مصطلحًا
الشبكة العصبية
- الفئة
- Neural Networks & Architectures
- الصعوبة
- متوسط
التعريف
نموذج حوسبي مستوحى من بنية ووظيفة الأدمغة البيولوجية، يتكون من طبقات مترابطة من العقد التي تعالج البيانات من خلال اتصالات مرجحة لتحديد الأنماط المعقدة.
آلية العمل والسياق
تتكون الشبكات العصبية من طبقات من الخلايا العصبية الاصطناعية: طبقة إدخال، وطبقة مخفية واحدة أو أكثر، وطبقة إخراج. كل اتصال بين الخلايا العصبية له وزن مرتبط، يتم تعديله أثناء التدريب لتقليل الخطأ. عندما تمر البيانات عبر الشبكة، تقوم كل عقدة بإجراء تحويل رياضي، غالباً باستخدام دالة تنشيط لإدخال اللاخطية، مما يسمح للنموذج بتعلم علاقات معقدة وغير خطية. على الرغم من قوتها، غالباً ما تعتبر الشبكات العصبية "صناديق سوداء" لأن عمليات صنع القرار الداخلية الخاصة بها يصعب تفسيرها. وهي تتطلب قوة حوسبة كبيرة ومجموعات بيانات ضخمة للتدريب بفعالية. تشمل البنى الشائعة الشبكات العصبية التلافيفية (CNNs) لمعالجة الصور والمحولات (Transformers) لمهام اللغة الطبيعية. أحد القيود الرئيسية هو قابليتها للإفراط في التخصيص (overfitting)، حيث يعمل النموذج بشكل جيد على بيانات التدريب ولكنه يفشل في التعميم على معلومات جديدة وغير مرئية.
لماذا هو مهم
فهي تتيح اختراقات في رؤية الكمبيوتر، ومعالجة اللغات الطبيعية، والذكاء الاصطناعي التوليدي.
مثال واقعي
تستخدم خدمة بث شبكة عصبية عميقة للتوصية بالأفلام. تأخذ الشبكة تاريخ المستخدم، وتفضيلات النوع، ومدة المشاهدة كمدخلات. من خلال طبقاتها المخفية، تحدد أنماطاً دقيقة في سلوك المستخدم - مثل التفضيل لمخرجين معينين أو وتيرة معينة - وتخرج درجة احتمالية لما إذا كان المستخدم سيستمتع بفيلم جديد، مما يضفي طابعاً شخصياً على محتوى العرض في الوقت الفعلي.
أخطاء شائعة
- افتراض أن المزيد من الطبقات يؤدي دائماً إلى أداء أفضل، وهو ما يمكن أن يسبب في الواقع تلاشي التدرجات أو الإفراط في التخصيص.
- معاملة الشبكات العصبية كحل عالمي لجميع مشاكل البيانات، وتجاهل نماذج أبسط وأكثر قابلية للتفسير مثل أشجار القرار.
- إهمال أهمية المعالجة المسبقة للبيانات، حيث أن الشبكات العصبية حساسة للغاية لبيانات الإدخال الصاخبة أو غير الموحدة.
- خلط البنية (الهيكل) بعملية التدريب (خوارزمية التعلم).
الأسئلة الشائعة
كيف تختلف الشبكات العصبية عن خوارزميات تعلم الآلة التقليدية؟
غالباً ما تعتمد الخوارزميات التقليدية على هندسة الميزات اليدوية، حيث يحدد البشر الخصائص المهمة للبيانات. تقوم الشبكات العصبية بـ "تعلم الميزات"، حيث تكتشف تلقائياً التمثيلات ذات الصلة داخل البيانات أثناء عملية التدريب.
ما هو دور دالة التنشيط؟
تُدخل دوال التنشيط اللاخطية إلى الشبكة. بدونها، ستتصرف الشبكة العصبية مثل نموذج انحدار خطي بسيط، بغض النظر عن عدد الطبقات التي تمتلكها، مما يحد من قدرتها على تعلم أنماط معقدة.
لماذا غالباً ما تسمى الشبكات العصبية "صناديق سوداء"؟
تسمى صناديق سوداء لأن المنطق الداخلي - ملايين الأوزان والتحيزات - غير قابل للقراءة البشرية. من الصعب تتبع سبب قيام الشبكة بتنبؤ معين بدقة، مما يطرح تحديات تتعلق بالشفافية والمساءلة.