ما هو التعلم العميق؟
التعلم العميق هو مجموعة فرعية من التعلم الآلي ، والذي يقع في حد ذاته في مجال الذكاء الاصطناعي (AI) . تعمل هذه التقنية من خلال تعليم نموذج كمبيوتر للتعلم بالقدوة ، على غرار الطريقة التي يمكن للطفل أن يتعلم بها من الوالدين والمعلمين.
بعبارات واضحة جدًا ، يُعرض نموذج الكمبيوتر صورًا مختلفة لمجموعة متنوعة من الكائنات ويتم إخباره بما يمثله كل واحد. من خلال التدريب ، يمكن للنموذج أن يتعلم التعرف على الأنماط المختلفة التي يصنعها في الصور وتصنيفها ، وفي النهاية يتعرف ويتعلم من الصور الجديدة التي يراها.
التعلم العميق أمر بالغ الأهمية لتشغيل السيارات ذاتية القيادة أو ذاتية القيادة. تستخدم السيارة ذاتية القيادة مجموعة من الكاميرات وأجهزة الاستشعار لالتقاط البيانات من محيطها ، مثل إشارات المرور والمشاة والسيارات الأخرى على الطريق ، ثم تعالج تلك البيانات لتحديد أفضل مسار للعمل: ما إذا كان يجب إبطاء السرعة أم التوقف أم لا. اذهب ، إلخ.
كيف يعمل التعلم العميق؟
تختلف قدرات التعلم العميق في عدة جوانب رئيسية عن التعلم الآلي الضحل التقليدي ، مما يسمح لأجهزة الكمبيوتر بحل مجموعة من المشكلات المعقدة. يستخدم الشبكات العصبية ، وهو نموذج يعتمد على نشاط الدماغ البشري. يشبه إلى حد كبير الدماغ الذي يحتوي على طبقات من الخلايا العصبية المترابطة ، فإن الشبكة العصبية في الذكاء الاصطناعي تفعل الشيء نفسه أيضًا ، حيث تكون العقد مترابطة لتبادل المعلومات مع بعضها البعض.
أيضًا: ما هو ChatGPT ولماذا يهم؟ إليك ما تحتاج إلى معرفته
يمكن أن يستغرق تدريب شبكات التعلم العميق هذه وقتًا طويلاً للغاية ، مما يتطلب استيعاب كميات هائلة من البيانات وتكرارها حيث يقوم النظام تدريجياً بتحسين نموذجه من أجل تحقيق أفضل النتائج. يتم توسيع الشبكات العصبية إلى شبكات مترامية الأطراف مع عدد كبير من الطبقات الكبيرة التي يتم تدريبها باستخدام كميات هائلة من البيانات. لقد غذت هذه الشبكات العصبية العميقة القفزة الحالية إلى الأمام في قدرة أجهزة الكمبيوتر على التعرف على الكلام ، والقدرات العديدة للذكاء الاصطناعي التوليدي ، والتقدم في الرعاية الصحية .
ما هي بعض الأمثلة على التعلم العميق؟
في هذا اليوم وهذا العصر ، يمكن العثور على التعلم العميق في كل مكان من شركات الذكاء الاصطناعي الرائدة إلى المساعد الصوتي في هاتفك الذكي.
فيما يلي عدد قليل من تطبيقات التعلم العميق الأكثر شيوعًا:
الدردشة
يستخدم chatbot الخاص بـ OpenAI التعلم العميق وهو أحد أكبر نماذج التعلم العميق المتاحة. يستخدم ChatGPT الإصدار 3.5 من OpenAI من المحولات التوليدية المدربة مسبقًا (GPT 3.5) ، والتي تضم 175 مليار معلمة. يتم تدريب الشبكة العصبية التي تجعل ChatGPT فعالة للغاية على تعلم الأنماط والعلاقات في اللغة.
أيضًا: كيفية استخدام ChatGPT
يقوم الإصدار الرابع من هذا المحول التوليدي المدرَّب مسبقًا ( GPT-4 ) بأداء مهام معالجة اللغة الطبيعية (NLP) بخبرة بأكبر بنية لنماذج اللغات الكبيرة (LLM) ، والتي تتكون من تريليون معلمة.
مساعدين افتراضيين
يستخدم المساعدون الصوتيون ، مثل Google Assistant و Amazon Alexa و Apple’s Siri ، التعلم العميق للتعرف على الكلام و NLP. إنهم يطبقون تقنيات التعلم العميق هذه لمعالجة ما تخبرهم به بدقة والاستجابة وفقًا لذلك.
أيضًا: أفضل مولدات صور الذكاء الاصطناعي التي يمكنك تجربتها
يمكن أن تتعلم خوارزميات التعلم العميق هذه أيضًا من أنماط تفاعلات المستخدم لتحسين تجربة المستخدم باستمرار.
