مستقبل

ما هو التعلم العميق؟ وكيف يعمل؟

مرحباً بكم في عالم التعلم الآلي والشبكات العصبونية الاصطناعية

كثيراً ما تسمع بما يُسمى “التعلم العميق” وخصوصاً إن كنت من المهتمين بالذكاء الاصطناعي وتطبيقاته. فما هو التعلم العميق؟ ومتى ظهر؟ ولماذ سُمي بالعميق؟ وكيف يعمل؟

يتعرف فيسبوك تلقائياً على صورك ويقترح إشارات لأصدقاءك. ويترجم سكايب المحادثات المنطوقة في الوقت الفعلي – وبكل دقة.

وراء كل هذا هو نوع من الذكاء الاصطناعي يسمى التعلم العميق. ولكن ما هو التعلم العميق؟ وكيف يعمل ؟

منذ السبعينات وعلماء الحاسوب يحاولون أخذ طريقة حل المشكلات في الحاسوب إلى بُعد جديد عن طريق محاكاة طريقة تفكير البشر، فالبشر يتعلمون بالتجربة والخبرة.

كما ظهرت المحاولات الجديدة في 2006 ضمن بحوث تعلم الآلة أو Machine Learning. كما أثرت هذه البحوث الجديدة على الكثير من المجالات والتطبيقات وعلى طريقة تحليل البيانات التقليدية.

تتزايد الحاجة إلى هذه الطريقة مع ظهور مفهوم Big Data أو البيانات الضخمة تماماً كما يتعلم الطفل الحروف المكونة للغة والأرقام حتى يستطيع تشكيل أنماط من الكلمات، فإن الحاسوب يحتاج إلى بيانات خام تمكنه من فهم العلاقات بين الأشياء.

التعلم العميق هو مجموعة فرعية من التعلم الآلي، وهو المجال الذي يفحص خوارزميات البرمجة التي تتعلم وتتطور من تلقاء نفسها.

التعلم الآلي هو بأي حال من الأحوال ظاهرة انتشرت بكثرة في الآونة الأخيرة. تعززت في منتصف القرن ال20. في 1950 اقترح عالم الرياضيات البريطاني (آلان تورنج Alan Turing) آلة ذكية بشكل اصطناعي. وخلال العقود التالية، ارتفعت تقنيات التعلم الآلي المختلفة.

واحدة من هذه هي الشبكات العصبونية، الخوارزميات التي تدعم التعلم العميق وتلعب دوراً مركزياً في التعرف على الصور والرؤية الروبوتية. مستوحاة من الخلايا العصبية (العصبونات) التي تشكل الدماغ البشري، الشبكات العصبونية تتألف من طبقات (الخلايا العصبية) ترتبط في طبقات مجاورة بعضها البعض. وكلما زادت الطبقات كلما أصبحت الشبكة أعمق.

الخلية العصبية الواحدة في الدماغ، تتلقى إشارات – ما يصل إلى 100،000 – من الخلايا العصبية الأخرى. وعندما ترسل تلك الخلايا العصبية الأخرى إشارات، فإنها تمارس إما تأثير “مثير” أو “مثبط” على الخلايا العصبية التي تتصل بها.

في الشبكة العصبونية الاصطناعية أيضاً، تسافر الإشارات بين “الخلايا العصبية”. ولكن بدلاً من إرسال إشارات كهربائية، تقوم الشبكة العصبونية بتعيين أوزان لمختلف الخلايا العصبية. والخلايا العصبية الأثقل من غيرها سوف تمارس المزيد من التأثير علي الطبقة التالية من الخلايا العصبية. وتجمع الطبقة النهائية هذه المدخلات المرجحة للتوصل إلى إجابة.

