Menu Close

تعرف على الشبكات العصبية الاصطناعية وانواعها

ما هي الشبكات العصبية الاصطناعية

أهم أنواع الشبكات الاصطناعية، وسلبياتها

كتب: عمر علي

يسيطر الذكاء الاصطناعي على العالم من حولنا، ويغزو كل ما نعرفه، باستثناء الأشياء الجديدة الناشئة.

كما نتوقع أن يصبح أكثر ذكاءً من أي وقت مضى، يسعي دائما العلماء ومهندسي الذكاء الاصطناعي ليحاولوا بطرق مختلفة جعله أكثر ذكاءً مما هو عليه الآن، ومن أهم هذه الطرق التي يعمل عليها المهندسين هي الشبكات العصبية الاصطناعية، لهذا السبب قررنا في هذه المقالة أن نسلط الضوء عليها لنناقش ونفهم كل مايدور حوله هذا الأمر.

 

ما هي الشبكات العصبية الاصطناعية
ما هي الشبكات العصبية الاصطناعية

انضم لكوكب المعرفة 

نقاط مهمة سنتحدث عنها

  • ما هي الشبكات العصبية الاصطناعية
  • انواع الشبكات العصبية الاصطناعية
  • سلبيات الشبكات العصبية الاصطناعية

ما هي الشبكات العصبية الاصطناعية

البرمجة الشائعة كما نعرفها،  هي عملية اعطاء الكمبيوتر أو الجهاز مجموعة من الخطوات أو المهام التي يجب أن يؤديها على وجه التحديد من أجل اكمال مهمة، وهذا ما يسمى بالخوارزمية، في هذه الحالة يكون الكمبيوتر غبيا، أو بعبارة أخرى لا يفهم ما يفعله على وجه التحديد أو لماذا يفعل ذلك ، لكنه يفعل بالضبط ما يطلبه من خلال تلقي مدخلات، ويصدر مخرجات.

 على سبيل المثال، المتصفح الذي تقرأ فيه هذه المقالة به هذه الخوارزميات إذا لم تقم بسحبه تلقائيًا إلى أسفل المقالة ، لن يجعل هذه المقالة مفضلة لك  إذا لم تضغط على الزر المطلوب، لكن العلماء لا يكتفون بذلك، ويريدون نقل البرنامج إلى مستوى آخر حيث يمكنهم فهم واتخاذ القرارات بأنفسهم مع تدخل بشري ضئيل أو بدون تدخل بشري حتي،

على سبيل المثال ، تستخدم Netflix الذكاء الاصطناعي لتصفية المسلسلات والأفلام من خلال سجل المشاهدة الخاص بك للتأكد من أنك ستعجبك وتشاهد العروض الموصى بها لك، فكيف تفعل ذلك؟ إذا كنت تريد القيام بذلك في البرمجة العادية ، فأنت بحاجة إلى كتابة رمز طويل لإخبار الخوارزمية: مثال اختار الجمهور A ، فسوف يوصي B ، إذا كان يحب C، فاختر D له وهكذا.

هنا يأتي دور الشبكات العصبية والخوارزميات الذكية التي تعتمد عليها، بالإضافة إلى تشابهها مع المستخدمين الآخرين، يمكنهم بشكل مستقل ودون تدخل بشري معرفة ما يفكر فيه الشخص من خلال تاريخه في الآراء وتقييم المحتوى للمشاهدة، أنماط المشاهدة، ويتم تحديدها بالكامل لأكثر من 100 مليون مستخدم على المنصة من خلال أكثر من 7500 عرض مصنف.

الشبكات العصبية مثل الشبكات العصبية التلافيفية أو CNNs باختصار التي تستخدمها Netflix في أنظمة التصفية الخاصة بها، من خلال تزويدهم بالبيانات، يمكنهم فهم واختراق عقل المشاهد من أجل تقديم التوصيات المناسبة له. مما يجعله يستمر بمواصلة ومشاهدة العرض وتجديد اشتراكه الشهري.

توصل العلماء إلى فكرة الشبكات العصبية من خلال محاولة فهم العقل البشري، لذلك حتى وقت قريب، لعب علماء النفس وعلماء الأعصاب دورا مهما في تطوير الشبكات العصبية والذكاء الاصطناعي، من خلال فهم كيف يرى الشخص الكلمات أو يسمعها أو يفهمها ويفهم معناها ، يمكننا انشاء محاكاة تفعل الشيء نفسه لجهاز الكمبيوتر.