الكشف عن الغش
يمكن استخدام التعلم العميق من قبل كيانات مختلفة لاكتشاف ومنع الاحتيال. تستخدم المؤسسات المالية ، على سبيل المثال ، خوارزميات مختلفة لاكتشاف الاحتيال. قد تكون على دراية بالذاكرة طويلة المدى (LSTM) ، وهي نموذج للتعلم العميق يبرز نشاطًا مشبوهًا يبتعد عن البيانات التي تم التدريب عليها.
LSTM هي شبكة عصبية متكررة (RNN) تتعامل مع البيانات المتسلسلة وتخزن المعلومات حول ما تقوم بمعالجته ، من أجل التعرف على حدث بارز ، مثل معاملة احتيالية محتملة ، للإشارة إلى تدخل بشري.
الرعاية الصحية
لقد أحدث الذكاء الاصطناعي بالفعل تأثيرًا كبيرًا في مجال الرعاية الصحية. تم العثور على تقنية التعلم العميق مفيدة في تشخيص أمراض العيون ، بما في ذلك اعتلال الشبكية السكري والزرق ، وحتى بعض أنواع السرطان. إن تطورات الذكاء الاصطناعي في الطب لا تزال في بدايتها.
ما هو التعلم الآلي مقابل التعلم العميق؟
يشمل الذكاء الاصطناعي العديد من مجالات البحث التي يمكن أن تجعل الآلات قادرة على تنفيذ المهام التي تتطلب عادةً ذكاءً بشريًا ، ويمكن أن تتراوح من الخوارزميات الجينية إلى معالجة اللغة الطبيعية .
التعلم الآلي هو مجموعة فرعية من الذكاء الاصطناعي ، ويتم تعريفه على أنه عملية تعليم الكمبيوتر لتنفيذ مهمة ، بدلاً من برمجة كيفية تنفيذ هذه المهمة خطوة بخطوة. التعلم العميق ، بدوره ، هو مجموعة فرعية من التعلم الآلي ، والتي تختلف قدراتها في عدة جوانب رئيسية عن التعلم الآلي الضحل التقليدي ، مما يسمح لأجهزة الكمبيوتر بحل مجموعة من المشكلات المعقدة التي لا يمكن معالجتها بطريقة أخرى.
يمكن أن يتعامل التعلم الآلي مع التوقعات الضحلة عند تغذية البيانات ، مثل تحديد ما إذا كانت الفاكهة الموجودة في الصورة عبارة عن تفاحة أو برتقالة. يمكن أن يحل التعلم العميق مشاكل أكثر تعقيدًا ، مثل التعرف على الأرقام المكتوبة بخط اليد حيث يلزم وجود كمية هائلة من البيانات أثناء التدريب.
في المثال المحدد الموضح أدناه ، يحتاج الكمبيوتر إلى أن يكون قادرًا على التعامل مع التنوع الكبير في كيفية تقديم البيانات. يمكن كتابة كل رقم بين 0 و 9 بعدد لا يحصى من الطرق: يمكن أن يختلف الحجم والشكل الدقيق لكل رقم مكتوب بخط اليد بشكل كبير اعتمادًا على الشخص الذي يكتب وفي أي ظرف.
إن التعامل مع تنوع هذه الميزات ، والفوضى الأكبر للتفاعلات بينها ، هو المكان الذي يصبح فيه التعلم العميق والشبكات العصبية العميقة مفيدًا. كل خلية عصبية داخل شبكة عصبية هي وظيفة رياضية تأخذ البيانات من خلال المدخلات ، وتحول تلك البيانات إلى شكل أكثر قابلية للتكيف ، ثم يبصقها عبر الإخراج. يمكنك التفكير في الخلايا العصبية في الشبكة العصبية على أنها مرتبة في طبقات ، كما هو موضح في الصورة أدناه.
كيف تعمل الشبكة العصبية العميقة؟
في المثال أعلاه ، حيث يتعلم النموذج كيفية التعرف على الأرقام المكتوبة بخط اليد ، يمكنك رؤية تصوير بسيط جدًا لتشريح الشبكة العصبية. تحتوي جميع الشبكات العصبية على طبقة إدخال ، حيث يتم تغذية البيانات الأولية ، وطبقة إخراج ، والتي تولد التنبؤ النهائي.
لكن في شبكة عصبية عميقة ، يمكن أن يكون هناك عشرات المئات من طبقات الخلايا العصبية المخفية بين طبقات الإدخال والإخراج ، كل منها يغذي البيانات في بعضها البعض. ومن هنا مصطلح “عميق” في “التعلم العميق” و “الشبكات العصبية العميقة” ؛ إنها إشارة إلى العدد الكبير من الطبقات المخفية في قلب هذه الشبكات العصبية.
