الشبكات العصبية هي نماذج حاسوبية لوحدات أو وحدات متصلة تم تصميمها لنقل ومعالجة والتعلم من المعلومات (البيانات) بطريقة مشابهة للكيفية التي تعمل بها الخلايا العصبية (الخلايا العصبية) في البشر.
الشبكات العصبية الاصطناعية
في التكنولوجيا ، غالباً ما يشار إلى الشبكات العصبية على أنها شبكات عصبية اصطناعية (ANNs) أو شبكات عصبية للتمييز عن الشبكات العصبية البيولوجية التي صمموها بعد ذلك. الفكرة الرئيسية وراء ANNs هي أن الدماغ البشري هو "الكمبيوتر" الأكثر تعقيدا والذكي الذي يوجد. من خلال نمذجة ANNs قدر الإمكان إلى بنية ونظام معالجة المعلومات المستخدمة من قبل الدماغ ، يأمل الباحثون في إنشاء أجهزة الكمبيوتر التي اقتربت أو تجاوزت الذكاء البشري. تعد الشبكات العصبية عنصراً أساسياً في التطورات الحالية في الذكاء الاصطناعي (AI) ، التعلم الآلي (ML) ، والتعلم العميق.
كيف تعمل الشبكات العصبية: مقارنة
لفهم كيفية عمل الشبكات العصبية والاختلافات بين هذين النوعين (البيولوجية والاصطناعية) ، دعنا نستخدم مثال مبنى المكاتب المكون من 15 طابقًا وخطوط الهاتف ولوحات التبديل التي توجه المكالمات في جميع أنحاء المبنى ، والأرضيات الفردية ، والمكاتب الفردية. يمثل كل مكتب فردي في مبنى المكاتب المكون من 15 طابقا عصبونًا (عقدة في شبكات الكمبيوتر أو الخلايا العصبية في علم الأحياء). المبنى نفسه عبارة عن مبنى يحتوي على مجموعة من المكاتب مرتبة في نظام مكون من 15 طابقًا (شبكة عصبية).
بتطبيق المثال على الشبكات العصبية البيولوجية ، فإن لوحة المفاتيح التي تستقبل المكالمات لديها خطوط للاتصال بأي مكتب في أي طابق في المبنى بأكمله. بالإضافة إلى ذلك ، يحتوي كل مكتب على خطوط تربطه بكل مكتب آخر في المبنى بأكمله في أي طابق. تخيل أن مكالمة تأتي (المدخلات) ونقل لوحة المفاتيح إلى مكتب على 3الثالثة الكلمة التي تنقلها مباشرة إلى مكتب في 11عشر الكلمة ، والتي ثم نقلها مباشرة إلى مكتب على 5عشر أرضية. في الدماغ ، كل خلية عصبية أو عصبية (مكتب) يمكن أن تتصل مباشرة بأي عصبون آخر في نظامها أو الشبكة العصبية (المبنى). يمكن نقل المعلومات (المكالمة) إلى أي عصبون آخر (مكتب) لمعالجة أو معرفة ما هو مطلوب حتى يكون هناك إجابة أو حل (مخرج).
عندما نطبق هذا المثال على ANNs ، فإنه يصبح أكثر تعقيدًا بعض الشيء. يتطلب كل طابق من المبنى لوحة مفاتيح خاصة به ، والتي لا يمكن توصيلها إلا بالمكاتب الموجودة في نفس الطابق ، وكذلك لوحات المفاتيح في الطوابق الموجودة فوقها وأسفلها. يمكن لكل مكتب فقط الاتصال مباشرة بمكاتب أخرى في نفس الطابق ولوحة تبديل هذه الأرضية. يجب أن تبدأ جميع المكالمات الجديدة بلوحة التحويل في الطابق الأول ، ويجب نقلها إلى كل طابق فردي بترتيب عددي حتى 15عشر قبل أن تنتهي المكالمة. دعونا نضعها في الحركة لنرى كيف تعمل.
تخيل أن مكالمة تأتي في (المدخلات) إلى 1شارع لوحة مفاتيح الكلمة وترسل إلى مكتب على 1شارع الكلمة (عقدة). ثم يتم نقل المكالمة مباشرة بين المكاتب الأخرى (العقد) في 1شارع حتى يصبح جاهزًا لإرساله إلى الطابق التالي. ثم يجب إعادة المكالمة إلى الرقم 1شارع لوحة التبديل الكلمة ، والتي بعد ذلك نقله إلى 2الثانية لوحة مفاتيح الطابق. وتكرر نفس هذه الخطوات طابقًا واحدًا في كل مرة ، مع إرسال المكالمة من خلال هذه العملية في كل طابق على طول الطريق حتى الطابق 15.