ستعتمد مثل هذه المحاكاة على البيانات والأرقام، أو بشكل أكثر دقة على النماذج الإحصائية والتنبؤية، لمحاولة تحقيق أكثر النتائج دقة وصحة، من خلال العديد من الأساليب الرياضية مثل النسب المتدرج والانتشار العكسي، يمكننا جعل هذه الشبكات العصبية تنتج نتائج منطقية بمعدلات خطأ مقبولة.

لذلك ، يمكننا تمثيل الشبكات العصبية على أنها مدفوعة بالبيانات، ومن خلال فهم ذلك، سوف نفهم كيف تحاكي هذه الشبكات العقل البشري ، وكيف يفعلون كل هذه الأشياء التي يقومون بها، والتي سنراجعها في مقالتنا.

تحاكي الشبكة العصبية الاصطناعية الخلايا العصبية البشرية

في تجربة معقدة تسمى “تجربة اعادة التوصيل العصبي” تمكن العلماء من استخدام عصبونات غير مناسبة. أي على سبيل المثال، قاموا بتوصيل الخلايا العصبية المسؤولة عن السمع في أحد الحيوانات بالعيون، ومن خلال الملاحظة وجدوا أن دماغ الحيوان قادرة على تدريب خلاياه العصبية لأداء عملية الرؤية بكفاءة.

من أبرز نتائج التجربة قدرة العلماء على مساعدة قرد مشلول على استعادة معصمه المتحرك بطريقة تشبه الكمبيوتر عن طريق ربط معصمه بدماغه مباشرة، ومن بينها يترجم الكمبيوتر نشاط الدماغ إلى “ الكهربائية ” الشحنات التي تفهمها العضلات لايصالها إلى عضلات الرسغ وتحريكها بسلاسة.

ما هي الشبكات العصبية الاصطناعية
ما هي الشبكات العصبية الاصطناعية

أعطت نتائج هذه التجربة لعلماء الذكاء الاصطناعي فكرة مفادها أن الخلايا العصبية البشرية تعمل بشكل فعال تجريبيا، وأن لديهم قدرا كبيرا من المرونة ويمكن التحكم فيها عن طريق التدريب،  مما دفعهم إلى التفكير رياضيا في محاكاة هذه الخاصية، ما يسمى بالعصبية الاصطناعية .لقد فعل العلماء أكثر من ذلك،

هذه فقط أحدث تجربة ساهمت في تطوير الشبكات العصبية، ولكن مع تطور علم الأعصاب واكتشافاته حول كيفية عمل الخلايا والشبكات العصبية البيولوجية سيصبح الأمر أكثر تطورا.

أنواع الشبكات العصبية

هناك العديد من الشبكات العصبية ، ولكل منها وظائف وقدرات محددة للتمييز بينها لأداء المهام التي تتطلبها، يمكنك رؤية بعضها في هذه الصورة:

أنواع الشبكات الاصطناعية
أنواع الشبكات الاصطناعية

غالبا ما تختلف الشبكات عن بعضها البعض من حيث عدد الطبقات وتوجيه البيانات والسرعة، سنراجع الشبكات العصبية الستة الأكثر أهمية والأكثر استخداما اليوم ، وهي:

  • شبكات التغذية الأمامية Feed Forward Neural Networks
  • الشبكات العصبية الملتفة Convolutional Neural Network (CNN)
  • الشبكات العصبية المتكررة Recurrent Neural Networks (RNN)
  • شبكات الأساس الدائري Radial Basis Function Neural Networks
  • الشبكات ذاتية التدريب Self-Organizing Map Neural Network
  • شبكات الوحدات العصبية Modular Neural Network (MNN)
.1 Feed Forward Neural Networks

تعد شبكة Feedforward واحدة من أبسط الشبكات العصبية ذات الحجم الأصغر ، ولكنها تتميز بالبساطة والسرعة، ولكن بسبب ذلك فإن دقتها ليست الأفضل بين الشبكات العصبية الأخرى، لذلك يطلق عليها feedforward ردود الفعل، لأن البيانات تذهب في اتجاه واحد، لا يتم استخدام خوارزمية backpropagation.

