التعلم العميق هو شكل قوي من التعلم الآلي (ML) الذي يبني بنى رياضية معقدة تسمى الشبكات العصبية باستخدام كميات هائلة من البيانات (المعلومات).
تعريف التعلم العميق
التعلم العميق هو طريقة لتطبيق ML باستخدام طبقات متعددة من الشبكات العصبية لمعالجة أنواع أكثر تعقيدًا من البيانات. في بعض الأحيان يسمى التعلم الهرمي ، يستخدم التعلم العميق أنواعًا مختلفة من الشبكات العصبية لتعلم الميزات (وتسمى أيضًا التمثيلات) ويجدها في مجموعات كبيرة من البيانات الخام غير المعلَّمة (بيانات غير منظمة). من أوائل العروض التوضيحية العميقة للتعلم العميق كان برنامجًا نجح في اختيار صور القطط من مجموعات مقاطع الفيديو على YouTube.
أمثلة التعلم العميق في الحياة اليومية
لا يستخدم التعليم العميق فقط في التعرف على الصور ، ولكن أيضًا ترجمة اللغة ، واكتشاف الاحتيال ، وتحليل البيانات التي تجمعها الشركات عن عملائها. على سبيل المثال ، يستخدم Netflix التعلم العميق لتحليل عادات المشاهدة والتنبؤ بالعروض والأفلام التي تفضل مشاهدتها. هكذا يعرف Netflix كيفية وضع أفلام الحركة والأفلام الوثائقية الطبيعية في صف اقتراحك. يستخدم Amazon تعلمًا عميقًا لتحليل مشترياتك وعناصرك الأخيرة التي بحثت عنها مؤخرًا لإنشاء اقتراحات لألبومات الموسيقى الريفية الجديدة التي من المحتمل أن تكون مهتمًا بها وأنك في السوق لزوج من التنس الرمادي والأصفر. أحذية. نظرًا لأن التعلم العميق يوفر المزيد والمزيد من الإحصاءات من البيانات غير المهيكلة والخام ، يمكن للشركات توقع احتياجات عملائها بشكل أفضل ، بينما يحصل العميل الفردي على خدمة عملاء أكثر تخصيصًا.
الشبكات العصبية الاصطناعية والتعلم العميق
لجعل التعلم العميق أسهل للفهم ، دعنا نعيد النظر في المقارنة بين الشبكة العصبية الاصطناعية (ANN). للتعلم العميق ، تخيل مبنى مكاتبنا المكون من 15 طابقًا يحتل مبنى سكني يضم خمسة مباني مكتبية أخرى. هناك ثلاثة مبانٍ على كل جانب من الشارع. مبنىنا هو المبنى A ويشارك الجانب الآخر من الشارع كمبنيين B و C. عبر الشارع من المبنى A ، المبنى رقم 1 ، وعبر المبنى B هو المبنى رقم 2 ، وهكذا. يحتوي كل مبنى على عدد مختلف من الطوابق ، ومصنوع من مواد مختلفة ويتميز بطراز معماري مختلف عن الآخرين. ومع ذلك ، لا يزال يتم ترتيب كل مبنى في طوابق منفصلة (طبقات) من المكاتب (العقد) - لذلك كل مبنى هو ANN فريد.
تخيل أن الحزمة الرقمية تصل إلى المبنى A ، والتي تحتوي على الكثير من أنواع المعلومات المختلفة من مصادر متعددة مثل البيانات النصية ، ومقاطع الفيديو ، وتدفق الصوت ، والمكالمات الهاتفية ، وموجات الراديو والصور الفوتوغرافية ، ومع ذلك ، فإنها تصل إلى مجموعة كبيرة لا يتم تصنيفها أو تصنيفها بأي طريقة منطقية (بيانات غير منظمة). يتم إرسال المعلومات من خلال كل طابق بالترتيب من 1شارع خلال 15عشر للمعالجة. بعد المعلومات الخليط يصل إلى 15عشر الكلمة (الإخراج) ، يتم إرسالها إلى 1شارع أرضية (مدخل) المبنى 3 إلى جانب نتيجة المعالجة النهائية من المبنى أ. يتعلم المبنى 3 من النتيجة التي أرساها المبنى ألف ويدمجها ، ثم يعالج معلومات الخليط عبر كل طابق بالطريقة نفسها. عندما تصل المعلومات إلى الطابق العلوي من المبنى رقم 3 ، يتم إرسالها من هناك مع نتائج ذلك المبنى إلى المبنى 1. يتعلم المبنى 1 من نتائج المبنى 3 ويدمجها قبل معالجتها كل طابق تلو الآخر. يقوم المبنى 1 بتمرير المعلومات والنتائج بنفس الطريقة إلى المبنى C ، الذي يعالج ويرسل إلى المبنى 2 ، الذي يعالج ويرسل إلى المبنى ب.
يقوم كل مبنى (ANN) في مثالنا بالبحث عن ميزة مختلفة في البيانات غير المهيكلة (تجميع المعلومات) ويمرر النتائج إلى المبنى التالي. يتضمن المبنى التالي (يتعلم) الإخراج (النتائج) من السابق. عندما تتم معالجة البيانات بواسطة كل مبنى (ANN) ، يتم تنظيمها ووضع علامة عليها (تصنيفها) بواسطة ميزة معينة بحيث عندما تصل البيانات إلى الناتج النهائي (الطابق العلوي) من آخر ANN (مبنى) ، يتم تصنيفها وتصنيفها (أكثر هيكلية).
الذكاء الاصطناعي ، التعلم الآلي ، التعلم العميق
كيف يتناسب التعلم العميق مع الصورة العامة للذكاء الاصطناعي (AI) و ML؟ يعزز التعلم العميق قوة ML ويزيد من نطاق المهام التي تستطيع AI تنفيذها. نظرًا لأن التعلم العميق يعتمد على استخدام الشبكات العصبية وسمات التعرف داخل مجموعات البيانات بدلاً من الخوارزميات البسيطة الخاصة بالمهام ، فيمكنه العثور على التفاصيل واستخدامها من بيانات غير مهيكلة (غير مدرجة) دون الحاجة إلى مبرمج لتسمية أول مرة يدويًا مهمة -consuming التي يمكن أن تسبب أخطاء. يساعد التعلم العميق الحاسبات على تحسين استخدام البيانات لمساعدة كل من الشركات والأفراد.