فهي تستخدم طريقة شبيهة بآلية عمل الدماغ البشري عن طريق طبقات من الخلايا العصبية، فعند تعريض صورة لمثل هذا النظام تلاحظ كل طبقة نمط معين في الصورة، فمثلاً الطبقة الأولى قد تلاحظ حدود الصورة وطبقة أخرى تلاحظ العين في منتصف الرأس وهو موجود في البشر. لم يكن الأداء الأول لهذا النظام أفضل من النظم الموجودة ولكن تطور حتى وصلنا الآن إلى أن معظم التطبيقات الكبيرة تستخدمه.

مع تحسين القدرة الحسابية وتوفير كمية ساحقة من البيانات، توصلّ الباحثون إلى طريق الذكاء الاصطناعي Artificial Intelligence، حيث إن كم المعلومات التي يمكن تزويد الآلات بها (كما في الإنسان الآلي) يُمكّنها من القيام بعمليات أكبر من تلقاء نفسها، حتى أُطلق على الآلات أنها ذكية. منذ أشهر قليلة كانت “جوجل ديب مايند” –ذراع الذكاء الاصطناعي في ألفابيت- قد كشفت عن تقنية جديدة تتقن هذا النوع من المهمات التي كانت صعبة في السابق، من خلال تطبيقها على أخبار جوجل. ثم أنها في طريقها البحثي لتطوير ذكاء الآلة ليكون مقارباً بدرجة كبيرة للذكاء البشري.

على سبيل المثال… في خدمات الترجمة الإلكترونية؛ فالشبكات العصبية يمكنها أن “تتعلم” كلمات عن طريق تخزين كميات هائلة من النصوص، وتقوم بحساب عدد الكلمات التي يمكنها التنبؤ بها أو تخمينها من خلال الكلمات التي قبلها أو بعدها، وبذلك، يتعلم البرنامج عرض كل كلمة كمُتَّجه يشير إلى علاقة الكلمات ببعضها البعض، حتى يصل مع نفسه لفهم مفردات اللغة. فدلالة كلمة “الملك” و”الملكة” هو نفسه دلالة “زوج” و”زوجة” مثلاً. وعلاقة كلمتي “ورقة” و”أوراق الكرتون” من حيث تقارب المعنى واختلاف بنية الكلمة قريب لعلاقة الكلمتين “كبير” و”ضخم”. هذه الطريقة بدأت جوجل استخدامها في تطوير آلية عمل خدمة ترجمة جوجل، ويعمل فريق بحثي في جامعة صينية مع مختبر شركة مايكروسوفت لعمل برامج تعتمد على خوارزمية “التعلُّم بالمُتجَّه” هذه في تدريب الحواسيب على فهم المترادفات والمتضادات والقياس في اللغات.

يقع التعلم العميق في المنطقة المشتركة بين عدة مجالات، وهي بحوث الشبكات العصبونية والذكاء الاصطناعي والنمذجة الرسومية والأمثلية والتعرف على الأنماط ومعالجة الإشارات. وهناك ثلاثة أسباب وراء انتشار التعلم العميق وشيوعه وهي:

  1. القدرات المتزايدة لمعالجة الرقاقات كوحدات المعالجة الرسومية عامة الأغراض.
  2. الحجم المتزايد للمعطيات المستخدمة في التدريب.
  3. التقدم الحديث في تعلم الآلة ومعالجة الإشارة والمعلومات.

يمكننا استنتاج أن التعلم العميق هو ليس إلا شبكات عصبية هائلة الحجم تمتلك بيانات كبيرة، وتتطلب حواسيب خارقة، وبالرغم من أن الدراسات الأولية ركزت على الوسائل التي لا تحتاج إلى رقابة، فإن آخر التطورات في هذا المجال ركزت على التدرب العملي و نماذج الشبكات العصبية بالاستعانة بخوارزميات عكسية، وأكثر التقنيات شعبية في هذا المجال هي:

  • شبكات المستقبلات متعددة الطبقات
  • شبكات التلافيف العصبية
  • الشبكات العصبية للذاكرة المتكررة الطويلة قصيرة الأجل.

اترك تعليقاً

لن يتم نشر عنوان بريدك الإلكتروني. الحقول الإلزامية مشار إليها بـ *

زر الذهاب إلى الأعلى