شارك
الرئيسيةما هو التعلم العميق؟
التعلم العميق (Deep Learning): يُسمى أيضاً “الشبكة العصبية العميقة” (Deep Neural Network) و”التعلم العصبي العميق” (Deep Neural Learning)، وهو أحد فروع الذكاء الاصطناعي، يضم مجموعة من تكنولوجيات التعليم مستوحاة من بنية الدماغ البشري وكيفية عمله.
فهم التعلم العميق
يهدف التعلم العميق إلى تزويد الآلات بالقدرة على تكوين الإدراك بالعالم المادي؛ فمثلاً، في مختبر فيسبوك للذكاء الاصطناعي، بُني نظام للتعلم العميق له القدرة على الإجابة عن أسئلة بسيطة لم تكن قد طُرحت عليه من قبل، كما إنّ “ذي إيكو”، المتحدث الذكي لدى “أمازون”، يستخدم تكنولوجيا التعلم العميق.
يمكن تشبيه أنظمة التعلم العميق بالشبكات العصبية في القشرة المخية للدماغ البشري أين يحدث الإدراك في مستواه الأعلى، ففي الدماغ، يعدّ العصبون خلية تنقل المعلومات الكهربائية أو الكيميائية، وهذه المعلومات تكوّن شبكة عصبية عندما تتصل بالعصبونات أو الخلايا العصبية الأخرى؛ أما في الآلات، تكون العصبونات افتراضية، وهي في أساسها بعض التعليمات البرمجية التي تُجري ارتباطات إحصائية، وبالتالي فإنّ تركيب سلسلة كافية من هذه العصبونات الافتراضية معاً يؤدي للحصول على شبكة عصبية افتراضية.
أنواع التعلم العميق
هناك أنواع مختلفة من شبكات التعلم العميق، ومن أشهرها:
- الشبكة العصبية المغذية (Feedforward Neural Network): تتحرك ضمنها البيانات في اتجاه واحد، وتُستخدم هذه الأنواع من الشبكات في خوارزمية التعرف على الوجه باستخدام رؤية الكمبيوتر.
- الشبكة العصبية ذات الأساس الشعاعي (Radial Basis Function Neural Networks): تُستخدم في أنظمة استعادة الطاقة لاستعادة الطاقة في أقصر فترة زمنية لتجنب انقطاع التيار الكهربائي.
- مستقبلات متعددة الطبقات (Multi-layer Perceptron): تُستخدم هذه الشبكات على نطاق واسع للتعرف على الكلام وتقنيات التعلم الآلي الأخرى.
- الشبكة العصبية الالتفافية (Convolution Neural Network): تعد شبكة فعالة جداً في التعرف على الصور وتحديد أنماط الصور المختلفة.
- الشبكة العصبية المتكررة (Recurrent Neural Network): يُستخدم هذا النوع من الشبكات في تطوير روبوتات المحادثة وتقنيات تحويل النص إلى كلام.
مميزات التعلم العميق
يمتاز استخدام تكنولوجيا التعلم العميق بالعديد من النقاط الإيجابية من أبرزها:
- الاستفادة القصوى من البيانات غير المهيكلة (ذات التنسيقات المختلفة) ضمن الشركات وإتاحة تحليلها.
- إلغاء الحاجة إلى هندسة الميزات التي تعمل على تحسين الدقة، إذ يمتلك التعلم العميق القدرة على تنفيذ هندسة الميزات بنفسه.
- القدرة على تقديم نتائج أداء عالية الجودة، وأداء المهام الروتينية المتكررة خلال فترة زمنية أقصر نسبياً مقارنة بما قد يستغرقه الإنسان.
- قابلية التوسع والقدرة على معالجة كميات هائلة من البيانات وإجراء الكثير من العمليات الحسابية بطريقة فعالة من حيث التكلفة والوقت، ما يؤثر إيجاباً في الإنتاجية.
استخدامات التعلم العميق
يُستخدم التعلم العميق في مجالات عديدة من الحياة اليومية، ومن أبرز الأمثلة على تطبيقات التعلم العميق نذكر:
- القيادة الآلية: يستخدم باحثو السيارات التعلم العميق لاكتشاف الأشياء تلقائياً مثل إشارات المرور.
- الأتمتة الصناعية: يساعد التعلم العميق في تحسين سلامة العمال حول الآلات الثقيلة من خلال الاكتشاف التلقائي في حال كان الأشخاص أو الأشياء على مسافة غير آمنة من الآلات.
- البحث الطبي: يستخدم باحثو السرطان التعلم العميق لاكتشاف الخلايا السرطانية تلقائياً.
- الدعاية والإعلان: تستخدم الشركات التعلم العميق لتدريب برامجها على فهم المشترين على نحو أفضل بناءً على كيفية تفاعلهم مع أحد التطبيقات أو التنقل في موقع ويب، واستهداف المشترين المحتملين بدقة أكبر، وإنشاء حملات إعلانية مخصصة.
- نمذجة الاستثمار: تستخدم الشركات التعلم العميق لتزويد المستثمرين المؤسسيين بتحليل في الوقت الآني للأسهم الفردية، وتوقعات السوق.
ما الفرق بين التعلم الآلي والتعلم العميق؟
يعدّ التعلم العميق مجموعة فرعية من التعلم الآلي، ويقوم ببناء الخوارزميات في طبقات لإنشاء “شبكة عصبية اصطناعية” يمكنها التعلم واتخاذ قرارات ذكية بمفردها دون الحاجة إلى تدخل بشري، في حين يستخدم التعلم الآلي الخوارزميات لتحليل البيانات والتعلم منها واتخاذ قرارات مستنيرة بناءً على ما تعلمته إلا أنها لا تزال بحاجة إلى التدخل البشري في حال عرضت الخوارزميات تنبؤاً غير دقيق. اختلاف آخر يتمثّل في أن التعلم العميق يحل المشكلات على أساس شامل بينما في التعلم الآلي، تُقسّم المهام إلى أجزاء صغيرة ثم تُدمج النتائج المستلمة في استنتاج واحد.
اقرأ أيضاً: