الشبكات العصبونية الاصطناعية Artificial Neural Networks. ANN

ما هي الشبكات العصبونية الاصطناعية؟

الشبكات العصبونية الاصطناعية (Artificial Neural Networks. ANN): نظام من الأجهزة أو البرامج، مصممة بطريقة تحاكي عمل الخلايا العصبية المترابطة في الدماغ البشري، وتستخدم خوارزميات التعلم التي تتيح إجراء التعديلات واتخاذ القرارات عند تلقي مدخلات جديدة على نحو مستقل، وذلك بطريقة شبيهة بالبشر، وتعدّ الجزء الأساسي من خوارزميات التعلم العميق التي تندرج تحت مظلة الذكاء الاصطناعي.

آلية عمل الشبكات العصبونية الاصطناعية

يُنظر إلى الشبكات العصبونية الاصطناعية على أنها رسوماً بيانية موجّهة موزونة، تُنظّم في طبقات عدّة، وتحوي العديد من العقد المترابطة التي تحاكي الخلايا العصبية البيولوجية للدماغ البشري، وتمتلك خاصية التنشيط، إذ تستقبل الطبقة الأولى إشارة الإدخال الأولية من العالم الخارجي، ويُمرّر ناتج كل طبقة إلى الطبقة التالية الأعمق، لتُنتج مخرجات النظام في الطبقة الأخيرة.

مزايا الشبكات العصبونية الاصطناعية

تتمتع الشبكات العصبية الاصطناعية بمزايا عدة، منها:

• يمكنها أداء أكثر من وظيفة في الوقت ذاته.
• تُخزّن المعلومات على شبكة كاملة، وليس مجرد قاعدة بيانات.
• لا تتأثر بفشل خلية أو أكثر في الشبكة، بل يستمر توليد المخرجات.
• تمتلك القدرة على التعلم، ونمذجة العلاقات غير الخطية والمعقدة، دون الحاجة إلى إعادة برمجة.

عيوب الشبكات العصبونية الاصطناعية

يؤخذ على الشبكات العصبونية الاصطناعية بعض الجوانب السلبية، منها:

• لا تقدّم التفسير المناسب لتحديد المخرجات، مما يقلل الثقة في الشبكة.
• لا توجد قاعدة مناسبة لتحديد هيكل الشبكة.
• صعوبة عرض المشكلة على الشبكة، وضرورة ترجمة المشكلات إلى قيم عددية.

 اقرأ أيضاً:

• التعلم العميق.