مكتبة نيو رال تانجنت الجديدة من جوجل توفر للعلماء البيانات رؤية غير مسبوقة في النماذج

صممت جوجل مكتبة مفتوحة المصدر جديدة تهدف إلى كشف الغطاء عن الصندوق الأسود للتعلم الآلي وتوفر للمهندسين رؤية أكبر في كيفية عمل أنظمة التعلم الآلي. كما ذكر في VentureBeat ، يقول فريق البحث في جوجل أن المكتبة يمكن أن توفر رؤية “غير مسبوقة” في كيفية عمل نماذج التعلم الآلي.

تعمل الشبكات العصبية من خلال الخلايا العصبية التي تحتوي على دوال رياضية تتحول البيانات بطرق مختلفة. الخلايا العصبية في الشبكة متصلة ببعضها البعض في طبقات ، والشبكات العصبية لها عمق و عرض. يتم التحكم في عمق الشبكة العصبية من خلال عدد الطبقات التي تحتويها ، وتتأثر الطبقات المختلفة في الشبكة بالاتصالات بين الخلايا العصبية ، مما يؤثر على كيفية التعامل مع البيانات عند انتقالها بين الطبقات. عدد الخلايا العصبية في الطبقة هو عرض الطبقة. وفقًا لمهندس البحث في جوجل ، رومان نوفاك ، وعالم البحث الأول في جوجل ، صموئيل إس شونهلز ، فإن عرض النماذج يرتبط ارتباطًا وثيقًا بالسلوك المنتظم والمتكرر. في منشور على المدونة ، أوضح الباحثان أن جعل الشبكات العصبية أوسع يجعل سلوكها أكثر انتظامًا وسهولة في التفسير.

توجد نوع مختلف من نماذج التعلم الآلي يسمى عملية غاوسية. عملية غاوسية هي عملية عشوائية يمكن تمثيلها كتوزيع عادي متعددي المتغيرات. مع عملية غاوسية ، كل مجموعة / مجموعة خطية منتهية من المتغيرات تكون موزعة بشكل طبيعي. هذا يعني أنه يمكن تمثيل التفاعلات المعقدة بين المتغيرات كمعادلات جبر خطي قابل للفهم ، وبالتالي يمكن دراسة سلوك الذكاء الاصطناعي من خلال هذا المنظور. كيف بالضبط تتعلق نماذج التعلم الآلي بعملية غاوسية؟ نماذج التعلم الآلي التي تكون واسعة بشكل لا نهاية تتلاقى مع عملية غاوسية.

然而 ، في حين أنه من الممكن تفسير نماذج التعلم الآلي من خلال منظور عملية غاوسية ، يتطلب ذلك استخراج الحد اللانهائي لعرض النموذج. هذا هو سلسلة من الحسابات المعقدة التي يجب إجراؤها لكل بنية منفصلة. من أجل جعل هذه الحسابات أسهل وأسرع ، صمم فريق البحث في جوجل نيو رال تانجنت. نيو رال تانجنت يسمح للعلماء باستخدام بضعة أسطر من الكود وتدريب شبكات عصبية متعددة ذات عرض لا نهاية في نفس الوقت. غالبًا ما يتم تدريب شبكات عصبية متعددة على نفس مجموعات البيانات ، وتتم平均 تنبؤاتها ، من أجل الحصول على تنبؤ أكثر متانة ومقاومة للمشاكل التي قد تحدث في أي نموذج فردي.这种 التقنية تسمى التعلم المتجمع. واحدة من عيوب التعلم المتجمع هي أنها غالبًا ما تكون مكلفة حسابيًا. ومع ذلك ، عندما يتم تدريب شبكة ذات عرض لا نهاية ، يتم وصف المتجمع بواسطة عملية غاوسية ، ويمكن حساب المتغير والمتوسط.

تمت مقارنة ثلاثة بنيات لشبكات عصبية ذات عرض لا نهاية ، ونشرت نتائج المقارنة في المنشور على المدونة. بشكل عام ، تتماثل نتائج شبكات المتجمع التي يحركها عملية غاوسية مع أداء الشبكات العصبية المحدودة العادية:

كما يشرح فريق البحث في منشور على المدونة :

“نرى أن ، على غرار الشبكات العصبية المحدودة ، تتبع الشبكات ذات العرض اللانهائي هرمية الأداء ، حيث تعمل الشبكات المتصلّة بالكامل أسوأ من الشبكات التجميعية ، والتي بدورها تعمل أسوأ من الشبكات المتوازيّة العريضة. ومع ذلك ، على عكس التدريب العادي ، يمكن وصف ديناميكيات هذه النماذج بشكل كامل في شكل مغلق ، مما يسمح برؤية جديدة في سلوكها “.

يبدو أن إصدار نيو رال تانجنت موزّع لتتزامن مع قمة تензور فلو المطور. يلتقي مهندسو التعلم الآلي الذين يستخدمون منصة تензور فلو من جوجل معًا في القمة. يأتي إعلان نيو رال تانجنت بعد فترة وجيزة من إعلان تензور فلو كوانتم.

تم إتاحة نيو رال تانجنت من خلال جيت هاب ، وهناك دفتر ملاحظات كولابورаторي من جوجل وبرنامج تعليمي يمكن الوصول إليه من قبل المهتمين.