إميلي نيوتن

لا يقضي الشخص العادي الكثير من الوقت في التفكير في بنية دماغه ما لم تبدأ هذه البنية في التسبب في مشاكل.

فالأشخاص لا يتساءلون عمَّا تفعله المؤثرات المختلفة أو كيف يشعرون عندما تعمل خلاياهم العصبية؛ إذ يكون معظمهم في حالة رضا؛ لأن لديهم دماغًا فعالاً في رؤوسهم. لكن ماذا يحدث عندما تقارن عقلك بما قد تجده على الكمبيوتر؟ ما هي الشبكات العصبية والتعلم العميق؟ وما العلاقة بين الاثنين؟

ما الشبكات العصبية؟

بينما اتجهت التكنولوجيا أخيرًا إلى ملاحقة الأشياء التي تخيلناها، فإن البشر يحلمون بإنشاء “آلة تفكر” منذ اليونان القديمة. حتى إن علماء الرياضيات اليونانيين ابتكروا ما يُعتبر على نطاق واسع أول كمبيوتر في العالم، وهو آلية “أنتيكيثيرا” Antikythera – التي لم يتمكن العلماء من اكتشافها حتى عام 2022. وفي أبسط صورها، تعتبر الشبكة العصبية نظامًا حاسوبي على غرار الدماغ البشري والجهاز العصبي؛ إذ تأخذ كل شيء تعلمناه حول كيفية عمل هذه الأنظمة البيولوجية وتكرارها في نظام اصطناعي. وبدلاً من نقل البيانات مثل 1 و0، فإن الشبكات العصبية الاصطناعية تنقل المعلومات بطريقة عضوية أكثر، على غرار الطريقة التي تشير بها الخلايا العصبية في دماغك إلى بعضها البعض، فلكل عُقدة من عُقَدِ الشبكة العصبية حد معين. فإذا تم الوصول إلى هذا الحد، فإنه ينقل المعلومات إلى العقدة التالية. أمَّا إذا لم يكن الأمر كذلك، فسوف تظل البيانات على طبقة الشبكة هذه حتى يقوم شيء آخر بتشغيل هذه العتبة. كما يمكن تصميم الشبكات العصبية مع العديد من الطبقات حسب الضرورة لتعلم المعلومات المطلوبة أو إكمال المهام الضرورية.

وتعمل كل عقدة كنموذج انحدار خطي فردي. وتتضمن الصيغة بيانات الإدخال، أو الأوزان، أو التحيزات، أو العتبة التي يجب أن تصل إليها والمخرجات المتوقعة. غير أن الأمر يبدو معقدًا من الناحية النظرية، لكن الهدف النهائي يكمن في إنشاء دماغ اصطناعي يعمل دون فهم ترميزه.

الشبكات العصبية مقابل الدماغ البشري

تجدر الإشارة إلى أن اسم الشبكة العصبية إنما هو تسمية خاطئة إلى حدٍّ ما. فلا علاقة لها بتصميم الخلايا العصبية البشرية. إذ سيتطلب الأمر شبكة عصبية قوية بشكل لا يصدق لتحل محل خلية عصبية بشرية واحدة. وفي الدماغ البيولوجي، تحتوي الشبكات العصبية الأساسية (الضحلة) على ثلاث طبقات فقط وهي مدخل وطبقة مخفية ثم يكون لها مخرج. وتعد هذه الشبكات الأساسية تقريبًا أبسط جدًا من الخلايا العصبية البيولوجية، بالرغم من أنها تعالج جزءًا صغيرًا من البيانات.

 وتعمل الخلايا العصبية البيولوجية على نموذج “الاندماج والإثارة”. وبشكل أساسي، تقوم بإجمالي المدخلات المثيرة، وتعمل على طرح أي مدخلات معيقة. فإذا تجاوزت النتيجة العتبة البيولوجية، فإن هذه الخلايا تنشط. وبمجرد أن تبدأ في تضمين طبقات خفية إضافية، بغرض إنشاء شبكة عصبية عميقة، فإن نموذج الدمج والإثارة يتوقف عن العمل. 