في ANNs ، يتم ترتيب العقد (مكاتب) في طبقات (طوابق المبنى). تأتي المعلومات (مكالمة) دائمًا من خلال طبقة الإدخال (1شارع الكلمة ولوحة مفاتيحها) ويجب إرسالها ومعالجتها من قبل كل طبقة (أرضية) قبل أن تتمكن من الانتقال إلى المرحلة التالية. كل طبقة (طابق) تعالج تفاصيل محددة حول تلك المكالمة وترسل النتيجة مع المكالمة إلى الطبقة التالية. عندما تصل المكالمة إلى طبقة الخرج (15عشر الكلمة ولوحة المفاتيح الخاصة به) ، يتضمن معلومات المعالجة من الطبقات 1-14. العقد (مكاتب) على 15عشر تستخدم الطبقة (الكلمة) معلومات الإدخال والمعالجة من جميع الطبقات الأخرى (الطوابق) للتوصل إلى إجابة أو قرار (مخرج).
الشبكات العصبية والتعلم الآلي
الشبكات العصبية هي نوع واحد من التكنولوجيا تحت فئة التعلم الآلي. في الواقع ، كان التقدم في مجال البحث والتطوير للشبكات العصبية مرتبطًا ارتباطًا وثيقًا بالأحجام وتدفقات التقدم في ML. تقوم الشبكات العصبية بتوسيع قدرات معالجة البيانات وتعزيز قوة الحوسبة ل ML ، مما يزيد من حجم البيانات التي يمكن معالجتها ولكن أيضًا القدرة على أداء مهام أكثر تعقيدًا.
تم إنشاء أول نموذج حاسوبي موثق لـ ANNs في عام 1943 بواسطة Walter Pitts و Warren McCulloch. في نهاية المطاف تباطأ الاهتمام المبدئي والبحوث في الشبكات العصبية والتعلم الآلي ، وقد تم تأجيله بشكل أو بآخر بحلول عام 1969 ، مع دفعات صغيرة من الاهتمام المتجدد. لم يكن لدى أجهزة الكمبيوتر في الوقت ببساطة معالجات سريعة بما فيه الكفاية أو كبيرة بما يكفي لدفع هذه المناطق إلى الأمام بشكل أكبر ، ولم تكن الكمية الهائلة من البيانات اللازمة لشبكات ML والشبكات العصبية متوفرة في ذلك الوقت.
لقد أدت الزيادات الهائلة في قوة الحوسبة مع مرور الوقت إلى جانب نمو الإنترنت وتوسعه (وبالتالي الوصول إلى كميات هائلة من البيانات عبر الإنترنت) إلى حل هذه التحديات المبكرة. تعتبر الشبكات العصبية و ML وسيلة فعالة الآن في التقنيات التي نراها ونستخدمها كل يوم ، مثل التعرف على الوجه ومعالجة الصور والبحث ، وترجمة اللغات في الوقت الحقيقي - على سبيل المثال لا الحصر.
أمثلة الشبكات العصبية في الحياة اليومية
يُعد ANN موضوعًا معقدًا إلى حد ما في التكنولوجيا ، ومع ذلك ، فمن الجدير تخصيص بعض الوقت لاستكشافه بسبب تزايد عدد الطرق التي تؤثر بها على حياتنا كل يوم. في ما يلي بعض الأمثلة القليلة عن الطرق التي تستخدم بها الشبكات العصبية حاليًا في صناعات مختلفة:
- المالية: تستخدم الشبكات العصبية للتنبؤ بأسعار صرف العملات. وهي تستخدم أيضا في التكنولوجيا وراء أنظمة التداول الآلي المستخدمة في سوق الأوراق المالية.
- دواء: وقد ساهمت قدرات معالجة الصور للشبكات العصبية في التكنولوجيا التي تساعد أكثر دقة في الكشف عن المراحل المبكرة من السرطانات والكشف عنها. أحد هذه الأنواع من السرطان هو سرطان الجلد العدواني ، وهو أخطر أشكال سرطان الجلد. التعرف على الورم الميلانيني في المراحل المبكرة ، قبل أن ينتشر ، يعطي المرضى بهذا النوع من السرطان أفضل الفرص للتغلب عليه.
- طقس: تعتبر القدرة على اكتشاف التغيرات الجوية التي تشير إلى حدث مناخي خطير وخطير بأقصى سرعة ودقة ممكنة أمر ضروري لإنقاذ الأرواح. تشترك الشبكات العصبية في المعالجة في الوقت الفعلي للصور الساتلية والرادارية التي لا تكشف فقط التكوين المبكر للأعاصير والأعاصير ، بل تكشف أيضًا التغيرات المفاجئة في سرعة الرياح واتجاهها والتي تشير إلى حدوث إعصار. تعتبر الأعاصير بعض أقوى وأخطر الأحوال الجوية المسجلة - وغالباً ما تكون أكثر فجائية ومدمرة وقاتلة من الأعاصير.