في الرسم أعلاه ، تمثل كل دائرة خلية عصبية في الشبكة ، وهي منظمة في طبقات عمودية ومترابطة. يمكن أن تحتوي الطبقات المخفية في الشبكات العصبية العميقة على عشرات المئات من الطبقات المخفية.
متى يجب استخدام التعلم العميق؟
يمكن أن تأخذ خوارزميات التعلم العميق البيانات الفوضوية وغير المسماة على نطاق واسع ، مثل الفيديو والصور والتسجيلات الصوتية والنص ، وتفرض ترتيبًا كافيًا لعمل تنبؤات مفيدة ، وبناء تسلسل هرمي من الميزات التي تشكل كلبًا أو قطة في صورة أو الأصوات التي تشكل كلمة في الكلام. نتيجة لذلك ، من الأفضل استخدام التعلم العميق عندما يكون هناك قدر هائل من البيانات وغير منظم إلى حد كبير.
ما هي عيوب التعلم العميق؟
واحدة من العوائق الكبيرة هي كمية البيانات التي يحتاجون إليها للتدريب حيث يترجم ذلك إلى طلب الوصول إلى كميات هائلة من قوة الحوسبة الموزعة . ينتج عن هذا المطلب تكلفة عالية للتدريب وأجهزة الكمبيوتر ، حيث يمكن أن يتطلب التدريب أجهزة باهظة الثمن ، مثل وحدات معالجة الرسومات عالية الجودة وصفيفات GPU.
الجانب السلبي الآخر هو أن الشبكات العصبية العميقة يصعب تدريبها لعدة أسباب بخلاف الموارد الحسابية. تتضمن بعض التحديات الشائعة للشبكات العصبية العميقة: مشكلة التدرج المتلاشي وانفجار التدرجات ، والتي يمكن أن تؤثر على أساليب التعلم القائمة على التدرج ؛ أخذ الوقت المناسب لضبط المعلمات الفائقة ، مثل حجم الدُفعة ومعدل التدريب ؛ والتجهيز الزائد ، عندما يؤدي التعقيد الكبير للشبكة إلى تعلم الضوضاء في بيانات التدريب أيضًا.
ما هي تقنيات التعلم العميق الموجودة؟
هناك أنواع مختلفة من الشبكات العصبية العميقة ، مثل الأمثلة الموضحة أدناه ، مع هياكل مناسبة لأنواع مختلفة من المهام. تظل هذه القائمة مرنة ، حيث ينتج عن البحث تقنيات جديدة للتعلم العميق يتم تطويرها بمرور الوقت:
- الشبكات العصبية التلافيفية (CNN) : تميل هذه الشبكات إلى استخدامها في مهام رؤية الكمبيوتر ، حيث أن طبقاتها الأولية مخصصة لاستخراج ميزات مميزة من الصورة ، والتي تتم معالجتها بعد ذلك بواسطة شبكة عصبية أكثر تقليدية لتصنيفها.
- الشبكات العصبية المتكررة (RNN) : هذه أكثر شيوعًا في لغة المعالجة ، حيث تحتوي على حلقات تغذية مرتدة مضمنة ، حيث يتم تمرير إخراج البيانات من طبقة واحدة إلى الطبقة التي تسبقها ، مما يضفي على الشبكة شكلاً من الذاكرة.
- شبكات الذاكرة طويلة المدى (LSTM) : كما نوقش في المثال أعلاه ، يمكن استخدام LSTM في اكتشاف الاحتيال لأنها تتفوق في التقاط التبعيات طويلة المدى في التسلسل.
- شبكات الخصومة التوليدية (GANs) : الأكثر استخدامًا لإنشاء البيانات ، مثل الصور والنصوص ومقاطع الفيديو ، تتميز شبكات GAN بشبكتين عصبيتين متقاتلتين: المولد والمميز. تحاول شبكة المولد إنشاء بيانات تركيبية مقنعة ويحاول أداة التمييز التمييز بين البيانات المزيفة والحقيقية.
هناك عدد كبير من الأنواع المختلفة للشبكات العصبية العميقة. لا توجد شبكة أفضل بطبيعتها من الأخرى ، فهي أكثر ملاءمة لتعلم مهام معينة.
كم من الوقت يستغرق تدريب نموذج التعلم العميق؟
يمكن أن يستغرق تدريب نموذج التعلم العميق من ساعات أو أسابيع إلى شهور . يختلف الوقت على نطاق واسع ، لأنه يعتمد على عوامل مثل الأجهزة المتاحة ، والتحسين ، وعدد الطبقات في الشبكة العصبية ، وبنية الشبكة ، وحجم مجموعة البيانات ، والمزيد.
