ما هي الشبكة العصبية وكيف تعمل؟

الشبكة العصبية هي محاكاة الكثير من خلايا الدماغ المتداخلة الكثيفة داخل الكمبيوتر يمكنك الحصول عليها لتعلم الأشياء ، والتعرف على الأنماط ، واتخاذ القرارات بطريقة إنسانية. الشيء المذهل في الشبكة العصبية هو أنك لست مضطرًا لبرمجته لليتعلم بشكل صريح: فهو يتعلم كل شيء بنفسه ، تمامًا مثل الدماغ!

لكنها ليست دماغًا. هو عبارة عن نظام من الأجهزة / أو البرامج التي تصنعها برمجة أجهزة الكمبيوتر العادية بعد تشغيل الخلايا العصبية في الدماغ الحاسوبي ، وتعمل بطريقة تقليدية جدًا مع الترانزستورات العادية والبوابات المنطقية المتصلة بالسلسلة ، لكي تتصرف كما لو كانت بنيت من المليارات من خلايا الدماغ المترابطة بقوة التي تعمل بالتوازي. الشبكات العصبية أيضا تسمى الشبكات العصبية الاصطناعية وهناك مجموعة متنوعة من تقنيات التعلم العميقة. الشبكات العصبية لها جاذبية كبيرة للعديد من الباحثين بسبب قربهم الكبير من بنية الدماغ ، وهي خاصية لا تتقاسمها الأنظمة التقليدية.

في تشابه مع الدماغ ، وهو كيان يتكون من عصبونات مترابطة ، تتكون الشبكات العصبية من عناصر معالجة مترابطة تسمى الوحدات ، التي تستجيب بالتوازي لمجموعة من إشارات الدخل المعطاة لكل منها. الوحدة تعادل نظيرها في الدماغ. ، العصبون.


يبدو أن محاكاة الشبكة العصبية هي تطور حديث. ومع ذلك ، تم إنشاء هذا المجال قبل ظهور أجهزة الكمبيوتر ، ونجا من نكسة واحدة كبيرة على الأقل وعدة عصور. تم تعزيز العديد من التطورات الهامة من خلال استخدام محاكاة الكمبيوتر غير مكلفة. بعد فترة أولية من الحماس ، نجا الميدان فترة من الإحباط والسمعة. خلال هذه الفترة عندما كان التمويل والدعم المهني في حده الأدنى ، تم تحقيق تقدم هام من قبل عدد قليل نسبيا من المسجّلين. تمكن هؤلاء الرواد من تطوير تكنولوجيا مقنعة تجاوزت القيود التي حددها مينسكي وبابرت. نشر مينسكي وبابرت كتابًا (في عام 1969) لخص فيه إحساسًا عامًا بالإحباط (ضد الشبكات العصبية) بين الباحثين ، وبالتالي تم قبوله من قبل معظم الرواد دون مزيد من التحليل. حاليا ، يتمتع مجال الشبكات العصبية انبعاث الاهتمام وزيادة مقابلة في التمويل.

كيف تعمل الشبكة العصبية؟

تمتلك الشبكة العصبية النموذجية أي شيء يتراوح من عشرات إلى مئات ، أو آلاف ، أو حتى ملايين من الخلايا العصبية الاصطناعية تسمى وحدات مرتبة في سلسلة من الطبقات ،العصبية التي يرتبط كل منها بالطبقات على كلا الجانبين. وقد تم تصميم بعضها ، والمعروف باسم وحدات الإدخال ، لتلقي أشكال مختلفة من المعلومات من العالم الخارجي والتي ستحاول الشبكة التعرف عليها أو التعارف عليها أو معالجتها بطريقة أخرى. توجد وحدات أخرى على الجانب الآخر من الشبكة وتشير إلى كيفية استجابتها للمعلومات التي تعلمتها ؛ تلك المعروفة باسم وحدات الإخراج. بين وحدات الإدخال ووحدات الإخراج هي طبقة أو أكثر من الوحدات المخفية ، والتي تشكل معًا غالبية الدماغ الاصطناعي. ترتبط معظم الشبكات العصبية بشكل كامل ، مما يعني أن كل وحدة مخفية وكل وحدة إخراج متصلة بكل وحدة في الطبقات من كلا الجانبين. يتم تمثيل الاتصالات بين وحدة واحدة وأخرى برقم يسمى الوزن ، والتي يمكن أن تكون موجبة أو سالبة. كلما زاد الوزن ، كلما زادت حدة تأثير الوحدة على أخرى.

