الوحدة 1 — ما نبحث عنه حين لا توجد أوسمة

قامت الدورة السابقة كلّها على عمودٍ نتنبّأ به. انزع ذلك العمود: لم يبقَ للنموذج إجابةٌ صحيحة يقارن بها، ولا خطأٌ يُصغّره بالمعنى المعتاد. فماذا بقي ليُتعلَّم؟ الكثير — لكنّ الهدف يتغيّر في طبيعته، ومعه طريقة الحكم على النتيجة. تُرسي هذه الوحدة هذا الانتقال، فهو ما يجعل بقيّة الدورة متّسقة.

ينتقل الهدف: من التنبّؤ إلى البنية

في التعلّم المُوجَّه كان السؤال «ما قيمة $y$؟». وفي غير المُوجَّه يصير: «كيف تنتظم هذه البيانات؟» لم نعد نسعى إلى استنساخ إجابةٍ معروفة، بل إلى إبراز بنيةٍ خفيّة: مجموعات طبيعية، محاور تغيّر مُهيمنة، نقاطٌ لا تُشبِه شيئاً آخر.

والنتيجة فورية ومُحيّرة في البداية: لم تبقَ درجةٌ واحدة تحسم الأمر. فتقسيمان مختلفان للعملاء أنفسهم قد يكونان صحيحين كلاهما — أحدهما بسلوك الشراء والآخر بالقِدَم. لا يعطي التعلّم غير المُوجَّه الـجواب؛ بل يعطي قراءاتٍ ممكنة، وعليك أن تُرجّح بينها بحسب الاستعمال.

لماذا هذه هي الحالة الأكثر شيوعاً عملياً

الوسم مُكلِف. فتوسيم عشرات آلاف الصور، أو تكليف خبراء بتصنيف تذاكر الدعم، يستهلك وقتاً ومالاً، وكثيرٌ من المشاريع يبدأ بلا شيءٍ من ذلك. أمّا البيانات الخامّ فهي وافرة. لذا يكون التعلّم غير المُوجَّه غالباً المدخل الوحيد الممكن — وكثيراً ما يكون المرحلة الأولى من مشروعٍ مُوجَّه: نستكشف، نفهم، نُجمّع، ثمّ نقرّر ما نوسمه أوّلاً.

عائلات المهامّ الثلاث

بُنيت هذه الدورة حول ثلاثة أسئلة متمايزة، ومعرفةُ أيّها تطرح هي ردّ الفعل الأوّل:

السؤال	المهمّة	الوحدات
«هل توجد مجموعات؟»	التجميع	2 إلى 5، و9
«هل أستطيع وصف هذه البيانات بمتغيّرات أقلّ؟»	تقليص الأبعاد	6، 7
«أيّ النقاط شاذّة؟»	كشف الشواذّ	8

يجمع التجميع الملاحظات المتشابهة: تقسيم قاعدة عملاء، تجميع مستندات بحسب الموضوع. ويصف تقليص الأبعاد البيانات بمحاور أقلّ مع حفظ الجوهر: الضغط، التصوير، إزالة الضجيج. ويعزل كشف الشواذّ الملاحظات الشاذّة: الاحتيال، العطل، عيب التصنيع.

عصب المسألة: التقييم بلا حقيقة مرجعية

هذه هي الصعوبة الخاصّة بالتعلّم غير المُوجَّه، وتستحقّ أن تُطرح بصراحة من الآن. فبلا أوسمة لا صوابَ يُقاس. لذا نستند إلى ثلاثة أنواع من الكوابح، تُستعمل جميعاً في الوحدات التالية:

• معايير داخلية تقيس الجودة الهندسية للنتيجة — مجموعات متراصّة ومنفصلة جيّداً (درجة الظلّ في الوحدة 3)؛
• الاستقرار: نتيجةٌ تتبدّل رأساً على عقب عند تغيير البيانات قليلاً أو تغيير البذرة العشوائية ليست نتيجةً موثوقة؛
• النفع في العمل، الحاكم الأخير: هل المجموعات المُكتشَفة قابلة للتفسير والتفعيل، ومتمايزة في أعين من يعرفون المجال؟

المسافة تحسم، وبالتالي المقياس يحسم

تقوم كلّ طرائق هذه الدورة تقريباً على مفهوم المسافة بين الملاحظات. فمتغيّرٌ باليورو (من 0 إلى 100000) سيسحق آلياً متغيّراً بالسنوات (من 0 إلى 80): وستعكس المجموعات الناتجة الأوّلَ وحده. لذا التقييس قبل التجميع ليس خياراً، بل شرطُ صحّة — ردّ الفعل نفسه كما في أقرب الجيران بالوحدة 4 من الدورة المُوجَّهة، لكنّ العواقب هنا خفيّة، إذ لا توجد درجةٌ تكشفها.

الخلاصة

• بلا هدف، ينتقل المقصد من «التنبّؤ بقيمة» إلى «إبراز بنية»؛ ولم تبقَ إجابةٌ واحدة، بل قراءاتٌ نُرجّح بينها بحسب الاستعمال.
• التعلّم غير المُوجَّه هو الحالة الشائعة عملياً لأنّ الوسم مُكلِف؛ وكثيراً ما يكون مرحلةً استكشافية أولى لمشروعٍ مُوجَّه.
• ثلاث عائلات من المهامّ: التجميع، تقليص الأبعاد، كشف الشواذّ.
• لغياب الحقيقة المرجعية نُقيّم بـالمعايير الداخلية والاستقرار والنفع في العمل — ونُقيّس دوماً، فالمسافة تحسم كلّ شيء.

الوحدة التالية: k-means، خوارزمية التجميع المرجعية، مبدؤها ومناطقها العمياء.