قد تحتوي أو لا تحتوي على أي طبقات مخفية، في هذه الشبكة تستخدم وظيفة السيني ، وهي وظيفة متخصصة في التعرف على الأصوات وتمييزها، في رؤية الكمبيوتر والسيارات ذاتية القيادة، والجدير بالذكر أن هذه الشبكة العصبية قد تم تحديثها إلى ما يسمى بالشبكة العصبية متعددة الطبقات المغذية (MLFFNN).

2- Convolutional Neural Network (CNN)

 

 هي أكثر الشبكات العصبية استخداما،ونحن بالتأكيد نستخدم تطبيقا واحدا على الأقل منها في حياتنا اليومية، وهي معروفة جيدا لاستخدامها في التعرف على الصور والفيديو، لكنها لا تزال مستخدمة في العديد من الخوارزميات المقترحة، مثل كخوارزمية Netflix التي تحدثنا عنها سابقا.

تعرف هذه الشبكات العصبية بأنها أقل اعتمادا على المعلمات من الشبكات الأخرى، ولكنها من ناحية أخرى بطيئة ومعقدة ويصعب تصميمها وتعديلها.

على الرغم من أن الخوارزمية أكثر تعقيدا، فإننا نشرحها بإيجاز في تطبيق التعرف على الأرقام المكتوبة بخط اليد أعلاه، والذي يستخدم في تحليل الصور  والفيديو، والتعرف على الوجوه، ورؤية الكمبيوتر ، والتعرف على الكلام ، والعديد من الاستخدامات الطبية.

3- Recurrent Neural Networks (RNN)

 

هذه الشبكات المتكررة هي واحدة من أكثر الشبكات العصبية استخداما، فهي تستخدم أكثر في عملية التنب والتعلم المعزز ، إذا كانت تعتمد على ملاحظات الادخال أو التقييمات للمعالجة، يتم استخدامها في تطبيقات مثل Facebook لاقتراح الأصدقاء، والكتابة الكاملة أو ترجمة الصوت إلى نص.

4- Radial Basis Function Neural Networks

 

تشبه هذه الشبكات إلى حد كبير شبكات التغذية الأمامية، لكنها تستخدم وظائف الأساس الشعاعي (RBFs) بدلاً من الوظائف السينية، والتي تعتمد على المسافة بين مركز الدائرة والنقطة، للتصنيف، وظائف الوقت، والتحكم في الآلة.

5- Self-Organizing Map Neural Network

تسمى هذه الشبكات أيضا شبكات Cohonen، والتي سميت على اسم العلماء الفنلنديين الذين ابتكروها، تأخذ هذه الشبكات الكثير من المدخلات ثم تقسمها وتوزعها في مجموعات.

على سبيل المثال إذا كان لدي ميزات لمليون شخص وأريد ترقيمهم أو تجميعهم باستخدام هذه الشبكة العصبية، فستقوم بكل العمل وتولد المخرجات المناسبة.

تستخدم أيضا هذه الشبكة في تطبيقات  الملاحة ورسم الخرائط والتنقيب عن المياه والنفط وتحليل البيانات.

 

سلبيات الشبكات العصبية الاصطناعية

الشبكات العصبية مثلها مثل أي شيء آخر ليست وردية تماما، لديها أيضا عدد من المشاكل والعيوب التي تحد من استخدامها، أو تشكل عقبات رئيسية أمام استخدامها في كل جانب من جوانب حياتنا، سألخص أهم 4 نقاط ضعف في الشبكات العصبية وهي:

  • تحتاج الشبكات العصبية إلى الكثير من البيانات لاطعامها، وعلى الرغم من توفر ذلك في بعض الأحيان، إلا أنه مرهق للغاية أو حتى من المستحيل استخدامه في بعض التطبيقات الأخرى، وذلك لأنك تريد جمع المعلومات ثم تصنيفها لتدريب وتصميم النموذج العصبي، للشبكة،  من بين الأمور الأخرى تسببت مشكلة البيانات هذه في أن تستغرق الشبكة وقتا طويلا بحيث لا تستطيع الأم تشغيلها.
  • بالإضافة إلى ذلك تستغرق الشبكات العصبية وقتا طويلا في معالجة مثل هذا الكم الهائل من البيانات حتى عندما تتوفر قوة الحوسبة اللازمة نحتاج إلى الكثير من الوقت، ربما أشهر  لتدريب النموذج والشبكة العصبية والوصول إلى كفاءة مقبولة وموثوقة.
  • تكمن صعوبة الشبكات العصبية الاصطناعية في أنها معقدة ويصعب تصميم شبكات عصبية جديدة أكثر قوة لأنها معقدة للغاية وتتطلب فهما ذكيا للرياضيات وتربط الكثير من الأشياء معا، وبالتالي فإن عدد الشبكات العصبية أو نماذج الوجود محدودة تقريبا.
  • يعتقد العديد من الباحثين أن الشبكات العصبية ليس لها أي فائدة أو وجود على المدى الطويل، وهذا لا يعني أنها ليست مفيدة، ولكنها محدودة ولديها عيوب خطيرة، ولكن لتحقيق ما نعتقد أنه AGI في شكل عام،ذكاء، فكر في الذكاء على أنه ذكاء مشابه للذكاء البشري أو أفضل منه  الشكل الحالي للشبكات العصبية هو طريق طويل للوصول إلى هذا المستوى من التطور.