في الشبكة العصبية تتدفق المعلومات من خلال طريقتين. عندما يتعلم أو يعمل بشكل طبيعي ، يتم تغذية أنماط المعلومات في الشبكة عبر وحدات الإدخال ، والتي تعمل على تشغيل طبقات الوحدات المخفية ، وهذه بدورها تصل إلى وحدات الإخراج. يسمى هذا التصميم المشترك شبكة متطورة. ليست كل الوحدات "النار" في كل وقت. تتلقى كل وحدة مدخلات من الوحدات إلى يسارها ، ويتم ضرب المدخلات من خلال أوزان التوصيلات التي تنتقل عبرها. تقوم كل وحدة بإضافة جميع المدخلات التي تتلقاها بهذه الطريقة ، وإذا كان المبلغ أكثر من قيمة عتبة معينة ، تقوم الوحدة "بإشعال" وتطلق الوحدات التي تتصل بها.

ولكي تتعلم الشبكة العصبية ، يجب أن يكون هناك عنصر من التغذية الراجعة ينطوي على مجرد تعلم الأطفال عن طريق إخبارهم بما يفعلونه بطريقة صحيحة أو خاطئة. تتعلم الشبكات العصبية الأشياء بالطريقة نفسها تمامًا ، وعادةً ما يتم ذلك عن طريق عملية تغذية مرتدة تُدعى backpropagation. يتضمن ذلك مقارنة المخرجات التي تنتجها الشبكة مع المخرجات التي كان من المفترض إنتاجها ، واستخدام الفرق بينها لتعديل أوزان التوصيلات بين الوحدات في الشبكة ، والعمل من وحدات الإخراج عبر الوحدات المخفية إلى وحدات الإدخال. ذهابا إلى الوراء ، وبعبارة أخرى. في الوقت المناسب ، يتسبب التكاثر العكسي في أن تتعلم الشبكة ، مما يقلل الاختلاف بين المخرجات الفعلية والمقصودة إلى النقطة التي يتطابق فيها الاثنين بالضبط ، وبالتالي فإن الشبكة تحدد الأمور كما ينبغي تمامًا. بمجرد أن يتم تدريب الشبكة مع أمثلة تعليمية كافية ، فإنها تصل إلى نقطة حيث يمكنك تقديمها بمجموعة جديدة تمامًا من المدخلات لم ترها من قبل وترى كيف تستجيب لها.

ما التطبيقات التي يجب أن تستخدمها الشبكات العصبية؟

الشبكات العصبية هي مقاربات عالمية ، وهي تعمل بشكل أفضل إذا كان النظام الذي تستخدمه من أجله يحمل درجة عالية من التسامح مع الخطأ. يعمل Howeverthey بشكل جيد للغاية من أجل:

• التنبؤ بالمبيعات
• التحكم في العمليات الصناعية
• بحوث العملاء
• تأكيد صحة البيانات
• إدارة المخاطر
• التسويق المستهدف.

تم إنشاء الشبكات العصبية الاصطناعية لأول مرة كجزء من الجهد البحثي الأوسع حول الذكاء الاصطناعي ، ولا تزال مهمة في هذا المجال ، وكذلك في الأبحاث حول الإدراك البشري والوعي. وبشكل عام ، جعلت الشبكات العصبية أنظمة الكمبيوتر أكثر فائدة بجعلها أكثر إنسانية.