الذكاء الاصطناعي والرسوم البيانية والشبكات العصبية
| English | العربية |
|---|---|
| machine learning/məˈʃiːn ˈlɜːnɪŋ/ | تعلم الآلة |
| deep learning/diːp ˈlɜːnɪŋ/ | التعلم العميق |
| graph/ɡræf/ | الرسم البياني |
| neural networks/ˈnjuːrəl ˈnetwɜːks/ | الشبكات العصبية |
| nodes/nəʊdz/ | العقد |
| edges/ˈedʒɪz/ | الحواف |
| minimax/ˈmɪnɪmæks/ | مينيماكس |
| weight/weɪt/ | الوزن |
| activation function/ˌæktɪˈveɪʃn ˈfʌŋkʃn/ | دالة التنشيط |
| hidden layers/ˈhɪdn ˈleɪəz/ | طبقات مخفية |
البرنامج الذي تعلم الرؤية دون被告知 ما يجب البحث عنه
- في عام 2012، دخل فريق مسابقة التعرف على الصور ببرنامج لم تُعطَ أي قاعدة واحدة عن شكل القطط. تم عرضه على مليون صورة مصطفة، وقام باستنتاج القواعد بنفسه.
- خفف معدل الخطأ لكل إدخال مُبرمج يدويًا بنصفه. خلال ثلاث سنوات، تخلى المجال بأكمله عن كتابة القواعد.
- هذا الانعكاس هو موضوع هذا القسم: ليس "كيف نخبر الكمبيوتر ما هو القط"، بل "كيف يعمل الكمبيوتر على استنتاج ذلك من الأمثلة".
- هذه الدرس هو ما تعنيه تعلم الآلة والتعلم العميق، وكيف يحول الرسم البياني مشاكل الذكاء الاصطناعي إلى بحث، وما الذي يحسبه الشبكة العصبية الاصطناعية فعليًا.
الذكاء الاصطناعي، تعلم الآلة والتعلم العميق
- الذكاء الاصطناعي هو الهدف الواسع: أنظمة تؤدي مهام تتطلب عادةً ذكاء بشريًا، مثل الرؤية، والنطق، والترجمة، والقيادة.
- تعلم الآلة هو النهج الذي يهيمن عليه: خوارزميات تتعلم الأنماط من البيانات بدلاً من برمجتها خطوة بخطوة.
- التعلم العميق هو تعلم الآلة يستخدم شبكات عصبية ذات طبقات متعددة. لقد قاد المجال منذ十年代 2010s لأنه يتعلم مباشرة من البيانات الخام، البكسلات أو الصوت أو النص، بدون خصائص مصممة يدويًا.
- تتداخل: التعلم العميق جزء من تعلم الآلة، وهو جزء من الذكاء الاصطناعي.
ثلاثة دوائر، وليس ثلاثة منافسين
تعلم الآلة يعني خوارزمية:
تعلم الآلة يتعلم من البيانات؛ والتعلم العميق هو تعلم آلة يستخدم شبكات عصبية متعددة الطبقات.
كيف ترتبط الذكاء الاصطناعي وتعلم الآلة والتعلم العميق؟
الذكاء الاصطناعي هو الهدف، وتعلم الآلة هو النهج السائد لتحقيقه، والتعلم العميق هو تعلم آلة بشبكات متعددة الطبقات.
الرسوم البيانية، ولماذا الكثير من الذكاء الاصطناعي هو بحث
- الرسم البياني هو مجموعة من العقد متصلة بـالحواف. العقد هي حالات أو أماكن أو مفاهيم؛ الحواف هي حركات أو طرق أو علاقات.
- إيجاد المسار: شبكة الطرق هي رسم بياني، وإيجاد مسار هو بحث في الرسم البياني، باستخدام خوارزمية ديسترا أو A*.
- لعب الألعاب: كل وضعية على اللوحة هي عقدة وكل حركة قانونية هي حافة، لذا اللعبة هي شجرة يبحث فيها مينماكس، بافتراض أن كل لاعب يأخذ خياره الأفضل.
- تمثيل المعرفة: الشبكة الدلالية تحتفظ بالمفاهيم كعلاقات كعقد والعلاقات كحواف. البحث بالعرض والبحث بالعمق هما الأدوات القياسية لاستكشاف أي منها.
في الذكاء الاصطناعي، يتكون الرسم البياني من:
تمثل الرسوم البيانية الحالات/الأماكن كعقد والحركات/العلاقات كحواف — تُستخدم لإيجاد المسارات وأشجار الألعاب والمعرفة.
مثال محلول: نمذج المشكلة كرسم بياني
- تريد شركة توصيل أقصر طريق بين مدينتين. صف كيف يتم تمثيل ذلك كرسم بياني.
- كل مدينة هي عقدة؛ كل طريق هو حافة تربط عقدتين؛ تحمل الحافة وزنًا، وهو المسافة أو وقت السفر.
- تصبح المشكلة حينئذ "إيجاد المسار بين العقدتين بأصغر وزن إجمالي"، وهي ما تحلها خوارزمية ديسترا.
- اذكر ما هي العقد وما هي الحواف وماذا تعني الأوزان. إجابة تقول فقط "إنه رسم بياني" لا تحصل على أي نقاط.
يُصوَّر شبكة الطرق كرسم بياني لإيجاد أقصر مسار. أي العبارات صحيحة؟ حدد كل ما ينطبق.
