التعلّم المُوجَّه (الخاضع للإشراف)

تخيّل طالبًا تُعطى له آلاف البطاقات، تحمل كلٌّ منها سؤالًا مع إجابته الصحيحة. بعد ما يكفي من الأمثلة المصحَّحة، يصبح قادرًا وحده على الإجابة عن سؤال جديد تمامًا. هذا بالضبط هو مبدأ التعلّم المُوجَّه: يُدرَّب النموذج على بيانات موسومة (مُدخَل مُخرَج متوقَّع) كي يتعلّم التنبّؤ بالمُخرَج لمُدخلات جديدة.

الآلية

كل مثال هو زوج: مُدخَل $x$ (صورة أو نص أو قياسات) ووَسْم $y$ (النتيجة الصحيحة). يُنتج النموذج تنبّؤًا $\hat{y} = f(x)$، ثم تقيس دالة الخسارة الفجوة بين $\hat{y}$ والقيمة الحقيقية $y$. يضبط التدريب المعاملات لتقليل متوسط الخطأ:

$$ \mathcal{L} = \frac{1}{n} \sum_{i=1}^{n} \ell\big(f(x_i),\, y_i\big) $$

الهدف ليس الحفظ بل التعميم: التنبّؤ بدقة على بيانات لم يَرَها النموذج من قبل.

عائلتان رئيسيتان

نقاط القوة والحدود

• الميزة الأبرز: دقّة عالية عندما تكون الأوسمة وفيرة وموثوقة.
• الكلفة: الوسم بطيء ومكلف (بشري غالبًا).
• الخطر: فرط التكيّف (overfitting)، حين يلتصق النموذج كثيرًا بأمثلة التدريب فيفشل في الواقع.

التعلّم المُوجَّه = التعلّم بالمثال المصحَّح. بلا أوسمة جيّدة، لا نموذج جيّد.