ما هي الشبكات العصبية الاصطناعية؟

ما هي الشبكات العصبية الاصطناعية (ANNs)؟

许多 من أكبر التطورات في مجال الذكاء الاصطناعي مدفوعة بالشبكات العصبية الاصطناعية. الشبكات العصبية الاصطناعية (ANNs) هي مجموعة من الدوال الرياضية المتصلة ببعضها البعض في شكل مستوحى من الشبكات العصبية الموجودة في المخ البشري. هذه الشبكات قادرة على استخراج أنماط معقدة من البيانات، وتطبيق هذه الأنماط على بيانات غير موضحة لتصنيف أو تمييز البيانات. بهذه الطريقة، يتعلم الجهاز. هذا هو ملخص سريع عن الشبكات العصبية، ولكن دعونا نلقي نظرة أعمق على الشبكات العصبية لفهم ما هي وكيف تعمل.

شرح المُعالج المتعدد الطبقات

قبل أن ننظر إلى شبكات عصبية أكثر تعقيداً، سنأخذ لحظة للنظر إلى نسخة بسيطة من الشبكة العصبية الاصطناعية، وهي معالج متعدد الطبقات (MLP).

تخيل خط إنتاج في مصنع. على هذا الخط، يتلقى أحد العمال عنصراً، يقوم ببعض التعديلات عليه، ثم يمرره إلى العامل التالي في الخط الذي يقوم بنفس الشيء. هذا العملية تستمر حتى يضع العامل الأخير في الخط لمساته النهائية على العنصر ويضعه على حزام سير سيخرجه من المصنع. في هذه التشبيه، هناك عدة “طبقات” في خط الإنتاج، وتنتقل المنتجات بين الطبقات أثناء تحركها من عامل إلى آخر. خط الإنتاج也有 نقطة دخول و نقطة خروج.

يمكن اعتبار معالج متعدد الطبقات على أنه خط إنتاج بسيط يتكون من ثلاث طبقات فقط: طبقة الإدخال، طبقة مخفية، وطبقة الإخراج. طبقة الإدخال هي حيث يتم إدخال البيانات إلى معالج متعدد الطبقات، وفي الطبقة المخفية يتعامل بعض عدد من “العاملين” مع البيانات قبل تمريرها إلى طبقة الإخراج التي تقدم المنتج إلى العالم الخارجي. في حالة معالج متعدد الطبقات، يُسمى هؤلاء العاملون “نيورونات” (أو أحياناً “عقد”) وعندما يتعاملون مع البيانات، يُعدلونها من خلال سلسلة من الدوال الرياضية.

ภายใน الشبكة، هناك هياكل تصل بين العقد تسمى “أوزان“. الأوزان هي افتراضات حول كيفية ارتباط النقاط البيانية أثناء تحركها عبر الشبكة. بعبارة أخرى، تعكس الأوزان مستوى التأثير الذي تمارسه نيورون على نيورون آخر. تعبر الأوزان عبر “دالة تنشيط” عند مغادرة العقدة الحالية، وهو نوع من الدوال الرياضية التي تحول البيانات. تحول البيانات الخطية إلى تمثيلات غير خطية، مما يسمح للشبكة بتحليل الأنماط المعقدة.

التشبيه بالدماغ البشري المُستخدم في مصطلح “شبكة عصبية اصطناعية” يأتي من حقيقة أن النيورونات التي تتكون منها الدماغ البشري متصلة ببعضها البعض بنفس الطريقة التي تكون بها العقد في شبكة عصبية اصطناعية.

على الرغم من وجود معالجات متعددة الطبقات منذ الأربعينيات، كان هناك عدد من القيود التي منعتها من كونها مفيدة بشكل خاص. ومع ذلك، خلال العقود القليلة الماضية، تم تطوير تقنية تسمى “الانتشار الخلفي” التي سمحت للشبكات بتعديل أوزان النيورونات وبالتالي تعلم بشكل أكثر فعالية. يغير الانتشار الخلفي الأوزان في الشبكة العصبية، مما يسمح للشبكة بتقديم تمثيلات أفضل للأنماط الفعلية في البيانات.

الشبكات العصبية العميقة

الشبكات العصبية العميقة تأخذ الشكل الأساسي لمعالج متعدد الطبقات وتجعلها أكبر بإضافة المزيد من الطبقات المخفية في منتصف النموذج. لذلك، بدلاً من وجود طبقة إدخال وطبقة مخفية وطبقة إخراج، هناك العديد من الطبقات المخفية في المنتصف، ويتحول الإخراج من طبقة مخفية واحدة إلى الإدخال لطبقة مخفية أخرى حتى يمر البيانات عبر الشبكة ويتم إرجاعه.

الطبقات المخفية المتعددة في شبكة عصبية عميقة قادرة على تفسير أنماط أكثر تعقيداً من معالج متعدد الطبقات التقليدي. تتعلم طبقات مختلفة من الشبكة العصبية العميقة أنماط أجزاء مختلفة من البيانات. على سبيل المثال، إذا كانت البيانات الإدخالية تتكون من صور، فقد تفسر الجزء الأول من الشبكة سطوع أو قتامة البكسل، بينما ستحدد الطبقات اللاحقة الأشكال والحواف التي يمكن استخدامها لتمييز الأجسام في الصورة.

أنواع مختلفة من الشبكات العصبية

هناك أنواع مختلفة من الشبكات العصبية، وكل نوع من أنواع الشبكات العصبية له مميزاته وعيوبه (ولذلك له تطبيقاته الخاصة). النوع من الشبكات العصبية العميقة الموصوف أعلاه هو النوع الأكثر شيوعاً من الشبكات العصبية، وغالبًا ما يُشار إليه باسم شبكة عصبية متقدمة.

一种 من التباين في الشبكات العصبية هي الشبكة العصبية المتكررة (RNN). في حالة الشبكات العصبية المتكررة، يتم استخدام آليات التكرار لحفظ المعلومات من الحالات السابقة للتحليل، مما يعني أنها يمكن تفسير البيانات التي يهم فيها الترتيب. الشبكات العصبية المتكررة مفيدة في استخراج الأنماط من البيانات التسلسلية/الزمنية. يمكن أن تكون الشبكات العصبية المتكررة إحدى الاتجاهين أو ثنائية الاتجاه. في حالة شبكة عصبية ثنائية الاتجاه، يمكن للشبكة أخذ المعلومات من الجزء الأخير من التسلسل بالإضافة إلى الأجزاء السابقة من التسلسل. منذ أن تأخذ الشبكة العصبية ثنائية الاتجاه المزيد من المعلومات في الاعتبار، فهي قادرة على سحب الأنماط الصحيحة من البيانات.

شبكة عصبية التجميع هي نوع خاص من الشبكات العصبية التي تتميز بفهم الأنماط الموجودة في الصور. تعمل شبكة عصبية التجميع عن طريق تمرير مرشح عبر بكسلات الصورة وصولاً إلى تمثيل رقمي للبكسلات داخل الصورة، والتي يمكنها بعد ذلك تحليلها لاستخراج الأنماط. يتم هيكلة شبكة عصبية التجميع بحيث تأتي طبقات التجميع التي تخرج البكسلات من الصورة أولاً، ثم تأتي الطبقات المتعددة الاتصالات التي ستتعلم في النهاية التعرف على الأجسام بعد ذلك.