ما هي الشبكات العصبية؟

ما هي الشبكات العصبية الاصطناعية (ANNs)?

许多 من أكبر التطورات في الذكاء الاصطناعي هي مدفوعة بالشبكات العصبية الاصطناعية. الشبكات العصبية الاصطناعية (ANNs) هي اتصال بين الدوال الرياضية التي تم ربطها معًا في تنسيق مستوحى من الشبكات العصبية الموجودة في الدماغ البشري. هذه الشبكات قادرة على استخراج أنماط معقدة من البيانات، وتطبيق هذه الأنماط على بيانات غير موصوفة لتصنيفها / التعرف عليها. بهذه الطريقة، يتعلم الجهاز. هذا هو ملخص سريع عن الشبكات العصبية، ولكن دعونا نلقي نظرة أقرب على الشبكات العصبية لفهم ما هي وكيف تعمل.

مُتعدد الطبقات المُستلمة

قبل أن ننظر إلى شبكات عصبية أكثر تعقيدًا، سنأخذ لحظة لننظر إلى نسخة بسيطة من الشبكة العصبية الاصطناعية، مُتعدد الطبقات المُستلمة (MLP).

تخيل خط تجميع في مصنع. على هذا الخط، يتلقى عامل عنصرًا، يقوم ببعض التعديلات عليه، ثم يمرره إلى العامل التالي في الخط الذي يقوم بنفس الشيء. يستمر هذا العملية حتى يضع العامل الأخير في الخط لمساته النهائية على العنصر ويضعه على حزام سينقله خارج المصنع. في هذه المجاز، هناك طبقات متعددة في خط التجميع، وتنتقل المنتجات بين الطبقات عندما تنتقل من عامل إلى آخر. خط التجميع也有 نقطة دخول و выход.

يمكن اعتبار متعدد الطبقات المستلمة على أنه خط إنتاج بسيط جدًا، يتكون من ثلاث طبقات إجماليًا: طبقة الإدخال، وطبقة مخفية، وطبقة الإخراج. طبقة الإدخال هي حيث يتم إدخال البيانات إلى MLP، وفي الطبقة المخفية، يتعامل عدد من “العاملين” مع البيانات قبل تمريرها إلى طبقة الإخراج التي تعطي المنتج إلى العالم الخارجي. في حالة MLP، يُطلق على هؤلاء العاملين “الخلايا العصبية” (أو أحيانًا العقد) وعندما يتعاملون مع البيانات، يُعدلونها من خلال سلسلة من الدوال الرياضية.

في داخل الشبكة، هناك هياكل تصل بين العقدة والعقدة تسمى “الأوزان“. الأوزان هي افتراض حول كيفية関係 بين نقاط البيانات أثناء تحركها في الشبكة. الأوزان تمر عبر “دالة التنشيط” عند مغادرة العقدة الحالية، والتي هي نوع من الدوال الرياضية التي تحول البيانات. تحول البيانات الخطية إلى تمثيلات غير خطية، مما يسمح للشبكة بتحليل الأنماط المعقدة.

المجاز المُستخدم في الدماغ البشري المُستوحى من “الشبكة العصبية الاصطناعية” يأتي من حقيقة أن الخلايا العصبية التي تتكون منها الدماغ البشري متصلة ببعضها البعض بطريقة مماثلة لطريقة ربط العقد في الشبكة العصبية الاصطناعية.

على الرغم من وجود متعدد الطبقات المستلمة منذ الأربعينيات، كان هناك عدد من القيود التي منعتها من أن تكون مفيدة بشكل خاص. ومع ذلك، على مدار العقود القليلة الماضية، تم إنشاء تقنية تسمى “الانتشار العكسي” التي سمحت للشبكات بتعديل أوزان الخلايا العصبية وبالتالي التعلم بشكل أكثر فعالية. يغير الانتشار العكسي الأوزان في الشبكة العصبية، مما يسمح للشبكة بتقديم تمثيلات أفضل لأنماط البيانات الفعلية.

الشبكات العصبية العميقة

الشبكات العصبية العميقة تأخذ الشكل الأساسي لمتعدد الطبقات المستلمة وتجعلها أكبر بإضافة طبقات مخفية أكثر في منتصف النموذج. لذلك، بدلاً من وجود طبقة إدخال وطبقة مخفية وطبقة إخراج، هناك طبقات مخفية متعددة في المنتصف، ويصبح الإخراج من طبقة مخفية واحدة الإدخال للطبقة التالية حتى يمر البيانات عبر الشبكة ويتم إرجاعه.

الطبقات المخفية المتعددة للشبكة العصبية العميقة قادرة على تفسير أنماط أكثر تعقيدًا من متعدد الطبقات المستلمة التقليدية. تتعلم طبقات مختلفة من الشبكة العصبية العميقة أنماط أجزاء مختلفة من البيانات. على سبيل المثال، إذا كانت البيانات الإدخالية تتكون من صور، فقد تُفسر الجزء الأول من الشبكة سطوع أو قتامة البكسل، بينما ستختار الطبقات اللاحقة الأشكال والحواف التي يمكن استخدامها لتعرف الأشياء في الصورة.

أنواع مختلفة من الشبكات العصبية

هناك أنواع مختلفة من الشبكات العصبية، وكل نوع من أنواع الشبكات العصبية له مميزاته وعيوبه (ولذلك لديها حالات استخدامها الخاصة). النوع من الشبكة العصبية العميقة الموصوفة أعلاه هو النوع الأكثر شيوعًا من الشبكات العصبية، وغالبًا ما يُطلق عليه اسم الشبكة العصبية التغذوية.

一种 من الشبكات العصبية هي الشبكة العصبية المتكررة (RNN). في حالة الشبكات العصبية المتكررة، يتم استخدام آليات التكرار للاحتفاظ بمعلومات من حالات التحليل السابقة، مما يعني أنها يمكن أن تفسر البيانات حيث يهم الترتيب. الشبكات العصبية المتكررة مفيدة في استخراج الأنماط من البيانات التسلسلية / الزمنية. الشبكات العصبية المتكررة يمكن أن تكون إما أحادية الاتجاه أو ثنائية الاتجاه. في حالة الشبكة العصبية ثنائية الاتجاه، يمكن للشبكة أخذ المعلومات من أواخر التسلسل بالإضافة إلى أجزاء سابقة من التسلسل. منذ أن تأخذ الشبكة ثنائية الاتجاه المزيد من المعلومات في الاعتبار، فهي قادرة على رسم الأنماط الصحيحة من البيانات.

الشبكة العصبية التجميعية هي نوع خاص من الشبكات العصبية التي تتمتع بمهارات في تفسير الأنماط الموجودة في الصور. تعمل الشبكة التجميعية عن طريق تمرير مرشح عبر بكسل الصورة وتحقيق تمثيل رقمي للبكسل داخل الصورة، والتي يمكنها بعد ذلك تحليلها لتحديد الأنماط. الشبكة التجميعية موجهة بحيث تأتي الطبقات التجميعية التي تُخرج البكسل من الصورة أولاً، ثم تأتي الطبقات التغذوية الممتدة التي ستتعلم بالفعل التعرف على الأشياء، تأتي بعد ذلك.