوعی با استفاده از حجم زیادی داده‌ٔ نمونه، رفتارها و روابط داخلی داده را یاد می‌گیرد. در این مرحله، مدل با داده‌های ورودی و نتایج صحیح آن‌ها (که معمولاً توسط انسان تعیین شده‌اند) رو‌به‌رو می‌شود و پارامترهای داخلی خود را طوری تنظیم می‌کند که خروجی مدل، کم‌ترین خطا را نسبت به جواب‌های صحیح داشته باشد.

اهمیت آموزش مدل در آن است که اگر مدل به‌درستی آموزش نبیند، نمی‌تواند در مسائل واقعی عملکرد قابل‌قبول داشته باشد. به‌ عنوان مثال، اگر شما می‌خواهید یک مدل تشخیص دست‌خط فارسی داشته باشید، باید هزاران نمونه تصویر مربوط به حروف و کلمات فارسی را به مدل نشان دهید تا بتواند تفاوت‌ها و شباهت‌های مورد نیاز را یاد بگیرد. این فرایند در مسائل مختلفی مثل تشخیص چهره، ترجمه‌ٔ ماشینی یا حتی پیشنهاد فیلم در یک اپلیکیشن کاربرد دارد.

فرض کنید به یک مدل می‌خواهید یاد بدهید که پیام‌های تبلیغاتی را از پیام‌های عادی در تلگرام تشخیص دهد. ابتدا هزاران پیام تبلیغاتی و عادی را به مدل نشان می‌دهید و به او می‌گویید کدام پیام تبلیغاتی است و کدام نیست. مدل با بارها تکرار این نمونه‌ها یاد می‌گیرد چطور ساختار و محتوای پیام تبلیغاتی را از بقیه تشخیص بدهد.

تفاوت آموزش یا Training با مفاهیمی مثل inference این است که در آموزش، مدل هنوز در حال یادگیری و به‌روزرسانی خودش است، اما در inference یا استنتاج، مدل یادگیری را تمام کرده و فقط از دانشش برای تحلیل داده‌های جدید استفاده می‌کند.