لقد وجد الباحثون أنه بالنظر إلى بعض الخلايا العصبية الأكثر تعقيدًا في الدماغ، مثل تلك الموجودة في القشرة المخية، فإن المكافئ الاصطناعي يحتاج إلى سبع طبقات، يحتوي كل منها على 128 وحدة، حتى تقترب من محاكاة قوة المعالجة الخاصة بها. إن كل هذا يقودنا، كما يدفع الباحثين الذين يدرسون الشبكات العصبية إلى نتيجة واحدة، فحواها أن الدماغ البشري عبارة عن شبكة تعلم عميقة ضخمة. فالدماغ البشري يمتلك في المتوسط أكثر من 10 مليارات خلية عصبية. فإذا تم تكرارها في شبكة عصبية اصطناعية، فسيتطلب كل من هذه الخلايا العصبية الفردية نظامًا تعليميًا عميقًا يحتوي على سبع طبقات مخفية كاملة على الأقل للمنافسة.

تعريف التعلم العميق

التعلم العميق والشبكات العصبية هي مصطلحات تستخدم غالبًا بالتناوب. فمن الناحية النظرية، يعرّف الباحثون التعلم العميق بأنه “حقل فرعي من التعلم الآلي يهتم بالخوارزميات المستوحاة من بنية ووظيفة الدماغ البشري”. وربَّما يمكنك أن ترى إلى أين يتجه هذا. ففي حين أن كل نظام للتعلم العميق قد يكون شبكة عصبية، فليست كل شبكة عصبية هي نظام تعلم عميق. لذا يمكننا أن نفكر في التعلم العميق كعنصر أساسي في دمية ترسيخ الذكاء الاصطناعي. إن هذه الدمية الكبيرة إنما هي جوهر الذكاء الاصطناعي. وفي القلب من ذلك يكمن التعلم الآلي، وضمن التعلم الآلي توجد الشبكات العصبية، وفي القلب من ذلك كله يوجد التعلم العميق.

استكشاف الشبكات العصبية والتعلم العميق

تبدو الشبكات العصبية والتعلم العميق مثل التكنولوجيا التي قد تراها في فيلم خيال علمي، لكنها تؤثر بالفعل في حياتنا اليومية. إذ تستخدم تقنية إمكانية الوصول مثل رؤية الكمبيوتر، والتعرف على الكلام من خلال الشبكات العصبية، وأنواع مختلفة من خوارزميات التعلم الآلي، لتوفير تجربة أفضل لمن قد يحتاجون إليها. وتعتمد عمليات البحث على “جوجل” Google وخوارزميات معالجة اللغة الطبيعية التي تغذيها بشكل كبير على الشبكات العصبية.

أمَّا الجانب السلبي لهذه التطبيقات، فيكمن في أنها تتعلم ببطء شديد، كما أن هناك منحنى تعليميًا حادًا عند تقديم بيانات جديدة. لهذا السبب، يستغرق الأمر وقتًا طويلاً لتحويل صوت هاتفك إلى نص للتكيف مع أنماط الكلام أو اختيارات اللهجات. وبمجرد أن يصبح لديه أساس راسخ للعمل معه، فإنه يصبح أداة مفيدة بشكل لا يصدق. ولكن إذا تغير أي شيء أو احتاج إلى إعادة تعيين، فإننا نكون بصدد البدء من نقطة الصفر.

آفاق المستقبل

قد تبدو الشبكات العصبية والتعلم العميق قابلين للتبادل، لكنهما مجرد جزأين من نفس اللغز. إذ تشكل الخوارزميات المعقدة الأساس للذكاء الاصطناعي والتقنيات ذات الصلة لتشكيل المستقبل.

إعداد: وحدة الترجمات بمركز سمت للدراسات

المصدر: Revolutionized