ماذا يعني التعلم العميق؟
التعلُّم العميق Deep Learning هو نهج تكراري للذكاء الاصطناعي (AI) يقوم على تكديس خوارزميات التعلُّم الآلي في تسلسل هرمي يتسم بالتعقيد والتجريد المتزايد. يتم إنشاء كل مستوى من مستويات التعلُّم العميق باستخدام المعرفة المكتسبة من الطبقة السابقة في التسلسل الهرمي.
على سبيل المثال، قد تركز الطبقة الأولى من خوارزمية التعلم العميق للصور على التعرف على أنماط الألوان في بيانات التدريب، بينما تركز الطبقة الثانية على الأشكال. في نهاية المطاف، سيحتوي التسلسل الهرمي على طبقات تركز على مجموعات مختلفة من الألوان والأشكال، مع تركيز الطبقة العليا على العنصر الفعلي الذي يتم التعرف عليه.
يُعد التعلُّم العميق حالياً أكثر هياكل الذكاء الاصطناعي تطوراً. تتضمن خوارزميات التعلم العميق الشائعة ما يلي:
الشبكة العصبية الملتفة Convolutional neural network – يمكن للخوارزمية تعيين عوامل ترجيح وتحيّزات لعناصر مختلفة في الصورة وتمييز عنصر في الصورة عن آخر. تُستخدم للكشف عن العناصر وتصنيف الصور.
الشبكات العصبية المتكررة Recurrent neural networks – الخوارزمية قادرة على تذكر البيانات المتسلسلة. تُستخدم للتعرف على الكلام والتعرف على الصوت والتنبؤ بالسلاسل الزمنية ومعالجة اللغة الطبيعية.
شبكات الذاكرة قصيرة المدى الطويلة Long short-term memory networks – يمكن للخوارزمية أن تتعلم الاعتماد على الترتيب في مشاكل التنبؤ بالتسلسل. تُستخدم في الترجمة الآلية ونمذجة اللغة.
شبكات خصومية توليدية Generative adversarial networks – تتنافس خوارزميتان ضد بعضهما البعض وتستخدمان أخطاء بعضهما البعض كبيانات تدريب جديدة. تُستخدم في استعادة الصور الرقمية والفيديو المزيف العميق.
الشبكات الاعتقادية العميقة Deep belief networks – خوارزمية تعلّم عميق غير موجه، حيث يكون لكل طبقة غرضان: تعمل كطبقة مخفية لما سبق وطبقة ظاهرة لما يأتي بعدها. تُستخدم في قطاعات الرعاية الصحية للكشف عن السرطان والأمراض الأخرى.
شرح Techopedia للتعلُّم العميق
يُستخدم التعلّم العميق لبناء وتدريب الشبكات العصبية وعقد شبكات اتخاذ القرار. ويُعتبر تقنية أساسية للثورة الصناعية الرابعة (Industry 4.0) والويب 3.
يزيل التعلم العميق التحديد اليدوي للميزات في البيانات، وبدلاً من ذلك، يعتمد على أي عملية تدريب لديه من أجل اكتشاف الأنماط المفيدة في أنماط المدخلات. هذا يجعل تدريب الشبكة العصبية أسهل وأسرع، ويمكن أن يؤدي إلى نتيجة أفضل تتقدم في مجال الذكاء الاصطناعي.
تعتبر الخوارزمية عميقة إذا تم تمرير البيانات المدخلة من خلال سلسلة من المدخلات غير الخطية أو غير الخطية قبل أن تصبح مخرجات. اليوم، تستخدم معظم تطبيقات الأعمال اليوم خوارزميات التعلم الآلي السطحية.
لا يقوم الذكاء الاصطناعي السطحي، الذي يُشار إليه أيضًا باسم الذكاء الاصطناعي الضيق، ببناء تسلسل هرمي من العمليات الفرعية. بدلاً من ذلك، تم تصميم هذا النوع من خوارزميات التعلم لأداء مهمة واحدة منفصلة.