نأمل أن نكون قد أوضحنا ماهي الشبكات العصبية الاصطناعية، وكيف تعمل، باستثناء النقطة السلبية الأخيرة. أتمنى أن تكون قد استمتعت بهذا المقال ، إذا كان لديك أي أسئلة أو استفسارات، حول هذا الموضوع  يرجى طرحها في التعليقات وسأعود للإجابة عليها في أقرب وقت ممكن.



الخبراء يحذرون من مخاطر الذكاء الإصطناعي : وهذا ما قالوه بوضوحالخبراء يحذرون من مخاطر الذكاء الإصطناعي : وهذا ما قالوه بوضوح

مخاطر الذكاء الاصطناعي أصبحت حديث الساعة .. فكلنا يعلم أن الذكاء الإصطناعي أصبح من أهم المجالات العلمية التي تهدف إلى تطوير البرامج والآلات لكي تقوم بمهام تتطلب قدرات وذكاء يماثل الذكاء البشري، مثل الإبداع والتعلم والتواصل. إنه يفيد البشرية في العديد من المجالات مثل الصحة والتعليم والترفيه والصناعة، ولكنه يحمل أيضا العديد من المخاطر التي قد تهدد القيم والعدالة الإنسانية وأمن وبقاء البشرية.

إقرأ الموضوع كاملا
المستقبل المشرق للخدمات المالية: نظرة على توقعات التكنولوجيا الماليةالمستقبل المشرق للخدمات المالية: نظرة على توقعات التكنولوجيا المالية

التكنولوجيا المالية أصبحت حلا فعالا للتحديات التقليدية، كما أنها تفتح أبوابا جديدة أمام الفرص الاقتصادية، وذلك من خلال الاعتماد على التقنيات الحديثة مثل تحليل البيانات الضخمة والذكاء الاصطناعي وسلسلة الكتل. حيث يوفر هذا النموذج مرونة أكبر، بالإضافة إلى توفير التكلفة، حيث يمكن للشركات المالية استخدام موارد السحابة في تشغيل التطبيقات وتخزين البيانات وتقديم الخدمات.

إقرأ الموضوع كاملا
استخدام التكنولوجيا للتعلم: أساليب ذكية لتعلم أسرع وأسهلاستخدام التكنولوجيا للتعلم: أساليب ذكية لتعلم أسرع وأسهل

يعد استخدام التكنولوجيا في التعلم أمر هام في عصرنا هذا ولكن بما يتناسب مع الطلاب والمعلمين وكذلك البيئة التعليمية والمجتمع وذلك من أجل المنتج الذي نحصل عليه في النهاية وهو تخريج أشخاص قادرون على مواجهة تحديات العصر وقادرون على حل كل المشكلات التي تواجههم في المستقبل.

إقرأ الموضوع كاملا
الربح من محركات البحث SEO | تعرف على أهم الإستراتيجيات للمبتدئينالربح من محركات البحث SEO | تعرف على أهم الإستراتيجيات للمبتدئين

قد تتسائل عن سبب البحث عن أفضل الكورسات لتعلم السيو للمبتدئين، والسبب هنا واضح، فمجال السيو من المجالات التي تحقق لك معدل ربح مرتفع مقارنة بغيرها من المجالات. وهي دورة مجانية بالكامل ستساعدك على تحسين محركات البحث، كما أنها توضح لك كل ما تتعلمه من خلالها بواسطة الأمثلة وتحرص أيضًا على التأكد من فهمك بواسطة الإختبارات التي تقدمها في نهاية الدورة

إقرأ الموضوع كاملا

مقترح لك ...