الأماكن عقد والاتصالات حواف. تحديد ما تمثله الأوزان هو العلامة الثالثة.
العصبون الاصطناعي
- العصبون الاصطناعي يستقبل عدة مدخلات. يضرب كل مدخل في وزن، ويجمعهم مع تحيز، ثم يمرر المجموع عبر دالة تنشيط غير خطية لإنتاجخرجه.
- الأوزان هي ما يتعلمه الشبكة. دالة التنشيط هي ما يجعل الشبكة قادرة على تمثيل شيء آخر من خط مستقيم: بدونها، تنهار أي عدد من الطبقات في معادلة خطية واحدة.
اضرب، اجمع، ثم انحنِ
ضع الخطوات داخل عصبون اصطناعي واحد بالترتيب.
اضرب، اجمع، نشِّط، مرِّر. بدون التنشيط غير الخطي، سينهار أي عمق للشبكة إلى معادلة خطية واحدة.
الطبقات، وماذا يعني "عميق"
- مرتبة العصبونات في طبقات. طبقة الإدخال تستقبل البيانات. طبقات مخفية واحدة أو أكثر تتعلم الأنماط الداخلية. طبقة الإخراج تنتج الإجابة، فئة أو رقمًا.
- تُسمى الشبكة عميقة عندما يكون لديها طبقات مخفية عديدة، وتدريب مثل هذه الشبكة هو التعلم العميق.
- لماذا الطبقات المخفية مهمة: في شبكة الصور، تتعلم الأولى الحواف، والوسطى الأشكال، والأخيرة الكائنات. لم يصمم أحد هذه التسلسل الهرمي؛ إنه ما أنتجت عملية التدريب.
المدخلات، الطبقة المخفية، المخرجات، والتعلم يكمن في الأوزان بينها
اضغط على أجزاء الشبكة العصبية
استكشف الطبقات. يتدفق البيانات من اليسار إلى اليمين: تأخذ الطبقة المدخلة الميزات، وتتعلم الطبقات المخفية الأنماط، وتعطي الطبقة المخرجة الإجابة — مع حمل كل اتصال بوزن تقوم عملية التدريب بضبطه.
صل كل جزء من الشبكة العصبية بدوره.
تدخل الميزات طبقة الإدخال، وتتعلم الطبقات المخفية الأنماط، وتجيب طبقة المخرجات؛ التعلم = ضبط الأوزان.
تُسمى الشبكة العصبية "عميقة" عندما تحتوي على العديد من الطبقات المخفية، ويأخذ كل عصبون مجموعاً موزوناً لمداخله (زائد انحراف) قبل تطبيق دالة تنشيط.
تكديس العديد من الطبقات المخفية يسمح للشبكة بتعلم أنماط أكثر ثراءً — تدريب هذه الشبكة هو التعلم العميق.
تُسمى الشبكة العصبية "عميقة" عندما يكون لديها:
العديد من الطبقات المخفية يجعل الشبكة عصبية عميقة؛ تدريبها هو التعلم العميق.
أثناء التدريب، القيم التي يتم ضبطها داخل الشبكة العصبية هي ____.
يختار المصمم الهندسة ودالة التنشيط؛ ما تتعلمه الشبكة مخزن في الأوزان.
مثال محلول: صف كيف يحسب العصبون
- صف ما يحدث داخل عصبون اصطناعي واحد. [3]
- يُضرب كل مدخل في وزنه الخاص، وتُجمع المنتجات مع تحيز.
- يتم تمرير المجموع الناتج عبر دالة تنشيط، وهي غير خطية.
- النتيجة هي مخرجات العصبون، والتي تصبح مدخلات للعصبونات في الطبقة التالية. الأوزان والتحيز هي القيم التي يتم تعديلها أثناء التدريب.
علامات ضائعة
- يتعلم تعلم الآلة أنماطًا من البيانات؛ إنه ليس "مُبرمجًا خطوة بخطوة" وليس سحريًا. قل مما يتعلم منه.
- تعني "عميق" وجود طبقات مخفية كثيرة، لا "ذكاءً كبيرًا" أو "حجمًا كبيرًا جدًا".
- الرسم البياني هو عقد وحواف، ويجب أن يجيب رسم بياني عن ما يمثله كل واحد في هذه المسألة.
- الأوزان هي ما يغيره التدريب. دالة التنشيط والهندسة المعمارية يختارهما المصمم.
لقد فهمت الأمر
- الذكاء الاصطناعي هو الهدف، يتعلم تعلم الآلة الأنماط من البيانات بدلاً من اتباع قواعد مكتوبة، والتعلم العميق هو تعلم الآلة مع شبكات عصبونية متعددة الطبقات
- الرسم البياني لـ العقد و الحواف يحول إيجاد المسار، ولعب الألعاب، وتمثيل المعرفة إلى بحث، باستخدام خوارزميات ديسترا، A*، مينيماكس، البحث بالعرض والبحث بالعمق
- العصبون الاصطناعي يضرب المدخلات في الأوزان، ويضيف تحيزًا، ويطبق دالة تنشيط غير خطية
- الطبقات تعمل مدخلات، طبقة مخفية، مخرجات؛ عميق يعني طبقات مخفية كثيرة، والتعلم يكمن في الأوزان